本論文主要是在發展選擇權程式交易策略，策略大致分為技術指標、Trader、權利金三大類。技術指標類是根據大盤的漲跌幅特性並配合技術指標去產生選擇權策略。Trader類是將Trader產生的期貨進場訊號分加以析，並配合其他進場機制產生出選擇權進場訊號。權利金類是研究選擇權不同履約價的權利金變化，進而在市場過度反應的地方進場，使策略能立足在相對性的最佳進場點。以上三類的策略都有其特色，各取其優點合併成新的選擇權進場訊號是更加準確且可靠的，並可供投資人當作實務上操作的參考依據。

This thesis is focusing on developing options trading strategies, these strategies can be classified into three domains: technical indicator, Trader, and options premium. In the first domain, it uses Taiex index’s characteristic to create technical indictor, base on these indicators I could develop options trading strategies. The second domain is based on AiSM Trader’s signal, and analyzes the signal to develop trading strategies. The third domain analyzes the variation of each exercise price, and researches when the premium is over heated, so that my trading strategy can enter the market at a comparatively best point. All three domains have their characteristics, and the trading signals created after integrating of all three domains is very reliable and more accurately. Investors can use these trading signals as a reference to decide their strat

卓慶衛[6](2007) 運用技術分析之兩條移動平均線交叉法，將標的台灣加權指數其兩條移動平均線交叉之買賣訊號，配合買進選擇權策略及賣出選擇權策略，交易其衍生之台指選擇權。研究結果發現，以50與150MA兩條移動平均線交叉表現最佳，其次，賣出選擇權策略之獲利機率較大且標準差亦較小，較優於買進選擇權策略。
鄭宇真[7](2004)藉由GARCH模型預測波動度，同時搭配最佳多層感知機網路定價模型進行台指選擇權之分析，可得到下一期之台指選擇權指數預測值；該模型之分析，可作為投資人之參考依據，達到投資獲利的目的。
許俊吉[8](2004) 研究發現預估真實波動度使其誤差最小的最重要之因素，是消除隱含波動度偏誤現象。在未調整隱含波動度偏誤時，發現各隱含波動度模型其估計誤差都顯著大於歷史波動度模型，主要的原因為隱含波動度對於未來波動度是一偏的估計值，所幸，此偏誤現象隨著時間的經過變的相當穩定，利用迴歸方式去調整隱含波動度成為不偏估計值，得到估計誤差大幅降低，且對歷史波動度之估計誤差有顯著低的現象。
尤昭明[9](2005) 以時間價值的推估、隱含波動率的浮動增減與未平倉量之聚集履約價做實證分析，建構其交易策略與獲利模式供投資人日後進行投資活動時之參考。
張烈堂[10](2005) 使用人工智慧方法中的組合編碼基因演算法，建構由台指選擇權所組成的投資組合，藉由基因演算法強大的演化求解能力，求出投資組合的最適資金配置方式。結果顯示，以選擇權的實際價格和理論價格之間的差距進行昇冪排序串接歷史資料，所獲得的績效最佳，同時也說明價值被低估的買權，其獲得正報酬率的機率較高。
連照蓉[11](2004) 根據倒傳遞網路預測出來的期貨走勢，透過模糊推論，以一般我們最常看到的選擇權12個交易法則為主軸來做分析。進而決定選擇權的交易策略。
徐川皓[12](2003) 修正Fong和Lin跨式選擇權風險值的計算方法，使其能更快速求到風險值。採用 Black-Scholes 模型估算跨式台指選擇權價格，並計算出跨式台指選擇權之存續期間每日的風險值，最後以條件涵蓋檢定法(conditional coverage test) 作為評比準則，比較風險值計算方法之優劣。由實證結果可知短天期賣出跨氏選擇權的風險值估計情形較佳。
詹錦宏;施介人[13](2005) 主要探討台灣加權股價指數現貨、期貨及選擇權價格之關連性，以及在各市場間之資訊傳遞關係。以向量自我迴歸模型、Granger因果關係及預測誤差變異分解模式。本研究同時也發現在現貨、期貨、選擇權三個市場中，台指期貨市場最具價格發現功能，且對現貨市場的解釋能力較選擇權市場強，其在資訊傳遞速度上亦快於選擇權市場，但領先程度不大。
周建新;陳振宇;蔡雲香[14](2007) 在應用極端值理論來設計台股指數選擇權之結算保證金，為克服樣本數不足將影響極端值分配的近似效果及參數估計的精確度。
王凱立;李昀薇[15](2007) 主要目的在探討台股指數現貨、期貨與選擇權三市場間動態關聯，以多變量GJR GARCH-M不對稱門檻相關係數模型將三市場同時納入考量，除分析市場報酬與波動傳導效果外，並同時檢驗風險貼水、價量關係、波動不對稱效果存在與否。
謝文良;李進生;袁淑芳;林惠雪[16](2006) 探討台股加權股價指數、台股指數期貨和台股指數選擇權日內的價格發現效率分析。
謝文良;李進生;袁淑芳[17](2006) 以台股選擇權的隱含波動度建構台灣市場的波動度指標。研究發現台灣市場買權與賣權的隱含波動度差異頗大，且具有不同的資訊內涵，其中賣權的隱含波動度與指數報酬率的相關性較大，對指數變化的敏感度也較高，是較能反映台灣市場風險的波動度指標。
吳明政;王南喻[18](2006) 針對國內認購權證進行評價的實證相關研究已有很多，其所應用之訂價模型大都探討股價報酬率經由擴散過程(Diffusion Process)所構成。
陳安斌；張志良[19](2006) 類神經網路模型針對台灣已到期之十五檔認購權證，不論在評價上之解釋能力與誤差程度，或在避險效果上均優於BS模型，即表示在台灣認購權證市場中，基因演算法自動演化之類神經網路能提供一個比BS模型更接近市場價格，以及更能替發行者規避暴露風險的模型。