서울 프라임 오피스 이산적 가격시계열 보간에 관한 연구
A Study on Interpolation for the Discrete Time Series of Seoul Prime Office Price
0
조회
0
다운로드
4
인용
0
참고문헌
키워드
초록
본 연구는 서울 프라임 오피스 매매가격 시계열을 보간하고 추정하여 안정적이고 연속적인 시계열을 생성하는 객관적인 방법을 제시한 연구이다. 매매가격시계열은 투자시장의 자본수익률과 자본환원율을 산출하는 데에 중요한 정보이다. 또한 시장을 모니터하여 투자전략을 수립하거나 합리적인 성과평가를 위한 벤치마크 지수를 생성하는 데에도 꼭 필요한 정보이다. 매매가격 시계열의 보간에는 선형보간법이 가장 효율적이었다. ETS모형을 활용하여 분석한 결과 매매가격 시계열은 수준, 추세, 그리고 계절성 등의 결정요인들에 의해 변화됨을 확인할 수 있었다. 따라서 분해되어진 이러한 요인 시계열들을 통해 3대 권역과 기타(ETC) 권역의 매매가격 시계열 추이를 분석하고 전망할 수 있었다. 아울러 3대 권역 및 기타 권역의 산출된 매매가격 시계열을 기초로 서울 프라임 오피스 평균매매가격 시계열을 생성할 수 있었다. 이 시계열을 ETS모형을 통해 분해한 결과 서울 매매가격 시계열은 2008년까지 급격하게 상승하다가 이후 체감적인 상승패턴으로 변화되었다. 4년을 주기로 일정한 계절성을 보이고 있었는데, 2015년 3분기 이후 새로운 순환주기에 진입한 것으로 분석되어 향후 2~3년간 서울 프라임 오피스 매매가격은 일정한 조정을 받을 것으로 전망되었다.
Abstract
This study presents an objective method to generate a stable and continuous time series by interpolating and predicting the Seoul prime office price time series. The transaction price time series is important for calculating ROC and capitalization rate in the real estate investment market. It is also essential information for monitoring the market, to establish an investment strategy or creating a benchmark index for rational performance evaluation. The linear interpolation was found to be the most efficient method for interpolating the price time series. The results of analysis using an ETS model showed that the price time series varied with determinants such as level, trend, and seasonality; thus the time series trends of transaction prices for the three major business districts and the other district could be analyzed and forecast by the time series of the decomposed factors. In addition, based on the time series of calculated transaction prices for the three major business districts and the other district, a time series of the average price of Seoul prime offices could be generated. As a result of decomposing this time series through the ETS model, it was found that the transaction price time series rose sharply until 2008 and then turned into a pattern degressive increase. The price time series shows a fixed seasonality in four-year intervals, and it is expected that the time series will enter a new cycle after 3Q of 2015 and that the prices of Seoul prime offices will be adjusted for the next two to three years.
참고문헌 (14)
- Bowerman, Bruce L., "Time Series and Forecasting: An Applied Approach" (1979), Duxbury Press
- Exponential Smoothing for Predicting Demand, "Brown, R.", Arthur D. Little Inc., ~ (1956)
- Brown, R., "Statistical Forecasting for Inventory Control" (1959), McGraw-Hill
- Brown, R., "Smoothing, Forecasting and Prediction of Discrete Time Series" (1963), Prentice-Hall
- Chatfield, Chris, "A New Look at Models for Exponential Smoothing", The Statistician, 50(Part 2), pp.147~159 (2001)
- Gardner, E., "Exponential smoothing: the state of the art — part II", Int. J. Forecast, 22, pp.637~666 (2006)
- Forecasting Seasonals and Trends by exponentially Weighted Moving Averages, "Holt, C.", Office of Naval Research Memorandum, ~ (1957)
- Holt, C., "Forecasting seasonals and trends by exponentially weighted moving averages", Int. J. Forecast, 20, pp.5~10 (2004)
- Holt, C., "Planning Production, Inventories, and Work Force" (1960), Prentice-Hall
- Hyndman, Rob J., "Forecasting with Exponential Smoothing: The State Space Approach" (2008), Springer
- Hyndman, Rob J., "A State Space Framework For Automatic Forecasting Using Exponential Smoothing Methods", International Journal of Forecasting, 18, pp.439~454 (2002)
- Muth, J. F., "Optimal properties of exponentially weighted forecasts", Journal of the American Statistical Association, 55(290), pp.299~306 (1960)
- Ord, J. K., "Estimation and Prediction for a Class of Dynamic Nonlinear Statistical Models", Journal of the American Statistical Association, 92, pp.1621~1629 (1997)
- Winters, P. R., "Forecasting sales by exponentially weighted moving averages", Management science, 6(3), pp.324~342 (1960)