MODELOS DE VALORACIN ECONMICA DE OBRAS DE ARTE PICTRICAS:

VALORACIN POR INTERVALOS

Jernimo Aznar Bellver, jaznar@esp.upv.es

Francisco Guijarro Martnez, fraguima@upvnet.upv.es
Universidad Politcnica de Valencia

RESUMEN
La valoracin econmica de obras de arte es un tema crtico en el campo de la valoracin en general. La capacidad explicativa de las variables directamente
observables y cuantificables es, a diferencia de otras reas, muy baja, por lo que debe recurrirse a criterios estticos para obtener modelos de valoracin
relevantes. Estos criterios estticos a menudo no pueden proporcionarse de manera precisa y exacta, resultando ms natural expresarlos en forma de intervalo
de valores. En este trabajo se presentan diferentes modelos de valoracin que, a travs de la tcnica de optimizacin de programacin por metas, permiten
incorporar variables explicativas del precio de remate que adopten la forma de intervalo de valores. Tambin se ha modelado la posibilidad de que el experto
pueda, a travs del mayor o menor nivel de precisin con que defina las variables, influir en la relevancia de cada testigo en la formacin de la funcin de
valoracin.

1. MOTIVACIN
La valoracin econmica de obras de arte se diferencia de la de otros activos en la importancia de los criterios estticos, que en su
mayor parte la determinan. Cuando se valora una vivienda, suele ser suficiente manejar datos directamente observables, como la
superficie de la misma (metros cuadrados totales, metros tiles totales), el nmero de habitaciones, el nmero de baos, edificio con o sin
ascensor, altura de la vivienda, nmero de plantas del edificio, aos de antigedad, etc. Todas estas variables son objetivas y definibles
cuantitativamente, y se pueden incorporar sin dificultad a un modelo economtrico de valoracin. Slo en el caso de variables
cualitativas, como calidad de la construccin o entorno urbanstico, puede el experto valorador incluir sus preferencias o gustos personales
y, con ello, cierto grado de subjetividad. Lo mismo ocurre cuando se valora una empresa por el mtodo del descuento de flujos de caja, o
una finca agraria por comparacin con otras de similares caractersticas. La mayora de las variables que intervienen en la valoracin
suelen ser de tipo objetivo, lo que reduce la subjetividad que el experto valorador pueda aadir en el anlisis. En el caso de las obras de
arte, y ms concretamente en la pintura, las variables cuantitativas que puede recopilar el experto sobre un conjunto de cuadros forman un
grupo generalmente muy reducido (Guadalajara et al., 2001): superficie del cuadro, pedigr del autor1, edad del pintor2, fallecimiento3,
nacionalidad del autor4, tcnica empleada, soporte de la obra, temtica, etc. A diferencia de la valoracin urbana, de empresas o agraria,
por sealar ejemplos comunes y significativos sobre distintas reas de la valoracin, las variables anteriormente mencionadas no
consiguen explicar de manera satisfactoria la variabilidad del precio en las pinturas, sobre todo cuando se analizan obras de arte de
distintos autores. O expresado de manera ms formal, el R2 obtenido por los modelos de regresin por mnimos cuadrados (Ordinary
Least Squares OLS) utilizados en la valoracin econmica de pinturas o cualquier otro tipo de obra artstica, suele ser muy inferior al R2
alcanzado en la valoracin de bienes inmuebles, empresas o fincas agrarias5. Con todo, las obras de arte deben ser y son valoradas para
fijar los precios de salida en las casas de subastas, pero recurriendo, adems de a estas variables objetivas y cuantificables, a otras de
carcter menos objetivo y que dependen ms del gusto y de la percepcin esttica que la obra produce en su contemplacin (Schneider y
Pommerehne, 1983; Frey y Pommerehne, 1989).
Por lo tanto, se trata de realizar en primer lugar una valoracin esttica para abordar seguidamente la valoracin econmica. Entre
los parmetros estticos que un experto valorador de pinturas debe considerar se encuentran valores sensoriales (textura, color, tono),
valores formales (motivo, composicin, desarrollo), valores culturales (contexto, universalidad, tradicin, innovacin), valores vitales
(expresin, concepto, lenguaje) y, como el ms subjetivo de todos ellos, el valor de agrado (Beardsley y Hospers, 1997). La consideracin
de todas estas variables en la valoracin econmica de una obra pictrica es necesaria, si bien cuantificarlas y deducir un ndice de calidad
o esttica que las resuma puede resultar una tarea muy compleja. Adems, la definicin de la calidad de una pintura a travs de un valor
exacto y preciso resulta poco usual en la prctica. Los expertos consultados dudan habitualmente en los valores estticos que otorgan a
una pintura o cualquier otra obra de arte, siendo ms dados a precisar este ndice en forma de intervalo, como expresin de la
incertidumbre que envuelve a dicho juicio. En este trabajo se contempla, por una parte, la inclusin en el modelo de valoracin de una
variable explicativa de tipo esttico definida a travs del juicio de un experto; por otra parte, tambin se contempla la posibilidad de que
dicha variable se defina imprecisa, en forma de intervalo de valores, y no nicamente como una variable exacta y precisa, para lo que se
presentan diversos modelos de valoracin que permiten combinar ambos tipos de variables.
El resto del trabajo se estructura como sigue: en la seccin 2 se presenta un modelo de valoracin que combina informacin
objetiva y cuantificable con informacin subjetiva no observable directamente, permitiendo que esta ltima se exprese en forma de
1

