杂志的下一篇文章
欧洲银行的绩效和效率
特刊下一篇
一次新冠肺炎诊断测试就足够了吗？
期刊上的上一篇文章
动态约束光滑B样条预测利率期限结构
特刊上一篇文章
停课不辍学：新冠肺炎疫情中的中国教育应急管理政策
 
 
搜索用于文章:
标题/关键字
作者/附属机构/电子邮件
日记账
文章类型
 
 
高级搜索
 
章节
特别发行
体积
发行
编号
第页
 
期刊销售
JRFM公司
第13卷
第4版
10.3390日元/日元13040066
jrfm标志
提交到此日志 本期刊的评论 提出特殊问题
► 文章菜单

文章菜单

分享 分享 公告 帮助 format_quote格式 引用 问题_答案 在SciProfiles中讨论 竖起拇指（_U）
...
背书 短信
...
注释
第一页（_P）
设置
订购文章重印
字体类型：
宋体 佐治亚州 宋体，Verdana
字体大小：
澳大利亚 澳大利亚 澳大利亚
行距：
列宽：
背景：
第条

风险预测和评估：新冠肺炎的持续时间、感染和死亡人数及其对中国经济的影响

通过
晓光悦
1,2,3,
薛凤韶
4,*,
丽塔·伊曼丽
5,
M.James C.Crabbe先生
6,7,8,
莉莉·米
9,
胡思燕
10,*,
朱利安·S·贝克
11,
刘立亭（Liting Liu）
12和
可晨东
13
1
塞浦路斯尼科西亚1516，塞浦路斯欧洲大学科学院计算机科学与工程系
2
葡萄牙波尔图理工学院商业科学和信息系统研究与创新中心，4610-156 Felgueiras
三
Rajamangala理工大学Rattanakosin国际创意创业学院，泰国Nakhon Pathom 73170
4
悉尼大学国际商务学科，悉尼，新南威尔士州，2006年，澳大利亚
5
香港树仁大学可持续发展房地产研究中心香港SYU房地产与经济研究实验室经济与金融系，中国香港999077
6
英国牛津OX2 6UD牛津大学沃尔夫森学院
7
英国卢顿贝德福德大学生物医学与环境科学技术研究所
8
山西大学生命科学学院，太原030006
9
澳大利亚昆士兰州布里斯班格里菲斯大学格里菲斯商学院商业战略与创新系，邮编4111
10
国际工程技术学院，中国香港999077
11
中国香港九龙塘香港浸会大学体育与健康系健康与运动科学研究中心，邮编999077
12
加拿大萨斯喀彻温大学土壤科学系，地址：51 Campus Drive，Saskatoon，SK S7N 5A8
13
澳大利亚南澳大利亚州阿德莱德市阿德莱德市阿德雷德大学阿德莱特商学院，邮编：5000
 
添加显示完整的从属关系列表
 
去除隐藏完整的从属关系列表
*
应向其发送信件的作者。
J.风险财务管理。 2020,13(4), 66;https://doi.org/10.3390/jrfm13040066
收到的提交文件：2020年2月13日/修订日期：2020年3月23日/接受日期：2020年3月30日/发布日期：2020年4月3日
（本文属于特刊新冠肺炎的风险管理及其对经济的影响)
浏览地物
版本注释

摘要

:
本研究首先分析了2019年出现的冠状病毒疾病（COVID-19）的国家和全球感染状况。然后，通过与严重急性呼吸综合征（SARS）图的比较，使用趋势比较法预测新冠肺炎病毒的拐点和关键点，然后使用自回归综合移动平均模型、自回归移动平均模型，季节性自回归综合移动平均值和外生回归，以及霍尔特-温特指数平滑法预测中国的感染、死亡和GDP。最后，它讨论并评估了这些结果的影响。本研究认为，即使疫情的风险和影响很大，中国经济也将继续保持稳定发展。

1.背景

随着人类活动的增加，我们的自然环境发生了重大变化。2020年，中国野生动物引起的疫情将继续增加。非洲猪瘟在野猪群中发生和进一步传播的风险更高，与之不同的是，禽流感、狂犬病、鼠疫和其他人畜共患传染病病原体向人类传播的风险依然存在(凤凰新闻，未注明日期。). 2019年12月，发生了一次新的病毒爆发，但尚未得到完全控制。因此，我们启动了对这种新型肺炎病毒的研究，以基于智能信息处理方法预测其持续时间、感染、死亡人数以及对中国经济的影响，以进行风险评估(Luo等人，2020年).
武汉爆发的新型冠状病毒肺炎（COVID-19）迅速蔓延至中国和世界各地。因为还没有开发出治疗冠状病毒的药物(Li和Clercq 2020)，疫情对经济发展造成负面影响(Yue等人，2020年)及其社会后果(Liu等人，2020年;Wang等人2020).
从2019年12月31日至2020年2月1日上午7时30分，中国确诊患者、死亡和疑似患者的数量日益增加，如图1，具体的每日数据显示在表1(2020年中华人民共和国国家卫生委员会).
该疾病蔓延至各省、市、自治区，其中湖北省疫情最为严重。图2显示了中国确诊患者（紫色）和死亡人数（橙色）(MedSci未注明日期。)，死亡人数最多的是湖北省。
表2显示了截至2020年2月1日上午7点30分，各省、直辖市和自治区的感染人数和死亡人数(MedSci未注明日期。)湖北省占死亡人数的96.23%（204/212），占确诊患者的59.17%（5806/9812）。
疫情还蔓延到其他国家，包括泰国、日本、新加坡、韩国、澳大利亚、马来西亚、美国、德国、法国、阿拉伯联合酋长国、加拿大、越南、英国、俄罗斯、意大利、尼泊尔、柬埔寨、斯里兰卡、芬兰和印度(图3).表3显示每个国家的感染人数(医学科学编号。)截至2020年2月1日上午07:30。

2.方法和结果

风险因素的识别很重要，可以使用各种方法进行(He等人2019年). 这项研究只预测了持续时间、感染人数和死亡人数，以及病毒对经济的影响，因为有关新冠肺炎的数据有限。然而，这三个风险点非常重要。它们不仅提供有用的公共健康和安全信息，而且还为经济和政策制定提供有用的见解。本研究使用2019年1月20日至2020年1月31日的公开数据，将新型冠状病毒肺炎与严重急性呼吸综合征（SARS）进行比较并做出预测。预测主要分为以下三个部分：持续时间、感染和死亡以及对中国经济的影响。

