پیش بینی روند عفونت SARS-COV-2 با استفاده از شاخص های تجزیه و تحلیل فنی

درخواست های مکاتبات و چاپ مجدد به مارینو پارولی ، گروه علوم بالینی ، بیهوشی و قلب و عروق ، دانشگاه ساپینزا رم ، پیازال آلدو مورو 5 ، روم ، ایتالیا ، 00185 (پست الکترونیکی: ti. 1amorinu@ilorap. oniram).

این یک مقاله دسترسی آزاد است ، که تحت شرایط مجوز انتساب Creative Commons (http://creativeecommons. org/licenses/by/4. 0/) توزیع شده است ، که اجازه استفاده مجدد ، توزیع و تولید مثل در هر رسانه ای را می دهد. کار اصلی به درستی ذکر شده است.

چکیده

اهداف:

بیماری Coronavirus 2019 (COVID-19) همه گیر یک اورژانس بهداشت جهانی است که در اثر سندرم حاد تنفسی شدید Coronavirus 2 (SARS-COV-2) ایجاد می شود. این مطالعه با هدف ارزیابی اینکه آیا شاخص های تجزیه و تحلیل فنی (TA) ، که معمولاً در بازار مالی مورد استفاده قرار می گیرد تا معکوس های روند امنیت را مورد استفاده قرار دهد ، ممکن است به اندازه کافی برای پیش بینی افزایش احتمالی گسترش SARS-COV-2 نیز استفاده شود.

مواد و روش ها:

تجزیه و تحلیل در مجموعه داده های ایتالیا ، ایران و برزیل انجام شد. شاخص های TA آزمایش شده عبارتند از: (1) استفاده ترکیبی از میانگین حرکت سریعتر (3-D) و کندتر (20-D) متوسط حرکت (SMA) ، (2) میانگین متحرک همگرا/واگرایی (MACD) و (3) واگرایی در جهت تعداد روند جدید روزانه و هیستوگرام MACD مربوطه.

نتایج:

ما دریافتیم که استفاده از SMA های سریع/آهسته و MACD یک سیگنال قابل اعتماد از وارونگی روند گسترش SARS-COV-2 را فراهم می کند. نتایج برای هر 3 کشور در نظر گرفته شده سازگار بود. معکوس های روند که توسط شاخص ها نشان داده شده است ، همیشه با یک روند پایدار پایدار دنبال می شدند تا اینکه سیگنال جدیدی از وارونگی ظاهر شود.

نتیجه گیری:

شاخص های TA که در اینجا مورد آزمایش قرار گرفته اند ، ابزاری قابل اعتماد برای شناسایی در میان مدت کوتاه تغییر بعدی جهت گسترش ویروسی یا به سمت پایین ، به سمت بالا یا به سمت پایین هستند.

سندرم حاد تنفسی ویروس کرونا 2 (SARS-CoV-2) عامل بیماری کروناویروس 2019 (COVID-19) است. 1 در زمان نگارش این مقاله، همه‌گیری COVID-19 یک وضعیت اضطراری جهانی با بیش از 400000 مرگ در سراسر جهان است. بدون هیچ داروی ضد ویروسی موثر و هیچ واکسنی در دسترس نیست، پیشگیری از کووید-19 به شناسایی و جداسازی موارد علامت دار و قرنطینه های جمعی محدود کننده بستگی دارد. 2 با این حال، قرنطینه گسترده، خطر جدی یک بحران دوم در قالب یک رکود اقتصادی را به همراه دارد. 3 بنابراین، دولت‌ها با احتیاط به افراد پیشرو اجازه می‌دهند بدون اطمینان از عدم وقوع امواج آلودگی بیشتر به کار خود بازگردند. مدل‌های اپیدمیولوژیک مختلف برای پیش‌بینی لحظه‌ای تعداد موارد جدید و شناسایی شیوع‌های احتمالی همه‌گیر استفاده می‌شود. اینها شامل مدل‌های محفظه‌ای، مدل‌های مبتنی بر عامل و مدل‌های فراجمعیت است. 4،5 با این حال، هر مدل اپیدمیولوژیکی محدودیت های خاص خود را دارد و افزودن ابزارهای پیش بینی جدید مورد نظر است.

