아파트 매매가 추이 예측에 관한 연구 : 정부 정책, 경제, 수요⋅공급 속성을 중심으로
A Study on the Forecasting Trend of Apartment Prices: Focusing on Government Policy, Economy, Supply and Demand Characteristics
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
한국 자산 시장에서 부동산이 가지는 영향력에도 불구하고 시장 추이 예측은 쉽지 않으며, 그중 아파트는 주거 공간인 동시에 투자 속성을 내포하고 있어 더욱 예측이 쉽지 않다. 아파트 가격에 영향을 주는 요인은다양하며 지역적 특성 또한 고려되어야 한다. 본 연구는 서울시 전체, 강남 3구, 노원, 도봉, 강북, 금천, 관악, 구로구의 아파트 매매가에 영향을 미치는 요인과 특성을 비교하고 이를 기반으로 가격 예측의 가능성을 파악하기 위해 수행되었다. 분석에는 신경망, CHAID, 선형회귀, 랜덤포레스트 등 머신러닝 알고리즘이사용되었다. 서울시 전체 아파트 평균 매매가에 가장 중요한 영향을 미치는 요소는 정부 정책 요소였으며, 거래규제 완화, 금융규제 완화 등의 완화 정책이 영향력이 높게 도출되었다. 강남 3구의 경우 정책의 영향력이낮은 것으로 파악되었으며 강남구의 경우 주택 공급량이 가장 중요한 요인이었다. 반면 6개의 중⋅하위 구들은 정부 정책이 중요 변수로 작용하였으며 공통적으로 금융규제 정책이 영향을 끼치는 요인이었다.
Abstract
Despite the influence of real estate in the Korean asset market, it is not easy to predict market trends, and among them, apartments are not easy to predict because they are both residential spaces and contain investment properties. Factors affecting apartment prices vary and regional characteristics should also be considered. This study was conducted to compare the factors and characteristics that affect apartment prices in Seoul as a whole, 3 Gangnam districts, Nowon, Dobong, Gangbuk, Geumcheon, Gwanak and Guro districts and to understand the possibility of price prediction based on this. The analysis used machine learning algorithms such as neural networks, CHAID, linear regression, and random forests. The most important factor affecting the average selling price of all apartments in Seoul was the government’s policy element, and easing policies such as easing transaction regulations and easing financial regulations were highly influential. In the case of the three Gangnam districts, the policy influence was low, and in the case of Gangnam-gu District, housing supply was the most important factor. On the other hand, 6 mid-lower-level districts saw government policies act as important variables and were commonly influenced by financial regulatory policies.
참고문헌 (22)
- 김성훈, "아파트 매매가격 예측에 관한 연구: 경기도 S시 아파트 기본속성과 경제⋅교육⋅문화⋅교통 속성을 중심으로", 한국빅데이터학회 학회지, 5(1), pp.109~124 (2020), 사)한국빅데이터학회[DOI]
- 배성완, "기계 학습을 이용한 공동주택 가격 추정: 서울 강남구를 사례로", 부동산학연구, 24(1), pp.69~85 (2018), 한국부동산분석학회[DOI]
- 이재황, "주택가격 결정요인, 부동산 정책효과, 주택시장 우월적지위의 파급효과 연구 : 서울 아파트 중심으로", 박사, 경제금융, pp.2011
- 장완규, "부동산 거래의 새로운 변화 - 부동산 전자계약시스템이 앞으로 나아갈 방향 -", 집합건물법학, 34, pp.71~99 (2020), 한국집합건물법학회
- 이상영, "프롭테크 유형 분류와 발전 전망", 동향과 전망, (110), pp.191~224 (2020), 한국사회과학연구회
- 서종희, "4차 산업혁명시대 인공지능형 로봇에 의한 부동산 거래 패러다임의 변화 -변화에 대한 준비와 함께-", 일감부동산법학, (15), pp.27~50 (2017), 법학연구소[DOI]
- 전재범, "프롭테크와 부동산의 가치", 감정평가학논집, 19(1), pp.1~2 (2020)
- 문석영, "한국의 프롭테크 활성화 방안", 석사, pp.2020
- 이석원, "거시경제요인이 아파트가격 변동에 미치는 영향 연구 -의사결정나무 방법론을 이용하여-", 부동산학보, (70), pp.28~41 (2017), 한국부동산학회
- 이현승, "부동산공급정책이 주택가격에 미치는 영향", 석사, pp.2020
- 손정식, "부동산가격 예측모형에 관한 연구", 주택연구, 11(1), pp.49~75 (2003), 한국주택학회
- 정원구, "인공신경망을 이용한 공동주택 가격지수 예측에 관한 연구*- 서울지역을 중심으로-", 주택연구, 15(3), pp.39~64 (2007), 한국주택학회
- 이태형, "인공신경망을 활용한 주택가격지수예측에 관한 연구", 박사, pp.2019
- 이현승, "부동산공급정책이 주택가격에 미치는 영향", 석사, pp.2020
- P. Barrett, "A Review of ‘Statistical Models:Theory and Practice’: D. A. Freedman", pp.424~ (2005), Cambridge University Press
- J. V. Ryzin, "Classification and Regression Trees", Journal of the American Statistical Association, 81(393), pp.253~ (1986)
- P. Wang, "Mechanical Property Prediction of Strip Model Based on PSO-BP Neural Network", Journal of Iron and Steel Research International, 15(3), pp.87~91 (2008)
- Dong, Kuiyong, "Yarn Property Prediction Models Based on BP Neural Network", 東華大學學報. 自然科學版, 31(2), pp.88~92 (2005)
- L. Lin, "Random forests-based extreme learning machine ensemble for multi-regime time series prediction", Expert Systems with Applications, 83, pp.164~176 (2017)
- S. Adnan Diwan, "Proposed study on evaluating and forecasting the resident property value based on specific determinants by case base reasoning and artificial neural network approach", Indonesian Journal of Electrical Engineering and Computer Science, 17(3), pp.1467~ (2020)
- A. Tsymbal, "Diversity in search strategies for ensemble feature selection", Information Fusion, 6(1), pp.83~98 (2005)
- T. Speed, "Statistical Models: Theory and Practice, Revised Edition by David A. Freedman", International Statistical Review, 78(3), pp.457~458 (2010)