DE INVLOED VAN REPUTATIE FACTOREN OP DE PRIJZEN VAN
KUNSTWERKEN IN VEILINGEN
Mayra van Houts
(6057969)
Economie en Bedrijfskunde Richting: Economie
Begeleider: Damiaan Chen
Abstract
In dit onderzoek wordt het effect van reputatie op kunstprijzen onderzocht door middel van verschillende reputatiemaatstaven. Nieuw is dat er gekeken wordt naar online
Statement van originaliteit
Hierbij verklaar ik dat al het onderstaande werk origineel is en tevens mijn eigen werk is. Gelieve niet te kopiëren zonder toestemming.
Inhoud
1. Inleiding 4 2. Theoretische achtergrond 5 3. Methode 8 3.1 Model 8 3.2 Data 8 3.3 Variabelen 10 4. Resultaten 18 5. Conclusie 23 Literatuurlijst 24 Bijlage 1 26 Bijlage 2 271.
Inleiding
Maandag 11 mei werd bij Christie’s New York het werk Les femmes d’Alger (Version O) van Pablo Picasso geveild voor 179 miljoen dollar (ruim 160 miljoen euro). Het is daarmee het duurste schilderij dat ooit is geveild. Toen het werk in 1997 werd geveild bracht het slechts 31,9 miljoen dollar op. Dit betekent ruwweg een rendement van 560% over 18 jaar tijd. In de
veilingwereld zijn wel meer van dit soort voorbeelden te noemen, waardoor kunst een goede investering lijkt te zijn. Er is dan ook veel onderzoek gedaan naar het rendement van
kunstwerken. De meeste onderzoeken laten echter zien dat kunstwerken helemaal geen slimme belegging zijn, met een relatief laag rendement en hoog risico in vergelijking met andere
investeringsmogelijkheden. Dit laat onderzoekers concluderen dat er nog andere factoren meespelen bij de aanschaf van een kunstwerk. De twee grootste factoren zijn ten eerste van esthetische aard, een verzamelaar koopt het werk omdat hij het mooi vindt. Ten tweede een sociale factor, door kunst te kopen beweeg je je in bepaalde sociale kringen en kunst geeft een bepaalde status (Velthuis, 2011, p. 34).
Het doel van dit onderzoek is om de prijsvorming van schilderijen op veilingen weer te geven. De bijdrage van dit onderzoek aan de niet geringe hoeveelheid literatuur over dit
onderwerp is de focus op de reputatie van de kunstenaar. De hypothese is dat kunstwerken van kunstenaars met een goede reputatie hogere prijzen realiseren op veilingen. De focus wordt gezocht in verschillende verklarende variabelen, zoals of het schilderij voorkomt in de monografie over de kunstenaar of dat het is tentoongesteld. Nieuw en onderscheidend is dat onderzocht wordt of hedendaagse websites als Google, Wikipedia of Artfacts fungeren als maatstaf voor reputatie. Er wordt verwacht dat er over kunstenaars met een goede reputatie meer geschreven wordt. Dit uit zich bijvoorbeeld in een groot aantal zoekresultaten op Google. Zo kun je ook verwachten dat een Wikipedia pagina over een bekende kunstenaar meer
woorden bevat dan van een minder bekende kunstenaar. Op Artfacts is een ranking te vinden van een groot aantal kunstenaars (Artfacts, 2015).
Een andere bijdrage is dat er gezorgd wordt dat alle voor de koper beschikbare
informatie over een kunstwerk wordt meegenomen in het onderzoek. In het grootste gedeelte van de papers over kunstprijzen worden commerciële databases gebruikt als bron voor het onderzoek (o.a. Ursprung en Wiermann, 2011, Higgs en Worthington, 2005). Deze databases
leveren maar een beperkt deel van de informatie die beschikbaar is voor de koper op het moment van aankoop, bijvoorbeeld alle informatie in een pre-veiling catalogus (Campos & Barbosa, 2009). Een vaak voorkomend vertrekpunt van deze studies zijn de fysieke kenmerken van een kunstwerk zoals afmeting, medium en onderwerp. De reputatie van een kunstenaar en de herkomst van een kunstwerk zijn vaak weggelaten variabelen. Terwijl uit meerdere studies blijkt dat juist deze variabelen de belangrijkste verklarende factoren zijn (Campos & Barbosa, 2009, Marinelli en Palomba, 2011, Beckert en Rössel, 2013). Wat eigenlijk zeer logisch is, omdat het grootste gedeelte de prijs van een kunstwerk juist voorkomt uit deze sociale factoren. De waarde van een kunstwerk bestaat uit veel meer dan enkel de zichtbare eigenschappen. Bovendien is een groot gedeelte van deze gegevens ook beschikbaar voor de koper, waardoor het weglaten van deze gegevens kan zorgen voor een omitted variable bias. Daarnaast denk ik dat kopers naast de informatie uit veiling catalogi, gebruik maken van websites met informatie over het potentieel te kopen kunstwerk. Dit is een sterk ondergewaardeerd onderdeel in de onderzoeken naar de vorming van kunstprijzen.
In dit onderzoek worden observaties met de hand verzameld uit online veilingcatalogi. Op deze manier wordt alle beschikbare informatie over een kunstwerk meegenomen. Daarnaast wordt informatie verzameld van websites als Google, Wikipedia en Artfacts. Met behulp van deze informatie zullen verschillende reputatie maatstaven gecreëerd worden die mogelijk invloed hebben op de prijs van een kunstwerk. In paragraaf twee zal een korte beschrijving van de kunstmarkt gegeven worden en de verschillende visies daarop. Vervolgens zal in paragraaf drie het gebruikte model gegeven worden en volgt een uitgebreide beschrijving van de
gebruikte data en de verschillende variabelen. In paragraaf vier zullen de resultaten van het empirische onderzoek gepresenteerd worden, waarna in paragraaf vijf een conclusie volgt met samenvatting van de resultaten en afsluiting met een discussie en suggesties voor verder onderzoek.
2. Theoretische achtergrond
Sinds lange tijd verzamelen mensen kunstvoorwerpen om zich heen. Waar dit vroeger voornamelijk uitgevoerd werd door koningen en andere leiders, is dit sinds de 16e eeuw ook
toename van handelsactiviteiten een nieuwe zeer rijke bevolkingslaag van koopmannen en handelaren. Deze nieuwe groep had een sterke drang om de nieuw verworven rijkdom te laten zien en schaften grote hoeveelheden kunstvoorwerpen aan. Kunst verzamelen werd een nieuw statussymbool en is dat de afgelopen eeuwen altijd gebleven. Rijke burgers legden uitgebreide collecties en verzamelingen van kunstwerken aan, waar uiteindelijk in de 18e en 19e eeuw
musea uit ontstonden. In de huidige samenleving is een soortgelijk effect waar te nemen, ook nu zijn het vaak de ‘nieuwe rijken’ die veel kunst aanschaffen. Uit deze verzameldrang is in de loop der tijd een grote kunstmarkt ontstaan, met verschillende spelers en machthebbers (zie
bijvoorbeeld Bergvelt et al, 2013) .
