贾晓贝：艺术品指数五十年：回顾与展望（《中国艺术金融》2018-12）

作者：贾晓贝（哥伦比亚大学艺术管理硕士）

来源：《艺术品鉴证（中国艺术金融）》杂志2018-12

艺术品指数的研究实践已有半个世纪的历史。20世纪60年代，随着西方艺术品市场的蓬勃发展，艺术品的资产价值日益受到关注。1967年，Geraldine Keen在伦敦《泰晤士报》发布了世界上第一个艺术品指数——泰晤士苏富比艺术品指数（The Times‐Sotheby Index of Art Prices）^[1]。该指数采用平均价格法构建，虽然只更新到1971年就停止，但是在业界引起了广泛的讨论^[2]。

纵观国内外艺术品指数的研究实践，在维度方面可主要分为价格指数和景气指数两大类，分别从价格水平和趋势预测方面对艺术品市场进行动态测量分析。

价格指数是反映一定时期内某类商品或市场的价格水平变动趋势和程度的相对数指标。目前艺术品价格指数的研究主要聚焦于拍卖价格指数，并按照市场地区、流派、品类、艺术家等维度构建了细分的价格指数子类。与此同时，以潍坊银行为代表的机构对艺术金融价格指数、画廊价格指数等也进行了研究。

景气指数综合反映一定时期内研究对象所处的状态或发展趋势，可用作艺术品市场行情预测判断的先行指标，发挥晴雨表和预警器的作用。当下艺术品景气指数主要从买家与卖家的信心指数、拍卖溢价指数、艺术品市场与宏观经济（如人均GDP、货币发行量M1或M2、高资产净值人士的规模等）关系等方面进行研究。

本文将从梳理国内外艺术品指数的编制方法开始，解读主流指数模型思想、典型指数实践以及评价。随后，结合文献对艺术品指数的市场应用进行综述。在此基础上，分析艺术品指数目前存在的问题，探索更加可靠的艺术品指数构建的突破口，并提出可行建议。

一、重要艺术品指数模型及实践

艺术品价格指数的构建方法主要包括平均价格法、重复交易法（Repeat Sales Regression）、特征价格法（Hedonic Regression）以及基于后两者的混合模型法。国内外已有相当数量的研究对各个模型进行阐述与验证（朱澄，2014）^[3]，以国外为主的研究进一步对不同模型的表现进行了对比分析（Ginsburgh, Mei and Moses，2006）^[4]。不同的指数编制方法各有其优点和不足，一个可以毫无偏差地度量艺术品市场价格水平的指数模型目前还不存在，但是我们可以在不同的条件下选择更为合适的模型。此外，测量艺术品市场景气程度的信心指数及溢价指数主要参考了其他领域的成熟模型。

（一）平均价格法

采用平均价格法编制的指数将拍卖总成交价格进行算术平均，得出每件或每平方尺的单位价格。在此基础上，有的进一步参考股票指数的计算方法，对总成交价格进行成分分析与加权平均。

1.典型指数应用：泰晤士苏富比艺术品指数、雅昌拍卖价格指数、中艺指数

泰晤士苏富比艺术品指数发布于1967年，基于苏富比自1950年起的拍卖成交价格记录，指数体系包括欧洲古典油画、现代派绘画、法式古典家具、版画等12类。以印象派指数为例，选取6位市场活跃度高的代表艺术家，按艺术家与时间分组计算出每位艺术家作品的平均价格变化率，进而对6位艺术家计算结果进行算术平均，得出印象派指数。

雅昌拍卖价格指数在2004年由雅昌艺术网创建，以2000年为基期反映中国艺术品市场行情走势，包括艺术品市场综合指数、重要绘画流派及时期分类指数、重要艺术家指数。其设计思路是，某期艺术品总成交价格除以该期作品总平方尺数，即为该期拍卖指数。

