Spillover insurance的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

基於同儕網路的資料共享平台之計算工作分配策略研究

為了解決Spillover insurance的問題，作者黃榮彥 這樣論述：

開放資料是近年來受到各界關注的熱門議題，透過將資料進行公開與共享，能為公眾創造更大的價值。而基於大數據的概念而誕生的各式研究，使得開放資料轉化成為有組織、有意義的資訊。然而，實務上在資訊的發布或是資料的檢索，都會發生許多的困難。在本論文中，我們基於P2P同儕網路架構，並以智慧醫療大數據外溢保單的資訊系統為例，所實作的一個創新的開放式P2P資料管理平台，於其中提出計算工作分配的工作分配策略。我們依據不同的目標制定不同的節點工作分配方式，使大數據工作的分配更有效率完成。讓大數據相關演算法運用此平台進行快速運算，使資料提供者的資料能大幅提升其實用性與影響力。我們在這個P2P資料平台分析了可能改善原

始P2P架構的設計，並整合至平台的各個模組，在這個平台，將能讓參與者上傳資料、確保資料機密性、可靠度與正確性。未來也期待平台能持續結合更多的應用情境，至更為成熟的發展。

COVID-19 三級警戒期間對臺灣股市的影響: 以旅遊業、餐飲業、生技醫療業為例

為了解決Spillover insurance的問題，作者曾健瑋 這樣論述：

2020 年全球受到新冠肺炎(Covid-19)的影響，奪走了全世界無數的性命，此次疫情對 全球及臺灣不僅是一場傳染病，更是一場金融危機。本研究使用事件研究法來探討疫情 對臺灣宣布三級警戒後之影響，研究產業為上市旅遊業、餐飲業、生技醫療業，研究期 間自 2020/07/15 至 2021/06/02，共 216 個交易日，65 個觀察值(事件日為 2021/5/19，估 計期為 2020/7/15-2021/5/11，事件日為 2021/5/12-2021/6/2)，並以變異數分析檢測此次疫 情於各產業在異常報酬的變化，再利用財務比率做橫斷面迴歸分析。 一、臺灣股票市場的確因 Covid-1

9 事件而產生異常報酬並符合效率市場假說: 旅遊業與餐飲業投資組合異常報酬(AR)，於事件日前才有統計上顯著負異常報酬;在事 件日後並無顯著負異常報酬反而為正異常報酬，原因可能是在衛福部疾管署宣布全國三 級警戒前，疫情就已經擴大導致國內許多人已經感染疫情，而在市場上已經反應完畢， 其生技醫療業的狀況也可能是投資在三級警戒前因為大量確診人數而先有了警覺。 二、不同產業有不同的異常報酬:在 T-5 及 T-2，旅遊業與餐飲業跌幅為最大，生技醫療在事件期除了在第八天-1.26%其餘 都在-0.7%至 2%之間，在第一天後三個不同產業走勢都為一致。若觀察累積異常報酬 (CAR)，則此事件對餐飲業負向影

響最大其次為旅遊業，而生技醫療業皆是正向累積異 常報酬，但都並不顯著。三、個別公司財務比率產生不同的異常報酬: 本研究所採用的財務比率因子為:公司總資產(LNTA)、總資產報酬率(ROA)、流動比率 (CACL)、負債資產比(TLTA)，並非每個因子都適合所有產業，對旅遊業而言 LNTA、 ROA、CACL 較有顯著的解釋力，對餐飲業而言則是都沒有顯著影響，但是 TLTA 與預 期的一樣為負影響相關，對生技醫療業來說只有 LNTA 為負影響關係，其餘皆為正向關 係關係，但是只有 ROA 為顯著影響。