京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25在数字化时代,数据已成为企业核心资产,而“数据存储有序化、数据分析专业化、数据价值可落地”,则是企业实现数据驱动的三大核 ...
2026-02-25在数据分析、机器学习的实操场景中,聚类分析与主成分分析(PCA)是两种高频使用的统计与数据处理方法。二者常被用于数据预处理 ...
2026-02-24在聚类分析的实操场景中,K-Means算法因其简单高效、易落地的特点,成为处理无监督分类问题的首选工具——无论是用户画像分层、 ...
2026-02-24数字化浪潮下,数据已成为企业核心竞争力,“用数据说话、用数据决策”成为企业发展的核心逻辑。CDA(Certified Data Analyst) ...
2026-02-24CDA一级知识点汇总手册 第五章 业务数据的特征、处理与透视分析考点52:业务数据分析基础考点53:输入和资源需求考点54:业务数 ...
2026-02-23CDA一级知识点汇总手册 第四章 战略与业务数据分析考点43:战略数据分析基础考点44:表格结构数据的使用考点45:输入数据和资源 ...
2026-02-22CDA一级知识点汇总手册 第三章 商业数据分析框架考点27:商业数据分析体系的核心逻辑——BSC五视角框架考点28:战略视角考点29: ...
2026-02-20CDA一级知识点汇总手册 第二章 数据分析方法考点7:基础范式的核心逻辑(本体论与流程化)考点8:分类分析(本体论核心应用)考 ...
2026-02-18第一章:数据分析思维考点1:UVCA时代的特点考点2:数据分析背后的逻辑思维方法论考点3:流程化企业的数据分析需求考点4:企业数 ...
2026-02-16