Professional Documents
Culture Documents
Universität Witten/Herdecke
Reinhard-Mohn-Stiftungslehrstuhl für Unternehmensführung,
Gesellschaftsethik und gesellschaftlichen Wandel
Prof. Dr. Bernd Frick
Alfred-Herrhausen-Strasse 50
D-58448 Witten
Inhaltsverzeichnis
Inhaltsverzeichnis .................................................................................................... I
Abkürzungs- und Symbolverzeichnis..................................................................... III
Abbildungsverzeichnis ........................................................................................... IV
Tabellenverzeichnis................................................................................................ V
1. Einleitung......................................................................................................... 1
2. Markt und Eigenschaften des Gutes „Kunst“ ................................................... 3
a. Kunstmarkt und Akteure 3
b. Kunst als Gut 7
c. Bewertung von Kunst 9
d. Zusammenfassung 11
3. Datenbasis .................................................................................................... 13
a. Datenquellen 13
b. Aufbereitungsprozess 16
c. Datenbeschreibung 23
d. Zusammenfassung 25
4. Berechnungsmethoden ................................................................................. 27
a. Einführung 27
b. „Weiche“ Methoden 28
c. „average price method“ 34
d. „double sale method“ 37
e. „representative painting method“ 38
f. „repeat-sale regression method“ 41
g. „hedonic price method“ 44
h. Zusammenfassung 46
5. Evaluation und Verbesserungsansätze ......................................................... 48
a. Verwendete (analoge) Datenbasis 48
b. Bezug auf den Tertiärmarkt 49
c. Eigenheiten von Auktionen 50
d. Berechnungsmethoden 51
e. Abkehr von klassischen Paradigmen 52
f. Alltagstauglichkeit der Ergebnisse und Popularisierung 53
6. Zusammenfassung........................................................................................ 55
Literaturverzeichnis .............................................................................................. 57
Abbildungsverzeichnis
Abbildung 1 Datenliste und Detailanzeige „NAX“ ............................................ 18
Abbildung 2 Variablendefinition in SPSS......................................................... 23
Abbildung 3 Histogramm der Schätz- und Hammerpreise............................... 24
Abbildung 4 Histogramm des Transaktionsdatums ......................................... 24
Abbildung 5 Histogramm der Transaktionsquartale......................................... 25
Abbildung 6 „average price“ auf Jahresbasis .................................................. 36
Abbildung 7 „representative painting“ auf Jahresbasis .................................... 40
Abbildung 8 Vergleich der Datenspanne Hammer- und Schätzpreis............... 41
Tabellenverzeichnis
Tabelle 1 Datenausschnitt der Rohdaten in Excel .......................................... 19
Tabelle 2 Datenausschnitt der bereinigten Daten in Excel.............................. 20
Tabelle 3 Datenausschnitt der ökonomisch korrigierten Daten in SPSS ........ 21
Tabelle 4 Kennzahlen der Datenbeschreibung ............................................... 23
Tabelle 5 „average price“ auf Jahresbasis ...................................................... 36
Tabelle 6 Datenstruktur der Abweichung Hammer- und Schätzpreis ............. 40
1. Einleitung
Um ein wenig Licht in das Dunkel dieser komplexen Thematik und die Vielzahl von
Untersuchungen zu bringen, soll sich die nachfolgende Arbeit genau damit be-
schäftigen. In Kapitel 2 wird zunächst kurz der Kunstmarkt umrissen und das Gut
„Kunst“ näher betrachtet, um den theoretischen Rahmen zu schaffen und auf all-
Ziel ist es, einen Überblick über die verschiedenen Sichtweisen und Methoden zur
Thematik der Kunstpreisindexberechnung zu geben. Dabei soll es weniger auf die
Beurteilung der „richtigen“ Vorgehensweise ankommen, als auf das Herausstellen
der Unterschiede und Probleme. Die vorliegende Arbeit soll den „Stand der Dinge“
dieses Forschungsbereiches darstellen und mit Anregungen für die Zukunft Anre-
gungen mögliche Denkweisen aufzeigen.
Der Begriff „Kunst“ ist schwer zu definieren. Er kommt aus dem Althochdeutschen
mit der Bedeutung „Wissen, Weisheit, Fertigkeit und (geistiges) Vermögen“ (Wilke
1999). Seine genaue Definition hat sich seitdem sehr verschoben und reicht von
der handwerklichen Fertigkeit (16. Jahrhundert) über die Funktion als Sammelbe-
griff für die Gesamtheit der Einzelkünste bzw. Handwerke (18./19. Jahrhundert)
bis hin zur heutigen Undefiniertheit. Allgemein gesprochen ist Kunst heute „die
Gesamtheit der von Menschen geschaffenen, nicht durch Funktionen festgelegten
Werke, zu deren Schöpfung ein hervorragendes und spezifisches Können erfor-
derlich ist“ (Wilke 1999). Damit verbunden ist die hohe gesellschaftliche und indi-
viduelle Bedeutung des (Kunst)Werkes an sich. In jüngster Zeit sieht man Kunst –
unter dem Einfluss pluralistischer Haltung und Denkweise – zunehmend unter in-
dividuellen Gesichtspunkten. (Wilke 1999) Daraus kann man auch die immer stär-
ker werdende gesellschaftliche und individuelle Bedeutung von Kunst ablesen –
Kunst ist das, was der Betrachter dazu macht. Dieter Ronte, ein Kunstkritiker,
meint dazu: „Im Falle der Kunst gibt es keine objektiv überprüfbaren Kriterien, mit
deren Hilfe man die Qualität beurteilen könnte. Man kann nicht einmal objektiv
sagen, ob ein bestimmter Gegenstand überhaupt Kunst ist oder nicht.“ (heuchel-
heim.info 2004)
Formal wird Kunst heute in Literatur, Musik, Darstellende sowie Bildende Kunst
unterteilt. Bildende Kunst ist dabei die „zusammenfassende Bezeichnung für Male-
rei, Plastik, Baukunst, Graphik und Kunstgewerbe“. (Duden 2002) Hinzuzählen
muss man dabei auch die Bereiche der künstlerischen Photografie und Video-
kunst, die gerade in den letzten Jahren erheblich an Bedeutung gewonnen haben.
(xipolis.NET 2004)
Die nachfolgende Arbeit soll sich nur mit dem hier definierten Bereich der „Bilden-
den Kunst“ beschäftigen.1
sche Reich und die ersten Auktionen in der Hochantike2 bildeten den Grund-
stein für einen weitreichenden und florierenden Kunsthandel. Die Struktur des
Marktes hat sich seitdem nur wenig verändert: Es handelt sich um kleine, per-
sönliche Märkte mit weitgehend unbekannten und flexiblen Preisen. (Gerard-
Varet L.-A. 1995; Hutter 1992) Aufzeichnungen aus der damaligen Zeit bele-
gen, dass schon damals unberechenbare Preisschwankungen und Spekulati-
onsblasen den Markt charakterisierten. (Peter 2003; Wilke 1999)
Schaut man sich den Markt für Kunst an, kann man ihn formal in drei Submärk-
te mit verschiedenen Akteuren teilen (Agnello 2002; Gerard-Varet L.-A. 1995;
Thorsby 1994):
1
Ist nachfolgend von „Kunst“ die Rede, so ist natürlich „Bildende Kunst“ damit gemeint.
2
Die „Atria Auctionaria“, bei der neben Häusern und Sklaven auch Kunst gehandelt wurde.
Arten von Kunst herausbilden. (Ginsburgh & Jeanfils 1995) So werden z.B. die
in der Einleitung genannten Impressionisten in der Regel in New York zu den
Herbstauktionen (September) der großen Auktionshäuser versteigert. Im Juli
bzw. August finden generell keine großen Auktionen statt.
Das Volumen des weltweiten Gesamtkunstmarkts lässt sich nur grob beurtei-
len, da die Handelsumsätze nicht veröffentlicht werden: 1974 schätzten ameri-
kanische Experten das Gesamtvolumen auf rund 1 Mrd. USD. Für 1998 erga-
ben Schätzungen und Hochrechnungen einen Weltumsatz in Kunst von
40 Mrd. DEM – eine Zahl, die knapp einem Promille des Weltbruttosozialpro-
dukts entspricht. In den Jahren 1989/90, einem zyklischen Höhepunkt der
Marktpreise, lag das Weltmarktvolumen nach Schätzungen der Dresdner Bank
sogar bei über 70 Mrd. DEM. Weltweit führend auf dem Kunstmarkt sind die
USA mit einem Anteil von gut 50 % am Weltkunstauktionsmarkt, gefolgt von
Großbritannien mit knapp 30 % und dem übrigen Europa mit knapp 20 %. Auf-
fallend niedrig ist mit weniger als 1 % der Anteil Asiens. (Private - Das Magazin
für Vermögensberatung und Private Banking 2004; Wilke 1999)
Zusätzlich gibt es noch Akteure, die in der gängigen Literatur regelmäßig ver-
gessen werden, weil Sie keine Akteure im klassischen Sinne sind. Es handelt
sich dabei zum einen um Kunstkritiker und Experten, die eine große Rolle im
Kunstdiskurs spielen, jedoch nicht im System von Angebot und Nachfrage vor-
kommen. Durch die Behandlung von Kunst im wissenschaftlichen und populä-
ren Bereich der Literatur kommt Ihnen jedoch eine teilweise enorme preisbe-
einflussende Rolle zu – durch ihr Urteil können Werke und Stilrichtungen an
Wichtigkeit (und somit an Wert) gewinnen oder abgewertet werden. (von Ro-
senberg 2003) Zum anderen gibt es noch Kunstdiebe und Fälscher, die – aller-
3
Die aktuell internationalen Marktführer sind Sotheby´s (seit 1744) und Christie´s (seit 1766). Wei-
tere wichtige Auktionshäuser sind Bonhams sowie Phillips, de Pury & Luxembourg.
dings im negativen Sinne – ebenfalls den Wert von Kunst beeinflussen können.
Diebstahl führt dazu, dass Kunst völlig vom sichtbaren Markt verschwindet. Je-
doch führt die Tatsache, dass sich jemand für diese Kunst interessiert (und sei
es nur auf dem Schwarzmarkt) dazu, dass trotz alledem eine gewisse Bewer-
tung geschieht. Bei Fälschern ist es ähnlich. Sie kopieren ein Werk und bringen
es mit der Aussage, es handele sich um ein Original, auf den Markt. Sie ma-
chen sich die teilweise hohen Werte zunutze – wird die Fälschung jedoch be-
kannt, ist von Heute auf Morgen der Wert zerstört, obwohl sich an der Struktur
des Gutes nichts verändert hat. Studien besagen, dass für eine gut gemachte
Kopie eines Originalwerkes am Markt im Schnitt nur 11,7 % des Originalpreises
zu erzielen sind, obwohl sie die gleiche ästhetische Funktion erfüllen. (Tietzel
2001)
Zu guter Letzt sei auch noch das Phänomen der Flohmärkte erwähnt, welches
in den klassischen Betrachtungen der Marktstruktur nicht zur Geltung kommt.
Hierbei handelt es sich um einen nicht beachteten Teil des Marktes auf dem
Güter gehandelt werden, die aus bestimmten Gründen nicht mehr Teil des
Kunstdiskurses sind. Hier gehandelte „Kunst“ besitzt nicht mehr die Attribute
der Wertschätzung, die Kunst so besonders machen. Man könnte auch sagen,
dass es sich hier um die unterste Handelsform für Güter handelt, die einmal
Kunst waren, durch bestimmte Bewegungen nicht mehr unter diesen Begriff fal-
len und erst wieder zu Kunst werden müssen oder es niemals wieder werden.
(Thorsby 1994)
Nach der Betrachtung der Marktstrukturen ist als nächster Punkt natürlich inte-
ressant, welche Eigenschaften die dort gehandelten Güter haben. Das nachfol-
gende Kapitel soll darüber Auskunft geben.
Stein (1977) spricht bei Kunst von einem „außergewöhnlichen Gut“ und macht
damit klar, dass wir es hier mit einem Gut zu tun haben, welches durch seinen
speziellen ökonomischen Charakter auffällt.
Bildende Kunst ist beständig, da sie nicht vom Verfall ohne menschliches Zutun
gefährdet ist. Wenn ein Sammler Werke „im Keller hortet“, handelt es sich um
ein privates Gut4 (oder auch „Sammler-Gut“), weil Dritte von der Nutzung aus-
geschlossen werden können. Stellt hingegen ein Museum Kunstwerke kosten-
los, für jedermann zugänglich und in hinreichendem Maße nicht rivalisierend im
Konsum aus, so ist Kunst ein öffentliches Gut5. (Stein 1977; Thorsby 1994)
Kunst wird, genau wie andere Güter auch, auf Märkten zu Preisen abhängig
von Angebot und Nachfrage gehandelt. Kunstwerke sind dabei aber extrem he-
terogen, da sich jedes Werk durch unzählige Kriterien von allen anderen unter-
scheidet (z.B. Stilrichtung, Material, Künstler, Zeit, usw.). Dadurch, dass fast
nur Einzelstücke gehandelt werden6, die zwar kopierbar, jedoch nicht reprodu-
zierbar sind, befindet sich der Anbieter in einer Monopolposition für das Origi-
nal, die ihm den Spielraum für Preisverhandlungen gibt. Dieses Monopol kann
bei nicht vorhandener Nachfrage aber auch dazu führen, dass das Kunstwerk
nicht liquidierbar ist. Die Folge dieser Faktoren sind zeitlich seltene und unre-
gelmäßige Transaktionen, zu sehr verschiedenen Preisen – was die Erstellung
eines Preisindices offensichtlich erschwert. Man spricht in diesem Zusammen-
hang auch von einem schwachen Gleichgewichtsprozess auf dem Kunstmarkt,
der durch die Eigenschaften des Gutes verursacht wird. (Gerard-Varet L.-A.
