초록
본 연구는 거시경제변수인 전산업생산지수, 소비자물가지수, CD금리, KOSPI지수가 전국, 서울, 광역, 지역으로 구분된 아파트 전세가격에 미치는 영향을 파악하고 LSTM(Long Short Term Memory)을 활용하여 지역별 아파트 전세가격의 방법론적 예측모형을 제시하고자 하였다. VAR분석결과에 따르면 Lag1, 2에서 전국 아파트 전세가격지수와 소비자물가지수는 전국 아파트 전세가격에 유의미한 영향을 주는 것으로 나타났고, 마찬가지로 Lag1,2에서 서울 아파트 전세가격지수와 소비자물가지수, CD금리는 서울 아파트 전세가격에 영향을 주는 것으로 나타났다. 또한, 광역 아파트 전세가격은 Lag1에서 광역 아파트 전세가격지수, 소비자물가지수가 유의미한 영향을 보였으며 지역 아파트 전세가격은 Lag1에서 지역 아파트 전세가격지수, 소비자물가지수가 유의미한 영향을 나타냄을 확인하였다. LSTM예측모델 구축 결과, 지역 아파트 전세가격 예측모델의 RMSE 0.008, MAE 0.006, R-Suared값은 0.999로 예측력이 가장 높았다. 향후, 주요 정책변수들을 포함하여 딥러닝 기반의 발전된 모형을 적용한다면 더욱 의미 있는 결과를 얻을 수 있을 것으로 기대된다.
This study attempted to identify the effects of macroeconomic variables such as the All Industry Production Index, Consumer Price Index, CD Interest Rate, and KOSPI on apartment lease prices divided into nationwide, Seoul, metropolitan, and region, and to present a methodological prediction model of apartment lease prices by region using Long Short Term Memory (LSTM). According to VAR analysis results, the nationwide apartment lease price index and consumer price index in Lag1 and 2 had a significant effect on the nationwide apartment lease price, and likewise, the Seoul apartment lease price index, the consumer price index, and the CD interest rate in Lag1 and 2 affect the apartment lease price in Seoul. In addition, it was confirmed that the wide-area apartment jeonse price index and the consumer price index had a significant effect on Lag1, and the local apartment jeonse price index and the consumer price index had a significant effect on Lag1. As a result of the establishment of the LSTM prediction model, the predictive power was the highest with RMSE 0.008, MAE 0.006, and R-Suared values of 0.999 for the local apartment lease price prediction model. In the future, it is expected that more meaningful results can be obtained by applying an advanced model based on deep learning, including major policy variables