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
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
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理事会理事
基于机器学习算法的非寿险个体准备金评估模型（71901207），国家自然科学基金项目。
Analytics of telematics car driving data，北美精算师协会研究基金。
基于车联网大数据的汽车保险费率因子研究（19XNF023），中国人民大学科学研究基金项目。
2019年中国人民大学优秀科研成果奖（著作）
《保险研究》2018年度优秀论文
本科：非寿险精算学、高等代数（上）（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）
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
Gao, G., Chang, L., Shi,Y.* (2024). A semi-parametric claims reserving model with monotone splines. Annals of Operations Research.
Chang, L., Gao, G.*, Shi, Y. (2024). Claims reserving with a robust generalized additive model. North American Actuarial Journal.
Gao, G. (2024). Fitting Tweedie's compound Poisson model to pure premium with the EM algorithm. Insurance: Mathematics and Economics, 114: 29-42.
Gao, G., Li, J.* (2023). Dependence modeling of frequency-severity of insurance claims using waiting time. Insurance: Mathematics and Economics, 109:29-51.
Gao, G., Shi, Y.* (2023). Robustness and spurious long memory: Evidence from the generalized autoregressive score models. Annals of Operations Research.
Meng, S., Wang, H., Shi, Y., Gao, G.* (2022). Improving automobile insurance claims frequency prediction with telematics car driving data. ASTIN Bulletin, 52: 363-391.
Gao, G., Meng, S., Wüthrich, M. V.* (2022). What can we learn from telematics car driving data: A survey. Insurance: Mathematics and Economics, 104: 185-199.
Gao, G., Wang, H., Wüthrich, M. V.* (2022). Boosting Poisson regression models with telematics car driving data. Machine Learning, 111: 243-272.
Gao, G., Meng, S.*, Shi, Y. (2021). Dispersion modelling of outstanding claims with double Poisson regression models. Insurance: Mathematics and Economics, 101: 572-586.
Gao, G., Shi, Y.* (2021). Age-coherent extensions of the Lee-Carter model. Scandinavian Actuarial Journal, 2021: 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, 61.
Gao, G.*, Wüthrich, M. V. and Yang, H. (2019). Evaluation of driving risk at different speeds. Insurance: Mathematics and Economics, 88: 108-119.
Gao, G. and Wüthrich, M. V.* (2019). Convolutional neural network classification of telematics car driving data. Risks, 7: article 6.
Gao, G., Meng, S.* and Shi, Y. (2019). Stochastic payments per claim incurred. North American Actuarial Journal, 23: 11-26.
Gao, G.*, Meng, S. and Wüthrich, M. V. (2019). Claims frequency modeling using telematics car driving data. Scandinavian Actuarial Journal, 2019: 143-162.
Gao, G. and Wüthrich, M. V.* (2018). Feature extraction from telematics car driving heatmaps. European Actuarial Journal, 8: 383-406.
Meng, S. and Gao, G.* (2018). Compound Poisson claims reserving models: Extensions and inference. ASTIN Bulletin, 48(3): 1137-1156.
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.
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.
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.
Gao, G. (2018). Bayesian Claims Reserving Methods in Non-life Insurance with Stan: An Introduction. Springer-Verlag, DOI: 10.1007/978-981-13-3609-6.
高光远 (2024). 现代精算预测建模：从统计模型到机器学习算法. 机械工业出版社.
高光远 (2024). 线性代数: 从理论到应用 (数据科学与统计专业适用). 机械工业出版社.
孟生旺、刘乐平、肖争艳、高光远 (2019). 非寿险精算学 (第四版). 中国人民大学出版社.
