自Black和Scholes用连续时间扩散模型来描述标的资产价格,并在假定标的资产价格服从几何布朗运动的前提下,给出了著名的Black-Scholes期权定价公式,从此扩散模型在金融数学领域有了极大的应用。漂移系数和扩散系数对扩散模型有关键作用,它们的非参数估计问题是当今金融数学研究热点。另外,随着信息科技的快速发展,高频数据的存储成本在降低可获得性在提高,越来越多的学者开始使用包含丰富资产价格信息的高频数据进行相关研究。如何在使用含有噪音的高频数据的同时改进现有扩散模型非参数估计方法是一个值得思考的问题。本文一方面利用预平均方法对高频数据进行了降噪处理,在保留了高频数据丰富信息的同时减小了市场微观结构噪音给模型系数估计带来的误差。另一方面利用非对称伽玛核函数代替传统局部常数核回归估计法使用的对称高斯核,非对称核函数的分布密度函数是非负的,在实际数据具有非负性时它可以有效解决标准对称核存在的边界效应问题,有效提高非参数估计的估计精度。本文基于降噪后的数据利用非对称伽玛核构造了扩散模型漂移系数和扩散系数新的估计量,在一些常见的假设条件下,推出估计量的一致性与渐近正态性,并给出了重要的引理和主要结果的证明。在给出估计量之后,通过蒙特卡洛模拟了平稳和非平稳两种情况,从估计图、估计误差指标、QQ图及KS检验等几方面对估计量的有限样本表现进行了评估,发现基于预平均降噪处理的数据,用非对称伽玛核构造的局部常数核回归估计量在两种情况下表现都很稳健,具有一定的优越性。最后将本文提出的非参数方法应用到上证50ETF期权产品定价研究中,利用50ETF基金一分钟收盘价估计市场波动率,并将其代入期权定价公式。实证结果表明,一分钟高频数据具有市场微观结构噪音,直接利用计算得到的理论价格和实际价格存在较大的偏差,经过预平均降噪处理之后,期权定价效果得到改善。在实证数据具有非负性时,非对称伽玛核相比对称高斯核在期权定价中的表现更优。另外对比高频数据和低频数据的定价效果,也说明了在进行金融市场相关研究时使用高频数据的必要性。