A Bayesian dynamic hedonic regression model for art prices

Abstract

Las regresiones tradicionales de mínimos cuadrados ordinarios (MCO) aplicadas a los modelos de precios hedónicos suponen que, cuando se utilizan series temporales, los coeficientes estimados para cada uno de los atributos permanecen constantes. Proponemos una estimación dinámica bayesiana del modelo de regresión hedónica en la que los coeficientes estimados pueden variar con el tiempo, como se demuestra con una aplicación de precios de arte. Nuestro modelo de regresión lineal dinámica supera los problemas asociados con los MCO tradicionales basados ​​en ventanas móviles (que representan aproximaciones ad hoc a la estimación dinámica), como la subestimación o sobreestimación de los valores de los parámetros y los tamaños de ventana no adaptativos para tener en cuenta la variabilidad temporal. Utilizando una muestra de 27.124 pinturas vendidas en subasta de 63 artistas pop (2001-2013), demostramos que los coeficientes estimados asociados con los atributos de arte comúnmente utilizados fluctúan notablemente a través del tiempo, y que ciertos tipos de obras de arte y artistas podrían considerarse inversiones “más seguras” (ya que su arte experimenta caídas máximas más pequeñas), con base en la dinámica de precios durante la crisis financiera (2008-09).