【騰景AI經(jīng)濟預測】宏觀快報：大數(shù)據(jù)疫情觀察：中心城市率先迎來峰值

16日http:/16日請務必閱讀本報告尾部的重要聲明第1頁|共20頁騰景宏觀快報大數(shù)據(jù)疫情觀察：中心城市率先迎來峰值——基于騰景AI高頻模擬和預測騰景高頻和宏觀研究團隊相關(guān)報告《騰景宏觀快報：美國11月CPI同比繼續(xù)加速回落，或為2-03《騰景宏觀快報：類通縮狀態(tài)下，大規(guī)模消費刺激或?qū)⒊蔀?023年實現(xiàn)5%左右潛在增長鍵》2022-11-29《騰景宏觀快報：利用美國電價修正美國CPI高頻模擬誤差》聯(lián)系我們乙本期要點：一、人們尚未完全擺脫對奧密克戎的“恐懼”?2022年11月經(jīng)濟數(shù)據(jù)表現(xiàn)低于預期，工業(yè)增加值、服務業(yè)生產(chǎn)指數(shù)、社會消費品零售總額、固定資產(chǎn)投資額相繼走低，這也和騰景AI高頻預測(模擬)的方向一致，但我們的模型還是低估了本次疫情對經(jīng)濟的沖擊。鐘南山院士從這些年防疫經(jīng)驗總結(jié)以及科學模型的研判，預計明年三月中上旬，國內(nèi)疫情進入相對平穩(wěn)階段。?結(jié)合日本、越南等國家放開后的發(fā)展路徑，社會大眾在放開初期可能會有一定的“恐慌”情緒，這一情況在國內(nèi)有所顯現(xiàn)。但是我們看到，疫情放開之后，亞洲地區(qū)如日本、越南、中國臺灣經(jīng)濟增速有明顯改善，人們最終克服了“恐懼”。最終每個國家都要經(jīng)歷一個陣痛期，好在病毒的致病性、致死率在下降。展望未來，我們的經(jīng)濟復蘇進程取決于抗疫的背水一戰(zhàn)如何收場？目前沒有退路，長期非常態(tài)化的經(jīng)濟社會秩序和疫情管控措施，其實也是有代價的，而且代價可能更大。只有盡可能地為有基礎病的老人、兒童等弱勢群體準備好“救生衣”趟過這股洪流，克服“恐懼”，戰(zhàn)勝“恐懼”本身，才能贏得最后的勝利。16日http:/16日請務必閱讀本報告尾部的重要聲明第2頁|共20頁圖：2022年11月騰景AI經(jīng)濟預測高頻預測結(jié)果高頻模擬和預測庫圖：2022年12月15日經(jīng)濟數(shù)據(jù)公布后，各機構(gòu)(包括騰景AI經(jīng)濟預測)的準確率之間的數(shù)值精度評比，紫色為騰景AI與市場預期的數(shù)值精度Wind觀高頻模擬和預測庫?雖然有“二十條”到“新十條”的逐漸放開，但是發(fā)燒、咳嗽人數(shù)直線上升，打開微信朋友圈、抖音，從微觀感知上，似乎疫情已經(jīng)迅速登頂。但作者團隊所在的北京，也是目前國內(nèi)疫情擴散最嚴重的城市之一，從新增疫情確診人數(shù)統(tǒng)計來看并沒有快速上升，微觀上的寒冷與宏觀上的滯后促成了我們使用大數(shù)據(jù)來研判疫情感染曲線的“偏度”和“峰度”。請務必閱讀本報告尾部的重要聲明第3頁|共20頁二、互聯(lián)網(wǎng)搜索指數(shù)?從微觀感知上，互聯(lián)網(wǎng)搜索指數(shù)刻畫了所有接入互聯(lián)網(wǎng)的疫情參與程度，除了無癥狀感染者之外，絕大多數(shù)的陽性患者在病程初期會出現(xiàn)發(fā)燒，病程后期會出現(xiàn)咳嗽等癥狀。我們通過互聯(lián)網(wǎng)搜索平臺對“發(fā)燒”、“咳嗽”、“咽喉痛”的搜索來驗證疫情是否達到頂峰。?