本书对如何应用机器学习方法识别系统性金融风险的跨域溢出这一问题，进行了较为深入的探索。在识别系统性风险的溢出水平方面，本书基于频域方法，对风险的静态与动态表现进行了测度；在风险溢出结构方面，运用网络分析法对全球系统性金融风险的溢出网络进行了刻画；在风险溢出渠道方面，应用机器学习方法解析了系统性金融风险的跨域传染渠道及其影响因素；在风险溢出调控方面，对中国的“双支柱”政策效果进行了脉冲响应评估；最后，对时变模型的结果进行了深入分析，并提出了相应的对策建议。本研究旨在推动大数据方法在金融领域的应用，为完善我国的宏观审慎监管提供决策参考。