2007年美国次贷危机引发的全球性金融危机,使得全球金融市场遭受重创,一些大型银行出现破产倒闭,再次显示出银行系统性风险破坏力之强。故而这种传染性极强的系统性风险,已经成为各国学者和监管部门关注的重点。对于我国这样的银行主导型国家,银行在国民经济发展中起着关键作用,加强银行系统性风险度量的研究就显得十分重要。由于上市银行在公开市场上的数据具有高维性,本文利用主成分分析法对我国银行的系统性风险进行度量研究。主成份分析法的主要思想就是降维,并维持主成份的方差贡献率最大,使得数据的最重要信息得以保留。CAR值是通过对上市银行的资产收益率进行主成分分析所得到,它是指第一主成分的方差贡献率。如果第一主成分的方差贡献率越大,那它对原变量的解释度越高,更好地保留了原始变量的信息,也就是说银行的资产收益率就高度地被第一主成分所解释,银行体系的紧密联系度较高,银行系统性风险就会越高。由于在公开市场中难以直接获得上市银行的资产收益率,本文利用KMV违约结构模型来获得更加真实、准确的资产回报率。同时,在运用主成分分析法求CAR值的期间,本文还发现了PC负荷来衡量特定银行在系统性风险中的敏感度。本文选取了2007年10月1日到2014年3月31日的我国14家上市银行为研究样本,运用主成分分析法对其进行实证研究。实证研究结果发现,美国金融危机使得我国银行业CAR值在高位运行,由于我国及时采取宽松的货币政策和积极的财政政策,2009年后银行业CAR值有所下降。但是从2012年至今,由于过度信贷和影子银行等因素对银行的影响,使得CAR值在波动中缓慢上升,这与实际情况较符合,表明CAR值能较好地识别到银行系统性风险。