Montero (2001) seala al pedigr de un autor como uno de los factores determinantes en la formacin del precio de las obras de arte.
Galenson y Weinberg (2000) analizaron dos cohortes consecutivas de los pintores modernos norteamericanos ms influyentes: los nacidos entre 1900 y
1920 (de Kooning, Pollack, Rothko, etc.), y los nacidos entre 1921 y 1940 (Frank Stella, Warhol, Rauschenberg, etc.). De su anlisis concluyen que para el
segundo grupo las pinturas ms cotizadas fueron realizadas por sus autores a una edad ms temprana que en el primer grupo, donde las pinturas ms
valiosas se corresponden con un periodo ms maduro en el artista.
3
Agnello y Pierce (1996) y Czujack (1998) evidenciaron la relacin positiva entre el precio de remate de las obras y el fallecimiento de sus autores, lo que
denominan death-effect. Posteriormente, Ekelund et al. (2000) llegan a las mismas conclusiones analizando un total de 21 pintores latinoamericanos
fallecidos durante el periodo 1977-1996.
4
Valsan (2002) encuentra diferencias significativas en los precios de las pinturas de artistas estadounidenses y canadienses, despus de ajustar por otras
caractersticas como superficie del cuadro, temtica, casa de subasta, etc.
5
Se seala el modelo economtrico por ser la tcnica ms referenciada en la investigacin sobre la valoracin econmica de obras de arte, aunque no la
nica posible (Thompson et al., 2002; Epstein, 2003).
2

intervalo. Para ello se hace uso de la tcnica de optimizacin de programacin por metas (Goal Programming GP). La seccin 3
presenta un ejemplo ilustrativo del modelo de valoracin anterior aplicado sobre un conjunto de pinturas de artistas contemporneos
espaoles. Las principales conclusiones derivadas de esta investigacin se resumen en la seccin 4.
2. Modelos de valoracin por intervalos
El proceso de valoracin econmica comienza con la recopilacin de una serie de datos sobre un conjunto de obras de arte que
constituyen la muestra, y que servirn para obtener la funcin de valoracin. De cada obra debe conocerse su precio de venta, que ser la
variable a explicar por la funcin, y diferentes caractersticas que se utilizarn como variables explicativas del valor anterior. Se trata de
ligar el precio con las variables explicativas del mismo a travs de una relacin funcional. Un mtodo clsico para resolver este problema
es el de la regresin por mnimos cuadrados. Sin embargo, este mtodo exige que los valores tanto del precio como de las variables
explicativas sean cuantitativos y precisos; y segn se seal en la seccin anterior, la valoracin de obras de arte maneja variables
cualitativas que resulta ms conveniente expresar en forma de intervalo, debido a la incertidumbre que envuelve su definicin, por lo que
debe recurrirse a otra metodologa distinta a OLS que sea capaz de modelar esta situacin de manera satisfactoria. Teniendo en cuenta
estos aspectos, en el presente trabajo se presentan diferentes modelos de valoracin que permiten incorporar variables explicativas en
forma de intervalo, como por ejemplo la calidad esttica de las obras de arte.
Para solventar la problemtica de tratar con variables en forma de intervalo, se hace uso de la tcnica matemtica de programacin
por metas, cuya formulacin bsica fue propuesta inicialmente en Charnes et al. (1955) y, con posterioridad y mayor extensin y detalle,
en Charnes y Cooper (1961):
n

