[发明专利]一种基于回归算法的艺术品价格智能评估与预测方法

权利要求书

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格智能评估与预测方法，其特征在于：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。

3.根据权利要求1所述的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：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。

4.根据权利要求3所述的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：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”。

5.根据权利要求3所述的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：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。

6.根据权利要求3所述的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：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。

7.根据权利要求3所述的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：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。