Les autographes français ont-ils rejoint le marché de l’art mondial ?

Pierre-Charles Pradier (SAMM, Université de Paris 1)
vendredi 7 octobre 2011

Résumé : L’évaluation des biens culturels est un exercice délicat, puisqu’ils ne sont pas reproductibles à l’infini par le travail humain. Le présent travail ne prend pas le parti de contribuer à la théorie de la valeur, mais tente d’estimer la valeur des autographes d’après une base de données inédite constituée par Ileana Miranda Mendoza à l’occasion de sa thèse de doctorat. A l’aide d’un modèle de prix hédoniques, on essaie de déterminer les composantes du prix des autographes. Notre enquête conduit à abandonner le point de vue "explicatif" des spécialistes traditionnels, qui fondent leur analyse sur la "rareté" et "l’effet anniversaire", dont le caractère ad hoc apparaît quand on essaie de mobiliser ces notions pour prédire un prix. En revanche, des caractères objectivement observables comme le nombre de pages, le type de document, les caractéristiques de l’auteur, ont un effet significatif sur la valeur. Des utilisations prédictives ponctuelles du modèle permettent un test hors échantillon anecdotique mais pas dénué d’intérêt. Le papier suggère ensuite des directions possibles de recherche ultérieure : réaction de l’offre à la survalorisation d’un auteur (par rapport au modèle), corrélation avec le cycle de l’art ou plus généralement les cycles d’actifs, étude spécifique du marché des autographes, dont les acteurs principaux disent qu’il a été bouleversé par l’apparition de spéculateurs depuis les années 1990.

Travail joint avec F. Gardes, X. Greffe et I. Miranda-Mendoza.


Cet exposé se tiendra en salle C20-13, 20ème étage, Université Paris 1, Centre Pierre Mendès-France, 90 rue de Tolbiac, 75013 Paris (métro : Olympiades).


Agenda

<<

2017

>>

<<

Avril

>>

Aujourd'hui

LuMaMeJeVeSaDi
272829303112
3456789
10111213141516
17181920212223
24252627282930

Annonces

ESANN 2016 : European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning


STATLEARN 2016


ICOR 2016