可以說，2020年的整個春節都在疫情的籠罩之下，全國各地人民都自覺閉門在家，實時關注疫情，期盼著疫情拐點早日到來，整個疫情能早日結束。此前，很多分析預測在2月9日左右的疫情拐點并未出現，隨著第一個14天隔離期的結束，全國現有疑似病例在近幾日出現下降，按照專家所說的拐點出現有兩個標志：一是疑似感染下降，二是發病下降。
那么真正的疫情拐點在什么時候呢？今天我們就做一個深度的分析預測，為大家了解新冠肺炎疫情在未來一段時間的發展變化提供些許參考。
疫情數據總體情況
注：疫情數據來自國家衛生健康委員會及湖北省衛生健康委員會官方網站。
我們統計了從2020年1月23日開始至2020年2月9日這段時間的數據用于疫情傳播動力學模型的參數辨識。數據包含：全國每日現有確診病例人數（以下簡稱確診病例），全國每日現有疑似病例人數（以下簡稱疑似病例），全國每日累計出院病例和累計死亡病例人數（以下合稱治愈和死亡病例）。
先分析確診和疑似病例
截至2月9日24:00，全國現有確診病例35982人，疑似病例23589人，其變化情況如下圖1。
圖1 全國每日現有確診與疑似病例數變化趨勢
從分析圖看出，全國疑似病例在8日出現明顯下降，說明隨著接診能力提升，特別是武漢正在加緊盡快完成檢測所有疑似患者的工作，很多疑似患者被排除或確診。如果接診能力繼續大幅提升，疑似患者繼續大幅下降也是可預見的。
再來看治愈和死亡病例曲線變化
截至2月9日24:00，全國累計治愈病例3281人，死亡病例908人，其變化情況如下圖2。目前新冠肺炎還沒有特效藥，只能依靠患者自身免疫力對抗病毒，所以其總人數保持類似指數形式增長。
圖2 全國現有治愈與死亡病例數變化趨勢
通過疫情傳播動力學建模，預測疫情未來發展及拐點時間
? 疫情傳播動力學過程建模
1、疫情特征假設
我們通過分析這一段時間以來湖北以及全國不含湖北地區的疫情變化規律，對新冠肺炎傳播特征做出以下假設：
（1）人群分類：
正常人：指新冠肺炎的易感人群，對病毒沒有抗性，接觸攜帶者或者確診病人即可能被傳染；
疑似病例：指尚未被確診的與新冠肺炎癥狀相同的病人；
確診病例：指經醫學診斷確認為新冠肺炎患者；
移出者：指退出疫情傳播過程的人群，包括治愈和死亡病例。
（2）假設全國人口流動性不大。
（3）假設被隔離人群不能絕對隔離，仍有較低的對外傳染性。
（4）假設已治愈患者具有免疫力，不會二次感染。
（5）假設所有患者均為被他人傳染所致，不存在自體發病（傳染病初期自體發病較少，可忽略不計）。
（6）假設被隔離人群內不存在交叉傳染。
（7）無癥狀病毒攜帶者數量忽略不計。
（8）假設各類人群的在總體人群中為均勻分布。
2、人群類型轉換過程
實際中的人群類型轉換過程如下圖3所示。根據疫情的特點分析可知：（1）疑似病例中只有部分病例為新冠病毒攜帶者，占比可能隨著疫情發展動態變化；（2）已知有媒體反映無癥狀攜帶者也具有傳染能力，這類人由于無癥狀難以被識別可以歸為正常人群；（3）死亡病例和治愈病例均退出了疫情傳播過程，為了方便分析我們將其歸類為移出者。經以上分析，圖3的人群類型轉換過程就簡化為圖4的SEIR模型。
圖3 實際中的人群類型轉換過程
圖4 SEIR模型
3、 數學符號定義
為方便描述，我們定義如下數學符號及含義：
t：相對時間，即疫情從某個時間點開始已經發生的天數
S：正常人群數，隨時間t變化，可表達為S(t)
E：疑似病例數，隨時間t變化，可表達為E(t)
I：確診病例數，隨時間t變化，可表達為I(t)
R：移出者，包括死亡病例、治愈病例，隨時間t變化，可表達為R(t)
4、疫情傳播動力學模型
基于SEIR模型改進得到：
該微分方程組離散化之后：
整理并簡化表達為：
其中，
5、模型參數辨識
（1）S為國內所有正常人群（13億以上），基數比較龐大，其波動值相對于S可以忽略不計，所以可以不予考慮。
可以不予考慮。
（2）由上文數學符號的定義及函數h0，h1，h2，h3的表達式可知，h0，h1，h2，h3 均為時間t的函數，即h0(t)，h1(t)，h2(t)，h3(t)。但該函數的解析式由現有的信息難以確定。為了簡化模型，我們假設函數hi(t)的解析式均為關于時間t的一元高次函數：
其中，wi,j為待確定的未知參數，L為函數自變量t的最高次數。
經過這樣的而簡化，疫情傳播動力學模型中就只剩下未知參數wi,j 。我們構建如下參數辨識問題：
決策變量：未知參數 wi,j
目標函數：
其中，E'(t)為第t天實際疑似病例數，I'(t)為第t天實際確診病例數，R'(t)為第t天實際治愈和死亡病例總數，T為疫情發展中的某段數據。