De kunstmarkt is een uitgebreid onderzocht fenomeen binnen de economische wetenschap, niet in de eerste plaats omdat de kunstmarkt zich onttrekt aan de meeste
wetmatigheden binnen de economie. Klassieke economen zoals Adam Smith en Alfred Marshall beschouwden de kunstmarkt als uitzondering op hun theorie wanneer ze hun theorieën over prijsvorming ontwikkelden (Velthuis, 2005).
Op kunstmarkten is er sprake van een extreme versie van heterogene goederen. Voor geen enkel kunstwerk is een substituut te vinden. Een koper is waarschijnlijk enkel en alleen geïnteresseerd in één specifiek kunstwerk. De markt kan gezien worden als een grote
verzameling van monopolistische markten (Velthuis, 2011, p35). In de praktijk komt het echter wel voor dat er een klein beetje substitutie plaats vindt, er zijn kopers die voornamelijk een werk van een bepaalde artiest willen hebben. Wanneer een kunstenaar overlijdt wordt het aanbod van de kunstenaar vast, in veel literatuur is onderzocht of er sprake is van een zogenaamd ‘dood-effect’, waarbij de prijzen van kunstwerken stijgen als de betreffende
kunstenaar overleden is (Ursprung & Wiermann, 2010, Coate & Fry, 2012). Dit specifieke effect zal in paragraaf drie nog aan bod komen.
Daarnaast is er vaak sprake van een beperkt aanbod van bijvoorbeeld oude meesters. Alle werken van bijvoorbeeld Leonardo Da Vinci zijn inmiddels verspreid over een aantal grote musea wereldwijd. De kans dat hiervan ooit nog een werk op de markt komt is zeer klein. In diverse andere opzichten verschilt de kunstmarkt ook wezenlijk van andere markten. Ten eerste de aanwezigheid van transactie kosten, ten tweede de lage liquiditeit, ten derde is de markt zeer on-transparant en ten slotte wordt de waarde van de goederen voornamelijk bepaald door experts en smaak (Velthuis, 2011, p 35-37).
Kunstexperts nemen in de kunstwereld een belangrijke rol in. Kunstcritici,
museumdirecteuren, galeriehouders en andere experts bepalen samen de waardering van kunstwerken en kunstenaars. Kopers op veilingen nemen signalen van deze experts mee bij hun prijsvorming (Beckert en Rössel, 2013). Een belangrijk fenomeen binnen de kunstmarkt waarbij experts ook een rol spelen is authenticiteit. De kunstenaar en het kunstwerk zijn onlosmakelijk met elkaar verbonden. Een kunstwerk heeft alleen waarde als het ‘echt’ is. Omdat de angst voor vervalsingen hoog is bestaan er allerlei bureaus en experts wier beroep het is om de ‘echtheid’ van een kunstwerk de bepalen. Bij verschillende kunstenaars of tijdperken bestaan er
deskundigen en instituties die als autoriteit voor dat gebied worden gezien. Wanneer er een Van Gogh op de markt verschijnt kan een verklaring van authenticiteit van het Van Gogh museum een flinke stijging in waarde betekenen.
De kunstmarkt wordt in de literatuur ingedeeld in drie hiërarchische submarkten: een primaire markt, secundaire markt en internationale markt, ofwel de veilinghuizen (Agnello, 2002). Het eerste niveau is de primaire markt, waarbij de kunstenaar betrokken is en verkoopt aan galeries, consumenten en tentoonstellingen. Deze transacties geven kunstenaars de
mogelijkheid om hun mogelijkheden te signaleren aan de secundaire markt. De secundaire markt wordt voornamelijk gedomineerd door galeries. Galeries proberen vaak een
monopolistische positie te verkrijgen, door een exclusief contract met de kunstenaar af te sluiten, zodat de galerie de enige vertegenwoordiger van de kunstenaar in een bepaald land is. Dit wordt ook wel de ‘dealer markt’ genoemd. Deze spelers zijn ook heel goed in het matchen van kunstwerken aan verschillende individuele verzamelaars en instellingen (banken, bedrijven etc.). Galeries bouwen vaak een relatie op met deze verzamelaars. Aan de bovenkant van deze hiërarchie is de internationale markt te vinden, die gedomineerd wordt door een paar grote veilinghuizen, zoals Sotheby’s en Christies. De kopers bestaan hierbij voornamelijk uit zeer rijke verzamelaars, musea en instellingen. De belangrijkste kunstwerken worden voornamelijk hier verkocht, omdat er de grootste kans is om de koper met de verkoper te verbinden. In de onderzoeken naar prijsvormingen wordt er voornamelijk gefocust op de internationale veilingmarkten.
3. Methode
3.1 Model
In deze studie wordt op basis van veilingdata een model geschat voor de prijzen van
schilderijen op veilingen. Gebaseerd op eerdere studies zal de Kleinste Kwadraten Schatter (Ordinary Least Squares) methode gebruikt worden om de variabelen te schatten (Agnello, 2002, Campos en Barbosa, 2009, Higgs en Worthington, 2005, Ursprung en Wiermann, 2010). Het log-lineair model is ook volgens deze onderzoeken het best passend Met de logaritme van de prijs van een kunstwerk (in US Dollars), als afhankelijke variabele, is het model als volgt:
log (𝑃𝑃𝑖𝑖) = 𝛼𝛼 + � 𝛽𝛽𝑗𝑗𝑋𝑋𝑖𝑖𝑗𝑗+ � 𝛾𝛾𝑘𝑘𝑌𝑌𝑖𝑖𝑘𝑘+ � 𝛿𝛿𝑙𝑙𝑍𝑍𝑖𝑖𝑙𝑙+ 𝜃𝜃 log (𝐸𝐸𝑖𝑖) + 𝜀𝜀𝑖𝑖
Log (𝑃𝑃𝑖𝑖) is de natuurlijke logaritme van de prijs van een kunstwerk (in US dollars). 𝑋𝑋𝑖𝑖𝑗𝑗 is een
serie van eigenschappen van het kunstwerk en 𝑌𝑌𝑖𝑖𝑘𝑘 is een serie eigenschappen van de
kunstenaar. 𝑍𝑍𝑖𝑖𝑙𝑙 is een serie maatstaven voor de reputatie van de kunstenaar en het
kunstwerk. 𝐸𝐸𝑖𝑖 is de logaritme van expertprijs. 𝜀𝜀𝑖𝑖 is een willekeurige storingsterm. In sectie
3.3 worden de variabelen uitgebreid toegelicht.
Ook wordt het effect van de onafhankelijke variabelen op de expertprijs met het volgende regressie model geschat.
log (𝐸𝐸𝑖𝑖) = 𝛼𝛼 + � 𝛽𝛽𝑗𝑗𝑋𝑋𝑖𝑖𝑗𝑗+ � 𝛾𝛾𝑘𝑘𝑌𝑌𝑖𝑖𝑘𝑘+ � 𝛿𝛿𝑙𝑙𝑍𝑍𝑖𝑖𝑙𝑙+ 𝜀𝜀𝑖𝑖
Waarbij de variabelen en coëfficiënten dezelfde betekenis hebben als hierboven. Zo kan ook onderzocht worden wat voor effect de variabelen hebben op de schatting van experts.
