期权中蕴含了大量的信息。国内外已有众多学者提出各种方法,针对成熟市场和新兴市场的期权进行建模并提取丰富的信息。针对期权的隐含波动率曲面的研究,众多学者尝试将期权波动率作为切入口,构建了众多期权波动率的相关模型（例如,随机波动率（Stochastic Volatility,SV）模型和SABR模型）,而这些模型都已在学术界和业界有广泛研究与应用。然而,大多数原有与期权波动率相关的模型都存在求解复杂和参数估计困难的问题。针对这一现状,Carr和Wu（2016）（之后简称CW框架）提出一种新的波动率曲面建模的框架,该框架使得之前求解过程变得相对简洁和高效。故本文也尝试从多个角度,基于CW框架进行理论拓展,并针对我国上证50ETF期权进行实证研究。首先,从隐含波动率曲面的静态拟合出发,本文运用多项式拟合法、Heston模型和SSVI模型针对上证50ETF期权的隐含波动率曲面进行静态拟合,并对比不同模型的拟合效果;然后,再到动态建模部分,运用基于多项式的两步法动态建模和基于CW框架的拓展模型对隐含波动率曲面进行动态建模,得到相应具有丰富经济含义的模型拟合参数时间序列图,再与样本外预测效果对比。此外,本文也试图从理论和实际这两个角度,基于CW理论框架进一步拓展和优化,并借助无先导平方根卡尔曼滤波（Unscented Square Root Kalman Filter）对模型参数进行校准。具体地,本文首先综述了现有关于隐含波动率曲面建模的主流模型,其中重点介绍CW模型框架,并在此框架基础之上,进一步挖掘他们论文中所提及可能的拓展思路。本文尝试将其框架中带有隐含波动率曲面均值回复假定的模型作为基础模型,通过对比不同的多项式两步法预测波动率曲面选择最优者作为子模型,然后将子模型预测的隐含波动率曲面作为基础模型一一“母模型”的曲面均值回复项,借助CW模型框架在计算上的优势,汲取两者在信息上互补的优势。本文所提出的M-VGVV和M.VGVV-J模型不但相比VGVV模型提高了样本内拟合效果,同时,也提高了样本外模型预测的效果。此外,无先导平方根卡尔曼滤波的模型估计方法还提升了理论模型的实用计算性能与计算精度。总之,本文在已有相关文献基础上,进一步论证了 CW框架的理论上的可扩展性,以及潜在的实用价值。本文运用VGVV、M-VGVV和M-VGVV-J模型,基于中国上证50ETF期权和美国S＆P500指数期货期权的实证研究发现:1.对于中国上证50ETF期权无论样本内还是样本外预测,引入波动率曲面的预测值和资产价格跳跃,能使得模型的拟合与预测能力相比原有模型更好;2.借助平方根无先导卡尔曼滤波的方法能够展示不同状态变量的时间序列,充分体现了模型的经济含义;3.最后进行模型的稳健性检验,考察了美国S＆P500指数期货期权在不同模型下的表现,得到与之前一致的结论。