
有没有人从数据的角度研究过艺术市场
比如从数据角度分析艺术品的合理定价,或者从交易数据来分析单个艺术品的价格走势,以及以数据来分析某个艺术家?
有的。我就一直在做相关领域的研究工作,我创立了一个叫做守望者的工作室,专门从事艺术市场的数据挖掘、分析工作,并提供相关领域的定制研究和咨询服务。
基于数据的艺术市场研究
我们的研究方法是:首先,收集艺术市场的原始数据,比如艺术家档案、展览新闻、拍卖结果等,然后在这些原数据的基础上,把它们合并到一个统一的数据库中,进行细致的数据清洗工作。通常这个步骤叫做数据沉淀。
接下来就是初步的分析。有了成交价格、作品尺寸、作者、创作年代这些基础信息后,第一块可以分析的就是价格数据。艺术品属于非同质品,因此你会马上发现国内以前通行的“平尺价格”这种方法是非常粗糙的。
为了解决这个问题,我们大约花费了3个月的研发时间,初步建立了一种回归分析法,也就是将面积、材质、主题、代表性等因素考虑进去,赋予一定的权重,计算出一个艺术家的“平均艺术品模型”(算法本身只横向对比艺术家本人的数据,因此这种回归分析不会导致艺术家彼此之间因为非同质化而产生的干扰),然后求出单个艺术品的成交均价。将每年的价格数据汇总后,形成类似这样的图表:
上图就是一个艺术家作品的价格趋势与市场整体走势对比分析图,由于目前2015年还未结束,所以图表中排除了2015年的数据避免干扰。
在这个领域,我们也抱着学习的态度。国内的雅昌艺术网有一个拍卖数据库,做的工作是类似的,在数据沉淀方面它们的工作做得非常全面。但由于雅昌主要是一个网络媒体,它们的工作重点聚焦于价格指数、天价艺术品排名、平均价格等具有眼球效应的指标分析上,我们则是对每个艺术家的价格以及导致价格的成因进行非常详细的深度分析。
国外也有著名的ArtPrice、ArtNet等网络平台,专门研究艺术品的价格进行定量分析,非常专业,它们只凭借价格数据这一点,就形成了会员制服务或定制报告服务来盈利。
更深入的分析
当然,作为专项做艺术市场研究的团队,我们不会止步于价格趋势的研究,因为这块所反映的只是交易的结果,而不是原因。在一些行业前辈的指导下,我们建立了重要的分析方法界面。比如,我们与有着多年市场交易经验的业内操盘者进行交流,建立了艺术市场的“多市场分析(Many Markets)”数据沉淀方法,在传统的一级市场数据(艺术展览、活动和出版物数据)与二级市场数据(主要是拍卖数据)基础上,我们进一步挖掘了所谓零级市场数据和三级市场数据。
其中,“零级市场”主要是指对艺术家档案数据的研究,从艺术家的成长经历中,剥离出最有价值的数据点,形成知识库。而第三级市场我们主要指的是博物馆、政府机构和非盈利组织的收藏和展览数据。
发现价值被低估的艺术家
之所以建立这样的分析模型,是因为艺术品创作通来自来艺术家本人的常年刻苦钻研,而艺术品最终会流向博物馆和非盈利性收藏。所以,我们将传统的一些定性分析法转化成定量分析工具,将具有类似属性的艺术家排列在一个界面上进行分析,就可以制作出具有“价值投资”思想的量表分析界面,找到那些具有“隐形价值”的艺术家,也就是其价值还没有充分体现在价格上面的、被市场低估的艺术家。
根据研究,我们发现艺术家的市场价值基本符合正态分布模型,类似上图,具有长期、持续的良好市场价值的艺术家品牌大约需要达到2sigma+水平,大约占艺术家整体数量的2.3%,其中具有天价效应的艺术家大约占总体的千分之一,因此,如果投资艺术品,采用随机投资的方法,从长期来看是具有较高风险的,这也是我们研究的一个具体价值体现点 —— 找到价值被低估的艺术家。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29