2020年4月30日，信风金融科技的创始人兼CEO，MSCI公司亚太区ABS业务高级顾问，财新智库高级顾问陈剑博士受邀作客我院“问政暨南”系列讲座第13期活动，作了题为“利用信用风险量化模型预测新冠病毒疫情趋势”的报告。本次讲座的举办方式为线上讲座。

陈剑博士最近把信用风险的量化模型用于新冠疫情预测，取得很好的结果，已经与医学界同事发表多篇医学论文，并在财经网、MedRxiv等网站发表了系列观点和相关论文。本次讲座，陈剑博士主要介绍了信用风险的量化模型对于新冠疫情预测的准确性和疫情对经济的影响。报告伊始，陈剑博士以一例漫画强调了在黑天鹅时代，无知很危险。同时，他以4月18日白宫疫情发布会上质疑中国每10万人口病亡人数过低之事为引，强调了在黑天鹅时代，常识比知识更重要。他对此的解释为：中国疫情集中在湖北武汉，而中国及时有效的防疫措施，切断了传染源，使得其他省份的疫情并不严重。因此中国的病亡率并不高。

在介绍预测模型之前，陈剑博士首先强调了疫情预测的重要性，他认为预测主要为政策的制定提供了一定的指导作用。在此，陈剑博士介绍了几种可供选择的模型，例如SIR、SEIR、存活分析法（Survival Analysis）、考克斯风险模型（Cox Hazard Model）和TMM，并重点分析和对比了SIR预测模型和TMM模型，其中TMM模型是量化金融模型，首次被陈剑博士引入流行病学领域，用来预测此次疫情。陈剑博士使用TMM模型对意大利、韩国、伊朗、法国、西班牙和德国的预测结果已被事实证明相当准确，而SIR模型的预测范围较宽，误差较大。因此相较SIR模型，TMM模型更加灵活，更加稳定，更加准确。

在这里，陈剑博士着重强调了对美国预测的难度很大，这主要是由于美国的制度、防控措施和贫富差异所造成的，并指出美国存在的问题主要是检测不足。其中，他主要介绍了贫富差异与疫情的关系。以纽约州为例，疫情和贫富分化有相当大的相关性，即收入越高死亡率越低，收入越低死亡率越高。而对全球疫情的预测来说，陈剑博士表示并没有一个较好的预测方法，TMM模型对于相对封闭的环境更加准确。但他表示全球疫情的防治需要各国携手共同解决。

随后，陈剑博士通过趋势对比和简单的线性估计，分析了主要国家和地区的防治效率。根据分析结果可以看出：中国除湖北省外地区的防治效率最高，湖北省内由于疫情过于严重，效率有所降低，但都远高于其他国家。韩国改进后的防治效率大大提升。

关于疫情对经济的影响，陈剑博士主要介绍了其3月20日在MSCI上发表的文章“How coronavirus could hurt Chinese consumer”。在该文中陈剑博士就已预测新冠疫情将严重影响中国消费信贷。而截至3月底的消费贷款数据表明预测准确。具体表现为：首次逾期率飙升后下降，低收入人群受冲击更高、低额贷款风险更高、逾期转化率持续恶化、早偿率下降后明显反弹。

最后，陈剑指出未来研究需要回答的几个问题：疫情冲击是暂时，还是持久的？如果是暂时的，多久能够恢复到正常水平？如果是持久的，哪些指标会持续变化，最终稳定？早期逾期的恶化对于最终违约的影响多大？对于不同收入，不同行业，影响有多大？经济、贸易、金融的新常态是什么？他再次强调需要用常识做合理的判断，在外部冲击下，以前的模型可能会失效，需要进一步探索新模型。