中艺指数于2003年9月发布，选取“成分艺术品”，即有突出贡献的艺术家的代表作构成样本，对总成交额进行艺术品尺寸的加权平均，即得到指数。剔除总样本中较高的10%和较低的10%，其余80%样本行情数据纳入本期行情的计算范畴。

2.评价

艺术品区别于其他商品的一大特性就是其异质性，即每件艺术品均独一无二、不同艺术品之间没有直接可比性，而平均价格法是在艺术品同质化的前提下进行计算。因此，采用此种方法编制的指数无法反映市场的真实情况，某一时期的平均价格变化可能是受作品质量不同的影响，而非整体价格水平发生变化。

（二）重复销售法

重复销售法参考了凯斯–席勒房价指数（Case-Shiller Home Prices Index）的思想，采用同一件艺术品在两个时间点的销售价格变化（又称为一对重复销售数据）构建艺术品指数。此方法认为艺术品的基本特征（如材质、尺寸等）不随时间而变化，从而解决艺术品的异质性问题。

标准模型形式：

1.典型指数应用：梅摩艺术品指数、雅昌当代书画50指数

梅摩艺术品指数（The Mei Moses Art Indices）由时任纽约大学商学院教授的梅建平和他的同事迈克尔·摩西在2000年共同创建，通过跟踪同一件艺术品的重复交易记录并由此构建艺术品价格指数体系，目前样本包含全球45000对重复拍卖记录并持续更新。梅摩指数涵盖了8个艺术品拍卖品类，包括印象派和现代派油画、古典油画、美国画派、英国画派、拉丁画派、当代艺术、中国传统艺术、中国当代油画。梅摩指数是第一个在欧洲交易市场上进行期货交易的艺术品指数。2016年10月，苏富比拍卖行宣布收购该指数，并将其更名为苏富比梅摩指数（Sotheby’s Mei Moses）。

雅昌当代书画50指数采用重复销售法构建，发布于2015年5月，以2000年为指数基期，反映了以50位当代书画艺术家为代表的市场拍卖行情、价格走势情况以及投资收益和风险情况。

2.评价

房地产市场的二手房交易非常活跃，因此数据样本可充分反映市场价格水平。然而艺术品拍卖成交的频率普遍较低，重复销售数据只占全部交易的很小一部分，采用该方法构建艺术品指数时样本十分受限且存在选择偏差的问题。对于具有大量复制品的收藏品、交易频繁的热门艺术品，或较长的研究时期（至少30年以上），适用此方法。

（三）特征价格法

特征价格法基于艺术品的基本特征进行回归计算，如：艺术家、时期、作品尺寸、主题、款识、成交地点等。该方法将艺术品价格变动中的特征因素进行分解，以显现出各项特征的隐含价格，并从价格的总变动中剔除特征变动的影响，达到反映纯价格变动的目的。

标准模型形式：

1.典型指数应用：Artprice艺术品价格指数、潍坊银行中国艺术金融价格型指数、艺拍指数

Artprice于1997年在法国创立，提供艺术品数据库、线上交易、新闻资讯、数据分析等服务。Artprice艺术品价格指数以1997年为基期，对其拍卖价格数据库中的拍品数据进行特征回归计算，得到艺术家价格指数。目前Artprice指数分析涵盖了超过10000位艺术家的市场表现，用于反映艺术品（美术品）拍卖市场价格水平、投资收益预测以及价格。2018年1月，推出Artprice100指数，包含100位市场表现稳定可靠的蓝筹（blue chip）艺术家，用于有针对性地指导投资。

潍坊银行的中国艺术金融价格型指数、易拍全球研究院的艺拍指数–价格指数，均采用特征价格法编制，分别包括中国艺术金融价格指数（基期为2014年）、画廊价格指数（基期为2015年）、潍坊画廊100指数（基期为2015年）、中国艺术品市场拍卖价格指数（基期为2010年）和综合指数、地区指数、艺术流派指数、艺术家指数（基期均为2007年），可与标准普尔指数、上证指数、恒生指数等进行同期走势对比。