這是一個無約束非線性非凸優化問題，通過全局優化算法求解該問題即可得到所有的未知參數wi,j 。我們采用改進型的蝙蝠算法（BA）求解該問題，選取2020-01-23開始至2020-02-08這段時間的全國統計數據用于參數辨識，最終得到了一組最優解：
L=1, w= [9.49070574, 3.46131675, 79.99989274, -8.85233172, 24.08240142, -0.83903644, -1.68294284, 0.25594611]，計算過程略去。
6、 模型預測結果
將最優解導入模型，經過數據計算得到如下圖5所示結果。由圖表可知2月8日之前的疫情擬合數據與真實數據比較貼近，但是2月9日的疑似病例突然大幅下降使誤差超過6000人，查閱各省數據發現湖北相比2月8日排除疑似病例1128人，9日排除7194人，排除速度增加了6000多人，所以使9日的疑似病例大幅減少。
我們從新聞媒體了解到，2月8日湖北省委書記、省新冠肺炎疫情防控指揮部指揮長蔣超良在武漢市督導疫情防控工作強調，集中兩天時間將全市累積的所有疑似患者檢測完畢，釋放醫護力量和醫療資源，集中用于確診患者。所以由于政府采取了更加強力的疫情防控措施，相信接下來的一段時間，更多疑似人數被排除，新增確診和新增疑似繼續下滑，疫情必將有所好轉。
圖5 模型預測結果
另外，從圖表中我們也能看出實際新增、確診曲線與預測的曲線都保持高度的重合，實際疑似的下降趨勢比預測的要更早些，而且由圖看出，預測的疑似病例在2月10日達到峰值，2月15日確診病例將達到峰值，如果接下來新增確診人數持續走下坡路，我們就可以確定拐點出現了，預計到3月底新增確診才會下降到個位數，標志著疫情進入尾聲。考慮到很多企業從2月10日陸續復工，人員流動也會增加，這無疑增加了疫情周期延長的風險。
拐點的出現僅僅是曙光，確診人數不再增加，那才是全國人民的最后勝利！
總結
截至2020年2月10日24:00，疑似病例基數較大但增長已經放緩甚至開始下降，但確診病例還在持續增加，但新增確診人數已出現下滑，疫情有望在2月16日迎來拐點，隨著新增確診人數繼續下降，醫療資源的配建和治愈力的提升，疫情有望在3月底進入尾聲。
但有一點還需要關注的是，全國不含湖北地區的新增死亡人數進入快速倍增期，已快于新增治愈人數，形勢不容樂觀。雖然省外的醫療系統資源充足，但是由于特效藥的缺乏，無法突破98%的自然存活幾率，因此，特效藥和疫苗的研發刻不容緩。
本文主要從傳染病動力學模型的角度分析疫情的發展趨勢，為大家合理應對新型冠狀病毒肺炎疫情提供參考。當前階段，少出門、戴口罩、疑似病例和病例接觸者做好隔離是控制病毒傳播的最有效手段。相信在黨中央的領導下，在社會各界的努力下定能消除疫情，拐點的出現就是曙光所在。
免責聲明：
疫情發展受人員流動、疫苗的使用及多種干預措施的影響，數學模型難以預判這些干預措施，并且所限定時間節點前的數據僅代表當前的疫情控制情況，其預測結果僅供參考。考慮到防控措施不斷加強，模型的預測結果可能會高估疫情。
本分析報告基于公開疫情數據，通過理解公開文獻中的傳染病模型并加以改進得到。分析預測結果僅作為研究參考，非官方結論。發布者不對本文結果和結論的準確性負責。
本文轉載自微信公眾號 永洪科技，作者：孫豐
樂思輿情監測（knowlesys.cn），助您全面掌握疫情全領域動態。
]]>截至2月5日，湖北13522例確診，武漢6384，確診量上升還是太慢。還是那句話，湖北的狀況要好轉，前提是本周內每天達到日新增一萬例確診的水平。這個數字一天達不到，說明醫療資源一天跟不上，那么疫情就一天不可能結束。
從一開始，武漢和湖北的確診人數就和真實感染人數不一致，比如11天前的新聞就已經把試劑盒和確診的關系說得很明白了，當時只是1月24日：
試劑盒供不應求，武漢新型冠狀病毒肺炎確診之難_騰訊新聞?new.qq.com
現在試劑盒一定程度上緩解了，接下來是可以檢驗的人員和場所，然后是床位和醫療人員，所有的醫療資源，沒有一個不處于供不應求的狀態，決定確診人數的始終是當前醫療資源的供給程度。
但幾乎所有專家都低估了「供不應求」的程度，可能以為大概是需要10個只有8個的那種供不應求，于是仍然在現有的確診數據上分析。但現在大家都知道了，真實的情況遠比這個要嚴重。
不能確診，沒有床位，就不能住進醫院。病人或沒有癥狀在家自我隔離也就罷了，或有了癥狀卻仍然需要不斷在各種醫院和社區之間往返，尋求幫助，就完全脫離了「自我隔離」的目的，只會造成感染數量繼續擴大。
這個感染數量大概會有多少？可以進行一些簡單的計算。現在大家都知道一個病的傳染強度，應該計算R0 ，也就是基本傳染數——
