一种基于回归算法的艺术品价格智能评估与预测方法技术

本发明专利技术涉及艺术品评估与预测技术领域，尤其是一种基于回归算法的艺术品价格智能评估与预测方法，包括以下步骤：S1：动态回归预测价，首先根据艺术家对艺术品的报价轨迹和艺术品的历史价格轨迹做出动态评估；S2：初级评估价；S3：精确评估价，对影响艺术品价格的外部主要因素进行分类和描述，同样运用区分度模型训练得到每一分项对艺术品价格的边际贡献率，通过加权形成精确评估模型。该方法能够控制数据质量，来反映市场的一方面的状态，还能够实现对艺术品产业的风险预警及预测，利用该方法实现艺术品产业以及产品的价格的预测及风险的预警，实现艺术品产业的风向标的参考指数及指标，能够推动艺术品市场回归诚信轨道。

An intelligent evaluation and prediction method of artwork price based on regression algorithm

【技术实现步骤摘要】
一种基于回归算法的艺术品价格智能评估与预测方法
本专利技术涉及艺术品评估与预测
，尤其涉及一种基于回归算法的艺术品价格智能评估与预测方法。
技术介绍
艺术品的供应数量极为有限。就拿书画来说，不同画家、流派创作风格迥异，即使是同一画家的艺术作品也不具有完全同质性，稀缺性和不可替代性充分印证了“物以稀为贵”这句古语。珍贵艺术品、卓越的大师作品风格独树一帜、艺术技巧复杂，供应具有垄断性。随着艺术品金融化发展，艺术品鉴定与评估在艺术品投资、投保、抵押、典当、理赔、遗产传承和财产分割等经济行为中成为不可或缺、至关重要的部分。俗话说“乱世黄金，盛世收藏”，艺术品并非生活必需品，艺术市场通常“兴在百业后”。与此同时，我国艺术品市场法制建设相对滞后，艺术品评估相关法律法规至今尚未出台。艺术品评估行业滞后现状难以满足社会大众对艺术品收藏、投资、消费的现状。正因为如此，在巨大的经济利益驱动下，艺术品评估行业乱象丛生。作为艺术品市场发展“基石”的艺术品鉴定评估行业同样乱象丛生，反而成为了艺术品市场发展的“绊脚石”。部分文博单位、教学和学术研究机构面向社会从事评估并出具证书，一些个人也以鉴定评估专家的身份为公众评估鉴定并收取费用，甚至出具个人署名的鉴定证书，其中不乏盲目追求钱财的行为，但却没有相应的监管、责任追究和退出机制。为此，我们提出了一种基于回归算法的艺术品价格智能评估与预测方法。
技术实现思路
本专利技术的目的是为了解决现有技术中存在的缺点，而提出的一种基于回归算法的艺术品价格智能评估与预测方法。为了实现上述目的，本专利技术采用了如下技术方案：设计一种基于回归算法的艺术品价格智能评估与预测方法，包括以下步骤：S1：动态回归预测价，首先根据艺术家对艺术品的报价轨迹和艺术品的历史价格轨迹做出动态评估，具体步骤如下：根据实际需要追踪艺术家一个类型的多个艺术作品的历史轨迹，然后通过对其拍卖价、自己报价以及市场交易价的多种价格进行加权平均和线性回归分析，得到具体一位艺术家这一个类型的艺术品的基础的价位，再根据艺术品相关指标评估具体一个艺术品的价格；S2：初级评估价，具体步骤如下：(1)、对影响艺术品价格的内部主要因素进行分类和描述，对艺术品的静态分项数据，运用区分度模型训练得到每一分项对艺术品价格的边际贡献率，通过加权形成初级评估模型；(2)、然后将艺术品的各个分项的系数加总再乘以动态评估价得到初级评估价，且系数并非边际贡献率，具体为分项的值所对应的系数值；S3：精确评估价，对影响艺术品价格的外部主要因素进行分类和描述，同样运用区分度模型训练得到每一分项对艺术品价格的边际贡献率，通过加权形成精确评估模型，具体步骤如下：A、通过对艺术品的动态历史价格轨迹和静态分项数据统一做的初级评估价，从而能够得到具体艺术品的基本价位；B、然后根据艺术品的外部数据，利用“三阶段加权线性回归决策树模型”，对作品或作家的这些特殊数据信息做出权重系数的评估，对外部数据进行加权，以初级评估价作为基准价，最终计算得到比较精确的评估价。