Min

( n
i =1

+ i p i )

subject to :
f i (x ) + n i p i = g i , i {1, , n}

[1]

n i 0, p i 0
xF
En el modelo [1], f es una funcin definida sobre el vector de variables x ; g i es el valor de la meta i ; n i , p i son las
variables desviacin negativa y positiva, respectivamente; F es un conjunto de restricciones sobre x ; i , i son los pesos asociados a
las variables de desviacin; y es la mtrica escogida para el modelo. El traslado de [1] a un modelo de valoracin por regresin es
inmediato, sin ms que identificar a g con la variable a explicar y a x con el conjunto de variables explicativas. Con = 2 el modelo
no lineal equivaldra a OLS, mientras que con = se estara adoptando un enfoque MINMAX, y con = 1 el modelo de
desviacin absoluta mnima (Least Absolute Value LAV), que es, entre los citados, el ms extendido en el mbito de la programacin
por metas6 (Tamiz et al., 1995). La forma funcional de f tomar la expresin de [2], donde el vector x resulta ser la incgnita a despejar
por el modelo:
m

f i (x ) = a ij x j

[2]

j= 0

En [1] se ha considerado que tanto los coeficientes

a ij

como las metas

gi

son valores precisos (crisp values). Charnes y

Collomb (1972) proponen un modelo, denominado Interval Goal Programming, donde la incertidumbre en los valores de las metas se
expresa en forma de intervalo, mientras que Inuiguchi y Kume (1991) generalizan el tratamiento de metas y coeficientes de variables
explicativas como intervalo7. Un supuesto bsico de los 4 modelos propuestos en el trabajo de Inuiguchi y Kume es que consideran que
las variables x son restringidas en signo, lo que puede representar una caracterstica interesante si se traslada al campo de la valoracin8.
En el presente trabajo partimos de la hiptesis realista de que el precio de las obras de arte, y de las pinturas ms concretamente, se
forma en las subastas de arte pblicas, por lo que es un valor conocido y exacto, y que son algunas de las variables explicativas del modelo de
valoracin, por lo general un nmero pequeo, las que se definen por los expertos en forma de intervalo. Debe precisarse que cuando una
variable se define en forma de intervalo de valores

[a, b] , se entender que cualquiera de los valores pertenecientes a dicho intervalo tiene la

misma posibilidad de ocurrencia, a diferencia de otros enfoques como el fuzzy, donde cada elemento del intervalo puede tener diferente
posibilidad de ocurrencia que el resto. Como paso previo a la formulacin de los modelos, deben definirse algunos conceptos:

Para un anlisis ms pormenorizado de la programacin por metas pueden consultarse Romero (1991) y Schniederjans (1995).
Existen importantes extensiones (Jones y Tamiz, 1995; Vitoriano y Romero, 1999), si bien no son analizadas por sobrepasar el mbito
de la presente investigacin.
8
En los modelos OLS se supone no restriccin en signo, lo que en ocasiones conduce a problemas de multicolinealidad.
7

Definicin 1: La distancia entre un nmero real

y un intervalo

I = [a , b] , con a

nmeros reales tal que

a b , vendr

determinada por la expresin [3]:

a r

if r < a

d* (r, I ) = d* (r, [a , b]) =

if a r b
r b

if b < r

[3]

como distancia mnima u optimista, o alternativamente por la expresin [4]:

b r

if r < a

b a

*
*
d (r, I ) = d (r, [a , b]) =

if a r b
r a

if b < r

[4]

como distancia mxima o pesimista; de tal manera que la distancia entre

queda acotada por el intervalo

d = [d * , d * ] .