1995; Stein 1977; Tietzel 2001)
Die Eigenheiten des Kunstmarktes sowie der darin gehandelten Güter lassen
eine starke Entkopplung des Künstlers bzw. der Produktionskosten von der
Wertentwicklung eines Werkes vermuten. Dieser Prozess des „Aufladens mit
Bedeutung“ durch die zahlreichen beteiligten Akteure führt direkt zum schwieri-
4
Privates Gut: Güter mit ausschließbarer und konkurrierender Nutzung.
5
Öffentliches Gut: Güter, die weder eine ausschließbare noch eine konkurrierende Nutzung auf-
weisen.
6
Eine hier zu vernachlässigende Ausnahme bilden Auflagen oder Reihen von Drucken und Photo-
grafien.
gen Thema der Bewertung von Kunst, welches im folgenden Kapitel behandelt
werden soll.
Der allgemein bekannte Ausspruch „über Kunst lässt sich streiten“ deutet be-
reits an, dass die Bewertung diverse Problematiken aufweist. Für viele Men-
schen verkörpert Kunst etwas Individuelles, einen Gegenstand mit einem äs-
thetischen Wert. Dieser ist dabei nicht nur von der Meinung anderer abhängig,
sondern höchst individuell und kann diverse Kriterien wie z.B. Dekorationswert,
Stil, Größe oder Lieblingskünstler beinhalten. Andererseits hat Kunst neben
den immateriellen Werten auch einen materiellen Wert als Investitionsobjekt
mit Rendite und Risiko. Hierbei verhält sich der Käufer, wie bei einer Finanzin-
vestition, neutral zu den Eigenschaften des Kunstwerkes und achtet nur auf die
Passung in sein Portfolio sowie entsprechende Rendite- und Risikokennzahlen.
Die finanzielle Dividende von Kunst ist relativ einfach zu ermitteln: Bei Transak-
tionen am Markt wird durch Kauf und Verkauf eines Werkes jeweils ein Preis
ermittelt, mit dessen Entwicklung eine Rendite zu berechnen ist. Vor dem Hin-
tergrund dieses Gewinns (bzw. Verlustes) muss man noch bestehende Risiken
bzw. Kosten kalkulieren. Für Kunst besteht ein finanzielles Risiko im Verlust
des Werkes durch Diebstahl oder Zerstörung (Transportschaden, Brand o.ä.).
Vor diesem Risiko kann man sich mit Hilfe von Versicherungen schützen.
Kunstbesitz erzeugt aber noch weitere Kosten, wie z.B. für Transport und La-
gerung der Werke sowie Steuern und Auktionsgebühren für die Transaktion an
sich. (Chanel 1995; Frey 1997) Im Endeffekt ist mit diesen Angaben die finan-
zielle Rendite von Kunst leicht zu ermitteln. Motive für diese Anlageform kön-
nen Spekulation und Wertaufbewahrung sein – beide sind abhängig von der
verfügbaren Geldmenge der Individuen. Dieser Zusammenhang erklärt auch,
dass Kunstpreise (bzw. die Nachfrage nach Kunst) abhängig von der weltwirt-
schaftlichen Lage sind, was zahlreiche Studien statistisch nachweisen. (Hutter
1989) Je höher also das Einkommen bzw. das Vermögen eines Investors, je
höher seine Nachfrage nach Kunst. Stellt sich das Verhältnis von erzielbaren
Gewinnen im Vergleich zu anderen Anlagegütern als günstig dar, so steigt die
Nachfrage für Kunst als Investitionsgut ebenfalls. (Renneboog & van Houtte
1998)
Ungleich schwieriger wird das Vorgehen bei der immateriellen Bewertung. Ana-
log zur finanziellen Dividende kann man hier von einer „ästhetischen Dividen-
de“ bzw. einem Konsumnutzen von Kunst sprechen. Diese nicht messbare
Wertschätzung ist von einer Vielzahl von höchst persönlichen Attributen, wie
z.B. Farben, Formen, Motiven und Materialien des Werkes abhängig und tritt
bei der Betrachtung desselben auf. (Chanel 1995) Goethes Ausspruch „Samm-
ler sind glückliche Menschen“ lässt ebenfalls auf die Existenz dieses Konsum-
nutzens schließen: Kunst im Privatleben umgibt eine besondere Aura, die Aus-
einandersetzung mit Kunst fördert die Kreativität und wer in Kunst investiert, tä-
tigt eine Art „Bedeutungsinvestition“ für sein eigenes Leben. (Rubino, L. A.
2001; Wilke 1999) Kunst hat aber auch einen Statusnutzen, der sich z.B. in
Bewunderung des eigenen Besitzes durch andere Kunstliebhaber ausdrückt.
Man kann damit seinen Reichtum, Bildungsstand und die eigene Lebensquali-
tät in die Öffentlichkeit tragen – durch den Besitz von Kunst kann man also sei-
ne Persönlichkeit darstellen und sie als Kommunikationsinstrument nutzen.
(Hutter 1992) Die beschriebenen Nutzendimensionen können zusammenfas-
send als „ownership effect“ von Kunst bezeichnet werden. Je mehr diese teil-
weise sehr individuellen Zuschreibungen mit einem Kunstwerk verbunden wer-
den (je höher also der „ownership effect“ ist), desto höher ist die Nachfrage da-
nach. (Frey & Eichenberger 1995) Kunst hat darüber hinaus aber auch einen
kunsthistorischen Wert, der zumindest für eine kleine Personengruppe mit ent-
sprechender Bildung eine gemeinsame Basis für die Wertschätzung darstellt.
Kriterien für die kunsthistorische Bewertung sind z.B. das Vorkommen im
Kunstdiskurs, der Innovationsgrad sowie der Anspruch des Werkes. Je mehr
das Publikum an kunsthistorischem Wissen besitzt, je höher ist diese Dimensi-
on der Wertschätzung – was sich wiederum auf die Nachfrage auswirkt. (Hutter
1992) Auch die immaterielle Bewertung von Kunst unterliegt einem gewissen
Risiko, welches hauptsächlich durch den Zuschreibungscharakter der genann-
ten Eigenschaften zu Stande kommt. Ändern sich Moden, Trends und Ge-
schmäcker in der Gesellschaft, so kann es sehr schnell dazu kommen, dass
insbesondere der Statusnutzen des Besitzes von bestimmter Kunst und Kunst-
gattungen nicht mehr so hoch bewertet wird. Jedoch ist dieses Risiko bei typi-
schen Sammlern nicht präsent, da diese stärker nach dem individuellen Kon-
sumnutzen entscheiden. (Frey 1997)
Die Tatsache, dass sich in Kunstwerken sowohl materielle wie auch immateriel-
le Werte vereinen, unterscheidet sie von vielen klassischen Gütern7 und führt in
letzter Konsequenz dazu, dass sich kein einheitlicher Gleichgewichtspreis bil-
det – Kunst also schwer objektiv bewertbar ist. (Baumol 1985; Candela & Scor-
cu 1997; Rubino, L. A. 2001) Ein Spekulant wird das finanzielle Kriterium des
Spekulations- und Wertaufbewahrungsinteresses übergewichten – ein Samm-
ler wird bei seiner Entscheidung das Interesse am Konsum- und Statusnutzen
verfolgen. Dieser Unterschied lässt zudem den Versuch des Vergleichs mit der
Rentabilität von klassischen Anlagegütern in einem zweifelhaften Licht erschei-
nen. Als Erklärungsmodell für die generell niedrigere finanzielle Rendite von
Kunst kann er allerdings plausibel verwendet werden, da sich eine Gesamtren-
dite ja aus der Summe des materiellen und immateriellen Nutzens ergibt und
nicht nur aus der messbaren finanziellen Rendite. (Chanel 1995; Frey & Ei-
chenberger 1995; Thorsby 1994)
d. Zusammenfassung
7
In letzter Zeit versuchen immer mehr Markenhersteller zwar, ihre Produkte ähnlich wie Kunst mit
immateriellen Werten aufzuladen, dies soll hier jedoch nicht explizit hervorgehoben werden.
Kunst ist ein besonders vollkommenes Gut. Kaum etwas anderes verursacht
verschiedenste Emotionen, ist unangreifbar und zugleich unbeschreibbar. Das
führt dazu, dass man nur schwer mit rationalen Argumenten zu einer Bewer-
tung von Kunst kommen kann. Versucht man hingegen die weichen Faktoren in
eine Bewertung mit einzubeziehen, so verfängt man sich in subjektiven Wahr-
nehmungen. An diesem Grundproblem reibt sich der Kunstmarkt und erscheint
deshalb nach ökonomischen Kriterien unvollkommen. Eine komplexe und un-
durchsichtige Marktstruktur basierend auf persönlichen Netzwerken und Exper-
ten versucht, die „Schwächen“ des Marktes und der gehandelten Güter auszu-
gleichen und darin erfolgreich zu agieren. In letzter Konsequenz wird durch die
geschilderten Umstände klar, dass der Versuch der Marktbeobachtung und sta-
tistischen Beschreibung von Kunstpreisen ein äußerst komplexes Unterfangen
darstellt, was nicht immer so einfach behandelt werden kann, wie es einige der
nachfolgend beschriebenen Methoden tun.
3. Datenbasis
Will man nun mit der Berechnung eines Kunstpreisindices beginnen, so stellt sich
zuerst die Frage nach dem Datenmaterial. Aufgrund der in Kapitel 2 beschriebe-
nen Struktur ist klar, dass man sich hauptsächlich auf den Tertiärmarkt stützen
muss, da sich andere Teilbereiche durch ihre geringe Sichtbarkeit, Transparenz
und schlechte Datenverfügbarkeit nicht anbieten. Dies ist zu bedauern, da jedes
Kunstwerk des Tertiärmarktes früher auch in den vorgelagerten Märkten gehandelt
wurde. Eine vollständige Betrachtung der Wertentwicklung durch alle Märkte hin-
weg wäre sehr interessant – ist jedoch leider nach aktuellem Stand nicht machbar.
(Baumol 1985; Rubino, L. A. 2001)
a. Datenquellen
Im Jahr 1674 eröffnete in Stockholm das erste moderne Auktionshaus mit dem
Namen „Auktionsverket“. Will man Transaktionsdaten vor dieser Zeit gewinnen,
so stammen diese immer aus dem Bereich des Kunsthandels und der Kunst-
vermittlung. Solche Daten jedoch zu finden, verlangt ein großes Maß an For-
scherdrang: Sie befinden sich meist sehr versteckt in sachfremden Dokumen-
ten, wie z.B. Stücklisten für Schiffsfrachten, Tagebüchern von Kunsthändlern
oder Aufzeichnungen über Erbschaften. (Renneboog & van Houtte 1998) Aus
diesem Grund wird schnell klar, dass der Aufwand der Datenbeschaffung sehr
hoch sein kann, wenn man besonders lang in die Vergangenheit reichende Da-
tenreihen bekommen will.
Seit der Einführung von Auktionen 1674 werden die Transaktionspreise erheb-
lich besser aufgezeichnet. Vor jeder Auktion wird ein so genannter „pre-sale
Auktionskatalog“ veröffentlicht. In diesem werden Informationen über die Stü-
cke (Künstler, Werkname, Abmaße, Materialien; teilweise sogar mit Bild) und
deren Position in der Auktion abgedruckt (Handelstag und Zeit, Losnummer,
Auktionsreihenfolge). Für die bessere Preiseinschätzung wird noch eine Preis-
spanne angegeben, zu der das Auktionshaus die Versteigerung plant. Nach
großen Auktionen oder zum Ende eines Jahres werden noch „after-sale Aukti-
onskataloge“ veröffentlicht. In diesen werden die o.g. Daten, um den erzielten
Auktionspreis ergänzt, veröffentlicht. Manche Auktionshäuser verschweigen in
diesen Katalogen jedoch, wenn eine Transaktion nicht stattgefunden hat (sog.
„bought-ins“). In diesem Fall wird einfach die untere Preisgrenze als Transakti-
onspreis eingetragen, um den Wert des Werkes am Markt für spätere Auktio-
nen nicht zu „verbrennen“.8 (Ashenfelter 1989; Ashenfelter & Abowd 2002;
Ashenfelter, Graddy, & Stevens 2002; Mei & Moses 2002)
8
Auf eine Betrachtung der genauen Funktionsweise von Auktionen soll hier verzichtet werden, da
dieses Thema für die Ermittlung von Kunstpreisindices keine Relevanz hat. Bei Interesse bieten
sich jedoch Blaug (2001) (Blaug 2001)oder Mossetto & Vecco (2002)(Mossetto & Vecco 2002) als
Einführung in diese Thematik an.
Die möglichen digitalen Datenquellen stellen sich da völlig anders dar. Hier
beginnen die Aufzeichnungen in den 70er und 80er Jahren des 20. Jahrhun-
derts und umfassen fast ausschließlich Auktionsdaten. Durch das digitale For-
mat ist eine Weiterverarbeitung einfacher möglich. Die Kennzeichnung von
mehrfachen Transaktionen des gleichen Stückes und einfache Gruppierungs-
möglichkeiten z.B. nach Künstler, Werkgattung oder Transaktionsdatum er-
leichtern weitergehende Analysen zusätzlich. Angeboten werden diese Daten
entweder als CD-ROM oder über das Internet. Besonders zu erwähnende An-
bieter sind hier die Firmen „Art Sales Index Ltd.“ (Art Sales Index Ltd. 2004),
„Artfact Inc.“ (Artfact Inc. 2004), „artprice.com“ (artprice.com 2004), „Gabrius
S.p.A.“ (Gabrius S.p.A. 2004) sowie „Gordon´s Art Reference Inc.“ (Gordon´s
Art Reference Inc. 2004), weil sich deren Datenbestände durch besonders um-
fangreiches Datenmaterial (bis zu 5 Mio. aufgezeichnete Transaktionen), wel-
ches teilweise manuell mit älteren Daten aufgebessert wurde, auszeichnen.
