量化跟踪社交隔离对全球经济的冲击

1、目录 HYPERLINK l _TOC_250011 构建 GSDI 全球社交隔离指数 1 HYPERLINK l _TOC_250010 为何构建 GSDI 全球社交隔离指数 1 HYPERLINK l _TOC_250009 如何衡量全球社交隔离程度 2 HYPERLINK l _TOC_250008 如何构建 GSDI 全球社交隔离指数 5 HYPERLINK l _TOC_250007 构建 GCSI 全球经济冲击指数 6 HYPERLINK l _TOC_250006 借助 GSDI 全球社交隔离指数分析经济冲击的视角 6 HYPERLINK l _TOC_250005 如何构建 G

2、CSI 全球经济冲击指数 8 HYPERLINK l _TOC_250004 上述两个指数实际跟踪效果如何？ 9 HYPERLINK l _TOC_250003 GSDI 全球社交隔离指数与各国政策时点对比 9 HYPERLINK l _TOC_250002 GCSI 全球经济冲击指数与高频经济指标和已公布的实际 GDP 对比 10 HYPERLINK l _TOC_250001 GSDI 指数反映出各国社交隔离程度有所差异 11GCSI 指数显示当前社交隔离对全球 GDP 的冲击幅度接近 10% 14 HYPERLINK l _TOC_250000 GSDI 和 GCSI 指数对当前的复工复

3、产有什么启示？ 15风险因素 16插图目录图 1：GSDI 全球社交隔离指数（加权平均法和主成分分析法对比） 6图 2：GSDI 社交隔离指数与各国服务业 PMI 的关系 7图 3：GSDI 社交隔离指数与各国制造业 PMI 的关系 7图 4：服务业 GSDI 社交隔离指数与各国服务业 PMI 的关系 8图 5：制造业 GSDI 社交隔离指数与各国服务业 PMI 的关系 8图 6：GSDI-美国社交隔离指数与美国保持居家令的州数对比，指数更全面地反映社交隔离的程度 9图 7：主要国家 GSDI 社交隔离指数与各国防控收紧的时间拐点基本对应，但会领先于政策宣布的时点 10图 8：我们计算的 GC

4、SI-美国经济冲击指数领纽约联储公布的 WEI 美国高频经济指标 1周左右 10图 9：各国已公布的实际 GDP 数据与我们计算的各国 GCSI 经济冲击指数相差不大 11图 10：GSDI 全球社交隔离指数（1 月 29 日） 12图 11：GSDI 全球社交隔离指数（2 月 29 日） 12图 12：GSDI 全球社交隔离指数（3 月 29 日） 12图 13：GSDI 全球社交隔离指数（4 月 29 日） 12图 14：全球各大区域 GSDI 社交隔离程度变化 13图 15：全球主要国家 GSDI 社交隔离程度变化 13图 16：全球 GDP 冲击指数接近-8%，服务业冲击最大，制造业在

5、近期复工复产的预期下有小幅抬升 14图 17：各国 GCSI 经济冲击指数 15图 18：复工意愿强、复工条件差、实际复工进度快的国家，更容易产生二次疫情风险 16表格目录表 1：不同国家高频指标大多为周度更新，且差异性较大，难以简单对比，同时大部分国家的高频数据都是缺乏的 1表 2：文献中对于社交隔离程度的衡量 3表 3：本篇报告中衡量社交隔离程度的 5 大维度 24 个变量 4表 4：衡量社交隔离程度的 5 大维度 24 个变量进行主成分分析结果如下 5 构建 GSDI 全球社交隔离指数为何构建 GSDI 全球社交隔离指数全球蔓延的疫情导致的社交隔离程度加深对经济产生直接影响在全球疫情快速

6、蔓延的背景下，社交隔离已经成为全球各国不得不采取的一种疫情防控策略。疫情本身对人类的冲击主要在于生命健康层面，但通过社交隔离来应对大流行疾病则会对经济增长和生产需求造成更为直接和广泛的影响。因此在当前全球超过 200 个国家和地区出现新冠疫情、各国政府纷纷出台社交隔离政策的前提下，跟踪各个国家真实的社交隔离程度，并以此动态把握全球各国经济受到的冲击程度显得尤为重要。特别是在当下，欧美的疫情逐渐从高峰增长期走向平台缓和期，在社交隔离对经济的 冲击和疫情复发风险二者之间权衡取舍成为下一阶段各国政府的主要任务。对于市场而言，如何更敏感地动态评估各国经济活动相对正常水平的偏离程度，更好地把握复工和经济