2.1. 持续时间

预测持续时间主要基于曲线比较。首先，本研究基于SARS数据绘制了感染人数、死亡人数和治愈人数的曲线；然后，根据曲线和数据找到拐点（IP）和关键点（EP）；最后，计算了新型冠状病毒肺炎的IP和EP。整个过程的示意图如所示图4.
第一步，这项研究将新冠肺炎与SARS数据进行了比较，以分析和预测病毒继续感染人类的时间。世界卫生组织（WHO）关于SARS确诊病例数（2003年）、死亡人数和康复情况的数据见表4，2003年3月27日至7月11日中国SARS感染数据显示于图5.
根据SARS数据，我们确定了两个关键时间点，一个是拐点（IP）。IP是指受感染者没有明显恶化的时间。本研究认为，当每天增加的疑似病例数等于每天增加的病例数时，病情稳定并达到IP。根据表5和图6根据多项式方法，我们预测IP将于2020年2月8日出现。根据中国疾病预防控制中心消毒检测中心主任张刘波教授的判断，结合媒体报道，我们将SARS的IP设置为2003年5月14日(2003年中央电视台;2012年中央电视台;2017浙江新闻)以及截至2003年7月11日的KP（关键点）。然后，我们计算出新型冠状病毒肺炎的KP为2020年2月19日。
IP（新冠肺炎）=39天（2019年12月31日至2020年2月8日）
IP（SARS）=194天（2002年11月1日至2003年5月14日）
KP（SARS）=252天（2002年11月1日至2003年7月11日）
39/（194/252）=50.65天≈50天（数据滞后，向前取一天）
KP（新冠肺炎）=50天（2019/12/31–2020/02/19），关键点日期为2020年2月19日。
孵化期=24天(关伟杰等人，2020年)
持续时间（新型冠状病毒肺炎）=50+24=74天（2019年12月31日至2020年3月14日）
因此，我们预测的持续时间为74天（截至2020年3月14日）。

2.2. 感染和死亡

以前的研究人员（例如。，Myers等人，2000年;Ong等人，2010年;Tizzoni等人，2012年)开展了疫情趋势预测工作。通常调查两个问题：一个与地理发展有关，另一个与时间序列有关。对于前者，如果重点放在准确性和泛化上，则全球疫情和流动模型在城市流动性跟踪和预测方面很受欢迎，前提是应及时、全面地跟踪和保持感染者的传播轨迹。例如，根据世卫组织的总结，2003年SARS爆发时，超级传播者的旅行记录，包括他们居住的地方、乘坐的公共交通工具以及可能接触过他们的人。然而，过重的交通系统和春节期间巨大的人口流动使新冠肺炎的感染者或携带者成倍增加。与2003年的SARS相比，这增加了我们追踪所有感染者和携带者活动的难度。因此，我们关注新病毒的时间序列发展。时间序列发展包含三个组成部分：趋势、季节和周期。这三个因素应同等考虑。自回归滑动平均模型（ARMA）和自回归综合移动平均模型（ARIMA）广泛用于金融、商业、房地产和流行病的时间序列分析和预测。ARIMA基于ARMA，包括集成。如果数据集拒绝平稳假设，这证明数据集是平稳的，ARMA是执行预测的更好选择。相反，如果不能拒绝假设，则数据集不是平稳的，因此应采用ARIMA。应对ARIMA中的训练数据进行多次差分，以确保下一步的平稳序列(李和洲2016;莫利森1977;莱利2007;Valipour等人，2013年;Nieto等人，2018年). 流程图如所示图7.
以患者人数为例，P值为0.8。这表明我们可以拒绝平稳假设。为了进行分析，我们设置
X（X） t吨 = c（c） +   ∑ 我 = 1 第页 φ 我   X（X） t吨 − 我 +   ε t吨 ,   t吨 ∈ { 1 ,   2 ,   三 ⋯ ,   N个 }
哪里 φ 1 ,   φ 2 ,     ⋯   φ 第页 是参数， c（c） 是一个常数，而随机变量 ε t吨 是白噪音。 X（X） t吨 代表时间序列。N代表长度 X（X） t吨 .
在本例中，我们将患者、死亡或疑似病例的增长视为一系列随时间变化的数据。时间序列的自协方差可以表示为：
C类 o个 v（v） k个 = E类 ( ( X（X） t吨 − μ ) ( X（X） k个 − μ ) )
为了排除不同样本规模的影响，我们引入了基于协方差的相关性，其中相关性是相对于协方差的无标度度量。
C类 o个 第页 第页 [ X（X） t吨 ,   X（X） k个 ] = C类 o个 v（v） [ X（X） t吨 ,   X（X） k个 ] V（V） [ X（X） t吨 ] V（V） [ X（X） k个 ] = σ 12 σ 1 σ 2 ,   V（V） [ X（X） ] = σ 2
由于我们在这里比较了同一时间序列中不同时隙的元素，并使用自相关来衡量以前的性能对当前数据的影响：
A类 C类 F类 ( k个 ) = ∑ t吨 = k个 + 1 N个 ( Z轴 t吨 − Z轴 ¯ ) ( Z轴 k个 − Z轴 ¯ ) ∑ t吨 = 1 n个 ( Z轴 t吨 − Z轴 ¯ ) 2
它定义为基于时间间隔描述不同时隙上两个元素之间的关系，以发现随时间推移的模式。然而，这里的ACF是t元素与k滞后中的一个元素之间的相关性。实际上，这不仅仅是关于 Z轴 t吨 和 Z轴 t吨 − k个 .因为 Z轴 t吨 也会受到它们之间的元素的影响，例如。 Z轴 t吨 − 1 ,   Z轴 t吨 − 2 ,   ⋯ ,   Z轴 t吨 − k个 + 1 这些要素也与 Z轴 t吨 和 Z轴 t吨 − k个 所以我们在这里引入了偏自相关（PACF）。它消除了 Z轴 t吨 和 Z轴 t吨 − k个 .
然后我们绘制了自相关和偏自相关的两个图。
自相关如所示图8:
偏自相关如所示图9:
根据这两个情节，我们知道 第页 = 2 和 q个 = 2 ，并使用Akaike信息准则估计器生成 第页 = 2 和 q个 = 2 再次进行验证，两者相等。或者，我们可以使用自动参数修改Python库生成模型（Pyramid_Arima），如所示图10这里，p代表模型中包含的滞后观测值的数量，也称为滞后阶数，d是原始观测值差异的次数，也称为差异程度。q是移动平均窗口的大小。
无论是在PACF还是ACF中，k滞后后都没有明显的低相关性，因此我们使用ARMA进行预测。为了澄清，如果仅在ACF中k滞后后存在明显的相关性，我们使用移动平均（MA）；如果我们只在PACF中使用了自回归（AR）。如果两者都不存在相关性，则使用ARMA。在ARMA条件下，如果随时间推移的性能稳定，则使用了ARMA；如果不稳定，我们使用ARIMA处理随机不稳定。
通过计算，我们获得了2020年3月20日的预测结果；同时，我们假设在3月20日之后，情况会变得稳定，并且数量不会有重大变化。结果如所示表6,图11,图12和图13.
我们的预测结果表明，到2020年2月19日，新冠肺炎将得到有效控制，预计感染患者人数将达到133548人，死亡人数预计达到1517人，病死率（CFR）为1.14%。此后，感染和死亡人数将稳定在这两个值。情况将逐渐稳定，越来越多的人将康复，社会生产活动应在2020年3月14日后开始恢复正常。

