《2020年突发风险系列（十二）：韩、日及全球疫情拐点初探SEIR模型的信息-20200226-国泰君安-11页》由会员分享，可在线阅读，更多相关《2020年突发风险系列（十二）：韩、日及全球疫情拐点初探SEIR模型的信息-20200226-国泰君安-11页（13页珍藏版）》请在金锄头文库上搜索。
1、请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 2020 02 26 韩 日及全球疫情拐点初探 韩 日及全球疫情拐点初探 SEIR 模型的信息模型的信息 2020 年突发风险系列 十二 年突发风险系列 十二 本报告导读 本报告导读 本文在预测中国疫情进展的基础上 利用修正的本文在预测中国疫情进展的基础上 利用修正的 SEIR 模型 通过对疫情数据分析 对模型参数进行调整 分全球 除中国 日本和韩国三个区域对拐点和累计感染人 数预测 模型 通过对疫情数据分析 对模型参数进行调整 分全球 除中国 日本和韩国三个区域对拐点和累计感染人 数预测 摘要 摘要 Table Summary
2、 SEIR 模型 该模型所研究的传染病有一定的潜伏期 与病人接触过 的健康人并不马上患病 而是成为病原体的携带者 是传染病预测最 为常用的模型之一 本文结合新冠疫情疫情的新特点 对模型进行了 修正 引入潜伏者的传染概率 使其更符合本次疫情的传播特点 SEIR 模型的关键参数及假设 利用疫情数据 以撤侨数据作为抽样 参考对 SARS 研究等因素 在预测中国疫情进展的基础上 根据海外 各国实际情况 对模型的初始感染状态 日接触率 感染概率等参数 进行合理假设和调整及模拟 基于参数设定的预测结论 1 全球 除中国 范围内 有望在 2020 年 3 月 18 日迎来拐点即 新增人数开始下降 峰值在 3
3、 月 19 日 累计感染人数可能达到 10 3 万 2 日本有望在 3 月 14 日迎来拐点 峰值在 3 月 17 日 累计感染 人数可能达到 6483 人 3 韩国有望在 3 月 6 日迎来拐点 峰值在 3 月 9 日 累计感染人 数可能达到 7 8 万 风险提示 未考虑防控 治疗水平的变化 模型的参数设定具有一定 的主观性及模型本身的局限 感谢陈礼清博士对感谢陈礼清博士对 SIER 模型测算提供非常大的支持和帮助 模型测算提供非常大的支持和帮助 报告作者报告作者 花长春花长春 分析师分析师 0755 23976621 huachangchun 证 书S0880518110004 田玉铎田玉
4、铎 分析师分析师 010 83939807 tianyuduo 相关报告相关报告 2020 中国经济节奏因疫而变 2020 02 03 从全球十大传染疾病事件看肺炎疫情和 PHEIC 事件影响 2020 02 01 中美第一阶段协议划重点 2020 01 16 贸易协议 买什么 对中美及全球经济影响 几何 2020 01 10 以文贺岁 周期幻觉 还是周期修复 2019 12 31 专 题 研 究 专 题 研 究 宏观研究宏观研究 宏 观 研 究 宏 观 研 究 证 券 研 究 报 告 证 券 研 究 报 告 专题研究专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分
5、2 of 11 目目 录录 1 SEIR 模型模型 3 2 模型参数的设定模型参数的设定 4 2 1 关于初始人口感染状态的设定关于初始人口感染状态的设定 4 2 2 关于人口流动关于人口流动 潜伏者及感染者的日接触率的设定潜伏者及感染者的日接触率的设定 5 2 3 疾病本身特征疾病本身特征 感染率及潜伏者向感染者的转化率的设定感染率及潜伏者向感染者的转化率的设定 6 2 4 日康复率日康复率 每天被治愈的病人占病人总数的比例的设定每天被治愈的病人占病人总数的比例的设定 7 2 5 对对 R0 的评估的评估 8 3 SEIR 模型的修正与预测模型的修正与预测 8 3 1 模型的修正模型的修正
