一、电影票房预测及风险管理概述
（一）电影票房预测及风险管理的重要性
2015 年， 中国电影票房增幅高达49%。政策的大力支持和市场的活跃形势， 表明中国电影产业规模不断壮大，进入高速增长的阶段。产业环境的利好吸引大量资本涌入电影产业， 以BAT 为代表的互联网资本全面进入电影投资领域，行业中投资主体更加多元， 电影产业企业上市和投融资渠道更加丰富，资本市场运作频繁， 但同时我们也应看到在繁荣背后所隐藏的投资和经营风险。
中国电影家协会秘书长饶曙光就对当前电影产业的风险表现出一定的担忧。他指出： “各种、各路资本仍然以百米赛跑的速度进入电影界， 甚至是以不计成本的方式进入电影界。毫无疑问， 任何资本进入电影界都不是来做慈善的， 都是要以各种方式要求回报， 乃至以各种方式进行索取， 貌似现在高速发展的中国电影可以满足他们的要求。” 资本市场永远是发展机遇与风险管控并存。面对不断刷新的电影票房纪录、票房奇迹， 我们更要保持清醒的头脑， 警惕泡沫， 理性看待电影的投资回报率和高风险， 积极主动地防范风险， 做好电影票房预测和风险管控工作。
当前， 国内电影投资收益的来源主要是票房收入， 约占电影投资收益的9成， 版权价值回收方式相对单一。因此， 控制电影的投资风险就主要集中于预测电影的票房。相较于北美电影票房预测研究的发展， 中国的电影票房预测还处在初级阶段， 国内尚没有完善的、标准化的电影票房预测指标体系， 也没有专业可靠的风险评估和管控体系作为支撑， 现有的电影票房估计存在一定误差， 尤其在电影开拍初期对电影票房进行评估和预测一直是电影行业发展面临的难题。部分电影行业公司在票房预测上， 仍由公司内部负责发行的工作人员通过经验进行预测， 结合部分专家意见， 汇总得出票房估测结果。预测数据大多依靠行业工作人员的感性经验， 预测方法较为粗放， 其结果往往差强人意。
此外，电影投资和制作过程本身就包含诸多不确定性因素， 电影市场竞争环境瞬息万变， 所以对电影项目进行风险管理的重要性日益凸显。一个准确有效的电影票房预测模型， 将成为每个影视投资机构的核心资产。
（二）电影票房预测及风险管理的主要内容
电影票房的盈亏与否直接反映了电影的成败， 决定着影片的收益和知名度。一方面， 票房收入分账是国产电影收入的主要来源； 另一方面， 版权价值开发和衍生品市场的赢利也与票房成功与否密切相关。如果能在一部电影筹拍之初， 通过对影响票房的关键因素进行掌控， 锁定票房收入的置信区间， 那么对投资者来说无疑是非常重要的。
对电影票房进行预测和风险管理， 有助于确保电影项目的完成及运营效率的提升， 增加电影项目的成功率， 取得最大化的票房收入。因此， 电影票房预测及风险管理的主要内容涉及影响票房收入的电影产业价值链中所有工作内容。
（三）电影票房预测及风险管理的工作流程
目前， 部分国内的影视制作机构、担保公司、保险机构、商业银行结合自身业务实际， 已经开始利用电影票房预测结果， 建设风险控制机制， 希望利用电影票房预测技术， 确保完片质量和水平。它们从各个产业角度， 丰富了电影产品风险测量的维度， 降低了电影产品开发及票房的市场风险。为了创建与风险管理各个专业领域相匹配的风险管理系统， 业内人士投入了大量的人力、物力、财力， 但电影票房预测系统仍是风险管理工作的起点和核心。结合实际和前文所述， 本文通过图形来体现基本的电影票房预测及风险管理工作流程。
参考观研天下发布《2018-2023年中国电影产业市场竞争态势调查与未来发展前景预测报告》
二、电影票房预测研究的理论回顾
（一）电影票房预测的早期研究