7、恢 复的状态，往往是市场短期走势博弈的关键。市场已有的跟踪方法容易造成一定的偏差目前市场上已有的跟踪社交隔离程度的方法有两种。一种是直接跟踪各国出台的一些 政策，其优势是能及时地把握最新的防控措施进展，但缺点是不同国家的信息较为散乱、不够直观，而且仅是表达了政策方面的含义，对真实的社交隔离刻画相对不全面。另一种 是通过一些高频的生产消费数据来跟踪复工复产。这个指标的确足够客观地反映了各国不 同领域一些高频的经济状态，但有两个缺点，一是敏感度不够高，一般最高频的指标大多 是周度更新，消费就业数据大部分是月度的，GDP 更是季度频率；二是指标差异性比较 大，不同国家衡量生产、消费、就业的指标是很不

8、同的，不易简单对比，同时大部分国家 的高频数据都是缺乏的。而我们希望通过一个统一的标准或者参数去构建不同国家更全面、更敏感和更可比的指数来弥补这样的缺陷。表 1：不同国家高频指标大多为周度更新，且差异性较大，难以简单对比，同时大部分国家的高频数据都是缺乏的国家Indicator指标更新频率来源美国Jobless Claims首次申请失业金人数周度美国劳工部Consumer Comfort Index消费者舒适度指数周度BloombergSteel Production钢铁产量周度钢铁学院Oil Rigs石油钻井平台周度贝克休斯Johnson Redbook Same Store SalesJo

9、hnson Redbook 同店销售周度Redbook Research Inc.Restaurant Bookings餐厅预订日度opentableMortgage Applications抵押贷款申请数周度抵押银行家协会德国Job Postings招聘信息数量日度IndeedCongestion Index交通拥堵指数周度TomTomRestaurant Bookings餐厅预订日度opentableElectricity Demand电力需求周度entso-eHigh Street Footfall街道人流指数周度Shoppertrak法国Job Postings招聘信息数量日度Inde

10、edCongestion Index交通拥堵指数周度TomTom国家Indicator指标更新频率来源Electricity Demand电力需求周度entso-eHigh Street Footfall街道人流指数周度Shoppertrak意大利Job Postings招聘信息数量日度IndeedCongestion Index交通拥堵指数周度TomTomElectricity Demand电力需求周度entso-e英国Job Postings招聘信息数量日度IndeedCongestion Index交通拥堵指数周度TomTomRestaurant Bookings餐厅预订日度openta

11、bleHigh Street Footfal街道人流指数周度ShoppertrakElectricity Demand电力需求周度entso-e加拿大Economic Mood经济情绪指数周度NanosCongestion Index交通拥堵指数周度TomTomRestaurant Bookings餐厅预订日度opentableOil and Gas Rig Count石油和天然气钻机数量周度贝克休斯（推测）印度Unemployment Rate失业率周度BloombergConsumer Sentiment消费者信心周度BloombergCongestion Index交通拥堵指数周度Blo

12、ombergPower Demand电力需求周度BloombergFlight Departures起飞航班数量周度Bloomberg巴西Search for Unemployment Insurance失业保险搜索次数周度GoogleElectricity Demand电力需求周度entso-eCongestion Level交通拥堵水平周度TomTomExports出口周度BloombergImports进口周度Bloomberg俄罗斯National Self Isolation全国范围的自我隔离日度YandexTraffic Congestion交通拥堵周度TomTomShopping

13、 Index购物指数日度WatcomInflation, Weekly Difference通货膨胀，周变化周度BloombergElectricity Demand电力需求周度Bloomberg资料来源： 整理因此本篇报告我们构建了一个可以高频动态跟踪全球各个国家社交隔离程度的指标（Global Social Distance Index，以下简称 GSDI），并进一步量化社交隔离对全球各国经济的冲击程度（Global COVID Shock Index，以下简称 GCSI）。我们认为，指数的建立能够帮助投资者更为敏感和全面地跟踪全球社交隔离程度的变化，并在疫情的特殊背景下更好地把握各国复工

14、复产的实际进度以及经济增长受到的真实冲击程度。如何衡量全球社交隔离程度从已有的文献来看，狭义的社交隔离一般指的是为防止传染病的传播而采取的一系列非药物干预措施，常见的有居家令、限制集会、关闭学校、关闭企业、关闭公共场所等。但由于社交隔离本身除了政府出台政策以外，仍受到多种其他因素的影响，因此相关文献中除了使用政府防控政策来衡量社交隔离，也使用了包括公共场所人流量（如公园、超市、车站等）、出行距离、出行频率、活动半径、居家人数和时间等社交隔离直接相关指标的变化量作为社交隔离力度的代理变量。此外，文献还发现确诊死亡人数、检测手段、疫苗研发等变量也对社交隔离程度有显著影响。表 2：文献中对于社交隔离