在沒有外力介入，同時所有人都沒有免疫力的情況下，一個感染到某種傳染病的人，會把疾病傳染給其他多少個人的平均數。
那么在當前的防控狀態下，各地新冠的 R0等于多少呢？
一，上海和北京
上海和北京在疫情的防控上屬于做得比較好的一類，在武漢封城之后，北京和上海首先關閉了跨省巴士，基本關閉了輸入病例通道，并用各種手段將可能造成傳染的輸入病例嚴密監控起來。
即便如此，仍然有漏網之魚不斷地造成傳染。我記錄了每天上海和北京衛健委公布的新增確診病例中是否有湖北接觸史的病例數量。
所以我們就有了兩類病人，有湖北接觸史的病人屬于輸入型病人，一般在湖北省內已經患病，來到上海、北京之后開始傳染給他人；沒有湖北接觸史的病人被輸入型病人感染，隨后再感染其他沒有湖北接觸史的病人。
將每天新增的沒有湖北接觸史的病例除以可能感染該患者的未確診病例，可以大概算出一個數值——每一個病例，在沒有被確診之前，平均每天會新傳染多少病例，公式如下：
比如對于1月26日來說，我們首先計算該時刻有多少在5天內確診但當時還未確診的病例，再計算1月31日的確診（考慮5天潛伏期）的非輸入型病例數量，用后者除以前者，就得到了1月26日的每個病例當天造成了多少新增傳染。見下圖：
上圖可以看到，這個數字一開始的波動比較大，最近幾天開始穩定在10%-15%間。
這意味著在上海和北京的防控水平下，每個未確診病例每天會造成0.1至0.15個新增感染。如果一個病例在潛伏期5天后才被隔離進醫院，那么他平均會造成0.5至0.75個感染，R0 就等于0.5到0.75。
但需要注意的是，上面的計算實際上和真實的 R0 還是存在區別的，因為確診和入院，入院與發病都不是一回事。舉一個例子，分母中的某一個病例甲雖然在T+5時刻確診，但可能在T-3時刻發病，T-2時刻就已經住進了醫院，而分子中的某一個例子乙可能在T+5時刻確診，卻在T時刻得病，那么甲自然是無法被乙傳染的，這可能會造成估計的偏誤。
要將未確診病例每天可能造成的傳染換成未發病病例每天可能造成的傳染， 我們需要更微觀的數據。
二，溫州與臺州
溫州和臺州提供了這個機會，他們的衛健委每天公布詳細的病例如下：
根據每一個病例的描述，我們可以知道他是否是從湖北回鄉的，也可以知道每個病例發病的時間。這樣在計算時就可以有一個更準確的表達：
比如對于1月26日來說，我們首先計算該時刻有多少在5天內發病但當時還未發病的病例，再計算1月31日的發病（考慮5天潛伏期）的非輸入型病例數量，用后者除以前者，就得到了1月26日的每個輸入型病例當天造成了多少新增傳染。見下圖：
可以看到，在1月18日之前，溫州每個未發病病例每天會造成將近0.5個感染。如果在該病例在傳染期結束（從開始感染到入院或自愈）前一直在感染其他人，那么他將會感染3個以上的病人。在武漢封城和大年三十當天的感染率有所下降，但在大年初一后的感染率又回升了，大年初二時的感染率回到了0.25，隨后有所下降。
臺州也有類似的走勢，在封城當天和大年三十時的感染率較低，隨后在初一和初二有所回升到0.15，隨后下降。
但需要注意的是，1月27日和1月28日的下降可能是確診速度慢帶來的，例如2月4日溫州市確診的49個病例中僅僅包含七例2月之后發病的病例。因此，若是將后幾天溫州公布的確診病例中2月1日和2月2日的發病病例包括進去，那么1月27日和1月28日的感染率很可能也會回升到一個比較高的水平。
以0.25和0.15計算，溫州和臺州的 R0就高達0.75到1.25。用這個數字計算，距離疫情結束還有很長的時間，而溫州的疫情甚至還可能繼續擴散。
當然，溫州對此已經采取了措施：
1月31日，溫州市委市政府決定，全面實行25條緊急措施，包括全市省際、市際和各縣市區客運班線全部暫停，市區公共交通和輪渡暫停運營等。
2月1日，浙江省溫州市新型冠狀病毒感染的肺炎疫情防控工作領導小組發布公告，溫州市決定自2月1日24時起至2月8日24時，在全市范圍實行村(居)民出行管控措施。其中規定， 全市每戶家庭每兩天可指派1名家庭成員出門采購生活物資。
2月2日，溫州宣布臨時關閉46個高速收費站，只保留9個正常開放。
期望在這些措施下，溫州的疫情能夠好轉， R0可以下降到1以下。
三，武漢和湖北其他城市
由于沒有武漢和湖北其他城市的真實感染變動數據，我們無法計算當地的 R0 ，但至少可以做兩個假設：
一，北京和上海的防控能力更強，醫療資源更豐富，確診相對較快，不太會有發病了也無法住院的現象，因此武漢和其他湖北城市的R0 高于北京和上海。
二，溫州和臺州在外經商人數較多，人情交流多，防控和隔離的影響可能較小，導致這兩個城市的疫情隔離效果不盡如人意（http://www.nbd.com.cn/articles/2020-02-03/1404764.html），武漢和其他湖北城市的防控較嚴，其未發病病例的單位時間傳染率可能低于溫州和臺州，R0 也可能會低于溫州和臺州。