使用互聯(lián)網(wǎng)搜索指數(shù)預測流感或者新冠疫情的發(fā)病情況其實不乏先例。ShuhuiGuo,FanFang等(2021)使用微博帖子改進谷歌流感趨勢對COVID-19的估計。Ma,S.,Yang,S.(2022)在美國使用互聯(lián)網(wǎng)搜索信息進行COVID-19預測，預測結(jié)果發(fā)表在美國《自然》雜志。圖：GoogleTrends領(lǐng)先香港新增確診一周GoogleTrends衛(wèi)健委圖：頭條關(guān)鍵詞“發(fā)燒”于2022年12月13日見頂請務必閱讀本報告尾部的重要聲明第4頁|共20頁圖：百度搜索指數(shù)“發(fā)燒”于2022年12月12日見頂指數(shù)圖：互聯(lián)網(wǎng)搜索與城市人口感染邏輯關(guān)系三、前期研究：基于SIR和SEIR模型1、SIR模型?SIR模型是一種經(jīng)典的傳染病模型，用于預測傳染病傳播的情況。它基于人口統(tǒng)計學的原理，將總?cè)丝诜譃槿齻€狀態(tài)：易感者(S)、感染者(I)和康復者(R)。該模型假設人們之間的聯(lián)系是隨機的，并用數(shù)學方程來描述傳染病的傳播。?SIR模型有助于預測傳染病的流行情況，從而幫助政府和公共衛(wèi)生機構(gòu)制定有效的防控措施。它還可以幫助評估不同控制措施的效果，為決策提供參考。不過，SIR模型也有一定的局限性，例如忽略了人口之間的社會關(guān)系和行為因素等。因此，在使用SIR模型時，應該結(jié)合其他信息和工具，進行綜合分析和評估。?蘭州大學新冠肺炎疫情全球預測系統(tǒng)是世界首個全球疫情預測系統(tǒng)，由蘭州大學西部生態(tài)安全協(xié)同創(chuàng)新中心主任黃建平及其團隊研發(fā)，于2020年5月25日首次發(fā)布。該系統(tǒng)基于SIR模型的方法進行疫情預測。COVID-19大流行全球預測系統(tǒng)(GPCP)的第二版使用了更復雜的SEIR模型。請務必閱讀本報告尾部的重要聲明第5頁|共20頁?該預測模型是一個結(jié)合了全球真實流行病數(shù)據(jù)、氣象因素和隔離措施的改良流行病SIR模型。假定在暴發(fā)期間不同地區(qū)的總?cè)丝诒３植蛔?；COVID-19只是通過人與人之間的傳染擴散；個體之間沒有免疫力差異。每個國家的總?cè)丝诒环殖扇N類型：易感人群S，感染人群I，治愈和死亡人群R。SIR感染疾病模型使用以下方程描述：?基于上面定義的經(jīng)典SIR模型，蘭大的預測團隊發(fā)展了一個包含溫度、濕度、城市人口密度和對COVID-19感染的控制強度的新模型。模型定義如下：?該團隊發(fā)現(xiàn)環(huán)境溫度和大氣中NO(2)含量是預測新冠疫情的兩個重要指標。新冠疫情傳播的最佳溫度是5-15℃，全球70%新冠肺炎確診病例出現(xiàn)在氣溫5℃-15℃之間(見前期研究成果)。另外，利用衛(wèi)星觀測的NO(2)含量能很好的反映各國政府防控和限制措施的實施效果。大氣中NO(2)含量反映了汽車尾氣和工業(yè)排放情況，當NO(2)顯著減少時，說明交通量大量放緩，人際交流顯著減少，14天后疫情會顯著減少(見前期研究成果)。?為了引入溫度，濕度和政府管控措施，作者假定：?其中F(1)(T(2m))和F(2)(RH(2m))分別是局地溫度，相對濕度與每日新增確診人數(shù)的函數(shù)關(guān)系；NO(2)是局地NO(2)濃度的變化率，反映了隔離措施的強度。