教师队伍

您当前的位置: > 首页 > 教学团队 > 教师队伍

高光远

职 称: 副教授


职 务: 无


电子邮箱: guangyuan.gao@ruc.edu.cn

教育经历

2005年---2009年 同济大学 工学学士 

2009年---2011年 澳洲国立大学 应用统计学硕士 

2012年---2016年 澳洲国立大学 统计学博士


工作经历

2012年---2012年 澳洲国立大学 助理研究员 

2016年---2016年 天津贵金属交易所 研究员 

2016年---2020年 中国人民大学 讲师 

2020年---至今 中国人民大学 副教授


兼任职务

中国现场统计研究会理事 

全国工业统计学青年统计学家协会第一届理事会理事 

国际顶尖精算期刊《Insurance:Mathematics and Economics》、《ASTIN Bulletin》等匿名审稿人


基金项目

国家自然科学基金项目(2020-2022):基于机器学习算法的非寿险个体准备金评估模型(71901207),主持。 

北美精算师协会研究基金(2020-2021):Analytics of telematics car driving data,主持。 

中国人民大学科学研究基金项目(2019):基于车联网大数据的汽车保险费率因子研究(19XNF023),主持。 

国家社科基金重大项目(2017-2021):巨灾保险的精算统计模型及其应用研究(16ZDA052),参与。 

教育部人文社会科学重点研究基地重大项目(2016-2020):基于大数据的精算统计模型与风险管理问题研究(16JJD910001),参与。


学术奖励

2020.01 中国人民大学优秀科研成果奖(著作)

2019.08 《保险研究》2018年度优秀论文


开设课程

本科:非寿险精算学、(统计学、金融数学、衍生金融市场基础、风险管理)

研究生:现代精算统计模型、(非寿险责任准备金评估方法)


研究方向

寿险与非寿险精算;车联网数据分析;非寿险准备金评估模型;贝叶斯统计;MCMC

       

高等代数(上)讲义下载

代表成果

  • Meng, S., Wang, H., Shi, Y. and Gao, G.* (2022). Improving automobile insurance claims frequency prediction with telematics car driving data. ASTIN Bulletin, first view.

  • Gao, G., Meng, S.* and Shi Y. (2021). Dispersion modelling of outstanding claims with double Poisson regression models. Insurance: Mathematics and Economics, 101: 572-586.

  • 高光远*; 孟生旺(2018). 基于车联网大数据的车险费率因子研究. 保险研究, 357(1): 90-100.

  • Gao, G. (2018). Bayesian Claims Reserving Methods in Non-life Insurance with Stan: An Introduction. Springer, Singapore. DOI: 10.1007/978-981-13-3609-6.

                                     

其它成果

  • Gao, G., Meng, S. and Wuthrich, M. V. (2022). What can we learn from telematics car driving data: A survey. Insurance: Mathematics and Economics.

  • Gao, G., Wang, H., Wuthrich, M. V. (2021). Boosting Poisson regression models with telematics car driving data. Machine Learning.

  • Gao, G., Shi, Y. (2021). Age-coherent extensions of the Lee-Carter model. Scandinavian Actuarial Journal, 2021(10): 998-1016.

  • Gao, G., Ho, K.-Y. and Shi, Y.* (2020). Long memory or regime switching in volatility? Evidence from high-frequency returns on the U.S. stock indices. Pacific-Basin Finance Journal.

  • Gao, G.*, Wuthrich, M. V. and Yang, H. (2019). Evaluation of driving risk at different speeds. Insurance: Mathematics and Economics, 88: 108-119.

  • Gao, G.*, Meng, S. and Wuthrich, M. V. (2019). Claims frequency modeling using telematics car driving data. Scandinavian Actuarial Journal, 2019(2): 143-162.

  • Gao, G. and Wuthrich, M. V.*(2019). Convolutional neural network classification of telematics car driving data. Risks, 7(1): article 6.

  • Gao, G., Meng, S.* and Shi, Y. (2019). Stochastic payments per claim incurred. North American Actuarial Journal.

  • Gao, G. and Wuthrich, M. V.* (2018). Feature extraction from telematics car driving heatmaps. European Actuarial Journal, 8(2): 383-406.

  • Gao, G.* and Meng, S. (2018). Stochastic claims reserving via a Bayesian spline model with random loss ratio effects. ASTIN Bulletin, 48(1): 55-88.

  • Meng, S. and Gao, G.* (2018). Compound Poisson claims reserving models: Extensions and inference. ASTIN Bulletin, 48(3): 1137-1156.

  • 孟生旺*; 李天博; 高光远(2017). 基于机器学习算法的车险索赔概率与累积赔款预测. 保险研究, 354(10):42-53.