为了追求钻石定价的更大透明度和清晰度，OpenFacet进行了一项严格的内部研究，以检验算法逻辑，特别是基于经验法则（ROT）的百分比调整，是否能提高我们基准定价模型的准确性。我们的目标始终是提供钻石真实零售市场价格的最可靠快照，并以完全的客观性和可追溯性实现这一目标。

这篇博客文章记录了我们探索经验法则计算的方法和基本原理，解释了为什么在经过仔细分析后，我们选择严格依赖从零售平台收集的实际数据，而不引入人工规则或校正范围。

假设：ROT能否平滑和校正零售价格数据？

研究的初始前提很简单：如果零售市场存在噪声、错误或可用性差距，或许一套经过充分研究的ROT（例如，“从VS1到VS2通常下降约12%”）可以用来平滑基准并填补异常值。团队将ROT视为一种安全措施，用于在零售数据稀疏或不一致时自动校正或插值价格。

研究步骤

1. 相邻对分析：我们使用经过验证的数据，计算了不同净度等级（例如，VVS1到VVS2）和颜色等级（例如，E到F）之间的实际价格差异，覆盖多种克拉大小。例如，我们绘制了0.3克拉到5.0克拉的净度转换价格差异百分比，清晰地观察到这些差异如何随克拉大小变化。

   研究分析来源链接

2. 净度和颜色ROT矩阵：从圆形明亮（RB）定价文件中，我们生成了净度和颜色等级之间平均、最小和最大百分比下降的表格。这些表格被结构化以支持固定和基于范围的ROT。我们还通过柱状图可视化了这些数据，展示了按等级和大小的百分比下降的变异性。

   研究分析来源链接

3. 与真实数据的验证：为了测试ROT，我们将其复合预测（例如，从D/IF到E/VVS1的价格）与从不同大小（1克拉、2克拉、3克拉、5克拉）的圆形数据中检索的实际价格进行了比较。在许多情况下，ROT与观察到的数据密切一致（在2-5%范围内）。这些比较被绘制成图表，以显示ROT预测值与实际值之间的偏差。

   研究分析来源链接

4. 垫形切割扩展：我们使用垫形改良明亮（CMB）钻石的单独数据集重复了研究。鉴于CMB的价格始终低于圆形钻石，我们比较了CMB与RB的价格，并计算了每个单元的折扣百分比。推导出了折扣的ROT范围，并按克拉大小绘制图表，显示出特别是在1克拉到3克拉之间的−20%到超过−45%的持续向下偏差。

   研究分析来源链接

5. 整合挑战：虽然许多ROT值与观察到的趋势相符，但零售覆盖的差距、流动性较低类别的不一致定价行为以及过度校正的风险让我们提出了一个关键问题：任何公式都应该覆盖真实世界的定价吗？

团队最终决定：信任数据，而非捷径

在分析了数千个数据点并进行了广泛的内部讨论后，OpenFacet团队得出结论，最佳的前进道路是相信数据本身，而不强制执行可能过时或与市场行为不一致的规则。

尽管ROT作为一种概念提供了价值，但我们观察到，即使是设计良好的ROT系统也可能掩盖真实的供需波动，并可能削弱我们对透明度的承诺。OpenFacet的使命不是将市场适应模型，而是揭示市场的真实行为。

在数据稀疏或不可用的地方，团队采取了坚定的立场，通过扩大和加深零售数据收集的范围，而不是依赖基于ROT的推断。我们相信，扩大真实数据的覆盖范围是更原则性和可持续的解决方案。

对用户的意义

我们的基准价格反映了最佳可用公共零售价格的纯聚合，通过我们以披露为导向的算法进行过滤。没有手动调整。没有嵌入的假设。没有人工平滑。

用户可以放心，OpenFacet的定价：

• 由真实的、可观察的市场清单支持
• 持续更新
• 不受商业或模型偏见的影响

结论

在一个长期受到不透明和主观性困扰的行业中，OpenFacet选择了更艰难的道路：仅依赖实时市场数据，无论其分散或不完美。通过避免人工校正，我们保持了定价模型的完整性和可信度。

一如既往，我们对发展保持开放。如果未来数据科学的进步能够实现风险感知、统计上合理的校正，我们将重新评估。目前，真相存在于数据本身。