论文部分内容阅读
当前,我国社会经济生活正逐步发展,人们对精神文化产品的需求日益增加,这也推动着文化产业的繁荣发展。电影产业作为文化产业的重要组成部分,正在迈入从电影大国到电影强国的发展黄金时代。在电影产业迅猛发展的背景下,涉及电影著作权的经济活动也相应增多,相应的著作权评估需求也大幅增加。由于目前实务中主要使用收益法评估著作权价值,评估著作权价值的难点在于确定电影著作权收益。而电影著作权收益主要来源于电影票房收入,因此确定电影著作权价值的难点在于电影票房收入的确定。在前人研究的基础上,结合我国目前影视产业的发展现状和评估业务的需要,重点研究电影上映前的电影著作权价值,通过定性与定量分析的方式构建电影票房影响因素指标体系,使用多元线性回归和极限梯度提升树(XGBoost)模型构建电影票房收入的预测模型,然后基于电影票房收入的预测确定电影著作权价值。本文共分为五个部分:第一部分为绪论。阐明了论文的选题背景、论文研究的意义和论文研究的思路和方法,并对关于电影著作权价值评估、电影票房的影响因素、电影票房预测方法等相关研究成果进行综述,指出收益法评估电影著作权价值的关键和难点在于电影票房收入的预测。第二部分是电影著作权、电影票房的相关概念和理论基础。对于电影产业链、电影著作权、电影票房和消费者行为理论等相关理论基础进行了阐述。通过对电影著作权特点、评估方法和评估需求难点进行介绍,指出评估电影著作权价值的一大难点是著作权盈利能力较难确定,因此需要对电影著作权的主要收入电影票房收入进行预测研究。并通过对消费者行为理论等理论的阐述,为后续电影影响因素的选择和量化提供理论支持。第三部分是电影票房收入预测模型的分析与构建,首先构建了电影票房影响因素指标体系构建,基于文章第二部分消费者行为理论和电影产业链的分析,从消费者视角出发,选择能够影响消费者观影决策的影响因素进行梳理,由于涉及著作权的评估业务大多发生在电影上映前,本文重点研究电影上映前电影票房预测,并且结合电影著作权评估的评估时点需求,选择动态可获取的数据量化电影的影响因素。对导演和演员的量化方式进行改进并使用网络想看指数量化宣传效果即电影上映前消费者对电影的关注度。通过2014-2018年在国内公开上映的250部国产电影数据,基于Eviews 8平台和Python平台,选择电影票房预测中最经典的多元线性回归模型和目前最先进的预测模型极限梯度提升树(XGBoost)模型对电影票房的影响因素进行实证分析及预测研究,并随机选择2019年10部电影对模型进行预测检验与比较。第四部分基于上文电影票房收入的预测计算电影著作权价值,并应用于实际案例,计算实际电影著作权价值。并对主要参数进行敏感度分析,判断各参数变化对电影著作权价值评估的影响程度,进一步验证了电影票房收入预测的准确性对电影著作权价值评估的重要性。提高电影票房收入预测的准确性,有利于完善电影著作权价值评估体系。第五部分是结论和展望。对前文的改进和应用进行了分析和总结,指出未来研究过程中可改进的方向。实证的结果显示,极限梯度提升树(XGBoost)模型的预测效力要优于多元线性回归模型。影响因素上,网络想看指数和主创阵容对电影票房的影响最大,可见电影前期宣传效果和主创团队的粉丝效应对电影票房收入的影响较大。未来基于电影票房收入对电影著作权价值进行评估时,应重点关注电影前期的宣传效果和主创团队的影响力,相较于多元线性回归模型,更多的使用极限梯度提升树(XGBoost)进行预测。本文基于我国的电影市场情况和资产评估的需求,在引进电影票房影响因素的基础上构建电影票房收入预测模型,基于电影票房收入计算电影著作权价值,完善我国的电影著作权价值评估体系。