Con ambas distancias se reflejar la diferencia o residuo entre el precio de remate y el precio estimado por el modelo de
valoracin para cada testigo incluido en la muestra. Mientras que el precio de remate ser un valor crisp, el precio estimado vendr dado
en forma de intervalo cuando las variables expresadas de ese modo hayan resultado significativas dentro del modelo; esto es, hayan
obtenido coeficiente no nulo. Obviamente, se trata de que el modelo resultante minimice los residuos obtenidos, con independencia de la

d * mide la distancia entre el valor de remate y el extremo del valor de

mercado estimado ms prximo al valor de remate, siempre que r I , con lo que se cuantifica la mnima diferencia entre ambos valores
*
(enfoque optimista). Cuando r I entonces d * toma valor nulo. La distancia mxima d mide la diferencia entre el valor de remate y
*
el extremo del valor estimado ms alejado de aqul cuando r I (enfoque pesimista), con d = b a si r I . La figura 1
distancia escogida (formulaciones [3] y [4]). La distancia mnima

representa las distancias entre el valor de remate y estimado para tres testigos diferentes.
Figura 1
Ejemplos de distancia mxima y mnima

I1
r1

a1

b1

d1*

I2
r2 b 2

a2
*

d1

d 2* = 0

d2 = b2 a 2
*

De la observacin de la figura 1 resulta fcil demostrar que

I3
a3

d3

b3

r3

d 3*

d* d* .

Definicin 2: El valor de mercado estimado mnimo y el valor de mercado estimado mximo vendrn dados por las expresiones
[5] y [6], respectivamente:
k

g i * = a ij x j +

j= 0

j= k +1

*
g i = a ij x j +
j= 0

ij *

j= k +1

xj

*
ij

[5]

xj

[6]

Las variables explicativas han sido agrupadas de manera que las primeras
crisp (la posicin 0 se reserva para la constante), y las

mk

As, el intervalo proporcionado por el experto para la variable

posiciones estn ocupadas por variables con valores

ltimas se corresponden con las variables definidas en forma de intervalo.

j ( j > k ) en el testigo i

ser

[a ij * , a ij ] , lo que implica que cualquier

valor dentro de ese intervalo tiene la misma posibilidad de ocurrencia. Si bien en las dos igualdades todos los coeficientes de las variables
explicativas aparecen con signo positivo, se colocarn con signo negativo los de las variables que estn relacionadas negativamente con el
precio. La determinacin a priori del signo entre la relacin del precio y la variable explicativa correspondiente supone una restriccin que
no puede ser implementada en OLS, pero s en un modelo de programacin matemtica (Aznar y Guijarro, 2004). Esta posibilidad
permite que el valorador, a partir de su experiencia, incorpore informacin adicional sobre las variables explicativas relevantes. En
cualquier caso, nicamente se consideran variables restringidas en signo para las variables definidas en forma de intervalo, puesto que no
podra determinarse de antemano la expresin del precio estimado mnimo y mximo9.
Para definir el modelo de valoracin se utilizan como restricciones del programa lineal las expresiones [5] y [6]. Para la definicin
de la funcin objetivo se contemplan dos posibilidades: el modelo [7] consiste en minimizar

d* ,

lo que proporcionar modelos de

valoracin ms ajustados, entendiendo como tales los que menor suma de residuos en valor absoluto obtienen, pero tambin ms
imprecisos en el precio estimado (intervalos ms amplios). La segunda posibilidad, modelo [8], consiste en minimizar

d * ; en este caso se

dar prioridad a la obtencin de estimaciones con intervalos ms estrechos. En ambos modelos se hace uso de las variables de desviacin
positivas y negativas, si bien se diferencia entre

n L y p L para la restriccin ligada al precio estimado mnimo y n U y p U para la

restriccin ligada al precio estimado mximo.

n

Min

p
i =1

L
i

+ n iU

subject to :
k

a ij x j +

j= 0

j= k +1

a ij x j +
j= 0

ij *

j= k +1

[7]

x j + n iL p iL =g i

*
ij

x j + n iU p iU = g i
i = 1..n

Min

n
i =1

L
i

+ p iU

subject to :
k

a ij x j +

j= 0

j= k +1

a ij x j +
j= 0

ij *

j= k +1

*
ij

[8]

x j + n iL p iL =g i
x j + n iU p iU = g i
i = 1..n

As mismo, pueden enunciarse una serie de definiciones adicionales que ayuden a comprender los modelos utilizados.
Definicin 3: Se entender por testigo i influyente, con 1 i n , aqul que cumpla la condicin:
*
g i ]g i * , g i [

[11]

9
Otra posibilidad sera la de obtener distintas soluciones a travs de un proceso enumerativo, de forma similar a los modelos propuestos por Chinneck y
Ramadan (2000), donde se podran plantear tantos modelos como distintas combinaciones de signo entre las variables explicativas. Sin embargo, esto
podra llevar en la prctica a problemas similares a los detectados en algunos modelos OLS, como la multicolinealidad.