3.2 Data
De dataset bestaat uit 195 kunstwerken geveild tussen 4 en 11 november. Niet alle geveilde kavels zijn meegenomen omdat er beperkt wordt tot schilderijen. Daarnaast zijn er een aantal observaties weggelaten, doordat gegevens ontbraken. Het grootste gedeelte van de data is afkomstig uit de veiling catalogi van Sotheby’s en Christie’s, deze zijn voor en na de veiling
online voor iedereen toegankelijk. De overige gebruikte data is online verzameld van websites als Google, Wikipedia en Artfacts. Voor dit onderzoek zijn alle gegevens uit drie veilingen met de hand online verzameld. Ten eerste de Sotheby’s Impressionist and Modern art evening sale van 4 november 2014, totale opbrengst 422,110,000 USD (Sotheby’s, 2014a). Ten tweede de Christie’s Impressionist and Modern art day sale van 6 november 2014, met een totale opbrengst van 27,046,000 USD (Christie’s, 2014a). Ten derde de Sotheby’s Contemporary art evening auction van 11 november 2014 met een totale opbrengst van 343,677,000 USD (Sotheby’s, 2014b). Alle drie de veilingen vonden in New York plaats. In totaal komen 59 observaties van Sotheby’s 4 november, 53 observaties van Sotheby’s 11 november en 108 observaties van Christie’s 6 november. Dit geeft een gelijke verdeling van het aantal werken tussen de twee veilinghuizen.
Bij veilinghuizen als Sotheby’s en Christie’s zijn veilingen onderverdeeld in verschillende thema’s. Zoals ‘Oude meesters’, ‘Impressionisme en moderne kunst’, ‘Hedendaagse kunst’ en ‘Aziatische hedendaagse kunst’. De veilingen met hedendaagse, impressionistische en moderne kunst hebben op dit moment het grootste marktaandeel en bevatten records zoals de Picasso genoemd in de inleiding. Bovendien zijn op deze veilingen de makers van de kunstwerken vrijwel altijd bekend, wat een voorwaarde is voor de reputatie meting.1 Daarnaast is ook
gekozen voor recente veilingen, omdat dit het beste resultaat zal geven met betrekking tot de reputatie meting. De informatie op Google, Wikipedia en Artfacts verandert relatief snel en moet zo dicht bij de veiling gemeten worden om de informatie die beschikbaar was voor de potentiele koper te benaderen.
Er is gekozen voor veilingen van Sotheby’s en Christie’s omdat dit de meest
gerenommeerde veilinghuizen zijn, opbrengsten zijn respectievelijk $6.1 miljard (Sotheby’s, 2014c) en $8.4 miljard (Christie’s, 2014b) in 2014. Door het grote marktaandeel en de grote bekendheid leveren deze veilinghuizen de meest representatieve prijzen. Bovendien is uit onderzoek gebleken dat deze twee huizen de hoogste hamerprijzen verkrijgen (Marinelli en Palomba, 2011). Alle drie de veilingen vinden in New York plaats, waardoor de locatie niet mee
1 Bij werken van ‘Oude Meesters’, d.w.z. schilderijen uit de periode 1000-1800, is vaak de kunstenaar
onbekend. De maker wordt vaak genoemd als ‘Volger van Pieter Brueghel de Oude’ of ‘Uit de cirkel van Bernard van Orley’.
genomen hoeft te worden in het model.2 Een bijkomend voordeel van de keuze voor drie
veilingen in dezelfde maand is dat er geen rekening gehouden hoeft te worden met macro-economische effecten (Beckert en Rössel, 2013, Agnello, 2002). De resultaten zijn daardoor wel gevoeliger voor tijdelijke effecten. Nadeel daaraan is dat de resultaten minder goed
gegeneraliseerd kunnen worden en de coëfficiënten daarmee minder robuust zijn.
Zoals eerder genoemd is specifiek voor dit onderzoek alle data handmatig verzameld. Hierdoor wordt alle beschikbare informatie uit de veiling catalogi gebruikt. In de veiling catalogi is per kavel namelijk een schat aan informatie beschikbaar. Naast een afbeelding van het kunstwerk en de gebruikelijke fysieke eigenschappen van het werk, wordt meestal ook de geschiedenis van het werk genoemd en vaak een beschrijving van het werk. Grofweg kan de informatie in twee delen gesplitst worden. Kunstenaar specifieke informatie zoals de
geboortedatum en kunstwerk specifieke eigenschappen zoals formaat, medium en onderwerp. Als methode om de reputatie te meten is naast de veiling catalogi gebruikt gemaakt van de volgende websites: Google, Wikipedia en Artfacts. Ook hierbij is de data handmatig verzameld. De verschillende variabelen worden uitgelegd in sectie 3.3.
3.3 Variabelen
De afhankelijke variabele in het model is de veilingprijs van elk schilderij. De prijzen zijn in US dollars en bestaan uit de hamerpijs en de buyer’s premium.3 Deze prijzen zijn online te vinden
bij de resultaten van de veiling, dit is de verkregen veilingprijs (Sotheby’s, 2015, Christie’s, 2015). De gemiddelde prijs van een kunstwerk is 2,419,262 dollar. De laagste prijs is 11250 dollar, de hoogste prijs is 61,765,000 dollar. Voor de verdeling van de prijzen zie figuur 1 en 2. Opvallend aan figuur 2 is dat er twee pieken te zien zijn, de reden hiervoor is dat er drie
verschillende veilingen gebruikt zijn, waarbij een van de drie hogere prijzen realiseert. De groep met hoge prijzen is ongeveer even groot als de groep met lagere prijzen, waardoor er zich twee
2 In o.a. Ursprung en Wiermann (2011), Marinelli en Polomba (2011) wordt de plaats van de veiling
meegenomen als invloed. Marinelli en Palomba (2011) vinden bijvoorbeeld dat werken verkocht in London, New York en Milaan een grotere kans hebben om verkocht te worden. Ursprung en Wiermann (2011) vinden dat Sotheby’s in New York 79% hogere prijzen realiseert dan Sotheby’s in Parijs.
3 De Buyer’s premium is de commissie voor het veilinghuis die bovenop de hamerpijs komt voor de koper. Bij
Christie’s New York is het 25% voor bedragen tot $100,000, 20% voor bedragen tussen de $100,001 – $2,000,000, 12% voor bedragen hoger dan $2,000,000 (Christie’s, 2015). Bij Sotheby’s New York is het 25% voor bedragen tot $200,000, 20% voor bedragen tussen de $200,000 - $3,000,000, 12% voor bedragen hoger dan $3,000,000 (Sotheby’s, 2015).
pieken vormen.
