2021年11月15日,北京证券交易所于西城区正式开市。从9月2日宣布设立北交所以来,到最终实现开市仅仅用了75天,这是中国资本市场中甚至是全球资本市场中从一开始提出设立到最后正式开市历时最短、成立最快的交易所。北交所的开市体现了具有我国特色的资本市场支持中小型企业创新发展的急迫性,也使得中国金融市场更加成熟。从1979年,中国开始对金融市场进行改革到现在,中国金融市场不断完善,为经济的发展贡献了巨大的能量;国民的金融活动参与度以及金融意识也显著提高。金融市场的异常波动严重阻碍着经济的发展,甚至会给每个居民的生活带来的巨大影响;学者们对金融风险的关注日益密切,相关研究方法不断更新,对金融风险的度量和预测也越来越精确,为市场有效规避风险提供了很有价值的依据来参考。本文从构建一个可以反映金融风险的综合性的指数角度出发来度量预测风险,这里的综合性具体是指综合多个金融子市场的特征,将这些指标综合起来,根据它们的波动率拟合出可以反映出金融市场风险的综合性指数,然后利用统计学模型和深度学习模型分别对风险指数进行拟合,选择拟合效果更好地模型对风险进行预测,最终根据风险大小给出相关的建议和措施,起到及时预警的作用。首先,本文集中阐述了金融风险以及风险传染性的相关概念,对金融风险的传染性进行了定性的分析同时归纳梳理了国内外典型的风险传染事件,总结出金融危机最初爆发以及传染的一些金融子市场,以便后期将金融市场中的风险分解到到各个子市场之中。经过分析总结,本文选取了典型的金融子市场:股票市场、外汇市场和货币市场,同时根据我国国情,将房地产市场作为联动市场纳入到整体风险分析中;选取各个市场中能够反应出市场内部运行状况的典型指标,利用主成分分析的方法进行降维,根据主成分的波动率可以构建出各个市场的风险指数以及金融市场整体的风险指数,指数的大小即反映了市场中存在的风险大小。最后分别利用ARIMA模型和LSTM模型对风险指数进行拟合,对比两个模型的拟合效果,择优对预测结果进行分析,根据定义的风险程度范围进行风险大小的判定并且给出合理有效的建议,以便相关部门即时做好准备措施,尽可能的减少金融风险带来的危害同时控制风险波及的范围。在对构建的风险指数进行模型拟合时,本文首先采用了统计学中预测时间序列最经典的ARIMA模型,并且利用测试集的数据对预测结果进行检验,拟合后得到的模型希尔不等系数过高,预测效果不理想,不能反映出风险的波动性;接着尝试利用深度学习方法中的LSTM模型来拟合并预测风险指数,同样利用测试集数据对模型预测的准确率进行评估,准确率达85%,预测效果较好,因此利用LSTM模型对未来三个月的金融分险指数进行预测,根据指数大小以及风险程度范围判断市场存在的风险大小。在本文预测周期内市场不会发生高风险,但是会有较大的波动,主要受到各子市场周期性的影响,在年末波动较大。