• 대한지리학회지
• /
• 제43권1호
• /
• pp.104-116
• /
• 2008

투기과열지역은 투기의 발생 가능성이 높은 지역으로, 각종 부동산대책의 주요 대상이 된다. 본 연구에서는 부동산 가격변동의 공간패턴을 모형화함으로써 투기과열지역의 공간패턴을 제안하고자 한다. 부동산 가격은 합리적 또는 적응적 소유자 수요자의 경계행위에 의해서 결정되고, 가격변동의 공간패턴은 이들의 경제행위 경향에 의해서 형성된다고 모형화하였다. 일정 지역에 적응적 소유자와 수요자가 다수인 경우, 이 지역은 타 지역에 비해 가격상승 폭이 높고 주변 부동산과 가격상승이 동시에 일어나는 가격변동 핫스팟 패턴으로 정의하였다. 투기과열지역은 최대의 미래 기대이익을 얻고자하는 적응적 소유자와 수요자에 의해서 형성되기 때문에 이 지역의 공간패턴은 가격변동 핫스팟 패턴으로 정의할 수 있었다.

• 대한지리학회지
• /
• 제43권3호
• /
• pp.392-411
• /
• 2008

투기가 발생할 가능성이 높은 지역은 일정지역 내의 대다수 경제주체가 적응적 소유자와 수요자일 때 형성된다. 이 지역의 가격변동은 타 지역에 비해서 가격상승 폭이 크고, 개별 부동산들의 주변 부동산들과 가격변동의 방향이 동질적인 특성을 가진 가격변동 핫스팟 패턴을 형성한다. 본 연구의 목적은 투기과열지역을 정량적으로 탐색하기 위한 가격변동 핫스팟 탐색법을 개발하는 것이다. 가격변동 핫스팟 탐색법은 크게 2단계로 구성된다. 첫째 단계는 정규모형의 공간스캔통계량을 이용하여 타 지역에 비해 높은 가격상승이 이루어진 공간클러스터를 탐색한다. 둘째 단계는 국지 모란 I를 이용하여 공간클러스터 내의 개별부동산들이 그 주변 부동산과의 가격변동 방향이 동질적인가, 즉 공간연관성을 가지는가를 평가한다. 개발된 방법을 공간적으로는 참여정부에서 부동산 문제의 중심으로 알려진 서울시 강남 서초 송파구에 적용하였고, 시간적으로는 참여정부 주요 부동산 대책의 하나인 10.20 대책을 전후로 한 2해3년 8,9,10,11월의 가격변동 자료에 적용하였다. 10.29 대책발표 전인 8,9월에는 개포동을 중심으로 가격변동 핫스팟이 발견되었고, 10월은 10.29 대책에 의해서 소강상태를 보이다가 11월에는 가격변동 콜드스팟이 발견되었다. 이 결과는 제안된 방법이 기존 단순 시각화만을 통해서 탐색할 수 없었던 투기과열지역을 정량적 방법을 통해서 시공간적으로 탐색할 수 있음을 보여준다.

• 한국융합학회논문지
• /
• 제11권12호
• /
• pp.199-205
• /
• 2020

오늘날 부동산 특히 주택과 관련한 많은 정부정책이 발표됨에 따라 주택시장에서의 가격에 대한 관심이 매우 높아졌다. 이에 본 연구에서는 소득의 불안정성과 부동산가격변동에 대한 심리상태와 부동산보유비중의 조정의향 간의 관련성을 분석하여 정부정책의 실효가능성을 살펴보고자 한다. 먼저 선행연구 검토를 통해 주요 변수를 추출하고 설문조사를 통해 자료를 수집하여 경로분석을 실시하였다. 분석결과 현재의 소득의 불안정성은 부동산가격변동에 대한 태도에 음(-)의 영향을, 부동산보유비율조정의향에는 양(+)의 영향을 미쳤으나, 부동산가격변동에 대한 태도가 부동산보유비율조정의향에는 통계적으로 유의한 영향을 미치지 않았다. 이에 연령대와 부양가족 수를 각각 2분하여 집단간 차이분석을 실시하였으며, 분석결과 부동산보유비중 의사결정은 연령대가 높은집단과 부양가족수가 많은집단에서 소득불안정성과 부동산가격변화에 대한 태도에 의해 영향을 받아 집단 간 차이를 보였다. 본 분석 결과는 정부의 부동산 정책 수립방향 설정과 각 가계의 부동산 관련 의사결정에 기초자료로 활용하는데 도움이 될 것이다. 한편 본 연구는 횡단면분석만을 실시한 한계점을 갖고 있으며 향후에는 시계열적 변화와 지역간 인식의 차이 등을 분석하고자 한다.

