本文主要研究了三部分的内容：基于高频数据的期权定价及其应用、非线性期望下的一般均衡存在性和基于CAViaR方法的石油价格风险预测。　　 在第一部分中，根据已有的资产收益率和实际波动率(Realized Volatil-ity)1分布的实证结果——实际波动率取对数后满足高斯的ARFI过程，且在给定波动率的条件下，收益率为高斯的，建立了一个离散时间连续状态的随机波动率模型，而且直接将资产所固有的非对称性植入了该模型，使得该模型具有非常实际的意义。相对于一些常见的离散时间随机波动率模型，如GARCH类模型，模型是一个真正的随机波动率模型(genuine stochas-tic volatility)。然后在离散时间均衡定价的框架下，给出了这个基于实际波动率的模型的期权定价公式，并进一步分析了隐含波动率的性质。　　 值得注意的是，在这部分的研究中，假设均衡价格是存在的。事实上，在标准的von Neumann-Morgenstern期望效用的框架下，均衡的存在性已经被前人大量研究过；一般而言，只要所研究的经济满足一些标准的假设，就能保证该经济下的均衡是存在的。而接下来，将在更一般的非线性期望效用的框架下研究均衡的存在性。　　 即在第二部分中，考虑’一个允许卖空的纯交换的证券市场经济，在该经济中，投资者对未来的收益率具有模糊性，具体来说，就是每个投资者只知道未来收益向量的概率分布在某一个集合内，但确切的分布并不知道，因此他们不再是经典的von Neumann-Morgenstern期望效用最大化者。在目前的研究中，假设他们为模糊厌恶的决策者，即令他们为一种特殊的非线性期望效用—一最小期望效用最大化者，在该经济下，给出了一般均衡存在的充分条件。　　 第三部分集中研究石油价格的风险预测。基于石油价格序列的特征：过高的峰度和很强的波动率群聚现象等，建立了一个新的指数加权滑动平均CAViaR模型来预测石油价格的风险；然后引入一个可适用于不同时间频率数据的混合数据回归模型来进行多期的VaR预测；通过实证检验，发现该模型比原始的CAViaR模型表现得更好。