머신러닝과 패널고정효과를 활용한 아파트 실거래가 예측
Predicting the Apartment Transaction Price by Using Machine Learning Methods and the Fixed Effects Model
1
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
정확한 주택가격 예측은 주택 구매를 희망하는 사람과 주택 소유자뿐만 아니라 금융기관, 정부 등 모든 부동산 시장 참여자에게 매우 중요한 문제이다. 본 연구는 마이크로데이터를 활용한 주택가격 예측 분석 모형의 성과를 평가하기 위해, 머신러닝 기법과 패널고정효과의 예측력을 비교하였다. 본 연구는 아파트 단지 단위의 패널 자료를 이용하여 거시경제변수와 정책변수 뿐만 아니라 기존 시계열 모형에서 고려하지 못한 주택의 특성을 예측에 활용한다. 2006년 1월부터 2020년 7월까지 서울시의 아파트 실거래가를 이용하여 아파트 단지 단위에서 분석한 결과 머신러닝 기법이 패널고정효과모형보다 더 우수한 예측력을 나타냈으며, 특히 머신러닝 기법 중 랜덤 포레스트 모형이 다변량 적응 회귀 스플라인(MARS) 모형보다 높은 예측 정확성을 나타내는 것으로 분석되었다. 주택가격 예측 분야에서 마이크로데이터를 이용하여 머신러닝의 활용 가능성을 확인하였으며, 앞으로 더 많은 데이터가 축적 및 학습되면 추정 예측력이 더욱 높아질 것으로 기대한다.
Abstract
Predicting the prices of housing is a critical issue for all real estate market participants, including financial institutions and governments, as well as homeowners and potential buyers. To evaluate the performance of a housing price prediction analysis model, this study compares machine learning methods and the fixed effects model based on the panel data of actual transactions between January 2006 and July 2020 in Seoul. For this purpose, we are also considering the characteristics of the apartment complex, based on the hedonic pricing approach, as well as macroeconomic variables and policy variables. We find that the Random Forest (RF) model shows higher predictive accuracy than the Multivariate Adaptive Regression Splines (MARS) model in machine learning. Our study shows the potential of the wide use of the machine learning method by utilizing micro-data in predicting and forecasting housing prices more accurately.
참고문헌 (17)
- 김영재, "패널공적분을 이용한 한국 주택가격 결정요인 분석", 한국경제연구, 29(4), pp.141~169 (2011), 한국경제연구학회
- 김청운, "헤도닉 가격모형(Hedonic Price Model)을 이용한 주변 환경이 아파트 가격에 미치는 영향에 관한 연구", 대한토목학회 학술대회, pp.1665~1666 (2014), 대한토목학회
- 김호준, "헤도닉 모형을 이용한 도시형 생활주택 가격 영향요인 분석 - 서울시를 중심으로 -", 대한부동산학회지, 30(1), pp.151~161 (2012), 대한부동산학회[DOI]
- 배성완, "딥 러닝을 이용한 부동산가격지수 예측", 부동산연구, 27(3), pp.71~86 (2017), 한국부동산연구원
- 배성완, "머신 러닝 방법과 시계열 분석 모형을 이용한 부동산 가격지수 예측", 주택연구, 26(1), pp.107~133 (2018), 한국주택학회[DOI]
- 서종덕, "데이터 마이닝 기법을 이용한 환율예측: GARCH와 결합된 랜덤 포레스트 모형", 산업경제연구, 29(5), pp.1607~1628 (2016), 한국산업경제학회
- 성용림, "주택가격에 대한 환율의 동태적 파급효과 분석", 부동산학보, (54), pp.244~257 (2013), 한국부동산학회
- 오지훈, "머신러닝을 활용한 서울시 아파트 물리적 특성 변수들의 비선형 영향 분석: 다변량 적응 회귀 스플라인 모형의 적용", 감정평가학논집, 17(3), pp.5~26 (2018), 한국감정평가학회[DOI]
- 유진은, "랜덤 포레스트: 의사결정나무의 대안으로서의 데이터 마이닝 기법", 교육평가연구, 28(2), pp.427~448 (2015), 한국교육평가학회
- 이태형, "딥러닝 모형을 활용한 서울 주택가격지수 예측에 관한 연구: 다변량 시계열 자료를 중심으로", 주택도시연구, 8(2), pp.39~56 (2018), SH공사 도시연구원[DOI]
- 임병진, "주식시장 지수와 부동산시장 지수의 시계열 특성비교와 관계에 관한 실증적 연구", 산업경제연구, 22(4), pp.2065~2083 (2009), 한국산업경제학회
- 주택가격 변동이 실물ㆍ물가에 미치는 영향의 비대칭성 분석, "조병수", 한국은행, 1~13, pp.BOK 이슈노트 제17호 (2021)
- 한동근, "환율과 주택시장: 한국의 경험", 국토연구, 54, pp.157~174 (2007), 국토연구원[DOI]
- Knoll, Katharina, "No Price Like Home : Global House Prices, 1870-2012", American Economic Review, 107(2), pp.331~353 (2017)
- Limsombunchai, Visit, "House Price Prediction: Hedonic Price Model vs. Artificial Neural Network", American Journal of Applied Sciences, 1, pp.1~15 (2004)
- Pai, Ping-Feng, "Using Machine Learning Models and Actual Transaction Data for Predicting Real Estate Prices", Applied Sciences, 10(17), pp.1~5832 (2020)
- Park, Byeonghwa, "Using Machine Learning Algorithms for Housingprice Prediction: The Case of Fairfax County, Virginia Housing Data", Expert Systems with Applications, 42(6), pp.2928~2934 (2015)