标的资产的波动率是影响期权价格的重要因素,同时波动率的溢价和均值回复等特性也是构建期权量化投资策略的重要依据,因此对波动率进行分析和预测是十分重要的。已有的可以用来预测波动率的模型主要分为两种,一种是基于低频数据的GARCH模型、随机波动率模型等,另一种是基于高频数据的HAR-RV模型等。学者们普遍认为,基于低频数据的波动率模型在预测准确度上存在问题,而基于高频数据的波动率模型又面临着数据噪声的困扰。本文将上证50ETF期权作为研究对象,试图解决高频已实现波动率的数据噪声问题,提高高频波动率模型的预测能力。本文首先运用多元经验模态分解法（MEMD）对上证50ETF不同频率的已实现波动率（RV）数据进行降噪处理,并基于不同频率的降噪后已实现波动率（RV）,分别构建了MEMD-HAR-RV模型基础形式以及拓展形式在内的八种波动率预测模型。其次,本文利用损失函数法和M-Z回归法评价了上述八种模型的样本外预测效果,并将MEMD-HAR-RV族模型的预测结果与GARCH族模型相对比。最后,根据MEMD-HAR-RV族模型的预测结果构建了上证50ETF期权波动率量化投资策略。为了控制策略风险,本文还运用隐含波动率和历史波动率锥的关系来优化策略。本文研究表明:（1）运用MEMD多元经验模态分解法对高频已实现波动率进行分解降噪,可以显著提高HAR-RV族模型的预测效果。（2）计算已实现波动率的数据频率越高,MEMD-HAR-RV族模型的样本外预测效果就越好。八种MEMD-HAR-RV族模型中1分钟频率的MEMD-HAR-RV-IV-VOL-J模型的样本外预测效果最好（3）MEMD-HAR-RV族模型的样本外预测效果优于GARCH族模型。（4）本文构建了不同开仓条件的波动率交易策略,回测结果表明,当波动率上涨20%、下降5%时开仓表现最好,并且隐含波动率和历史波动率锥的引入可以有效降低策略风险,提升策略夏普比率。