当代西方电影票房研究始于20 世纪80 年代。美国电影经济学家巴瑞李特曼（BarrY LItman） 在其先驱性文章《电影经济成功预测： 基于八十年代人的经验》中， 建立了电影票房预测模型， 因变量是电影的租金收入（主要指票房收入）， 自变量包括创意、发行/ 上映时间、营销三个方面， 其中创意包括知名的想法、起源的国家、MPAA 分级、有名的导演和演员、制作预算、专家评分等变量， 发行包括发行日期、发行模式和市场力量三个变量， 营销包括电影提名获奖等。结果表明电影票房与续集、导演、演员、剧情片、科幻片、制作成本、发行模式、暑期档、专家评分显著相关。李特曼的票房研究模型为以后的电影票房预测提供了基本思路和方法。
20 世纪90 年代， 司各特苏凯（SCOtt SOCHaY） 在《电影成绩预测》一文中提出新的票房预测模型。在李特曼模型基础上， 苏凯将创意分为电影类型、明星、电影分级等变量， 发行分为发行模式、发行公司、发行日期等变量， 市场推广分为专家观点、电影获奖等变量， 同时引进了新变量市场集中度和放映周数， 使电影票房模型预测由静态走向动态。结果表明演员、喜剧片、科幻片、专家评分、圣诞档、暑期档与电影租金收入呈显著正相关关系， MPAA 分级、市场集中度与电影租金收入呈显著负相关关系。可以说， 李特曼和苏凯奠定了电影票房预测发展史的里程碑， 对当今的电影票房预测也具有十分重要的指导意义。
（二）电影票房预测的近期研究
进入21 世纪， 伴随着电影产业的发展， 电影制作和市场推广吸引了大量投资， 市场风险凸显， 对于电影票房预测的研究更加热门。这些票房预测模型基本上都从电影自身因素、市场营销以及独立的第三方评价三个方面入手， 其中影片自身因素包括明星影响力、导演影响力、文化熟悉度、影片类型和电影分级。BYEnGHEE CHanG and EYunＪunG KI 指出明星只对首映周的票房有影响，续集、演员、预算、剧本、MPAAPG、MPAAR、专家评级、观众评级、暑期放映、复活节放映等变量与总票房收入是显著相关的。王铮、胡小莉、李波、尹一伊等学者和专家分别研究了演员、导演、续集、翻拍、上映档期、影片类型、出品国、电影票价、影片预算、制片公司、奖项提名、网络评论、城镇居民人均可支配收入等自变量对电影票房的影响， 指出导演是主要的影响因素，明星和导演的票房效应存在边际递减趋势， 此外续集、评分、票价、档期、影片类型、发行公司、网络评论、获奖均与票房有较显著的相关性。
在实际应用方面， 2012 年1 月， 中影集团联合北京艾亿新融资本管理有限公司共同推出了国内第一套基于电影票房预测和定价的BRP （BOX REｖEnuEPrEdICtIOn） 系统。该系统模型自变量包括电影导演、演员、电影类型、发行地区、制片人、发行公司、制片公司、编剧、档期， 其中电影导演和演员的权重利用他们已取得的历史票房数据加以确定。近年来， 随着大数据的兴起和数据挖掘技术的成熟， 大数据在电影行业的应用引起关注。2013 年， 谷歌发布电影票房预测模型。该模型可用于提前一周和提前一个月对首周票房进行预测， 在其首映前一周票房预测模型中， 自变量包括电影首映前一周的搜索量、电影广告点击数据、院线排片和同系列电影前几部的历史表现； 在其首映前一个月票房预测模型中， 自变量包括电影预告片搜索量、同系列电影前几部的历史表现， 以及档期的季节性特征。谷歌声称提前一周的预测准确率可达92%， 提前一个月的预测准确率可达94%， 但并未见其公开对未上映电影的预测结果。
注： 虚线代表票房收入， 实线代表搜索量， 横轴标注月份。
