银行作为主要的金融机构在经济市场中有这极为重要地位。银行作为金融市场的主要业务对象,分析银行间的稳定性,挖掘银行间关系是重要且有意义的事。目前处在数据时代,利用公开的数据,挖掘数据集间的关联关系是数据分析工作的意义之一,也是让无形数据资产变为无价资产的重要方式之一。将数据分析的思想和方法运用到研究构建银行间关系,预测银行间风险传播中是具有时代意义的。本文希望通过对公开数据的获取,构建银行间的网络关系,并在网络关系中模拟风险传播,得到中国银行间关系以及风险传播时的不同状态。因此选取16家中国上市银行作为主要研究对象。通过对2015年到2018年内公开的日经营情况数据进行获取,选择收盘价作为研究的原数据,通过对收盘价的整理、计算得到对数收益率,并以对数收益率作为本文的研究数据。得到研究数据集后,会进行一系列的方法计算。在数据选取方面,利用日收盘价,以每日为获取数据的单位,可以更及时的反映银行的经营情况,并扩大了研究数据的数据量。由于上市银行的数据是实时更新的,所以也确保了数据的真实性。在构建网络方面,直接使用数据的物理距离即欧几里得距离表达数据集间的相似程度,这样的表达更加直观。在研究实现方面,首先利用欧几里得方法计算得到银行间波动率相似程度矩阵,并构建全局耦合网络,再利用层次聚类分析对数据进行分组分类。其次,在全局耦合网络的基础上利用克鲁斯卡尔最小生成树算法提取网络中连接16家银行的最小路径,在此文中我们将最小路径定义为风险传播的最小路径。在此基础上通过计算得到网络的度分布、聚类程度等性质。最后在构建的最小路径网络中利用SIS模型进行风险传播的模拟实验。研究发现:银行网络中存在多中心点;网络中的权值在风险传播时起了重要作用等结论。从而对银行的工作提出分级管理;银行要重视自身在网络中所处的位置,加强自身风险防控能力等建议。