2020年1月,新型冠状肺炎疫情的爆发,严重影响了中国的经济活动,对金融市场造成重大冲击。3月,新冠疫情扩散到全世界,国际股票市场出现动荡,使得金融风险在国际金融市场传播程度加深。系统性金融风险一直是各个国家所关注的,对于风险的传染路径和机制研究有利于我国完善金融风险防控体系,维护金融市场稳定。本文基于复杂网络理论,对疫情期间国际和国内金融市场风险传播做了及时研究。在理论方面,本文系统的介绍了复杂网络的构建理论以及如何通过复杂网络来量化金融风险传播程度和传播路径,定义了最小生成树模型的算法和节点中心性等拓扑指标。详细解释了四种相关性度量方法:Pearson相关、格兰杰因果、互信息理论和布朗距离,比较了两种线性度量方法和两种非线性度量方法。通过复杂网络的相关理论介绍,可以展现复杂网络对金融风险传播研究的可行性和适用性。本文研究了网络结构对金融风险传染的影响以及网络节点在风险传播中的作用,提出了国际金融市场风险传染可能受到地缘因素、历史因素和经济因素的影响,剖析了国内行业风险传染的行业上下游渠道和信息渠道,分析了突发公共卫生事件对金融市场宏观和微观的影响,为实证分析打下丰富的理论基础。在实证分析方面,本文主要通过国际金融市场和国内行业市场讨论了疫情对于金融网络的影响和疫情期间金融风险的传播路径。首先,采用了四种相关性度量方法对36个国家和地区构建国际金融网络和最小生成树模型,并对网络进行拓扑结构和中心性分析。其次,建立了国内行业网络,利用布朗距离和格兰杰因果构建网络模型,研究我国疫情前中后期的风险传染情况。经过上述分析,本文得到以下结论:在国际金融市场中,国家之间的关联呈区域集群分布,疫情期间国家联动性加剧,网络更密集。整体来说法国、中国香港和美国在疫情前分别是欧洲、亚太地区和美洲的中心,在疫情期间,新加坡在亚太地区风险传播中的地位也变得突出,加拿大取代美国成为美洲的中心。南非在疫情前和疫情期间都充当桥梁连接欧洲和亚太地区。通过对比发现,互信息理论样本量要求高,尽管能捕捉到比Pearson相关更多的相关关系,但这种关系不能准确反映国家区域集群的效应。布朗距离是最优的非线性相关度量,生成的网络可解释性强、合理性高、拓扑指标分析也为最优方法。在国内行业市场中,证明了我国行业间的风险传染路径是通过上游行业到下游行业。利用最优方法布朗距离度量出了我国行业之间的高度连通性和相关性,发现疫情期间节点联动性更好,网络更密集,而在疫情高峰过后,网络变松散。行业中机械设备行业在三个时期均有中心地位,对其他制造业、服务业有巨大的影响。本文的主要贡献有以下几点:一是选用了两种非线性相关度量,包括互信息理论和布朗距离,通过对比证明了布朗距离的最优性。二是结合了国际金融市场和国内行业市场,通过网络模型探究了金融风险传染的路径和机制。三是选用了2020年的即时数据,分析了新冠疫情对国际和国内金融风险传播的影响,为我国以及国际金融风险防范提出政策建议。