随着我国金融创新的不断深入，市场上对于股票期权产品的需求呼声越来越高。传统的Black-Scholes定价公式中，我们一般假设波动率是已知并且固定不变的，但是这并不符合市场的客观情况。因此，前人曾运用ARCH Model、GARCH Model、SV Model等对股票市场波动率进行刻画，然而，通过研究我们发现，对于新兴市场国家，股票波动率是具有长记忆性的，而上述模型并不能很好刻画这一特点。基于上述原因，我们引入时间序列理论体系中一个新领域ARFIMA模型，以此刻画波动率序列的长记忆性，并对其进行预测和交易策略研究。本文主要研究了基于我国股票市场的波动率的长记忆性，并运用ARFIMA模型对长记忆性序列进行建模及预测，同时基于所预测波动率序列对期权交易策略进行研究。具体可以分为以下几个方面：首先，研究了股票市场波动率的度量方法。给出了“已实现”波动率可以作为波动率的无偏有效估计的结论，并通过二次移动平均消除了“噪声”，得出1天高频数据取样频率为5分钟时最佳。其次，对时间序列ARFIMA模型进行了探讨。比较了LW方法较R/S方法、修正R/S方法、GPH方法的优势，借助于Matlab软件计算出d值，确定模型的参数，并运用三种方法对未来波动率进行预测。最后，研究了基于波动率的期权交易策略。以江铜CWB1为例，提出了波动率异常的识别方法及综合运用，并分别详细介绍了买入波动率策略和卖出波动率策略。