我国金融业发展尚处于初级阶段,金融市场的管理还存在诸多的问题,因此对我国金融产品进行量化研究,尤其是对量化模型中参数进行估计具有一定的复杂性与挑战性。Comte and Renalut于1993年提出了一种长记忆分数布朗运动驱动的随机波动率模型,并探究模型中参数的估计问题。由于该随机波动率模型中的波动率本身无法被直接观测到,以及分数布朗运动驱动的随机过程不具有马氏性,所以给参数估计带来了困难,许多学者为此做了研究。Wang and Zhang(2014)以及王晓辉(2015)对长记忆分数布朗运动驱动的随机波动率模型做了适当改进,并对模型的参数提出了一种最小二乘变差估计法,然而这种方法受制于变程M取值的选择,且没有较好的变程选择方法,估计效果不够稳定。本文对该模型利用变差平方矩给出了另一种新的估计方法,即变差矩估计法,这种方法比较简单,计算速度快,估计效果也比较好。在Hurst指数已知条件下,Monte-Carlo模拟的结果显示变差矩估计法能有效地估计未知参数,估计效果良好,结果也比较稳定,并且变差矩估计具有渐近正态性。最后,通过Monte-Carlo模拟对变差矩估计法与最小二乘变差法模拟结果进行比较,结果显示本文提出的变差矩估计法的波动性更小,估计更稳定。本文最后对我国股市近两年上证综合指数以及深圳成指5分钟高频数据进行了实证分析,得出金融资产对数收益率分布呈现尖峰厚尾现象以及我国股票市场存在长记忆性。同时,在长记忆随机波动率模型的基础上,分别采用变差矩估计法与最小二乘变差法对参数进行估计与比较,结果表明本文提出的变差矩估计较好。