因此，我們似乎可以認為，武漢和湖北其他城市的 R0至少仍然有0.75。考慮到武漢和湖北其他城市的醫療資源非常緊張，從攜帶病毒到最終入院隔離不再傳染他人的時間也更長，0.75已經是一個非常保守的數字。
0.75有多高呢？作為對比，2003年的SARS在4月初時的R0 已經下降到了0.4，而SARS的確診病例從此時才剛剛開始上升。(https://www.who.int/csr/sars/en/WHOconsensus.pdf, 29頁)，
四，結論
綜上所述，新冠疫情仍然非常非常不樂觀，在對比了上海、北京、溫州和臺州四個城市的 R0后，我們認為武漢和其他湖北城市的 R0 仍然非常高，每一個病例至少會傳染0.75個新的感染者。根據這個R0 ，按照SARS當年的歷史，新冠的新增病例（而非確診病例）的增長至少還有20天才能到頂。要是沒有有效的藥物或者一些非常的舉措，那么我們在3月才有可能看到疫情好轉。而且這已經是一個非常非常樂觀的估計。
但至少有一個好消息——至少在最保守的估計下，武漢和湖北其他城市的 R0 已經低于1了，這意味著傳染已經開始縮小，而不是繼續擴大。而且隨著雷神山、火神山兩所1000個床位的重癥患者醫院和洪山體育館、武漢客廳、武漢國際會展中心改建的提供給輕癥患者隔離速成方艙醫院的逐漸建成，再加上前天送到的10萬份試劑盒若是能派上用場，將能夠減少未確診感染病例的傳染。這幾項措施多管齊下， 希望我前面所說的「3月看到疫情好轉」不再是一個非常樂觀的預期，而是成為現實。
樂思輿情監測（Knowlesys.cn），助您全面掌握疫情全領域動態。
]]>相較于17年前的SARS，此次疫情表現出更強的傳播性，感染人數曲線更為陡峭，對于疾病防控提出更高挑戰。好在17年來，中國在疫情防控方面已建立了更加完備的制度體系、保障策略、應對措施，信息披露也更加及時透明，而大數據的運用，更是在疫情防控工作中起到了重要作用。
大數據下透視“雙黃連”
1月31日深夜，有媒體報道稱，“雙黃連口服液可抑制新型冠狀病毒”。消息一出，一場搶購狂潮就這樣掀起了。幾乎是一瞬間，雙黃連口服液就被搶購一空。盡管當時已是深夜，各大線下藥店仍迎來搶購雙黃連口服液的用戶。
隨后雙黃連口服液在各大電商平臺紛紛斷貨，雙黃連也成為全網熱議話題。根據百度指數顯示，在1月31日23點前后，雙黃連等關鍵詞搜索熱度瞬間飆升數百倍，百度App的熱門話題#雙黃連可以抑制新冠病毒嗎#累計閱讀數也突破了1.5億。
雙黃連真的能夠抑制新型冠狀病毒嗎？信息時代，甄別信息是一個必備的技能和素質，在這次的疫情防疫過程中，搜索引擎作為人們獲取信息和知識的主要平臺，也成為人們主動了解雙黃連的最重要途徑。
百度不僅在“雙黃連”的搜索結果中置頂了上海藥物所的官方回應，還通過創建話題引入眾多專家觀點，這使得平臺覆蓋內容廣度與深度不斷擴大且更具及時性，可以讓公眾對雙黃連信息進行快速反應、科學決策。
眾多互聯網平臺的一系列努力也讓公眾對雙黃連有了更清晰的認知。從百度指數的需求圖譜來看，當前熱點詞語已主要集中在“雙黃連的功效與作用”， 這也很大程度上反映出公眾面對疫情開始變得更加理性。
搜索大數據的價值日漸凸顯
從雙黃連的傳播路徑我們可以看到，跟2003年SARS爆發時不同，武漢肺炎疫情爆發時，互聯網已成為主要的信息平臺。疫情爆發以來，搜索引擎更是成為廣大網民了解疫情進展和防疫知識的第一入口，每天通過百度App搜索瀏覽疫情信息和知識的用戶就高達10億人次。為什么搜索大數據對疫情防治的作用如此之大？
首先，搜索大數據能很好的緩解恐慌和焦慮。
在疫情防治過程中，各種謠言會迅速傳播， 一旦這些謠言不加以控制，就會成為制造公眾恐慌的源頭，但在今年肺炎疫情中，我們可以看到一個非常明顯的趨勢，那就是謠言破除的速度得到了明顯的提升。
以「白醋可以防治肺炎」為例，通過百度指數提供的數據可以發現，關于白醋的謠言存活期相當之短，在1月21日肺炎引起關注時，白醋的搜索量出現第一個波峰，并在謠言擴散后，迅速迎來第二個波峰，但隨著互聯網平臺辟謠行動開始，白醋的搜索指數迅速下滑，即使還有人對謠言信以為真，但他們也能很快通過搜索發現真相。
聚合了全網信息的搜索引擎，不僅能夠通過大數據捕捉到謠言及背后心理狀態，還提供了更好解決謠言的空間和可能性。比如近期在百度App“抗擊肺炎”頻道上線的“近日疫情熱搜”、“防疫知識熱搜”和“熱搜謠言粉碎”榜單，就基于大數據分析結果，展現億萬用戶每天最關注的疫情信息、防疫知識和謠言。
