信用危機的損失估計基於資產類型、規模、重要性和數據的不同，銀行通常采用不同的損失預測方法來預測和估計信用危機的損失。壹般來說，信用危機損失預測方法可以分為兩類:模型方法和非模型方法。其中，非模型法對非重要資產組合至關重要，采用了規模調整法，將基準情景下的組合損失提高壹個簡單的規模作為壓力情景下的損失預測。其規模壹般根據投資組合的歷史表現，其他投資組合模型預測的壓力損失與基準損失的比值，或者專家經驗調整。
目前，國內外貿易中常用的信用危機損失預測模型有兩種。壹種是基於會計損失(即核銷和收回)的直接預測法，比較常見的模型有滾動率模型、Vintage模型和凈沖銷模型。二是基於預期損失(即經濟損失)的間接預測方法，如評級轉移模型、比例危機模型、線性回歸模型、logistic回歸模型等。
市場危機損失的估計從金融市場產品的分類來看，商業銀行的金融市場業務可分為四類:利率產品、匯率產品、商品和衍生品。市場危機的壓力測試基本采用全估值法，即假設銀行擁有各種產品的估值模型，在壓力測試過程中，估值參數(匯率、收益率曲線、商品價格等。)在壓力下被輸入到估值模型中，得到各種產品在壓力下的估值價格，再乘以各種產品在組合中的持有頭寸，得到各種組合在壓力下的估值結果；將其與買入價進行比較，得出各組合的市場危機損益；然後沿著投資組合樹上升到商業銀行集團層面，可以得到整個商業銀行集團的市場危機整體損益。
在美國prime bank，估計操作危機損失多采用回歸分析法和歷史平均法，也有銀行采用損失分布法和情景分析法，但這兩種方法通常作為輔助方法。
回歸分析方法是根據每個歷史時間點上每個單元格的虧損頻率和虧損金額的時間序列數據，與GDP、CPI等宏觀經濟變量建立回歸分析模型。壓力測試時，基於各壓力情景下宏觀經濟變量的值，推導出壓力情景下各期的損失頻率和損失金額，進而將宏觀經濟變量的壓力傳導至操作危機的損失預測。
損失分布法(LDA)也是壹種基於損失頻率和損失強度的分析範式。其基本邏輯是假設操作危機的損失頻率和損失強度服從壹定的概率分布，利用實際損失數據推導出分布的臨界參數，建立分布曲線。基於蒙特卡羅模擬，可以得到損失頻率和損失強度的概率分布曲線，進而得到給定置信區間內相應分位數的損失頻率和損失強度。因為損失的概率分布曲線是已知的，所以基於實際的損失頻率和損失強度數據，可以推導出對應於損失頻率和損失強度的實際分位數數據。利用損失頻率和損失強度的實際分位數時間序列數據，可以與宏觀經濟變量建立多元線性回歸模型，使得壓力情景下的宏觀經濟變量的值可以通過回歸模型傳遞到損失頻率和損失強度的分位數預測值，進而可以基於分位數的概率分布曲線推導出壓力情景下的損失數據。
歷史平均法是壹種相對簡單的壓力測試和預測方法，迫切適用於與宏觀經濟指標沒有明顯關系的損失事件類型/業務條線。多期的歷史虧損數據可以用來滾動平均，從而預測下壹期的虧損數據。
情景分析作為壹種輔助分析方法，可以彌補操作危機損失數據在數據量和模型擬合效果方面的局限性。在定量估算結果的基礎上，增加前瞻性的考慮，比如對從未發生過的損失事件進行情景模擬，從而得出壹定情景下的損失金額。該方法還可用於預測個體特殊危機(特別是對於個體危機與宏觀經濟環境相關性不明顯的情況)和尾部事件。