Resumen: En general, todas las organizaciones enfrentan el riesgo operativo, ya que este se refiere a la posibilidad de incurrir en perdidas por deficiencias, fallas o inadecuaciones en los procesos, sistemas o personas de una organizacion. Para evitar y minimizar las perdidas, resultado de este tipo de riesgo se requiere su gestion y medicion de una forma objetiva. Este articulo propone un modelo cuantitativo para la medicion de riesgos operativos basado en un Enfoque de P.rdidas Agregadas (LDA), en el cual por medio de una matriz se relacionan lineas de negocio y diferentes tipos de riesgo asociado a cada una con el proposito de ajustar distribuciones estadisticas especiales a variables de frecuencia y severidad. Esto con el fin de obtener resultados, en terminos monetarios, sobre la maxima perdida posible en que puede incurrir una entidad causado por la ocurrencia de eventos de riesgo operativo inherentes al negocio, los cuales se representan mediante intervalos de confianza y el calculo del valor en riesgo por riesgo operativo (OpVaR) y apoyando en el software MS-Excel y @Risk. Se logro validar el modelo propuesto mediante una prueba de Kupiec principalmente. Una de las conclusiones importantes es que la recopilacion de datos es un proceso clave, ya que el modelo cuantitativo propuesto depende de un punto de vista estadistico de la calidad de los datos sobre eventos de riesgo operativo. Abstract: In general, all organizations face operational risk, as it relates to the possibility of incurring losses due to deficiencies, inadequacies or failures in processes, systems or people in an organization. In order to prevent and minimize losses resulting from this type of risk the operational risk management and measurement should be carried out in an objective way.This article proposes a quantitative model for operational risk management based on a Loss Distribution Approach (LDA). Through a matrix the business lines of an organization are related with different types of risk that are associated with them. The purpose is to adjust statistical distributions of frequency and severity to the data in order to get results, in monetary terms, with respect to the maximum loss, represented by confidence intervals and the operational value at risk (OpVaR), that a company might suffer due to the occurrence of operational risk events. The calculation of these values was carried out by using the software MS-Excel and @Risk. The validation of the proposed model was mainly done by carrying out a Kupiec Test. An important conclusion is that the data compilation is a key process, as the proposed quantitative model depends from a statistical perspective on the quality of the data about operational risk events.