嚴格的隔離措施有助于增加社交距離和減少感染概請務必閱讀本報告尾部的重要聲明第6頁|共20頁2、改進后的SEIR模型?SEIR模型是SIR模型的擴展，用于更精細地描述傳染病的傳播情況。這種動態(tài)模型允許人員在稱為間隔的組之間移動，并且每個間隔依次影響另一個間隔。?SEIR模型定義了六種人群：易感者(S)，不易感者(P)，潛在感染者(E，處在潛伏期的感染者)，傳染者(I，尚未隔離的感染者)，隔離者(Q，已確診且已被隔離的感染者)，康復者和死亡者(R)。這六種人群的總和始終等于總?cè)丝?N)。該模型基于以下假設：?1、總?cè)丝趹冀K等于易感人群(S)、暴露人群(E)、保護人群(P)、感染人群(I)、隔離人群(Q)、死亡人群(D)和康復人群(R)的人口之和；?2、各地區(qū)總?cè)丝诓蛔儯?3、新冠僅通過人與人之間傳播；?4、所有人具有相同的免疫力。?該模型由以下6個方程式組成：?在第二個版本的模型中，作者考慮了社區(qū)解封時間。以解封當天的新增病例數(shù)(dQc)做為標志，當某日的新增確診病例數(shù)低于dQc時，地方政府可以開始解除封鎖。模型中社區(qū)解封時間和市民自我隔離等因素的考慮，使得預測更加準確。請務必閱讀本報告尾部的重要聲明第7頁|共20頁四、哪些城市可能已經(jīng)達到峰值?傳染病的傳播有兩類反饋機制：第一類是正反饋機制，可以由病毒的傳染指數(shù)和社會的防疫程度共同決定，“新10條”之后可以看到各地的“發(fā)燒”指數(shù)陸續(xù)上升，北京上升峰值是歷年平均的十倍左右，保定上升峰值在6倍左右，這一數(shù)據(jù)在“巨量算數(shù)”里更高。由于搜索指數(shù)和微觀感知較為一致，我們以北京、保定達峰為錨定，預估各地方感染達峰時間點。第二類是負反饋機制，因疫情高發(fā)，居民主動減少出行、社交等接觸性活動，這會在一定程度上降低疫情蔓延，壓平疫情傳染曲線的峰值。圖：北京“發(fā)燒”搜索指數(shù)0處理。下同。指數(shù)、騰景測算?各中心城市除北京外，基本上搜索指數(shù)處于上行態(tài)勢，值得注意的是，石家莊市在12月份高其他所有城市一截，說明其放開程度領(lǐng)先于全國其他城市，這與我們新聞上的感知一致。請務必閱讀本報告尾部的重要聲明第8頁|共20頁圖：國內(nèi)部分城市“發(fā)燒”搜索指數(shù)指數(shù)、騰景測算圖：河北省“發(fā)燒”搜索指數(shù)，保定可能已經(jīng)見頂指數(shù)、騰景測算?基于“發(fā)燒”搜索指數(shù)，我們可以觀察全國各地的感染強度，“發(fā)燒”的搜索量相較于歷年均值的差異(歸一化)。請務必閱讀本報告尾部的重要聲明第9頁|共20頁各省市近期感染強度指數(shù)、騰景測算16日http:/16日請務必閱讀本報告尾部的重要聲明第10頁|共20頁注：顏色越紅，進程越快。省內(nèi)城市在同一張圖可以比較，跨省城市顏色不可比。數(shù)據(jù)以2022年12月1日~12月14日百度指數(shù)的平均值測算。