数理统计是通过对某些现象的频率的观察来发现该现象的内在规律性,并作出一定精确程度的判断和预测;将这些研究的某些结果加以归纳整理,逐步形成一定的数学概型。国际上通常把数理统计分为两类:经典学派与贝叶斯学派。两者的差别在于是否使用了先验信息。贝叶斯估计的概念是20世纪50年代由Robbins最早提出的,经过一个多世纪的发展,贝叶斯方法已经逐渐发展成统计学中极其重要的一个学派。贝叶斯方法是根据已有数据去估计未知参数的某些性质。这样的处理方式使得到的结果更加良好,更加贴近实际。从而说明了贝叶斯估计应用的广泛性。证券行业中操作风险因为出现频率的不稳定性以及人为因素占有极其重要的作用,导致操作风险难以通过量化来进行预测。如何将操作风险量化进而将量化的操作风险加入证券行业操作风险管理体系已经成为了近年来研究人员研究的重要内容之一。操作风险难以量化的主要原因是数据缺乏并且难以搜集,损失数据的缺乏会直接影响参数的估计,进而使估计不准确。所以将模型的参数通过贝叶斯方法确定是本文的一大亮点,本文主要通过贝叶斯方法结合搜集的数据确定了先验分布,从而有效的解决了数据缺乏带来的一系列问题。本论文内容主要:第一章简单介绍了贝叶斯估计以及操作风险的基础内容;第二章简述贝叶斯估计的决策理论和性质;第三章通过建立模型,利用极大似然估计以及贝叶斯估计将损失数据的参数进行了确定,得出操作风险损失数据的结果并进行了比较。第四章在对参数的贝叶斯估计过程中,又发现了非对称损失函数下独立随机变量序列的变化点的贝叶斯先验估计,并将其进行了分析研究。