Figuur 1. Histogram prijs
De verklarende variabelen voor de prijs van een schilderij uit één van de gekozen veilingen zijn verdeeld in vier categorieën. Ten eerste de fysieke eigenschappen van een schilderij, zoals het formaat en het materiaal. Ten tweede de kenmerken die specifiek voor de kunstenaar gelden, zoals de geboortedatum. Ten derde de variabelen die als reputatie maatstaven gelden. Ten vierde de expert prijs, de prijs die voor de veiling door een expert is geschat. Hieronder volgt een beknopte beschrijving van de belangrijkste variabelen. Voor een complete lijst zie bijlage 1. 3.3.1 Eigenschappen kunstwerk
De fysieke eigenschappen van een kunstwerk zijn van invloed op de prijs. Zo vinden Ursprung en Wiermann (p.704, 2011) onder meer dat de prijs positief afhangt van de grootte van een werk tot een bepaalde kritieke grens. Wanneer werken een bepaalde grootte bereiken,
overstijgen ze heel simpel de wanden van een verzamelaar, waardoor alleen musea als vragers overblijven. Musea hebben een beperkt budget, dus na een bepaalde grootte daalt de prijs in verhouding met de afmeting van een kunstwerk.4 Higgs en Worthington (2005) en Marinelli en
Palomba (2011) nemen ook het kwadraat van de oppervlakte mee in hun regressie, ik volg dit voorbeeld.
Het medium van een schilderij wordt daarnaast ook als belangrijke variabele gezien, bijna alle onderzoeken vinden dat een werk uitgevoerd in olieverf hogere prijzen verwerft (o.a. Higgs en Worthington, 2005, Campos en Barbosa, 2008 ). Olieverf is van oudsher een medium wat kwaliteit aanduidt doordat het moeilijk is om mee te werken en zeer duurzaam is (Agnello, 2002, p.452). Het grootste gedeelte (67%) van de werken in de dataset zijn met olieverf
geschilderd, dus wordt er een dummy variabele gecreëerd voor olieverf, waarbij de rest (o.a. gouache en aquarel) wordt beschouwd als ‘overige materialen’.
Een derde eigenschap is het onderwerp van een schilderij, dit wordt in de literatuur bijna niet meegenomen. Een verklaring daarvoor kan zijn dat in de Hislop database deze informatie niet voorkomt. Door data met de hand te verzamelen kan deze informatie wel meegenomen worden. Campos en Barbosa (2008) nemen wel het onderwerp van een schilderij bijvoorbeeld wel op in hun regressie. Dit levert wisselende uitkomsten op, wanneer een
4 Prijzen van olieverf schilderijen stijgen tot een grootte van ongeveer 2.5 bij 4 meter, maar voor afmetingen
schilderij een stilleven is heeft dit significant een positief effect op de prijs. Wanneer het werk een landschap is heeft dit een negatief effect, dit is echter afhankelijk van de specificatie van het model. In dit onderzoek worden de volgende categorieën onderscheiden: ‘landschap’ (29
observaties), ‘stilleven’ (20 observaties), ‘abstract’ (89 observaties) , ‘portret’ (15 observaties) en ‘figuratief’ (66 observaties).
Kunstwerken worden pas vanaf de renaissance gesigneerd. Men zou kunnen stellen dat een gesigneerd kunstwerk automatisch meer waard is, het is immers een signaal van echtheid. Uit de literatuur blijken echter tegengestelde bevindingen. Czujack (1997), een vaak geciteerde bron, vindt in zijn onderzoek naar het effect van een handtekening op Picasso’s kunstwerken geen significant positief effect op de prijs. Campos en Barbosa (2009) vinden zelfs een negatief effect van een signatuur op de prijs. Ursprung en Wiermann (2011) vinden daarentegen juist een significant positief effect op de prijs van een kunstwerk. In dit onderzoek wordt het ook opgenomen in de regressie, omdat het in theorie wel een belangrijke variabele is.
Als laatste wordt nog de uitvoer datum van het schilderij toegevoegd aan de regressie. 3.3.2 Eigenschappen kunstenaar
Voor elke kunstenaar gelden een aantal controle variabelen die opgenomen worden in de regressie. Deze variabelen worden in de literatuur in vrijwel elk onderzoek opgenomen. Ten eerste het geboortejaar van een kunstenaar. Ten tweede of een kunstenaar dood of levend is, dit in de vorm van een dummy variabele die waarde één aanneemt als de kunstenaar overleden is ten tijde van de veiling, en nul als deze nog leeft. Over het ‘dood-effect’ bestaat een hele tak in de literatuur.
Ursprung en Wiermann (2011) hebben het ‘dood effect’ onderzocht met een zeer grote dataset. Ze vonden dat de dood van een kunstenaar twee tegengestelde effecten op kunst prijzen heeft. Door onherroepelijk het oeuvre van een kunstenaar te beperken wanneer deze sterft, stijgen prijzen, ceteris paribus. Aan de andere kant zal de dood van een kunstenaar ervoor zorgen dat de kunstenaar niet meer aan zijn carrière kan werken. Dit kan verzamelaars frustreren, omdat de hoop op een waardestijging van de kunstwerken van de kunstenaar dan verdwijnt. Op deze manier zorgt de dood voor een negatief effect op prijzen. In het onderzoek van Ursprung en Wiermann (2011) lijden deze twee tegengestelde effecten tot een omgekeerde U-vormige relatie tussen de leeftijd van sterven en het ‘dood effect’. Voor kunstenaars die op
relatief jonge leeftijd sterven, domineert het reputatie effect (d.w.z. de kunstenaar kan geen reputatie meer opbouwen) het dood effect. Voor kunstenaars die op oude leeftijd sterven, zorgt de schaarste van de werken voor een positief effect op prijzen.
3.3.3. Reputatie maatstaven
Naast de hierboven genoemde eigenschappen van een kunstwerk en kunstenaar zijn er nog veel meer eigenschappen die potentieel invloed hebben op de prijs van een kunstwerk. De prijs van een schilderij laat zich immers niet enkel door het materiaal, het formaat en de datum bepalen, hier zitten nog ontelbare invloeden achter. Het grootste gedeelte van deze eigenschappen vallen onder de noemer reputatie. De reputatie van een kunstenaar is van grote invloed op de prijs van een kunstwerk. Toch werd dit in eerdere onderzoeken naar de prijsvorming van kunstwerken bijna niet meegenomen in de modellen. Zoals al eerder gesteld is, kan een oorzaak hiervan gevonden worden bij de gebruikte data. In de Hislop dataset die door bijna elke onderzoeker gebruikt wordt, zijn bijna alleen de fysieke eigenschappen van een kunstwerk te vinden
(Campos en Barbosa, 2008).5 Door in dit onderzoek zelf data te verzamelen, wordt geprobeerd
om zoveel mogelijk potentiele invloeden op de prijs van een kunstwerk mee te nemen in het model. Daarmee wordt dan geprobeerd de prijs van een kunstwerk te verklaren aan de hand van de controle variabelen en de reputatie. In de literatuur wordt ook gesteld dat het zinvol is om naar meer variabelen onderzoek te doen dan alleen de fysieke eigenschappen (o.a. Campos en Barbosa, 2008, Beckert en Rössel, 2013, Marinelli en Palomba, 2011).
