本研究針對COVID-19疫情下醫療機構的資源分配所衍生營收為不確定下，嘗試加入布阿松過程（Poisson Process）描繪COVID-19疫情對醫療機構投資決策環境所造成的影響，建構修正二項式選擇權評價模型 （Modified Binominal Option Pricing Model）評估投資決策專案價值。相關數值例以臺大醫院於民國94年至111年期間收支餘絀情形進行分析，以每週因COVID-19死亡人數的平均值做為疫情環境變數，以及考量COVID-19專責措施的設立情況，討論醫療資源分配比率對醫院營收的影響。研究結果呈現：若當年度疫情環境變數小於316人，樂觀的資產成長率將減少，若當年度疫情環境變數小於389人，悲觀的資產價值變動率則優於正常環境；然當疫情環境變數大於以上數值時，疫情環境將放大醫院資產價值的變動情況，會產生超額樂觀價值及產生超額悲觀損失。模型建構為凸顯當醫療資源為可彈性調整時，本研究發展的修正二項式選擇權評價模型具有實務應用參考價值。

This study aims to incorporate the Poisson process to describe the impact of the COVID-19 pandemic on the investment decision-making environment of medical institutions, considering the uncertain revenue derived from resource allocation. It constructs a Modified Binomial Option Pricing Model to evaluate the value of investment decisions. The analysis is based on the financial surplus of National Taiwan University Hospital from the year 2005 to 2022, taking into account the average number of deaths due to COVID-19 per week as the pandemic environmental variable, as well as the implementation of COVID-19-specific measures. The study discusses the impact of the allocation ratio of medical resources on hospital revenue. The research findings reveal that if the pandemic environmental variable in a given year is less than 316 people, the optimistic asset growth rate will decrease. Similarly, if the pandemic environmental variable is less than 389 people, the pessimistic asset value change rate will be better than in a normal environment. However, when the pandemic environmental variable exceeds these values, the pandemic environment will amplify the volatility of hospital asset value, resulting in excess optimistic value and excess pessimistic losses. The model is constructed to highlight the practical application value of the Modified Binomial Option Pricing Model developed in this study when medical resources are flexibly adjustable.

誌謝 I
中文摘要 II
Abstract III
研究貢獻 IV
目錄 V
圖目錄 VII
表目錄 VIII
符號說明 IX
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 3
第三節 研究架構與流程 3
第二章 文獻探討 7
第一節 醫務管理 7
第二節 實質選擇權 10
第三節 二項式選擇權評價模型 12
第四節 布阿松過程 14
第五節 COVID-19與布阿松分布 16
第三章 模型建構 19
第一節 模型建構與假設 19
第二節 修改後的二項式選擇權評價模型 20
第三節 探討醫療資源分配的修改後二項式選擇權評價模型 22
第四章 數值例分析 23
第一節 醫療機構個案 23
第二節 參數假設 24
第三節 參數分析 26
第四節 醫療資源分配探討 33
第五節 敏感度分析 37
第五章 結論 45
第一節 結論 45
第二節 研究限制與後續研究建議 47
參考文獻 49