2.3. 对中国经济的影响

由于中国经济体系的复杂性，本研究重点关注新冠肺炎对工人收入的影响以及对中国GDP的影响。个人收入代表中国的微观经济，GDP代表中国的宏观经济。对工作的影响在下一节中，该节预测了GDP。
为了实现这些目标，我们从(国家统计局，未注明日期。)，如所示表7.
根据中国国家统计局的数据，过去20年我们的GDP有上升趋势(图14). 问题是，这一趋势是否与贸易战和新冠肺炎的滞后保持同步。
图14表明随着2019年第二季度贸易战问题的恶化，国内生产总值持续上升。国内生产总值的增长有所下降，可能表明数据不断恶化，有可能出现更大幅度下降的风险，但由于中国人民银行（PBOC）努力帮助国内企业，例如增加流动性，很快就恢复了。然而，在世界其他地区，例如美国，自7月以来，美联储大幅削减了广泛的借贷成本，中国人民银行一直在努力保持渐进的做法。这是抑制债务再膨胀泡沫的有效手段。
2019年12月，新型冠状病毒疫情在中国中部地区爆发。这引起了人们对供应和需求连锁反应的担忧，无论它们是外围的还是国内的。穆迪分析公司（Moody’s Analytics）经济学家卡特里娜·埃尔尔（Katrina Ell）已经表达了她对中国2020年国内生产总值（GDP）5.4%的悲观看法(彭博资讯2020).
由于SARS疫情对中国经济产生了负面影响，我们将2003年和2020年的数据培训都标注为相同的特征(表8). 考虑到SARS影响的四个季度（2002Q4、2003Q1、2003Q2和2003Q3），我们预测新冠肺炎将在3月14日前得到控制，人们仍需要至少一到两个月的时间来恢复信心，因此我们根据三季度模型（2019Q4、2020Q1和2020Q2）计算了这些数字。
在研究了平稳水平之后，我们得出了如下所示的统计参数表9.
GDP预测是一个复杂的过程，受许多经济变量的影响。在这里，我们没有深入讨论在计算GDP时如何考虑这些因素。我们将探讨数据中的时间关系。
图14表明没有明显的趋势。通常在经济或商业行业中，会考虑循环性能。由于我们可以看到有一个固定的季节（季节=4），并且周期用于定义一个不固定的模式，因此我们确认了GDP分布的表现，没有趋势，季节=4。
因此，我们有两种可能的模型：
-
带有外源回归因子的季节性自回归综合移动平均值（SARIMAX）
-
霍尔特-温特指数平滑（HWES）
SARIMAX是SARIMA的扩展，包括外生变量的建模。在一个经济体中，总是有一些外生变量，这些变量在数据中没有关系，而是通过外围效应输入的。在这里，我们将流行病和时间视为对回归外生变量的考虑。SARIMAX模型摘要如所示图15:
HWES包含三个指数加权线性观测函数。其中一个工作在指数平滑的前一时间步。如果数据集既不包含趋势也不包含季节趋势，则使用单指数平滑；如果它包含趋势，则考虑双重平滑；如果观察到季节性趋势，则使用三指数平滑。模型摘要如所示图16:
本研究使用Python库统计模型探索了如下所列的方法和GDP数据集的预测表10和图17:
此外，分布图如下所示图17:

3.持续时间、感染次数和死亡分析

根据之前的分析，我们总结了新冠肺炎和SARS的持续时间、感染人数和死亡人数。

3.1. 持续时间

我们比较了爆发时间，发现这两种病毒之间存在高度相似性。两种病毒的持续时间比较如所示表11。无论传统的流行病模型如何，我们得出的结论是，新冠肺炎的转染率是SARS的57.87倍，如图18.
2020年，有366天，其中74天将受到新冠肺炎病毒的影响。相比之下，2003年SARS影响了191天，如图19从持续时间来看，新冠肺炎正在迅速蔓延，但它在中国的影响可能不会比2003年的SARS更持久。

3.2. 感染和死亡

从2002年到2003年，SARS也在中国肆虐。根据世界卫生组织(2003)，这两种病毒在爆发的区域和持续时间方面非常相似，如表12和图20.
如前所述，中国的大多数死亡（96.23%）集中在湖北省。本研究查阅了湖北省卫生委员会(2020)有关本研究期间32名已故患者的信息，请参见表13.
SARS的病死率是新冠肺炎的8.34倍。新冠肺炎的感染人数和死亡人数分别是SARS的17.22倍和2.09倍。就病死率、死亡率和感染率而言，2019-2020年，更多的人感染了新病毒，但病死率并不高。死者的平均年龄为71.3岁。死者的预期寿命是2020年湖北省预期寿命的92.2%，即77.3岁(2017年湖北省卫生委员会)这表明这种疾病的死亡率可能没有预期的那么惊人。
此外，除湖北省外，其他省、直辖市和自治区的成本加成率很低（接近0表14)，我们推测湖北省相对较高的死亡率是由以下三个因素造成的：
(1)
感染者担心这种病毒。这对免疫系统产生了负面影响。此外，医生和患者之间的紧张关系以及患者护理满意度下降等其他因素也会影响患者的情绪。
(2)
感染者和疑似患者太多，其中许多人被送往医院。一方面，由于医院床位不足，发生了交叉感染。
(3)
湖北省有许多老年人感染。他们中的许多人还患有其他潜在疾病(湖北省卫生健康委员会2020).
总之，这些因素导致湖北省的死亡率相对较高。

