Machines et chefs-d'œuvre : Prédire les prix sur le marché des enchères d'art.

Résumé Nous évaluons la précision et l'utilité des évaluations par apprentissage automatique sur les marchés d'actifs réels illiquides. Nous appliquons des réseaux neuronaux aux données d'un million de ventes aux enchères de tableaux pour évaluer les œuvres d'art en fonction de caractéristiques visuelles et non visuelles. Nos évaluations automatisées hors échantillon prédisent les prix des ventes aux enchères beaucoup mieux que les régressions hédoniques standard. Les écarts avec les estimations de prévente fournies par les experts des maisons de vente aux enchères sont en corrélation avec les résultats de la vente : plus l'estimation de prévente du commissaire-priseur est agressive par rapport à notre évaluation, plus la probabilité d'une vente aux enchères infructueuse est élevée et plus le rendement post-acquisition est faible. Enfin, l'apprentissage automatique peut détecter la prévisibilité dans les "erreurs de prédiction" des commissaires-priseurs.