Diese Serviceleistung hat jedoch auch ihren Preis – die Nutzung schlägt ab
100 USD pro Jahr zu Buche. Der Nutzen für die Weiterverarbeitung ist dabei
jedoch noch lange nicht sichergestellt, da die Daten nur in HTML-Form oder
geschützt auf CD-ROM zur Verfügung gestellt werden.
In der Literatur findet man häufig die genannten analogen Datenquellen als Ba-
sis für die Berechnungen. (Holub, Hutter, & Tappeiner 1993) Neuere Studien
bedienen sich zögerlich auch bei digitalen Quellen – wobei auch diese oftmals
Für die folgenden Berechnungen benötigt man jedoch nicht nur Angaben über
die Transaktionspreise von Kunstwerken. Um die Daten auf eine einheitliche
Währung umzurechnen, werden historische Wechselkurse benötigt. Will man
dann noch die Inflation berücksichtigen, so ist auch die allgemeine Preisent-
wicklung im Vergleichszeitraum von Interesse. Für beide Angaben muss man
ebenfalls Archive und historische Quellen bemühen, die nicht immer in digitaler
Form vorliegen. Das Problem ist hier aber nicht so manifest wie bei den Kunst-
preisen selbst, da es sich in der Regel um eine überschaubare Anzahl von Da-
ten handelt, die in der ökonomischen Literatur auch für andere Themen benö-
tigt wurden. Aus diesem Grund sei hier nur auf Standardquellen, wie z.B. Oan-
da.com und die Deutsche Bundesbank für historische Wechselkurse und die
entsprechende Inflation verwiesen (Deutsche Bundesbank 2004; OANDA.com
2004), ohne umfangreich in eine Diskussion der Datenqualität und Beschaffung
zu verfallen. Daten über wirklich historische Kurse und Inflationen sind nur aus
analogen Quellen zu bekommen, wie sie z.B. in großen Staatsbibliotheken vor-
liegen.
Wie die vorangehenden Erläuterungen gezeigt haben, hat man bei der Kunst-
preisdatenbeschaffung die Qual der Wahl. Im Anhang befindet sich eine in die-
ser Form einmalige Übersicht über mögliche Quellen, den darin erfassten Da-
tenumfang und Preise für den Zugriff darauf. In den nachfolgenden Schritten
soll besonders auf die Weiterverarbeitung dieser Daten bis hin zur Indexerstel-
lung eingegangen werden – egal für welche Datenquelle man sich entschieden
hat.
b. Aufbereitungsprozess
Das erste Problem bei allen genannten Quellen ist, die entsprechenden Daten
in verarbeitbarer, digitaler Form (z.B. in Excel oder in einer Datenbank) vorlie-
gen zu haben.
Analoge Daten müssen dafür langwierig abgetippt oder mit Hilfe von OCR-
Programmen9 automatisiert eingelesen werden. Viele der älteren Datensätze
liegen nur in analoger Form vor, weshalb man sich für umfangreiche Studien
den Aufwand der Digitalisierung machen sollte oder gleich auf digitale Quellen
zugreift, die alte Daten bereits digitalisiert haben. (siehe vorheriges Kapitel)
Aber auch digitale Quellen erleichtern die Arbeit nicht besonders. Die Rohdaten
auf CD-Publikationen sind durch diverse Mechanismen vor einem Direktzugriff
und der Übertragung in Excel geschützt. Über programmeigene Suchmasken
kann man zwar die Daten einsehen, jedoch immer nur auf einen kleinen Aus-
schnitt begrenzt und durch die programminterne Darstellung nicht weiter ver-
wendbar. Beispiele hierfür sind u.a. die populären CD-ROMs der Firma „artpri-
ce.com“ (artprice.com 2004) oder „Gordon´s Art Reference Inc.“ (Gordon´s Art
Reference Inc. 2004). Wenige Publikationen (z.B. „Proarte“ (Proarte.at 2004))
bieten Export-Funktionen der Suchergebnisse an, wobei man auch hier erheb-
lichen Zeitaufwand hat, weil die vielen einzelnen Exporte noch in eine einzige
Tabelle zusammenzufügen sind.
9
OCR steht für „optical character regocnition“ und bedeutet, dass man mit einem Scanner die Vor-
lagen einliest und mit Hilfe eines Programms per Zeichenerkennung die darin enthaltenen Daten
digital auslesen kann (z.B. in Word oder Excel).
(eigene Daten)
Bei der Durchsicht der Daten in Excel fallen sofort korrupte Datensätze auf (im
obigen Bild rot markiert), die bei den folgenden Berechnungen zu Fehlern in
der Verarbeitung durch SPSS führen. Konkret sind das Zahlenfelder, die mit
Zeichen wie z.B. „*“ (für Vermerke des Auktionshauses) oder dem Vorzeichen
„+“ versehen sind. Mit Ersetzungsroutinen in Excel sind diese Fehler leicht zu
beheben.
Für die Angabe des Schätzpreises findet man teilweise Angaben wie „fehlt“ o-
der „o.A.“. Auch diese wurden durch Ersetzungsroutinen entfernt, so dass man
ein leeres Feld erhält, wenn kein Schätzpreis vorhanden ist. Das Feld des
Schätzpreises enthielt auch des Öfteren eine Preisspanne, bei der im Sinne
gängiger Literatur (Holub, Hutter, & Tappeiner 1993) der Mittelwert eingetragen
wurde, um eine les- und auswertbare Zahl zu erhalten.
Auch beim Feld für das Transaktionsdatum waren für Excel und SPSS nicht
verwertbare Angaben verzeichnet. Datumsspannen von „Auktionswochenen-
den“ des Auktionshauses wurden gegen das Startdatum der Auktion ersetzt um
eine eindeutige Datumsangabe zu erhalten.
(eigene Daten)
Das Vorgehen für die Korrektur der vorliegenden Datensätze ist für jede ver-
wendete Datenquelle hoch individuell. Mit Erfahrungswerten im Umgang mit
Excel und SPSS kann man jedoch relativ leicht erkennen, in welcher Art und
Weise die vorliegenden Daten zu bearbeiten sind, damit sie in den nachfolgen-
den Schritten in den entsprechenden Programmen verwendet werden können.
Falls auffällig viele Datenlücken für ältere Datensätze vorhanden sind, bietet
sich unter Umständen das so genannte „backward filling“ für die Verbesserung
der Daten an. (Chanel, Gerard-Varet L.-A., & Ginsburgh 1994; Mei & Moses
2002) Dabei greift man auf andere bzw. ältere Datenquellen zurück und erwei-
tert somit die vorliegenden Daten. Probleme, die sich dabei ergeben, liegen im
verschiedenen Charakter der verwendeten Daten. Je nach Quelle werden un-
terschiedliche Methoden für die Aufzeichnung verwendet (z.B. mit und ohne
Transaktionskosten, verschiedene Währungen und Inflationen), die dazu füh-
ren, dass man „Äpfel mit Birnen vergleicht“ – also einen Bias in den Daten er-
zeugt. Auf jeden Fall sollte man mit Hilfe von vermeintlich gleichen Datensät-
zen die Passung überprüfen.
Ökonomische Korrekturen
Nachdem die Daten in ein verarbeitbares Format gebracht und ggf. durch an-
dere Quellen erweitert worden sind, kann man sich um die ökonomischen Kor-
rekturen kümmern. Diese umfassen mindestens die Vereinheitlichung der Prei-
se im Bezug auf die verwendete Währung und die Bereinigung der Inflation des
entsprechenden Zeitraums. (Holub, Hutter, & Tappeiner 1993; Renneboog &
van Houtte 1998)
(eigene Daten)
In der Literatur findet man weitere Möglichkeiten, die Daten ökonomisch auf ein
vereinheitlichtes Niveau zu bringen. Zum Ersten sind dabei die Transaktions-
kosten zu nennen. (Ashenfelter 1989; Renneboog & van Houtte 1998) Der Ver-
käufer, der ein Auktionshaus mit dem Verkauf eines Werkes betraut, bekommt
in der Regel nur 85-88 % des erzielten Hammerpreises10. Der Käufer muss
zwischen 10 und 15 % des Kaufpreises als Gebühren an das Auktionshaus
zahlen. Aus dieser Tatsache ergibt sich die so genannte „winner´s curse“: Zwi-
schen Kauf und Verkauf eines Werkes über eine Auktion muss sich der Wert
eines Stückes mindestens um die dabei anfallenden Transaktionsgebühren er-
höht haben, damit der Käufer/Verkäufer nicht einen reellen Verlust erleidet.
(Goetzmann & Spiegel 1995) Sind nun für die vorliegenden Auktionsdaten die
anfallenden Gebühren bekannt (was äußerst selten der Fall ist), kann man die-
10
Bei einem „bought-in“ zahlt er 1 % des unteren Schätzpreises als Auktionsgebühr.
Dafür macht man in der „Variablenansicht“ von SPSS Angaben zum Variablen-
namen, dem Typ der Variablen (Text oder Zahl) sowie die Skalierung der Wer-
te (Skala, Ordinal oder Nominal).
(eigene Daten)
c. Datenbeschreibung
(eigene Daten)
Wie man erkennen kann, gibt es Unterschiede in der Struktur der Schätz- und
Hammerpreise im Datensatz: Zum einen gibt es nicht für alle Datensätze auch
einen Schätzpreis, was wohl auf Datenlücken oder fehlende Angaben in den
Katalogen zurückzuführen ist. Zum anderen unterscheiden sich aber auch die
Minimal und Maximalwerte der beiden Variablen erheblich. Während es maxi-
mal Schätzpreise von knapp über 49.000 EUR gibt, reichen die realisierten
Hammerpreise bis über 365.000 EUR. Durch diese Unterschiede kann man
auch die Differenzen beim Mittelwert, der Standardabweichung und der Varianz
erklären. Für all diese Kenngrößen weist der Hammerpreis höhere Werte aus.
Des Weiteren liegen die verzeichneten Transaktionen alle zwischen Dezember
1994 und November 2003 – was fast einen Beobachtungshorizont von fast 10
Jahren ausmacht.
(eigene Daten)
(eigene Daten)
Die Verteilung der Zeitpunkte aller Transaktionen zeigt bei digitalen Datenquel-
len häufig auftretendes Bild. Je jünger die Auktionsdaten, je mehr Transaktio-
nen sind im gesamten Datensatz zu finden. Dies lässt sich leicht mit der fort-
schreitenden Digitalisierung erklären. Immer mehr Auktionshäuser verfügen
Des Weiteren kann man noch die Saisonalität der Auktionen untersuchen. Wie
schon erwähnt, gibt es für bestimmte Arten von Kunst feste Termine im Jah-
reskalender der Auktionen.
(eigene Daten)
Wie das dargestellte Histogramm zeigt, finden die Auktionen unseres Demo-
Datensatzes hauptsächlich im 2. und 4. Quartal des Jahres statt (99,1 %), was
ganz klar darauf schließen lässt, dass hier eine Saisonalität vorliegt.
Bei vielen Datensätzen findet man bei der Beschreibung der Daten noch die
Anzahl der im Beobachtungszeitraum mehrmals gehandelten Werte („repeat-
sales“) oder eine Klassifizierung nach Epoche, Stil oder Ähnlichem. (Candela,
Figini, & Scorcu 2003; Locatelli-Biey M. & Zanola 1999; Mei & Moses 2002) Bei
den vorliegenden Daten bieten sich diese Analyseschritte nicht an, weil weder
auswertbare Informationen über mehrmalige Transaktionen eines Stückes vor-
liegen, noch über Epochen oder Stile.
d. Zusammenfassung
Wie man an den vorangehenden Ausführungen sehen kann, ist die Datenzu-
sammenstellung und Aufbereitung schon bei dem verwendeten Beispiel sehr
aufwendig – auch wenn hier aufgrund der einfachen Datenstruktur nicht einmal
alle Probleme auftreten. Wie gezeigt wurde, kann man davon ausgehen, dass
bei umfangreicheren Datenquellen hier ein Großteil der Arbeit für die Erstellung
eines Kunstpreisindices liegt und das Endergebnis des Index in hohem Maße
von der Genauigkeit und Intensität dieser vorbereitenden Schritte abhängt. Die
Beschreibungsleistung im Rahmen der deskriptiven Statistik umfasst alle be-
kannten Spielarten, ist aber bei ordnungsgemäßer Ausführung der vorherge-
henden Schritte mit SPSS und den notwendigen Kenntnissen leicht durchzu-
führen.
4. Berechnungsmethoden
Hat man nun eine entsprechende Datenquelle aufgetan und die Daten für die fol-
genden Berechnungen ausreichend aufbereitet, so stellt sich die Frage nach dem
„Wie weiter?“. Im folgenden Kapitel soll deshalb aufgezeigt werden, welche Me-
thoden für die Berechnung von Kunstpreisindices bisher in der Literatur zu finden
sind und wie diese mathematisch funktionieren. Des Weiteren soll anhand des
Demonstrationsdatensatzes für jede mögliche Methode eine Beispielberechnung
durchgeführt werden, um die Unterschiede zwischen den verschiedenen Metho-
den noch besser herauszuarbeiten.
