負油價事件wiki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

人工智慧應用於加油站服務滿意度之預測

為了解決負油價事件wiki的問題，作者蔡建明 這樣論述：

民國76年政府開放民營可自行銷售汽、柴油之後，許多企業集團也紛紛投入到加油站這塊市場，到現在國、民營加油站到處可見，顯見此行業市場競爭之激烈，而透過經濟部能源局的資料顯示，2020.01.04台灣總計共有2479家加油站，2022.05.15台灣總計共有2483家加油站，從兩項數據來看2年多僅僅多增加了4家，可見得這塊市場已趨近飽和，所以要在這市場能夠持續站穩腳步，除了價格比較之外，更延伸出其它額外的服務項目及環境條件，藉此提升顧客滿意度，進而留住舊有的客戶，甚至是吸引更多新的客戶。本研究希望透過人工智慧演算法來分析，這些額外的服務項目及提高客戶滿意度的成敗模式，然後透過該模式來預測未來的服

務項目的設計，顧客滿意度的結果好壞和改善的方向，以提高企業的成功機率。本研究從30種演算法中剃除掉10準確度不足60%的方法之後，再從剩餘的20個之中透過預測結果擇選出準確度皆高於84%的三種演算法進行預測結果探討及建議，三種採用的人工智慧演算法包括LogitBoost演算法、LMT演算法和NaiveBayes演算法。結果發現本研究的人工智慧方法，確實可以作為加油站產業增加經營績效的參考。

新冠肺炎對旅遊產業股價報酬之影響-以台灣旅遊產業為例

為了解決負油價事件wiki的問題，作者陳惠瑜 這樣論述：

本研究根據新冠肺炎疫情，設定四個重要的事件日，這四個事件日造成上市上櫃旅遊業股價平均異常報酬的顯著性，影響上市上櫃旅遊業的股價變動來定義事件，透過股價在事件日前後的累積異常報酬反應，來探討訊息揭露造成的影響，能否造成股價超額報酬。分析實證結果，事件日當天的股價反應有顯著的異常報酬，投資人可依此進行旅遊業股票短期操作，旅遊業受新冠肺炎事件影響股價劇烈變化，因訊息揭露的有短暫的獲利空間。在事件日前後，持續因疫情不明朗，以及陸續公布幾個邊境政策，使累積異常報酬率的多為負值，經過統計檢定結果顯著，表示股票市場有過度反應的現象，呈現顯著的反向累積異常報酬，正負事件進行反向操作而獲利。