Аналитика финансовых данных аукционного дома Sotheby
ОПИСАНИЕ:
Я выбрала для анализа финансовые данные одного главного аукционного дома: Sotheby Для данного проекта я использовала базу данных с сайта Kaggle.com, который включает список художников, цены и времена покупки и продажи картин. https://www.kaggle.com/datasets/amaboh/masterworks-top-10-1m-artists-20182022
тема моей работы — анализ рынка искусства на основе датасета с информацией о покупках и продажах произведений. Целью моего проекта было выявить основные закономерности в ценообразовании, определить факторы, влияющие на стоимость произведений искусства, и, в конечном итоге, построить модель, прогнозирующую цену продажи на основе цены покупки.На протяжении долгого исторического периода искусство всегда находится рядом с человеком, и я решила изучить, насколько же эта связь близка.
ЭТАПЫ РАБОТЫ:
1. Загрузка данных из файла CSV. 2. Выбор интересующих столбцов. 3. Преобразование значений столбцов в числовой формат. 4. Очистка данных от некорректных записей. 5. Агрегация данных. 6. Обработка выбросов. 7. Статистический анализ. 8. Корреляционный анализ. 9. Построение предиктивной модели. 10. Визуализация на каждом этапе работы.
Первым шагом было загрузить данные, представленные в виде нескольких CSV-файлов, хранящихся в папке ‘artworks’(файл с данными прикреплен во вложении).
Для этого я использовала библиотеки pandas, numpy, os и glob. С помощью glob я нашел все CSV-файлы в указанной папке. Затем, используя цикл, я прочитала каждый файл в отдельный DataFrame с помощью pd.read_csv () и добавила его в список dfs. Наконец, я объединила все DataFrame’ы из списка dfs в один общий DataFrame под названием df с помощью функции pd.concat ().
ИТОГОВЫЕ ГРАФИКИ:
ФИЛЬТРАЦИЯ И СОРТИРОВКА
Я применила два подхода:
Фильтрация с одним условием: Я отобрала произведения искусства, проданные по цене выше 1 миллиона долларов, и отсортировала их по цене продажи в убывающем порядке. На графике 1 вы видите зависимость цены покупки от цены продажи для этих работ, с цветовой кодировкой по художникам.
Фильтрация по нескольким условиям: Я отобрала работы, проданные по цене выше 500 тысяч долларов, с периодом владения менее 10 лет, и отсортировала их по цене продажи. График 2 демонстрирует среднюю цену продажи по художникам для данной категории работ.
НОВЫЕ ПРИЗНАКИ
Отношение цены продажи к цене покупки: Я использовала анонимную функцию для вычисления отношения цены продажи к цене покупки для каждого произведения искусства.
Годовая доходность: Я определила именованную функцию, которая вычисляет годовую доходность инвестиции в произведение искусства, учитывая период владения.
СВОДНЫЕ ТАБЛИЦЫ
1.Средняя цена продажи по художникам. 2.Средняя цена продажи по топ-10 художникам и категориям периода владения (тепловая карта). Использование sns.heatmap позволило визуально оценить зависимость средней цены продажи от художника и периода владения. Чтобы тепловая карта была более читаемой, я применила маску для скрытия нулевых значений, и настроила аннотации и цветовую схему. 3. Средние цены покупки и продажи по художникам. 4.Различные статистики (среднее, медиана, количество) по цене продажи по художникам (тепловая карта). 5.Различные статистики (среднее, максимум, медиана, минимум) по ценам покупки и продажи по художникам (тепловая карта).»
ЗАМЕНА ПРОПУСКОВ
Пропуски до обработки: title 0 artist 0 purchase_price 0 sale_price 0 holding_period_years 0 price_ratio 0 annual_return 0 holding_period_category 0 dtype: int64
Пропуски после обработки: title 0 artist 0 purchase_price 0 sale_price 0 holding_period_years 0 price_ratio 0 annual_return 0 holding_period_category 0
УДАЛЕНИЕ ВЫБРОСОВ
Я применила два метода для удаления выбросов:
Метод N стандартных отклонений для одной целевой переменной. Я удалила все значения, находящиеся на расстоянии более 3 стандартных отклонений от среднего.
Метод межквартильного размаха (IQR) для одного предиктора. Я удалила все значения, находящиеся за пределами 1.5*IQR от первого и третьего квартилей. Графики до и после обработки выбросов демонстрируют эффект очистки данных.
ОПИСАТЕЛЬНЫЕ СТАТИСТИКИ
Меры центральной тенденции: Я вычислила среднее и медиану цены продажи и визуализировала их на гистограмме
Квартили: Я определила квартили распределения цены продажи и представила их в виде ящика с усами
Я определила самого часто встречающегося художника (моду) и количество уникальных художников в коллекции. Распределение количества работ по художникам представлено на графике
КОРРЕЛЯЦИЯ ПИРСОНА
Я вычислила матрицу корреляции Пирсона для своих признаков и визуализировала ее на тепловой карте
Также, я вывела информацию о самой сильной корреляции между признаками. Данная диаграмма рассеяния иллюстрирует связь между двумя признаками с самой сильной корреляцией.
ЛИНЕЙНАЯ РЕГРЕССИЯ
На заключительном этапе я построила модель линейной регрессии для прогнозирования цены продажи на основе цены покупки.
ИСПОЛЬЗОВАННЫЕ РЕСУРСЫ:
В данном проекте использовались нейросети ChatGPT и DeepSeek для генерации кода и помощи в анализе данных.
Все использованные ресурсы: pandas, chatgpt, DeepSeek, Kaggle.com
ИТОГОВЫЙ КОД ПРОЕКТА:
