【主讲】陈剑，博士，信风金融科技的创始人兼CEO
【主题】定量分析模型在新冠疫情预测上的应用
【时间】2020年5月13日（周三）上午 10:00am
【地点】线上：zoom软件，会议ID: 649 2358 1681
【语言】英文
【主办】管理科学与工程系
【简历】陈剑博士简历
陈剑博士现任信风金融科技的创始人兼CEO，财新智库高级顾问，财新传媒专栏作家，《文汇报》影评专栏作家，《南风窗》时评专栏作家，上海金融系统知联会理事，世界华人不动产学会副秘书长。曾担任点石金融服务集团管理合伙人，美国安富金融工程集团董事总经理，美国联邦房贷公司（“房地美”）的信用风险及建模总监，美国花旗银行信用风险副总裁，美国国民房贷协会（“房利美”）的信用风险管理总监。他同时在上海高级金融学院担任兼职教授，北京大学国发院-纽约福坦莫大学管理金融博士班客座教授，曾担任约翰霍普金斯大学兼职教授。他在西安交通大学获得电机工程学士，上海交通大学获得电机工程硕士，美国马里兰大学史密斯商学院获得管理科学博士学位，专业方向为量化金融。
【Speaker】Jian Chen, Ph.D., CEO, XinFeng Financial Technology.
【Topic】The quantitative model of credit risk for the prediction of COVID-19 outbreaks
【Time】Wednesday, May 13, 2020, 10:00am
【Venue】Online: zoom, Meeting ID: 649 2358 1681
【Language】English
【Organizer】Department of Management Science and Engineering
【Abstract】
陈剑博士最近把量化金融领域的转移矩阵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，并受邀在美国智库布鲁金斯学会论坛与张文宏，何大一等多名全球顶尖医学专家探讨新冠疫情，分享预测模型经验。 陈剑博士主要运用了常用于信用风险分析的状态转移矩阵模型，对于新冠疫情进行预测。传统的SIR系列模型严重依赖校准的参数（主要是R0），这造成了模型稳定性、敏感性、准确性等方面较严重的问题。而状态转换矩阵模型在新冠疫情预测中的关键创新是以下三点：1.它非常便于预测中间状态，如接受医学观察、解除医学观察、非重症、重症、危重症、治愈、死亡等；2.不需要太多的参数估计，主要是由经验概率驱动，减小了模型误差;3. 它将所有政府预防措施都视为嵌入到观察到的概率中，而非由理论模型驱动。因此，该模型大大提高了预测的灵活性、稳定性、准确性。 自2020年4月以来，陈剑博士已在多家高校、金融机构、社会机构做疫情及经济相关演讲30余场，包括北京大学、复旦大学、上海交通大学、浙江大学、上海财经大学、浙江工业大学、暨南大学、马里兰大学等高校机构；工商银行、建设银行、中国银行、农业银行、交通银行、邮储银行、中信银行、华夏银行、广发证券、美林证券、德邦证券等金融机构；外汇交易中心、资本市场学院等社会机构。媒体合作包括财新视频、央视频、东方卫视、腾讯视频、抖音视频、快手视频、B站、今日头条等，估计观看人次上千万。
Dr. Chen Jian has recently used the quantitative model of credit risk for the prediction of COVID-19 outbreaks. This approach is proven to be more robust, flexible, and accurate, compared with most traditional epidemiology models. He has published several medical papers with his medical colleagues. He has been invited to discuss the Asian experiences with Dr. Zhang Wenhong, Dr. David Ho, along with other leading experts at the Brookings Institution online forum, to share insights about the predictive model.
Traditional SIR-type models rely heavily on calibrated parameters, which poses serious modelling challenges, regarding model stability, sensitivity, and accuracy. This new approach applies state conversion matrix techniques in coronavirus infection and treatment predictions. The key innovation is trifold: 1. It is a flexible model which can predict the intermediate states; 2. It doesn't need too much parameter estimation and is mainly driven by empirical probabilities; 3. It treats all the government preventive measures as embedded in the observed probabilities. Thus, this model greatly improves the predictive power.
Since April 2020, Dr. Chen has given more than 30 presentations about the forecast model to various universities, financial institutions, and regulatory agencies, with an estimated audience more than 10 million via media broadcasting.
