金融传染不仅具有基于某一金融市场的传染效应，而且在同一个国家内具有跨市场传染效应，甚至在不同国家的不同类市场间也具有传染效应，即所谓的跨市场跨国传染效应。

按照传播主体的不同，世界银行将金融传染分为三大类：①广义定义。冲击的跨国传递或一般跨国溢出效应。根据这一定义，价格波动可以通过贸易或金融联系进行传导，因此，此定义下的金融传染称为基于宏观基本面的金融传染。②狭义定义。超出了任何经济基本面的联系和共同冲击后，危机传导至其他经济体或跨国的相关性，有时也称其为过度联动或“纯传染”。③严格定义。当“危机时期”国家间的相关性显著增加时，金融传染就发生了。

金融传染有以下识别方法：①资产价格的相关性分析。这种方法首先测算出不同市场间的相关系数，然后将平稳时期和危机时期的相关系数进行比较，如果危机时期的相关系数显著高于平稳时期，则表明危机由一个市场传染到了另一个市场，反之，则没有发生危机传染。②发生危机的条件概率检验。这种方法主要是在金融传染广义定义的基础上检验金融传染的存在性。即比较在其他国家发生危机的条件下本国同样发生危机的概率，其他国家不发生危机的条件下本国发生危机的概率，如果前者显著大于后者，则表明本国的危机是来自其他国家的传染。③极端值分析。这种方法强调，如果由于收益率的下跌造成的恐慌心理使得投资者忽略了经济基本面，那么大幅下跌比小幅下跌应该更具传染性，因此，只有超过某个阈值的冲击才能在国家间传染。

金融传染机制主要分为两类，一类是以贸易、金融等宏观基本面为主的机制，另一类是以流动性不足、投资者行为因素为代表的非基本面机制。

在国际经济交往中，贸易和依附于贸易的资金流动是紧密相关的，因此通过贸易途径传染危机显而易见。即当一国由于经历货币危机恶化了另一个（或多个）与其贸易关系密切的国家的经济基础时，如国际收支恶化、国内价格水平下降，就能导致危机传染至这个（些）国家。

尽管贸易联系可能有助于解释那些经济紧密相关的经济体之间的金融传染，但却不能解释那些没有实质性贸易联系的国家间的金融传染，如20世纪90年代末俄罗斯和巴西之间发生的金融危机传染。有时候，金融联系可能是更重要的渠道。一场金融危机可能导致另一格经济体贸易信贷减少、外国直接投资减少和其他资本外流。

流动性不足是指投资者在某一国或某一市场的损失可能促使其在其他国家或市场上卖出证券以维持流动性。这主要是由于资产流动性不足会产生资产清算效应。当持有专门资产的行业或企业的财务危机在较短时间内集中出现时，资产清算就可能发生。当一个企业遭遇财务危机必须出售资产时，且潜在资产收购方中为专业资产估值较高的大多是同行业的其他竞争企业，若这些竞争企业也面临着严峻的金融形势，则可能出现无法购买资产的情况。

主要是由于投资者风险规避和羊群效应导致的。当信息不对称的时候，投资者风险规避行为显著影响资产价格。根据影响程度不同，可将投资者分为三类，即噪声交易者、短期套利交易者和长期价值投资者。当一个国家或市场产生危机负面信息，套利交易者会减持外国头寸，进而导致外国资产价格下降，迫使长期投资者抛售资产，加快受影响国家的资产价格下降速度，形成金融传染。对于国际分散化投资者而言，其选择分散投资国家数量与其搜集和处理信息的成本有关。当市场出现有利于某一投资组合的消息时，投资者倾向于采取相同的投资组合调整行为，因此加剧了金融传染。

随着科学技术的进步，金融传染研究逐渐与复杂网络理论，机器学习和大数据技术等前沿方法相结合，推动金融传染研究的发展，具体表现为：①复杂网络与金融传染研究的结合取得显著进展。复杂网络分析通过揭示金融市场中的依赖结构，帮助识别潜在的系统性风险和传染渠道。这种方法也可利用网络科学，分析市场参与者之间的关系和互动，揭示出传染路径和关键节点。21世纪以来，关于金融传染的网络研究逐渐从单层传染网络拓展到双层甚至多层传染网络，深入刻画金融系统间多维度的关联关系。②金融传染研究与机器学习和大数据技术相结合，从而可以提供更加精准和全面的风险洞察。通过收集并分析海量的金融、经济及市场数据，大数据技术为金融传染研究提供了丰富的信息基础。利用机器学习技术可以对海量数据进行深度挖掘，通过训练和优化算法，自动识别金融传染的模式、路径和潜在影响。