거시경제변수가 지역 별 아파트 전세가격에 미치는 영향 및 예측모델 구축에 관한 연구
A Study on the Effect of Macroeconomic Variables on Apartment Rental Housing Prices by Region and the Establishment of Prediction Model
0
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
본 연구는 거시경제변수인 전산업생산지수, 소비자물가지수, CD금리, KOSPI지수가 전국, 서울, 광역, 지역으로 구분된 아파트 전세가격에 미치는 영향을 파악하고 LSTM(Long Short Term Memory)을 활용하여 지역별 아파트 전세가격의 방법론적 예측모형을 제시하고자 하였다. VAR분석결과에 따르면 Lag1, 2에서 전국 아파트 전세가격지수와 소비자물가지수는 전국 아파트 전세가격에 유의미한 영향을 주는 것으로 나타났고, 마찬가지로 Lag1,2에서 서울 아파트 전세가격지수와 소비자물가지수, CD금리는 서울 아파트 전세가격에 영향을 주는 것으로 나타났다. 또한, 광역 아파트 전세가격은 Lag1에서 광역 아파트 전세가격지수, 소비자물가지수가 유의미한 영향을 보였으며 지역 아파트 전세가격은 Lag1에서 지역 아파트 전세가격지수, 소비자물가지수가 유의미한 영향을 나타냄을 확인하였다. LSTM예측모델 구축 결과, 지역 아파트 전세가격 예측모델의 RMSE 0.008, MAE 0.006, R-Suared값은 0.999로 예측력이 가장 높았다. 향후, 주요 정책변수들을 포함하여 딥러닝 기반의 발전된 모형을 적용한다면 더욱 의미 있는 결과를 얻을 수 있을 것으로 기대된다.
Abstract
This study attempted to identify the effects of macroeconomic variables such as the All Industry Production Index, Consumer Price Index, CD Interest Rate, and KOSPI on apartment lease prices divided into nationwide, Seoul, metropolitan, and region, and to present a methodological prediction model of apartment lease prices by region using Long Short Term Memory (LSTM).According to VAR analysis results, the nationwide apartment lease price index and consumer price index in Lag1 and 2 had a significant effect on the nationwide apartment lease price, and likewise, the Seoul apartment lease price index, the consumer price index, and the CD interest rate in Lag1 and 2 affect the apartment lease price in Seoul. In addition, it was confirmed that the wide-area apartment jeonse price index and the consumer price index had a significant effect on Lag1, and the local apartment jeonse price index and the consumer price index had a significant effect on Lag1. As a result of the establishment of the LSTM prediction model, the predictive power was the highest with RMSE 0.008, MAE 0.006, and R-Suared values of 0.999 for the local apartment lease price prediction model. In the future, it is expected that more meaningful results can be obtained by applying an advanced model based on deep learning, including major policy variables
참고문헌 (13)
- 부동산시장조사분석, "국토연구원 부동산시장연구센터", 38~ (2022)
- 금기조, "KOSPI지수와 금융변수가 주택매매가격과 전세가격에 미치는 영향 분석", 부동산학보, (60), pp.182~195 (2015), 한국부동산학회
- JongSunKim, "A Study on the the Coupling Effect and Volatility Spillover Effect from Mortgage Loan Rate to Housing Sales Prices & Rental Prices in Seoul", 무역보험연구, 22(6), pp.101~116 (2021), 한국무역보험학회[DOI]
- 김진유, "신문기사가 부동산가격변동에 미치는 영향- ‘투기’가 포함된 신문기사와 주택가격간의 그랜저인과관계분석을 중심으로 -", 주택연구, 14(2), pp.39~63 (2006), 한국주택학회
- 김현우, "주택 전세가격과 거시경제변수간의 관계 연구", 한국건설관리학회 논문집, 13(2), pp.128~136 (2012), 한국건설관리학회
- Gyu Hyeon Moon, "The Effects from Interest Rates to Korean House Markets", 금융공학연구, 18(1), pp.1~20 (2019), 한국금융공학회[DOI]
- 박노진, "부동산 매매지수와 전세지수 예측: 독립성분분석을 활용한 분석", 응용통계연구, 30(2), pp.271~280 (2017), 한국통계학회
- Lee Keun Yeong, "Interest Rates and Housing Prices", 경제학연구, 64(4), pp.45~82 (2016), 한국경제학회[DOI]
- 이종민, "뉴스 빅데이터를 이용한 전세 가격 예측 - 토픽모형 분석을 중심으로 -", 부동산학보, (69), pp.43~57 (2017), 한국부동산학회
- 이희석, "거시경제변수가 주택매매 및 전세지수에 미치는 영향에 관한 연구", 박사, 재무관리, pp.2007
- Chun Hae-Jung, "An Analysis on the Dynamic Correlation between Chonsei Prices and Housing Prices Considering the Macroeconomic Variables", 서울도시연구, 13(3), pp.99~114 (2012), 서울연구원[DOI]
- 조보근, "기계학습 알고리즘을 활용한 지역 별 아파트 실거래가격지수 예측모델 비교: LIME 해석력 검증", 정보시스템연구, 29(3), pp.119~144 (2020), 한국정보시스템학회
- 거시경제의 구조적 충격이 주택시장에 미치는 영향, "차경수", 국회예산정책처, ~ (2019)