（上接第20版）

　　首先，建立价值分析的理论架构。所谓价值分析，其中有3个突出的部分：第一，要了解价值结构分析，即价值构成是什么。前几年我出版的《中国艺术品市场概论》中曾提到过价值结构，分为5个部分：一是物理价值，比如书画艺术品中的笔和墨（可以忽略不计），或者玉器中玉的物理价值（价值非常高）；二是艺术价值；三是文化价值；四是历史价值；五是市场价值。我们可以用这5个价值结构分析法来建构艺术品及其资源价值结构分析的理论架构。第二，是价值形态分析，可以说，价值形态分析是价值分析的关键与核心，因为它是中国艺术品价值的构成理论面对不同艺术门类的具体化，包括要素、结构、系统、行为、环境等分析。这不仅仅是理论与实践的一种整合分析，更是定性与定量分析的一种整合，需要理论与方法论创新。第三是价值分析的体系与工具，即进行价值分析，还要有具体的体系与方法，否则，其理论架构就是不完善的。

　　其次，要有系统完整的市场数据。市场数据，其中最关键的是历史交易数据和远期交易数据。对于估值与定价，仅有价值分析的基础还是不够的，必须要有相应的数据支持。对数据的分析，从需求层面来看，主要包括两个方面：一是历史交易数据的支撑；二是远期交易数据的支撑。

　　再次，必须建立数据挖掘管理平台。数据不仅仅是一些具体或是抽象的数据，在海量的背后，隐含的是结构、规律与趋势。而对其进一步地挖掘与管理，需要相应的综合服务平台。主要解决两个问题：公信力与综合支撑问题。我们知道，平台有相应的平台机制，最核心的就是“三公”原则（公平、公正、公开）和在此基础上建立起来的公信力。一是以平台机制解决数据的透明度问题；二是以大数据、云服务及数据库等技术解决管理问题。

　　最后，必须要建构科学、实用的工具。最主要的工具就是模型与算法。在这一前提下，我们要特别强调的是基于互联网应用的大数据技术及人工智能技术的不断成熟为我们提供了更多的可能性。由于艺术品市场运营中的一些具体情况与特征，建立相应的模型与算法对于估值定价创新的意义非常重大。这既要基于相关理论的深化发展，又寄希望于市场信心程度提高带来更多的数据质量方面的支持。另外，新的技术，特别是大数据与人工智能的有效介入融合，会进一步推动艺术品及其资源的估值定价创新的深化发展与新领域的开辟。

　　中国艺术品估值的

　　基本方法与路径选择

　　通过近几十年的发展，特别是近几年的不断创新整合，在传统资产估值基础上发展起来的基本方法，我们可以归纳为以下7类：

　　（1）市场比较法，利用市场上同样或类似标的（比如相同年代、相同类型的作品）近期交易价格，经过直接比较或类比分析估算标的价格区间，是国内目前常用的方法，也是技术上最成熟、最实用的估价方法。（2）成本加总法，是根据物品的生产成本或创作成本确定价格，将艺术品生产或创作价格的各个组成部分逐项合成，通过分别计算每一类费用要素来估算总成本费用的方法。（3）收益还原法，又称收益现值法、收益资本金化法，是通过估算被评估资产的未来预期收益并折算成现值，借以确定其价值的资产评估方法。从资产购买者的角度出发，购买一项资产所付的代价不应高于该项资产或具有相似风险因素的同类资产未来收益的现值。收益现值法，着眼于未来，主要考虑资产的未来收益和货币的时间价值。通常把收益法测算出的价值简称为收益价格。（4）专家咨询法，是对市场法的模拟，将专家设定为市场上潜在的购买者，利用其专业知识、经验、分析能力等对标的价值进行分析、判断，最终确定价格。（5）重复交易比照法，通过观察与对比同件艺术品不同时期的交易价格的变化，来把握艺术品市场价格的真实走势，通过比对、参照来确定艺术品的价格。（6）指标修正法，将若干影响书画价格的因素通过指标形式量化，以市场公开拍卖价格为依据，剔除赝品干扰，最后计算出估价。（7）特征价格法，又称Hedonic模型法和效用估价法，利用计量统计学方法，回归出各项特征所隐含的价格。通过咨询研究专家和资深人士，综合各变量的主观权重，最终，在艺术品的历史交易事实以及主观判断的基础上，得到有效的估价模型和合适的估价区间。