在国内， 百度、腾讯、优酷等互联网企业都在利用其庞大的数据库资源探索性地拓展电影票房预测业务。由华影开发的BRP 票房预测系统相对成熟，在不考虑电影宣发阶段的市场因素的前提下， 从投资角度根据电影项目的先天因素做出票房预估， 对电影票房预测有着积极的指导意义。本文对华影BRP的实际应用效果进行了比较测试。以华影BRP 在国产电影《老炮儿》上映之前对其票房预测的结果为例， 预测实际前三周票房高于2 7 亿元的概率为50%， 预计实际前三周票房高于2 3 亿元的概率为75%， 预计实际前三周票房高于1 7 亿元的概率为95%。但根据艺恩网的电影票房统计数据， 《老炮儿》上映前三周的实际票房已经累计达到8 2 亿元。虽然票房数据进入预测估值区间， 但预测估值下限与实际票房差异超过5 亿元， 体现出目前的大数据技术对电影票房的预测仅能够解释一部分市场情况， 仍需继续修正完善预测模型， 进一步提升准确性和精度。
目前， 大多数电影票房预测模型及影响因素分析， 建立在北美票房预测研究的基础上， 且多针对电影上映后的票房数据进行检验。对于投资机构和个人来说， 无法在投资时获得这些变量， 时效性远不能达到投资决策的要求。尤其对于电影营销来说， 即使能够提前一个月准确地获知即将上映的电影票房， 也很难在短时间内， 调整和改变电影的宣发、营销策略。影视投资者、制片方真正需要的是一个能够提前至少18 个月甚至更久预知投资影片票房的预测模型。
因此， 我们主要结合2015 年的中国电影市场情况， 面向对电影票房进行风险管控的投资人和制片方， 对电影开拍前影响其未来票房的重要因素进行评估和分析， 构建电影票房预测指标体系， 为中国电影票房预测模型的进一步开发和研究， 为电影票房风险控制管理的新发展和新动向， 提供”保驾护航” 的技术手段和范本性的理论参考。
（一）电影票房预测及风险管理的重要性
2015 年， 中国电影票房增幅高达49%。政策的大力支持和市场的活跃形势， 表明中国电影产业规模不断壮大，进入高速增长的阶段。产业环境的利好吸引大量资本涌入电影产业， 以BAT 为代表的互联网资本全面进入电影投资领域，行业中投资主体更加多元， 电影产业企业上市和投融资渠道更加丰富，资本市场运作频繁， 但同时我们也应看到在繁荣背后所隐藏的投资和经营风险。
中国电影家协会秘书长饶曙光就对当前电影产业的风险表现出一定的担忧。他指出： “各种、各路资本仍然以百米赛跑的速度进入电影界， 甚至是以不计成本的方式进入电影界。毫无疑问， 任何资本进入电影界都不是来做慈善的， 都是要以各种方式要求回报， 乃至以各种方式进行索取， 貌似现在高速发展的中国电影可以满足他们的要求。” 资本市场永远是发展机遇与风险管控并存。面对不断刷新的电影票房纪录、票房奇迹， 我们更要保持清醒的头脑， 警惕泡沫， 理性看待电影的投资回报率和高风险， 积极主动地防范风险， 做好电影票房预测和风险管控工作。
当前， 国内电影投资收益的来源主要是票房收入， 约占电影投资收益的9成， 版权价值回收方式相对单一。因此， 控制电影的投资风险就主要集中于预测电影的票房。相较于北美电影票房预测研究的发展， 中国的电影票房预测还处在初级阶段， 国内尚没有完善的、标准化的电影票房预测指标体系， 也没有专业可靠的风险评估和管控体系作为支撑， 现有的电影票房估计存在一定误差， 尤其在电影开拍初期对电影票房进行评估和预测一直是电影行业发展面临的难题。部分电影行业公司在票房预测上， 仍由公司内部负责发行的工作人员通过经验进行预测， 结合部分专家意见， 汇总得出票房估测结果。预测数据大多依靠行业工作人员的感性经验， 预测方法较为粗放， 其结果往往差强人意。
此外，电影投资和制作过程本身就包含诸多不确定性因素， 电影市场竞争环境瞬息万变， 所以对电影项目进行风险管理的重要性日益凸显。一个准确有效的电影票房预测模型， 将成为每个影视投资机构的核心资产。