4.对中国经济的影响分析

我们从不同类型的工作和GDP增长率两个方面分析了新冠肺炎对中国经济的影响。

4.1. 基于工作类型的分析

根据职业特征，中国的工作可以分为四类，我们分别进行了分析。

4.1.1. 政府部门、机构和国有企业的国家工作人员

国家部门由国家设立和管理，工资在全国范围内协调，因此收入不会受到影响。

4.1.2. 私营企业员工

（1） 对私营企业的不利影响相对更为严重。它包括餐饮、旅游、电影、交通和其他行业。最近几个月，这些行业可能已经完全关闭。
（2） 大中型私营企业的员工收入可能相对稳定，因为企业的资本流动通常稳定而强劲。然而，当欧洲和美国的新冠肺炎导致商品和服务需求大幅下降时，一些企业损失严重。如果新冠肺炎疫情没有很快结束，这些公司可能存在流动性问题。。
（3） 小型和微型私营公司可能会受到严重破坏，无法向员工支付工资。因此，此次疫情可能导致破产，甚至最终倒闭。

4.1.3. 短期和自由职业人员

服务员、外来务工人员和现场广播员就是短期自由职业人员的例子。
（1） 短期和自由职业者，例如：服务员、农民工，可能会失业或遭遇减薪。因为餐馆服务员等工作不能在家工作，他们必须在疫情爆发期间停止工作。
（2） 中国现在是自由直播电视的热门新市场；这些广播公司的收入也受到了不利影响。他们的收入通常分为两部分：签约公司发放的基本工资和观众（粉丝）赠送的礼物。对于粉丝较少的直播商来说，收入可能不会受到影响，他们中的大多数还没有被平台签约，正常的直播收入也很小。对于拥有大量粉丝的直播电视台来说，收入的影响更大。由于经济寒冬的到来，签约公司可能面临现金流困难，并且由于收入损失，粉丝也会减少甚至不赠送礼物。

4.1.4. 农业、林业、畜牧业和渔业生产人员

由于对其生产活动的限制，他们的收入预计会受到一定程度的影响，因为这些工人中的大多数能够保证基本生活的自给自足。

4.1.5. 总结

就基本生活保障而言，影响可能没有那么大，但考虑到许多工人，尤其是第二、第三和第四类工人，可能会考虑抚养孩子或抵押贷款、汽车贷款等。他们不稳定的收入将迅速产生影响。此外，第二类和第三类员工的上级单位和老板如果面临资金短缺问题，也可能给员工的生活带来困难。
本国工作人员的收入不会受到影响。短期内，非国有工人的收入将大幅下降，失业率将上升；新兴市场跨国企业无法实现创新绩效的提升(Mi等人，2020年). 然而，随着全面建设和经济复苏，预计2020年3月14日后收入将逐步稳定。

4.2. 国内生产总值

根据之前的预测结果，计算出2020年的经济增长率为7.9%(表15). 考虑通货膨胀和2019年实际经济增长率等因素(宁2020)该研究预计2020年的增长率为6.7%。随着近几个月的紧缩，经济发展可能会出现报复性反弹。

5.结论

首先，通过分析国内外的环境和形势，本研究发现疫情正在恶化。因此，我们获得了有关新冠肺炎病毒感染、死亡和疑似患者的官方数据。我们的结果表明，湖北省，特别是武汉市的情况变得非常严重。与此同时，病毒已逐渐传播到世界其他地方。
其次，本研究使用趋势比较法ARMA和ARIMA进行数据分析和预测。通过对比分析，我们发现，新冠肺炎的关键日期将于2020年2月19日获得，疫情将于2020年3月14日得到全面控制。同时，我们预测了感染和死亡人数以及GDP的增长。
第三，本研究分析了病毒的持续时间。虽然疫情传播迅速，但其影响比非典时期短得多，只有75天。此外，感染人数估计为133548人，死亡人数为517人。病死率（%）明显低于SARS。
最后，本研究分析了新冠肺炎对经济的影响。通过对不同类型工作的分析，得出结论，私营企业及其员工、自由职业者以及农业、林业、畜牧业和渔业人员受到的影响更为严重。这些结果可能会引起其他感染新冠肺炎的国家的关注。最后，我们的研究预测，2020年中国的实际GDP增长率将为6.7%，这比预期要好。

作者贡献

概念化，X.-G.Y.和X.-F.S。；方法，X.-G.Y.和S.H。；软件，X.-G.Y.和S.H。；验证，M.J.C.C.、X.-G.Y.和S.H。；书面原稿编制，X.-G.Y.、X.-F.S.和S.H。；写作-审查和编辑，M.J.C.C.、R.Y.M.L.、L.M.、J.S.B.、L.L.和K.D.所有作者均已阅读并同意手稿的出版版本。