2.评价

采用此方法构建指数时可以选用几乎所有的艺术品交易数据，避免了重复销售法对样本的选择限制，并且可用此模型进行艺术品价格预测。然而，艺术品特征变量的选择主要基于经验，不合理的设定会造成指数结果偏误。

（四）混合模型法

该方法将特征价格法引入到重复销售模型中，扩大了低频交易的艺术品数据的可使用范围。

1.典型指数应用：artnet指数

artnet于1989年在德国成立，定位为线上艺术品交易与分析研究平台。2012年推出artnet指数分析服务，包括艺术家个人指数、流派指数、artnet市场综合指数。该指数的构建综合了特征价格法和重复销售法：首先对artnet价格数据库中的美术作品进行分类，将年代、材质、尺寸等基本特征极为接近的作品划分入相似作品组，然后将相似作品组中每件作品的每次成交计入一次重复交易，进行指数计算。

2.评价

混合法极大地扩充了样本适用范围，并且各系数估计值具有更小的标准差。但是，前期作品分组时的判断基于经验，并且由于引入特征价格法，对特征变量选取判断的问题同样会对指数准确性带来影响。

（五）信心指数

艺术品市场信心指数的典型代表是Artprice于2008年推出的Art Market Confidence Index，简称AMCI。该指数参照美国密西根大学研究中心的“密西根消费信心指数”构建，以调查问卷的形式发放给Artprice全球范围的网站会员，收集其对市场前景和当下消费心理状态的主观回答，在计算时间点选取最近1000名参与者的答案为样本，对其进行赋值计算。

（六）溢价指数

该指数的编制方法参考了香港恒生AH股溢价指数，表示一定时期内艺术品的实际拍卖成交价格超过其估价水平的相对数指标。溢价指数值越高，表明艺术品的拍卖市场整体热度越高，具有一定的先行意义，能够在一定程度上对下一期价格指数的走势提供参考。

标准模型形式：

潍坊银行的中国艺术品市场拍卖溢价指数、易拍全球研究院的艺拍指数–溢价指数，均采用此种方法编制。在数据呈现方面，潍坊银行的艺术品溢价指数还采用了K线、均线图，完整记录并展现市场情况，与股市及期货市场接轨。

二、艺术品指数的应用

艺术品指数的应用与其他指数相似，最直观的应用层面就是对市场进行分析及预测。由于艺术品价格指数可以进一步计算出投资收益率，因此在投资风险与收益方面成为重要工具。此外，以特征价格法构建的艺术品指数也在艺术品价格评估方面有所贡献，使得艺术品估价的方式在专家主观评定以外有了数理模型支撑的可能。

（一）市场分析预测

天价拍品频出、白手套专场增多，这些现象能否说明市场价格水平上升？多件热点拍品流拍或低价成交是否意味着市场价格水平低迷？诚然，总成交额、成交率、平均成交价格等描述统计指标可以从一定程度上大致反映市场情况，但是标准化了的艺术品指数能够排除艺术品的作者、材质、尺寸等特征因素的影响，使结果反映出纯价格随时间的变动趋势，比统计描述指标更加准确、可比较。

图1  中国书画价格指数及张大千价格指数（来源：《中国收藏拍卖年鉴2017》，p114，文物出版社）

以图1的中国书画价格指数及张大千价格指数为例：2007年春的中国书画价格指数为100点，到2016年秋的指数值为294点，表示十年间，中国书画的整体拍卖价格水平增长了近2倍。

同时，由于一般指数均选择100点作为基期指数值，因此便于观察分析不同艺术品类或艺术家在同一时期的价格水平走势，并且可以对其变动幅度进行直观比较。与基期2007年的100点相比，张大千个人价格指数的增长幅度明显高于整体中国书画价格指数，尤其是其泼彩作品的价格指数涨幅最大，说明市场对名家精品的认可度高。