表：电影票房预测及风险管理的重要性
（二）电影票房预测及风险管理的主要内容
电影票房的盈亏与否直接反映了电影的成败， 决定着影片的收益和知名度。一方面， 票房收入分账是国产电影收入的主要来源； 另一方面， 版权价值开发和衍生品市场的赢利也与票房成功与否密切相关。如果能在一部电影筹拍之初， 通过对影响票房的关键因素进行掌控， 锁定票房收入的置信区间， 那么对投资者来说无疑是非常重要的。
对电影票房进行预测和风险管理， 有助于确保电影项目的完成及运营效率的提升， 增加电影项目的成功率， 取得最大化的票房收入。因此， 电影票房预测及风险管理的主要内容涉及影响票房收入的电影产业价值链中所有工作内容。
表：电影票房预测的主要内容
（三）电影票房预测及风险管理的工作流程
目前， 部分国内的影视制作机构、担保公司、保险机构、商业银行结合自身业务实际， 已经开始利用电影票房预测结果， 建设风险控制机制， 希望利用电影票房预测技术， 确保完片质量和水平。它们从各个产业角度， 丰富了电影产品风险测量的维度， 降低了电影产品开发及票房的市场风险。为了创建与风险管理各个专业领域相匹配的风险管理系统， 业内人士投入了大量的人力、物力、财力， 但电影票房预测系统仍是风险管理工作的起点和核心。结合实际和前文所述， 本文通过图形来体现基本的电影票房预测及风险管理工作流程。
参考观研天下发布《2018-2023年中国电影产业市场竞争态势调查与未来发展前景预测报告》
表：电影票房风险管理的主要内容
图：电影票房预测及风险管理工作流程
二、电影票房预测研究的理论回顾
（一）电影票房预测的早期研究
当代西方电影票房研究始于20 世纪80 年代。美国电影经济学家巴瑞李特曼（BarrY LItman） 在其先驱性文章《电影经济成功预测： 基于八十年代人的经验》中， 建立了电影票房预测模型， 因变量是电影的租金收入（主要指票房收入）， 自变量包括创意、发行/ 上映时间、营销三个方面， 其中创意包括知名的想法、起源的国家、MPAA 分级、有名的导演和演员、制作预算、专家评分等变量， 发行包括发行日期、发行模式和市场力量三个变量， 营销包括电影提名获奖等。结果表明电影票房与续集、导演、演员、剧情片、科幻片、制作成本、发行模式、暑期档、专家评分显著相关。李特曼的票房研究模型为以后的电影票房预测提供了基本思路和方法。
20 世纪90 年代， 司各特苏凯（SCOtt SOCHaY） 在《电影成绩预测》一文中提出新的票房预测模型。在李特曼模型基础上， 苏凯将创意分为电影类型、明星、电影分级等变量， 发行分为发行模式、发行公司、发行日期等变量， 市场推广分为专家观点、电影获奖等变量， 同时引进了新变量市场集中度和放映周数， 使电影票房模型预测由静态走向动态。结果表明演员、喜剧片、科幻片、专家评分、圣诞档、暑期档与电影租金收入呈显著正相关关系， MPAA 分级、市场集中度与电影租金收入呈显著负相关关系。可以说， 李特曼和苏凯奠定了电影票房预测发展史的里程碑， 对当今的电影票房预测也具有十分重要的指导意义。
（二）电影票房预测的近期研究
进入21 世纪， 伴随着电影产业的发展， 电影制作和市场推广吸引了大量投资， 市场风险凸显， 对于电影票房预测的研究更加热门。这些票房预测模型基本上都从电影自身因素、市场营销以及独立的第三方评价三个方面入手， 其中影片自身因素包括明星影响力、导演影响力、文化熟悉度、影片类型和电影分级。BYEnGHEE CHanG and EYunＪunG KI 指出明星只对首映周的票房有影响，续集、演员、预算、剧本、MPAAPG、MPAAR、专家评级、观众评级、暑期放映、复活节放映等变量与总票房收入是显著相关的。王铮、胡小莉、李波、尹一伊等学者和专家分别研究了演员、导演、续集、翻拍、上映档期、影片类型、出品国、电影票价、影片预算、制片公司、奖项提名、网络评论、城镇居民人均可支配收入等自变量对电影票房的影响， 指出导演是主要的影响因素，明星和导演的票房效应存在边际递减趋势， 此外续集、评分、票价、档期、影片类型、发行公司、网络评论、获奖均与票房有较显著的相关性。