搜索之所以可以粉碎謠言，主要在于搜索往往匹配的是精準需求，搜索框中輸入一個關鍵字，就能獲得想要的最新信息，想要了解公眾需求，這無疑是最高效的。借助大數據、信息挖掘、自然語言理解等技術對人們普遍關注的謠言進行分析，然后通過專家、官方數據等方式進行權威解答粉碎謠言，進而確保謠言被粉碎。最終形成從謠言出現、傳播再到辟謠的閉環過程，而這也客觀上起到了幫助大眾答疑解惑的科普功能，從而將謠言的危害消滅于無形。
其次，搜索引擎的權威和及時性是不可替代的。
有量化研究表明，媒體的報道量增加十倍，傳染病的感染數將會減少33.5％。因此，讓公眾在疫情初期就能獲得充分權威的信息，從而加強自我防護，減少出行聚會，無疑有利于政府防控疫情。
但目前各級政府相關部門在各個渠道上發布的公開信息主要以非結構化的、文本的形式提供，這顯然不能很好滿足公眾的數據需求。也因此，在這種突發疫情的當口，搜索的社會和媒體價值就彰顯出來了。有著強媒體屬性的百度，它的作用不僅僅是提供辟謠信息，還在于能提供多種形式的權威信息。
移動互聯網世界里，信息傳播渠道其實也就是那幾個大的流量入口，但無論是微博、微信這樣的社交媒體平臺，還是基于算法推薦的信息流平臺，其實都很難像搜索引擎那樣提供全面及時的信息。
比如，在百度App的“抗擊肺炎”頻道，公眾可隨時查看疫情進展，隨時獲取最新權威媒體資訊。與此同時，百度還設立了疫情地圖、預防手冊、疫情辟謠、疫情科普、發熱門診、在線問醫生免費通道、在線直播等多個欄目，而通過疫情實時大數據報告，也可以實時了解疫情的最新進展。
值得一提的是，百度地圖還與國家衛生健康委員會政務新媒體平臺健康中國攜手合作，緊急上線了“發熱門診地圖”，這使得公眾可通過健康中國客戶端和百度地圖客戶端，一鍵查看全國的發熱門診及醫療救治定點醫院，而針對與肺炎疫情相關的搜索信息，百度也聯合了北京疾病防控中心對”預防新型冠狀病毒感染”問題進行解答，及時為群眾提供抗擊疫情的咨詢服務。
最后，搜索大數據對疫情的預測和防治也起到直接助力。
無論傳統檢測還是大數據實際上都很難檢測到現在肺炎疫情，但搜索大數據卻可以通過醫院的共享信息以及百度監控指定地區用戶的頻繁搜索關鍵詞，檢測到異常狀況，進而真正在第一時間內去判斷出疫情的病毒源，為后期的控制爭取時間。
通過對一系列關鍵詞搜索信息的定位與數據展現中，搜索大數據還能夠反映出疫情爆發當地人對于物資、醫療的特殊需求，例如根據百度早前發布的《百度新型冠狀病毒肺炎搜索大數據報告-武漢篇》，我們對武漢醫療救助力量及防護物資就有了較為清晰的了解。
與此同時，搜索大數據對疫情的預防也能起到很好的幫助。以百度地圖為例，面對新型冠狀病毒肺炎疫情，百度地圖迅速上線了“肺炎疫情期出行管控消息速報”功能服務聚合頁面，該頁面實時更新疫情最新消息動態，聚合了疫情期百度地圖駕車出行、公交出行、旅游休閑、遷徙地圖、查詢同乘信息、查詢發熱門診、鄂籍游客定點酒店、全國實時路況、各國入境管制政策、疫情防護提示、媒體報道等功能入口，幾乎實現了有關疫情的全部信息匯集。
眼下，我們不僅急需大量的醫護工作者，更需要強大的數據動員能力。對于公眾而言，疫情實時動態以可視化的形式顯示全國各地新型肺炎的確診病例，這些數據既有助于用戶合理評估前往目的地的風險指數，減少無意識傳播風險，從而提前做好必要防護，又有利于定位疫情輸出的主要區域、預測地區疫情發展態勢、預測地區潛在染病人群，為疾病防控部門及地區政府分類制定春運返程計劃、有針對性地出臺交通管制措施等提供決策支撐。
大數據還可以為疫情防控做什么？
大數據時代，無論是等級響應，還是“封城”、 “封路”，每一道防控疫情的決策，都應該是基于大數據基礎上的科學化、精準化、高效化的決策，而大數據的運用則帶來了更多的可能性。
1、 判斷人員流向，精準控制疫情傳播
在疫情發生后，雖然國家可以第一時間控制住當地疫情，但是人員流動則是無法控制的。現在利用大數據技術可以做到，如果可以根據掌握的大數據，對疫情進行提醒，例如提示何處出現了異常人流，從技術上說是可能的。
有關部門利用大數據的便利，綜合海量數據信息，進而作出重大決策判斷，這也是可以想象的。特別是在疫情緊急的情況下，也許大數據能發揮關鍵作用，可迅速為形成決策提供依據。
2、豐富數據維度，提出針對性防治建議
在大數據技術廣泛應用之前，醫療數據采集具有明顯的滯后性，這對在疫情傳播早期階段快速獲取傳播數據、分析疫情傳播機理造成制約。而借助于醫療數據聯網、各類智能設備數據歸集渠道等，大數據時代的疫情傳播數據采集更為及時、準確，可定位到個體、某一具體街區等，為疫情發展模型的搭建提供數據基礎。