基金

这项研究没有得到外部资助。

利益冲突

作者声明没有利益冲突。

工具书类

  1. 彭博社，2020年。2020年中国GDP预测修正为5.4%。在线提供：https://www.bloomberg.com/news/videos/2020-02-05/our-china-gdp-forrecast-revised-to-5-4-in-2020-says-moody-a-analytics-video（2020年2月5日访问）。
  2. 中国中央电视台。2003年，《关于预防和治疗严重急性呼吸系统综合征的特别报告》（2003年5月14日）。在线可用：http://fr.cctv.com/lm/560/31/85961.html（2020年2月5日访问）。
  3. CNTV。2012年，《非典英雄》，在线阅读：http://news.cntv.cn/2012/09/29/ARTI1348893872515797.shtml（2020年2月5日访问）。
  4. Guan、Wei-jie、Zheng-yi Ni、Yu Hu、Wen-hua Liang、Chun-quan Ou、Jian-xing He、Lei Liu、Hong Shan、Chun-Liang Lei、David S.C.Hui等，2020年。中国2019新型冠状病毒感染的临床特征。药物Rxiv. [谷歌学者] [交叉参考] [绿色版本]
  5. 他、韩、李思成、胡林、杜阿尔特、曼塔和岳小光。2019.基于Logistic回归算法的可持续担保网络风险因素识别。持续性11: 3525. [谷歌学者] [交叉参考] [绿色版本]
  6. 湖北省卫生委员会。2017年，《湖北省卫生与健康发展第十三个五年规划》。在线可用：http://wjw.hubei.gov.cn/bmdt/mtj/mtgz/201910/t20191030_161998.shtml（2020年2月5日访问）。
  7. 湖北省卫生委员会。2020年湖北省卫生委员会关于新型冠状病毒感染肺炎的报告。在线可用：http://wjw.hubei.gov.cn/fbjd/tzgg/（2020年2月5日访问）。
  8. 李、丽塔·伊曼和广荣洲。2016国际住房市场的计量分析伦敦：劳特利奇。[谷歌学者]
  9. Li、Guangdi和Erik De Clercq。2020年2019年新型冠状病毒（2019-nCoV）的治疗方案。自然评论药物发现. [谷歌学者] [交叉参考] [公共医学] [绿色版本]
  10. 刘伟；小光岳和保罗·B·川武。2020年，应对新冠肺炎疫情：中国的经验及其对其他国家的影响。国际环境研究与公共卫生杂志17: 2304. [谷歌学者] [交叉参考] [公共医学] [绿色版本]
  11. 罗玉萌、刘伟、岳小光和马克·罗森。2020.基于智能信息处理的可持续应急管理。持续性12: 1081. [谷歌学者] [交叉参考] [绿色版本]
  12. 医学科学。n.d.新冠状病毒感染肺炎暴发的实时动态。在线提供：http://m.medsci.cn/wh.do（2020年2月5日访问）。
  13. Mi、Lili、Xiao-Guang Yue、Xue-Feng Shao、袁飞康和刘玉龙。2020年。战略资产寻求和创新绩效：创新能力和东道国机构的作用。风险与财务管理杂志13: 42. [谷歌学者] [交叉参考] [绿色版本]
  14. 丹尼斯·莫利森。1977.生态和流行病传播的空间接触模型。英国皇家统计学会杂志：B辑（方法学）39: 283–313. [谷歌学者] [交叉参考]
  15. Myers、Monica F.、D.J.Rogers、J.Cox、Antoine Flahautt和Simon I.Hay。2000.预测疾病风险，以提高公共卫生防疫能力。寄生虫学进展47: 309–30. [谷歌学者] [交叉参考] [公共医学] [绿色版本]
  16. 国家统计局。n.d.在线提供：http://data.stats.gov.cn（2020年2月5日访问）。
  17. 中华人民共和国国家卫生委员会。2020年疫情通知。在线可用：http://www.nhc.gov.cn/xcs/yqtb/list_gzbd.shtml（2020年2月5日访问）。
  18. 尼托、普杰·加西亚、F.Sánchez Lasheras、E.García-Gonzalo和F.J.de Cos Juez。2018年，使用基于SVM、MLP、VARMA和ARIMA的模型预测奥维耶多（西班牙北部）大都市区的PM10浓度：案例研究。整体环境科学621: 753–61. [谷歌学者] [交叉参考] [公共医学]
  19. 宁，吉哲。2020年，中国经济运行十大亮点。求是3。在线可用：http://www.qtheory.cn/dukan/qs/2020-02/01/c_1125497444.htm（2020年2月5日访问）。
  20. Ong、Jimmy Boon Som、I.Mark、Cheng Chen、Alex R.Cook、Huey Chyi Lee、Vernon J.Lee，Raymond Tzer Pin Lin、Paul Ananth Tambyah和Lee Gan Goh。2010年。利用来自新加坡全科诊所和家庭医生诊所的流感样疾病，实时监测和预测2009年H1N1流感疫情。公共科学图书馆5:e10036。[谷歌学者] [交叉参考] [公共医学] [绿色版本]
  21. 凤凰城新闻。截至目前，湖南、新疆已连续五次爆发禽流感，主要动物疫情依然严重。在线可用：网址：http://news.ifeng.com/c/7thkaALbJfC（2020年2月5日访问）。
  22. 史蒂文·莱利。2007年，传染病的大规模空间传播模型。科学类316: 1298–301. [谷歌学者] [交叉参考] [公共医学] [绿色版本]
  23. 蒂佐尼（Tizzoni）、米歇尔（Michele）、保罗·巴贾迪（Paolo Bajardi）、奇亚拉·波莱托（Chiara Poletto）、何塞·J·拉马斯科（JoséJ.Ramasco）、杜伊古·巴尔坎（Duygu Balcan）、布鲁诺·冈萨维斯（Bruno Gonçalves）、尼古拉·佩拉（Nicola Per。2012.全球疫情传播的实时数值预测：2009年A/H1N1pdm病例研究。BMC医学10: 165. [谷歌学者] [交叉参考] [公共医学] [绿色版本]
  24. 瓦利普尔、穆罕默德、穆罕默德·易卜拉欣·巴尼哈比卜和赛义德·马哈茂德·雷萨·贝赫巴哈尼。2013年，ARMA、ARIMA和自回归人工神经网络模型在预测Dez大坝水库月流入量中的比较。水文学杂志476: 433–41. [谷歌学者] [交叉参考]
  25. 王传毅、郑哲、岳晓光和迈克尔·麦卡勒。2020年，中国大学对新冠肺炎的风险管理。风险与财务管理杂志13: 36. [谷歌学者] [交叉参考] [绿色版本]
  26. 世界卫生组织。2002年。2002年11月1日至2002年8月7日按国家分列的SARS病例汇总表。在线可用：https://www.who.int/csr/sars/country/country2003_08_15.pdf？ua=1（2020年2月5日访问）。
  27. 世界卫生组织。2003年，《非典：疫情现状和近期教训》，WHA 56。5月20日。在线可用：https://www.who.int/csr/media/sars_wha.pdf？ua=1（2020年2月5日访问）。
  28. 岳小光、邵雪峰、李丽塔、M.詹姆斯·C·克拉布、米丽丽、胡思燕、朱利安·S·贝克和梁刚。2020年，中国武汉新型冠状病毒风险管理分析。风险财务管理杂志13: 22. [谷歌学者] [交叉参考] [绿色版本]
  29. 浙江新闻。2017年，反SARS 14周年视频记忆：那些我们可能忘记的时刻。在线提供：https://zj.zjol.com.cn/news/675120.html（2020年2月5日访问）。
Jrfm 13 00066 g001 550型
图1。过去一个月的确诊患者和死亡人数。
图1。过去一个月确诊患者和死亡人数。
Jrfm 13 00066 g001型
Jrfm 13 00066 g002 550型
图2。截至2020年2月1日上午7时30分，中国感染患者人数和死亡人数示意图。
图2。截至2020年2月1日上午7时30分，中国感染患者人数和死亡人数示意图。
Jrfm 13 00066 g002型
Jrfm 13 00066 g003 550型
图3。世界各地感染患者人数示意图。
图3。世界各地感染患者人数示意图。
Jrfm 13 00066 g003型
Jrfm 13 00066 g004 550型
图4。新型冠状病毒肺炎持续时间计算方法示意图（作者图）。
图4。新型冠状病毒肺炎持续时间计算方法示意图（作者图）。
