2007年以来,我国银行业全面对外开放,在全球化的竞争格局中,面临着全方位的挑战。近年来金融危机频频爆发,国与国之间较强的风险传染效应无疑加剧了商业银行面临的流动性风险。因此,我国商业银行流动性风险的度量与管理势在必行。目前,银行一般采用简单的静态指标法进行流动性风险控制,或是使用VaR和L-VaR模型来度量,但该类方法的本质缺陷影响了某些极端环境,如金融危机下风险测度的有效性；并且忽略风险因子之间的相关性可能会导致高估银行所面临实际风险。基于以上问题,本文将银行的流动性风险界定为内、外两个部分,并分别建立精确度更高的度量模型。针对银行单一的内部流动性风险测度,本文构建POT-ES高阶计量模型。极值理论的POT模型只考虑样本数据的尾部分布,解决了估计整体样本分布的难题；并创新性的结合ES高阶风险测度,保证了估计的风险值在n+1阶上的广义随机占优单调一致性,因此更合适在金融危机等极端情况下,度量银行面临的内部流动性风险。返回检验的结果显示,基于该类模型所得到的风险值更有效。在外部流动性风险的度量中,为考虑风险因子之间的相关性,引入Copula理论与非参数核密度估计模型,并结合蒙特卡洛模拟技术,估计银行外部流动性风险的VaR和ES值。通过对比研究发现,Copula—Kernel模型比传统的历史模拟法能更准确的度量商业银行面临的外部流动性风险；并得到商业银行流动性融资的最优比例,以期为银行进行流动性风险管理提供理论上的模型参考。本文在进行模型选优的同时,运用建立的模型和方法对中国银行业整体板块以及各大代表商业银行的外部流动性风险进行了实证分析,实证结果表明,中国商业银行整体所面临的外部流动性风险还处于较高的水平,特别是国有商业银行的外部流动性风险更加突出。