除醫療數據外，疫情傳播往往還涉及氣候溫濕度、地質、交通、社會行為、城市衛生等多維度因素影響，大數據技術的發展使得這些影響因素均可以數據形態展示，同時使得多維度、大規模的數據處理成為可能，可實現上萬量級的影響因子建模，這極大地豐富了疫情發展模型的分析維度，對于定位疫情傳播的關鍵影響因素，并據此提出針對性防治建議有重要作用。
3、對疫情超前預判，建立全民預警機制
面對疫情，我們不僅要與迅速擴散的病毒“賽跑”，對疫情的發展作出超前預判，為各級疫情防控指揮機構提供科學權威的決策依據；還需要有專門的數據團隊，與疾控中心等部門合作、深入一線，開展數據采集和分析建模，更好的預測下一場“戰爭”。
從技術角度來看，有關部門和技術公司如果能夠利用不同維度的海量數據信息，譬如地圖數據、航空數據、移動通信數據、電商消費數據等等，進行綜合建模和分析，是能夠做出針對疫情的重大合理決策判斷的。
面對新型冠狀病毒肺炎威脅，如果我們的響應能力還停留在SARS時期亡羊補牢、心中無“數”的水平，恐難再令公眾滿意。17 年前的 SARS 還歷歷在目，但今時不同往日，17年后的今天，大數據技術正在改變著人們分析經濟社會問題與解決商業難題的基本范式，相信新型冠狀病毒肺炎被我們戰勝的時間不會太遠。
文章轉載自知乎專欄 創投雷達，作者：李俊
樂思輿情監測（Knowlesys.cn），助您全面掌握疫情全領域動態。
]]>一、經濟方面
（1）外貿
北京時間2020年1月31日凌晨，世界衛生組織正式將新型冠狀病毒定義為“國際關注的突發公共衛生事件”（Public Health Emergency of International Concern，PHEIC）。雖然很多人還在解釋不是“疫區”，事實上，很多時候咬文嚼字沒有用，關鍵看行動。文字是給不明真相的群眾看的東西，行動才能表明真實的意圖。從陸陸續續的各國政府聲明和行動來看，我們難道還不是“疫區”了嗎？自己人都把自己人當作疫區災民了，何況其他國家呢？！
被定義為PHEIC將嚴重打擊外貿，進而影響國家經濟。外貿對我國來說到底有多么重要呢？且看商務部于2020年1月20日發布的題為《商務部外貿司負責人談2019年全年我國對外貿易情況》的文章：
作為“三駕馬車”之一，外貿為穩增長大局提供了強勁動力。前三季度，貨物和服務凈出口對GDP增長貢獻率達19.6%。外貿帶動就業人數約1.8億人，進口環節稅收貢獻11.6%的全國稅收總收入。貨物貿易順差4215.1億美元，增長19.8%，是經常賬戶順差的重要來源，有力保障了國際收支平衡。擴大進口促進了全球范圍資源合理配置，優化了國內供給體系，提升了出口產品和服務水平，滿足了人民美好生活需要。——《商務部外貿司負責人談2019年全年我國對外貿易情況》
摘出重點：貨物和服務凈出口對GDP增長貢獻率達19.6%。外貿帶動就業人數約1.8億人，進口環節稅收貢獻11.6%的全國稅收總收入。
外貿對GDP的貢獻占了大約1/5，試想一下，要是第一輪的PHEIC達到滿期3個月，那么就相當于一個季度的外貿基本上歸零，請記住不是外貿部分的GDP增速為0，而是外貿這部分的GDP沒了，也就是增速為-100%。
對于一些外貿從業人員，可能最擔心的并不是疫情，而是自己會不會因此失業！
（2）消費
除了外貿的打擊，還有對國內消費市場的炮擊，尤其是那些直面消費者的行業，他們會首當其沖，比如餐飲、旅游、食品、零售百貨等。再然后影響背后的加工制造行業，以及原材料等行業。
近日，餐飲連鎖企業西貝莜面的負責人公開喊話稱，受疫情影響，春節前后的一個月時間，西貝莜面將損失營收7億-8億元，目前賬上的現金加上貸款最多也只能再發3個月工資。西貝如此，其中中小餐飲公司會如何呢？
經濟學家許小年于兩天前曾說：新型管狀病毒肺炎最多影響中國經濟兩三個季度。也是，一年也就四個季度罷了。
（3）其他
大家要清楚，我們現在還在和地球對面的某國正在激烈博弈中，本次疫情將會消耗掉我們本就彌足珍貴的應對時間，并打亂我們產業轉型升級的步伐。這不，第一階段協議可能會生變故！
我曾經多次分享過，我們當前的優質資產就是人口，這又可以分為世界工廠和14億消費市場。
世界工廠方面，歐美完全可以扶持以越南和印度為首的新興經濟體稀釋甚至取代掉我們世界工廠地位。
14億消費市場，同樣在扶持東南亞和印度發展的同時，也相應的培養了消費市場，東南亞加上印度大概20億人口，雖然現在消費能力不及我們，但是潛力相當可觀。
估計看到這里有人會罵我越吹印吹，且慢。我說的是歐美會培養越南和印度取代掉我們的功能，并不是說歐美會培養一個強大的越南或者印度。相反，強大的越南和印度并不符合歐美國家的核心利益。
當下，川普打擊我們的供應鏈，可以說就是抓住了世界工廠這個命門。目前不少產業鏈確實在往東南亞和印度搬遷。