15、程度的衡量Effect of social distancing measures in the文献New York City metropolitan areaThe Immediate Effect of COVID-19 Policies on Social Distancing Behavior in the United StatesThe Immediate Effect of COVID-19 Policies on Social Distancing Behavior in the United States来源MIT working paperWilliam Paterson

16、 UniversityNBER working paper 1.纯画图经验研究、无模型文章主要试图研究隔离措施对纽约人口流动的影响，并将人口进行划分，分别研究隔离措施对不同人口特征的影响主要发现：出行距离显著缩小 70%、社会接触下降内 容93%，全天在家人口增加 40%简述超市和杂货店是社会接触的主要场所，并且访问人数激增III.5.5%人离开纽约，前往其它地方，增加了传播风险VI.不同人口特征在疫情下都表现出同样的流动显著下降出行距离（每天出行的直线距离）回转半径（典型的用户出行覆盖面积的大社 交小）隔 离3.在家人数直 接4.公共场所人数（也称 visits，定义为在一个相 关地方停留超

17、过五分钟即为一个 visit）指标5.接触（指每个人接触的人数。我们通过观察两个人至少在 5 分钟内相距 25 米以内的情况来估计接触）指 标利用 DID 方法、基于位置的移动以及每天国家级的 COVID-19 检测和确诊病例数据，根据其有效性对政策进行排名。结论：stay-at-home order 对减少社会互动的影响最大。居民区人流杂货店和药店人流公园人流中转站人流工作场所人流零售娱乐场所人流作者使用传统的动态经济模型，将个体优化、均衡交互作用和政策分析集成到规范的流行病学模型中。政策结论：最优政策应该立即并且分步进行，隔离措施应持续长时间直到出现疫苗，隔离措施不能走极端全文社会活动指标

18、只是用来和模型估计的数据做对比isits（州层面的不同场所每日 visits 的数量）在家时间（州层面的数据，每个州每天在家的平均时间）离家比例（州层面的数据，每个州每天离开家的人数的比例）Safegraph (Weekly Patterns 、 Social数 据Cuebiq（付费数据）Google（公开数据）来源疫情确诊人数（covidtracking）Distancing Metrics )（付费数据）人口普查区块（人口普查区块含有收入水平，其 他年龄结构等人口特征。利用人口定位数据推指标测个体所在区块，从而分析不同人口特征的对隔离措施的反应。）各州检测数据：检测量政府防控政策（六类：1

19、.全州范围内的 “居家令”；2.更有限的“居家令”；3.非必要的企业倒闭；4.限制大规模集会；5.关闭学校；6.关闭餐馆和酒吧社交隔离指的是为防止传染病的传播而采取的一系列非药物干预措施，常见的有居家令、停工停学等。根据已有研究，文献中主要总结使用公共场所人流量（如公园、超市、车站等）、出行距离、活动半径、居家人数和时间等指标的变化量作为社交隔离措施力度的代理变量。资料来源：Google Scholar，Springer， 基于已有的研究以及部分数据的可得性，本篇报告我们将社交隔离定义为更为广泛的概念，主要的影响因素分为客观因素和主观因素。客观因素包括疫情防控政策是否严格、针对疫情的医疗投入是

20、否充足以及疫情本身的严重程度。主观因素主要是人们出于对疫情的恐惧和担忧，自发产生的社交隔离。在报告中，我们从不同场所的出行时间（停留时间）和不同方式的出行频率两个角度来衡量人们自发产生的社交隔离水平。因此根据以上分析，我们将从防控政策因素（8 个变量）、医疗投入因素（4 个变量）、疫情因素（2 个变量）、出行时间因素（7 个变量）和出行频率因素（3 个变量）五个维度来衡量全球社交隔离程度。其中，政策防控因素，我们主要参考 Oxford 统计的各国疫情防控政策数据，同时根据 IMF 的政策跟踪对其进行修正（Policy Responses to COVID-19），其中针对关闭学校、关闭企业、暂

21、停社会活动、限制集会人数、关闭公共交通、禁足居家令、封城措施、国际旅行限制等八项措施根据其严重程度进行打分，再转化为 0-100 的指数。医疗投入因素，我们按照检测水平、接触者追踪、医疗物资投入和疫苗研发投入进行规模和程度的统计再标准化；疫情因素，采用 WHO 每日公布的各国确诊和死亡病例；出行时间，按照 Google统计的人群在不同场所停留时间变化计算，场所主要包括零售（餐饮、商场等）、娱乐场所（博物馆、影院、主题公园）、百货商贸（百货店、农贸市场）、公共休闲场所（公园、广场、公共沙滩）、车站（地铁、公交、火车站）、工作场所、居住场所。出行频率，可以用不同出行方式的频次来表示，这里包括私家车

