投资者对宏观经济风险的评估如何影响资产价格一直是实证资产定价的难点之一。已有研究指出新闻文本会改变投资者对宏观经济的判断和预期进而影响股价，但如何有效提取与宏观经济风险相关的文本叙事信息来解释或预测资产价格变动，尚未达成共识。本文基于2007-2021年中国七家专业财经媒体的新闻报道数据，首次结合人工智能前沿领域的BERT大语言模型来测度新闻叙事注意力信息，然后利用稀疏工具主成分（Sparse IPCA）估计影响基本面的状态变量和影响资产价格的叙事定价因子。基于A股市场的实证检验发现：第一，本文利用新闻文本估计的状态变量对于消费、产出、国债收益率等宏观经济指标具有显著的预测效果，这表明新闻叙事蕴含着影响经济运行的信息。第二，相比CAPM、三因子等基准模型，基于新闻文本构建的叙事因子模型能更好地解释资产错误定价现象，并对未来资产价格的变化有更强的预测能力。第三，与基于关键词的文本分析方法（如LDA主题模型）相比，利用BERT提取文本信息可在保证因子模型简约性的基础上获得更优异的定价效果。本文的研究结论对于解释资产横截面收益差异有新的启示，同时为应用大语言模型于经济金融学研究抛砖引玉。

本文通过模拟交易员对冲衍生品空头的盈亏情况来研究模型风险以及它给衍生品定价和复 制带来的影响。本文检验了在参数复制和传统的 Delta 复制两种复制策略下，其复制误差与 模型选择、真实测度的漂移项和真实状态变量等的关系。本文还详细讨论了参数复制策略和 Delta 复制策略的优劣，以及模型风险对这两种复制策略的影响。?

本文通过模拟交易员对冲衍生品空头的盈亏情况来研究模型风险以及它给衍生品定价和复制带来的影响。本文检验了在参数复制和传统的Delta复制两种复制策略下，其复制误差与模型选择、真实测度的漂移项和真实状态变量等的关系。本文还详细讨论了参数复制策略和Delta复制策略的优劣，以及模型风险对这两种复制策略的影响。

传统的金融衍生品定价理论大多只考虑标的资产对金融衍生品的影响，较少考虑其它 不确定因素（如气候等）对衍生品的影响。本文主要针对衍生品的价格在气候等多种自 身有相关性（或不相关）的不确定因素的影响下会发生变化这一事实（有些气候因素 如气温等，本身就是衍生品的标的量，直接影响衍生品的价格），使用一种较为统一的 方法，推导出这些衍生品的定价模型。这一方法可推广到标的状态变量带跳（包括气候 因素也带跳）——即标的状态变量有可能发生突变的情形。