（二）财富管理

保值和增值是财富管理的核心。清华大学近期发布的《2018中国高净值人群财富白皮书》发现，从投资需求来看,中国的高净值人群已经逐渐从最初的追逐高收益转向控制风险,资产的保值增值比单纯的快速增长更加重要。与此同时，艺术品逐渐成为高净值人群财富管理的重要组成部分。据德勤与ArtTactic联合发布的《2017年艺术与金融报告》，在全球范围内受访的69位私人银行及家族财富管理办公室从业者中，有64%在过去一年中提供过艺术品相关服务。

在国内外商业实践及学术研究中，艺术品指数因其可以度量市场价格水平，成为计算艺术品投资风险与收益、资产配置优化选择的重要工具。表1展示了根据artnet艺术品指数计算的不同艺术流派作品的复合年增长率（Bocart，2017）^[5]。

表1  艺术品市场复合年增长率：1年、5年、10年、15年（基于artnet艺术品价格指数计算；来源：《2017年艺术与金融报告》，p179，德勤与ArtTactic发布）

一方面，通过对艺术品指数进行收益率计算，与股票、债券、黄金等金融资产的收益率进行同期比较。早期研究中，由于数据样本选取、时间范围界定以及计算方法有一定局限，得出的艺术品投资收益率的度量结果差距很大（Ashenfelter and Graddy，2003）^[6]。随着模型及数据标准逐渐完善，后期大量研究认为艺术品投资在具有较高风险的同时，长期持有的收益较高且杰作的收益显著高于其他投资（石阳和李曜，2012）^[7]。近期，有学者（刘立安和张辉，2018）^[8]以2010-2016年的中国艺术品市场拍卖价格指数为研究对象，与同期的上证指数、创业板指数、上海黄金交易所黄金现货价格、债券等进行收益率比较，发现中国艺术品市场的风险与收益率均高于其他金融资产。

另一方面，对艺术品指数与其他金融指数进行相关性分析，并通过建立向量自回归模型（VAR）、资本定价模型（CAMP）等进行联动分析，得出艺术品可作为风险分散工具，是传统金融资产的有效补充，有利于优化资产组合。其中，李东霖（2016）^[9]通过检验指出中国书画指数与上证指数呈负相关；Campell等学者（2004）^[10]以1875-2003年间的梅摩指数、标准普尔指数及国债指数为依据进行最佳投资组合，发现18.21%的艺术品、27.69%的股票及54.1%的债券可以优化传统资产组合。

（三）价格评估

长久以来，艺术品市场的高度不透明性成为阻碍艺术与金融进一步融合发展的一大痼疾，以艺术品价格的难以客观评估为典型代表。早在2002年，梅摩指数的创始人就指出，艺术品市场不符合“一价定律”^[11]，相似的艺术品在不同地理位置或拍卖行成交的价格非常不同。然而，无论是画廊、拍卖行等交易，还是艺术品质押融资、艺术品基金、私人财富管理或企业资产配置，抑或是保险、税收、司法诉讼等，都需要对艺术品价格进行较为准确的估计。

基于特征价格法编制的艺术品价格指数，为艺术品估价提供了一个传统评估方式以外的新方法。由于采用此方法编制的指数模型将艺术品的各项特征分解出其隐含的价格，因此根据艺术品的作者、尺寸、创作年代、题材等详细特征，以及估价地理位置、时间、预期交易机构等信息，即可通过指数计算拟合出该艺术品的价格范围。目前，国外的Artprice，国内的易拍全球研究院、雅昌艺术市场监测中心等机构提供基于艺术品指数的估价服务，根据指数计算与相似作品比较，结合专家干预微调，给出最终的价格评估报告。

