第1章 銀行業操作風險概述 1.1 銀行業操作風險研究的意義 1.2 操作風險的定義 1.3 操作風險的分類 1.4 銀行業操作風險的特點及影響 1.5 操作風險占銀行總風險的比例 1.6 制約銀行操作風險管理發展的障礙 1.7 新環境、新技術引發新的操作風險 1.8 本章小結 第2章 《巴塞爾資本協議》與銀行操作風險監管 2.1 巴塞爾委員會及《巴塞爾資本協議》 2.2 《巴塞爾資本協議Ⅱ》提出的操作風險監管資本金方法 2.3 《巴塞爾資本協議Ⅲ》 2.4 新冠肺炎疫情后的措施 2.5 本章小結 第3章 中國銀行業的操作風險監管 3.1 中國銀行業操作風險監管發展歷程 3.2 中國銀行業操作風險管理實踐效果亟待提高 3.3 新標準法對中國銀行系統的影響分析 3.4 本章小結 第4章 內部數據實證度量操作風險監管資本金 4.1 A銀行操作損失內部數據統計分析 4.2 《巴塞爾資本協議Ⅱ》提出的操作風險資本金度量方法 4.3 A銀行內部數據損失分布法實證分析 4.4 新標準法 4.5 多種方法的對比 4.6 本章小結 第5章 第二支柱下的操作風險管理 5.1 第二支柱概述 5.2 第二支柱的四大原則 5.3 學術界對第二支柱的探討和嘗試 5.4 本章小結 第6章 第三支柱下操作風險管理 6.1 第三支柱報告披露 6.2 操作風險計算的披露要求 6.3 有效銀行監管 6.4 中國銀行業的應對建議 6.5 本章小結 第7章 健全的操作風險管理框架 7.1 塞爾操作風險健全框架的演進發展 7.2 業務單元管理 7.3 功能獨立的操作風險管理職能 7.4 獨立性保證 7.5 健全操作風險管理措施 7.6 本章小結 第8章 銀行操作風險驅動因素可能的應用技術 8.1 中國實施新標準法進行操作風險管理的挑戰 8.2 制約中國銀行業操作風險管理的因素 8.3 機器學習法 8.4 集成學習法 8.5 機器學習在金融領域的應用 8.6 對應用機器學習方法的監管思考 8.7 本章小結 第9章 機器學習法實證分析操作風險驅動因素 9.1 原始內部數據描述 9.2 數據預處理 9.3 數據因變量、自變量描述 9.4 機器學習方法選擇 9.5 本章小結 第10章 基于可解釋性的機器學習分析 10.1 可解釋性 10.2 監督輔助特征提取方法 10.3 基于監督輔助特征提取方法的操作風險特征實證分析 10.4 本章小結 第11章 新標準法參數值設定敏感性分析 11.1 銀行內部損失乘數設置 11.2 劃定計算歷史損失額時的例外申請 11.3 設定納入統計的歷史損失事件門檻 11.4 本章小結 第12章 新標準法下中國銀行監管機構操作風險監管的建議 12.1 建立操作風險管理體系 12.2 完善操作風險數據收集系統 12.3 強化財務報表的規范化管理 12.4 提升銀行透明度，完善操作風險信息披露機制 12.5 借鑒橢球項目思路，數據驅動監督 12.6 以其他非制式信息作為審慎監管的補充 第13章 結論和政策建議 13.1 本書總結 13.2 對策建議 參考文獻