运用动态半参数分位数回归模型构建金融网络结构,厘清金融机构间的极端风险传染效应,并将市场情绪指标作为条件变量引入网络模型中。研究发现,金融机构的系统性风险贡献和暴露以及尾部风险传染度的统计特征(如排名)存在显著差异。金融机构的网络传染度排名,尾部风险接收源排名和尾部风险发射源排名存在显著差异。在经济金融动荡时期,三大金融行业(银行业、证券业和保险业)的内部网络传染效应均显著增强,且证券业内的传染效应明显高于银行业内的传染效应。基于滚动窗宽选择标准的金融网络模型优化了金融机构间的风险传染关系的时变性识别过程。对高传染性的金融机构实施监管已成为一个至关重要的政策问题,因此探究极端风险的网络关联性有助于提升对金融系统的监督和监管效率,本文的研究框架为此提供了相应依据。