在近几十年金融行业的快速发展过程中,操作风险事件呈现高发性特点。操作风险在银行业发展时就已经存在,但相关的理论和实证研究是最近几十年才有的。随着国内操作风险损失事件与日俱增的影响,金融机构也逐渐认识到操作风险的严重性,但是相关研究并不多,大多研究停留在政策讨论层面,对风险的认识和分析较为感性。在操作风险的实证研究方面,国内外相关研究大多采用Basel III提出的方法对损失资本金进行估计,稀疏事件模拟方法在操作风险损失计算问题方面具有较大的优势,越来越多的模拟算法被应用到风险损失的估计中。本文主要关注的是发生概率极低但是损失极大的风险事件,希望通过稀疏事件模拟算法对操作风险尾部概率值进行估计。针对厚尾的损失程度分布,重要性抽样算法下传统的指数测度变换无法实施,而混合分布法对似然权重的限定可以较好的避免估计方差不收敛的问题,且易于实施。在最小化方差基础上,结合交叉信息熵准则确定辅助抽样分布,并利用统计经典算法中的最大化期望算法对辅助抽样分布参数进行迭代求解。其中,损失程度的阈值以及损失事件数量都会对辅助抽样分布产生影响,为了分析这些变量的影响并验证算法的稳定性,本文将这些变量也设定在参数的更新迭代中。文中也给出了其他交叉信息熵算法下的估计,进行对比模拟实验,最后结合实际操作损失数据对总体损失分布尾部概率进行估计,结果表明本文尝试的算法优于其他交叉信息熵算法。