기계학습 방법론을 활용한 아파트 매매가격지수 연구
A Study on Apartment Sales Price Index Using Machine Learning Methodology
1
조회
0
다운로드
5
인용
0
참고문헌
키워드
초록
본 연구는 기계학습 방법론을 통한 새로운 주택가격지수 산출 방법을 제안한다. 기존 연구에서 우수성이 입증된 랜덤포레스트와 인공신경망 방법론을 적용하였다. 훈련 과정에는 주택 실거래 자료와 개별 주택 정보를 매칭하여 사용하였다. 연구 결과, 기계학습 방법론을 사용하는 주택가격 추정모형은 헤도닉 방법론에 비해 설명력과 추정성과 측면에서 보다 우수한 것으로 나타났으며, 이 중 랜덤포레스트 방법론에 기초한 주택가격 추정모형의 설명력과 성과가 가장 우수했다. 또한, 기계학습방법론을 활용한 주택가격 추정모형을 기반으로 작성된 주택매매가격지수는 변동성이 커지는 가격 상승 시점에서 기존 지수에 비해 더 큰 변동성을 가지는 것으로 확인되었다. 기존 지수가 평활의 문제를 갖고 있다는 한계에 비추어 볼 때 이는 기계학습 방법론은 활용한 새로운 추정 지수가 시장 흐름을 보다 잘 반영하는 하나의 대안이 될 수 있음을 시사한다.
Abstract
This study proposes to calculate new housing price indices through machine learning techniques. Our research is conducted focusing on the random forest and artificial neural network methodologies that proved excellence in existing real estate studies. We use micro-level real estate transaction data and housing characteristics information to train our models. As a result, the forecasting powers of the machine learning based models are found to be much superior interms of explanatory powers and estimation performances compared to the hedonic methodologybased model. And the random forest model shows the best explanatory power and performance. Our results show that the housing price indices based on the machine learning models have greater volatility than currently used indices at the time of the housing price increase. Considering the limitation that the existing indices have a smoothing problem, our results can be interpreted that the new machine learning based indices reflect the market trend successfully.
참고문헌 (44)
- 강승우, "서울시 아파트 전매 프리미엄 결정요인에 관한 연구", 부동산·도시연구, 10(1), pp.121~144 (2017), 부동산도시연구원[DOI]
- 금상수, "천안시 아파트시장의 특징과 가격형성요인", 감정평가학논집, 13(2), pp.31~41 (2014), 한국감정평가학회
- 김명준, "주택가격지수 산정 : 서울 아파트 실거래가격을 이용한실증연구", 금융경제연구, 348, pp.1~68 (2008)
- 김형준, "주택담보대출의 조기상환행태 분석: 안심전환대출 출시 이후의 이상현상을 중심으로", 경영학연구, 47(4), pp.865~887 (2018), 한국경영학회[DOI]
- 류두진, "주택연금 유동화증권에 관한 연구: 구조설계 및 예상현금흐름 분석을 중심으로", 한국증권학회지, 47(2), pp.327~347 (2018), 한국증권학회[DOI]
- 김형준, "기업부도예측과 기계학습", 金融工學硏究, 18(3), pp.131~152 (2019), 한국금융공학회[DOI]
- "네이버" (2022)[URL]
- 부동산시장과 부동산 조세정책과제, "노영훈", 한국조세재정연구원, ~ (2007)
- 류강민, "S&P", Case-Shiller 반복매매모형을 이용한 주택가격지수 산정에 관한 연구, 2010, pp.18(2), 183~204[DOI]
- 박대현, "기계학습 기반 주택시장의 조기경보체계", 부동산분석, 7(1), pp.29~45 (2021), 한국부동산원
- 배상영, "도시철도 교통서비스가 주택가격에 미치는 영향", 부동산학연구, 24(3), pp.85~98 (2018), 한국부동산분석학회[DOI]
- 배성완, "기계 학습을 이용한 공동주택 가격 추정: 서울 강남구를 사례로", 부동산학연구, 24(1), pp.69~85 (2018), 한국부동산분석학회[DOI]
- 배성완, "머신 러닝 방법과 시계열 분석 모형을 이용한 부동산 가격지수 예측", 주택연구, 26(1), pp.107~133 (2018), 한국주택학회[DOI]
- 배성완, "표본 주택 가격 기반 부동산 가격지수 산정: 머신 러닝 방법의 활용을 중심으로", 주택연구, 26(4), pp.53~74 (2018), 한국주택학회[DOI]
- 송영선, "아파트 하위시장 실거래가 지수 산정방식 비교 연구", 부동산분석, 6(3), pp.1~19 (2020), 한국부동산원
- 2021 보통사람 금융생활 보고서, "신한은행", 신한은행, ~ (2021)
- 이번송, "아파트 단지특성이 아파트 가격에 미치는 영향 분석", 국제경제연구, 8(2), pp.21~45 (2002), 한국국제경제학회
