В стремлении к большей ясности и прозрачности в ценообразовании на бриллианты OpenFacet провела тщательное внутреннее исследование, чтобы определить, может ли алгоритмическая логика, в частности процентные корректировки по эмпирическим правилам (ROT), повысить точность нашей базовой модели ценообразования. Наша цель всегда заключалась в том, чтобы предоставить наиболее достоверный снимок реальных цен розничного рынка на бриллианты с полной объективностью и прослеживаемостью.

Этот пост в блоге документирует методологию и обоснование нашего изучения расчетов по эмпирическим правилам, объясняя, почему после тщательного анализа мы решили строго полагаться на фактические данные, собранные с розничных платформ, без внедрения искусственных правил или диапазонов корректировки.

Гипотеза: Может ли ROT сгладить и скорректировать данные о розничных ценах?

Изначальная предпосылка исследования была проста: если розничный рынок содержит шум, ошибки или пробелы в доступности, возможно, хорошо изученный набор эмпирических правил (например, «падение от VS1 до VS2 обычно составляет ~12%») можно использовать для сглаживания эталона и устранения аномалий. Команда рассматривала ROT как средство защиты для автоматической корректировки или интерполяции цен, когда розничные данные были скудными или непоследовательными.

Пошагово: Как проводилось исследование

1. Анализ парного соответствия: Мы начали с расчета фактических ценовых различий между соседними градациями чистоты (например, VVS1 и VVS2) и цветности (например, E и F) для различных размеров карата с использованием проверенных данных. Например, мы построили графики процентных различий в ценах между переходами чистоты для размеров от 0,3 до 5,0 карата, четко наблюдая, как эти различия изменяются в зависимости от размера карата.

   Ссылка на источник анализа исследования

2. Матрицы ROT для чистоты и цвета: На основе файла ценообразования круглых бриллиантов (RB) мы создали таблицы среднего, минимального и максимального процентного снижения между градациями чистоты и цвета. Они были структурированы для поддержки как фиксированных, так и диапазонных ROT. Мы также визуализировали это с помощью столбчатых диаграмм, иллюстрирующих изменчивость процентных снижений по градациям и размерам.

   Ссылка на источник анализа исследования

3. Валидация по сравнению с реальными данными: Для проверки ROT мы сравнили их составные прогнозы (например, цену от D/IF до E/VVS1) с фактическими ценами, полученными из данных Round для различных размеров (1 карат, 2 карата, 3 карата, 5 карат). Во многих случаях ROT близко соответствовали наблюдаемым данным (в пределах 2-5%). Эти сравнения были нанесены на графики, чтобы показать отклонение между прогнозируемыми ROT и реальными значениями.

   Ссылка на источник анализа исследования

4. Расширение на огранку кушон: Мы повторили исследование, используя отдельный набор данных для бриллиантов с модифицированной огранкой кушон (CMB). Учитывая, что CMB стабильно оцениваются ниже, чем Round, мы сравнили цены CMB и RB и рассчитали процентные скидки для каждой ячейки. Диапазон ROT для скидки был выведен и нанесен на графики по размерам карата, показывая последовательные нисходящие отклонения от −20% до более чем −45%, особенно в размерах от 1 до 3 карат.

   Ссылка на источник анализа исследования

5. Проблема интеграции: Хотя многие значения ROT хорошо соответствовали наблюдаемым тенденциям, пробелы в розничном покрытии, непоследовательное ценовое поведение в менее ликвидных категориях и риски чрезмерной корректировки привели нас к ключевому вопросу: Должна ли какая-либо формула переопределять реальное рыночное ценообразование?

Окончательное решение команды: Доверять данным, а не короткому пути.

После анализа тысяч точек данных и обширных внутренних обсуждений команда OpenFacet пришла к выводу, что лучший путь вперед — доверять данным такими, какие они есть, без навязывания правил, которые могут устареть или не соответствовать рыночному поведению.

Хотя ROT предлагали ценность как концепция, мы заметили, что даже хорошо спроектированная система ROT может скрывать реальные колебания спроса и предложения и подрывать нашу приверженность прозрачности. Миссия OpenFacet не в том, чтобы подгонять рынок под модель, а в том, чтобы раскрывать рынок таким, каким он является.

В тех случаях, когда данные скудны или недоступны, команда заняла твердую позицию расширить и интенсифицировать сбор розничных данных, а не полагаться на экстраполяции, основанные на ROT. Мы считаем, что расширение покрытия реальных данных — это более принципиальное и устойчивое решение.

Что это значит для пользователей

Наши эталонные цены отражают чистую агрегацию лучших доступных публичных розничных цен, отфильтрованных через наш алгоритм, ориентированный на раскрытие информации. Без ручной настройки. Без встроенных предположений. Без искусственного сглаживания.

Пользователи могут быть уверены, что ценообразование OpenFacet:

• Подкреплено реальными, наблюдаемыми рыночными листингами
• Постоянно обновляется
• Свободно от коммерческих или модельных предубеждений

Заключение

В отрасли, долгое время страдавшей от непрозрачности и субъективности, OpenFacet выбирает более сложный путь: полагаться исключительно на данные рынка в реальном времени, несмотря на их фрагментацию или несовершенство. Избегая искусственных корректировок, мы сохраняем как целостность, так и достоверность нашей модели ценообразования.

Как всегда, мы открыты для эволюции. Если будущие достижения в области науки о данных позволят проводить корректировки, учитывающие риски и статистически обоснованные, мы пересмотрим подход. На данный момент истина заключается в самих данных.