期待疫情拐点来临的那一刻 ——浅谈传播模型预测对金融机构的意义

针对新型冠状病毒感染的肺炎疫情，学者通过建模让我们对其传播过程和原理有了新的认识，从而为抗击疫情提供帮助。

一、建立模型科学预测管理

建立模型对病毒传播情况进行科学预测和管理，有助于加强防控，使传播进程加速中止。经过不断探索，人们对于模型的认知也在不断地加深。总体上来看，预测模型分为以下几种：

• 一是自由增长模型，该模型为最基础的模型，是没有防控措施介入的预测模型，呈自由增长态势，在现代医学条件下基本不适用。

• 二是SI模型，该模型比自由增长模型略微复杂，对人群进行了简单划分，但是并没有考虑到人类个体受到传染之后被治愈的情况。

• 三是SIR模型，该模型是传染病动力学模型中最经典的一种，把人群划分为易感染者(Susceptible)、已感染者(Infective)和移除者(Removal)，通过微分方程组无法求出其显式解，但这并不妨碍我们用其进行具体的模拟。

总而言之，建立模型进行科学预测，是为了更好地开展防控和管理。无论使用何种模型进行预测，关键点都在于解读模型的本质，并从中找到有效措施协助防控。

二、核心算法解读

这次我们所解读的文章一共有两篇。第一篇是帝国理工学院MRC全球传染病分析中心所提出的《报告二：估计武汉潜在肺炎患者总人数》。

论文地址

识别图中二维码

即可获取论文信息

这个模型的亮点在于样本选取巧妙且样本数据链完整。我们在获得从武汉出境的国际旅客数量以及武汉天河机场客流量后，可以得出从武汉出境人口的比例。我们在知道潜伏期内从武汉出境人口比例后，可推导出在境外被确诊的比例，并结合海外确诊人数，就可以反推出武汉潜在病例总数。

第二篇解读的文章是Jonathan M.Read等人发表的《新型冠状病毒2019-nCoV：免疫学参数和传染病预测的早期估计》。

论文地址

识别图中二维码

即可获取论文信息

作者采用的是SEIR感染人群传播模型，并运用泊松分布每日时间增量假设来对中国的主要城市已经确诊新冠肺炎病例数量进行拟合。而且，为了探索参数估计中的不确定性，首先利用模型参数中的极大似然估计生成10000个蒙特卡罗模拟数据集；然后把每个模拟数据集重新拟合到模型中去构建参数的联合随机抽样，并将95%的置信区间划分为从低端2.5%到高端97.5%；而不受泊松噪声影响的ODE系统将会运行随机采样去围绕预测的传染轨迹生成95%的置信区间。作者在论文中，不仅估算了病毒的传播速度和病人的治愈率，还估算了武汉市的确诊率以及当华南海鲜市场关闭时武汉的感染人数。

三、传播模型对金融业的意义

病毒特别是像新冠病毒这样传染力较强的病毒的传播和流行将对各个行业带来冲击和影响。病毒流行迫使餐饮、旅游、娱乐等行业减产，而医疗、卫生等行业加大投入，同时人民群众倾向减少外出，生活、办公等更多从线下转至线上。因此，病毒传播范围和持续时间将在短期内对各行业的经营政策和结构调整产生重大影响。对于金融行业，信贷投放、支付清算等金融服务也需要根据传播预测进行决策调整。

信贷融资领域，需结合传播模型来制定信贷投放计划，在疫情严峻时期尤为关键。一方面，要重点保障医疗卫生企业的融资需求，结合疫情预测情况，确保疫情险峻情况下重点企业的资金流动不受影响。另一方面，需要加大对中小微企业支持力度，根据传播模型对不同区域病例预测，结合企业经营数据分析，筛查潜在或实际受影响的客户，加强对企业的信贷支持。而对于受疫情影响较为严重的服务业、物流业、旅游业等企业，模型预测也能对疫情恢复后企业融资规划进行指导。

支付清算领域，需结合疫情趋势预测制定预案，对线上线下资金调配采取有针对性的措施。疫情的发生，使得客户对金融业务的倾向性由线下转向了线上，银行可根据模型预测大致了解疫情范围和持续时间，从而更好地规划人员排班、现金投放以及资金备付等。现金支付业务方面，可结合疫情预测和现金流量预测，对不同区域现金投放量更加准确预估，合理规划加钞金额和加钞频率，使得社会资金流转更加高效;线上支付方面，根据此次疫情的传播速度对线上资金清算业务量进行指导预估，对各清算系统庞大的资金清算需求量进行充分的准备，保障清算系统平稳运行和付汇通道畅通。

由于在不同时间段对病毒的认知是不同的，可能出现专家学者在进行病毒传播模型建模时所做的参数假设不尽相同，计算结果也可能出现差别较大的现象。因此，我们应当理性地看待预测结果，更多地关注模型所带来的警示指导意义，以传播模型的影响因素为抓手，落实每个环节的防控措施，助力疫情控制。只要我们每个人都做好疫病防控，相信拐点很快就会出现。

FCC30+

长按左边二维码

关注我们不迷路