- 이옥자, "부산지역의 아파트가격 결정요인에 관한 연구 - 동·서쪽을 중심으로 -", 주거환경, 13(2), pp.53~66 (2015), 한국주거환경학회
- 이용만, "국민은행 주택가격지수의 평활화 현상에 관한 연구", 주택연구, 16(4), pp.27~47 (2008), 한국주택학회
- 이창로, "비모수 공간모형과 앙상블 학습에기초한 단독주택가격 추정", 박사, pp.2015
- 이창무, "반복매매모형을 이용한 아파트 실거래지수 운영특성 분석", 부동산학연구, 13(2), pp.21~40 (2007), 한국부동산분석학회
- 윤병우, "교육환경과 아파트 전세가격간의 관계 분석", 부동산학보, (47), pp.23~38 (2011), 한국부동산학회
- 이형욱, "서울시 주택가격지수의 모형별 예측력 비교 분석", 부동산학보, (38), pp.215~235 (2009), 한국부동산학회
- 정성훈, "머신 러닝 방법을 이용한 오피스 임대료 산정 -랜덤 포레스트, 인공 신경망, 서포트 벡터 머신 활용을 중심으로-", 부동산학연구, 26(2), pp.23~53 (2020), 한국부동산분석학회[DOI]
- 최한종, "문재인 정부 들어 서울 아파트값93%↑…17% 올랐다는 정부 통계는 거짓", 한국경제신문, ~ (2021)
- 하유정, "교육환경이 아파트 가격에 미치는 영향 -부산시를 중심으로-", 부동산·도시연구, 13(1), pp.47~61 (2020), 부동산도시연구원[DOI]
- 전국주택가격동향조사 통계정보 보고서, "한국감정원", 한국감정원, ~ (2017)
- 한다솜, "우이신설선 건설이 주변아파트 가격에 미치는 영향에 관한 연구", 한국지역개발학회 학술대회, pp.792~819 (2018)
- 홍정의, "랜덤 포레스트 알고리즘을 통한 주택 대량평가모형 연구", 부동산분석, 7(1), pp.1~28 (2021), 한국부동산원
- 홍정의, "서울 아파트 가격은 거품인가?", 부동산분석, 8(1), pp.1~21 (2022), 한국부동산원
- Breiman, L., "Random forest", Machine Learning, 45(1), pp.5~32 (2001)[DOI]
- Case, K. E., "Prices of single-family homes since 1970: New indexes for four cities", New England Economic Review, pp.45~56 (1987)[DOI]
- Case, K. E., "The efficiency of the market for single family homes", American Economic Review, 79(1), pp.125~137 (1989)
- Čeh, M., "Estimating the performance of random forest versus multiple regression for predicting prices of the apartments", ISPRS International Journal of Geo-Information, 7(5), pp.168~ (2018)
- Hong, J., "A house price valuation based on the random forest approach : The mass appraisal of residential property in South Korea", International Journal of Strategic Property Management, 24(3), pp.140~152 (2020)
- James, G., "An Introduction to Statistical Learning: With Applications in R" (2013), Springer
- "KB주택가격동향" (2022)[URL]
- Kim, H., "Forecasting consumer credit recovery failure : Classification approaches", Journal of Credit Risk, 17(3), pp.117~140 (2020)
- Kim, H., "Predicting corporate defaults using machine learning with geometric-lag variables", Investment Analysts Journal, 50(3), pp.161~175 (2021)
- Kim, H., "Corporate bankruptcy prediction using machine learning methodologies with a focus on sequential data", Computational Economics, 59(3), pp.1231~1249 (2022)
- Park, D., "A machine learning-based early warning system for the housing and stock markets", IEEE Access, 9, pp.85566~85572 (2021)
- Rosenblatt, F., "The perceptron: A probabilistic model for information storage and organization in the brain", Psychological Review, 65(6), pp.386~408 (1958)[DOI]
- Rumelhart, D. E., "Learning representations by back-propagating errors", Nature, 323(6088), pp.533~536 (1986)[DOI]
- Zur, R. M., "Noise injection for training artificial neural networks: A comparison with weight decay and early stopping", Medical Physics, 36(10), pp.4810~4818 (2009)[DOI]