热点话题人物,欢迎提交收录!
最优雅的名人百科,欢迎向我们提交收录。
高光远
2023-05-17 13:40
  • 高光远
  • 高光远 - 副教授-中国人民大学-统计学院-个人资料

近期热点

资料介绍

个人简历


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
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。
蜗牛保险:保险智能推荐系统,横向合作。
乐志行科技公司: 卫星图像识别和定位,横向合作。
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、金融数学、风险管理、统计学
研究生:非寿险准备金评估模型、现代精算统计模型

研究领域


精算数据科学;车联网数据分析;非寿险准备金评估模型;贝叶斯模型;MCMC""

近期论文


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., 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. 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.
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.
国际顶尖精算期刊《Insurance:Mathematics_and_Economics》、《ASTIN Bulletin》等匿名审稿人
全国工业统计学青年统计学家协会第一届理事会理事

相关热点

扫码添加好友