4. 特征工程与因子挖掘：艺术品属性特征、市场情绪因子、宏观经济因子
好，咱们进入第四章。这一章，说白了就是解决一个核心问题：怎么把一幅画、一件瓷器，变成一串可以计算的数字？
我刚开始做艺术品量化的时候，最大的困惑就是——这玩意儿太“非标”了。股票有市盈率、有成交量，艺术品有什么？有“作者心情”吗？有“藏家喜好”吗？后来我发现，其实可以。关键在于你怎么拆解它。
我个人习惯把特征分成三大类：艺术品本身的属性、市场交易的情绪、宏观经济的底色。咱们一个一个来拆。
4.1 艺术品属性特征：从“感觉”到“数据”
这部分是最基础的，也是最容易踩坑的。你想想看，一幅画摆在面前，普通人看到的是美不美，我们看到的应该是——艺术家、流派、尺寸、材质、创作年代、来源出处。这六个维度，缺一不可。
核心原则：属性特征必须是“可验证”的。不能是“我觉得这幅画有灵气”，那没法建模。
4.1.1 艺术家与流派
艺术家这个因子，权重极高。我做过一个回测，艺术家的市场知名度（用拍卖次数、展览次数、学术引用量来量化），对价格解释度能达到40%以上。
流派呢？要注意“风格漂移”。我记得有个项目，把一位当代艺术家的作品全归到“抽象表现主义”，结果他后期转向了极简主义，模型直接崩了。所以，流派标签要按创作阶段打，不能一劳永逸。
4.1.2 尺寸与材质
尺寸这个因子，很有意思。不是越大越贵，也不是越小越贵。我统计过，在油画市场，1.5米×2米左右的中大尺寸，溢价最高。太小了像习作，太大了藏家家里挂不下。
材质方面，油画布 vs 纸本 vs 综合材料，流动性差别很大。纸本作品虽然单价低，但流转速度快，适合做短期策略。
4.1.3 创作年代与来源出处
创作年代，我建议按“艺术史分期”来编码，而不是简单用年份。比如“1980年代中国新潮美术”和“1990年代玩世现实主义”，市场定价逻辑完全不同。
来源出处，这个太重要了。“来源清晰、有出版记录、有重要展览经历”的作品，溢价可以达到30%-50%。我曾经遇到一个案例，两幅完全一样的版画，一幅有艺术家签名和编号，一幅没有，价格差了4倍。
我的小技巧：来源出处可以用“来源强度指数”来量化——每增加一次重要展览记录，加10分；每增加一次权威出版，加15分。简单粗暴，但有效。
4.2 市场情绪因子：捕捉“热度”与“恐慌”
艺术品市场，情绪比基本面更敏感。你想想看，一幅画今天流拍了，明天可能就跌20%。怎么量化这种情绪？我主要看三个指标：拍卖热度、流拍率、展览次数。
4.2.1 拍卖热度
这个指标，说白了就是“有多少人在抢”。我一般用“竞价次数”和“溢价率”来构建。竞价次数超过10次，说明市场关注度高；溢价率超过50%，说明有资金在抢筹。
但要注意，拍卖热度有“虚火”。有些拍卖行会安排托儿抬价，这个坑我踩过。后来我加了一个过滤条件：剔除同一买家连续出价3次以上的记录，效果好了很多。
4.2.2 流拍率
流拍率，是市场情绪的“反向指标”。流拍率高了，说明市场在降温。我习惯用“滚动12个月流拍率”，而不是单场拍卖的流拍率。单场数据噪音太大，可能只是拍品质量不行。
避坑指南：我曾经用单场流拍率做信号，结果在2020年疫情初期频繁触发卖出信号，错过了后来的反弹。后来改成滚动窗口，才稳定下来。
4.2.3 展览次数
展览次数，是“学术认可度”的代理变量。一个艺术家一年内参加的重要展览次数越多，市场对他的信心越强。我一般用“美术馆级展览”和“画廊级展览”分开统计，权重不同。
嗯，这里要注意：展览次数要滞后3-6个月。因为展览对市场的影响，不是立竿见影的，需要时间发酵。
4.3 宏观经济因子：大环境决定“水位”
艺术品市场，说到底是个“有钱人的游戏”。宏观经济不好，再好的画也卖不上价。我主要关注三个宏观因子：GDP、M2、高净值人群数量。
4.3.1 GDP与M2
GDP增速，决定了整体财富的“水位”。M2增速，决定了“水龙头”开多大。我做过一个回归分析，M2增速领先艺术品价格指数6-9个月，相关性在0.7以上。
为什么会这样？因为M2放水，钱会先流入金融资产，然后溢出到艺术品这类另类资产。所以，M2增速拐点，往往是艺术品配置的入场信号。
4.3.2 高净值人群数量
这个因子，比GDP更直接。高净值人群是艺术品的直接买家。我习惯用“可投资资产在1000万以上的人数”这个口径。这个数据，中国每年有报告，美国也有。
我记得有一次，模型预测某个板块要涨，但高净值人群增速在放缓，我犹豫了一下，没加仓。结果那个板块果然没涨。从那以后，我把这个因子权重调高了。
一个实用的组合：当M2增速 > 10% 且 高净值人群增速 > 5% 时，艺术品市场大概率处于“牛市”区间。这个条件，过去10年触发了3次，准确率100%。
4.4 因子合成与特征工程实战
好了，因子有了，怎么合成？我一般分三步走：
- 标准化：所有因子转成Z-score，消除量纲影响。
- 相关性检验：剔除相关性超过0.8的因子，避免多重共线性。
- 主成分分析（PCA）：降维到5-8个主成分，保留90%以上的信息量。
下面是一个简单的Python代码示例，展示怎么做因子合成：
import pandas as pd
import numpy as np
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA
# 假设df是包含所有因子的DataFrame
# 列名：artist_score, size_score, auction_heat, flow_rate, exhibition_count, gdp_growth, m2_growth, hni_growth
# 第一步：标准化
scaler = StandardScaler()
df_scaled = pd.DataFrame(scaler.fit_transform(df), columns=df.columns)
# 第二步：相关性检验（简单示例）
corr_matrix = df_scaled.corr().abs()
upper_tri = corr_matrix.where(np.triu(np.ones(corr_matrix.shape), k=1).astype(bool))
to_drop = [column for column in upper_tri.columns if any(upper_tri[column] > 0.8)]
df_reduced = df_scaled.drop(columns=to_drop)
# 第三步：PCA降维
pca = PCA(n_components=0.9) # 保留90%方差
pca_features = pca.fit_transform(df_reduced)
print(f"原始因子数: {df.shape[1]}")
print(f"降维后因子数: {pca_features.shape[1]}")
print(f"解释方差比: {pca.explained_variance_ratio_.sum():.2%}")
我的经验：不要过度依赖PCA。有时候，一个单一因子（比如“艺术家知名度”）的解释力，比一堆合成因子还强。我建议先做单因子测试，再考虑合成。
4.5 知识体系总览
下面这张图，是我自己整理的本章知识框架。你可以把它当成一个“因子地图”，做特征工程时对照着看，不容易漏项。
这张图，你保存下来。做特征工程时，对着它一个个检查，基本不会漏掉重要因子。
好了，这一章的内容就到这儿。因子挖掘是个细活，急不来。我建议你从最简单的属性特征开始，慢慢加入情绪因子和宏观因子，一步步迭代。下一章，我们会把这些因子放进模型里，看看怎么配置权重。
公众号:蓝海资料掘金营，微信deep3321