Definicin 4: Se entender por testigo

no influyente, con 1

i n , aqul que cumpla la condicin:

g i ]g i * , g i [
*

[12]

De esta forma, todos los testigos incluidos en la muestra podrn ser clasificados como influyentes o como no influyentes. Dicha
clasificacin es pertinente cuando el precio de remate se expresa como intervalo, pero no cuando es un valor crisp. Desde un enfoque
prctico, un testigo influyente recibe esa denominacin porque afecta a la solucin obtenida por el programa lineal, bien en los
coeficientes de las variables explicativas, bien en el valor de la funcin objetivo

z . Al contrario, un testigo no influyente no afecta a la

solucin.
Proposicin 1: Un testigo no influyente slo podra pasar a ser influyente si, ceteris paribus, se redujera la imprecisin en el valor
de alguna de sus variables explicativas en forma de intervalo.
Proposicin 2: Un testigo influyente slo podr pasar a ser no influyente si, ceteris paribus, aumentara la imprecisin en el valor
de alguna de sus variables explicativas en forma de intervalo.
Con estas dos proposiciones, el valorador dispone de una herramienta muy til a la hora de evaluar el peso o relevancia de los
diferentes testigos en la determinacin de la funcin de valoracin. As, un testigo para el que se proporcione un intervalo de valores
amplio para alguna de sus variables explicativas tendr un peso menor en la obtencin de la funcin de valoracin a travs del modelo [7]
que otro en el que se hayan definido sus variables de forma ms precisa. As lo evidencia la proposicin 2, que demuestra que un testigo
influyente puede pasar a no serlo si se ampla la incertidumbre de las variables que lo definen. Por el contrario, contra ms estrechos sean
los intervalos de las variables explicativas, mayor oportunidad tendr el testigo de ser influyente (proposicin 1). En definitiva, el
valorador tendr capacidad de expresar, a travs de la amplitud que proporciona en los intervalos, el grado de confianza con que emite sus
juicios. En el caso de que para una pintura determinada se muestre convencido del valor otorgado a una variable explicativa del precio, el
intervalo dado a esa variable deber ser menor que el de otra pintura donde se muestre ms inseguro, y por lo tanto emita un juicio con
mayor imprecisin. Esto ltimo se traducir en un intervalo ms amplio para la variable explicativa. Los testigos cuyas variables se
expresen de forma precisa obtendrn valores tambin exactos, y sern necesariamente influyentes. Slo podrn ser no influyentes los que
tengan expresada alguna/s de sus variables explicativas como intervalo.
Una solucin compromiso consiste en limitar el ancho del intervalo estimado para el precio de los testigos a una cantidad
determinada

. Si se calcula la diferencia entre las restricciones del modelo [7] se obtiene:

m
m
k
k

a ij x j + a ij * x j + n iU p iU a ij x j + a ij x j + n iL p iL = g i g i [13]
*

j= k +1
j= k +1
j= 0
j= 0

Reordenando trminos:
m

j= k +1

*
ij

xj

j= k +1

ij *

x j + n iU p iU n iL + p iL = 0

[14]

ij *

xj

[15]

Y dado que se exige:

m

j= k +1

*
ij

xj

j= k +1

Entonces necesariamente se cumplir que:

n iU p iU n iL + p iL

[16]

De esta manera, el modelo [7] puede ser modificado para que restrinja el lmite mximo en el ancho de los intervalos del precio
estimado,

, siguiendo un enfoque MINMAX, segn se expresa en el modelo paramtrico [17], donde el valor del parmetro

fijado a priori por el valorador:

es

Min

p
i =1

L
i

+ n iU

subject to :
k

a
j= 0

ij

xj +

ij

xj +

a
j= 0

j= k +1

ij *

j= k +1

x j + n iL p iL =g i

*
ij

x j + n iU p iU = g i

[17]

