新巴塞尔资本协议给出了三种方法度量操作风险，即基本指标法、标准法和高级计量方法，其中采用高级计量方法度量操作风险需要确定风险损失分布。而在BaselⅢ中，则要求各银行所采用的高级计量方法需有新的突破，采用的计量方法要确切地反映本银行操作风险相关特征。实践中，因成员国金融发展程度不一，各国资本监管呈现参差不齐现象。发达国家对操作风险监管早于发展中国家，且监管体系日趋完善，而发展中国家操作风险监管刚起步，操作风险监管存在许多漏洞。在操作风险的认识上，欧美研究机构及学者对操作风险损失呈厚尾部特征已形成共识，在实践中，操作风险分布使用最多的是泊松分布，其次是负的贝奴里分布;然而，在发展中国家，监管部门及学者对操作风险的监管与度量的研究仍处较低层次阶段。目前，国内关于操作风险损失分布的系统性研究成果比较少，本文基于中国商业银行操作风险损失数据拟合并诊断了其损失分布，并依此分布度量了中国商业银行操作风险。　　基于中国商业银行1994年-2008年的操作风险损失数据，通过对操作风险损失分布的检验及利用贝叶斯MCMC频率方法对风险损失分布情况进行了分析，结果显示中国商业银行操作风险损失分布近似服从广义极值分布(GEV)。从理论上看，在某种情况下，广义帕雷托分布(GPD)可转化为GEV分布，因此本文亦检验了中国商业银行操作风险损失分布是否可用GPD分布表示。为了检验中国商业银行损失分布是否可用GEV或GPD分布表示，采用极大似然估计法对GEV和GPD分布的位置参数、尺度参数、形态参数进行了估计并对中国商业银行操作风险的GEV和GPD分布模型进行了诊断。结果表明，中国商业银行操作风险损失的概率、分位数图、重现水平曲线、密度曲线的四个诊断图均支撑用GEV和GPD分布表示的操作风险损失分布。　　在GPD分布的条件下，一般可用POT模型度量风险损失，因此应用POT模型度量了中国商业银行操作风险损失。对中国商业银行操作风险损失额的估计结果显示，在0.999的概率下，中国商业银行操作风险每年的损失额大约为79040.62万元;在0.9999的概率下，中国商业银行操作风险每年的损失额大约为40810.16万元。　　因操作风险的发生来源于业务线，本文建立了业务线中风险因子与操作风险发生的因果关系图，并依此建立了操作风险控制的贝叶斯网络模型。以银行在线业务为例，应用贝叶斯网络模型模拟了业务线中风险因子与操作风险损失之间可能出现的因果概率，并进行了相应的情景分析和敏感度分析。依据贝叶斯网络模型，本文分析了三种情形下的因果关系，并分别计算了相应情形下的操作风险发生的条件概率及所对应的资本金要求。敏感度分析表明，系统应用程序失败、黑客攻击、交易密钥管理、病毒攻击对操作风险损失比较敏感，而防火墙对操作风险损失的敏感度不高。