优选的，在S3中的外部数据包括拍卖次数、参展次数、流派次数、作品的最高价、是否获得国际或国内奖以及是否被机构收藏。优选的，在S1中的历史轨迹包括自报价轨迹、市场价轨迹、画廊价轨迹、拍卖价轨迹。优选的，自报价轨迹的数据来源，具体为：1)、采集自媒体及社会化媒体中艺术家对自身作品的估价或润格；2)、系统将实现的艺术家登录账户并添加艺术品自估价及自估润格；3)、既有拍卖市场艺术品价格数据中“评估价”。优选的，市场价轨迹的数据来源，具体为：利用大数据定向采集技术和人工预处理技术，定期采集社会化网站数据，以及相关门户社区中专业人士的评价。优选的，画廊价轨迹的数据来源，具体为：定期采集不同画廊在线艺术品销售价格，并依据艺术品尺寸计算出艺术家润格，最终形成画廊价。优选的，拍卖价轨迹的数据来源，具体为：利用大数据定向采集技术和人工预处理技术，定期采集不同拍卖成交的价格，形成拍卖价。本专利技术提出的一种基于回归算法的艺术品价格智能评估与预测方法，有益效果在于：该基于回归算法的艺术品价格智能评估与预测方法能够控制数据质量，来反映市场的一方面的状态，或者某一种结构，还能够实现对艺术品产业的风险预警及预测，利用该方法实现艺术品产业以及产品的价格的预测及风险的预警，实现艺术品产业的风向标的参考指数及指标，能够推动艺术品市场回归诚信轨道。附图说明图1为三阶段加权线性回归决策树模型图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。参照图1，一种基于回归算法的艺术品价格智能评估与预测方法，包括以下步骤：S1：动态回归预测价，首先根据艺术家对艺术品的报价轨迹和艺术品的历史价格轨迹做出动态评估，具体步骤如下：根据实际需要追踪艺术家一个类型的多个艺术作品的历史轨迹，然后通过对其拍卖价、自己报价以及市场交易价的多种价格进行加权平均和线性回归分析，得到具体一位艺术家这一个类型的艺术品的基础的价位，再根据艺术品相关指标评估具体一个艺术品的价格；S2：初级评估价，具体步骤如下：(1)、对影响艺术品价格的内部主要因素进行分类和描述，对艺术品的静态分项数据，比如书画，包括：影响它的价格的一些因素就有：创作人、创作年代、作品分类、流派、题材、尺寸、材质、技法以及相似作品的报价多个维度，能够运用区分度模型训练得到每一分项对艺术品价格的边际贡献率，运用区分度模型训练得到每一分项对艺术品价格的边际贡献率，通过加权形成初级评估模型；(2)、然后将艺术品的各个分项的系数加总再乘以动态评估价得到初级评估价，且系数并非边际贡献率，具体为分项的值所对应的系数值；S3：精确评估价，对影响艺术品价格的外部主要因素进行分类和描述，同样运用区分度模型训练得到每一分项对艺术品价格的边际贡献率，通过加权形成精确评估模型，具体步骤如下：A、通过对艺术品的动态历史价格轨迹和静态分项数据统一做的初级评估价，从而能够得到具体艺术品的基本价位；B、然后根据艺术品的外部数据，利用“三阶段加权线性回归决策树模型”，对作品或作家的这些特殊数据信息做出权重系数的评估，对外部数据进行加权，以初级评估价作为基准价，最终计算得到比较精确的评估价。在S3中的外部数据包括拍卖次数、参展次数、流派次数、作品的最高价、是否获得国际或国内奖以及是否被机构收藏。在S1中的历史轨迹包括自报价轨迹、市场价轨迹、画廊价轨迹、拍卖价轨迹。自报价轨迹的数据来源，具体为：1)、采集自媒体及社会化媒体中艺术家对自身作品的估价或润格；2)、系统将实现的艺术家登录账户并添加艺术品自估价及自估润格；3)、既有拍卖市场艺术品价格数据中“评估价”。市场价轨迹的数据来源，具体为本文档来自技高网...