n iU p iU n iL + p iL
i = 1..n
n

z = p iL + n iU
i =1

3. Un ejemplo ilustrativo: valoracin econmica de pinturas de artistas espaoles contemporneos

Para ilustrar los modelos presentados en el epgrafe anterior se ha escogido una muestra compuesta por 15 pinturas de otros tantos
autores espaoles contemporneos (tabla 5). El valor de mercado en las transacciones se ha obtenido a travs de los precios alcanzados en
subasta pblica en centros nacionales de estas obras para el ao 2001. Al contemplar un nico ao se evita la situacin de tener que
actualizar los precios de remate alcanzados en diferente periodo de tiempo para hacerlos homogneos. Todas las pinturas son tambin
homogneas en cuanto a la tcnica utilizada: leo, acrlico o mixto. Se ha escogido el cociente entre el precio de remate y la superficie de
la obra como variable a explicar por los modelos, pues entre ambas suele aparecer una relacin positiva. Como variables explicativas se
han seleccionado:
-

La edad actual del pintor. Adems de la edad, y puesto que en la muestra aparecen varios autores ya fallecidos, se ha
incorporado una variable adicional (fallecido) que toma valor 0 cuando el pintor se encuentra en vida, y 1 en caso
contrario. Si se da esta ltima circunstancia, la edad toma valor 0. Con estas dos variables se pretende recoger la
capacidad de oferta por parte del pintor (Ekelund et al., 2000), bajo la hiptesis de que dicha capacidad se ve
reducida conforme avanza la edad del mismo hasta que, con su fallecimiento, la capacidad de aportar nuevas pinturas
al mercado cesa definitivamente.

ndice de popularidad. Con esta variable se pretende incluir la otra cara del mercado: la demanda. As, el precio alcanzado en
subasta por las obras de un autor ser mayor si tambin lo es su popularidad. Se persigue cuantificar el efecto que el pedigr
del autor puede tener en el valor de mercado alcanzado por sus obras (Montero, 2001). La determinacin de la popularidad se
ha llevado a cabo contabilizando el nmero de citas del autor en el buscador Google de Internet. Puesto que en algunos casos
los nombres de los autores pueden resultar muy comunes, se acompa de la palabra art. Como ejemplo, las 112 citas de
Isabel Guerra se obtuvieron buscando la cadena de texto Isabel Guerra art .

ndice de calidad. Con esta variable se cuantifica el diferente grado de calidad artstica percibido en cada obra. Para ello se
cont con la colaboracin de un comisario de exposiciones con amplia formacin esttica y larga experiencia profesional.
Dicho experto ponder las 15 pinturas en una escala de 0 a 10, emitiendo sus juicios en forma de intervalo de valores en
lugar de valores exactos.

Tambin se manej la posibilidad de incluir en el modelo una variable relativa a la casas de subastas donde se haba producido la
transaccin, pero se desestim por no poder completar dicha informacin para el conjunto de obras analizadas.

Tabla 5
Base de datos

Valor de
Artista - Obra

mercado

ndice de

ndice de calidad

popularidad

(0..10)

Fallecido
Edad

(1 = S; 0
(citas

(euros/cm2)

= No)
Internet)

Mnimo

Mximo

Isabel Guerra - "Bodegn"

1,71

54

112

Jos Guerrero - "Negro carbn"

1,01

810

7,5

Jos Guinovart - "Rostoll"

0,37

74

25

15,33

557

7,5

mar"

13,4

432

Jos Mara Sicilia - "w/t"

2,88

47

599

7,5

Jos Mara Sert - "Alegora al trabajo"

0,61

277

7,5

de Mara Luisa"

22,19

290

Jos Vela Zanetti - "El Forjador"

1,67

83

cribando"

13,7

185

7,5

Concepcin Crdenas - "Adn y Eva"

0,13

34

Roxana Popelka - "Uno ms uno"

0,2

39

20

4,5

volcnicas"

0,49

47

42

Susana Zaldvar - "Paisaje sin toro"

0,55

38

Cristina Dumas - "w/t"

0,14

44

Jos Gutirrez Solana - "Procesin de

Pancorbo"
Benjamn Palencia - "Bodegn del

Daniel Vzquez Daz - "En el parque

Rafael Zabaleta - "Campesinos

Norma Villarreal - "Fuerzas

Al aplicar el modelo [7] sobre los datos de la tabla 5, se obtiene la siguiente funcin de valoracin:

Valor / cm 2 = 7,84 + 8,14 Fallecido + 1,7867 Calidad

[18]

Mientras que con el modelo [8] la solucin es:

Valor / cm 2 = 0,0194 + 0,0037 Edad + 0,0045 Popularidad + 11,4546 Fallecido

[19]