Jrfm 13 00066 g004型
Jrfm 13 00066 g005 550型
图5。中国SARS确诊病例数、死亡人数和康复患者数。
图5。中国SARS确诊病例数、死亡人数和康复患者数。
Jrfm 13 00066 g005型
Jrfm 13 00066 g006 550型
图6。基于Excel–多项式方法，对疑似病例每天增加和病例数量每天增加的趋势预测。
图6。基于Excel–多项式方法，对疑似病例每天增加和病例数量每天增加的趋势预测。
Jrfm 13 00066 g006型
Jrfm 13 00066 g007 550型
图7。ARIMA和ARMA的时间序列数据分析和预测（预测）过程
图7。ARIMA和ARMA的时间序列数据分析和预测（预测）过程
Jrfm 13 00066 g007号
Jrfm 13 00066 g008 550型
图8。患者数据集的自相关绘图图。k滞后设置在x坐标上，y设置在y坐标上。这表明，随着时间间隔的增大，相关性降低。
图8。患者数据集的自相关绘图图。k滞后设置在x坐标上，y设置在y坐标上。这表明，随着时间间隔的增大，相关性降低。
Jrfm 13 00066 g008型
Jrfm 13 00066 g009 550型
图9。患者数据集的部分自相关图。0.0至1.25和17.0至18.0之间的滞后具有相关性。
图9。患者数据集的部分自相关图。0.0至1.25和17.0至18.0之间的滞后具有相关性。
Jrfm 13 00066克009
Jrfm 13 00066 g010 550型
图10。Pyramid_Arima Python库参数自动更正结果。
图10。Pyramid_Arima Python库参数自动更正结果。
Jrfm 13 00066 g010型
Jrfm 13 00066 g011 550型
图11。预测患者数量。
图11。预测患者数量。
Jrfm 13 00066 g011型
Jrfm 13 00066克012 550
图12。预计死亡人数。
图12。预计死亡人数。
Jrfm 13 00066 g012号
Jrfm 13 00066 g013 550型
图13。预测嫌疑人人数。
图13。预测嫌疑人人数。
Jrfm 13 00066 g013型
Jrfm 13 00066 g014 550型
图14。中华人民共和国2000-2019年GDP（亿元人民币）。
图14。中华人民共和国2000-2019年GDP（亿元人民币）。
Jrfm 13 00066 g014号
Jrfm 13 00066 g015 550型
图15。SARIMAX结果摘要。
图15。SARIMAX结果摘要。
Jrfm 13 00066 g015型
Jrfm 13 00066 g016 550号
图16。HWEX总结。
图16。HWEX总结。
Jrfm 13 00066 g016号
Jrfm 13 00066 g017 550型
图17。GDP（亿元）和三大预测。
图17。GDP（亿元）和三大预测。
Jrfm 13 00066 2017年7月
Jrfm 13 00066 g018 550型
图18。中国的平均病例数（每天）。
图18。中国的平均病例数（每天）。
Jrfm 13 00066 g018号
Jrfm 13 00066 g019 550型
图19。受影响的天数。
图19。受影响天数。
Jrfm 13 00066 g019号
Jrfm 13 00066 g020 550型
图20。SARS与新冠肺炎的比较。
图20。SARS与新冠肺炎的比较。
Jrfm 13 00066 g020型
表
表1。过去一个月确诊患者和死亡人数。
表1。过去一个月确诊患者和死亡人数。
日期累计确诊患者数累计死亡人数累计疑似患者
10/01/20204110
11/01/20204110
12/01/20204110
13/01/2020-4110
14/01/20204110
15/01/20204120
16/01/20204520
17/01/20206220
18/01/2020121三0
19/01/2020198三0
20/01/2020291654
21/01/20204409136
22/01/202057117393
23/01/2020830251072
24/01/20201287411965
25/01/20201975562684
26/01/20202744805794
27/01/202045151066973
28/01/202059741329239
29/01/2020771117012, 167
30/01/2020969221315,238
31/01/202011,79125917,988
表
表2。截至2020年2月1日上午7时30分，中国各省、市、自治区感染和死亡患者人数。
表2。截至2020年2月1日上午7时30分，中国各省、市、自治区感染和死亡患者人数。
省、市或自治区确诊患者人数死亡人数
湖北5806204
浙江5380
广东4360
河南3522
湖南3320
江西2400
安徽2370
重庆2110
山东1840
四川1771
江苏1680
北京1391
上海1351
福建1200
广西870
陕西870
云南830
河北821
黑龙江591
海南521
辽宁480
山西390
天津320
贵州290
甘肃290
内蒙古200
宁夏210
新疆170
吉林140
香港120
台湾100
青海80
澳门70
西藏10
表
表3。截至2020年2月1日上午7时30分，全球感染患者人数。
表3。截至2020年2月1日上午07:30，全球感染患者人数。
国家确诊患者人数
中国9812
泰国19
日本15
新加坡13
韩国11
澳大利亚9
马来西亚8
美国6
德国5
法国5
阿拉伯联合酋长国4
加拿大三
越南2
英国2
俄罗斯2
意大利2
尼泊尔1
柬埔寨1
斯里兰卡1
芬兰1
印度1
表
表4。中国严重急性呼吸系统综合征（SARS）确诊病例数、死亡人数和康复人数。
表4。中国严重急性呼吸综合征（SARS）确诊病例数、死亡人数和康复人数。
日期确诊患者人数死亡人数恢复的数量
27/03/2003117944不适用
28/03/2003124144不适用
29/03/2003128644不适用
31/03/2003134647不适用
01/04/2003150450不适用
02/04/2003191162不适用
03/04/2003193863不适用
04/04/2003199662不适用
05/04/2003203769不适用
07/04/2003217276不适用
08/04/2003222678不适用
09/04/2003226980不适用
10/04/20032307851184
11/04/20032389901212
12/04/20032440931259
14/04/200326311111324
15/04/200326731201338
16/04/200327271251361
17/04/200327811301389
18/04/200328991461519
19/04/200328991461520
21/04/200333901801640
22/04/200334641911683
23/04/200338002111774
24/04/200339472191842
25/04/200341522301912
26/04/200343292431942
28/04/200345372692034
29/04/200349412982106
30/04/200351283172148
01/05/200353283352210
02/05/200355113592275
03/05/200356933772329
05/05/200360344012388
06/05/200361724172443
07/05/200363404342497
08/05/200364914452563
09/05/200366224532623
10/05/200367314652681
12/05/200368814902785
13/05/200369835112885
14/05/200370615242977
15/05/200371315353056
16/05/200371725483164
17/05/200371945603246
19/05/200372955803411
20/05/200373505993546
21/05/200373876033643
22/05/200374786183766
23/05/200375496233881
24/05/200375736304023
26/05/200376296564217
27/05/200376486664341
28/05/200376656764443
29/05/200377186814545
30/05/200377326834679