تحلیل تکنیکال (TA) روشی است که در بازار مالی برای پیش‌بینی جهت قیمت ابزارهای مختلف مانند معاملات آتی، کالاها، شاخص‌ها و سهام استفاده می‌شود. TA مبتنی بر این ایده است که شناسایی تغییرات قیمت قبلی با استفاده از نمودارهای قیمت تاریخی، پیش‌بینی دقیقی از مسیرهای قیمتی آتی را فراهم می‌کند. 6 TA ممکن است داده های ماهانه، هفتگی، روزانه و حتی درون روز را ارزیابی کند. بنابراین، این روش برای یک پیش‌بینی کوتاه‌مدت مفید است. TA از شاخص‌های ریاضی مختلفی استفاده می‌کند که سیگنال‌هایی را برای خرید یا فروش اوراق بهادار مالی تولید می‌کند که نشان می‌دهد احتمال وقوع یک روند معکوس وجود دارد. شاخص هایی که بیشتر مورد استفاده قرار می گیرند، استفاده از میانگین های متحرک ساده (SMA) و میانگین متحرک همگرایی/واگرایی (MACD) هستند. 7،8 با جزییات بیشتر، SMA میانگین محدوده قیمت های بسته شدن را با چندین دوره در آن محدوده محاسبه می کند. یکی از کاربردهای رایج SMA ترکیب یک جفت SMA است که هرکدام بازه های زمانی متفاوتی را پوشش می دهند. اگر SMA کوتاه مدت (سریع)، از SMA بلند مدت (آهسته) از بالا عبور کند، یک روند صعودی انتظار می رود. از سوی دیگر، اگر SMA آهسته از پایین توسط SMA سریع عبور کند، ممکن است یک روند نزولی پیش بینی شود.

MACD یک شاخص است که با کم کردن میانگین متحرک نمایی طولانی تر (EMA) از یک EMA کوتاه تر محاسبه می شود. این محاسبه منجر به خط MACD می شود. سپس یک EMA 9 بعدی MACD (خط سیگنال) در بالای خط MACD ترسیم می شود. این خطوط در بالا و زیر خط صفر نوسان می کنند ، و متقاطع آنها به عنوان سیگنال معکوس روند کار می کند. علاوه بر این ، تفاوت بین 2 خط به عنوان یک هیستوگرام ترسیم شده است که در بالا و زیر محور صفر نوسان می کند (هیستوگرام MACD). واگرایی یک روند بین داده های خام و عملکرد هیستوگرام MACD مربوطه به عنوان نشانه ای از تضعیف روند یا پیش بینی معکوس روند. در اینجا ، ما بررسی کردیم که چگونه استفاده ترکیبی از یک SMA سریع و آهسته و استفاده از MACD می تواند جهت گسترش SARS-COV-2 را پیش بینی کند ، با استفاده از موارد جدید روزانه عفونت که به طور آزاد در سایت های رسمی در وب به عنوان مجموعه داده موجود است. این تجزیه و تحلیل در مورد داده های مربوط به ایتالیا ، ایران و برزیل انجام شد.

مواد و روش ها

داده های موارد تأیید شده روزانه از پورتال داده باز اتحادیه اروپا (EU) به صورت آنلاین در https://data. europa. eu/euodp/en/home استخراج شد. داده های تجزیه و تحلیل از 20 آوریل 2020 تا 31 مه 2020 متغیر است. شاخص های TA که در این مطالعه استفاده می شود شامل موارد زیر است.

استفاده ترکیبی از SMA

از SMA های سریع (3 بعدی) و یک دوره آهسته (20 بعدی) استفاده شد. SMA ها با توجه به فرمول زیر محاسبه شدند: SMA = (داده ها₁+ داده ها₂+... داده ها_n)/n داده ها بودند_n= تعداد عفونت های روزانه جدید در دوره n و n = تعداد دوره داده (به ترتیب در مورد 3 و 20 روز). عبور از SMA آهسته توسط SMA سریع از بالا یا پایین نشانگر بازگشت روند به ترتیب به سمت نزولی یا صعود است.

