Практическое руководство по использованию главного интеллектуального актива нашего ресурса

•  
  Иллюстрация создана ИИ-моделью DALL-E 3 по запросу ARTinvestment.RU

В предыдущем материале на примере статистики аукционных продаж Наталии Гончаровой мы рассказали о методике работы с общими цифрами и расчете ценовой динамики. Сегодня мы поставим другую задачу — определить среднегодовой темп роста стоимости работ художника (с англ. — Compound Annual Growth Rate, сокращенно — CAGR). Этот показатель — один из наиболее часто используемых, и рассчитывается он сравнительно легко. Применительно к предметам искусства CAGR показывает, как менялась стоимость произведения за период владения одним коллекционером, с момента покупки до момента продажи. Подробнее о значении CAGR вы можете прочесть в нашей недавней серии, посвященной повторным продажам.

Сам термин «повторные продажи» подразумевает две и более сделки с участием одной и той же работы, в базе AI подобные сделки сгруппированы, и найти их относительно просто. Как правило, чем больше у художника аукционных сделок, тем больше среди них находится и повторных продаж (материала для следующего этапа исследования). Другое дело, что далеко не все художники (не только российские, но и международные) имеют богатую историю повторных продаж: по статистике, около 90 % всех работ, проданных на публичных торгах, более одного раза на аукционах не появляются. В аукционной статистике Наталии Гончаровой содержится достаточное для анализа количество повторных продаж, поэтому продолжаем работать с ее аукционной историей.

Как мы помним, у Наталии Гончаровой в аукционной базе AI числятся 1763 работы. И здесь нами пригодится колонка «Уникальный номер работы», которую мы сделали в прошлый раз: отсортировав произведения по этому значению, мы увидим количество уникальных работ, выведенных на торги более одного раза: 230. Перенесем эти работы в отдельную таблицу.

Следующий шаг — посчитать количество сделок, приходящихся на каждое из 230 уникальных произведений:

• 168 уникальных работ было выведено на торги 2 раза;

• 43 уникальные работы было выведено на торги 3 раза;

• 16 уникальных работ было выведено на торги 4 раза;

• 4 уникальные работы было выведено на торги 5 раз.

Поскольку повторной продажей считается лишь аукционная сделка, завершившаяся собственно продажей (с положительным или отрицательным итогом для владельца), удалим из этого списка результаты, в которых цена продажи равна нулю. Это позволит избежать учета непроданных работ и исключить нулевые значения при расчетах. Далее вручную сформируем из оставшихся результатов пары — то есть, объединим в одной строке результаты сделок, стоящих ближе всего по датам аукционных торгов. В результате мы получим значительно меньшее количество строк, поскольку дважды выведенные на торги работы сформируют одну строку (сделку), выведенные трижды — две строки, четырежды — три строки, и т. д. Для примера: каждая работа, проданная 3 раза, будет иметь 2 строки: первую пару и вторую пару продаж. Но теперь каждая срока будет отражать одну повторную продажу — искомый предмет нашего исследования. Забегая вперед, после всех удалений и объединений у Наталии Гончаровой число повторных продаж будет равняться 86.

Самое время сказать, как должна выглядеть таблица для работы с повторными продажами. В знакомом нам Microsoft Excel нам понадобятся следующие опорные колонки:

• название работы;

• категория работы;

• аукционный дом продажи;

• страна и город;

• стоимость покупки;

• стоимость продажи;

• дата покупки;

• дата продажи;

• период владения;

• CAGR.

«Уникальный номер работы» и «Эстимейт», которые фигурировали в нашей базовой таблице, мы удалили для облегчения восприятия. В качестве «Аукционного дома продажи» мы ставим имя последнего продавца в каждой паре, а период владения рассчитываем очень просто — это разница между датами аукционов в годах.

Важно отметить: если разница между датами продажи составляет менее 1 года, мы вручную ставим значение 1 год для корректного расчета CAGR. Почему так — спросите вы? Причин тому две: во-первых (математическая причина), в формуле расчета CAGR нам не придется делить на 0; во-вторых (арт-рыночная причина), подавляющее большинство сделок с искусством, совершенных в пределах одного года, носят спекулятивный характер, поэтому данным действием мы объединяем все сделки с интервалом от нескольких месяцев до 1 года включительно (потом будет удобнее их сортировать, за что коллекционеры скажут спасибо).

