上证50ETF期权作为中国一个较早的股指期权产品,已经为很多投资者提供了风险管理、资产配置的功能。在2019年年底,沪深300ETF期权上市,投资者对股指期权的需求越来越大,深入了解并发挥股指期权的作用,逐渐成为越来越多人的共识。因此本文从上证50ETF期权着手,对期权价格的“替代品”--隐含波动率进行研究。通过分析国内外研究现状,对现在隐含波动率曲面建模的三种主要方式进行比对分析,发现了半参数法具有运用更为灵活的优势。在确定该方法地基础上,构建模型并进行筛选,选择其中表现最佳的模型并进行横截面上的参数估计,由此获得样本期内每个横截面的隐含波动率曲面,以及决定这些曲面形态的参数。在隐含波动率曲面构建完成后,本文创新性地提出在半参数法的第二步中采用数据科学中的LSTM模型。LSTM模型作为RNN族中的模型,具有对时间序列的长期记忆能力,从理论上看能够有效地对隐含波动率曲面进行预测。在之后的实证部分,本文通过将样本划分为训练集与测试集,在训练集上将LSTM模型训练完毕,通过每日的数据进行逐天的次日波动率曲面预测。结果显示LSTM模型的确能够有效地预测50ETF期权的隐含波动率曲面。更进一步,本文在检验过程中运用已经为众多学者所用的VAR模型与ARIMA模型作为对比模型,结果显示,尽管LSTM模型在预测结果表现上略有不及前者之处,但是相差不大,并且作为深度学习中的成员,LSTM模型在未来扩展性以及优化上的潜力都是十分巨大的。总之,本文认为运用LSTM模型进行隐含波动率曲面的预测是可行的。虽然在预测结果上来看,并不是所有离散点都准确地位于曲面上,但是在通过该方法去预测波动率曲面的变化方向时,结果显示其具有一定的说服力。