En [18] nicamente las variables Fallecido y Calidad obtienen coeficiente no nulo. Esta ltima hace que el precio estimado adopte
la forma de intervalo de valores. En [19], consecuentemente con lo expuesto en el epgrafe metodolgico, la variable calidad obtiene
coeficiente nulo, y es sustituida en la funcin de valoracin por las variables Edad y Popularidad. A partir de estos modelos la valoracin
de una obra de arte de un artista espaol contemporneo a los considerados es inmediata. Supongamos que se desea valorar la pintura El
ltimo festn, de Juan Bentez. La edad del autor es de 34 aos, y aparece citado en Internet un total de 190 veces segn el procedimiento
considerado. Finalmente, la calidad otorgada a este trabajo por el experto en arte est en el intervalo [5, 6], por lo que se obtendran los
siguientes valores:
Funcin [18]:

Valor / cm 2 = 7,84 + 8,14 0 + 1,7867 [5, 6] = [1'09, 2'88]

Funcin [19]:

Valor / cm 2 = 0,0194 + 0,0037 34 + 0,0045 190 + 11,4546 0 = 0,97

En la figura 3 se representan el ratio entre precio de remate y superficie, junto con las estimaciones de ambos modelos.

Figura 3
Precio de remate frente a precio estimado segn se minimice

d*

d*

en el modelo de valoracin

25

Euros / cm 2

20

15

Precio de remate

10

Intervalo precio
estimado [18]
Precio estimado
[19]

0
0

10

12

14

16

-5

Testigo

Finalmente, en la tabla 6 aparecen los resultados del modelo paramtrico donde, en funcin del lmite mximo marcado para el
intervalo del precio estimado, se obtienen diferentes coeficientes y valor de la funcin de objetivo. Se observa como conforme disminuye
el valor del parmetro , el coeficiente de la variable Calidad reduce su peso en favor del ndice de popularidad y, cuando se
aproxima a cero, de la variable Edad.

Tabla 6
Coeficientes obtenidos en los modelos de valoracin segn el valor asignado al parmetro

Constante

Edad

Fallecido

Popularidad

Calidad

)
4,46 < +

-7,84

8,14

1,7867

46,4967

-3,1353

10,7604

0,0040

0,8

46,9540

-1,4690

11,0961

0,0022

0,4

48,2161

0,5

-0,6525

11,1867

0,0034

0,2

49,1011

0,25

-0,1770

11,2132

0,0038

0,1

49,6093

0,1

-0,0378

0,0008

11,2974

0,0043

0,04

49,9281

-0,0194

0,0037

11,4546

0,0045

50,1871

4. Conclusiones finales
Una de las hiptesis bsicas para la obtencin de modelos de valoracin mediante la tcnica OLS es que las variables
explicativas del precio deben ser conocidas de manera precisa o exacta. Esto suele ocurrir frecuentemente en el caso de variables
que son directamente observables y cuantificables. Sin embargo, para las obras de arte tambin se consideran variables con una
elevada componente subjetiva, como la calidad esttica de la obra entre otras posibles, que deben ser cuantificadas por uno o
varios expertos para poder ser incorporadas en un proceso de valoracin. Esta cuantificacin, a diferencia de las variables
anteriormente mencionadas, no suele ser por lo general exacta, siendo ms habitual expresar en forma de intervalo de valores la
incertidumbre que envuelve su determinacin. Puesto que la regresin por mnimos cuadrados no contempla el manejo de este tipo
de variables, debe acudirse a otra tcnica, en este caso la programacin por metas, para inferir una funcin de valoracin a partir
de la informacin recopilada sobre diferentes testigos. La utilizacin de esta tcnica matemtica de optimizacin permite, adems,
incorporar restricciones que tampoco pueden modelarse mediante OLS, como, por ejemplo, la determinacin a priori del signo de
alguna/s de las variables explicativas.
En este trabajo se presentan dos modelos de valoracin que se diferencian entre s en el clculo de la distancia entre el
precio de remate y el precio estimado para los testigos, teniendo en cuenta que, en caso de que las variables expresadas en forma
de intervalo hayan obtenido coeficientes no nulos, el precio estimado podr venir dado tambin como un intervalo de valores. Para
este ltimo caso se ha demostrado como una mayor precisin en la definicin de las caractersticas de un testigo puede aumentar la
relevancia del mismo en la determinacin de la funcin de valoracin, y al revs. Finalmente, tambin se ha diseado un modelo
paramtrico que permite al valorador limitar el rango del precio estimado, como solucin compromiso entre los dos modelos
anteriores.