22、出行、步行出行和公共交通出行。我们采用的数据为 Google 和 Apple 第三方公开的出行记录数据。由于 Google 和 Apple 都没有中国的数据，这里采用百度的全国 300+城市平均出行强度数据代替。表 3：本篇报告中衡量社交隔离程度的 5 大维度 24 个变量维度指标指标描述频率单位数据处理关闭学校未采取措施；建议关闭；强制部分关闭；强制全部关闭日numerical标准化为 0-100关闭企业未采取措施；建议关闭；强制部分关闭；强制全部关闭日numerical标准化为 0-100暂停社会活动未采取措施；建议关闭；强制部分关闭；强制全部关闭日numerical标准化为 0-100政

23、策防限制集会人数未采取措施；限制 1000 人以上集会；限制 100-1000 人；限制 10-100 人；限制 10 人以下日numerical标准化为 0-100控因素关闭公共交通 未采取措施；建议关闭；强制部分关闭；强制全部关闭 日 numerical 标准化为 0-100禁足居家令 未采取措施；建议居家；强制部分居家；强制全部居家 日 numerical 标准化为 0-100封城措施 未采取措施；建议限制城际往来；全面限制城际往来日 numerical 标准化为 0-100未采取措施；边境检测；隔离来自高风险国家人员；禁止高风险国家人员入境；全面关闭边境检测水平未检测；只检测接触者和有

24、症状者；所有公民均可接受检测日numerical标准化为 0-100医疗投接触者追踪未追踪；有限追踪；全面追踪（包括接触者）日numerical标准化为 0-100入因素医疗物资投入各国短期针对新冠疫情进行的医疗物资投入金额日美元取人均/换算成美元疫苗研发投入各国疫苗研发投入金额日美元取人均/换算成美元疫情因确诊人数WHO 统计的各国新冠疫情的确诊人数日例取人均素死亡人数WHO 统计的各国新冠疫情的死亡人数日例取人均餐厅等零售场所人群在餐厅、商场等地的平均停留时间变化日percent,%标准化娱乐场所人群在博物馆、影院、主题公园等地的平均停留时间变化日percent,%标准化出行时百货商贸人群

25、在百货店、农贸市场等地的平均停留时间变化日percent,%标准化间公共休闲场所人群在公园、广场、公共沙滩等地的平均停留时间变化日percent,%标准化车站人群在地铁、公交、火车站等地的平均停留时间变化日percent,%标准化工作场所人群在工作场所的平均停留时间变化日percent,%标准化居住场所人群在居住场所的平均停留时间变化日percent,%标准化私家车出行每日通过私家车出行的频率变化日percent,%标准化出行频率步行出行每日通过步行出行的频率变化日percent,%标准化公共交通出行每日通过公共交通出行的频率变化日percent,%标准化国际旅行限制日numerical标准化

26、为 0-100备注：政策防控措施按照不同的程度打分（numerical），标准化为 0-100，数据参考 Oxford 统计的各国疫情防控政策数据，部分根据 IMF的政策跟踪对其进行修正（Policy Responses to COVID-19）；出行时间和出行频率参考 Google 和 Apple 移动终端记录的出行大数据，包括时间、频率等；中国大陆境内由于尚未开放 google 权限，我们采用百度 300+城市出行强度大数据，并对所有数据进行标准化。资料来源：Oxford university，IMF，Google，Apple，百度， 如何构建 GSDI 全球社交隔离指数为了保证指数的可靠

27、性，本篇报告我们采用简单加权平均和主成分分析两种合成指数的方法交叉验证，来构建全球社交隔离指数。简单加权平均的方法：主要根据 CEPR（全球经济政策研究中心）最新的论文结论中给予客观因素和主观因素的权重1，对以上 5 个维度 24 个变量赋予不同权重2。主成分分析方法：主成分分析的方法是一种很成熟的变量降维工具3，可以使用尽量少的几个主成分变量来表达原有变量的大部分信息，同时通过正交转换也可以避免变量之间可能存在的线性关系。我们采用了前四个主成分来构建 GSDI 指数。这四个主成分的特征值均大于 1 且累积特征值贡献率达到了 82%，说明这几个主成分已经充分包含了原来24 个变量的信息。我们同