De reputatie van een kunstwerp is een abstract begrip, wat niet rechtstreeks te meten valt. Dit moet worden gemeten door middel van verschillende methodes en verschillende maatstaven. Campos en Barbosa (2008) noemen bijvoorbeeld het feit dat een kunstwerk
tentoongesteld is een maatstaf voor de reputatie. Hier zit een logische gedachtegang achter, een kunstwerk wat door een museum of galerie tentoongesteld wordt, heeft een zekere kwaliteit. Beckert en Rössel (2013) noemen dit kwaliteitssignalen. Zij stellen dat de consument een bepaalde onzekerheid heeft en dat deze door middel van kwaliteitssignalen vermindert wordt. Een tentoonstelling is dan een positief signaal. Media aandacht is een ander toegankelijk signaal voor de consument.
Campos en Barbosa (2008) stellen ook dat de voorgeschiedenis van een kunstwerk belangrijk kan zijn voor de prijs. Wanneer een werk door een museum op de markt wordt gebracht, geeft dat een kwaliteitssignaal af. Als een werk uit een privé collectie komt en verder nooit eerder te zien is geweest, dan is het minder bekend in de kunstwereld, waardoor de prijs lager kan zijn. Zij komen daarnaast ook met de variabelen ‘kunstboek’ en ‘monografie’. Wanneer een werk opgenomen is in een kunstboek of monografie van de kunstenaar, stellen zij dat dit een positief resultaat zal hebben op de prijs. Uiteindelijk vinden ze voor ‘tentoonstelling’, ‘afkomst’ en ‘monografie’ significante resultaten voor de positieve invloed van deze variabelen op de prijs.
Marinelli en Palomba (2011), vinden in hun onderzoek inderdaad dat fysieke kenmerken van kunstwerken weinig invloed hebben op de prijs. In navolging van Campos en Barbosa (2008) doen ze ook onderzoek naar reputatie karakteristieken, maar vinden in tegenstelling tot Campos en Barbosa geen significante resultaten. Beckert en Rössel (2013) hebben verschillende indicatoren opgenomen voor de reputatie van een kunstenaar in hun model. Ze vinden voor ‘kunst prijzen’ en ‘art media awareness’ significante positieve resultaten.
Naar voorbeeld van bovenstaande onderzoeken zal de variabele ‘tentoongesteld’ meegenomen worden als dummy. Daarnaast zal als dummy variabele ook ‘monografie’, het kunstwerk is gepubliceerd in de monografie over de kunstenaar, opgenomen worden. Ook de variabele ‘kunstboek’ wordt opgenomen als dummy. Wanneer een kunstwerk in een
monografie gepubliceerd is, zal dit niet automatisch ook als kunstboek meegenomen worden. De reden dat er onderscheid gemaakt wordt tussen de twee, is dat een monografie meer zal bijdragen aan de reputatie van het werk.
Nieuw in dit onderzoek is dat er voor het bepalen van de reputatie ook naar online invloeden wordt gekeken. Gesteld wordt dat een kunstenaar met een goede reputatie een groot aantal hits op Google heeft. Als een kunstenaar bekend is en een goede reputatie heeft dan zal er veel over deze kunstenaar geschreven worden, waardoor het aantal resultaten op Google hoog is.
Hiermee is het aantal hits op Google een maatstaf voor reputatie. Voor alle kunstenaars in de data set is het aantal hits op Google geobserveerd door de naam en voornaam in te typen op de Engelstalige versie van Google. Google is gekozen als zoekmachine, omdat deze het grootste aantal gebruikers kent.
Wanneer men een kunstenaar opzoekt op Google is het eerste resultaat vaak een Wikipedia pagina over de kunstenaar. Wikipedia is een veelgebruikte en zeer grote
encyclopedie. Hoewel de informatie op Wikipedia niet te gebruiken is als wetenschappelijke bron, is het wel een handig gereedschap om een globaal beeld van een onderwerp te vormen. Aangenomen wordt dat hoe bekender de kunstenaar is, hoe meer woorden er over hem worden geschreven op Wikipedia. Het aantal woorden op Wikipedia zou daarmee een maatstaf voor de reputatie van een kunstenaar kunnen zijn. Als variabele wordt het aantal woorden van de Engelstalige Wikipedia meegenomen, wanneer gezocht wordt op de voornaam en achternaam van een kunstenaar. Wanneer een kunstenaar geen Wikipedia pagina heeft is deze niet
meegenomen in de regressie. Dit is het geval voor negen schilderijen.
Een ander belangrijk fenomeen wat wordt meegenomen zijn online ranking websites. Dit zijn websites die zich specialiseren in informatie geven over kunstenaars en specifiek gericht zijn op kunstkopers. De laatste jaren is het aanbod van deze websites sterk gegroeid en worden deze steeds uitgebreider. Zo zijn er websites die een top 10 geven van kunstenaars die nu het beste zijn om te kopen en kunstenaars die beter nu meteen verkocht kunnen worden. Daarnaast bestaat Artfacts.net, waarop men via een account bij allerlei rankings kunt, hiervoor moeten echter speciale abonnementen afgesloten worden die vrij kostbaar zijn. De globale ranking van kunstenaars is wel voor iedereen vrij toegankelijk, daarom zal deze meegenomen worden in dit onderzoek. De ranking is gebaseerd op het aantal exposities van een kunstenaar, de exposities worden gewogen met een speciaal algoritme. Als variabele wordt de ranking meegenomen, een laag cijfer als ranking betekent een hoge bekendheid. De verwachte coëfficiënt is dan negatief. Van de drie reputatiemaatstaven wordt de logaritme genomen, zo wordt de invloed van uitschieters naar boven beperkt. Daarnaast zijn de coëfficiënten beter geschaald.
De variabelen Wikipedia, Google en Ranking zijn alle drie online maatstaven van de reputatie van een kunstenaar en komen enigszins overeen in de manier waarop ze reputatie meten. Het is dan te verwachten dat de drie maatstaven met elkaar gecorreleerd zijn, zie hiervoor tabel 1. De correlatie tussen de drie maatstaven in logaritme is hoog en significant bij het 0.01% niveau bij een tweezijdige t-test. Omdat de drie maatstaven alle drie hetzelfde meten, wordt het model drie maal geschat, waarbij telkens één van de drie maatstaven wordt
log(google) log(wiki) log(ranking)
log(google) 1
log(wiki) 0.5852 1
log(ranking) -0.7523 -0.7567 1
Tabel 1. Correlatie Google, Wiki, Ranking
3.3.4. Expert prijs
Bij deze veilingresultaten wordt net als in de pre-veiling catalogi een schatting van de potentiele waarde genoemd. Deze ‘expertprijs’ wordt geschat door een kunstexpert van het veilinghuis voorafgaande de veiling. De expertprijs heeft een onder- en bovengrens. De prijs die de koper voor het werk minimaal wenst te hebben, de reserve price ligt onder of op de ondergrens van de geschatte prijs. Wanneer de hamerprijs daar niet boven komt, dan wordt het werk niet
verkocht en blijft eigendom van de eigenaar, ofwel het kavel is bought-in.
