为了进行我国商业银行间风险敏感性的分析，研究人员郑少智和吴煌武选择了2012年至2017年间的100家商业银行同业风险状况作为研究对象。他们运用了最大熵法和最小密度法这两种方法来构建银行同业网络，并且利用Silva风险敏感性指数对我国商业银行的风险现状进行了测算。
最大熵法通常用于解决分类问题，其目的是在已知的一些条件下，找到一个概率分布，使得其熵最大。在银行同业网络的构建中，最大熵法能够给出一个概率模型，用以描述银行间风险传递的不确定性。在最大熵法模型下，各个银行节点间的联系较为密集，表明了银行间存在紧密的风险联接与传染路径。
最小密度法则是一种网络构建方法，旨在找到一组边，使得其构成的网络密度最小，而密度是指网络中实际边的数量与可能边的数量之比。运用最小密度法，分析者可以发现在银行网络中的中心节点，这些中心节点是网络中的关键节点，即少数银行处于核心位置，对整个网络的风险传播有较大的影响力。
Silva风险敏感性指数是用于衡量银行风险敏感性的一个工具，通过这个指数可以测量银行对风险的承受能力及其稳定性。通过对该指数的分析，研究者可以得到银行整体的风险敏感指数，以此来判断银行风险的动态变化趋势。
从分析中得出的结果显示，我国商业银行在经营和管理风险方面的能力较强，整体风险敏感指数呈现下降趋势。这说明我国商业银行在风险管理上取得了一定的成效，银行体系整体的稳定性得到了提高。特别是在2015年，风险管控出现了分水岭，而在2017年，银行的风险控制能力达到了最佳状态。
这项研究的重要性在于，它不仅分析了我国商业银行间的风险敏感性，还对银行风险传导机制及风险传染问题提出了深入见解。随着复杂网络理论的发展，研究人员能够更精细地分析网络结构，识别出银行系统中的关键节点和风险传播的路径，为防范系统性风险提供了重要的理论和实践支持。
1985年Bhattacharya等人已经通过构建银行间市场模型，提出银行间市场可以作为应对不确定流动性冲击的共同保险策略。到了1998年，Massion定义了风险传染，并指出危机传导不能仅用基本的宏观经济水平来解释。进入2000年后，Allen和Gale通过对复杂网络结构的银行间市场进行研究，提出了完整网络和不完整网络的分类标准，并强调了银行间互联模式对风险传染的影响。随着复杂网络理论的进一步发展，它被细分为随机网络、小型世界网络和无标度网络等不同类型。国内关于银行间市场的研究起步较晚，但近年来也有所发展。
此项研究对我国金融体系的稳定和货币政策的有效实施具有重要影响，同时对提升银行业的竞争力和防范系统性风险具有积极意义。随着中美贸易争端等国际复杂形势的变化，银行业作为金融体系的重要组成部分，需要时刻保持警醒，并通过风险管理来确保长期稳定发展。