6、8 3 2 模型的预测模型的预测 8 4 风险提示风险提示 10 pOmPqOyRoPrRrOoNtMqMqRaQdN9PpNpPpNrRjMpPmOeRoMsNbRpNmPxNmRmPxNmQrO 专题研究专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 3 of 11 近日 新冠疫情在海外蔓延有加剧之势 引起近日 新冠疫情在海外蔓延有加剧之势 引起全球全球市场恐慌 市场恐慌 特别地 在 2 月 19 日至 2 月 23 日这 5 日内 韩国的疫情发展速度从确诊 51 人激增到 602 人 图 1 而在整个 1 月份 韩国的感染确诊人数都不足 5 人 在 2 月上
7、中旬 疫情也维 持在 20 人左右 在日本 最近 4 日内 日本保持着两位数的新增涨势 政府相 关部门也表达了对疫情防控的担忧 日本和韩国都是属于人口密集程度相对较高 的国家 而且与中国一起 是全球重要的制造业中心 对全球供应链 产业链有 着较大影响 与此同时 欧洲的意大利出现明显上升之势 导致部分城市也被封 总体上海外疫情发展令人担忧 而且防控措施有点差强人意 后续疫情的发展会如何 会不会失控 这个对全球经济 政策有着明显的影响 后续疫情的发展会如何 会不会失控 这个对全球经济 政策有着明显的影响 现在来谈韩日乃至全球疫情的拐点可能为时尚早 后续不确定性比较大 但现在现在来谈韩日乃至全球疫情
8、的拐点可能为时尚早 后续不确定性比较大 但现在 这些地方超级感染者已经出现 我们可以用之前监测中国疫情的模型进行尝试 这些地方超级感染者已经出现 我们可以用之前监测中国疫情的模型进行尝试 图图 1 全球疫情蔓延情况 截止全球疫情蔓延情况 截止 2 月月 25 日 日 数据来源 WHO 国泰君安证券研究 1 SEIR 模型模型 SEIR 模型是较为成熟和常用的流行病预测模型 所研究的传染病有一定的潜伏期 与病人接触过的健康人并不马上患病 而是成为病原体的携带者 有关 SARS 传 播动力学研究多数采用的是 SIR 或 SEIR 模型 与 SIR 模型相比 SEIR 模型 进一步考虑了与患者接触过
9、的人中仅一部分具有传染性的因素 使疾病的传播周 期更长 该模型模拟了传染病的传播途径 从易感者到潜伏者到感染者再到康复者 通过 各环节的转化率 治愈率等对传染病的传播规模及时间进行预测 1 S 类 易感者 Susceptible 指未得病者 但缺乏免疫能力 但缺乏免疫能力 与感染者接 触后容易受到感染 专题研究专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 4 of 11 2 E 类 潜伏者 Exposed 指接触过感染者 但暂无能力传染给其他人的 人 对潜伏期长的传染病适用 3 I 类 感染者 Infective 指染上传染病的人 可以传播给 S 类成员 将其变为
10、 E 类或 I 类成员 4 R 类 康复者 Recovered 指被隔离或因病愈而具有免疫力的人 指被隔离或因病愈而具有免疫力的人 如免 疫期有限 R 类成员可以重新变为 S 类 本报告基于过去确诊情况历史数据 使用 SEIR 模型进行疫情建模 实现对未来未来 海外各国以及全球 除中国 海外各国以及全球 除中国 确诊人数进行预测 并与真实数据进行拟合 确诊人数进行预测 并与真实数据进行拟合 疫情 数据来自世界卫生组织公布的确诊 2019nCov 病例数据 时间范围从 2020 年 1 月 22 日到 2020 年 2 月 23 日 2 模型参数的设定模型参数的设定 如前所述 本模型涉及的关键参
11、数包括潜伏者初始值 感染者初始值 易感者初 始值 治愈者初始值等 详见下表 表 1 模型参数的设定决定了模型的估计结 果 对此我们结合学术研究和实际的数据进行逐一分析 讨论 进行参数值的设 定 表表 1 模型中的关键参数模型中的关键参数 数据来源 国泰君安证券研究 WHO 为了更好地展现疫情的演变过程 我们将分全球 除中国 日本 韩国地区对 相关参数进行设定 2 1 关于初始人口感染状态的设定关于初始人口感染状态的设定 1 人口总数 人口总数 根据世界人口统计 2019 年 全球总人口为 75 9 亿人 其中剔除中国人口 全 球 除中国 人口约为 61 9 亿人 作为全球 除中国 人口参数的设