31/05/200377446914810
02/06/200377596974949
03/06/200377566985021
04/06/200377566985286
05/06/200377557015371
06/06/200377567055477
09/06/200377627095809
10/06/200377697145982
11/06/200377717146104
12/06/200377727156182
13/06/200377817176296
16/06/200377807246486
17/06/200377797246573
18/06/200377797256625
19/06/200377777276655
20/06/200377777276690
23/06/200377747276793
24/06/200377697276811
25/06/200377697286828
26/06/200377657286832
27/06/200377647296836
30/06/200377617306852
01/07/200377617306858
02/07/200377597306861
03/07/200377577306861
04/07/200377577306865
07/07/200377577306865
08/07/200377547306867
09/07/200377547306875
10/07/200377577306879
11/07/200377547306882
表
表5。2020年1月，中国新冠肺炎感染者和疑似感染者的日数量不断增加。
表5。2020年1月，中国每日新冠肺炎感染者和疑似患者人数不断增加。
日期确诊患者人数疑似患者人数病例每天增加疑似病例每天增加
20/01/2020291654不适用
21/01/202044013614982
22/01/2020574393134257
23/01/20208351072261679
24/01/202012971965462893
25/01/202019852684688719
26/01/2020276157947763110
27/01/20204535697317741179
28/01/20205997923914622266
29/01/2020773612,16717392928
30/01/2020972015,23819843071
31/01/202011,82117,98821012750
表
表6。预测患者人数和死亡人数。
表6。预测患者人数和死亡人数。
日期确诊患者人数预测患者数量确认死亡人数预计死亡人数已确认的嫌疑人人数预计嫌疑人人数
10/1/202041231000
11/1/202041961200
12/1/202041941100
13/1/202041981200
14/1/2020411021200
15/1/2020411052200
16/1/2020451082三00
17/1/2020621162三00
18/1/2020121139三三00
19/1/2020198216三400
20/1/202029131064540
21/1/20204404209713657
22/1/20205715981711393181
23/1/202083074425211072533
24/1/202012871051413119651500
25/1/202019751602565226842720
26/1/202027442425807057943475
27/1/20204515331310610069737587
28/1/20205974546813213092399176
29/1/2020771171021701611216710894
30/1/2020969290452132031523814714
31/1/202011791112432592501798818210
1/2/202014380135293043021954420890
2/2/202017205163973613532155821725
3/2/202020438194874254152321423302
4/2/202024324230294904822326025042
5/2/202028018273275635532470224156
6/2/202031161312516366332635925366
7/2/202034546343907227112765727878
8/2/202037198378458118032894229128
9/2/202040171403259088962358930212
10/2/20204263843275101610002167521810
11/2/20204465345573111311151606717876
12/2/20205980447334136712191343512438
13/2/2020638516625513801497101099169
14/2/202066492696031457151589697137
15/2/202068500713321665162782286623
16/2/202070548725121770178772647249
17/2/202072436739921868187362426399
18/2/202074185754352004198352485229
19/2/202074576768312118211549224217
20/2/202075465765672236223152064212
21/2/202076288771482345235853655138
22/2/202076936777352442246841485570
23/2/202077150781662592256234343655
24/2/202077658780972663270828242426
25/2/202078064784962715276824912136
26/2/202078497787952744281923581986
27/2/202078824791612788281523082095
28/2/202079251794102835282614182191
29/2/2020798247981228702842851961
1/3/2020 80411 2871 87
2/3/2020 81021 2880 0
3/3/2020 81654 2901 0
4/3/2020 82310 2921 0
5/3/2020 82988 2943 0
6/3/2020 83690 2964 0
7/3/2020 84414 2986 0
8/3/2020 85161 3008 0
9/3/2020 85930 3031 0
10/3/2020 86723 3054 0
11/3/2020 87538 3078 0
12/3/2020 88376 3102 0
13/3/2020 89237 3126 0
14/3/2020 90121 3151 0
15/3/2020 91027 3176 0
16/3/2020 91956 3202 0
17/3/2020 92909 3228 0
18/3/2020 93883 3255 0
19/3/2020 94881 3281 0
20/3/2020 95901 3309 0
表
表7。2000-2019年第四季度中国国内生产总值。
表7。2000-2019年第四季度中国国内生产总值。
年度和季度国内生产总值（亿元人民币）年度和季度国内生产总值（亿元人民币）年度和季度国内生产总值（亿元人民币）年度和季度国内生产总值（亿元人民币）
2000年第一季度21,329.92005年第1季度40,453.32010年第一季度87,501.32015年第一季度151,137.9
2000年第2季度24,043.42005年第2季度44,793.12010年第二季度99,347.42015年第2季度168,549.7
2000年第3季度25,712.52005年第3季度48,047.82010年第三季度105,963.72015年第三季度176,597.7
2000年第4季度29,194.32005年第4季度54,024.82010年第4季度119,306.82015年第4季度192,572.9
2001年第一季度24,086.42006年第一季度47,078.92011年第一季度104,469.92016年第一季度162, 410
2001年第2季度26,726.62006年第2季度52,673.32011年第二季度118,895.92016年第2季度181,408.2
2001年第3季度28,333.32006年第3季度56,064.72011年第3季度126,562.22016年第三季度191,010.6