三、当下艺术品指数的问题

艺术品指数的研究已有将近半个世纪的历史，然而研究成果至今仍未得到广泛应用，尤其在国内，艺术品指数的可靠性及有效性受到质疑。究其原因，可分为以下三个方面：

第一，数据的代表性有限。目前除了潍坊银行推出的中国艺术金融价格型指数之外，其他主流艺术品价格指数均使用拍卖数据计算。Clare McAndrew执笔的《2018巴塞尔全球艺术品市场报告》显示，2017年全球公开拍卖的艺术品成交量占47%，其余53%为画廊、博览会等私人洽购，即艺术品市场有超过一半的数据无法应用到指数运算中。而在指数使用的这部分公开拍卖数据中，流拍的拍品价格并未被记入，因此艺术品价格指数的样本仅考虑拍卖成交的作品，指数运算的样本有较大局限性。

第二，数据的准确性存疑。由于假拍、拍后不付款等问题的存在，艺术品拍卖成交价格的真实性也存在隐患。据中拍协发布的《2017年中国拍卖统计年报》显示，截至2018年5月15日，所有2017年在中国大陆成交的拍品中完成结算的拍品总额仅占总成交额的49%，而在1000万元人民币及以上成交的拍品中，完成结算的比例则降至了28%。此外，不同地区、不同拍卖行的佣金比例各异，采集的成交价格数据容易将落槌价、成交价混为一谈，若数据清洗不彻底、标准不统一，则会对指数结果带来影响。

第三，指数模型的完善度不足。目前绝大多数指数研究聚焦于绘画作品，如中国书画、现当代油画、西方古典绘画等，更为广泛的陶瓷器、玉器、古典家具、雕塑、新媒体艺术等品类鲜少涉及，使得艺术品价格指数的适用范围极其受限。尤其对于采用特征价格法以及混合法编制的指数而言，这些极少涉及艺术品类的特征变量庞杂、特征值不易标准化，也是构建更细致品类指数的难点所在。

四、艺术品指数未来探索的建议

（一）建立科学完整的艺术品价格数据库

目前业内知名度较高的艺术品价格数据库有artnet、Artprice、LiveAuctioneers、Invaluable、雅昌中国艺术品数据库等。从用户范围及盈利情况来看，artnet与Artprice的艺术品数据库公信力及认可度更高。以前者为例，artnet艺术品价格数据库的订阅用户包括美国国税局（IRS）、花旗银行、安盛保险公司（AXA）、华尔街日报及经济学人等媒体、艺术市场研究机构、拍卖行、画廊、私人藏家等。反观我国，尚未有一个完整、准确的全球艺术品价格数据库，这也是阻碍艺术品指数发展的重要原因之一。

首先，一级市场的艺术品交易数据需纳入数据库建设。现有的艺术品价格数据库均基于拍卖数据，缺少一级市场私人洽购这部分重要数据。Artsy、artnet等画廊线上聚合平台的发展，将有助于提高一级市场交易的公开透明度，使得价格记录更加便于收录。

其次，建议建立数据库信息收录标准。艺术品拍卖结果存在水分的问题长久以来受到诟病，若能通过与第三方机构合作等方式建立收录标准，排除掉不规范的拍卖机构或者拍卖行为，将极大地提高数据的严谨可靠程度。

此外，数据库的建设需充分考虑到艺术品信息分类的准确合理性。当前大多数的艺术品价格数据库建设采用爬虫程序抓取信息，结合编辑团队人工修正，耗时又耗力，且容易出现年代、尺寸、材质等信息混杂一团或者错位的情况。伴随机器学习的进一步应用，结合专家设定的特征关键词，可以大幅提高艺术品各项信息的准确分类，便于展示及搜索。

（二）构建更为准确的艺术品指数

国外学者更多地从数理层面对艺术品指数模型的优化深入研究，尤其对特征价格法的模型讨论更为广泛。

在特征变量处理方面，有学者采用两步特征回归法对“艺术家”变量进行处理（Kräussl and Elsland，2008）^[12]。传统方法是将“艺术家”变量设为虚拟变量，但是当艺术家数量达到几百位时，方程中自变量的个数就会变得非常庞大，从而降低模型的稳定性。优化后的方法以“艺术家知名度”变量代替“艺术家”虚拟变量，采用两步特征法进行估计。