28、时计算了每个主成分特征值的贡献率，并按照贡献率对各主成分变量加权得到最终的 GSDI 指数。五大维度包含变量数54%14%10%4%82%政策防控因素81.10-0.52-0.250.920.53医疗投入因素40.080.461.300.780.27疫情因素20.191.27-0.390.180.25出行时间7-1.16-0.16-0.121.08-0.62出行频率3-0.27-0.07-0.160.12-0.17表 4：衡量社交隔离程度的 5 大维度 24 个变量进行主成分分析结果如下主成分 1主成分 2主成分 3主成分 4加权总和资料来源：Oxford university，IMF，Goo

29、gle，Apple，百度， 测算根据以上两种方法，我们分别构建了全球社交隔离指数。结果发现，两种方法计算出来的指数在走势上基本趋于一致，这说明我们划分的维度和变量相对合理，通过不同的方法得到的指数结果都能比较一致地体现社交隔离的程度。此外，我们也通过特征值贡献率加权详细地计算了每个维度的因素对指数的贡献，可以发现政策防控因素和出行时间因素对指数的影响最大，其次是医疗投入和疫情因素。这与简单平均加权中我们所用的论文中的权重数据比较吻合，我们认为这也体现了指数的可靠性。该指数按照 0-100 划分隔离程度，0 附近表示完全正常，指数越高代表偏离正常状态的程度越高。1 ChaeWon Baek, P

30、eter B. McCrory, Todd Messer, Preston Mui（2020）2 值得说明的是，主观因素出行频率和出行方式中的细分项，包括不同场所和不同出行方式的频次，由于没有直接的论文结论，我们按照统一的方式计算各项权重。不同场所的权重按照居民各项出行占总出行的比例来计算；而不同出行方式数据参考各项出行方式占总出行的比例来计算，各项权重数字参考的是 NHTS 最新公布的 2017 年居民出行调查。3 JHU，A Tutorial on Principal Component Analysis，2005图 1：GSDI 全球社交隔离指数（加权平均法和主成分分析法对比）加权平均法

31、主成分分析法7060504030201002-152-253-063-163-264-054-154-25资料来源：Oxford university，IMF，Google，Apple，百度， ；社交隔离指数按照 0-100 划分隔离程度，0 附近表示完全正常，指数越高代表偏离正常状态的程度越高；全球社交隔离指数为各国指数的均值。 构建 GCSI 全球经济冲击指数借助 GSDI 全球社交隔离指数分析经济冲击的视角一般来说，GDP 的下滑幅度是最准确最全面的衡量外部冲击的指标。其他指标，比如就业、消费、生产等指标都只能衡量经济的一部分信息，更何况不同国家这些指标的差异性较大，且高频数据匮乏，使得

32、我们无法敏感地捕捉疫情对经济的冲击。因此我们试图通过各国社交隔离指数来量化疫情对经济的冲击程度，从而能更敏感地反映疫情对各国经济影响大小。PMI 是一个很好的切入口。由于 PMI 是由 Markit 公司采取一致的调查方法得出的结论，因此不同国家的月度 PMI 指数是可比且敏感的经济指标。我们对社交隔离指数取月度均值，可以通过所有国家的样本数据建立社交隔离指数与经济冲击的关系。我们发现 GSDI 社交隔离指数与各国 PMI 高度相关。线性回归结果显示，社交隔离指数能解释 84%的服务业 PMI，能解释 75%的制造业 PMI。同时从回归系数来看，1 单位社交隔离指数的上升大概对应服务业 PMI

33、 下降 0.5 个点，1 单位社交隔离指数的上升大概对应制造业 PMI 下降 0.2 个点。这说明社交隔离程度与 PMI 高度相关，且对服务业的冲击更大。图 2：GSDI 社交隔离指数与各国服务业 PMI 的关系服务业PMIy = -0.481x + 52.193 R = 0.83697060504030201000102030405060708090GSDI社交隔离指数资料来源：Oxford university，IMF，Google，Apple，百度，Bloomberg， 图 3：GSDI 社交隔离指数与各国制造业 PMI 的关系60制造业PMI 55504540353025201510y

34、 = -0.2355x + 52.019 R = 0.74460102030405060708090GSDI社交隔离指数资料来源：Oxford university，IMF，Google，Apple，百度，Bloomberg， 更进一步，我们可以按照衡量社交隔离的各个因素与服务业、制造业的相关性，将社交隔离指数进一步拆分为服务业指数和制造业指数。与服务业相关性较高的一些指标，包括关闭学校、暂停社会活动、限制集会人数、禁足居家令、国际旅行限制等政府防控措施的程度，以及包括餐饮、商场、博物馆、影院、主题公园、百货店、农贸市场等场所的人流聚集程度。而与制造业相关性较高的一些指标，包括关闭企业、关闭公