有不少人言必說中國勞動力多么優秀，但是，流水線上的工作有什么高端可言的了？還讓你們生出貴族感了。這不，vivo印度國家公司CEO（中國人）說：“印度工人效率近中國人的90%。”
本次武漢疫情，不僅是對武漢聲譽的一次重擊，也是對中國聲譽的一次重擊。外省如何看待湖北和武漢，外國就會如何看待中國。
發生這樣的重大事情，會讓國外資本不得不重新考慮資本（資產）的安全性，雞蛋不能放在一個籃子里的道理誰都懂。跨國公司出于安全的考慮，還會把供應鏈全壓在中國嗎？
本次疫情會給我國世界工廠的地位造成深遠影響，這可能會是一個歷史轉折點。本次疫情會導致外資以及相關產業鏈加速轉移到其他地方，側面上幫助了川普。美國有官員也承認了這一點，美國商務部長羅斯說：“疫情有助于加速制造業回歸美國。”這是什么？不能公開說的實話。你會很氣憤，但是細想之下，還不能說他的這番言論是錯的。當前，我們的經濟本就處于下行通道，經濟增速要換檔、產業亟待轉型升級，結果還遭此大劫。
那些造成這不可挽回局面的人，可以說是死不足惜。如果你認為我說的僅是武漢的一些人，那就大錯特錯了，細想之下你就會認識到這不是個例。比如：瀏陽煙花、天津長水、長生三鹿……，只不過生物具有傳染性，一般處理方法文不對題、失效了。
上面的實例單個分析都是小概率事件，但是小概率事件也耐不住我們無限次的重復。
這就是本次疫情所造成的最嚴重影響，經濟數據在這面前都不值一提。
二、疫情對武漢房價的影響
這是很多朋友，尤其是武漢朋友，特別關心的問題。對于武漢的房價，我一直都有關注，而且認為武漢的房價必定下跌。
年前我就分析過武漢房價（詳見：《房市漫談之武漢，2020年適合上車嗎？》），但是沒有想到疫情會如此嚴重，即便我和一些朋友在去年12月30號就在群里聊到過“武漢不明肺炎”。
雖然武漢房價要下行，但，主要原因并不是因為肺炎，肺炎這樣的黑天鵝事件沒有人可以預見，肺炎會加速武漢房價的下降，而且會出現超跌現象。
肺炎會嚴重打擊武漢以及整個湖北省的經濟（當然，全國經濟也遭當頭一擊，只是武漢最重）。
不僅如此，武漢應對肺炎的種種行為，也給自己的聲譽造成極大貶值。
主要兩個點：中泱會不會因此冷落武漢；人才會不會因此繞開武漢。
當然，以上兩點短期可能存在，但是長期來看，武漢的未來還是很有前景，因為武漢的地理位置太優越了，軟硬件（這里指的是科教文衛和地理位置）都不錯。
即便如此，要想完全恢復如初，估計也要4-5年。
比如天津爆炸事件之后，天津就冷藏了好些時日，以前的二線城市領頭羊，直到現在也沒走出陰霾。
房價上漲的理由主要有三點：一是需求旺盛，換言之接盤俠豐富；二是經濟發展良好，人民荷包鼓了；三是政府刺激，換言之放水。當前情況是：人口都要負增長了，沒什么接盤俠了，而且武漢這次名譽受損，人才吸引力降分嚴重，所以理由一pass掉；當前經濟的窘境非常困難，經濟發展的速度也要降檔了，武漢又是重災區，再次pass掉理由二；會不會大放水呢？最近幾年的M1與M2以及最近幾天央行行長兩次在求是網發表署名文章，一清二楚，國家不會大放水，除非國家要魚死網破。
關于前幾天的1.2萬億，這也叫放水？只是拆東墻補西墻罷了。凈放水才1500億，說明高層還是很謹慎的。
國家不可能放水的，放水的后果嚴重性比“疫情”要大，只不過老百姓對疫情感受更直接，且國人只對直接涉及自己利益的事情感冒，間接的影響，體察不到。
當下經濟大環境比較惡劣，內部是經濟發展碰到天花板，產業急需轉型升級；外部是美國虎視眈眈，中美競爭還會長期存在。目前又有疫情，今年經濟數據會更加難看，GDP增速保5（如果持續到5月份，可能要保3）都有壓力。
如果武漢房價因此次疫情超跌4成，建議抄底。
文章轉載自公眾號 Smart_Dreamer
樂思輿情監測（Knowlesys.cn），助您全面掌握疫情全領域動態。
]]>雖然大家預測春節后開市，股市肯定會下跌，但也確實沒有想到居然會跌這么慘。
幾大指數走勢
上證指數走勢圖
真所謂千股跌停，一片唉聲嘆氣。新型冠狀病毒的蔓延，造成了人們悲觀的預期。
在這次市場的反應中，是挑戰，其實也帶來了一批機會。
根據最新公布的數據，截止到2020年2月4日15時整，新冠肺炎全國確診人數20479人，疑似病例23214人，死亡426人，治愈668人。
對比2003年非典疫情的數據，不可否認本次新冠肺炎疫情對國內宏觀經濟的影響程度將大于非典疫情。且由于本次疫情爆發于春節期間，正值往年的消費高峰，旅游、餐飲、交通運輸等行業受沖擊最大，其次是房地產和金融服務。這將不可避免地對今年一季度經濟數據造成拖累，剛剛出現的經濟復蘇苗頭也可能被暫時掐滅。