خط MACD با کم کردن یک EMA 26 بعدی از یک EMA 12 D به دست آمد. EMA با توجه به فرمول زیر محاسبه شد: ema = داده ها (t) × k + ema (y) × (1 - k) که در آن داده ها تعداد عفونت های روزانه جدید ، t = امروز ، y = دیروز ، k = 2/(n+1) که در آن تعداد روزها در EMA (به ترتیب در مورد 26 و 12 ما). خط سیگنال 9-D EMA از خط MACD بود. هیستوگرام MACD با کم کردن خط سیگنال از خط MACD محاسبه شد. هنگامی که خط MACD از خط سیگنال از پایین عبور کرد ، یک روند وارونه به صعود نشان داده شد ، در حالی که هنگام عبور از خط MACD از خط سیگنال از بالا ، یک روند معکوس به نزولی نشان داده شد. بعداً ، هنگامی که خط MACD از محور صفر عبور کرد ، به عنوان تأیید سیگنال اول عمل کرد.

واگرایی

واگرایی زمانی تعریف می شود که روند داده های خام و شاخص TA دارای جهت مخالف باشند. در این مطالعه، واگرایی ها پس از رسم خط روند نمودار که عفونت های روزانه جدید و هیستوگرام MACD مربوطه را در همان بازه زمانی نشان می دهد، شناسایی شد. خطوط روند بالای داده ها در روندهای نزولی و زیر داده ها در روندهای صعودی ترسیم شدند.

تمامی شاخص های TA بر اساس فرمول های مناسب با استفاده از نرم افزار Microsoft Excel محاسبه شدند.

نتایج

تجزیه و تحلیل روند آلودگی های جدید روزانه در ایتالیا (شکل 1 A (a)) نشان داد که SMA 3-d از خط 20-d-SMA از بالا در 3 آوریل 2020 عبور کرد، که نشان می دهد که روند صعودی احتمالاً به تغییر می کند. منفیپس از آن، تعداد موارد جدید روزانه به کاهش ادامه داد، که نشان می‌دهد این سیگنال برای پیش‌بینی بازگشت روند پایدار به سمت نزولی بسیار قابل اعتماد است. تجزیه و تحلیل MACD (شکل 1 A (b)) سیگنال مشابهی را کمی زودتر در 1 آوریل 2020 نشان داد که بعداً با عبور از محور صفر توسط خط MACD تأیید شد. یک واگرایی بین روند موارد روزانه و هیستوگرام MACD در ایتالیا قابل مشاهده بود (شکل 2 الف) از 8 آوریل 2020. روند نزولی بدون تغییر جهت مشهود ادامه یافت، اگرچه به نظر می رسید ضعیف تر از قبل بوده و در ادامه نیز ادامه داشته باشد. جهت جانبی

پانل های A، B، و C به ترتیب داده های ایتالیا، ایران و برزیل را نشان می دهند. در نمودار (الف) هر پانل، عفونت‌های روزانه جدید (نوارهای باز)، SMA سریع (خط نقطه‌دار) و SMA آهسته (خط توپر) نشان داده شده‌اند. در نمودار (ب)، خط MACD (خط نقطه چین)، خط سیگنال (خط یکدست) و هیستوگرام MACD (نوارهای باز) نشان داده شده است. معکوس شدن روند با فلش های ثابت (پایین) یا نقطه چین (به سمت بالا) نشان داده می شود.

پانل های A، B، و C به ترتیب داده های ایتالیا، ایران و برزیل را نشان می دهند. در هر پانل، عفونت های روزانه جدید به صورت یک خط ثابت، هیستوگرام MACD به صورت نوارهای باز نشان داده می شود. خطوط روند به صورت خطوط نقطه چین نشان داده می شوند. در پانل B، فلش نقطه‌دار نشان‌دهنده بازگشت روند به سمت بالا است.