35、共交通、封城措施（物流运输）等防控措施的程度，以及车站、工作场所等场所的人流聚集程度。简单将原有的 24 个指标拆分再分别生成服务业和制造业的社交隔离指数。我们发现，拆分之后指数对 PMI 的解释效果更好，社交隔离指数对服务业的冲击要显著大于对制造业的冲击。首先，服务业和制造业 PMI 与指数的斜率都比拆分之前更大，说明拆分之后更能定位到社交隔离对各自领域的冲击。从回归系数来看，1 单位社交隔离指数的上升大概对应服务业 PMI 下降 0.6 个点，1 单位社交隔离指数的上升大概对应制造业 PMI 下降 0.3 个点。其次，指数对 PMI 的解释程度明显提高。社交隔离指数能解释 88%的服务业

36、PMI，能解释 82%的制造业 PMI。这说明拆分之后的指数对社交隔离导致的经济冲击解释效果更好。总体来看，社交隔离对服务业的冲击要显著大于对制造业的冲击。图 4：服务业 GSDI 社交隔离指数与各国服务业 PMI 的关系服务业PMIy = -0.6102x + 49.82 R = 0.880770605040302010001020304050607080服务业GSDI社交隔离指数资料来源：Oxford university，IMF，Google，Apple，百度，Bloomberg， 图 5：制造业 GSDI 社交隔离指数与各国服务业 PMI 的关系制造业PMIy = -0.2773x +

37、 53.142 R = 0.81536055504540353025200102030405060708090制造业GSDI社交隔离指数资料来源：Oxford university，IMF，Google，Apple，百度，Bloomberg， 如何构建 GCSI 全球经济冲击指数按照这样的解释程度，我们通过社交隔离指数计算对服务业和制造业 PMI 的冲击程度，然后按照各国 PMI 与其服务业与制造业增加值之间的历史相关系数4（这里采用每个国家 历史上的服务业 PMI、制造业 PMI 分别与各国服务业、制造业增加值进行回归得到的系数），估算社交隔离措施对各国服务业和制造业增加值的冲击程度，然后再

38、将二者的下滑按比例 折算成 GDP 的下滑，最终得到各国的经济冲击指数5，以此反映 GDP 同比下滑的幅度。4 已有文献研究表明，通过 PMI 指数与 GDP 回归已经能够很好的解释实际 GDP 的变动，该规律适用全球主要经济体的国家和地区，文献参考来自 Gabe J. de Bondt(2019), David Owen(2019), YiLi Chien and Paul Morris(2016), Suchismita Bos(2015),5 每个国家按照社交隔离指数计算服务业、制造业和 GDP 的下滑幅度，然后按照各国在全球服务业和制造业的占比加权平均得到全球服务业和制造业冲击指数，同

39、理可得到全球 GDP 冲击指数。 上述两个指数实际跟踪效果如何？GSDI 全球社交隔离指数与各国政策时点对比我们将美国的社交隔离指数（GSDI-美国）与美国保持居家令的州数对比，可以明显发现社交隔离指数大致领先该指标 1-2 周。如果我们仅仅以是否颁布居家令作为衡量美国社交隔离程度的指标就会对实际情况有一定的偏差。从社交隔离指数看，美国从 3 月 8 日开始社交隔离程度已经在加大，这早于我们看到的 3 月 14 日美国宣布进入紧急状态和 3月 19 日美国加州率先颁布居家令。我们认为一部分原因很可能是因为我们的社交隔离指数刻画的信息更全面，除了包含防控政策因素以外，也包含了更多刻画出行数据的高

40、频指标，以及疫情因素。在 3 月初，美国的新增病例出现了明显的攀升，越来越多的民众在那时候开始对政府采取的防控措施质疑增加。也就是说在 3 月初，相信特朗普所谓的疫情“流感化”的美国人越来越少，反而是在新增病例不断上升的情况下，人们自发产生了更多的社交隔离。图 6：GSDI-美国社交隔离指数与美国保持居家令的州数对比，指数更全面地反映社交隔离的程度GSDI-美国社交隔离指数保持居家令州数（右轴） 706050403020100-10-202-152-253-63-163-264-54-154-2550403020100-10资料来源：Oxford university，IMF，Google，A

