高光远 职 称：讲师


职 务：


电子邮箱： guangyuan.gao@ruc.edu.cn
工作经历
2016.09-至今 中国人民大学 讲师

基金项目
主持：
> 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（**）。
> 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）。
=====
参与：
>> 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）。
>> 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）。
开设课程
统计学；金融数学；非寿险精算；寿险精算；风险管理。
研究方向
车联网数据分析；非寿险准备金评估模型；贝叶斯模型；MCMC

论文成果
代表论文:
> 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 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.
======
其他论文：
>> 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, DOI: 10.1080/**.2018.**.
>> Gao, G., Ho, K.-Y. and Shi, Y.* (2018). Long memory or regime switching in volatility? Evidence
from high-frequency returns on the U.S. stock indices. Pacific-Basin Finance Journal, DOI:
10.1016/j.pacfin.2018.08.013.
>> Gao, G. and Wuthrich, M. V.* (2018). Feature extraction from telematics car driving heatmaps.
European Actuarial Journal, 8(2): 383-406.
>> 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.
著作成果
> 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.