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
在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA(Certified Data Analyst)数据分析师的日常工作中,“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09在CDA(Certified Data Analyst)数据分析师的工作场景中,分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据,是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08在电商行业竞争日趋激烈的当下,数据已成为驱动业务增长的核心引擎。电商公司的数据分析师,不仅是数据的“解读官”,更是业务的 ...
2026-01-08在数据驱动决策的链路中,统计制图是CDA(Certified Data Analyst)数据分析师将抽象数据转化为直观洞察的关键载体。不同于普通 ...
2026-01-08在主成分分析(PCA)的学习与实践中,“主成分载荷矩阵”和“成分矩阵”是两个高频出现但极易混淆的核心概念。两者均是主成分分 ...
2026-01-07在教学管理、学生成绩分析场景中,成绩分布图是直观呈现成绩分布规律的核心工具——通过图表能快速看出成绩集中区间、高分/低分 ...
2026-01-07在数据分析师的工作闭环中,数据探索与统计分析是连接原始数据与业务洞察的关键环节。CDA(Certified Data Analyst)作为具备专 ...
2026-01-07在数据处理与可视化场景中,将Python分析后的结果导出为Excel文件是高频需求。而通过设置单元格颜色,能让Excel中的数据更具层次 ...
2026-01-06在企业运营、业务监控、数据分析等场景中,指标波动是常态——无论是日营收的突然下滑、用户活跃度的骤升,还是产品故障率的异常 ...
2026-01-06