در ایران ، همانطور که در شکل 1 b (a) نشان داده شده است ، اولین سیگنال یک روند معکوس به دوروید در 8 آوریل 2020 در نمودار ظاهر شد. این سیگنال با کاهش مداوم در تعداد عفونت های روزانه دنبال شد ، که به طول انجامید ، که به طول انجامیدتقریباً یک ماهپس از آن ، در تاریخ 5 مه 2020 ، سیگنال معکوس روند جدید و متضاد نشان داده شد ، و به دنبال آن یک روند پیشرو به سمت بالا. نشانگر MACD (شکل 1 B (B)) همچنین 2 روند مخالف را نشان داد. اولین روند نزولی در 5 آوریل 2020 قابل توجه بود ، در حالی که علامت واژگونی به سمت بالا در 3 مه 2020 ظاهر شد. واگرایی بین تعداد موارد روزانه جدید و هیستوگرام MACD (شکل 2 B) با یک روند وارونه به سمت بالا به سمت بالا دنبال شد1 مه 2020 در. داده های برزیل (شکل 1 C (a) (b)) هیچ معکوس روند را نشان نمی دهد. در مورد برزیل ، روند موارد روزانه رمان دائماً به سمت بالا هدایت می شد. به عنوان تأیید ، هیچ واگرایی بین خطوط روند رخ نداد (شکل 2 c).

بحث

تجزیه و تحلیل فنی ابزاری برای بررسی و پیش بینی چگونگی روند ابزارهای مالی است. TA مبتنی بر این ایده است که در صورت شناسایی الگوهای قبلی بازار ، می توان پیش بینی نسبتاً دقیقی از مسیرهای قیمت آینده انجام داد. این با استفاده از ابزارهای ریاضی تعریف شده به عنوان شاخص های بازار بدست می آید.

رویکرد TA مخالف تجزیه و تحلیل اساسی (FA) است ، که بر ارزش ذاتی یک دارایی خاص برای سرمایه گذاری های آینده متمرکز است. در FA ، قیمت های روزانه نادیده گرفته می شود ، توجه کاملاً به ترازنامه ، ابتکارات استراتژیک ، شاخص های خرد اقتصادی و رفتار مصرف کننده متمرکز شده است. 6 بنابراین ، TA اما نه FA ، روشی است که به طور بالقوه قابل استفاده در خارج از بازار مالی است که براساس روند داده است.

در این راستا ، ترکیبی از SMA های سریع و آهسته و MACD از جمله شاخص های فنی متداول در بازار مالی است. این شاخص ها به ویژه از حساسیت آنها برای پیش بینی معکوس روند و سهولت در استفاده از آنها قدردانی می شوند. بنابراین ، ما آزمایش کردیم که اگر هر دو شاخص برای تشخیص معکوس روند همه گیر SARS-COV-2 با استفاده از تعداد موارد تأیید شده روزانه به عنوان داده به جای قیمت مفید باشد. ما دریافتیم که SMA های ترکیبی و MACD قادر به واژگونی روند سریع هستند ، که سپس با روندهای بعدی و ماندگار در جهت پیش بینی شده تأیید شدند. قابلیت اطمینان شاخص های TA با تجزیه و تحلیل داده های ایتالیا ، ایران یا برزیل تأیید شد. ما این 3 کشور را در نظر گرفتیم زیرا سیستم بهداشتی به روش های مختلف به همه گیر واکنش نشان داد. در ایتالیا ، یک قرنطینه توده ای به زودی پس از آگاهی از شیوع Covid-19 تجویز شد. در ایران ، پس از یک دوره اولیه قفل شدن ، بالابر زودرس اقدامات محدود کننده به دلایل اقتصادی تصمیم گرفته شد. در برزیل ، اگرچه افزایش موارد جدید در دوره مشاهده ثابت بود ، اما هیچ قرنطینه توده ای ایجاد نشده است.

