我国领土辽阔,南北跨度极大,从古至今深受不同气候的影响。我国应对天气风险的方法通常是针对灾害性风险的天气保险,而对于危害小但同样有着长远影响的一般性天气风险的应对措施却非常少。为应对一般性天气风险,天气衍生品在20世纪末诞生。随着天气衍生品在国外的迅速发展,我国也开始着手对天气衍生品的研究。在本文中,我们从天气风险管理策略出发,系统地介绍了天气衍生品,并选取基于温度指数的天气衍生品进行研究。由于温度预测的精确度是天气期货和期权定价的关键,因此我们将主要内容分为温度预测和衍生品定价两部分。在温度预测部分,我们首先对北京市近50年的日平均气温进行统计分析,发现北京市的日均温差服从正态分布。进一步研究发现,日均气温呈现周期性变化且具有均值回复性,进而建立包含正弦函数项的时变Ornstein-Uhlenbeck（O-U）均值回复模型。其次,我们根据时间序列分解原理确定加法模型的随机项,并采用自回归移动平均（Autoregressive moving average,简称:ARMA）模型拟合加法模型的非随机项,进而建立时间序列分解的加法模型。最后,分别从定性角度和定量角度比较两个模型的优劣。结果表明,两个模型对气温都有较好的预测效果。然而,时变O-U均值回复模型的预测误差大于加法模型的预测误差。为了减小误差,我们对模型做进一步改进,发现改进后的波动率计算模型比原波动率计算模型效果更好。在衍生品定价部分,我们首先基于北京市日均气温建立了期权和期货定价模型。其次,结合改进波动率计算方式的时变O-U均值回复模型与加法模型,并采用蒙特卡罗模拟对北京市2020年1月和8月的期权和期货定价进行预测,通过与真实定价进行对比,分析模型优劣。结果表明,两个模型都适用于北京市日均温度的天气衍生品定价。然而,相比之下,加法模型的定价效果更好。最后,研究两个模型在不同基线温度下的定价误差,结果表明定价误差在基线温度为16℃至19℃下相对较小。