Ein Überblick über alle genannten Veröffentlichungen mit Angaben zur verwende-
ten Datenbasis, der Berechnungsmethode, ggf. der errechneten Ergebnisse (Ren-
dite) sowie eine Kurzbeschreibung befindet sich im Anhang.
a. Einführung
gleichen, unternahm Baumol (1985) . Er legte mit seinem Werk die Basis für
eine immer größere werdende Zahl an Studien, die durch ihn inspiriert das
Thema weiter erforschten. Nebenher entwickelte sich noch eine neue Strö-
mung von Untersuchungen, die sich mehr auf die Spezifika des Kunstmarktes
konzentrierten und mit Hilfe dieser Ergebnisse die Erstellung von Preisindices
kritisch bewerteten und Verbesserungen entwickelten. (Blaug 2001; Frey 1997;
Frey & Eichenberger 1995)
Die in der Literatur zu findenden Methoden variieren dabei von einfachsten „ge-
fühlten“ oder „weichen“ Bewertungen bis hin zu hoch komplexen mathemati-
schen Berechnungen. Ein weiteres Unterscheidungsmerkmal ist dabei die Be-
trachtung von bestimmten Marktausschnitten: Hier finden sich Gesamtmarktbe-
trachtungen neben ausschnitthaften Untersuchungen von sehr kleinen Teil-
märkten. (Candela, Figini, & Scorcu 2003) Nachfolgend sollen die verschiede-
nen Methoden gruppiert näher betrachtet werden.
b. „Weiche“ Methoden
Zuerst zu nennen sind sog. „weiche“ Methoden der Ermittlung von Kunstpreis-
entwicklungen, die ohne komplexere Berechnungen auskommen.
Expertenheuristiken
Wie man auf den ersten Blick erkennen kann, ist diese Methode sehr simpel
und damit auch ungenau. Es liegt auf der Hand, dass nicht nur das Format den
Wert eines Kunstwerkes bestimmt. Die wahre Schwierigkeit liegt demnach in
der Wahl des Multiplikators – die Berechnung dieses spielt hier aber keine Rol-
le, da sich der Experte auf seine Erfahrung in der Bewertung verlässt. Fraglich
ist, wie man mit Hilfe einer solchen Heuristik zu einer Marktbewertung kommen
kann. Der einzig variable Faktor ist eben der Wertmultiplikator und dieser
müsste auch Bestandteil eines Index sein. Die gezielte Erfassung dieses Multi-
plikators könnte einen Einblick in den „gefühlten“ Markt bieten – dem gegen-
über steht jedoch die Verschwiegenheit der Akteure.
Zeitschriftenindices
Als dritter Zeitschriften- bzw. Zeitungsindex ist der Art-100 Index des britischen
„Daily Telegraph“ zu nennen. Dieser Index wird vom Research-Dienstleister Art
Market Research Ltd. (Art Market Research 2004) erstellt und in dieser Zeitung
regelmäßig abgedruckt. Wie der Name schon sagt, werden hier die Preisent-
wicklungen der 100 weltweit wichtigsten Künstler sämtlicher Epochen mit einer
sehr einfachen Berechungsformel zusammengefasst. Diese basiert auf einfa-
chen Durchschnittswertberechnungen, wie sie nachfolgend noch beschrieben
werden. Die Auswahl der Künstler für diesen Index basiert wiederum auf sub-
jektiven Kriterien (Wer gehört zu den Top 100?), was analog der o.g. Methoden
zu wechselnden Zusammensetzungen des Index führt und somit die Aussage-
kraft beeinträchtigt. (BusinessWeek.com 1998; stare.com 2004)
Mit Hilfe der genannten Zeitschriftenindices kann man besonders gut Überhit-
zungen durch Trends und Moden aufzeigen, da sie sehr abhängig von der Prä-
senz eines Künstlers in den Medien (bzw. auf Top-Listen) sind. (Peter 2003)
Zweifelhaft ist jedoch die Ableitung eines generellen Kunstpreisindex aus die-
sen Ranglisten, da sie zu wenig Rücksicht auf neue oder sich in Nischen befin-
dende (und damit nicht so publizitätsträchtige) Kunstrichtungen nehmen, sowie
durch die angewandte Heuristik nur einen extrem geringen Anteil des Ge-
samtmarktes abbilden. Aus diesem Grund sind auch diese Methoden nicht re-
präsentativ für Kunstpreisentwicklungen im Allgemeinen – eine hohe Medien-
wirksamkeit führt aber dazu, dass sich eine Reihe von unbedarfteren Akteuren
am Kunstmarkt damit informieren und entsprechend handeln. Eine interessante
Thematik, auf die hier nicht weiter eingegangen werden soll, wäre z.B. die
Überprüfung des „self-fulfilling prophecy“ Theorems11 durch die Publikation von
Trends in solchen Zeitschriften.
Insiderindices
Auch hier erhält man erhebliche Verfälschungen des Index durch einen starken
Einfluss von Expertenmeinungen und die darin enthaltenen Interessen des
Auktionshauses. Man kann davon ausgehen, dass diese Publikationen eher als
Verkaufsprospekte für nachfolgende Auktionen zu betrachten sind und weniger
als seriöse Quellen für die Beobachtung von Preisentwicklungen. Die resultie-
renden Daten sind zudem statistisch nicht reproduzierbar, weil man nicht alle
Faktoren zweifelsfrei messen kann. (Candela & Scorcu 1997; Frey 1997) Die
theoretisch sehr gute Datenbasis des Auktionshauses an sich könnte jedoch
durchaus zu brauchbaren Ergebnissen führen – wenn man die richtigen Me-
thoden zur Berechnung verwendet.
11
Auch „Pygmalion Effekt“ genannt und durch die Herren Stumpt und Pfungst erstmalig 1911 be-
schrieben. (Accel-Team.com 2004)
Ein weiteres Beispiel in dieser Reihe ist Reitlinger´s Band „Economies of Taste“
(Reitlinger 1982). Besonders in den Bänden 1 und 2 aus den Jahren 1963 und
1970 versucht Reitlinger, Daten aufzulisten und bestimmte Entwicklungen dar-
aus zu interpretieren. Die schon erwähnte eingeschränkte Sicht auf den Ge-
samtmarkt in der Datenauswahl, gepaart mit der subjektiven Meinung von Reit-
linger selbst über den Teilmarkt, führt ebenso wie beim Auktionshaus „Chris-
tie´s“ zu verfälschten Ergebnissen. Wie jedoch zahlreiche Anwendungen in der
Literatur zeigen, bedienen sich nachfolgende Studien zumindest gern an den
von Reitlinger zusammen getragenen Daten. (Candela, Figini, & Scorcu 2003)
Die genannten Insiderindices zeichnen sich dadurch aus, dass die Insider Zu-
griff auf spezielle Daten haben und daran scheinbar erkennbare Entwicklun-
gen, teilweise retrospektiv, aufzeigen. Die Selektion der Daten und der freie In-
terpretationsspielraum lassen jedoch für eine exakte und nachvollziehbare Be-
wertung von Marktentwicklungen zu großen Spielraum. Der Einfluss dieser In-
sider auf den Markt selbst ist als nicht gering einzuschätzen.
Kunstfonds
Kunstfonds stellen auch eine Art „weichen“ Preisindex dar, da sie ebenfalls die
Wertentwicklung einer bestimmten Menge an Kunst durch den entsprechenden
Kaufpreis und die Rendite der Fondanteile dokumentieren. Exemplarisch sollen
nachfolgend drei der populärsten/medienträchtigsten Kunstfonds vorgestellt
werden.
Einer der ersten Fonds dieser Art war der „British Rail Pension Fund“ – ein alt-
eingesessener geschlossener Pensionsfond für britische Eisenbahner. Dieser
kaufte in den 70er Jahren in großem Umfang Kunstwerke an und investierte
dabei innerhalb von acht Jahren 62 Mio. USD. Das Ergebnis dieser Transakti-
onen waren ca. zweieinhalbtausend Werke aus verschiedenen Genres. Neben
Werken von Impressionisten und der Moderne wurde auch englisches Silber,
Keramik, chinesisches Porzellan etc. erstanden. Ziel war es, die Risikostreuung
des Gesamtportfolios zu erhöhen sowie die Rendite positiv zu beeinflussen –
kurzum dem Gesamtfonds neue Impulse zu geben. Die Rendite des Gesamt-
fonds lag in den Folgejahren bei sechs Prozent – wobei durch die unbekannte
Fondstruktur nicht nachweisbar ist, welchen Anteil daran die Kunst hatte.
Der „Global Art Fund“ der DG Bank Luxemburg S.A. wurde im Jahre 1997 auf-
gelegt und war damit einer der ersten reinen und börsennotierten Kunstfonds.
Demzufolge wurde dafür auch eine Investmentstrategie entwickelt, auf deren
Basis gezielt Wertsteigerungen erreicht werden können. Basis dafür war die
Überlegung, nur in vermeintlich unterbewertete Werke bzw. Sammlungen zu
investieren12, diese dann durch gezielte Ausstellungsteilnahmen und Ergän-
zungen zu einer (größeren) Sammlung zu valorisieren und durch den darauf
folgenden Verkauf eine entsprechende Rendite vorzuweisen. Man konzentrier-
te sich dabei zwar auf Werke etablierter Künstler, nicht jedoch auf schwerver-
käufliche Millionenstücke. Junge Kunst wurde ebenfalls wenig Beachtung ge-
schenkt, weil es dort keine Möglichkeit gibt, auf Basis vorhandener Daten eine
Unterbewertung festzustellen. Die Bewertung der Fondanteile geschah monat-
lich und hatte den geschätzten Verkaufspreis der Gesamtwerke zur Basis. Im
Jahr 2000 wurde der Fond aufgrund fehlender Investoren und damit fehlenden
Geldes für den Kauf weiterer Kunstwerke geschlossen. Derzeit lagern Werke
im Wert von ca. 8 Mio. EUR in den Tresoren der Bank, die Stück für Stück am
Markt veräußert werden. In der Zeit der Notierung am Markt konnte der Fond
jährliche Renditen zwischen 30 und 40 % aufweisen. Die Tatsache, dass die
enthaltenen Werke nur zögerlich verkauft werden können, zeigt jedoch auch
anschaulich das Risiko der schweren Liquidierbarkeit der Anteile. (Brückner
2002; Handelsblatt 1997; Handelsblatt 1998) Auch aus diesem Fond lässt sich
keine Aussage über Wertentwicklung von Kunst treffen, da durch die gewählte
Investmentstrategie gezielt bestimmte Werke gekauft wurden. Der Versuch von
12
Damals wurden besonders Werke der Stilrichtungen „Europäischer Konstruktivismus“, „Neue
Sachlichkeit“ und „Bauhaus“ in dieser Kategorie gesehen.
Arbitrage und der gezielten Aufwertung der gekauften Kunst durch Aktionen
des Fonds sollte den Wert positiv beeinflussen. Diese Beeinflussung wurde
ebenfalls durch Experten geschätzt – am Markt wurde sie jedoch niemals reali-
siert. Die dadurch entstandene Investitionsblase kann kein Indiz für eine gene-
relle Entwicklung des Kunstmarktes sein, wie auch die aktuellen Probleme mit
dem Abverkauf der Werke weiter zeigen.
Neben Pensions- und Publikumsfonds gibt es aber auch noch einen geschlos-
senen Kunstfond, der eine Erwähnung verdient. Der von der Dresdner Klein-
wort Capital aufgelegte „Fine Art Fond“ verlangt eine Mindestbeteiligung von
250.000 USD verbunden mit einer 10-jährigen Laufzeit. Ein Handel kann nur
durch Tausch erfolgen. Diese Kriterien schließen kleinere Investoren aus, die
beim o.g. Publikumsfond ohne Mindestlaufzeit und einer Mindesteinlage von
25.000 DEM noch einfacher investieren konnten. Besonderheit dieses Fonds
ist, dass man sich als Anleger gegen eine Leihgebühr die Werke ausleihen
kann und am Ende der Laufzeit seiner Anteile ein Vorkaufsrecht auf die Werke
hat. Investiert wird vorrangig in „Blue Chips“ der feinen Kunst, also Altmeister-
gemälde, Impressionisten und Gemälde der klassischen Moderne. Die so er-
standenen Werke der oberen Preisklassen sollen in der Regel nach 7 bis 13
Jahren wieder verkauft werden. Zu hoffen bleibt nur, dass diese Werke am
Markt auch zu renditeträchtigen Preisen abgenommen werden. (Brückner
2002; Handelsblatt 2002) Interessant ist an diesem Kunstfonds, dass versucht
wird, die im Kapitel 2 beschriebenen Nutzendimensionen von Kunst dem Anle-
ger vollständig nutzbar zu machen. Durch die Bündelung der Kaufkraft wird es
möglich, die „Master-Pieces“ am Markt zu erwerben, bei späterem Verkauf am
finanziellen Erlös zu partizipieren und während des Besitzes sogar den Kon-
sum- und Statusnutzen zu „konsumieren“.
wicklung eines Fonds schwer auf die darin enthaltene Kunst zurückzuführen
und steuerbar. Zusätzlich wird durch das selektive Investment nur die Entwick-
lung eines schwer zu definierenden Teilmarktes abgebildet, dessen Wertent-
wicklung von Experten als positiv bewertet wird. Es kommt also auch hier zu
einer äußerst bruchstückhaften und verzerrten Betrachtung des Marktes.
Zusammenfassung
Wie an den gezeigten Beispielen erkennbar ist, handelt es sich bei den „wei-
chen“ Methoden der Kunstpreisbeobachtung um keine geeigneten Mittel zur
Beobachtung von Preisentwicklungen am Kunstmarkt. Alle Methoden richten
ihren Blick auf einen subjektiv eingeschränkten Teilmarkt, was wohl das größte
Problem für eine generelle Betrachtung darstellt. Zusätzlich sind die Bewertun-
gen teilweise noch durch individuelle Einschätzungen geprägt, was ebenfalls
kritisch zu sehen ist. Trotz alledem ist zu beachten, dass die genannten Me-
thoden am plakativsten und publikumswirksamsten scheinbare Marktentwick-
lungen abbilden und dadurch eine enorme Beeinflussung der Marktakteure er-
reicht werden kann.