Over de invloed van de expertprijs is veel geschreven in de literatuur en het wordt op verschillende manieren meegenomen in onderzoeken. In feite is het een onderzoeksobject op zichzelf. De resultaten en meningen over het onderwerp lopen erg uiteen. Marinelli en Palomba (2011) vinden dat de expertprijzen door kunstexperts een belangrijke rol spelen in hun model. Vanuit statistisch oogpunt verbeterd hun functie voor geschatte prijzen het model en maakt het efficiënter. Volgens hen bevat de expertprijs echter niet alle relevante informatie, wat het moeilijk maakt de resultaten te voorzien van een economische interpretatie. Campos en Barbosa (2008) gebruiken twee methodes om de expertprijs mee te nemen in hun onderzoek. Bij de eerste volgen ze Ashenfelter et al. (2002), en gebruiken het middelpunt van de expertprijs als variabele in de regressie. Hierbij vinden ze geen statistisch bewijs voor de invloed van de expertprijs op de hamerpijs. De tweede methode volgt de theorie van Ekelund et al. (1998) waarbij ze de interval grootte van de expertprijs gebruiken als variabele in de regressie. Hiervoor vinden ze ook geen statistisch bewijs.
In dit onderzoek wordt de expertprijs als afhankelijke en als verklarende variabele op genomen. Ten eerste wordt van de expertprijs ook het logaritme genomen, gezien van de prijs ook het logaritme wordt genomen. In principe schat de expert een prijs op basis van dezelfde beschikbare informatie als de hierboven genoemde variabelen. Als experts de prijs perfect voorspellen kan het verwacht worden dat de coëfficiënt hiervan gelijk is aan 1, dit zou dan ook
de enige coëfficiënt moeten zijn die significant is. De overige variabelen zouden dan namelijk een directe invloed hebben op de voorspelling van experts, maar geen direct effect meer op de prijs omdat de expertprijs alle informatie al bevat.
Om het effect van de andere variabelen te kunnen meten worden drie sets van regressies gedaan. Ten eerste een set waarbij de prijs als afhankelijke variabele beschouwd wordt en de expertprijs niet mee genomen wordt. Zo kan het effect van de overige variabelen op de prijs direct gemeten worden. Ten tweede een set waarbij de prijs als afhankelijke variabele
beschouwd wordt en de expertprijs wel mee genomen wordt. Zoals gezegd zou er bij een goed voorspelde expertprijs geen overige variabele moeten zijn met significante coëfficiënten. Ten derde wordt een set regressie modellen geschat waarbij het effect van alle variabelen op de expertprijs gemeten wordt. Via het effect op de expertprijs hebben deze dan een indirect effect op de prijs. Als de expertprijs een goede schatting is, zouden de regressie coëfficiënten van de eerste en derde set overeen moeten komen. In bijlage 2 is een histogram te vinden van de expertprijs en de logaritme van expertprijs.
4. Resultaten
De geschatte coëfficiënten van de modellen met de prijs als afhankelijke variabele zijn te vinden in tabel 2. Als eerste zal de set met model 1 tot en met 3 besproken worden, waarbij de
expertprijs niet wordt meegenomen. Wat betreft de eigenschappen van een kunstwerk zijn er een paar interessante resultaten te zien. ‘Stilleven’ en ‘figuratief’ zijn allebei negatief tegen een significantieniveau van respectievelijk 5% en 1%, alleen in model 1. Schijnbaar realiseren deze onderwerpen lagere prijzen. Gezien het feit dat deze enkel in model 1 significant zijn, is dit resultaat niet heel robuust.
In tegenstelling tot wat alle andere besproken onderzoeken laten zien is de variabele ‘olie’ negatief, de geschatte coëfficiënten zijn zelfs significant bij een niveau van 1% in model 1 en 2, 5% in model 3. Een verklaring hiervoor is dat de tentoonstelling Sotheby’s Contemporary art evening auction vrij hoge prijzen kreeg en de werken daarvan vaak in andere materialen uit zijn gevoerd. Veilingen zijn gegroepeerd in verschillende thema’s en daardoor ook in
verschillende prijsklassen. De genoemde veiling heeft een thema wat in de afgelopen jaren vrij hoge prijzen realiseerde. Dit levert een nadeel op voor kleine datasets.
De variabele ‘gesigneerd’ lijkt geen effect te hebben. Eerdere onderzoeken hadden ook verschillende resultaten dus dit ligt in de lijn der verwachting. Een handtekening is eenvoudig te vervalsen, dus wordt door de meeste kopers niet als signaal voor echtheid gezien.
‘Oppervlakte’ is positief bij een significantieniveau van 1%. Dit heeft als eenvoudig te interpreteren resultaat, dat grotere schilderijen, hogere prijzen opleveren. ‘Oppervlakte kwadraat’ laat een significant negatief coëfficiënt zien. De reden hiervoor is dat vanaf een bepaalde oppervlakte, werken alleen nog gekocht worden door musea, ze passen simpelweg niet meer bij particulieren aan de muur. Musea hebben meestal een beperkt budget, dus de prijzen dalen dan.
De variabelen ‘dood’, ‘geboortedatum’ en ‘datum’ zijn sterk met elkaar gecorreleerd. De t-test heeft daardoor een lager onderscheidingsvermogen. Het is dus geen onverwacht resultaat dat ‘geboortedatum’ en ‘datum’ niet significant zijn.6 ‘Dood’ is significant in model
2 en 3 (bij een grens van respectievelijk 5 en 1 %). Het is echter zeer opvallend dat de coëfficiënten negatief zijn, terwijl bij de kunstenaars in deze veilingen andersom verwacht werd.
De reputatiemaatstaven met betrekking tot het kunstwerk laten positieve resultaten zien. De variabele ‘tentoongesteld’ is positief bij een significantieniveau van 1% voor alle drie de modellen. Dit ondersteunt de hypothese dat wanneer kunstwerken voorkomen in tentoonstellingen deze hogere prijzen krijgen. Het feit dat een schilderij in een
tentoonstelling voorkomt geeft diverse positieve signalen aan de koper af. Ten eerste een signaal van echtheid, over het algemeen worden vervalsingen niet snel opgenomen in tentoonstellingen. Ten tweede een kwaliteitssignaal, de kwaliteit van het werk is dermate goed dat het voor een tentoonstelling wordt geselecteerd. Ten slotte geef het ook
bekendheid aan een schilderij, waardoor de kansen dat het weer met winst verkocht kan worden ook toeneemt.
