随着世界经济的全球化,银行业务变得越来越复杂,一系列操作风险的爆发给银行造成了巨大的损失,各国银行和监管机构越来越重视对操作风险的度量和管理。鉴于各银行对操作风险管理重视较晚,操作风险数据严重缺失。因此,对银行来说,需要解决数据缺失的情况下,如何更准确地度量操作风险的问题。对监管部门来说,则面临着在缺乏相关信息的情况下,如何更了解银行潜在的操作风险情况,以降低信息不对称的问题。整合内外部数据对操作风险进行度量是解决上述问题的一个比较好的做法,但在方法上仍存在一定的改进空间。为此,本文讨论了度量操作风险时整合内外部数据的原因、原则及方法,并基于损失分布法(Loss Distribution Method)、POT模型(Peak Over Threshold)、赤池加权法(Akaike Weight Method),建立了整合内外部数据的赤池加权整合模型,并收集了我国四大国有商业银行操作风险损失数据进行了实证分析。具体如下:(1)采用损失分布法度量操作风险,发现对于频数分布,负二项分布相对泊松分布的效果更优;对于损失程度分布,对数正态分布拟合效果最好,其次分别为布尔分布、帕累托分布等。另外,从度量结果看,相对于频数分布,损失程度分布对银行操作风险度量影响更大,且拟合效果最好的对数正态分布对尾部的描述存在着较大偏差。(2)为了更好地拟合操作风险的尾部损失,将操作风险分为“高频低损”和“低频高损”两大类进行度量。发现广义帕累托分布对操作风险尾部风险拟合效果要优于对数正态分布,而采用对数正态分布拟合大大的高估了银行的监管资本。(3)为了整合内外部数据,本文基于POT模型,采用了Bühlmann-Straub信度模型对整合操作风险的内外部数据的情况进行研究,发现Bühlmann-Straub信度模型方法的度量结果容易受到样本量大小和外部数据的影响,忽略了内外部数据的差异性,结果偏差较大,容易出现高估银行的资本金的情况。(4)鉴于信度模型不能很好的整合内外部数据,本文采用赤池加权整合模型进行了实证分析。结果发现,赤池加权整合模型在整合内外部数据时,能够较好的反映内部数据和外部数据的异质性,外部数据对度量结果的影响取决于外部数据与内部数据之间的相似性程度,不易受到样本量的影响,度量结果较为稳定。