【摘要】基于上市金融机构尾部风险感知模型，通过QRNN(神经网络分位数回归)对多种状态下的CoVaR进行估计，结合中国63家上市金融机构2011—2021年的市场数据，研究了各机构的系统性风险溢出与脆弱度及其影响因素。研究结果发现，尾部风险感知模型通过选择非线性模型，能够更好地预测金融机构的尾部风险，且以此测度的风险溢出可以解释系统性风险在具体事件中的累积；与银行和保险类相比，证券类机构和其他类金融机构向金融系统溢出了更多风险，但溢出水平自2015年起已显著降低；通过测度系统溢出度和脆弱度，发现少数机构具有显著的“风险缓释”作用，“吸收”了系统整体风险，而有些机构则具有“反脆弱性”,能够在市场下行时获益；通过个体效应控制前后的回归结果对比，显著影响系统溢出度与脆弱度的是机构自身风险，而非机构的规模、杠杆等。本文构建的模型和研究结论可为监管部门识别重要性金融机构和机构脆弱性测度提供经验佐证。