3、特征工程：艺术家声誉量化、作品属性与市场情绪
好，咱们进入第三章。这一章我称之为「从数据到特征的炼金术」。你想想看，原始数据就像一堆矿石，特征工程就是那个提炼过程。我做了这么多年量化模型，最深的体会就是：特征工程做得好，模型就成功了一半。
艺术品估值这件事，说白了就是三个维度的博弈：人（艺术家）、物（作品）、势（市场）。咱们一个一个拆开讲。
3.1 艺术家声誉量化
艺术家声誉这东西，听起来很虚对吧？但咱们做量化的，就得把它变成数字。我个人习惯从两个角度切入：展览次数和获奖记录。
3.1.1 展览次数特征
展览次数不是简单的计数。我在项目中遇到过一个问题：一个艺术家一年参加50次群展，另一个艺术家三年只参加2次个展，哪个更值钱？
所以，我建议做以下分层处理：
- 个展 vs 群展：个展权重至少是群展的3倍。个展说明市场认可度更高。
- 展览级别：国际顶级画廊（高古轩、佩斯） vs 国内一线 vs 地方性画廊。我一般给权重系数是 5:3:1。
- 时间衰减：5年前的展览和今年的展览，影响力完全不同。我习惯用指数衰减函数：
weight = exp(-0.2 * years_ago)。
核心公式：
展览得分 = Σ(展览类型权重 × 级别权重 × 时间衰减因子)3.1.2 获奖记录特征
获奖记录比展览更稀缺，也更值钱。但要注意，不是所有奖都有用。
我曾经踩过一个坑：把某个地方性艺术比赛的奖项权重设得太高，结果模型严重高估了那位艺术家的价值。后来我学乖了，按这个逻辑处理：
| 奖项级别 | 示例 | 建议权重 |
|---|---|---|
| 国际顶级 | 威尼斯双年展金狮奖、特纳奖 | 100 |
| 国家级 | 全国美展金奖 | 30 |
| 省级/行业 | 省级美展一等奖 | 10 |
| 入围/提名 | 各类展览提名 | 3 |
注意：获奖时间同样需要衰减。我个人建议5年以上的奖项权重直接砍半，10年以上的可以忽略不计。除非是终身成就奖那种级别的。
3.2 作品属性特征
作品本身的物理属性，是估值模型里最「硬」的部分。说白了，这些特征不太会骗人。
3.2.1 尺寸特征
尺寸和价格的关系，不是简单的线性关系。我做过回归分析，发现是对数线性关系。什么意思呢？
举个例子：一幅30×40cm的作品和一幅60×80cm的作品，面积差了4倍，但价格可能只差2倍。而到了超大尺寸（比如2米以上），价格反而可能下降，因为收藏门槛高了。
我建议这样处理：
# 尺寸特征工程示例
import numpy as np
def size_features(width, height):
area = width * height
log_area = np.log(area + 1) # 加1防止0值
aspect_ratio = width / height # 长宽比也有意义
# 尺寸分段
if area < 0.5: # 小于0.5平米
size_category = 'small'
elif area < 2.0: # 0.5-2平米
size_category = 'medium'
elif area < 5.0: # 2-5平米
size_category = 'large'
else:
size_category = 'extra_large'
return {
'log_area': log_area,
'aspect_ratio': aspect_ratio,
'size_category': size_category
}3.2.2 材质特征
材质这个特征，我建议做one-hot编码或者embedding。为什么？因为不同材质的保存成本、稀缺性、市场偏好都不一样。
- 油画：最主流，流动性好，但保存成本高
- 丙烯：现代作品常用，价格相对亲民
- 综合材料：估值难度大，但溢价空间也大
- 雕塑/装置：运输和展示成本高，流动性差
我的经验：如果作品是「综合材料」，一定要看具体用了什么材料。我曾经见过一件用了金箔的作品，材质特征直接让估值翻倍。所以，材质特征最好能细分到二级类别。
3.2.3 创作年代特征
创作年代这个特征，我习惯做周期编码。因为艺术市场有明显的周期性和风格演变。
具体做法：
- 把年代映射到艺术史分期（比如：当代、现代、近代）
- 计算距离当前年份的差值
- 做正弦/余弦编码，捕捉周期性（比如十年一个轮回）
# 年代特征工程
def era_features(year):
current_year = 2024
years_ago = current_year - year
# 艺术史分期
if year >= 2000:
era = 'contemporary'
elif year >= 1950:
era = 'modern'
elif year >= 1900:
era = 'early_modern'
else:
era = 'classic'
# 周期性编码
cycle = np.sin(2 * np.pi * years_ago / 10) # 10年周期
return {
'years_ago': years_ago,
'era': era,
'cycle_feature': cycle
}3.3 市场情绪指标
这部分是最有意思的，也是我最近两年重点研究的领域。市场情绪，说白了就是「大家现在在聊什么」。
3.3.1 搜索热度
我用Google Trends和百度指数来量化搜索热度。但要注意，原始数据不能直接用。
我建议做相对热度处理：
- 计算艺术家搜索热度 / 同期所有艺术家平均热度
- 计算搜索热度的变化率（环比、同比）
- 做移动平均平滑处理（7天、30天）
关键指标：
相对热度 = 艺术家搜索量 / 市场基准搜索量
热度变化率 = (当前热度 - 7天前热度) / 7天前热度3.3.2 社交媒体提及率
社交媒体数据，我主要抓取微博、小红书、Instagram。但这里有个坑：数据噪音特别大。
我曾经做过一个实验：某位艺术家突然被一个网红博主吐槽，结果社交媒体提及率暴涨300%，但实际拍卖价格根本没动。所以，我建议做情感分析过滤：
# 社交媒体情绪得分
def social_sentiment_score(mentions):
positive = 0
negative = 0
neutral = 0
for mention in mentions:
sentiment = analyze_sentiment(mention.text)
if sentiment > 0.3:
positive += 1
elif sentiment < -0.3:
negative += 1
else:
neutral += 1
# 净情绪得分
net_score = (positive - negative) / (positive + negative + neutral)
# 加权提及率
weighted_mentions = (positive * 1.5 + neutral * 1.0 + negative * 0.5) / total_mentions
return {
'net_sentiment': net_score,
'weighted_mention_rate': weighted_mentions
}3.4 特征融合与知识体系
好，三个维度的特征都讲完了。但实际建模时，这些特征不是孤立的。我习惯做一个特征交叉：
- 艺术家声誉 × 作品尺寸：大尺寸作品 + 高声誉艺术家 = 超高溢价
- 创作年代 × 市场情绪：某个年代的作品突然被市场热捧
- 材质 × 获奖记录：获奖作品的材质偏好分析
下面这张图，是我自己总结的特征工程框架，你可以参考：
我的建议：特征工程不是一次性工作。我每次建模都会做特征重要性排序，看看哪些特征真正起作用。有时候你会发现，某个你花了很多心思构造的特征，其实对模型贡献很小。这时候，果断砍掉它。
嗯，这一章的内容就到这里。特征工程是个细活，急不来。你先把这三个维度的特征都构造出来，下一章咱们再聊怎么用这些特征去建模。
公众号:蓝海资料掘金营，微信deep3321