12、定依据 此 外 根据日本 韩国官方数据 2019 年日韩人口为 124776364 人和 51164435 人 作为日本 韩国的人口人数 指标指标模型参数模型参数 人口总数N 潜伏者初始值E 感染者初始值I 易感者初始值S 治愈者初始值R 每个感染者每天有效接触的平均人数 日接触率 r 每个潜伏者每天有效接触的平均人数 日接触率 r2 感染者传染正常人传染概率 接触后传染的概率 B 潜伏者传染正常人传染概率 接触后传染的概率 B2 潜伏者转化为感染者概率a 每天被治愈的病人占病人总数的比例 日康复率 y 专题研究专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 5 o
13、f 11 2 感染者感染者 根据世界卫生组织 1 月 22 日公布数据 我国新冠病毒在海外开始蔓延 感染者 为 5 人 其中日本和韩国各 1 人 我们以此作为模型预测的输入初始值 2 潜伏者初始值 潜伏者初始值 海外各国潜伏者初始值设为 0 4 易感者 易感者 易感者为总人口数减去感染者 并经过实际人口流动情况进行缩放 基于以上数 据可以获得 5 治愈者 治愈者 海外各国治愈者初始值设为 0 2 2 关于关于人口流动人口流动 潜伏者及感染者的日接触率潜伏者及感染者的日接触率的设定的设定 鉴于在预测国内疫情进展的报告中 我们所设参数大都参考我国 2003 年的 SARS 防控情况 而在预测海外各
14、国及全球的疫情进展时 这些相关参数需要重新设定 如在中国版疫情预测中 我们利用了 SARS 管控前后感染者的日接触率数据分别 作为当前新冠肺炎疫情的潜伏者及感染者日接触率 而在预测海外各国时 虽然 疫情在任何地点传播都具有相通的逻辑 都和每个城市内的人群结构 即人口密 度 经济发展水平 城市交通 主要指交通出行程度 即铁路客运网络和民航网 络等 政府隔离管控强度等多种因素有关 但我们仍需要格外考虑以下因素 本文沿用了中国版疫情预测的参数设定思路并考虑日 韩疫情的特点 在韩国 相关负责部门的反应时间和防控强度明显没有中国方面大 政府对 交通 人口流动的限制也较为少 鉴于此 宜将传染性疾病中 最为
15、重要的 参数之一 每个感染者每天有效接触的平均人数 日接触率 以及每个潜伏 者每天有效接触的平均人数 日接触率 进行上调 在韩国样本中均设为 60 在日本 疫情确诊人数是呈现明显的阶段性波动上升过程的 也直到2月15 16 日连续两日新增人数分别激增 8 人和 12 人后日本政府才引起重视 后续 疫情数据有了短暂的下降 但在最近 4 日内 日本保持着两位数的新增涨势 因此 本文将每个感染者每天有效接触的平均人数 日接触率 以及每个潜 伏者每天有效接触的平均人数 日接触率 进行略微上调 调整为 20 人 全球 除中国 疫情数据走势呈现相对平缓的上升态势 并没有日本的疫 情防控部门和疫情扩散力量之
16、间的博弈 也没有韩国由于国内自身原因导致 的疫情出现短期爆发式增长的特殊情况 加之 就全球而言 日本和韩国都 是属于人口密集程度相对较高的国家 而全球平均的人口密集度远远不及这 两个国家 鉴于以上原因 本文将全球 除中国 的每个感染者每天有效接 触的平均人数 日接触率 以及每个潜伏者每天有效接触的平均人数 日接 触率 设置在日本和韩国中间 为 40 人 此外 本文在海外预测中将感染 专题研究专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 6 of 11 者和潜伏者的日接触率设为相同 这是因为对于不是病毒发起国的海外各国 而言 具有传播能力的感染者和潜伏者大都是普遍有出行意愿和能力的国际 间出境者 比如 国际公商务通勤者或者旅客等 因此 相对于中国国内 感染者和潜伏者群体的接触面积有很大差异 海外确诊患者和潜伏者的接触 率均不能低估 事实上 由上分析可以观察到 相比较于本次疫情发源地的中国 疫情数据显现 出与传统传染病模型并不完全一致的传播路径和发展规律 鉴于此 本文借鉴贝 叶斯学习的方法 不断地利用更新的历史数据来进行参数倒推 不断试错 从而 获得最佳历史模