De variabele ‘monografie’ geeft echter geen significant resultaat, misschien dat een monografie toch minder interessant is. De variabele ‘boek’ is significant in model 1 bij 1%, in model 2 bij slechts 10%. Dit hint op een mogelijke relatie, maar dat kan hierbij niet met zekerheid worden vastgesteld.
6 Significantie van deze variabelen zou gezamenlijk getest kunnen worden met een f-test. Dit beïnvloed de
De drie online reputatiemaatstaven zijn alle drie significant bij een niveau van 1%. Google en Wikipedia zijn zoals verwacht positief, een groot aantal hits ofwel groot aantal woorden meet een hoge reputatie en daarbij een hogere prijs. De maatstaf ‘Ranking’ heeft zoals verwacht een negatieve coëfficiënt. Wanneer een kunstenaar op plaats 1 in de ranking staat, dan heeft diegene de grootste bekendheid. De website Artfacts is speciaal gericht op kunstkopers. De informatie op deze website is zorgvuldig samengesteld en is minder ad hoc dan het aantal woorden op Wikipedia of het aantal hits op Google. Echter niet alle
informatie op Artfacts is vrij toegankelijk, waardoor Wikipedia en Google wel een interessante aanvulling zijn. De informatie is namelijk makkelijk en snel te raadplegen. Het significante resultaat van de drie reputatiemaatstaven laten zien dat dit goede maatstaven voor de reputatie van een kunstwerk zijn.
De modellen 4 tot en met 6 bevatten de variabele expertprijs. Deze modellen laten zien dat de expertprijs een goede voorspeller is voor de prijs. De coëfficiënten zijn in alle drie de modellen significant bij een niveau van 1%, ze zijn bijna gelijk aan 1. Dit laat inderdaad zien dat alle informatie meegenomen is door de experts. De modellen hebben een R kwadraat van ongeveer 0.95, dit laat ook een zeer goede fit zien.
De modellen 7 tot 9 hebben de expertprijs als afhankelijke variabele, de resultaten hiervan zijn te zien in tabel 3. Met deze regressies is het effect van de alle variabelen op de expertprijs onderzocht. Zoals verwacht werd komen de coëfficiënten van deze modellen overeen met de coëfficiënten in model 1 tot en met 3. Dit zou de hypothese kunnen
bevestigen dat experts gebruik maken van dezelfde informatie om hun schatting te maken en daarmee accurate voorspellingen geven van de prijs.
Variabele Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 land -0.237 0.058 0.403 0.078 0.032 0.110 (-0.327) (-0.335) (-0.301) (-0.117) (-0.119) (-0.121) portret -0.538 -0.136 -0.404 -0.006 -0.035 -0.011 (-0.384) (-0.380) (-0.339) (-0.138) (-0.135) (-0.137) stilleven -0.708** -0.332 -0.296 -0.080 -0.067 -0.066 (-0.342) (-0.343) (-0.308) (-0.124) (-0.122) (-0.124) figuratief -0.843*** -0.467* -0.226 0.002 -0.013 0.023 (-0.257) (-0.268) (-0.239) (-0.095) (-0.096) (-0.096) olie -0.823*** -0.781*** -0.507** 0.008 0.016 0.017 (-0.267) (-0.264) (-0.241) (-0.098) (-0.097) (-0.098) gesigneerd 0.512* 0.337 0.442 -0.163 -0.092 -0.149 (-0.306) (-0.312) (-0.268) (-0.111) (-0.112) (-0.109) oppervlakte 0.656*** 0.529*** 0.539*** -0.060 -0.047 -0.053 (-0.187) (-0.191) (-0.166) (-0.070) (-0.070) (-0.069) oppervlakte kwadraat -0.066*** -0.046** -0.041** 0.005 0.004 0.005 (-0.021) (-0.022) (-0.019) (-0.008) (-0.008) (-0.008) dood -0.256 -0.942** -0.951*** -0.083 0.021 -0.120 (-0.343) (-0.386) (-0.309) (-0.123) (-0.140) (-0.127) geboortedatum -0.001 -0.003 -0.001 0.000 0.001 0.000 (-0.006) (-0.006) (-0.005) (-0.002) (-0.002) (-0.002) datum 0.003 0.004 -0.005 0.000 -0.001 0.000 (-0.005) (-0.005) (-0.004) (-0.002) (-0.002) (-0.002) public -0.824* -0.269 -0.256 0.115 0.161 0.127 (-0.430) (-0.428) (-0.383) (-0.156) (-0.153) (-0.154) tentoongesteld 0.533*** 0.556*** 0.569*** 0.112 0.120* 0.120* (-0.197) (-0.197) (-0.174) (-0.071) (-0.071) (-0.071) monografie 0.254 0.138 0.230 -0.078 -0.105 -0.075 (-0.203) (-0.206) (-0.180) (-0.073) (-0.074) (-0.073) boek 0.677*** 0.423* 0.270 -0.022 -0.050 -0.036 (-0.211) (-0.225) (-0.195) (-0.078) (-0.081) (-0.079) log(google) 0.450*** 0.010 (-0.056) (-0.024) log(wiki) 0.854*** 0.080* (-0.103) (-0.043) log(ranking) -0.403*** -0.021 (-0.035) (-0.019) log(expertprijs) 0.964*** 0.961*** 0.948*** (-0.028) (-0.028) (-0.031) constante 2.973 4.771 27.217*** -0.347 0.164 0.839 (-9.401) (-9.360) (-8.365) (-3.359) (-3.328) (-3.469) R kwadraat 0.636 0.649 0.713 0.954 0.956 0.954 N 195 186 195 195 186 195
Tabel 2. Log(Prijs) als afhankelijke variabele. Regressie coëfficiënten met standaard afwijking tussen haakjes. *p<0.10, **p<0.05, ***p<0.01
Variabele Model 7 Model 8 Model 9 land -0.327 0.027 0.309 (-0.317) (-0.326) (-0.290) portret -0.552 -0.106 -0.414 (-0.372) (-0.370) (-0.328) stilleven -0.651* -0.276 -0.242 (-0.332) (-0.334) (-0.297) figuratief -0.875*** -0.473* -0.262 (-0.249) (-0.260) (-0.231) olie -0.861*** -0.830*** -0.552** (-0.258) (-0.257) (-0.233) gesigneerd 0.700** 0.447 0.623** (-0.296) (-0.304) (-0.259) oppervlakte 0.743*** 0.600*** 0.624*** (-0.181) (-0.186) (-0.160) oppervlakte kwadraat -0.073*** -0.052** -0.048*** (-0.021) (-0.021) (-0.018) dood -0.180 -1.002*** -0.876*** (-0.333) (-0.376) (-0.298) geboortedatum -0.001 -0.004 -0.002 (-0.006) (-0.006) (-0.005) datum 0.002 0.005 -0.005 (-0.005) (-0.005) (-0.004) public -0.974** -0.448 -0.404 (-0.417) (-0.417) (-0.370) tentoongesteld 0.436** 0.453** 0.473*** (-0.190) (-0.191) (-0.168) monografie 0.345* 0.252 0.321* (-0.196) (-0.200) (-0.174) boek 0.725*** 0.492** 0.322* (-0.205) (-0.218) (-0.188) log(google) 0.456*** (-0.054) log(wiki) 0.805*** (-0.100) log(ranking) -0.403*** (-0.034) constante 3.443 4.794 27.814*** (-9.108) (-9.109) (-8.082) R kwadraat 0.659 0.662 0.733 N 195 186 195
Tabel 3. Log(Expertprijs) als afhankelijke variabele. Regressie coëfficiënten met standaard afwijking tussen haakjes. *p<0.10, **p<0.05, ***p<0.01.
