天气期权(weather option)，或者更广泛地来说，天气衍生品(weather derivative，期权是其特例之一)主要是用于能源，农业等领域对冲和管理与天气变化有关的风险。其中最为常见的是以温度变化指标作为标的物的产品。但是由于天气和温度并非可交易量，因此天气衍生品和天气期权并不像其他金融产品，如固定收益和权益类为标的物的衍生品市场那样存在比较完善的定价方法。这是由其市场的特征决定的，即天气衍生品交易的市场并不是一个完全市场，无法通过市场手段对冲所有风险，因此必不可少地会存在一些经验方法，以及一些取决于市场参与者主观风险偏好的参数。
总的来说，天气衍生品对于能源市场和保险市场都提供了额外的对冲和管理工具。三者的关系也非常密切：
天气衍生品有关的几个重要概念，其中最为重要的是两个与温度有关的指标，即HDD(heating degree days)和CDD(cooling degree days):
代表第i天的平均(摄氏)温度。绝大多数市场上的天气衍生品都是以一段时期内的累计HDD或者CDD作为标的指数。比如CME的标准期权合约是基于HDD/CDD的期货为标的物的，包括普通的欧式看涨与看跌期权。与一般的看涨期权不同，天气看涨期权往往存在一个交易获利上限。
具体而言，在不存在获利上限的情况下，以HDD为标的的欧式看涨期权到期获利为
其中 ， 分别为交割单位和期权敲定价格。后文中我们假定
期权定价不可避免地要牵涉到对标的物建立一个随机模型，就如同在BSM模型中利用满足对数正态分布的几何布朗运动对股票价格建模一样，我们也需要对天气期权的标的物-气温进行建模。这可以从气温变化的历史趋势开始：
气温变化最明显的特征就是周期性。这个非常容易理解。一年四季周而复始。因此气温变化的模型中肯定少不了三角函数的影子。除此以外，气温还呈现上升的趋势，这是由于全球变暖导致的温室效应。因此气温变化的确定性部分（即平均气温的稳态值）大致模型形式如下：
其中的参数 可以通过历史数据拟合。 考虑到一年周期有365天， 。
接下来便是随机部分的建模。可以参考BSM，引入类似的基于布朗运动的随机模型。关键是如何确定波动率。这里许多文献便开始迷醉了，什么GARCH一类的全出来了。正确的方法应该是基于市场隐含波动率数据。但是如果缺乏足够的流动性，则只能退而求其次了。
最后可以得到一个大致的气温随机扩散模型：
为了获取均值回归参数 的估计值，可以利用Bibby & Sorensen提出的鞅估计函数法：假设观测天数为n, 则a的估计值为如下方程的解：
其中
由于
代入求解可得
为了计算期权价格，在缺乏足够流动性和不完全市场的情况下，我们必须引入额外的参量，即市场风险溢价(market price of risk)参数 。则上述的气温随机模型相应调整为
上述方程代表的是一个OU(Ornstein-Uhlenbeck)过程，在风险中性测度下成立。气温满足正态分布，其条件均值与方差如下：
以HDD/CDD为标的指标的欧式期权，由于牵涉到最大值的求和，因此本质上是一个亚式期权，一般情况下期权价格不存在解析解。但是可以做一些近似。以HDD为例，对于大部分北半球地区的冬季(1月份左右)，绝大多数情况下气温高于18摄氏度的概率极低。因此， 近似服从高斯分布，其均值和方差为
即 。其中 可以根据上面的OU过程求出。这样HDD的欧式期权价格可以推导如下。为简便起见假设 。
其中 分别为标准正态分布的累积分布函数(CDF)和密度分布函数(PDF)。
类似地可以对其他情况包括看跌期权做同样处理。如果存在获利上限，则情况类似于标准期权的call spread, 并不难通过分解为两个期权进行处理。更一般的情况(非寒冷冬天，因此上述近似不成立)则需要通过蒙特卡罗方法对气温过程进行模拟，从而近似求解期权价格。
虽然天气衍生品在1997年就已经出现，并且在1999年在CME上市交易，但是其市场规模和流动性都非常有限，大部分的参与者是能源公司，并且更多在场外交易。美国的天气期权交易最为活跃，其次是欧洲。未来几年随着ESG，气候风险和新能源成为热点，或许天气衍生品和天气期权市场也会出现新一波的发展态势。