A Study on Art Price Prediction Using CatBoost Based on Artwork Characteristics and Auction History

본 연구는 미술품 경매 시장에서 낙찰가를 예측하고 가격 형성에 영향을 미치는 핵심 요인을 규명하기 위해 CatBoost 기반 예측 모형을 제안한다. 분석에는 K-Artprice 경매 데이터(2015–2022년, 200명 작가, 32,873건 거래)를 활용하였으며, 낙찰가격의 비대칭 분포를 완화하기 위해 로그 변환과 극단값 완화(Winsorization)를 적용하였다. 예측 모형은 작가명, 재료, 출품처 등 범주형 변수를 별도의 인코딩 없이 처리할 수 있는 CatBoost의 특성을 활용하였고, 전체 데이터 기반모형과 더불어 옥션별·작가별 세부 모형을 구축하여 집단별 가격결정 구조의 차이를 비교하였다. 최종 모형은 높은 설명력(R² 약 0.92)과 낮은 예측오차를 보였으며, 변수 중요도 및 SHAP 분석결과 작가명, 출품처, 재료, 경매명, 면적 등이 낙찰가 예측에 핵심적으로 기여하는 것으로 나타났다. 특히 작가명은 가장 높은 기여도를 보여 작가의 명성이 가격결정에서 중요한 역할을 함을 시사한다. 또한 옥션 및 작가 집단에 따라 예측 성능과 주요 설명 변수의 구성에 차이가 관찰되어, 경매 시장의 이질성을 반영한 맞춤형 예측 접근의 필요성을 확인하였다. 본 연구는 범주형 변수가 풍부한 미술 경매 데이터에서 해석 가능한 머신러닝 기반 가격 예측 프레임워크를 제시함으로써 옥션 운영 및 입찰 의사결정에 실무적 시사점을 제공한다.