2001年第4季度31,716.82006年第4季度63,621.62011年第4季度138,012.12016年第4季度211,566.2
2002年第1季度26,2952007年第1季度57,159.32012年第一季度117,357.62017年第1季度181,867.7
2002年第2季度29,194.82007年第2季度64,781.62012年第2季度131,320.62017年第2季度201,950.3
2002年第3季度31,257.32007年第3季度69,482.12012年第3季度138,089.62017年第3季度212,789.3
2002年第4季度34,970.32007年第4季度78,669.32012年第4季度151,8122017年第4季度235,428.7
2003年第1季度29,825.52008年第1季度69,373.62013年第一季度129,449.62018年第一季度202,035.7
2003年第2季度32,537.32008年第2季度78,711.82013年第二季度143,518.72018年第二季度223,962.2
2003年第3季度35,291.92008年第3季度82,460.12013年第三季度152,222.72018年第三季度234,474.3
2003年第4季度39,767.42008年第4季度88,6992013年第4季度167,772.32018年第4季度258,808.9
2004年第1季度34,544.62009年第一季度73,979.22014年第一季度140,759.82019年第1季度218,062.8
2004年第2季度38,700.82009年第2季度83,865.82014年第二季度156,489.62019年第2季度242,573.8
2004年第三季度41,8552009年第三季度89,846.92014年第三季度165,484.72019年第3季度252,208.7
2004年第4季度46,739.82009年第4季度100,825.82014年第4季度180,828.92019年第4季度278,019.7
表
表8。GDP数据培训的流行病标签。
表8。GDP数据培训的流行病标签。
年度和季度流行病标签年度和季度流行病标签年度和季度流行病标签年度和季度流行病标签
2000年第一季度02005年第1季度02010年第一季度02015年第一季度0
2000年第2季度02005年第2季度02010年第二季度02015年第二季度0
2000年第3季度02005年第3季度02010年第三季度02015年第3季度0
2000年第4季度02005年第4季度02010年第4季度02015年第4季度0
2001年第一季度02006年第一季度02011年第一季度02016年第1季度0
2001年第2季度02006年第2季度02011年第二季度02016年第2季度0
2001年第3季度02006年第3季度02011年第三季度02016年第三季度0
2001年第4季度02006年第4季度02011年第4季度02016年第4季度0
2002年第1季度02007年第1季度02012年第一季度02017年第1季度0
2002年第2季度02007年第2季度02012年第2季度02017年第2季度0
2002年第3季度02007年第3季度02012年第3季度02017年第3季度0
2002年第4季度12007年第4季度02012年第4季度02017年第4季度0
2003年第1季度12008年第1季度02013年第一季度02018年第一季度0
2003年第2季度12008年第2季度02013年第二季度02018年第二季度0
2003年第3季度12008年第3季度02013年第三季度02018年第三季度0
2003年第4季度02008年第4季度02013年第4季度02018年第4季度0
2004年第一季度02009年第一季度02014年第一季度02019年第1季度0
2004年第2季度02009年第2季度02014年第2季度02019年第2季度0
2004年第三季度02009年第三季度02014年第三季度02019年第3季度0
2004年第4季度02009年第4季度02014年第4季度02019年第4季度1
2020年第一季度1
2020年第二季度1
表
表9。假设参数。
表9。假设参数。
项目ADF（自动进近）第页-价值第页q个
原始数据1.9661920.998627三2
第一个差异−2.0211520.277377三2
第二个差异−1.4722050.547214三0
表
表10。预测结果。
表10。预测结果。
年度和季度SARIMAX预测HWES预测期望
2020年第一季度273,611.593229,856.296251,733.945
2020年第二季度283,894250,434.672267,164.336
2020年第三季度287,143.419257,560.797272,352.108
2020年第4季度293,867.856276,941.786285,404.821
表
表11。SARS与新冠肺炎持续时间比较。
表11。SARS与新冠肺炎持续时间比较。
病毒突发日期结束日期天中国累计病例数中国平均病例数（每天）
新冠肺炎2019年12月31日(凤凰新闻，未注明日期。)2020年3月14日175133,54821780.64
非典2002年11月1日(2002年世界卫生组织,2003)2003年7月11日(2002年世界卫生组织,2003)252775430.77
1预测日期；2预测数量。
表
表12。SARS与新冠肺炎的比较。
表12。SARS与新冠肺炎的比较。
项目新冠肺炎非典次数
感染133, 5481775417.222
死亡人数151717302.092
成本加运费（%）1.139.428.34三
1预测数；2新冠肺炎/非典；三SARS/COVID-19。
表
表13。湖北省32名死者的患者信息。
表13。湖北省32名死者的患者信息。
不。性别年龄
1女性85
2女性69
三男性36
4男性73
5女性70
6男性81
7女性65
8男性70
9女性76
10男性72
11男性79
12男性55
13男性87
14女性66
15男性58
16男性66
17男性78
18男性65
19男性58
20女性67
21女性82
22男性75
23男性66
24男性82
25女性70
26男性53
27男性86
28男性65
29男性84
30男性81
31女性80
32女性82
32名死亡患者的平均年龄男性比例（%）11名男性死者的平均年龄女性比例（%）21名死亡女性的平均年龄
71.334.37065.773.8
表
表14。湖北省与非湖北省病死率比较。
表14。湖北省与非湖北省病死率比较。
湖北省成本加运费（%）非湖北省CFR（%）
3.510.20
表
表15。2020年的实际经济增长率。
表15。2020年的实际经济增长率。
年度和季度季度GDP（亿元人民币）GDP（亿元人民币）/年经济增长率（%）实际经济增长率（%）
2018年第一季度202,035.7919281.1//
2018年第二季度223,962.2
2018年第三季度234,474.3
2018年第4季度258,808.9
2019年第1季度218,062.89908657.86.1
2019年第2季度242,573.8
2019年第3季度252,208.7
2019年第4季度278,019.7
方法GDP（亿元人民币）/年经济增长率（%）实际经济增长率（%）
期望1,076,6558.66.7

分享和引用

MDPI和ACS样式

岳，X.-G。；邵晓凤。；李，R.Y.M。；Crabbe，医学博士。；米·L。；胡，S。；贝克，J.S。；刘，L。；Dong，K。风险预测和评估：新冠肺炎的持续时间、感染和死亡人数及其对中国经济的影响。J.风险财务管理。 2020,13, 66.https://doi.org/10.3390/jrfm13040066

AMA风格

Yue X-G、Shao X-F、Li RYM、Crabbe MJC、Mi L、Hu S、Baker JS、Liu L、Dong K。风险预测和评估：新冠肺炎的持续时间、感染和死亡人数及其对中国经济的影响。风险与财务管理杂志. 2020; 13(4):66.https://doi.org/10.3390/jrfm13040066

芝加哥/图拉宾风格

Yue、Xiao Guang、Xue Feng Shao、Rita Yi Man Li、M.James C.Crabbe、Lili Mi、Siyan Hu、Julien S Baker、Liu Liting Liu、，和Kechen Dong。2020年，“风险预测和评估：新冠肺炎的持续时间、感染和死亡人数及其对中国经济的影响”风险与财务管理杂志13，4号：66。https://doi.org/10.3390/jrfm13040066

文章指标

返回页首顶部