全國“發(fā)燒”搜索指數(shù)指數(shù)、騰景測算安徽“發(fā)燒”搜索指數(shù)指數(shù)、騰景測算請務必閱讀本報告尾部的重要聲明第11頁|共20頁福建“發(fā)燒”搜索指數(shù)指數(shù)、騰景測算廣東“發(fā)燒”搜索指數(shù)指數(shù)、騰景測算請務必閱讀本報告尾部的重要聲明第12頁|共20頁廣西“發(fā)燒”搜索指數(shù)指數(shù)、騰景測算河北“發(fā)燒”搜索指數(shù)指數(shù)、騰景測算請務必閱讀本報告尾部的重要聲明第13頁|共20頁河南“發(fā)燒”搜索指數(shù)指數(shù)、騰景測算湖北“發(fā)燒”搜索指數(shù)指數(shù)、騰景測算請務必閱讀本報告尾部的重要聲明第14頁|共20頁湖南“發(fā)燒”搜索指數(shù)指數(shù)、騰景測算江蘇“發(fā)燒”搜索指數(shù)指數(shù)、騰景測算請務必閱讀本報告尾部的重要聲明第15頁|共20頁山東“發(fā)燒”搜索指數(shù)指數(shù)、騰景測算山西“發(fā)燒”搜索指數(shù)指數(shù)、騰景測算請務必閱讀本報告尾部的重要聲明第16頁|共20頁浙江“發(fā)燒”搜索指數(shù)指數(shù)、騰景測算五、未來疫情走勢分析搜索本身行為屬于流量，對應新增確診人數(shù)大致沒有問題。但是不同城市人與人的互動關(guān)系并不一致，大城市人與人在經(jīng)濟上的互動更為頻繁，地鐵等通勤工具加速了病毒的傳播。這里需要引入3個假設：?1、首先定義當前每日發(fā)燒搜索量/歷年均值，代表每日新增疫情強度；?2、城市的人與人交互的頻率類似；?3、在單日新增高點未到來之前，大致呈單調(diào)遞增，當前進程同樣重分短期、中長期來看。首當其沖的是一線、新一線、二線等人員流動密集的大中型城市將直面第一波沖擊，最明顯的是疫情數(shù)字會強烈反彈。目前看，北京、石家莊等一線城市似乎已經(jīng)度過了疫情放開以來的“至暗”時刻，也未造成大規(guī)模的醫(yī)療擠兌的情況。請務必閱讀本報告尾部的重要聲明第17頁|共20頁?但是不排除春節(jié)期間返鄉(xiāng)人員的大規(guī)模流動將奧密克戎病毒帶回醫(yī)療條件更差的農(nóng)村地區(qū)。因此，我們認為在春節(jié)前后人口流出較多的縣級城市和農(nóng)村地區(qū)可能會迎來疫情的首輪沖擊?？紤]到農(nóng)村地區(qū)有基礎病的老人、兒童等群體可能抵抗力較弱，醫(yī)療條件有限，因此做好縣級城市和農(nóng)村地區(qū)的醫(yī)藥供應至關(guān)重要，建議可以由縣醫(yī)院、鄉(xiāng)村衛(wèi)生站未雨綢繆，為當?shù)鼐用癜l(fā)放陽性之后的必備的“醫(yī)藥包”。?我們初步推算，北京、成都等城市近期可能已經(jīng)逐漸達峰，后續(xù)達峰的順序為：武漢>昆明>沈陽>重慶>天津>西安>鄭州>表：國內(nèi)部分城市“發(fā)燒”的搜索量年12月14日指數(shù)、騰景測算(本文執(zhí)筆：吳衛(wèi)、趙宕涵)請務必閱讀本報告尾部的重要聲明第18頁|共20頁口騰景AI經(jīng)濟預測北京騰景大數(shù)據(jù)應用科技研究院，簡稱“騰景數(shù)研”，是適應數(shù)字時代特點和要求，旨在推動宏觀和產(chǎn)業(yè)經(jīng)濟研究方法變革、推動數(shù)字技術(shù)與實體經(jīng)濟深度融合的民辦非企業(yè)新型研究機構(gòu)，為中國發(fā)展研究基金會“博智宏觀論壇”提供學術(shù)研究和數(shù)據(jù)支持。研究院學術(shù)委員會由目前中國學術(shù)研究水準和社會影響力居前的經(jīng)濟學家和有關(guān)方面負責人組成，為研究院的研究工作提供指導。騰景AI經(jīng)濟預測運用近年來快速發(fā)展的機器學習特別是深度學習等人工智能前沿技術(shù)，與實時化、動態(tài)化的投入產(chǎn)出體系深度融合，在一系列關(guān)鍵技術(shù)攻關(guān)的基礎上，對重要的經(jīng)濟金融指標進行高頻模擬和預測，形成了在國內(nèi)外具有開拓性、領(lǐng)先性、實用性的產(chǎn)品體系?？