此外，目前全球已有23個國家出現了確診病例，世衛組織已宣布新型冠狀病毒疫情列為國際關注的突發公共衛生事件。為防止疫情擴散，香港封關，多家航空公司停航中國，71個國家對中國實施入境管制。在全球經濟一體化的背景下，中國打個噴嚏，全世界都得感冒，所造成的直接或間接經濟損失將難以估計。
A股市場自2019年1月份見底以來，市場氛圍明顯好轉，底部逐步抬高，隨著外資的不斷涌入，新一輪牛市已在醞釀之中。
然而，此次突發的肺炎疫情堪比黑天鵝事件，且由于目前正處在疫情的爆發高峰，擴散速度超出市場預期，產生恐慌情緒。這一次的疫情，在2月3日的開市來看，幾乎可以說是抹平了2019年一年的漲幅。
所以在分析新型冠狀病毒對股市的影響的時候，我們可以先復盤一下2003年SARS病毒。
資料來源：wind，海通證券研究所
1、“非典”期間社會零售、休閑消費下滑，本次疫情在第一季度表現類似。
社零增速在2003年4-5月（非典爆發期）出現明顯下滑，7月控制期結束后恢復增長勢頭。期間，醫藥行業生產和銷售增速明顯加快，住宿和餐飲市場受到嚴重影響。得到有效控制后，商品銷售普遍回升。
2、食品飲料：預計板塊行情不會受到較大影響。
乳制品以及小食品具備囤貨屬性，可能受到階段性推動。
乳制品：優質蛋白可提高人體免疫力，同時具備囤貨屬性，需求可能會有所增加。
小食品：具備囤貨屬性，方便面、速凍食品類或將受益。
所以結合本次疫情來看，特別是乳制品，隨著現在市場跌價，其實不失為一次不錯的買入機會，比如伊利、蒙牛等。
3、交運：對航空行業沖擊最大，快遞有望成為以“宅”為主要訴求的受益行業。
快遞：更具防御屬性，有望成為以“宅”為主要訴求的受益行業。近年來網絡購物正不斷搶奪線下實體店的市場，而在特殊階段內，這一趨勢更加明顯。
航空：重大疫情對航空行業的沖擊較大，影響時長約為2-3個季度。流行性傳染病窗口期出行意愿驟降帶來航空旅客量的斷崖式下跌，對民航的影響時間短于旅游相關數據，出行意愿的恢復傳遞至上市公司收入業績端約為2-3個季度。
機場：旅客吞吐量增速下滑明顯，但業績穩定性明顯高于航空。航空需求增速下滑導致航空公司客座率下降，但不影響機場對航空公司的收費定價，由此帶來機場在重大疫情期間更好的業績穩定性。
4、醫藥：關注醫藥零售，以及超級抗生素（阿比朵兒）的公司
對2003年“非典”SARS復盤，醫藥指數在2003年SARS期間并未有優于大盤的表現，更多是個股行情以及個別股票年報行情。
今年口罩銷量大增可能會刺激相關上市公司一個季度的業績。診斷試劑行業，疫情初期醫院對冠狀肺炎診斷試劑需求量較大，但從篩查疑似病例絕對人數來看，對于上市公司的整個業績體量而言影響可能并不太明顯。
但是，我們可以把更多的目光投向阿比朵爾和達蘆那偉。隨著李蘭娟院士的研發團隊發表成果稱這兩種藥有望有效抑制新型冠狀病毒，對市場其實帶來了重大利好的。
也要關注醫藥零售的原因是，在2003年非典疫情期間，很多人就形成了在家里常備一些感冒藥的習慣，并且為后面非典疫情的控制醫藥零售都做出了巨大貢獻。所以我們做出估計，醫藥零售也值得關注。
2003年我國交通運輸中，旅客周轉量增速為-2.3%，國內旅游人數達8.7億人次，下降0.9%；旅游總收入3442億元，下降11.2%。
盡管零售、餐飲等增速仍維持在10%左右，但相比2002年，還是有明顯的回落。不過，到了2004年，受非典影響比較明顯的行業均出現了恢復性增長，也就是說，影響最多就一年了。這一次，時間只會短，不會更長。
但2003疫情和本次還是有諸多不同。
1、互聯網的發達加速了信息的傳遞，交通也更加便捷，使得疫情無論從感染速度還是恐慌的傳播速度都比03年更快。
2、時間節點，本次疫情剛好處于春運這一特殊的時間節點。
3、反應時間，本次春節假期期間對于人員流動的控制做的很好。基本年初二的時候全國人民都已經意識到事件的嚴重性了，大家自我保護意識和防范意識遠遠高于前者之時。
綜上幾點，預計短暫會影響批發零售業、旅游餐飲業、文體娛樂業、交通運輸業、等人員聚集性行業，而作為本輪上漲強勢的大科技將繼續保持升勢，自主可控、特斯拉依然是后市關注的重點，回調也是低吸機會。
而指數這邊受返程高峰期不確定性影響以及假期的發酵還有向下調整的空間，主要還是要根據2月10號是否出現更多返潮復工的情況來做出進一步預測。
所以我們現在對股市的一個總結就是，短期新型冠狀病毒對股市的沖擊確實比較大。但在之前就比較火的幾個概念，如5G、可穿戴設備、新能源汽車等行業是可以低買長線持有的好機會。
目前各大機構對市場的情緒依然還是悲觀的，關鍵拐點在2月10號看是否有返工才能進一步分析后來的影響。
文章轉載自知乎用戶 花姐金融專碩
樂思輿情，為您全領域掌握疫情輿情動態。
]]>