【技术保护点】
1.一种基于回归算法的艺术品价格智能评估与预测方法，其特征在于，包括以下步骤：/nS1：动态回归预测价，首先根据艺术家对艺术品的报价轨迹和艺术品的历史价格轨迹做出动态评估，具体步骤如下：/n根据实际需要追踪艺术家一个类型的多个艺术作品的历史轨迹，然后通过对其拍卖价、自己报价以及市场交易价的多种价格进行加权平均和线性回归分析，得到具体一位艺术家这一个类型的艺术品的基础的价位，再根据艺术品相关指标评估具体一个艺术品的价格；/nS2：初级评估价，具体步骤如下：/n(1)、对影响艺术品价格的内部主要因素进行分类和描述，对艺术品的静态分项数据，运用区分度模型训练得到每一分项对艺术品价格的边际贡献率，通过加权形成初级评估模型；/n(2)、然后将艺术品的各个分项的系数加总再乘以动态评估价得到初级评估价，且系数并非边际贡献率，具体为分项的值所对应的系数值；/nS3：精确评估价，对影响艺术品价格的外部主要因素进行分类和描述，同样运用区分度模型训练得到每一分项对艺术品价格的边际贡献率，通过加权形成精确评估模型，具体步骤如下：/nA、通过对艺术品的动态历史价格轨迹和静态分项数据统一做的初级评估价，从而能够得到具体艺术品的基本价位；/nB、然后根据艺术品的外部数据，利用“三阶段加权线性回归决策树模型”，对作品或作家的这些特殊数据信息做出权重系数的评估，对外部数据进行加权，以初级评估价作为基准价，最终计算得到比较精确的评估价。/n...

【技术特征摘要】
1.一种基于回归算法的艺术品价格智能评估与预测方法，其特征在于，包括以下步骤：
S1：动态回归预测价，首先根据艺术家对艺术品的报价轨迹和艺术品的历史价格轨迹做出动态评估，具体步骤如下：
根据实际需要追踪艺术家一个类型的多个艺术作品的历史轨迹，然后通过对其拍卖价、自己报价以及市场交易价的多种价格进行加权平均和线性回归分析，得到具体一位艺术家这一个类型的艺术品的基础的价位，再根据艺术品相关指标评估具体一个艺术品的价格；
S2：初级评估价，具体步骤如下：
(1)、对影响艺术品价格的内部主要因素进行分类和描述，对艺术品的静态分项数据，运用区分度模型训练得到每一分项对艺术品价格的边际贡献率，通过加权形成初级评估模型；
(2)、然后将艺术品的各个分项的系数加总再乘以动态评估价得到初级评估价，且系数并非边际贡献率，具体为分项的值所对应的系数值；
S3：精确评估价，对影响艺术品价格的外部主要因素进行分类和描述，同样运用区分度模型训练得到每一分项对艺术品价格的边际贡献率，通过加权形成精确评估模型，具体步骤如下：
A、通过对艺术品的动态历史价格轨迹和静态分项数据统一做的初级评估价，从而能够得到具体艺术品的基本价位；
B、然后根据艺术品的外部数据，利用“三阶段加权线性回归决策树模型”，对作品或作家的这些特殊数据信息做出权重系数的评估，对外部数据进行加权，以初级评估价作为基准价，最终计算得到比较精确的评估价。


2.根据权利要求1所述的一种基于回归算法的艺术品价...

【专利技术属性】
技术研发人员：杜小军，杜跃天，
申请(专利权)人：江苏中润普达信息技术有限公司，
类型：发明
国别省市：江苏;32