Mit diesen Bewertungsmethoden kann man auf Basis des vorliegenden Daten-
satzes für asiatische Kunst keine Berechnungen durchführen, da nur auf sub-
jektive Gefühle eingegangen wird. Vielmehr müsste man anhand von Inter-
views und Lektüre einschlägiger Zeitschriften einen Einblick in den Markt er-
langen, um im Sinne der vorgestellten Methoden einen Marktüberblick und eine
Ahnung von der aktuellen Bewertung zu bekommen. Auf diese Vorgehenswei-
se soll wegen anders lautender Ziele der Arbeit hier verzichtet werden.
Verlassen wir nun den Bereich der subjektiven und streitbaren Bewertungen
und wenden uns den ersten mathematischen Überlegungen zu. Die Durch-
schnittspreisberechnung ist dabei die einfachste Methode, der sich damals und
heute viele Wissenschaftler bedient haben.
Wie der Name schon sagt, wird hier nur ein Durchschnittspreis und dessen
Entwicklung über die Zeit betrachtet. In der Praxis bestimmt man dabei zuerst
einen zu beobachtenden Teil des Kunstmarktes, z.B. eine bestimmte Kunst-
richtung, einen bestimmten Künstler oder sogar nur bestimmte saisonale Aukti-
onen. Auf Basis dieses „Samples“ wird der Durchschnittspreis aller gehandel-
ten Werke ermittelt, welcher im jährlichen Vergleich dann zur Erstellung eines
Index auf Basis des Startjahres verwendet werden kann. Annahme dabei ist,
dass die Verteilung der Qualität der im Sample enthaltenen Werke über die Zeit
stabil ist, d.h. dass es sich um einen annähernd gleich zusammengesetzten
Warenkorb handelt, dessen Wertentwicklung man einfach mit der Durch-
schnittspreisberechnung ermitteln kann. (Renneboog & van Houtte 1998)
Erste Anwendung fand diese Berechnungsform bei Stein (1977) , der als
Sample einfach eine Menge an bereits verstorbenen Künstlern und deren Wer-
ke definierte und die Preisentwicklung mit Hilfe des Durchschnittswertes auf
Jahresbasis ermittelte. Wagenführ (1965) , Baumol (1985) , Frey & Pommer-
ehne (1989) , Holub, Hutter & Tappeiner (1993) , Chanel et al. (1996) sowie
Renneboog & van Houtte (1998) haben sich ebenfalls mit dieser Methode be-
schäftigt, andere Definitionen des „Samples“ vorgenommen und damit für eini-
ge Teilmärkte interessante Erkenntnisse gewonnen.
Diese Methode hat jedoch viele offensichtliche Schwächen: Zum einen ist die
Wahl des „Samples“ und des zu beobachtenden Zeitraumes sehr von persönli-
chen Vorlieben des Indexerstellers abhängig und wird sehr stark von der Um-
welt (verfügbare Datenquellen) beeinflusst. Zum anderen ist die Annahme, es
handele sich bei den beobachteten Transaktionen um eine homogene (also
vergleichbare) Datenmenge, nicht haltbar und kommt keineswegs den Charak-
teristiken des Marktes nach. (Chanel, Gerard-Varet L.-A., & Ginsburgh 1996;
Holub, Hutter, & Tappeiner 1993) Weiterhin ist der Einfluss von Ausreißern und
geringen Transaktionszahlen auf das Gesamtergebnis für bestimmte Perioden
immens, weshalb sich reichlich Kritik an der Methode herausgebildet hat.
(Renneboog & van Houtte 1998) Für diese Methode spricht jedoch, dass sie es
jedem ermöglicht, mit relativ geringem Aufwand eigene Berechnungen und
Vergleiche durchzuführen, was am nachfolgenden Beispiel verdeutlicht werden
soll.
Berechnet man mit Hilfe von SPSS nun die Jahresdurchschnittspreise der ge-
handelten Werke unseres 7.294 Transaktionen umfassenden Beispielsamples
asiatischer Kunst, so kommt man zu folgendem Ergebnis:
(eigene Daten)
Wie man schon anhand der Tabelle sieht, sind die gehandelten Durchschnitts-
preise durchaus auf einem ähnlichen Niveau. Im ersten Jahr finden wir eine er-
hebliche Abweichung, da dort nur sehr wenige Transaktionen vorliegen – wie
schon erwähnt ist die verwendete Methode besonders empfindlich bei solchen
Konstellationen. Die folgende Grafik soll die Preisentwicklung im Sinne eines
Preisindex für asiatische Kunst noch einmal optisch darstellen, wobei auf die
Darstellung des Jahres 1994 wegen der geringen Transaktionszahl verzichtet
wird:
(eigene Daten)
Es ist gut zu erkennen, dass in den Jahren 1996 bis 1999 asiatische Kunst be-
sonders werthaltig gehandelt wurde. Preissteigerungen von zeitweise mehr als
Entwickelt wurde diese Methode von Baumol (1985) . Feld & Pommerehne
(1997) sowie Frey & Pommerehne (1989) griffen diese Methodik auf, betrach-
teten sie kritisch und fügten Verbesserungen hinzu.
Ein Vorteil gegenüber der o.g. Methode ist die deutlich erhöhte Homogenität
der Werke innerhalb der Berechnung aufgrund der Einführung des Kriteriums
zur notwendigen Mehrfachtransaktion. Ebenso wie bei der „average price“-
13
Genau gesagt waren es 113 % zwischen 1995 und 1998 und immerhin noch 83 % zwischen
1995 und 1996.
Methode ergibt sich aber das Problem, dass man nur wenig über die Einfluss-
faktoren der Bewertung von Kunst erfährt, sondern nur Entwicklungen beo-
bachtet. (Agnello 2002; Feld & Pommerehne 1997; Frey & Pommerehne 1989;
Holub, Hutter, & Tappeiner 1993) Zusätzlich ist noch zu nennen, dass man
durch das Kriterium der Transaktionshäufigkeit viele Werke kategorisch aus-
schließt (z.B. unmodische oder unbekannte, durch Sammler vom Markt gekauf-
te). Das führt zu einer enormen Datenreduktion und dem Verlust der Repräsen-
tativität für die Untersuchung, weil man nur Teile des Marktes beobachten
kann. (Frey & Pommerehne 1989)
14
Dies kann z.B. durch die Berechnung von links- und rechtsseitige Quantilen der Verteilung erle-
digt werden.
die Errechnung eines Preisindices einfließen. Der Käufer scheint durch beson-
dere Beweggründe zur Zahlung eines signifikant höheren Preises bewegt wor-
den zu sein, die so nicht im Markt widergespiegelt werden. Die übrigen geblie-
benen Datensätze werden, wie bei der Durchschnittspreismethode, auf Jah-
resbasis verrechnet und anschließend miteinander verglichen. Der daraus ent-
standene Index stellt ebenfalls Marktentwicklungen in gutem Maße dar, was
Vergleiche mit bestehenden Indices und deren durchaus komplexeren Berech-
nungsmethoden zeigen. (Candela, Figini, & Scorcu 2003; Candela & Scorcu
1997)
Wie der Name schon sagt, handelt es sich bei der Weiterentwicklung im We-
sentlichen um die „repräsentativere“ Auswahl des Samples für die Durch-
schnittspreisberechnung. Ein klarer Vorteil ist die Tatsache, dass man wiede-
rum keine doppelten Datensätze zur Anwendung benötigt und die damit ver-
bundenen Nachteile umgeht. Diese Methode ist außerdem für alle Kunstmärkte
anwendbar, in denen Auktionen stattfinden (weil man ja die Differenz der
Schätzpreise zu den Hammerpreisen benötigt). Eine stetige Neuberechnung ist
möglich und sinnvoll, da es sich hauptsächlich um statistische Verfahren han-
delt, die sehr leicht anzuwenden sind. (Candela & Scorcu 1997) Problematisch
in der Anwendung dieses Index ist hingegen, dass sich die Ergebnisse nicht
zum Vergleich von z.B. bestimmten Kunstgattungen/Stilrichtungen oder Künst-
lern eignen. Das liegt daran, dass das Sample-Kriterium nicht aus kunsthistori-
schen oder persönlichen Vorgaben besteht, sondern aus rein statistischen. Um
dies zu umgehen, könnte man in einem vorgelagerten Schritt das komplette
Sample erst nach solchen Kriterien gliedern, um nachfolgend die beschriebe-
nen Schritte durchzuführen.
Bei unserem Beispieldatensatz für asiatische Kunst stellen sich die mit dieser
Methode errechneten Ergebnisse wie folgt dar: Zuerst einmal muss man die
prozentualen Abweichungen der Hammerpreise von den Schätzpreisen ermit-
teln. Nachfolgende Tabelle beschreibt die Struktur dieser Daten.
(eigene Daten)
Wie man erkennen kann, liegen die Mittelwerte für diese Abweichung bei 20 %
(Median) bzw. fast 58 % (arithmetische Mittel), was heißt, dass der erzielte
Hammerpreis im Schnitt entsprechend dieser Mittelwerte über dem Schätzpreis
liegt. Wichtig für die Auswahl der Daten für die weiteren Berechnungen hierbei
sind die Angaben zum 10 % sowie 90 % Perzentil. Diese bedeuten, dass 80 %
der Hammerpreise in der Verteilung eine Abweichung zwischen -17,15 % und
150 % haben und der Rest außerhalb dieser Schwellen liegt – also als Ausrei-
ßer zu betrachten ist. Beispielhaft sollen diese Datensätze für die nachfolgende
Durchschnittswertberechnung auf Jahresbasis (analog zur „average price“-
Methode) außer Acht gelassen werden, weshalb zu einer Datenbasis von nur
noch 5.399 Datensätzen führt. Nachfolgend ist das Ergebnis wieder ohne das
Jahr 1994 abgebildet.
(eigene Daten)
Führt man nun die normale „average price“-Berechnung mit diesen Datensät-
zen durch, so erhält man das oben stehende Bild für die Preisentwicklung. Wie
man erkennen kann ist die Spanne der Durchschnittspreise viel geringer, es
ergibt sich maximal eine Preissteigerung von 44 % vom Jahr 1995 zum Jahr
1997. Aus der sich auf dem Datenträger in Anhang befindlichen Detaildatei
kann man zusätzlich noch ersehen, dass die Standardabweichung der Datens-
ätze für die Berechnungen deutlich weniger Unterschiede aufweist, als in der
ursprünglichen Berechnungsmethode. Um diese Bereinigung durch die Ausrei-
ßer zu illustrieren, nachfolgend noch der Vergleich der beiden Datensätze mit
Hilfe einer Darstellung der sog. Datenspanne (auch „datarange“ genannt).
(eigene Daten)
Wie man hier erkennen kann, befinden sich in der linken Darstellung deutlich
mehr in der Betrachtung, was zu einer erheblichen Datenspanne führt. Allein
durch die Entfernung der oberen und unteren 10 % an Datenausreißern kann
das Bild deutlich gebessert werden.
Als Fazit zu dieser Methode kann man sagen, dass sie viele der o.g. Probleme
der Subjektivität umgeht und somit eine sinnvolle Weiterentwicklung darstellt.
Sie ist relativ einfach zu verwenden und erzeugt brauchbare Ergebnisse, die
jedoch die generellen Renditeaussichten weiter zu schmälern scheinen.
Diese Methode wurde mit der Zeit von diversen Wissenschaftlern, wie z.B.
Goetzmann (1993) und Pesando (1993) verbessert. Zu nennen ist dabei vor
allem die Trennung von festen und variablen Anteilen der resultierenden Rendi-
te. Als feste oder „eingebaute“ Anteile der Rendite wurden dabei besonders die
Inflation und z.B. eine generell steigende Nachfrage nach Kunst aus der variab-
Mit der Einbeziehung der Regressionsanalyse ist es immer noch möglich, rela-
tiv einfach einen Kunstpreisindex zu errechnen. Durch die Verwendung von
Mehrfachtransaktionen sind wesentliche Kritikpunkte einiger der vorherigen
Methoden allerdings noch nicht behoben – was die generelle Qualität der Er-
gebnisse teilweise in Frage stellt. Trotz alledem ist im Vergleich zur noch dar-
gestellten „hedonic price“-Methode der nötige Aufwand gering und man muss
sich nicht in eine subjektive Diskussion der wertbestimmenden Faktoren ein-
lassen. (Chanel, Gerard-Varet L.-A., & Ginsburgh 1996; Gerard-Varet L.-A.
1995)
Bei dieser Berechnungsform, die ebenfalls bei Indices für Häuser- und Oldti-
merpreise verwendet wird15, spielen die Eigenschaften des Kunstwerkes eine
zentrale Rolle. (Chanel, Gerard-Varet L.-A., & Ginsburgh 1996) Mit Hilfe von
Regressionsgleichungen werden die Einwirkungen von Eigenschaften des
Kunstwerkes auf den Preis berechnet. Dies sind z.B. die Reputation, Leistung
und der Lebensabschnitt des Künstlers, kunsthistorischer Wert, Stilrichtung,
Thema, Medium, Technik, Größe, Echtheit und Zustand des Kunstwerkes so-
wie Historie des Besitzes und der Zeitpunkt / die Umgebung der Transaktion.
Mit Hilfe der möglichst umfangreichen Transaktionsdaten, die neben dem Preis
auch viele der o.g. Faktoren enthalten, kann man über Computer eben diesen
Einfluss bzw. das Gewicht der jeweiligen Variablen auf den Handelspreis in ei-
nem zu wählenden Basisjahr aus den vorliegenden Daten berechnen. Statisti-
sche Feinheiten, wie z.B. „Schaltervariablen“ (auch „Dummy-Variablen“ ge-
nannt), die nur die Werte 0 und 1 annehmen können (um z.B. den Handelsort
oder Künstlernamen in die Berechnungen einzubeziehen), verkomplizieren den
Modellaufbau zusätzlich. Hat man die Berechnungen für das Basisjahr einmal
durchgeführt, so kann man die Preisentwicklung des Gesamtmarktes eindeutig
ermitteln: Man setzt die Eigenschaften der Kunstwerke für die anderen Jahre
einfach in die mit Gewichten versehene Regressionsgleichung ein, summiert
die daraus resultierenden „neutralen“ Werte auf und vergleicht diese Summe
mit dem vorherigen gesamten Transaktionswert für das zu untersuchende Jahr.