　　面对新的艺术品资产的特性与发展的环境，特别是新科技融合的快速发展，我们需要新的评估的基础、框架及方法方面进行创新。也就是说，艺术品资产的估值需要在范式创新上有所突破。这种出现突破的思路，我们可以概括为以下几个层面：

　　艺术品资产估值的基本原理。对艺术品资产估值而言，一般来讲，经历了以下阶段：经验→经验集合→有限数据集合→大数据融合→基于大数据的人工智能融合。其中，艺术品资产估值的创新发展，就是要最大可能地归纳影响艺术品估值的主要因素，在此基础上总结艺术品估值的基本步骤，从而构建艺术品的估值模型。在现有数据下，依据“有限数据，有效应用”原则，选择合理有效的估值方法，将有力推进艺术品估值工作的开展。

　　艺术品估值的基本阶段，将经历“数据分析+专家经验”到“大数据+专家经验”再到“大数据+人工智能（如机器学习等）的过程。

　　对于艺术品估值的方法。第一步，要建立初步的估值方法模型。依据“有限数据，有效应用”原则，实现一定范围的有效应用。依据在数据库系统采集的艺术家艺术品交易信息，构建初步的估值模型。第二步，完善阶段估值方法模型。随着样本数量的增加，建立可比样本数据库，并拓展估值的时空范围和准确性，即可步入完善阶段。当然，这只是条件的预估，具体还需观察样本数据的质量。第三步，智能阶段估值方法模型。通过数据积累与完善并基于数据挖掘的新知识，结合市场专家经验，应用机器学习技术实现人工智能估值，即可步入智能阶段。此时的估值能力不论“时空”拓展还是准确度都将得到大幅提高。进入此阶段需要具有两个条件：一是样本有效数据不低于10万条当量级，并且可持续稳定增长；二是研究团队在模型估值领域应用步入稳定阶段，市场专家经验知识得到有效应用，可以建立基于数据的数学决策模型。

　　需要提醒的是，数据库的积累与完善、数据挖掘的新知识、市场专家经验知识的聚合是进阶到“智能”的必需要素，数据库积累的不仅是数据还有专业市场经验知识，这是建模和机器学习的基础和根本点。

　　目前，关于艺术品资产估值的研究、探索及其实施，我认为做得非常不够，缺失很多，空白也不少。似乎理论界及实践界已进入或者是正在进入一个误区，那就是对艺术品资产估值的困境与障碍不深入，而过多地去关注艺术品资产这个核心的外围因素的探索。很多金融机构也以艺术品资产为依托进行艺术金融产品的创新，但在风险管控的创新层面，却只是在找艺术品资产的替代品，没有真正把艺术品资产作为风控的核心，变调为别的资产抵押的变种等。也就是说，太过于注重外围及工具性的创新，而对艺术品资产的估值、定价创新与关注不够。

　　所以，我们强调，在艺术品资产估值创新发展层面，基于新的市场环境的发展与科技融合的深化发展，我们有条件也必须进行范式性的创新。因为在传统资产特性与大环境发展起来的不同的估值模型与方法，很难在一个涉及像艺术品资产估值这种特殊性的资产，在这一基础层面的上我们所遇到的问题与挑战，几乎不可能在已有的资产估值方法中通过修修补补来找到完善的解决方案，需要我们借助科技融合与资产评估基础设施的进步中，真正从范式上取得更为重要的突破创新。

　　（本文系西沐在“资产评估助力中国文化产业繁荣发展专题研讨会”的发言内容）