CIFER疫情经济学

2020年农历新年前夕，一场百年不遇的新冠肺炎疫情（COVID-19）突袭荆楚，蔓延全国。当前，疫情在我国得到有效控制，但世界范围内仍在蔓延。面对这场疫情危机，纵观全球，世界经济衰退，国际贸易和投资萎缩，国际金融市场动荡、国际交往受限、经济全球化遭遇逆流、一些国家保护主义和单边主义抬头、地缘政治风险上升；向内审视，我国经济正处在转变发展方式、优化经济结构、转换增长动力的攻关期，面临着结构性、体制性、周期性问题相互交织所带来的困难和挑战，疫情冲击下的经济运行面临较大压力。

CIFER中心官网·疫情经济学项目

故此，新冠疫情造成的公共卫生和经济影响以及相应的政策效应亟需国内学术界的研究和关注。清华大学国家金融研究院--国际金融与经济研究中心（CIFER）疫情经济学项目组应运而生。

鞠建东教授首次提出3W3H最优防控模型

疫情经济学研究小组由清华大学五道口金融学院讲席教授、清华大学国家金融研究院国际金融与经济研究中心(CIFER)主任鞠建东发起，陈骁、黄汉伟、孙若琰、张佳梁等国内外公共卫生和经济领域专家学者组成，旨在新经济地理学的框架下考察新冠疫情及防疫措施对于病毒传播、要素流动与经济活动的影响。研究计划将基于人口流动、商品贸易与区域社会经济特征数据，结合实时疫情数据对于模型定量校准和估算，构建疫情成本和经济成本最低的3W3H最优防控模型：区域（where），时点（when），强度（what intensity），范围（how large），时长（how long），执行措施（how to implement），基于最优防控模型建立系统防控体系。

CIFER疫情经济学文献速递将收集推送国内外关注新冠疫情的公共卫生学和疫情经济学前沿学术论文，并持续更新，旨在提供学术和政策参考。敬请关注，一起在疫情经济学文献的海洋中乘风破浪。（文献仅代表文献原作者个人观点）

文献摘要：

A Multi-Risk SIR Model with Optimally Targeted Lockdown

Authors：Daron Acemoglu, Victor Chernozhukov, Iván Werning, and Michael D. Whinston

We develop a multi-risk SIR model (MR-SIR) where infection, hospitalization and fatality rates vary between groups—in particular between the “young”, “the middle-aged” and the “old”. Our MR-SIR model enables a tractable quantitative analysis of optimal policy similar to those already developed in the context of the homogeneous-agent SIR models. For baseline parameter values for the COVID-19 pandemic applied to the US, we find that optimal policies differentially targeting risk/age groups significantly outperform optimal uniform policies and most of the gains can be realized by having stricter lockdown policies on the oldest group. For example, for the same economic cost (24.3% decline in GDP), optimal semi–targeted or fully-targeted policies reduce mortality from 1.83% to 0.71% (thus, saving 2.7 million lives) relative to optimal uniform policies. Intuitively, a strict and long lockdown for the most vulnerable group both reduces infections and enables less strict lockdowns for the lower-risk groups. We also study the impacts of social distancing, the matching technology, the expected arrival time of a vaccine, and testing with or without tracing on optimal policies. Overall, targeted policies that are combined with measures that reduce interactions between groups and increase testing and isolation of the infected can minimize both economic losses and deaths in our model.

文献摘要（译文）：

异质风险SIR模型下的最优封锁政策

文章构建了允许异质风险的SIR模型（Multi-risk SIR），其中不同年龄组-年轻人，中年人和老年人-组间的感染率，住院率和死亡率之间存在差异。MR-SIR模型能够对最优政策进行易于处理的定量分析，与基于同质SIR模型的背景下已经制定的政策类似。根据美国COVID-19大流行的数据设定模型的基线参数值，发现以风险的差异性针对不同年龄组实施的最优政策，显著胜过同质的最优政策；其中大多数改善是通过对年龄最大的群体实施更严格的封锁（lockdown）政策实现的。例如，在相同的经济成本（GDP下降24.3％）的情况下，相对于同质的最优政策，针对年龄组的半目标或完全目标化的最优政策能够将死亡率从1.83％降低到0.71％（也就是挽救了270万人的生命）。直观上，对最弱势群体实行严格而长期的lockdown既可以减少感染，又允许较低风险的群体受到的限制更少。文章还研究了不同情境下的社交距离，病毒传播曲线，疫苗预计研发成功的时间，以及检测对于最优lockdown政策效果的影响。总体而言，针对年龄组的政策与减少群体之间的互动、增加对受感染者的检测和隔离的措施相结合，可以使文章模型中的经济损失和死亡最小化。

原文链接：http://www.nber.org/papers/w27102

原文链接：http://www.nber.org/papers/w27102