Aus der Abweichung dieser beiden Gesamtmarktwerte ergibt sich die mögliche
Rendite. Ebenso kann man auch mit den Preisen von Einzelwerken verfahren –
hier lässt sich mit der Regressionsgleichung ebenfalls ein neutraler Wert ermit-
teln, den man mit dem realen Transaktionswert vergleichen kann. Es wird auch
möglich, Preiserwartungen für die Zukunft zu bestimmen, sofern man die Ei-
genschaften eines Werkes ausreichend kennt. (Agnello 2002; Chanel, Gerard-
Varet L.-A., & Ginsburgh 1996)
15
Bei Häusern und Oldtimern handelt es sich um ähnlich heterogene und selten gehandelte Güter,
wobei bei Immobilien durch ihre nicht vorhandene Beweglichkeit sicherlich längere Ausführungen
notwendig sind, um diese Analogie zu belegen.
Problematisch bei dieser Methodik ist vor allem die Tatsache, dass man sich
über die Anzahl, den Charakter und die Messbarkeit der verwendeten Kriterien
trefflich streiten kann und diese natürlich auch im Datensatz vorliegen müssen.
(Chanel, Gerard-Varet L.-A., & Ginsburgh 1996) Des Weiteren kann man an-
nehmen, dass sich die errechneten Gewichte der Variablen im Basisjahr über
die Zeit ändern, weil z.B. bestimmte Moden die Popularität bestimmter Formate
fördern und damit dieser Faktor in der Zukunft einen höheren Einfluss auf den
erzielbaren Preis hat. (Candela & Scorcu 1997; Locatelli-Biey M. & Zanola
1999) All das verhindert die Aufstellung eines Preisindex, der Preisentwicklun-
gen über lange Zeit korrekt vergleichbar darstellt. Zusätzlich ist der hohe statis-
tische Aufwand als Kritikpunkt zu nennen – einfache Berechnungen für Laien
sind schier unmöglich, weil das Modelldesign sehr viel Erfahrung im Umgang
mit den genannten Methoden erfordert. Ein wesentlicher Vorteil ist, dass die
Einschränkung der Datenbasis einiger genannter Methoden durch die Bedin-
gung der Mehrfachtransaktion heraus fällt und damit ein repräsentativeres Bild
des Marktes aufgezeigt werden kann – obwohl man auch die Notwendigkeit
sehen muss, dass die verwendeten Daten Angaben zu den Kriterien enthalten.
(Buelens & Ginsburgh 1993)
Die Relevanz und Popularität dieser Methode kann man an der Anzahl der Ver-
treter erkennen: Erstmals wurde sie von Anderson (1974) für den Kunstmarkt
theoretisch angedacht. Chanel et al. (1994) , Buelens & Ginsburgh (1993) , de
la Barre et. al (1994) , Chanel et al. (1996) , Mossetto & Lazzaro (1996) , Czu-
jack (1997) , Locatelli-Biey & Zanola (2002) , Renneboog & van Houtte (1998) ,
Ginsburgh & Jeanfils (1995) , Gerard-Varet (1995) sowie Agnello (2002) ver-
wendeten diese Methode für eigene Berechnungen, beschäftigten sich mit den
Problemen bei der Anwendung und entwickelten sie weiter.
Ein praktisches Beispiel für die Anwendung der Erkenntnisse aus diesem Teil-
bereich ist das Computerprogramm „TaxSim“. Dieses Programm bietet einen
Kunstpreis-Richtwert für zweidimensionale Kunstwerke der zeitgenössischen
bildenden Kunst. Anhand von 66 Fragen (also 66 Einflussfaktoren) zum Werk,
zum Künstler, zur Ausstellungsaktivität und zur Medienpräsenz soll eine mög-
lichst realistische Einschätzung des Künstlers und des zu taxierenden Werkes
erstellt werden. Problematisch hierbei sind jedoch die Fragen, die zu beantwor-
ten sind. Es werden sehr genaue Angaben über den Künstler verlangt, sodass
es wirklich nur ein Programm für Leute ist, die einerseits bereits Werke eines
Künstlers besitzen und sich andererseits ausführlich mit diesem beschäftigt
haben. Des Weiteren gibt es Restriktionen für die Verwendung der Software:
Die Objektgröße darf das Maß 3x3 Meter nicht überschreiten und der zu taxie-
rende Wert darf nicht über 30.000 EUR liegen. Diese Einschränkungen sind auf
den Charakter der Regressionsformel (also „Preisfunktion“) zurückzuführen, die
aus einem so genormten Sample erstellt wurde und deshalb auch nur dafür
Gültigkeit besitzt. (Atelier Verlag 2004)
Auch für diese Methode ist das hier verwendete Beispielsample für asiatische
Kunst leider nicht geeignet. Neben dem Transaktionspreis findet sich zwar das
Transaktionsdatum im Datensatz, jedoch liegen wichtige Kriterien wie z.B. Ma-
ße, Herkunft, Qualität und Art des Stückes hier nur in gesammelter Textform
vor – was eine technische Weiterverwendung stark erschwert. Nochmals sei in
diesem Zusammenhang auf die zentrale Entscheidung für eine geeignete Da-
tenquelle und die Aufbereitung der Daten verwiesen. Die Möglichkeit des Me-
thodeneinsatzes hängt zentral von diesen vermeintlich vorbereitenden Schrit-
ten ab.
h. Zusammenfassung
Generell lässt sich sagen, dass sich mit der Verwendung von mathematisch
und statistisch anspruchsvolleren Berechnungsmethoden die Genauigkeit der
Ergebnisse erhöht und die Anzahl der Kritikpunkte daran verringert hat. Von
den Methoden der Durchschnittspreisberechnung über die Regressionsanalyse
bis hin zur „hedonic price method“ kommen die Forscher immer mehr zu dem
Schluss, dass Kunst im Vergleich zu klassischen Investitionsgütern eine gerin-
gere Rendite aufweist. (Ashenfelter, O., Graddy, K., and Stevens, M. 2002)
Dieser immer genauere Nachweis dieser „underperformance“ im Zusammen-
hang mit der Weiterentwicklung der verwendeten Methoden lässt sich am ge-
wählten Praxisbeispiel in Ansätzen nachvollziehen und wird auch in zahlrei-
chen Veröffentlichungen behandelt, wie im Anhang zu erkennen ist. (Chanel,
Gerard-Varet L.-A., & Ginsburgh 1996; Locatelli-Biey M. & Zanola 1999)
Trotz des Plädoyers für die komplexen Methoden lässt sich erkennen, dass
entgegen der Ideologie der 90er Jahre einige Forscher wieder einfachere Me-
thoden verwenden. (Mei & Moses 2002) Je nach verfolgtem Ziel ist dies durch-
aus eine Alternative zu den komplexeren Methoden – und das bei ähnlichen
Ergebnissen und Aussagen.
Wenn man alle vorangegangenen Schritte sauber durchgeführt hat, so hat man
einen theoretisch korrekten Kunstpreisindex erstellt. Die äußerst divergierenden
Ergebnisse der verschiedenen Berechnungsmethoden und die Vielzahl der zu be-
achtenden Dinge zeigen jedoch auch, dass die Berechnung keinesfalls das Ende
unserer Betrachtung sein kann. Nachfolgend sollen noch mal die größten „Fallen“
bei der Berechnung aufgezeigt und über mögliche Verbesserungsansätze nach-
gedacht werden.
Ein schon oft im Laufe dieser Ausarbeitung angesprochenes Problem ist die
verwendete Datenbasis. Bei fast allen Veröffentlichungen wird Reitlinger´s
Sammelband „The Economics of Taste“ (Reitlinger 1982) verwendet, welcher
Daten über Kunstpreisauktionen von 1760 bis 1963 (Band 1 und 2) und in den
60ern beinhaltet (Band 3). Hierbei sind Fehler, wie z.B. die Erfassung von
„Bought-Ins“ der Auktionshäuser oder die Vernachlässigung der Transaktions-
kosten vorhanden. Außerdem ist in den dargestellten Daten unklar, ob struktu-
relle Brüche, wie z.B. Kriege, Inflation, Deflation, Währungsumrechnungskurse,
Veränderungen in der Besteuerung von Kunst oder ein Wandel des Kunstbe-
griffes an sich berücksichtigt sind. Des Weiteren kann man annehmen, dass
Reitlinger seinen persönlichen Geschmack bei der Auswahl der aufgezeichne-
ten Daten mit ins Spiel gebracht hat, d.h. nur bestimmte Kunstgattungen im
Fokus seiner Betrachtung standen. (Goetzmann 1993; Holub, Hutter, & Tapp-
einer 1993; Mei & Moses 2002) All diese Punkte führen dazu, dass sich schon
bei der Verwendung mehrerer Datenquellen miteinander Differenzen zwischen
bestimmten Angaben ergeben, die man nur schwer auflösen kann. (Chanel,
Gerard-Varet L.-A., & Ginsburgh 1996; Holub, Hutter, & Tappeiner 1993)
Ein Weg dabei könnte die Vermischung von „weichen“ Indexmethoden, die sich
auch mit dem Primär- und Sekundärmarkt beschäftigen, mit Auktionsindices
des Tertiärmarktes sein. Beispielsweise könnten Daten des Capital Kunstkom-
pass (capital.de 2004) mit Auktionsdaten vermengt werden, um eine Kunst-
preisentwicklung von Sekundär- zum Tertiärmarkt zu untersuchen. Im Kunst-
kompass werden anhand eines Punktesystems auch Erscheinungen des
Künstlers in den Medien, bei Ausstellungen und in Museen gewertet, außer-
dem befindet sich eine Preisspanne der Preise von Galerien abgedruckt. Diese
Daten könnte man geschickt mit Auktionspreisen (wahrscheinlich späterer Jah-
re) verrechnen, um eine Aussage über eine weiter gefasste Preisentwicklung
zu bekommen. Diese Methode ist sicherlich auch mit anderen Quellen dieser
untergeordneten Märkte machbar – müsste jedoch noch im Detail auf die dabei
auftretenden Probleme untersucht werden.
Ein weiterer Weg wäre die eigene Erfassung von Daten auf dem Primär- und
Sekundärmarkt. Hier ist es allein durch die Anzahl der Akteure nicht sinnvoll,
diese Daten auf dem Beobachtungsweg zu erfassen – vielmehr muss ein Sys-
tem erdacht werden, welches die Akteure veranlasst, selbst Daten anzugeben.
Denkbar wäre z.B. der Aufbau einer virtuellen Galerie, in der sich speziell klei-
nere Galerien samt ihrer Künstler und Werke darstellen können. Analog zu z.B.
der Internetgalerie bigart.de (bigart.de 2004) könnte es sich dabei um eine
Plattform handeln, auf der Kunstinteressierte nach Kunst suchen können. Gale-
rien, die sich diesem Medium bedienen, erweitern damit Ihre Zielgruppe und
können sich und ihre Werke darstellen. Durch die dort gemachten Angaben,
wie z.B. Künstlername, Werkname, Preis usw. wäre es möglich, den Primär-
und Sekundärmarkt gezielter zu erfassen. Analog zu dieser Idee des „Geben
und Nehmen“ wäre ein weiterer, aus der betriebswirtschaftlichen Betrachtung
schon bekannter Weg, möglich: Seit 1960 erfasst die Harvard Business School
unternehmensinterne Kennzahlen in einem Projekt namens PIMS. Dabei geht
es darum, die Faktoren für unternehmerischen Erfolg zu ergründen. Unterneh-
men, die ihre teilweise geheimen Daten in das PIMS-System einpflegen, be-
kommen im Gegenzug Zugriff auf aggregierte Daten ihrer Branche, um sich
selbst besser einschätzen zu können. (Buzzell & Gale 1987; Unternehmerin-
fo.de 2004) Analog zu dieser Idee könnte man ein System entwerfen, in dem
Galerien ihre Verkaufsdaten offen legen und im Gegenzug Zugriff auf zusam-
mengefasste Daten – also eine Art Kunstpreisindex – bekommen, die ihnen
helfen in ihrem Markt zu agieren.
Eine Diskussion dieser Ideen mit betroffenen Akteuren würde zu einem besse-
ren Gespür für tragfähige Konzepte führen und damit auch mögliche Realisati-
onsrichtungen vorgeben. Mit Daten solcher Ausprägung wären nie da gewese-
ne Untersuchungen möglich, die diesen Forschungsbereich mit neuem Leben
füllen.
Ein Beispiel hierfür ist der so genannte „afternoon effect“. (Beggs & Graddy
1997) Dieser besagt, dass gegen Ende von Auktionen tendenziell niedrigere
Preise erzielt werden, als am Anfang. Um diesem Effekt entgegenzuwirken
bzw. diesen auszunutzen, ordnen Auktionshäuser ihre Stücke auf besondere
Art und Weise in den Losen an. Je nach Gut findet außerdem eine Mengen-
oder Qualitätsanpassung in den Losen statt, um diesem Effekt entgegen zu
wirken. Interessant wäre es zu untersuchen, ob diese Effekte auch im Kunst-
markt eine Rolle spielen und wie Auktionshäuser damit umgehen – denn eine
Mengenanpassung scheint schon aufgrund des Charakters von Kunst unmög-
lich.
