作为对冲一般性天气风险的金融工具,天气衍生品具有极大的市场潜力,而气温衍生品作为天气衍生品市场的主体,其定价问题一直受到人们的广泛关注。其中,合适的气温预测模型是气温衍生品精确定价的关键。因此,论文在天气衍生品定价的视角下,对如何科学地构建气温预测模型进行了深入研究。具体内容如下:(1)多分布假设下的AR-EGARCH气温预测模型构建。有研究表明,不同城市日平均气温数据的残差分布形态有所不同。而一些学者仅在残差服从正态分布的假设下考察了AR-EGARCH模型与AR-GARCH模型的优越性。基于此,论文扩展了前人研究中气温残差服从正态分布的假设,以美国10个城市的日平均气温数据为样本,研究不同分布假设对上述两个模型拟合与预测效果的影响。结果表明,首先,不合理的残差分布假设会影响模型的样本内拟合效果与样本外预测精度;其次,在最优分布假设下,AR-EGARCH模型仍然具有显著的优越性,有效衡量了气温波动率的非对称效应。(2)AR-EGARCH气温预测模型在中国的适用性研究。上述研究仅对美国日平均气温的变动过程进行了拟合,考虑到中国的气候特征与美国不尽相同,因此,进一步考察了AR-EGARCH模型对中国7个城市日平均气温数据的拟合效果,分析了AR-EGARCH模型在中国的适用性;并基于模型参数,运用系统聚类法(HCM)拓展研究了将国外成熟的气温衍生品直接引入国内的可行性。结果显示,首先,AR-EGARCH模型适用于中国7个城市的气温预测;其次,杭州与欧洲、日本的气温变动存在相似之处,可以考虑向杭州直接引进欧洲、日本已有的气温衍生品。(3)多分布假设下的AR-EGARCH气温预测模型改进研究。在证实了AR-EGARCH模型在中国的适用性,且杭州可直接引进气温衍生品之后,为提高模型的预测精度,增强模型的应用价值,以杭州市日平均气温数据为例对AR-EGARCH模型进行改进。首先,将AR-EGARCH模型改进为ARMA-EGARCH模型,以期更好的描述气温残差的缓慢衰减特征;其次,运用主成分分析法(PCA)进一步构建出PCA-ARMA-EGARCH模型,考察各种气象信息的加入是否能有效提高模型的预测精度。结果表明,ARMA-EGARCH模型较原有的AR-EGARCH模型更能有效捕捉日平均气温的动态变化特征,而在此基础上构建的PCA-ARMA-EGARCH模型的预测精度可得到进一步提升。期望论文能为基于天气衍生品定价视角的气温预测模型研究提供参考。