아파트 청약경쟁률 예측 및 영향 요인 분석: 머신러닝을 활용한 데이터분석을 중심으로
Prediction of the Competition Rates for Apartment Subscription and Analysis of Influencing Factors: A Data Analytics Approach Using Machine Learning
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
· 연구주제: 청약경쟁률을 예측하기 위한 머신러닝 기반 분석모형 개발· 연구배경: 최근 부동산 시장 불확실성과 PF 대출 리스크 심화로, 주택 수요자의 실제 참여 가능성을 파악하는 청약 수요 예측의 중요성이 커지고 있음. 이에 청약경쟁률 예측모형을 제안하여 주택시장 안정화와 금융 리스크 관리에 기여하고자 함. · 선행연구와의 차이점: 본 연구는 광주광역시를 대상으로 하여 기존 수도권 중심 연구의 한계를 보완하고, 머신러닝 기반 회귀모형을 적용함. 또한 거의 다뤄지지 않았던 청약경쟁률을 예측 대상으로 삼고, 정량 지표 중심의 한계를 보완하기 위해 사회·경제적 요인과 심리·정서적 요인을 함께 고려하였음. · 연구방법: 광주광역시 아파트 청약 데이터를 바탕으로 선형회귀, 릿지회귀, 랜덤포레스트 등 모델의 예측력을 비교하고, RReliefF 알고리즘으로 변수별 영향력을 분석함. · 연구결과: 릿지회귀와 선형회귀모형이 가장 높은 예측력을 보였고, 그래디언트부스팅 또한 비선형 관계를 반영할 수 있음. 주요 영향변수는 특수목적 고등학교 수, 외국인 인구, 삶에 대한 만족감 등이 도출됨. · 공헌점 및 기대효과: 청약경쟁률은 수요자의 실참여를 반영하는 조기경보 지표로써 부동산 PF사업의 부실 위험을 사전에 식별할 수 있음. 본 연구는 금융기관·공공기관·정책 입안자가 주택공급 전략과 금융 안정화 정책을 설계하는 데 활용할 수 있는 실증적 근거를 제시함.
Abstract
· Research topics: Development of a Machine Learning-Based Analytical Model for Predicting Housing Subscription Competition Rates · Research background: Due to increasing uncertainty in the real estate market and the growing complexity of high-risk project financing (PF) loan structures, there is a rising need for predicting housing subscription demand that reflects the participation intentions of actual end-users. Accordingly, this study proposes a machine learning-based model for predicting housing subscription competition rates, focusing on Gwangju Metropolitan City. · Differences from prior research: Prior research has primarily focused on price analysis at the national or capital region level, with few studies specifically predicting housing subscription competition rates, and limited use of machine learning approaches. This study distinguishes itself by developing a predictive model based on regression-based machine learning algorithms, incorporating a wide range of factors—including psycho-emotional and regional socio-economic variables—focusing on Gwangju Metropolitan City. · Research method: Based on apartment subscription data from Gwangju Metropolitan City, this study compares the predictive performance of several models, including Linear Regression, Ridge Regression, and Random Forest, and analyzes the importance of each variable using the RReliefF algorithm. · Research results: Ridge Regression and Linear Regression models demonstrated the highest predictive accuracy, followed by Gradient Boosting, which was able to capture non-linear relationships to a certain extent. Key influential variables identified include the number of specialized high schools, the size of the foreign resident population, and overall life satisfaction. · Contribution points and expected effects: By quantitatively predicting housing subscription competition rates, this study is expected to provide foundational data for local-level housing supply policy planning and real estate project financing (PF) risk management. Furthermore, by integrating socio-economic and psycho-emotional variables, it presents an analytical framework that enables a multidimensional interpretation of housing subscription demand.