【2018新时代·大美中国】新加坡首届中国书画名家作品展
【2018新时代·大美中国】新加坡首届中国书画名家作品展 
文章图片
前言
中新两国的文化有着千丝万缕的联系和渊源。在中国历史上，沿海居民的“下南洋”，和我们今天密切的文化交流，都见证了我们在文化上的认同和缘份。此次展览主要是为了纪念中新建交28周年，以及响应中国提倡的一带一路国策，弘扬中华传统文化，传递中华艺术。
近年来，随着中新文化艺术交流的加强，新加坡民众艺术欣赏水平逐渐提高，对中国传统书画的感悟性也越来越强。回顾中新两国绘画和书法界交流切磋的历史，在弘扬中华艺术中新两国在美术、书法界都做了很多贡献。
此次2018新时代·大美中国 首届新加坡中国书画名家作品展不仅展示中国艺术文化的深厚传统底蕴，同时也展示新时代中国艺术风貌和技法创新，更是进一步加强中新两国文化建设与交流。
活动信息
1. 展览时间
1）展览时间：
2018年06月20日至2018年06月24日
2）拍卖作品展时间：
2018年06月23日上午9:00--12:00
2. 活动安排
第一天：
上午：在北京组织所有艺术家统一安排去新加坡。
下午：安排住宿、组织晚宴
第二天：书画展览开幕式
上午：10:00书画展览开幕式
下午：组织艺术家游玩新加坡博物馆、美术馆
第三天：进行作品预展
上午：组织中新艺术家交流
下午：游玩新加坡景点
第四天：作品拍卖
上午：9:00--12：00 进行作品拍卖
下午：组织联谊活动
第五天：返程回国
展览及拍卖地点：新加坡雅庭假日酒店 
文章图片
往期拍卖现场 
文章图片
去年拍卖现场 
文章图片
展览现场 4. 主办单位
亚轩（东南亚）拍卖有限公司
新加坡美术家总会
北京非遗发展中心
北京燕京书院
Airsanz(S.E.A)Pte Ltd
新加坡中国书画名家作品展组委会
5、承办单位
北京燕京国际文化有限公司
传承人（北京）文化有限公司
东方文明（北京）国际文化有限公司
6、支持单位
新加坡中华总商会
7、画册
出版展览拍卖画册
8、拍卖数据上传雅昌官网，可查询拍卖记录
9、视频
在展览现场又录制个人画展视频VCR，视频长度3至5分钟（画展开幕—专题采访—作品展示—作品拍卖—结束语）
拍卖展览作品征集
参加征集活动对象：
国画家、油画家、书法家
征集时间：
2018年04月04日至06月19日
往期展览
文章图片
文章图片
文章图片
销售与服务
1.为参展艺术家参展作品提供亚轩（东南亚）拍卖服务以及上传雅昌官网拍卖记录。
2.画展开幕当天以及展览期间，我单位邀请新加坡各界知名人士以及商界企业家到场，和众多收藏家、艺术爱好者现场参观。现场出售成交作品需经主办方批准，并对其作品备案记录。主办方按照成交额收取百分之四十的服务费和佣金。
3.与名家一起探讨、学术交流，合影纪念等。
4、颁发荣誉证书，收藏证书，出版展览拍卖图录画册
录制个人VCR
所有参展艺术家，在展览现场接受采访，录制个人VCR，包括与领导合影，展出作品。用于后期艺术家网络宣传，每个VCR时长3-5分钟左右，专业人员拍摄，剪辑制作。
媒体宣传
中国网，人民网，新华网，腾讯新闻，新浪，凤凰，搜狐，央视网，光明网，人民艺术网，新华视点，国际在线，中华网，中国新闻网，人民日报海外网
中国美术家网，雅昌艺术网，中国书画家网，中国艺术网，中国美术大观，中国国家艺术网，中国收藏网，人民美术网，中国拍卖网，中国文化艺术网，中国艺术收藏网，中国财报书画频道，搜狐首页，新浪媒体，网易新闻，腾讯网 今日头条，天天快报，一点资讯，凤凰资讯 环球媒体360艺术资讯，北京时间 UC头条，中国书画名家网，人民艺术家网，书画界网，中国工艺美术网。
视频网站：
人民视频、网易视频、今日头条视频 、腾讯视频、凤凰视频、优酷视频 、搜狐视频、 爱奇艺视频等。
文章图片
特别说明
为了此次新加坡画展及拍卖顺利进行，需要各位艺术家把各自的身份证及护照发给我们组委会统一买票，并安排在新加坡具有良好食宿条件酒店，有特殊情况的请电话与组委会说明。
联系方式
联系人：左老师、李老师
地 址：北京市通州区瑞都国际北区5号楼702
电 话：13910555093，13621362399
【【2018新时代·大美中国】新加坡首届中国书画名家作品展】邮 箱：1507735434@qq.com
新加坡美景
文章图片
文章图片
文章图片
文章图片
文章图片
推荐阅读
- 2018-08-09
- 既然你心里已经有了答案，为什么还要跑来问我
- 合肥梵易瑜伽是所有爱美和优雅气质的发源地
- 睡前小语
- 麦克斯?埃森巴德与李娜的商业之路
- 【必知必会】手把手教你配置MySQL环境变量——图文详解
- 让我们优雅的持续部署开发SpringBoot-Jenkins【超级详细的实战教程】
- Centos7安装dokcer
- 【0928晨读感悟】系统化生活学习，远离碌碌无为
- 【深度学习】——损失函数（均方差损失和交叉熵损失）