沈姍姍、吳淑雲與謝明娟（2009）。公立醫院經營績效分析—以某南部地區醫院為例。嘉南學報 （人文類），35，545-559。
牛涵錚、車靜儀與林志青（2013）。探討醫務管理研究趨勢與創新應用。創新與管理，10（2），23-51。
司徒達賢 （2013）。管理學的新世界 （最新修訂版）。臺北：遠見天下文化出版股份有限公司。
全國法規資料庫（2001年4月）。醫療法人財務報告編製準則。2022年12月17日，取自https://law.moj.gov.tw/LawClass/LawSingle.aspx?pcode=L0020123&flno=27
吳明政、林逸程與劉育名（2012）。運用實質選擇權評價方法進行購併案彈性價值的評估。中華管理評論國際學報，15 （1） ，1-28 。
吳明賢（2022 年 5 月23 日 ）。主任的話。星月季刊。https://www.cna.com.tw/news/aloc/202105270121.aspx
李田樹 （譯） （2007） 。Joan Magretta著。管理是什麼。臺北：天下文化。
林四海（2012）。醫務管理概論。臺灣健康保險學會。
林家帆、陳威光與郭維裕（2002）。高科技產業股票之評價—實質選擇權評價法。管理評論， 21（3），97-113。
林育瑄、戴天亮、羅銀秀、陳惠貞、鍾靜江與邱淑芳 （2020）。嚴重急性呼吸道症候群 （SARS） 及新冠肺炎 （COVID-19） 投入資源比較暨推估疫情下可能投入之資源-以某醫學中心與區域醫院為例。台灣公共衞生雜誌，39（4），397-410。
姚漢禱 （1994）。波松模式 （Poisson Model） 在運動測驗上的理論和應用。體育學報，17，159-167。
曹亮吉（1998）。 Poisson 分布。科學月刊，16（7）。
陳怡璇（2021 年 5 月 27 日 ）。台北專責病房將達1225床 集中榮總三總萬芳醫院。中央社。https://www.cna.com.tw/news/aloc/202105270121.aspx
張茗喧（2020 年 4 月 23日 ）。跑診所民眾大減 首季健保就醫人次降了14%。中央社。https://www.cna.com.tw/news/ahel/202004230065.aspx
陳楚杰（1994），醫院組織與管理。臺北：宏翰文化出版。
褚哲聰（2013年4月8日）。醫療院所執行業務所得法令及實務介紹。檢自https://www.minheng.com.tw/pdf/007/G04.pdf
潘奇、魏誠佑、祝道松與侯勝茂（2006）。總額預算實施前後署立醫院營運績效之評估。醫務管理期刊，7（4），403-417。
衛生福利部（2020年6月5日）。重大政策。2022年7月30日，取自https://covid19.mohw.gov.tw/ch/cp-4841-53635-205.html
衛生福利部中央健康保險署（2022年8月8日）。醫事服務機構財報公開。2022年7月30日，取自https://www.nhi.gov.tw/Content_List.aspx?n=8A5CA04F618E3364&topn=23C660CAACAA159D
謝國松（2020）。實質選擇權評價理論基礎及模型。會計研究月刊，411，46-51。
Agosto, A. & Giudici, P. (2020). A poisson autoregressive model to understand COVID-19 contagion dynamics. Risks, 8(3), 77.
Amram, M. & Kulatilaka, N. (2000). Strategy and shareholder value creation: The real options frontier. Journal of Applied Corporate Finance, 13(2), 15-28.
Bebbington, M. S. & Lai, C. D. (1996). On nonhomogeneous models for volcanic eruptions. Mathematical Geology, 28(5), 585-600.
Ben Hassen, H., Elaoud, A., Ben Salah, N. & Masmoudi, A. (2021). A SIR-Poisson Model for COVID-19: Evolution and Transmission Inference in the Maghreb Central Regions. Arabian Journal for Science and Engineering, 46(1), 93-102.
Black, F. & Scholes, M. (1973). The pricing of options and corporate liabilities. Journal of Political Economy, 81(3), 637-654.
Chao, L., Rang, C. U. & Wong, L. E. (2002). Distribution of spontaneous mutants and inferences about the replication mode of the RNA bacteriophage φ6. Journal of Virology, 76(7), 3276-3281.
Cox, J. C., Ross, S. A. & Rubinstein, M. (1979). Option pricing: a simplified approach. Journal of Financial Economics, 7(3), 229-263.
Gardner, J. K. & Knopoff, L. (1974). Is the sequence of earthquakes in Southern California, with aftershocks removed, Poissonian?. Bulletin of the Seismological Society of America, 64(5), 1363-1367.
Hayes, R. H. & Garvin, D. A. (1982). Managing as if tomorrow mattered. Harvard Business Review, 60(3), 70-79.
Ibarra-Espinosa, S., de Freitas, E. D., Ropkins, K., Dominici, F. & Rehbein, A. (2022). Negative-Binomial and quasi-poisson regressions between COVID-19, mobility and environment in São Paulo, Brazil. Environmental Research, 204, 112369.
Ii, M., Moriyama, M. & Watanabe, S. (2023). Patient behavior during the COVID-19 pandemic and impacts on medical institution revenue. Public Policy Review, 19(1), 1-39.
Kaye, A. D., Okeagu, C. N., Pham, A. D., Silva, R. A., Hurley, J. J., Arron, B. L., ... & Cornett, E. M. (2021). Economic impact of COVID-19 pandemic on healthcare facilities and systems: International perspectives. Best Practice & Research Clinical Anaesthesiology, 35(3), 293-306.
Kim, T., Lieberman, B., Luta, G. & Peña, E. A. (2021). Prediction regions for poisson and over-dispersed poisson regression models with applications in forecasting the number of deaths during the COVID-19 pandemic. Open Statistics, 2(1), 81-112.
Lander, D. M. & Pinches, G. E. (1998). Challenges to the practical implementation of modeling and valuing real options. The Quarterly Review of Economics and Finance, 38(3), 537-567.
Lander, D. M. & Pinches, G. E. (1998). Challenges to the practical implementation of modeling and valuing real options. The Quarterly Review of Economics and Finance, 38(3), 537-567.
Leslie, K. J. & Michaels, M. P. (1997). The real power of real options. The McKinsey Quarterly, 3, 4-22.
Myers, S. C. (1977). Determinants of corporate borrowing. Journal of Financial Economics, 5(2), 147-175.
Toharudin, T., Caraka, R. E., Chen, R. C., Nugroho, N. T., Sueb, M., Jaya, I. & Pontoh, R. (2020). Bayesian poisson model for Covid-19 in West Java Indonesia. Sylwan, 164(6), 279-290.
Tonna, J. E., Hanson, H. A., Cohan, J. N., McCrum, M. L., Horns, J. J., Brooke, B. S., ... & Hotaling, J. (2020). Balancing revenue generation with capacity generation: Case distribution, financial impact and hospital capacity changes from cancelling or resuming elective surgeries in the US during COVID-19. BMC Health Services Research, 20(1), 1-7.
Trigeorgis, L. (1996). Real options: Managerial flexibility and strategy in resource allocation. MIT Press.
Vicuña, M. I., Vásquez, C. & Quiroga, B. F. (2021). Forecasting the 2020 COVID-19 epidemic: A multivariate Quasi-Poisson regression to model the evolution of new cases in Chile. Frontiers in Public Health, 9, 610479.