Ein weiteres bekanntes Phänomen ist das „law of one price“, welches besagt,
dass bei zu vernachlässigenden Transaktionskosten gleichartige Stücke überall
auf der Welt den gleichen Preis erzielen sollten. Im Kunstbereich ist aber zu er-
kennen, dass je nach Handelsort und Auktionshaus durchaus sehr unterschied-
liche Preise für Werke oder Gattungen erzielt werden – wenngleich diese Be-
obachtung schwieriger zu treffen ist, weil es sich ja um inhomogene Güter han-
delt. Interessant wäre aus diesem Grund, dieses Phänomen mit geeigneten
und auf den Kunstmarkt angepassten Mitteln zu untersuchen. Ergebnisse
könnten interessante Hinweise auf die Saisonalität, Ortsgebundenheit sowie
die Strahlkraft von Auktionshäusern als Marke geben. (Ashenfelter 1989; Pe-
sando 1993)
Eine dritte verfolgenswerte Richtung könnte auf die Funktionsweise von Aukti-
onen abzielen: Hierbei wäre besonders die Existenz von „bought-ins“ sowie ei-
nes geheimen Reservationspreises von Interesse. Wie gehen Auktionshäuser
damit im Kunstmarkt um und welche Maßnahmen ergreifen Käufer und Verkäu-
fer um diese Effekte auszunutzen bzw. zu beeinflussen? Eine zu beachtende
Denkrichtung ist dabei sicherlich die Institutionenökonomik – wenngleich ge-
nauere Überlegungen in diese Richtung noch angestellt werden müssten.
(Ashenfelter 1989; Beggs & Graddy 1997)
d. Berechnungsmethoden
Eine Denkrichtung, die eventuell noch neue Impulse liefern könnte, wäre das
Recherchieren nach weiteren Märkten mit ähnlichen Anomalien, wie im Kunst-
markt. Ein Vergleich der dort aktuell zu findenden Indexerstellungsmethoden
könnte bisher noch vernachlässigte Denkweisen hervorbringen, deren Anwen-
dung für den Kunstmarkt ggf. noch weitere Informationen liefern könnte. Märk-
te, bei denen diese Methode teilweise schon verwendet wurde, sind zum einen
der Immobilien- und Grundstücksmarkt, der Markt für historische Fahrzeuge
(Oldtimer) sowie der Markt für Weine. Doch auch für diese Märkte scheint eine
Überprüfung eventuell noch nicht übertragener Ansätze noch lohnenswert zu
sein.
Die vorigen Analysen bezogen sich alle auf die Paradigmen des rationalen
Verhaltens bzw. der Nutzenmaximierung von Individuen. (Machina 1987) Ein
weiterer Denkweg für folgende Forschungen könnte sich aufgrund der vorge-
stellten Anomalien von diesen Paradigmen abwenden.
Eine mögliche Richtung stellt dabei der Bereich der „behavioural finance“ dar.
Seit 1955 beschäftigen sich Forscher mit Anomalien des Aktienmarktes, die
durch menschliche Schwächen oder psychologische Phänomene zu erklären
sind. (behaviouralfinance.net 2004; Thaler 1993) Aufgrund der Unterschiede
zwischen dem Gut Kunst und klassischen auf Finanzmärkten gehandelten An-
lagegütern lässt sich vermuten, dass gerade diese oder ähnliche Effekte noch
stärker auf dem Kunstmarkt auftreten und man diese mit bereits bekannten Me-
thoden finden und analysieren kann.
Bekannte Effekte sind z.B. der „Januareffekt“, der besagt, dass besonders im
Januar die Aktienmärkte positive Entwicklungen aufweisen. Dies wird durch
steuerliche Aspekte, das „window dressing“ der Fonds sowie eine hohe Liquidi-
tät der Anleger erklärt. Weiterhin besagt der „Größeneffekt“, dass Portfolios mit
Ein letzter Verbesserungspunkt bezieht sich nicht auf die bisher vorgestellten
Denkansätze und Ergebnisse, sondern auf deren Vermarktung. Bisher ist es
so, dass wissenschaftlich zu bezweifelnde Methoden die größte Resonanz in
Medien erzeugten. Diese teilweise falschen Aussagen verzerren die Informati-
onslage am Markt und führen dazu, dass sich eine Reihe von Akteuren von
diesen falschen Aussagen beeinflussen lassen. (Frey 1997)
Doch gerade die Forschung sollte in diesem Diskurs eine größere Rolle spie-
len. Mit der so genannten „Versionierung“ von Forschungsergebnissen sollte es
möglich sein, auch größere Zielgruppen mit den interessanten Ergebnissen zu
versorgen. (Jansen & Göbel 2004)
Eine Dimension dabei ist eine adäquate Publikationsstrategie: Zum einen zählt
natürlich die Platzierung der Forschungsergebnisse in bekannten „Journals“,
um vor allem der „scientific community“ zu signalisieren, dass entsprechende
Aktivitäten existieren. Dieser aktive Beitrag in der Weiterentwicklung von wis-
senschaftlichen Denkrichtungen ist die Basis für weitere Versionierungen. Da-
rauf aufbauend wird es möglich, mit Lehrbüchern auch den wissenschaftlichen
Nachwuchs zu versorgen. Dabei ist besonderer Wert auf die Beschreibung der
Vorgehensweise zu legen, um das Nachvollziehen zu ermöglichen und Lernef-
fekte zu erzielen. Der dritte Weg – und hier liegen die wirklichen Defizite im ak-
tuellen Vorgehen – geht in Richtung Presse. Durch eine populistischere und
teilweise trivialisierende Darstellungsweise soll es möglich werden, die For-
schung auch in der Presse darzustellen. Zu nennen sind hierbei vor allem über-
regionale Tageszeitungen, Magazine sowie Radio und TV.
Ein zweiter Weg der Darstellung der gewonnenen Erkenntnisse stellt die Teil-
nahme an Konferenzen sowie das Halten von Vorträgen dar. Beginnend mit
Forschungskolloquien und der Nutzung von bereits existierenden Bürgeruni-
versitäten, bis hin zur Teilnahme an überregionalen Veranstaltungen zu ent-
sprechenden Themen muss auch persönlicher Einsatz für den „Vertrieb“ der
eigenen Leistungen gezeigt werden.
Kriterien für die Auswahl entsprechender Aktivitäten können unter dem Ziel der
Maximierung des Bekanntheitsgrades z.B. die Diffusionswahrscheinlichkeit in
der Gesellschaft, der Reputationseffekt sowie die Marktaktivität des Themas
sein.
6. Zusammenfassung
Die vorliegende Arbeit hat gezeigt, dass die Probleme in der Bewertung von Kunst
und der Erstellung eines Preisindex im Wesentlichen in der Struktur des Gutes
sowie des Marktes begründet sind. Bei der Berechnung von Kunstpreisindices
wird diesem Umstand mit der Verwendung von mehr oder weniger komplexen
Verfahren Rechnung getragen, die allesamt zu dem Ergebnis kommen, dass
Kunst im Vergleich zu klassischen Investitionsgütern eine geringere Rendite auf-
weist. Dies liegt in den verschiedenen Nutzendimensionen von Kunst begründet,
die nicht nur in finanziellen Werten zu messen sind. Anderslautende Aussagen
kommen meist aus dem mit fehlerhaften Annahmen und unsauberen Methoden
behafteten Bereich der Populistik – sind für eine wissenschaftliche Betrachtung
allerdings kaum tragfähig. Eine nicht zu unterschätzende Rolle für den Gesamt-
prozess der Indexberechnung spielt die verwendete Datenbasis.
Literaturverzeichnis
Accel-Team.com. Begriffsdefinition. Verfügbar: http://www.accel-
team.com/pygmalion/ (Stand: 09.07.2004)
Agnello, R. J. 2002, "Investment Returns and Risk for Art: Evidence from Auctions
of American Paintings", Eastern Economic Journal, Vol. 28, Nr. 4, pp. 443-462.
Ashenfelter, O. 1989, "How Auctions Work for Wine and Art", Journal of Economic
Perspectives, Vol. 3, Nr. 3, pp. 23-36.
Ashenfelter, O. & Abowd, J. 2002, "Using Price Indeces and Sale Rates to assess
Short Run Changes in the Market for Impressionist and Contemporary
Paintings," in Economics Of Art Auctions, G. Mossetto & M. Vecco, eds.,
International Center for Art Economics - University Ca´ Foscari of Venice,
Venice, pp. 71-83.
Ashenfelter, O., Graddy, K., & Stevens, M. A Study of Sale Rates and Prices in
Impressionist and Contemporary Art Auctions. Verfügbar:
http://www.econ.ox.ac.uk/members/kathryn.graddy/research/sale14ms.pdf
(Stand: 05.2002)
Beggs, A. & Graddy, K. 1997, "Declining values and the afternoon effect: evidence
from art auctions", RAND Journal of Economics, Vol. 28, Nr. 3, pp. 544-565.
Candela, G., Figini, P., & Scorcu, A. E. 2003, Price indices for artists - A proposal,
Department of Economics - University of Bologna.
Candela, G. & Scorcu, A. E. 1997, "Art Price Index for Art Market Auctions: An
Application to the Italian Market of Modern and Contemporary Oil Paintings",
Journal of Cultural Economics, Vol. 21, Nr. 3, pp. 175-196.
Chanel, O. 1995, "Is the Art Market Behaviour Predictable?", European Economic
Review Nr. 39, pp. 519-527.
Chanel, O., Gerard-Varet L.-A., & Ginsburgh, V. 1994, "Prices and Returns on
Paintings: An Excercise How to Price the Priceless", Geneva Papers on Risk
and Insurance Theory, Vol. 19, Nr. 1, pp. 7-21.
Chanel, O., Gerard-Varet L.-A., & Ginsburgh, V. 1996, "The Relevance of Hedonic
Price Indices: The Case of Paintings", Journal of Cultural Economics, Vol. 20,
Nr. 1, pp. 1-24.
Davenport, R. J. 2003, Davenport´s Art Reference & Price Guide Gordon´s Art
Reference Inc..
Falk, P. H. 1994, Falk´s Print Price Index The Haworth Press, Inc..
Frey, B. S. & Eichenberger, R. 1995, "Ont the rate of return in the art market:
Survey and evaluation", European Economic Review, Vol. 39, pp. 528-537.
Gerard-Varet L.-A. 1995, "On pricing the priceless: Comments on the economics
of the visual art market", European Economic Review, Vol. 39, pp. 509-518.
Goetzmann, W. N. 1993, "Accounting for Taste: Art and the Financial Markets over
Three Centuries", American Economic Review, Vol. 83, Nr. 5.
Handelsblatt. Ein neuer Fine Art Fund nur für Großanleger. Handelsblatt [38], 43.
22.02.2002.
Holub, H. W., Hutter, M., & Tappeiner, G. 1993, "Light and Shadow in Art Price
Computation", Journal of Cultural Economics, Vol. 17, Nr. 1, pp. 49-69.
Mayer, E. 2004, International Auction Records Mayer & Archer Fields, New York.
Michel, E. 2003, ADEC International Art Price Annual (Annuaire Des Cotes) ADEC
Diffusion.
Mossetto, G. & Lazzaro, E. 1996, Le determinanti dei prezzi delle opere d´arte
University of Venice, Mimeo.
Private - Das Magazin für Vermögensberatung und Private Banking. Kunst als
Kapitalanlage. Verfügbar: http://www.private-
magazine.ch/Datenbank/04.2001/kunst_d.pdf (Stand: 10.07.2004)
Reitlinger, G. 1982, The Economics of Taste. The Rise and Fall of Picture Prices
1760-1960. Hacker Art Books, New York.
Shefrin, H. 2002, Beyond Greed and Fear: Understanding behavioral finance and
the psychology of investing Oxford University Press, Oxford.
Auktionspreise:
http://www.artfact.com (Artfact Inc. Antiquitäten, Gemälde, Mehr als 5.000.000 Auktionsergebnisse. Texte aus Aukti- Online: 1995 USD
Artfact Inc. 1986 - Heute
2004) Drucke, Skulpturen, Juwe- onskatalogen, teilweise mit Bild. p.a.
len u.a.
http://www.artnet.com (artnet.com Auktionspreise: Über 2.4 Millionen Einträge, 500 Auktionshäuser aus 28 30 Suchen pro
artnet.com 1985 - Heute
2004) sog. „Fine Art“ Ländern. 176.000 Künstler. Teilweise inkl. Bild. Monat für 80 USD
http://www.askart.com (AskART.com Auktionspreise: 32.000 Amerikanische Künstler mit Auktionspreisen und 19,50 USD pro
AskART.com unbekannt
2004) Amerikanische Künstler Kataloginformationen. Monat
Gordon´s Art Reference Inc. Auktions- und Handelsprei- Mehr als 145.000 Transaktionspreise von Auktionen und
Gordon´s Photography CD / Online: 595
http://www.gordonsart.com (Gor- se: 1970 - Heute Händlern, bibliographische Informationen und teilweise
Prices USD p.a.
don´s Art Reference Inc. 2004) Photografien Bilder.
Gordon´s Art Reference Inc. Auktions- und Handelsprei- Beste Quelle für Drucke mit mehr als 675.000 Einträgen Buch: 350 EUR p.a.
Gordon´s Print Prices http://www.gordonsart.com (Gor- se: 1978 - Heute inkl. Transaktionspreisen, Textinformationen und teilweise CD / Online: 595
don´s Art Reference Inc. 2004) Drucke Bildern. USD p.a.
Auktionspreise:
Gemälde, Zeichnungen,
Klassiker mit pro Jahr ca. 15-20.000 weltweiten Transakti-
Weltkunst Verlag, Diverse Autoren Miniaturen, Ikonen, Drucke,
Kunstpreisjahrbuch 1978/79 - Heute onsdaten. Teilweise mit Textinformationen und Bildern. Buch: 125 EUR p.a.