5. Conclusie
Dit paper onderzoekt de invloed van reputatiemaatstaven op veilingprijzen van
kunstwerken. Hierbij word aangenomen dat een hoge reputatie zorgt voor hogere prijzen op veilingen. Nieuw aan dit onderzoek is dat verschillende maatstaven voor reputatie worden meegenomen, waaronder websites als Google, Wikipedia en Artfacts. Naar voorbeeld van andere onderzoeken is gebruik gemaakt van data afkomstig van
veilingwebsites. Door deze data zelf te verzamelen word met zekerheid alle beschikbare informatie over de kunstwerken meegenomen.
De focus op reputatie is gezocht in een veelvoud aan variabelen. Ten eerste de schilderij specifieke maatstaven, zoals of het schilderij tentoongesteld is geweest, of het in een kunstboek staat of opgenomen is in een monografie. Wanneer een kunstwerk in een tentoonstelling voorkomt, dan is dit een reputatiesignaal waardoor het kunstwerk een hogere prijs krijgt op de veiling. De resultaten ondersteunen dit ook.
Ten tweede de kunstenaar specifieke maatstaven afkomstig van de websites Google, Wikipedia en Artfacts. De resultaten laten voor alle drie de maatstaven significante
resultaten zien. Dit is veelbelovend voor het gebruiken van hedendaagse websites over kunst als belangrijke bron voor reputatie meting. Deze nieuwe bron heeft veel in het verschiet voor toekomstige onderzoeken naar kunstprijzen. Zeker wanneer een onderzoek met een grotere dataset opgezet kan worden en waarbij ook de gedeeltes van Artfacts worden gebruikt die alleen tegen betaling toegankelijk zijn. Hiermee kan een grote stap gezet worden bij het voorspellen van kunstprijzen op veilingen.
Ten slotte is in dit onderzoek de expertprijs onderzocht. Er is gebleken dat experts alle beschikbare informatie gebruiken, wat betreft de besproken variabelen. Ook lijkt het erop dat experts een accurate voorspelling geven van de prijs.
Literatuurlijst
Agnello, R.J. (2002). Investment returns and risk for art: evidence from auctions of American paintings. Eastern Economic Journal, 28, 443-463
Ashenfelter, O., Graddy, K. en Stevens, M. (2002). An empirical study of sales rates and prices in Impressionist and Contemporary art auctions. Department of Economics, Oxford University: mimeo.
Beckert, J. en Rössel, J. (2013). The price of art. European Societies, 15(2), 178-195.
Bergvelt, E., Meijers, D.J. en Rijnders, M. (Red.). (2013). Kabinette, galerijen en musea. Het verzamelen en presenteren van naturalia en kunst van 1500 tot heden. Open
Universiteit. Zwolle: Wbooks.
Campos, N.F. en Barbosa, R.L. (2009). Paintings and numbers. An econometric investigation of sales rates, prices, and returns in Latin America art auctions. Oxford Economic Papers, 61, 28-51.
Czujack, C. (1997). Picasso paintings at auction, 1963-1994. Journal of Cultural Economics, 21(3), 229-247.
Ekelund, R., Ressler, R. en Watson, J. (1998). Estimates, bias and ‘no sales’ in Latin America art auctions, 1977-1996. Journal of Cultural Economics, 22(1), 33-42.
Frey, B.S. en Pommerehne, W.W. (1989) Art investment, an empirical enquiry. Southern Economic Journal 56(2), 396-409.
Higgs and Worthington (2005). Financial return and price determinants in the Australian art market, 1973-2003. The Economic Record, 81, 113-123.
Marinelli, N. and Palomba, G. (2011). A model for pricing Italian Contemporary art paintings at auction. The Quarterly Review of Economics and Finance, 51, 212-224.
Sproule, R. en Valsan, C. (2006). Hedonic model and pre-auction estimates: abstract art revised. Economic Bulletin, 26(5), 1-10.
Ursprung, H. W., & Wiermann, C. (2011). Reputation, price, and death, an empirical analysis of art price formation. Economic Inquiry, 49(3), 697-715.
Velthuis, O. (2005). Talking Prices. Princeton, NJ: Princeton University press.
Velthuis, O. (2011). ‘Art markets’, in Ruth Towse (ed.), The Handbook of Cultural Economics. 2nd edition, Cheltenham: Edward Elgar, 2011, 33-42
Websites
Artfacts.net. (2015). Artist ranking. Geraadpleegd op 28 juni 2015, van http://www.artistranking.com/
Christie’s. (2014a). Impressionist and Modern art day sale, 6 november 2014. Geraadpleegd op 18 juni 2015, van
http://www.christies.com/lotfinder/salebrowse.aspx?intsaleid=24523&action=refi ne&lotviewtype=listview&num=90
Christie’s. (2014b). Press release omzet 2014. Geraadpleegd op 2 juni 2015, van
http://www.christies.com/about/press-center/releases/pressrelease.aspx?pressreleaseid=7712 Christie’s. (2015). Buyer’s premium. Geraadpleegd op 2 juni 2015, van
http://www.christies.com/features/guides/buying-guide/related-information/buyers-premium/
Google (2015). www.google.com. Geraadpleegd op verschillende tijdstippen met verschillende zoektermen.
Sotheby’s. (2014a). Impressionist and Modern art evening sale, 4 november 2014. Geraadpleegd op 18 juni 2015, van
http://www.sothebys.com/en/auctions/2014/impressionist-modern-art-evening-sale-n09219.html
Sotheby’s. (2014b). Contemporary art evening auction, 11 november 2014. Geraadpleegd op 18 juni 2015, van http://www.sothebys.com/en/auctions/2014/contemporary-art-evening-sale-n09221.html
Sotheby’s. (2014c). Art market monitor omzet Sotheby’s 2014. Geraadpleegd op 2 juni 2015, van http://www.artmarketmonitor.com/2015/03/02/sothebys-auction-sales-6-1bn-in-2014-up-19/
Sotheby’s. (2015). Buyer’s premium. Geraadpleegd op 2 juni 2015, van
http://www.sothebys.com/content/dam/sothebys/PDFs/buyerspremium/Buyer_p remium_chart_2013_new.pdf
Wikipedia. (2015). www.wikipedia.org. Geraadpleegd op verschillende tijdstippen met verschillende subpagina’s.
Bijlage 1
Bijlage 2
Figuur 3. Histogram Expertprijs
