报告时间：2020年6月10日（周三）14:00
报告形式：腾讯会议
报告嘉宾：高光远
报告主题：车联网大数据的自动特征工程：从精算科学和风险管理视角
报告摘要：信息技术的发展使人们日常生活的很多方面数字化，车联网技术的发展带来了大量与驾驶行为相关的数据。如何挖掘车联网大数据中的驾驶行为特征，提高保险公司的风险管理水平，成为保险公司面临的新挑战。本报告基于车联网数据的特点，提出了两种神经网络对其进行自动特征工程，其中，卷积神经网络提取的驾驶行为风险因子具有良好的解释性。在精算科学上，该方法既保持了传统定价模型的可解释性，又提升了其预测能力；在风险管理上，该方法得出驾驶行为风险与传统的风险因子有交互作用，并且互补。
关键词：车联网大数据，深度学习，特征工程，模型解释性，精算定价模型，广义线性模型。
个人简介：高光远，中国人民大学统计学院，风险管理与精算讲师。主要研究领域包括非寿险准备金评估方法，贝叶斯统计和MCMC，车险定价模型，copula，车联网大数据分析。在绝大部分精算顶尖期刊发表多篇论文，如《ASTIN Bulletin》，《Insurance：Mathematics and Economics》等；由Springer出版独著《Bayesian claims reserving methods in non-life insurance with Stan》；参与编著多本教材。主持国家自科青年项目，Society of Actuaries科研项目等；参与国家社科重大项目等。