在误差解释方面，有学者指出由特征价格法编制的艺术品指数的误差为非高斯分布（Hodgson and Vorkink，2004）^[13]，最小二乘法不能有效估计，使用t-分布来表达的效果更为理想（Bocart and Hafner，2011）^[14]；为减小指数波动性，可尝试使用最大似然估计法结合卡尔曼滤波进行优化（Bocart，2013）^[15]。

国内推动艺术品指数模型优化的数理研究十分缺乏，建议未来可在已有研究的基础上推进计量经济层面的研究，减小模型误差，扩大数据样本适用性。

（三）完善艺术品价格指数体系

将一级市场的艺术品交易数据加入指数体系，这一呼声已成为国内外业界的共同诉求。目前，可公开查阅的引入画廊数据的艺术品指数实践仅为潍坊银行发布的画廊价格指数和潍坊画廊100指数。指数采用特征价格法进行编制，以2015年为基期，样本来自潍坊银行授信画廊，收集艺术品交易价格信息进行计算。

在引入一级市场数据层面，两种思路或许可供未来探索。一种思路是参考潍坊银行的实践，建立单独的一级市场艺术品价格指数，如画廊指数、艺博会指数、古玩市场指数等，选取合适的变量及模型算法进行指数编制。

另一种思路是基于现有指数种类及模型框架，将艺术品拍卖数据与私人洽购交易数据共同组成样本，进行指数计算。这一方法能够反映某类艺术品或艺术家的整体市场价格水平，然而一级市场数据的引入将增加时间、地点、机构等新的变量，对指数模型的编制及计算带来挑战。

参考文献

[1] Pownall R. The Arts and Finance[M].Tilburg: Tilburg University,2016:36.

[2] Glueck G. In Sotheby-Land the Graphs Go Up[N].The New York Times,1971-11-7.

[3] 朱澄. 艺术品市场的金融属性研究：一个文献述评[J].金融评论，2014(3):91-110.

[4] Ginsburgh V,J. Mei&M. Moses. The Computation of Prices Indices[J].Handbook of the Economics of Art and Culture,2006(1): 947-979.

[5] Bocart F. The Performance of the Art Market as A Whole and Among Collecting Categories[A].In Art & Finance report 2017[R].Deloitte Luxembourg and ArtTactic,2017:176-180.

[6] Ashenfelter O.&K. Graddy. Auctions and the Price of Art[J].Journal of Economic Literature,2003(41):763-787.

[7] 石阳,李曜. 中国艺术品投资收益——整体特征与杰作效应[J].金融研究,2013(12):194-206.

[8] 刘立安,张辉. 中国艺术品投资收益与风险研究[J].中国艺术金融,2017(8):62-68.

[9] 李东霖. 中国书画市场价格指数与上证指数相关性的实证研究[D].山东:山东财经大学,2016:1-51.

[10] Campbell R,Hulsman R.&Koedijk G. Optimal Portfolio Selection in a Value-at-risk Framework[J].Journal of Banking and Finance,2004(9):1789-1840.

[11] Mei J.&M. Moses. Art as an Investment and the Underperformance of Masterpieces[J]. American Economic Review, 2002(92):1656-1668.

[12] Kräussl R.&N. Elsland. Constructing the True Art Market Index-A novel 2-step Hedonic Approach and Its Application to the German Art Market[R]. Center for Financial Studies(CFS),2008.

[13] Hodgson D.&Vorkink K. Asset Pricing Theory and the Valuation of Canadian Paintings[J].The Canadian Journal of Ecnomics,2004(37):629-655.

[14] Bocart F.&Hafner C. Econometric Analysis of Volatile Art Markets[J]. Computational Statistics & Data Analysis, 2012(11): 3091–3104.

[15] Bocart F.&Hafner C. Volatility of Price Indices for Heterogeneous Goods[J]. Journal of Applied Econometrics, 2013(11): 291–312.

《中国艺术金融》杂志更多精彩观点，请点击下方原文链接，至“《中国艺术金融》”电子杂志