Entender la dinámica temporal del riesgo sistémico en las redes bancarias es crucial para prevenir crisis financieras y garantizar la estabilidad económica. Este documento tiene como objetivo cuantificar los tiempos de transición clave en la evolución del estrés dentro de un sistema bancario utilizando un marco matemático. Investigamos la dinámica del riesgo sistémico en una red bancaria hipotética y homogénea utilizando el modelo No Estresado-Expuesto-Estresado-Recuperado (UEDR). El modelo UEDR, inspirado en marcos epidémicos compartimentales, captura cómo el estrés financiero se propaga y se reduce a través de las interacciones entre bancos. Se selecciona por su manejabilidad y su capacidad para distinguir entre diferentes etapas de vulnerabilidad bancaria. Nos enfocamos en dos tiempos críticos, denotados como y , que juegan un papel fundamental en la comprensión del comportamiento del compartimento estresado (que representa el número de bancos estresados) a lo largo del tiempo. El tiempo representa la primera instancia de una disminución en el número de bancos estresados, indicando la contención del riesgo sistémico. Por otro lado, el tiempo marca el inicio cuando el número de bancos no estresados cae por debajo de un umbral específico, significando la restauración de la estabilidad financiera. Examinamos estas dependencias temporales considerando las condiciones iniciales del modelo UEDR y evaluamos sus características utilizando ecuaciones diferenciales parciales. Establecemos la continuidad, suavidad y unicidad de las soluciones para y , junto con sus correspondientes condiciones de frontera. Además, proporcionamos fórmulas de representación explícita para y , permitiendo una estimación precisa cuando los compartimentos de población inicial son grandes. Nuestros resultados ofrecen perspectivas prácticas para los reguladores financieros y los responsables de políticas en la determinación de intervenciones sensibles al tiempo para mitigar el riesgo sistémico y acelerar la recuperación en los sistemas bancarios. Los hallazgos destacan cómo la modelización matemática puede informar estrategias de gestión de riesgos en tiempo real en redes financieras.