41、pple，百度， ；社交隔离指数按照 0-100 划分隔离程度，0 附近表示完全正常，指数越高代表偏离正常状态的程度越高。对比各国社交隔离指数（GSDI）与各国防控政策收紧的时点，也可以发现，主要国家社交隔离指数与各国防控收紧的时间拐点基本对应，但在实际防控政策收紧之前，大部分国家都已经出现了相对于平时有所强化的社交隔离，这也反映了我们的社交隔离指数能更加敏感地反映真实社交隔离状态的出现。图 7：主要国家 GSDI 社交隔离指数与各国防控收紧的时间拐点基本对应，但会领先于政策宣布的时点资料来源：Oxford university，IMF，Google，Apple，百度， ；社交隔离指数按照 0

42、-100 划分隔离程度，0 附近表示完全正常，指数越高代表偏离正常状态的程度越高。GCSI 全球经济冲击指数与高频经济指标和已公布的实际 GDP 对比我们将计算出来的 GCSI-美国经济冲击指数与纽约联储每周公布的美国高频经济指标对比，可以发现，纽约联储公布的 WEI 美国周度经济指标的同比走势、幅度与我们计算的 GCSI 经济冲击指数大体吻合，最严重时期的冲击幅度高达 10%以上。此外，与周度高频指标WEI 对比来看，GCSI 经济冲击指数在日度频率上能更敏感地反映美国经济受到社交隔离的实际冲击程度，GCSI 大致领先WEI 指标 1 周左右，这更多体现的应该是日度数据相对周度数据的敏感度更

43、高。图 8：我们计算的 GCSI-美国经济冲击指数领纽约联储公布的 WEI 美国高频经济指标 1 周左右%86420-2-4-6-8-10-12GCSI-美国WEI %420-2-4-6-8-10-12资料来源：Oxford university，IMF，Google，Apple，百度， ；经济冲击指数为折算成实际 GDP日度同比下滑幅度。各国已公布的实际 GDP 数据与对应国家的 GCSI 经济冲击指数相差不大。按照我们计算的 GCSI 经济冲击指数，中国一季度实际 GDP 同比下行 6.0%，美国实际 GDP 同比增速下滑至 0.67%，而实际公布的中、美 Q1GDP 同比增速分别为-6.

44、8%和 0.32%。同时与已公布 GDP 数值的国家比较可以发现，大部分国家的 GDP 同比增速与我们计算的经济冲击指数较相差不大。当然，这里我们仅是对经济冲击指数做简单平均得到的季度值，并未考虑 GDP 本身在不同月份的产值可能不是均匀分布的，同时也仅是针对统计意义上社交隔离对经济冲击的影响，但至少我们可以通过日度频率的经济冲击指数对季度频率的GDP 实际值进行更敏感的跟踪和更前瞻的判断。因此我们认为 GCSI 经济冲击指数对于衡量经济冲击的幅度是有效的，同时相对最高频的周度经济数据也会更敏感。图 9：各国已公布的实际 GDP 数据与我们计算的各国 GCSI 经济冲击指数相差不大GDP同比变

45、动%Q1实际公布值各国GCSI经济冲击指数（Q1平均）420-2-4-6-8资料来源：Oxford university，IMF，Google，Apple，百度， ；Q1 经济冲击指数为 1-3 月经济冲击指数的简单平均。 GSDI 指数反映出各国社交隔离程度有所差异这个指标本身刻画的是一个面板数据，我们可以横向上观察每一个静态时间点（每天）全球所有国家的社交隔离程度，颜色越深代表隔离程度越高；同时也可以从纵向上，观察每个国家的时间序列数据，数值越大代表隔离程度越高。横向来看，全球社交隔离的程度大致可以划分为四个阶段。从疫情爆发距离现在经历了 4 个月时间，按照时间顺序我们把每个月月底的各个国

46、家社交隔离程度做成一张热力地图，可以发现：1 月底只有中国在进行社交隔离，其他国家都处于正常区间，此时中国的社交隔离指数接近 90，也就是说经济社会活动只相当于正常水平的 10%左右；2 月底中国的社交隔离有所减弱，这与 2 月中旬开始政府开始放松交通管制，除武汉以外的封城措施，部分人员陆续返工，但总体社交隔离指数仍然在 70 以上；3 月底随着海外，特别是欧美疫情的快速蔓延，全球绝大部分国家的社交隔离程度出现了明显的强化。大部分国家的社交隔离在指数都在 60-70 以上，此时中国的社交隔离指数已经降到了 50 左右；4 月底欧美的社交隔离程度有所下降，部分已经降到 50 以下，中国在 30

