期权作为证券交易市场中的一员,在发展过程中不断创新,加强对期权市场的研究对于完善资本市场业务就显得尤为重要。而期权的价格问题是期权交易和风险管理的基础,是学者们研究的重中之重。传统的期权定价模型对市场做出了严格的假设,例如有效市场假说（EMH,Efficient Markets Hypothesis）就认为市场是信息公开、完全竞争的,投资者难以从市场套利。在不同的,与实际不相符的假设条件下,传统的期权定价模型才能通过一定的计量方式或者数值模拟方式进行期权价格的预测。与此相对应的是近几十年兴起的机器学习方法和深度学习方法,这种非线性的模型能够动态的刻画非线性变换的期权价格数据,目前在股票预测、图像识别、自然语言处理等多个领域得到了广泛的应用。期权价格预测与股票价格预测有相似之处,也有一定的区别。相似之处在于他们都是对证券市场交易中的时间序列数据进行分析和预测,不同之处在于,在同一个时间点,相同标的资产的股票只有一个,但是面对相同的标的资产,期权会在同一时间点有不同的行权价格。甚至对于相同的行权价格,期权也会由于到期日的不同而拥有不同的价格,这也是我们在预测过程中需要注意的。通过对现有模型和期权本身独有的特点进行分析后,本研究选取了白糖期权作为研究对象,在对数据进行探索过程中,我们定性和定量的分析了白糖期权的数据分布和特点。发现白糖期权在时间变化过程中,不同的行权价格之间是存在同涨同跌的联动变化的,而且这种关系是能够很好使用图结构刻画。在此基础上,我们构建了图卷积神经网络模型,并选取了在前人研究中被证明效果较好的BP神经网络、卷积神经网络、长短期记忆神经网络这三种神经网络模型作为对比。从损失函数、精确度以及迭代速度和稳定性的角度上,证实了图神经网络在预测期权价格变化趋势中的优越性,一定程度上证明期权联动信息的加入,能够提高模型精确度。