BIBLIOGRAFA
Agnello, R.J.; Pierce, R.K. (1996): Financial Returns, Price Determinants, and Genre Effects in American Art Investment, Journal of Cultural Economics, vol. 20, pp. 359-383.
Aznar, J.; Guijarro, F. (2004): Mtodos de valoracin basados en la programacin por metas: Modelo de valoracin restringido, Revista Espaola de Estudios Agrosociales y
Pesqueros, en prensa.

Beardsley, M.C.; Hospers, J. (1997): Esttica: historia y fundamentos, Madrid: Ctedra.

Charnes, A.; Collomb, B. (1972): Optimal Economic Stabilisation Policy: Linear Goal-Interval Programming Models, Socio-Economic Planning Sciences, vol. 6, pp. 431-435.
Charnes, A.; Cooper, W.W. (1961): Management Models and Industrial Applications of Linear Programming, New York: Wiley.
Charnes, A.; Cooper, W.W.; Ferguson, R.O. (1955): Optimal Estimation of Executive Compensation by Linear Programming, Management Science, vol. 1, pp. 138-150.
Chinneck, J.W.; Ramadan, K. (2000): Linear Programming with Interval Coefficients, Journal of Operational Research Society, vol. 51, pp. 209-220.
Czujack, C. (1997): Picasso Paintings at Auction, 1963-1994, Journal of Cultural Economics, vol. 21, pp. 229-247.
Ekelund, R.B.; Ressler, R.W.; Watson, J.K. (2000): The Death-Effect in Art Prices: A Demand-Side Exploration, Journal of Cultural Economics, vol. 24, pp. 283-300.
Epstein, R.A. (2003): The Regrettable Necessity of Contingent Valuation, Journal of Cultural Economics, vol. 27, pp. 259-274.
Frey, B.S.; Pommerehne, W.W. (1989): Art Investment: An Empirical Inquiry, Southern Economic Journal, vol. 56, pp. 396-409.
Galenson, D.W.; Weinberg, B.A. (2000): Age and the Quality of Work: The case of Modern American Painters, The Journal of Political Economy, vol. 108, pp. 761-777.
Guadalajara, N.; Blasco, A.; Guijarro, F. (2001): Valoracin de las obras de arte pictricas. El caso espaol de pintores contemporneos en la dcada de los 90, Revista
Europea de Direccin y Economa de la Empresa, vol. 10, pp. 59-74.

Inuiguchi, M.; Kume, Y. (1991): "Goal Programming Problems with Interval Coefficients and Target Intervals, European Journal of Operational Research, vol. 52, pp. 345-360.
Jones, D.F.; Tamiz, M. (1995): Expanding the Flexibility of Goal Programming via Preference Modelling Techniques, Omega, vol. 23, pp. 41-48.
Montero, I. (2001): Factores determinantes del mercado del arte, Revista Europea de Direccin y Economa de la Empresa, vol. 10, pp. 49-58.
Romero, C. (1991). Handbook of Critical Issues in Goal Programming, Oxford: Pergamon Press.
Schneider, F.; Pommerehne, W. (1983): Analysing the Market of Work of Contemporary Fine Arts: An Exploratory Study, Journal of Cultural Economics, vol. 7, pp. 41-67.
Schniederjans, M.J. (1995). Goal Programming. Methodology and Applications, Norwell: Kluwer Academic Publishers.
Tamiz, M.; Jones, D.F.; El-Darzi, E. (1995): "A Review of Goal Programming and Its Applications", Annals of Operations Research, vol. 58, pp. 39-53.
Thompson, E.; Berger, M.; Blomquist, G.; Allen, S. (2002): Valuing the Arts: A Contingent Valuation Approach, Journal of Cultural Economics, vol. 26, pp. 87-113.
Valsan, C. (2002): Canadian versus American Art: What Pays Off and Why, Journal of Cultural Economics, vol. 26, pp. 203-216.
Vitoriano, B.; Romero, C. (1999): Extended Interval Goal Programming, Journal of Operational Research Society, vol. 50, pp. 1280-1283.

10