47、左右，而亚非拉第三波疫情的爆发导致这些国家的社交隔离程度又有进一步的加强。图 10：GSDI 全球社交隔离指数（1 月 29 日）资料来源：Oxford university，IMF，Google，Apple，百度， 图 11：GSDI 全球社交隔离指数（2 月 29 日）资料来源：Oxford university，IMF，Google，Apple，百度， 图 12：GSDI 全球社交隔离指数（3 月 29 日）资料来源：Oxford university，IMF，Google，Apple，百度， 图 13：GSDI 全球社交隔离指数（4 月 29 日）资料来源：Oxford univers

48、ity，IMF，Google，Apple，百度， 同时从时间序列的维度，我们可以观察到全球各大区域和主要国家的社交隔离程度随着时间变化的情况。从各大区域社交隔离情况来看，欧洲和中亚（意大利、西班牙、法国等）在 3 月中下旬最严重，北美（美国、加拿大）在 3 月底 4 月初最严重，目前最严重的是南亚和拉美，这主要与近期印度、越南、缅甸、巴西、智利等国的疫情快速蔓延有关。图 14：全球各大区域 GSDI 社交隔离程度变化10080南亚拉丁美洲北美60中东和欧洲和东亚（除中国）40中国200-20资料来源：Oxford university，IMF，Google，Apple，百度， ；区域依据 Wo

49、rld Bank 分类；社交隔离指数按照 0-100 划分隔离程度，0 附近表示完全正常，指数越高代表偏离正常状态的程度越高。从各国的社交隔离程度来看，中国在 1 月底开始收紧，2 月中旬政府开始宣布有条件复工，实际上贯穿整个 2 月，中国的社交隔离程度都没有出现明显的回升，复工的进度非常缓慢。直到 3 月初开始，我们才看到社交隔离开始有了趋势性的下降，GSDI 指数显示中国的社交隔离程度从 3 月开始趋势性下降至最新的 29.73，隐含当前中国经济社会“活跃度”偏离正常水平 29.73%，即恢复至正常水平的 70.27%。目前意大利、西班牙 GSDI隔离程度比中国最严重的时候还要高，这其实体

50、现了由于对疫情的恐惧，人们自发隔离的程度比较高，最近虽然政策方面有所放松，但指数并未出现明显下行，意大利、西班牙 GSDI 最新读数高于 85，表明其当前“活跃度”不足正常水平的 15%。美国加强社交隔离程度的时间较晚，社会隔离程度不高，这与美国民众自发隔离的意识不强有关。近期随着部分州开始解封，美国 GSDI 指数已经从 3 月底最高读数 60 左右下降到 50 左右。部分国家受新一轮疫情的冲击，其社交隔离程度还在进一步加强，如日本（43.17）、新加坡（79.25）、印度（88.55）等图 15：全球主要国家 GSDI 社交隔离程度变化80意印大度利西班牙新加坡6040美国日本中国2001

51、00-201-13 1-20 1-27 2-3 2-10 2-17 2-24 3-2 3-9 3-16 3-23 3-30 4-6 4-13 4-20 4-27资料来源：Oxford university，IMF，Google，Apple，百度， ；社交隔离指数按照 0-100 划分隔离程度，0 附近表示完全正常，指数越高代表偏离正常状态的程度越高。 GCSI 指数显示当前社交隔离对全球 GDP 的冲击幅度接近 10%2 月受中国社交隔离加强的冲击，全球经济几乎 0 增长。从 GCSI 计算结果来看，在1 月初全球 GDP 正常的增长水平在 3%左右，但随着月底新冠疫情在中国爆发，中国的社交隔

52、离程度明显加强，经济几乎处于停滞状态。根据我们的计算结果，中国的社交隔离加强和经济停滞在 1 月底疫情最严重的时期带动全球 GDP 冲击指数下滑 2-3%，冲击持续的时间在 2 个月左右，折算成全球实际 GDP 同比增速在 2 月份几乎 0 增长。当前受疫情的全球蔓延影响，社交隔离对全球 GDP 的冲击接近 10%（同比），服务业贡献了超过了 90%的下滑。随着 3 月全球疫情的快速蔓延和各国社交隔离程度的显著加强，GDP 冲击演变为多国的叠加冲击。从图中可以看到经济冲击指数的下降幅度远大于中国在 1 月底造成的下滑幅度，冲击接近 10%，其中主要是服务业的冲击较大，导致折算成全球实际 GDP 同比增速在-8%左右。近期虽然制造业在复工复产的预期下有小幅回升，但由于制造业本身受到的冲击比服务业小，同时制造业在全球 GDP 中的占比也明显低于服务业，使得全球经济受服务业冲击仍然维持在-8%左右的低位。图 16：全球 GDP 冲击指数接近-8%，服务业冲击最大，制造业在近期复工复产的预期下有小幅抬升GCSI-全球服务业GCSI-全球GCSI