데이터마이닝을 이용한 부동산펀드 위험 특성 분석
Analytics Using Data Mining for Forecasting the Risk Characteristics of Real Estate Funds
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 국내외 부동산펀드 상품군의 위험 특성을 분석하였다. 위험특성 분석으로 데이터마이닝을 통한 분류분석을 실시하였다. 분류분석을 통한 위험특성 예측을 통해 자산운용사 및 판매사의 상품기획 및 자산운용 담당자들에게 국내외 부동산펀드 투자상품 및 투자항목 선택 기준을 제시하였다. 이를 통해 위험을 최소화하고 수익성을 제고 시키고자 하는데 주된 연구의 목적을 두었다. 국내외 부동산펀드 판매결과에 대한 분류분석은 402개의 자산관리회사 성과 데이터를 원데이터(2014.12~2017.11)로 활용한 데이터마트로 분석을 실시하였다. 분류분석 결과 위험에 영향을 미치는 변수의 중요도를 확인하였다. 분류분석 결과 정분류율은 의사결정나무모형(C5.0)의 97.76%로 가장 높게 분석되었다. 부동산펀드 투자의 고위험(1)을 예측하는 중요한 독립변수는 1개월수익률(1MR), 6개월수익률(6MR), 기준가격(OP), 1yr(1년수익률) 순으로 위험을 설명하는 변수의 중요도가 높은 것으로 나타났다.
Abstract
This study was carried out with the intent to help institutional investors and the staff of investment companies to select investment goods on the basis of the results of forecasting and analyzing the risk characteristics of domestic and foreign real estate funds (REFs) through classification analysis, thereby minimizing risk and maximizing profitability. The data used for the valuation analysis and classification analysis of REF risk consisted of data on 402 asset management companies' performance in domestic and overseas REF investment products. Data mining was used to classify and analyze the risk characteristics of REFs. As a result of the predictive analysis of investment values based on the classification analysis of data mining, the classification accuracy of the predictive analysis was found to be 97.76%, showing a high classification rate. Therefore, it is expected that the results of analysis using the decision tree model (C5.0) will offer standards for the development and sale of domestic and overseas REF products to the persons in charge of product planning and asset management in asset management companies and product sale companies.
참고문헌 (27)
- 김경민, "국민연금 기금운용을 통한 대체투자로서 부동산투자 특성에 관한 연구 - 빅데이터 R 프로그래밍을 활용한 실증분석을 중심으로 -", 부동산학보, (66), pp.46~58 (2016), 한국부동산학회
- 김나영, "나무구조의 분류분석에서 변수 중요도에 대한 고찰", 응용통계연구, 27(5), pp.717~729 (2014), 한국통계학회
- 김병준, "미국 REITS시장과 주식시장 수익률간의 상호 영향력 검정", 부동산학보, (66), pp.103~115 (2016), 한국부동산학회
- 김영곤, "부동산금융과 투자" (2014), 부연사
- 김홍년, "글로벌 리츠시장 현황 및 리츠산업의 활성화 필요성", 리츠저널, 16 (2015)
- 남연우, "부동산펀드 성과 영향요인 분석", 부동산학보, (62), pp.77~91 (2015), 한국부동산학회
- 부동산 간접투자시장의 특징과 시사점, "박덕배", 현대경제연구원, ~, pp.VIP REPORT(15-7호) (2015)
- 박창이, "R을 이용한 데이터마이닝" (2015), 교우사
- 방경식, "부동산학총론" (2016), 부연사
- 여수진, "리츠 수익률의 결정요인에 관한 연구", 대한부동산학회지, 32(1) (2014)
- 이병훈, "회귀분석을 통한 부동산투자회사(REITs) 오피스빌딩의 수익률 영향요인 분석", 대한건축학회논문집 계획계, 27(09), pp.293~300 (2011), 대한건축학회
- 이안위튼, "데이터마이닝(기계학습의 이론과 응용)" (2013), 에이콘
- 이재길, "R프로그램에 기반한 다변량분석 및 데이터마이닝" (2016), 황소걸음아카데미
- 이치주, "리츠와 건설경기, 부동산경기, 주식시장과의 관계 분석", 한국건설관리학회 논문집, 11(5), pp.41~52 (2010), 한국건설관리학회
- 전해정, "자산가격결정이론에 기반한 주택가격결정요인 분석에 관한 연구 : VECM을 이용하여", 부동산학보, (52), pp.241~255 (2013), 한국부동산학회
- 조재영, "프로젝트 금융의 안정성 확보 방안에 관한 연구", 부동산학보, (64), pp.268~280 (2016), 한국부동산학회
- 조현민, "한국 부동산시장 및 자본시장과 부동산투자회사(REITs) 간의 연관성 분석", 국토연구, 71, pp.69~86 (2011), 국토연구원[DOI]
- 최차순, "REITs 수익률의 ARIMA Model 설정에 관한 연구", 부동산학보, (58), pp.291~302 (2014), 한국부동산학회
- 최효비, "은퇴계층의 부동산자산 운용에 관한 결정요인 분석", 부동산학보, (65), pp.146~160 (2016), 한국부동산학회
- 캐빈머피, "머신러닝(Merchine Learning)" (2015), 에이콘
- 홍아름, "데이터 마이닝을 이용한 서울시 오피스빌딩 투자특성예측에 관한 연구", 서울도시연구, 11(2), pp.51~68 (2010), 서울연구원
- Christopher Grandrud, "Reproducible Research with R and RStudio" (2015), CRC Press
- David. Enke, "The use of data Mining and neural networks for forcasting stock market returns", Expert Systems with Aplication, 29 (2005)
- "Fn-Guide"[URL]
- K.C.Tseng, "Forecasting Financial Stocks Using Data Mining", pp.2010
- Tilo Wendler, "Data Mining with SPSS Modeler", ~ (2016)
- "금융투자협회"[URL]