诟哳l模擬所謂高頻模擬，就是在搜集加工大量相關(guān)數(shù)據(jù)的基礎上，依托經(jīng)典機器學習和深度學習模如，月初的CPI指標，過去要到一個半月后才公布，有了高頻模擬，當日就知曉了?？贏I預測所謂預測，就是運用深度學習的先進算法，重點在海量數(shù)據(jù)中搜尋非線性相關(guān)關(guān)系，發(fā)現(xiàn)并提煉那些過去、當下和未來都會起作用的規(guī)律性因素，從而實現(xiàn)對某一變量未來一定時期的預測。目前，我們已基本形成了時間長度為半年到一年、準確率70%以上的預測能力，并在逐步提升。預測并不是一件神秘的事情，只是發(fā)掘那些未來仍會起作用的歷史信息。也正是由于這個原因，我們多數(shù)情況下并不是預測某個指標的實際數(shù)值(某些情景下也會預測)，而是預測它的平滑(TC)數(shù)值，因為平滑數(shù)值含有更多的歷史信息。對一個具體指標而言，我們二是拐點，頂部的拐點或底部的拐點，或者說峰值或谷底。對大多數(shù)指標來說，一年中最重要、最困難的是如何把握住一兩個、兩三個大的拐點，若經(jīng)濟預測能夠幫助解決這個問題，應該說足以令人滿意了。口全口徑數(shù)據(jù)全口徑數(shù)據(jù)是以動態(tài)化投入產(chǎn)出矩陣為架構(gòu)，按照國民經(jīng)濟核算體系的規(guī)范完整口徑，對官方數(shù)據(jù)深化和擴展后的研究性數(shù)據(jù)。核心技術(shù)是對投入產(chǎn)出體系進行動態(tài)化改造，研發(fā)并驗證了一系列轉(zhuǎn)換矩陣表，建立起了支出側(cè)和生產(chǎn)側(cè)極為復雜的高頻關(guān)聯(lián)關(guān)系，形成“多維動態(tài)均衡矩陣系統(tǒng)(MDEMS)”，這一數(shù)據(jù)體系具有如下優(yōu)勢。請務必閱讀本報告尾部的重要聲明第19頁|共20頁補全。有些月度指標是片段性數(shù)據(jù)，如社會消費品零售總額，反映的只是部分商品消費，除了餐飲等外，基本上不包括服務消費。全口徑數(shù)據(jù)則包括了月度完整口徑的居民消費和政府消費及其構(gòu)成，還區(qū)分了居民消費中的商品消費和服務消費。補準。固定資產(chǎn)投資完成額含有土地使用費等，而這部分近些年達到30%以上，與構(gòu)成GDP的固定資本形成差距較大。全口徑數(shù)據(jù)則去粗取精、去偽存真，剔除了土地使用費的部分，加入了商品房銷售增值、礦藏勘探、計算機軟件等無形資產(chǎn)，從而形成準確完整涵義上的固定資本形成指標。補缺。目前的月度官方統(tǒng)計中，在服務業(yè)領(lǐng)域，只有服務業(yè)生產(chǎn)指數(shù)，還不能提供大部分服務行業(yè)的增長數(shù)據(jù)。全口徑數(shù)據(jù)則在投入產(chǎn)出矩陣約束下，通過相關(guān)高頻和中頻數(shù)據(jù)的模擬，形成了全部服務業(yè)月度增長指標。校正。利用投入產(chǎn)出矩陣內(nèi)在的自我約束、自我平衡機制，使不同部分的數(shù)據(jù)相互比較、相互印證、相互校正，增強數(shù)據(jù)的準確性。高頻。通過對投入產(chǎn)出體系動態(tài)化改造，同時引入大量高頻數(shù)據(jù)，實現(xiàn)