电影行业是全球范围内发展最迅速的产业之一,不仅是休闲娱乐的主要组成,也是是全球文化交流的重要途径,更是各国经济实力的重要体现。我国电影市场虽然起步较晚,在国民经济的新态势下,保持稳健的高速增长态势,规模持续扩大,2017年银幕数量超过5万块,票房突破500亿。电影作为一种体验性消费,产品周期较短,消费者快速变化的品味加剧了市场对影片需求的不确定性。此独特性决定了电影行业的投资具有高风险性,但是流入的资本和资源不断扩大,生产与营销成本也持续增加,因此,对票房的影响因素以及票房预测进行研究有重要的意义。国内外学者对于票房相关的研究已有很多成果,研究方法可以归纳为白箱和黑箱两大类。但是白箱的研究方法,如基于排队理论与多元线性回归的建模,往往基于一定的假设前提,影响结论的精确性;黑箱的研究方法,如机器学习,没有构建具体的预测模型,降低了可理解性,并且部分研究的预测结果为票房区间,而不是精确的票房值。本文汲取了国内外先进研究经验,基于2010-2016年分别在中美两国市场上映的票房数据进行实证研究。首先,构建包含制作预算、发行商、题材、上映日期、MPAA等级、上映前与上映首周的影片评论数量、上映首周的影院或屏幕数量,以及首周票房收入的票房影响因素体系,并分析各变量的影响作用;然后,采用一种新的票房研究方法——符号回归(Symbolic Regression)构建票房预测模型,并用兴趣度弹性准则(IE)选择最优模型,不设置任何先验条件,自动选择解释变量的同时构建票房预测模型,分别在影片上映前及上映一周后对票房进行预测。以被普遍应用的多元线性回归作为基本的对比方法,实验证实了符号回归方法所构建的模型具有更好的预测精度;最后立足国情,对中美两国电影市场的影响因素及预测模型进行对比。经过研究分析发现,增加影片的排片数量可以增加票房收入;由美国制片的电影,成本越高,票房越高;而由中国制片的电影,发行商的资源与能力越高,票房越高;演员或导演的名气对票房并没有显著性的影响,电影本身的内容更重要。根据以上结论为电影行业提供可参考的建议。