شایان ذکر است که ، اگرچه ابزارهای TA در این مطالعه بسیار قابل اعتماد و حساس هستند ، اما این روش ممکن است همیشه در مورد اپیدمیولوژی صدق نکند. به طور خاص ، این می تواند به پیش بینی روند اپیدمی ، یعنی منحنی اپیدمی ، بر اساس داده های تاریخی کمک کند ، اما توضیحی برای سایر سؤالات اپیدمیولوژیک ارائه نمی دهد. در مورد عفونت SARS-COV-2 ، TA نمی تواند هیچ اطلاعاتی در مورد زیست شناسی ویروسی ، کارآیی رفتارهای پیشگیرانه یا وضعیت ایمنی جمعیتی ارائه دهد.

محدودیت عمده این مطالعه ماهیت ذاتی داده ها است. تعداد گزارش شده از موارد جدید روزانه تا حدی نادرست است زیرا به دلیل وجود افراد بدون علامت ، تعداد مداوم عفونت های جدید می تواند از دست بدهد. 9 گزارش عدم گزارش موارد به دلیل چندین عامل ، یکی دیگر از محدودیت های اصلی هر مدل اپیدمیولوژیک است. علاوه بر این ، تعداد آزمایشات تشخیصی که روزانه انجام می شود ممکن است به میزان قابل توجهی نوسان داشته باشد. سرانجام ، شیوع عفونت می تواند در مناطق همان کشور متفاوت باشد. با این وجود ، ما پیشنهاد می کنیم که شاخص های TA ممکن است اطلاعات قابل اعتماد در زمان واقعی در مورد چگونگی گسترش عفونت SARS-COV-2 برای تهیه مناسب و پیشبرد اقدامات مهار جدید در صورت لزوم ارائه دهند.

منابع

1. Wang C ، Horby PW ، Hayden FG ، et al. شیوع کروناویروس جدید نگرانی بهداشت جهانی. لانست2020 ؛395: 470-473.[مقاله رایگان PMC] [PubMed] [Google Scholar]

2. Hellewell J ، Abbott S ، Gimma A ، et al. امکان کنترل شیوع COVID-19 با جداسازی موارد و مخاطبین. سلامت لنست گلوب. 2020 ؛8: E488 - E496.[مقاله رایگان PMC] [PubMed] [Google Scholar]

3. Nicola M ، Alsafi Z ، Sohrabi C ، et al. پیامدهای اجتماعی و اقتصادی همه گیر Coronavirus و Covid-19: یک بررسی. Int J Surg. 2020 ؛78: 185-193.[مقاله رایگان PMC] [PubMed] [Google Scholar]

4. Richiardi L ، Bellocco R ، Zugna D ، et al. تجزیه و تحلیل میانجیگری در اپیدمیولوژی: روش ها ، تفسیر و تعصب. Int J Epidemiol. 2013 ؛42: 1511 - 1519.[PubMed] [Google Scholar]

5. Rothman KJ ، Greenland S. علیت و استنباط علّی در اپیدمیولوژی. من j بهداشت عمومی. 2005 ؛95: S144 - S150.[PubMed] [Google Scholar]

6. مورفی جی جی. تجزیه و تحلیل فنی بازارهای مالی. رودخانه زین فوقانی ، نیویورک: سالن Prentice ؛1998. [Google Scholar]

7. Appel G. تجزیه و تحلیل فنی: ابزارهای قدرت برای سرمایه گذاران فعال. رودخانه زین فوقانی ، NJ: Financial Times/سالن Prentice ؛2005. [Google Scholar]

8. Wilder JW. مفاهیم جدید در سیستم های معاملاتی فنی. کینگستون ، نیویورک ؛تحقیقات روند ؛1978. [Google Scholar]

9. Bai Y ، Yao L ، Wei T ، et al. انتقال حامل بدون علامت COVID-19. جاما2020 ؛323: 1406‐1407.[مقاله رایگان PMC] [PubMed] [Google Scholar]

10. De Lusignan S ، Bernal JL ، Zambon M ، et al. ظهور یک کرونوویروس جدید (COVID-19): پروتکل برای گسترش نظارت مورد استفاده کالج سلطنتی پزشکان عمومی تحقیقات و نظارت و بهداشت عمومی انگلیس. JMIR Surveill Health. 2020 ؛6: E18606.[مقاله رایگان PMC] [PubMed] [Google Scholar]