(Diverse 2004) Photografien, Skulpturen,
Schwerpunkt auf dem deutschen Markt.
Münzen, Möbel, Dekorative
Kunst, Manuskripte
103.000 Bildinformationen (Preise, Text und Bild) von über Online: 710 EUR
Auktionspreise:
Mageda Maler- und Ge- http://www.mageda.de (TKH GmbH 18.000 Künstlern. Beschränkung auf ca. 40 Auktionshäuser p.a. (Click&Buy:
Gemälde, Aquarelle, Zeich- unbekannt
mäldedatenbank 2004) des deutschsprachigen Bereichs. Kleinster Anbieter in 2,45 EUR für 10
nungen
diesem Bereich. Minuten)
Auktionspreise:
25 Kategorien mit über 25.000 Auktionsergebnissen des
Nagel´s Art Price Index http://www.auction.de (Nagel´s Art Asiatische Kunst, Moderne
unbekannt Stuttgarter Auktionshauses Nagel. Einzige im Internet kostenlos
NAX Price Index 2004) Kunst, Möbel, Gemälde
verfügbare kostenlose Quelle. Wächst ständig.
u.v.a.
Photographic Art Market Auktionspreise: Nur Auktionen von Sotheby´s, Christie´s, Swann Galleries
Persky, R.S.(Persky 2002) 1980 - Heute Buch: 70 USD p.a.
Auction Prices Photografien und Butterfield & Butterfield verzeichnet.
Mehr als 894.000 Einträge mit mehr als 285.000 Einzelti- Online: 1000 Anfra-
SCIPIO: RLG´s Art and Auktionspreise:
teln von nordamerikanischen und europäischen Auktions- gen für 890 USD
Rare Book Sales Catalogs http://www.rlg.org (RLG.org 2004) Diverse Kunstgattungen 1599 - Heute
häusern. Besonderheit: Datensammlung durch Zusam- (Vollzugriff auf
Database und Bücher
menschluss von öffentlichen Institutionen. Nachfrage)
Auktionspreise:
Begrenzte Anzahl von Auktionshäusern aufgezeichnet. Für
Gemälde, Pastellzeichnun-
World Collectors Annuary Diverse Autoren (Diverse 1994) 1946 - 1994 manche Jahre "Spezialdaten" von z.B. Japan, Israel, Buch: 175 USD p.a.
gen, Zeichnungen, Gou-
UdSSR und Schweden. Eine Saison geht von Juni bis Juli.
aches, Aquarelle
Die Untersuchung umfasst die Berechnung von Renditen für den amerikani-
Mehr als 25.000 Auktionsdaten von
schen Markt und verschiedenen Submärkten. Mit einer Durchschnittsrendite von
amerikanischen Malern verschiede- 2,7 – 9,9 % (je nach
Agnello (2002) „hedonic price“ 4,2 % liegt diese noch unter der Inflation im gleichen Zeitraum bei signifikant
ner Genres. Zeitraum von 1971 – Kunstsegment)
höherem Risiko. Bei Kunst im high-end Bereich kann die Rendite u.U. höher
1996.
liegen.
Ziel ist der Erstellung eines Index für einzelne Künstler auf Basis der Jahres-
Auktionsdaten zwischen 1990-2001 durchschnittspreise, gewichtet mit der Gesamtmarktentwicklung. Im Gegensatz
Candela, Figini & Scor- „representative pain-
(Gabrius S.p.A.) mit über 330.000 zum „hedonic price“ Modell braucht man keine Aussagen zu Bewertungskrite-
cu (2003) ting“
Aufzeichnungen. rien. Die neue Berechnungsform zeigt einer geringere Varianz und ermöglicht
genauere Aussagen zur Entwicklung eines Künstlers.
16
Die Rendite ist für die jeweilige gesamte Zeitspanne angegeben. Die starken Unterschiede ergeben sich durch die Berechnungsmethoden, Zielsetzungen und
Intentionen der Untersuchungen sowie den Unterschieden im verwendeten Datenmaterial (Kunstgattung, Quelle, Einbeziehung von Transaktionskosten usw.).
Auktionsdaten von Picasso-Bildern Mit Hilfe der „hedonic price“-Methode wurden Faktoren herausgefunden, die auf
(Czujack 1997) „hedonic price“
zwischen 1963 und 1994. den Preis eines Gemäldes Einfluss nehmen.
Nach einer Untersuchung der Besonderheiten des Gutes Kunst wird hier eine
30 Künstler mit Auktionsdaten zwi- 1855 bis 1914: 6,2 %
eigene Wertentwicklung aus Basis abgeglichener Datenquellen erstellt, um
schen 1855 und 1988, die in Reitlin- „repeat-sale regressi- 1915 bis 1949: -2 %
Gerard-Varet (1995) Vergleiche mit bisherigen Ergebnissen zu machen bzw. den Kunstmarkt besser
ger (1982) und Mayer (2004) vor- on“ 1950 bis 1960: 22,6 %
zu beschreiben. Ergebnis sind mehr ökonomische Feststellungen als Zahlen und
kommen. 1960 bis 1988: 6,8 %
Fakten.
Es wird ein Vergleich mit klassischen Finanzmärkten angestrebt, bei dem zu-
Über 25.000 Auktionspreise aus den
sätzlich noch eventuelle Zusammenhänge zwischen den Märkten (innerhalb von
Ginsburgh & Jeanfils „International Auction Records“
„hedonic price“ Kunst und mit Finanzmärkten) gefunden werden sollen. Kurzfristig ergab sich,
(1995) zwischen 1962 und 1991 (Mayer
dass Zusammenhänge bestehen. Langfristig eher nicht – wobei sich die Rendi-
2004), ergänzt um analoge Quellen.
ten der Kunstgattungen dann auch angleichen.
Diese Untersuchung bezog sich eher auf das Berechnen des „winner´s curse“
1.800 wiederholte Auktionsdaten aus
Goetzmann & Spiegel „repeat-sale regressi- Phänomens bei Kunst. Es wurde herausgefunden, dass kurzfristig diese Eigen-
Reitlinger (1982) und Mayer (2004) 5,75 – 11,13 %
(1995) on“ art durchaus Bedeutung besitzt, jedoch langfristig die Kapitalwerterträge größe-
für die Zeit zwischen 1907 und 1987.
res Gewicht erlangen (in Form von verschiedenen Nutzendimensionen).
Es soll hier eine kurze Phase des Kunstbooms untersucht werden. Ergebnisse
1.446 wiederholte Auktionspreise
Locatelli-Biey & Zanola „repeat-sale regressi- -3 bis – 22 % (je nach waren, dass zeitweise Kunst sehr gute Renditen lieferte (bis 230 %), was jedoch
von Gemälden (Mayer 2004) im
(1999) on“ Methode) durch zeitweise schlechtere Ergebnisse wieder relativiert wird. Verschiedene
Zeitraum von 1987 bis 1995.
Verfeinerungen der RSR-Methode werden ebenfalls aufgezeigt.
27.101 Auktionsdaten (Mayer 2004) Ergebnis war, dass sich große Unterschiede für anders zusammengestellte
Locatelli-Biey & Zanola - 30 bis 51 % (je nach
für den Skulpturenmarkt zwischen „hedonic price“ Portfolios ergeben. Im Hochpreissegment sind gute Renditen realisierbar gewe-
(2002) Kunstsegment)
1987 und 1995. sen, im Niedrigpreissegment dagegen sind Verluste verzeichnet.
Zum Testen der Hypothesen „law of one price“ sowie niedrigen Renditeerwar-
4.896 wiederholte Transaktionen aus tungen wurde diese Untersuchung gestartet. Es wurde eine höhere Quote an
1875 bis 1999: 4,9 %
diversen analogen Quellen (Muse- „repeat-sale regressi- wiederholten Transaktionen durch neues Datenmaterial verwendet. Ergebnisse
Mei & Moses (2002) 1900 bis 1999: 5,2 %
umskatalogen) zwischen 1875 und on“ waren: 1) Kunst hat eine höhere Rendite als andere Investments, 2) Bekannte
1950 bis 1999: 8,2 %
1999. Werke haben eine niedrigere Rendite als der Kunstmarkt insgesamt und 3) das
„law of one price“ kann nicht eindeutig bewiesen bzw. verworfen werden.
Ziel war der Test des „law of one price“ (perfekter Markt) und die Perfor-
manceanalyse von bekannteren Werken im Vergleich zum Gesamtmarkt. Durch
27.961 repeat-sales (Gordon´s Art
die hohe Zahl an Drucken (multiples) gibt es eine gute Datenbasis. Ergebnis
Reference Inc. 2004) moderner „repeat-sale regressi-
Pesando (1993) 1,51 % war, dass es teilweise große Schwankungen der Handelspreise zwischen ver-
Drucke (multiples) zwischen 1977 on“
schiedenen Orten gibt und bekannte Kunstwerke bzw. Künstler nicht zwangsläu-
und 1992.
fig höhere Renditen haben müssen. Insgesamt ist die Rendite für Drucke unter-
durchschnittlich.
10.598 Auktionsdaten (Hislop 2003) Die Rendite sowie das Risiko von Kunst als Geldanlage soll mit modernen Theo-
Renneboo & van Houtte zwischen 1970 und 1997 von aus- „average price“, „he- 7,6 % „average price“ rien der Portfoliotheorie analysiert werden. Als Ergebnis underperformed Kunst
(1998) schließlich belgischen Künstlern donic price“ 5,6 % „hedonic price“ wegen versteckten Transaktionskosten deutlich. Das Diversifikationspotential ist
(71). zudem sehr gering.
In einem Report über Kunst als Investitionsobjekt (Dresdner Bank) wurde das
Chinesische Keramik zwischen 1804
Wilke (1999) 900 % Beispiel der chinesischen Keramik verwendet, um das lohnende Investment in
und 1999.
Kunst zu bewerben.
class DataCollector {
if (command != null) {
else if (command.equals("downloaddate")) {
try {
// output-datei erzeugen
FileOutputStream csv = new FileOutputStream(datafile_date_full);
String output = new String();
// datei lesen
System.out.println("reading file \"" + datafile_date + "\"...");
BufferedReader myReader = new BufferedReader(new FileReader(new File(datafile_date)));
String tmpString;
StringBuffer tempBuf = new StringBuffer();
while ((tmpString = myReader.readLine()) != null) {
System.out.print("getting date for "+tmpString+": ");
URL url = new URL("http://www.auction.de/_scripts/nax_object.asp?id=" + tmpString + "&language=g");
InputStream in = url.openStream();
BufferedReader myReader1 = new BufferedReader(new InputStreamReader(in));
String tmpString1;
StringBuffer tempBuf1 = new StringBuffer();
while ((tmpString1 = myReader1.readLine()) != null) {
tempBuf1.append(tmpString1 + "\n");
}
String pageString = tempBuf1.toString();
// datum rausfinden
String tokens[] = pageString.split("Datum</font></b></th>\n "
+ "<td bgcolor=\"#D8E1E7\">");
pageString = tokens[1];
tokens = pageString.split("</td>\n </tr>\n "
+ " \n <tr>\n "
+ "<th bgcolor=\"#41637E\" align=\"center\" width=\"10%\"><b><font color=\"#FFFFFF\">Los");
pageString = tokens[0];
// alte datei erweitern um datum
System.out.println(pageString+" ok!");
tempBuf.append(tmpString + ";" + pageString + "\n");
// alles zumachen
myReader1.close();
in.close();
}
output = tempBuf.toString();
csv.write(output.getBytes());
// alles schliessen
myReader.close();
csv.close();
} catch (Exception e) {
e.printStackTrace();
}
}
}
Anhang D: Datenträger
Datei Beschreibung
1_data.txt Textdatei mit dem Ergebnis des Programmaufrufs „downloadall“. Enthalten ist der
HTML-Quellcode aller Internetseiten mit den relevanten Informationen.
2_data.csv CSV-Datei („comma-seperated-values“) mit den aus der vorigen Datei extrahierten
Werten. Ergebnis des Programmaufrufs mit dem Parameter „parseall“.
3_data_date.csv CSV-Datei mit den ID´s der Einzelwerke der vorigen Datei, ergänzt um das Transakti-
onsdatum. (Programmaufruf „downloaddate“)
4_data.xls Excel-Datei mit allen Daten. (2_data.csv und 3_data_date.csv zusammengefügt)
5_data.xls Excel-Datei mit bereinigten Daten für die Verwendung in SPSS.
6_data.sav Erste SPSS-Datei samt Variablenbeschreibungen und ökonomischen Korrekturen.
7_data.sav Vorstufe für die Erstellung der deskriptiven Statistik.
8_desk.spo Ergebnisse der deskriptiven Datenanalyse.
9_data.sav Datendatei als Vorbereitung der Berechnungen für die „average price“-Methode.
10_avgprice.spo Darstellung der Ergebnisse der Berechnungen für die „average price“-Methode.
11_data.sav Datendatei als Vorstufe für die Berechnungen im Rahmen der „representative painting“-
Methode.
12_reprpainting.spo Ergebnisdatei für die Berechnungen der „representative painting“-Methode.
CPI_DE.xls Excel-Datei mit dem „consumer-price-index“ (CPI) für die letzten Jahre.
DataCollector.class Ausführbare (also compilierte) Java-Datei des erstellten Programms.
DataCollector.java Quellcode-Datei des erstellten Programms in Java.
Diplom.pdf Diese Diplomarbeit in Dateiform.
Eidesstattliche Erklärung
selbst angefertigt habe. Die aus fremden Quellen direkt oder indirekt übernomme-
nen Gedanken sind als solche kenntlich gemacht.
Diese Arbeit wurde bisher keiner anderen Prüfungsbehörde vorgelegt und auch
nicht veröffentlicht.
Christian Knebel