本期讲座主要内容：后疫苗时代的全球疫情走势
讲座中，陈剑先生首先从个人经历出发，介绍了他应用量化模型来预测疫情发展的初心。尽管量化金融模型常常用于信用风险建模，作为多年关注量化金融模型的专业人士，在此次新冠疫情冲击来临之后，他敏锐发现COVID-19所带来的冲击和信用风险在不少方面具有相似性，因此，他产生了运用信用风险模型来预测疫情控制的念头并付诸实践，取得了很好的效果，这也证明量化金融模型具有一定的普适性。
在讲座中，陈剑主要介绍了用于新冠疫情控制的主要量化模型—— SIR/SEIR和TMM模型的工作原理，并对这些模型的各自的特点与优缺点并加以比较。他指出，SIR模型参数值是确定的而SEIR模型需要20多个变量的数据且误差较大，都不适合用来评估疫情。陈剑重点展示了TMM模型在湖北省的应用。其研究表明，TMM模型在医院床位、呼吸机数量以及所需重症医务人员预测方面，其稳定性、准确性和灵活性均有保证，为我国疫情防控和复工复产提供了重要决策依据。在同一线人员的交流与合作中，陈剑不断修正与完善模型，以更好符合实际情况。陈剑已经同医学界同事在权威杂志上发表多篇医学论文，向世界分享预测模型经验。
在完成了疫情发展预测模型后，陈剑团队还与上海张文宏教授团队合作推出了全球疫情风险指数，该指数已于2020年正式上线。陈剑介绍，疫情指数利用金融领域构建股票指数的相关方法，选取感染率、测试率等风险评级指标，用加权平均方法来综合衡量风险维度。疫情风险指数为各个国家与地区重新开放提供了决策依据。对于任何一个国家及地区来说，重新开放边界和采取适当的防控疫情措施，都需要了解全球各个国家地区的疫情情况。有效地辨别风险程度，可以做到有的放矢，精准防控。
对于全球主要国家及南亚疫情，陈剑结合最新数据予以分析。他指出，近期印度疫情暴发，为全球疫情带来了较大不确定性，印度疫情的爆发会导致全球疫情的延长。东南亚等国受印度疫情的影响，近期疫情也有反弹趋势，为中国带来了较大的输入风险。变异病毒在印度等地集中出现，随后在世界范围内快速扩散，加剧了疫情风险，必须引起世界各国的高度重视。
随后，陈剑就疫苗交付模型进行了介绍。疫苗交付模型是一种仿真模型，与转移矩阵模型不同的是，该模型中很多决策变量可以调整，例如疫苗产能、接种效率，接种意愿、在实际情况中都会出现变化，能够更加准确预测疫苗交付政策对于未来各国疫情发展的影响。陈剑指出，世界疫情的有效控制离不开疫苗的大规模接种。根据模型预测结果，如果想迅速控制疫情，不近要做好疫苗采购、供应链管理、疫苗交付，还需要做好民众的接种教育，鼓励民众积极参与疫苗接种。
陈剑进一步指出，中国和全球之间存在免疫缺口。前期中国的疫苗接种率不高，主要原因是中国疫情得到较好控制。近期我国多地出现病例，促进了民众接种疫苗，现在我国疫苗接种速度已经超出预期，这是一个积极的现象。受到印度疫情大爆发影响，将来世界的开放可能会是有条件、局域性的开放，而不是全球性的开放。中国建立群体免疫的速度主要是疫苗接种速度所决定的。中国应当进一步提升疫苗接种率，建立有效的群体免疫，为后续有条件开放做好准备。
近年来全球公共卫生突发事件频发，特别是此次新冠疫情，陈剑针对性地提出了建立有效预先管理系统的建议。他说道，为保障公共卫生安全，应尽快建立传染病防控决策支持系统，运用应用数学领域的随机优化，找出约束条件下的最佳决策。这一系统应包括传染病早期预警系统、重大公共卫生事件决策支持系统、医学救治决策支持系统以及防控常态化决策系统四部分，覆盖疫情潜伏期、爆发初期、全面爆发期以及后疫情时期。陈剑强调，应急事件下的供应链管理以及组织能力尤为重要。中国能在去年快速控制住疫情，离不开国家的强大供应链体系和组织动员能力。
最后，陈剑介绍了他与张文宏团队以及屠光绍团队合作完成的一些研究成果，主要集中于预测全球在后疫苗时代的疫情发展和疫情对于宏观经济的影响两个方向。陈剑认为，疫情对于宏观经济的影响是多渠道全方位的，研究者可以从实体经济、政策干预、金融市场等多方面开展研究，为后疫情时代经济复苏与发展贡献中国经济学者的智慧。