• 문화기술의 융합
• /
• 제8권1호
• /
• pp.435-440
• /
• 2022

본 연구는 부동산가격변동이 우리나라 은행의 건전성에 미치는 영향을 다중회귀모형을 이용하여 분석하였다. 분석 결과, 부동산가격변동은 대출의 증가를 통해 은행의 고정이하여신비율을 유의하게 증가시키는 것으로 나타났다. 거시경제변수 중에서 단기금리는 은행의 BIS 자기자본비율, 고정이하여신비율 및 유동성커버리지비율 등 모든 건전성 지표에 유의한 영향을 미치는 것으로 나타났다. 은행특성지표 중에서 대출증가율은 BIS 자기자본비율에 유의한 음(-)의 영향을 미치고, 부동산담보대출비율은 유의한 양(+)의 영향을 미치는 것으로 나타났다. 또한 고정이하여신비율은 BIS 자기자본비율에 유의한 음(-)의 영향을 미치고 유동성커리지비율은 BIS 자기자본비율에 유의한 음(-)의 영향을 미치는 것으로 나타났다.

• 주택과사람들
• /
• 통권203호
• /
• pp.98-99
• /
• 2007

봄철 이사철 시즌이 도래해도 매매 및 전세 가격이 움직이지 않는다. 정부의 각종 규제책이 부동산 시장 곳곳에 영향을 미치기 때문이다. 침체될 조짐까지 보이는 가운데, 3월 부동산 시장을 들춰보았다.

• 주택과사람들
• /
• 통권202호
• /
• pp.90-91
• /
• 2007

'1.11 대책' 이후 부동산 시장은 실수요자 위주로 빠르게 재편되면서 안정세를 보이고 있다. 하락을 주도한 재건축 아파트를 중심으로 매매, 전세 등 전체적인 부동산 가격은 약보합세를 띠었다. 2007년 2월 주택 시장을 돌아보았다.

• 주택과사람들
• /
• 통권201호
• /
• pp.94-95
• /
• 2007

'1.11 부동산 대책'이후 아파트 가격이 본격적으로 하락할 조짐을 보이고 있다. 이미 강남, 서초 등 고급 아파트 밀집 지역을 중심으로 아파트 값이 내림세로 돌아섰다. 심지어 재건축 시장마저 지난 8월 넷째 주에 이어 5개월 만에 하락세를 나타냈다. 분양가 상한제 등 '1.11대책'으로 인해 수익성의 악화가 예상되는 1월 부동산 시장. 아파트 값과 재건축, 전세의 동향에 대해 살펴봤다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.1198-1199
• /
• 2023

부동산 시장은 다양한 요인에 의해 가격이 결정되며 거시경제 변수뿐 만 아니라 뉴스 기사, SNS 등 다양한 비정형 데이터의 영향을 받는다. 특히 뉴스 기사는 국민들이 느끼는 경제 심리를 반영하고 있어 부동산 가격에 영향을 크게 미치는 변수라고 판단된다. 본 연구에서는 뉴스 기사의 세분화된 감정 분석을 통해 전통적인 분석 방법보다 더 의미 있는 결과를 얻을 수 있는 부동산 가격 예측 모델을 생성하였으며 뉴스 기사로부터 심리 지수를 산출하기 위해 생성 AI 를 활용하였다. 제안하는 매매가격지수 예측 모델을 통해 부동산 시장과 뉴스 기사와의 관계성에 대해 파악할 수 있으며, 사회/경제적 동향을 반영한 부동산 가격 변동을 예측할 수 있을 것으로 보인다.

• 부동산연구
• /
• 제27권3호
• /
• pp.41-50
• /
• 2017

변동성 모형을 이용한 국내의 주택가격에 대한 기존의 연구에서는 변동성모형을 어떻게 주택시장분석에 적용할 수 있는지를 보여주고 있지만 최근 국내의 지역주택시장들에 나타나는 유의미한 변화를 반영하는데는 한계가 존재할 수 밖에 없다. 본 연구에서는 변동성모형을 적용하여 전국의 각 지역별 주택시장을 분석하고 이를 통해 미래의 지역별 주택시장의 가격변동을 실제적으로 예측하였다. AR(1)-ARCH(1), AR(1)-GARCH(1,1), AR(1)-EGARCH(1,1,1) 모형을 통하여 지역주택시장에 ARCH 및 GARCH효과가 존재하는 것을 확인하였다. 그리고 각 지역의 예측력을 비교하여 지역별 최적예측모형을 선정하였으며, 이러한 지역별 최적모형의 선정이 실제적으로 어떻게 이용될 수 있는지를 보여주기 위하여 2017년 하반기의 각 지역주택시장의 가격변동을 선정된 지역별 최적모형을 이용하여 예측하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제67차 동계학술대회논문집 31권1호
• /
• pp.27-29
• /
• 2023

불안정한 부동산 가격은 지속적인 사회 문제로 거론되고 있는데 이는 부동산 매매 가격을 예측할 수 있는 정확한 지표가 체계적이고 구체적으로 확립되지 않았기 때문이다. 본 논문은 가격변동에 주요하게 영향을 미치는 특성을 파악하여 가격 예측 지표로 활용하기 위해 머신러닝 모델을 적용하여 특성 분석을 수행한다. 이를 위해 한국부동산원에서 제공하는 2021년 10월부터 2022년 9월까지 1년간의 역 주변 500M 이내 거래 데이터 약 30만 6천 개를 어떠한 과정으로 전처리하여 머신러닝 모델에 적용하였는지 기술한다.