在实际应用方面， 2012 年1 月， 中影集团联合北京艾亿新融资本管理有限公司共同推出了国内第一套基于电影票房预测和定价的BRP （BOX REｖEnuEPrEdICtIOn） 系统。该系统模型自变量包括电影导演、演员、电影类型、发行地区、制片人、发行公司、制片公司、编剧、档期， 其中电影导演和演员的权重利用他们已取得的历史票房数据加以确定。近年来， 随着大数据的兴起和数据挖掘技术的成熟， 大数据在电影行业的应用引起关注。2013 年， 谷歌发布电影票房预测模型。该模型可用于提前一周和提前一个月对首周票房进行预测， 在其首映前一周票房预测模型中， 自变量包括电影首映前一周的搜索量、电影广告点击数据、院线排片和同系列电影前几部的历史表现； 在其首映前一个月票房预测模型中， 自变量包括电影预告片搜索量、同系列电影前几部的历史表现， 以及档期的季节性特征。谷歌声称提前一周的预测准确率可达92%， 提前一个月的预测准确率可达94%， 但并未见其公开对未上映电影的预测结果。
图：谷歌2012 年票房收入与搜索量曲线
注： 虚线代表票房收入， 实线代表搜索量， 横轴标注月份。
在国内， 百度、腾讯、优酷等互联网企业都在利用其庞大的数据库资源探索性地拓展电影票房预测业务。由华影开发的BRP 票房预测系统相对成熟，在不考虑电影宣发阶段的市场因素的前提下， 从投资角度根据电影项目的先天因素做出票房预估， 对电影票房预测有着积极的指导意义。本文对华影BRP的实际应用效果进行了比较测试。以华影BRP 在国产电影《老炮儿》上映之前对其票房预测的结果为例， 预测实际前三周票房高于2 7 亿元的概率为50%， 预计实际前三周票房高于2 3 亿元的概率为75%， 预计实际前三周票房高于1 7 亿元的概率为95%。但根据艺恩网的电影票房统计数据， 《老炮儿》上映前三周的实际票房已经累计达到8 2 亿元。虽然票房数据进入预测估值区间， 但预测估值下限与实际票房差异超过5 亿元， 体现出目前的大数据技术对电影票房的预测仅能够解释一部分市场情况， 仍需继续修正完善预测模型， 进一步提升准确性和精度。
目前， 大多数电影票房预测模型及影响因素分析， 建立在北美票房预测研究的基础上， 且多针对电影上映后的票房数据进行检验。对于投资机构和个人来说， 无法在投资时获得这些变量， 时效性远不能达到投资决策的要求。尤其对于电影营销来说， 即使能够提前一个月准确地获知即将上映的电影票房， 也很难在短时间内， 调整和改变电影的宣发、营销策略。影视投资者、制片方真正需要的是一个能够提前至少18 个月甚至更久预知投资影片票房的预测模型。
因此， 我们主要结合2015 年的中国电影市场情况， 面向对电影票房进行风险管控的投资人和制片方， 对电影开拍前影响其未来票房的重要因素进行评估和分析， 构建电影票房预测指标体系， 为中国电影票房预测模型的进一步开发和研究， 为电影票房风险控制管理的新发展和新动向， 提供”保驾护航” 的技术手段和范本性的理论参考。
资料来源：观研天下整理，转载请注明出处（ZQ）
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