Для расчета CAGR (среднегодового темпа роста стоимости) в Microsoft Excel можно использовать следующую формулу: =((стоимость продажи/стоимость покупки)^(1/период владения)–1)*100.

На заметку: символ «^» в Excel означает возведение в степень. В формуле для расчета CAGR, «^(1/период владения)» означает, что конечное значение делится на начальное значение, и затем результат возводится в степень, обратную количеству лет. Это позволяет вычислить средний годовой темп роста за указанный период.

Вот как выглядит подобная таблица у нас. Заметим, что для данного примера мы убрали все сделки с периодом владения менее одного года (вот и пригодилось!) и выбрали 25 самых успешных повторных продаж по наибольшему значению CAGR:

• 

Итого, после общих подсчетов у нас получилось, что средний CAGR для всех работ составляет 21,1 %. Распределив количество повторных продаж и средний CAGR по категориям, получаем:

• графика: 45 работ, CAGR — 7,5 %;

• живопись: 35 работ, CAGR — 36,5 %;

• коллаж: 2 работы, CAGR — 120,8 %;

• смешанная техника: 2 работы, CAGR — 9,7 %;

• тиражная продукция: 2 работы, CAGR — 29,6 %.

Мы видим, что живопись и графика Наталии Гончаровой стоят особняком по числу совершенных повторных продаж, тогда как данные по двум сделкам во всех остальных категориях не являются репрезентативными и не могут быть учтены при полноценном анализе. Тем не менее даже в первых двух категориях искусства наличествует серьезное различие: несмотря на большее число сделок с графикой, CAGR этой категории впятеро меньше аналогичного показателя у живописи. Здесь исследователю главное — не делать поспешных выводов об инвестиционном преимуществе живописи над графикой, а детально разобрать каждую сделку в обеих категориях, чтобы исключить спекулятивные мотивы и другие подозрительные продажи.

Отсортировав таблицу по группам аукционных домов, осуществивших повторные продажи, мы видим:

международные аукционы:

• количество сделок: 78;

• средний CAGR: 22,3 %;

российские аукционы:

• количество сделок: 8;

• средний CAGR: 9,5 %.

Бóльшая часть повторных продаж Наталии Гончаровой состоялась на зарубежных торгах в последние 38 лет (что неудивительно, учитывая массовую торговлю русским авангардом в Лондоне до 2022 года). Однако половина (4 из 8) внутрироссийских сделок состоялась в последние три сезона — на счету Литфонда 2 продажи в 2021 году (CAGR 51 % и –24 %), AI Аукцион совершил 2 сделки в 2023 и 2024 годах (CAGR 11 % и 34 % соответственно). Итого средний показатель среднегодового темпа роста стоимости Наталии Гончаровой на внутреннем рынке с 2021 года составляет 18 % — серьезный задел, если говорить о перспективах, при условии продолжения роста рынка в целом.

Посчитали мы и средний период между повторными продажами: у Наталии Гончаровой он составляет 5,6 года. Корреляция (зависимость, которая легко высчитывается в Excel c применением встроенной формулы CORREL) между периодом владения и CAGR, составляет –0,20, что указывает на слабую отрицательную связь. Это означает, что по мере увеличения периода между продажами CAGR имеет тенденцию к незначительному снижению. Другими словами, после 8 лет владения о работе, не появлявшейся на публичном рынке, последний начинает забывать; в этой ситуации коллекционеру необходимо либо искусственно повышать к ней интерес (выставки, публикации, публичные экспертизы), либо смириться с высокой вероятностью снижения ценовой динамики.

Выше мы обмолвились о спекулятивной природе продаж работ с периодом владения менее одного года. Исключив из расчета соответствующие сделки (таковых набралось 22 штуки, или 26 % от общего числа!), получаем, что CAGR повторных продаж, состоявшихся более чем через год после покупки, составляет 5,6 %. Эта цифра сильно расходится со «средним» показателем художницы в 21,1 %, но она вполне допустима для осознанных инвестиций в русский авангард (главное, что показатель вообще положительный).

В следующей части мы покажем, как работать с базой AI, когда в распоряжении коллекционера находится работа определенного художника с небольшим количеством повторных продаж, и задача владельца — оценить, насколько успешной (или нет) может быть ее продажа на аукционе. Для этого мы разберем понятие «парной группы», научимся находить тождественные работы, определять потенциальный ценовой диапазон продажи, а также введем в обиход коллекционера понятия регрессии и метода «скользящего окна».

Зина Фандéлина, AI