• 한국콘텐츠학회논문지
• /
• 제12권2호
• /
• pp.461-471
• /
• 2012

본 논문의 목적은 공간적탐색기법을 이용한 부산 주택시장 다이나믹스 분석으로써 MATLAB toolbox M-file을 이용하였다. 본 연구에서 사용된 자료는 2006년부터 2009년 2분기까지 공개된 부산지역 아파트 실거래가 64,530개 자료를 기준으로 법정동을 분류하여 각 평균값을 분석에 이용하였다. 주택시장분석에 많이 이용되는 헤도닉가격 모형은 도시주택경제 분야에서 주택시장 다이나믹스를 설명하는데 강력한 분석기법의 하나이다. 그럼에도 불구하고 전통적인 헤도닉가격 모형은 공간적자기상관의 영향력을 반영하지 않는 단점이 있다. 따라서 본 논문에서는 공간자기상관 관계를 반영한 다양한 공간계량모형, 예를 들어, 공간자기회귀모형(SAR), 공간오차모형(SEM), 일반공간모형(SAC) 등을 보통최소자승법을 이용한 전통적 헤도닉가격 모형과 비교하고자 한다. 이를 위해 결정계수($R^2$), 분산(${\sigma}^2$), 우도함수(Likelihood)의 값 등의 지표들을 이용하였다. 분석결과 공간자기상관을 고려한 공간계량모형이 전통적 헤도닉모형에 비해 높은 설명력을 보여주고 있다. 공간계량모형에서는 공간오차모형(SEM)과 일반공간모형(SAC)이 공간자기회귀모형(SAR) 보다 우수한 설명력을 보이고 있다.

• 한국지리정보학회지
• /
• 제15권1호
• /
• pp.43-51
• /
• 2012

주택시장 분석에 널리 사용되는 헤도닉 방법은 OLS(ordinary least squares) 모형을 이용하는데, 이는 오차가 독립적이며, 평균이 0이고, 분산이 일정하다는 가정에 기초한다. 그러나 공간 자기상관이 존재할 경우에는 이러한 가정에 위배되며, 공간효과를 제대로 반영하지 않으면 왜곡된 추정결과를 가져오게 된다. 최근 이에 대한 대안으로 공간계량모형이 도입되고 있는데, 이 연구에서는 OLS 모형과 공간계량모형의 적합도를 비교 평가하고자 한다. 부산시 실거래 주택매매 가격자료를 이용하여 분석한 결과, OLS를 이용한 기존의 헤도닉 모형보다는 공간자기상관을 고려한 공간계량모형들이 보다 설명력이 높았다. Dubin이 제시한 기준과 Log Likelihood 기준을 통해 볼 때 공간계량모형 중에서는 공간자기회귀모형(spatial autoregressive model: SAR)모형의 적합도가 높은 것으로 나타났다. 이를 통해 주택가격에 있어서의 공간효과를 확인할 수 있었으며, 재건축 추진여부가 아파트 매매가격에 매우 큰 영향을 미침을 알 수 있었다. 또한 적절한 공간계량모형의 선택은 정부의 주택정책에 있어서도 매우 중요하다고 하겠다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제29권3호
• /
• pp.119-144
• /
• 2020

Purpose Real estate usually takes charge of the highest proportion of physical properties which individual, organizations, and government hold and instability of real estate market affects the economic condition seriously for each economic subject. Consequently, practices for predicting the real estate market have attention for various reasons, such as financial investment, administrative convenience, and wealth management. Additionally, development of machine learning algorithms and computing hardware enhances the expectation for more precise and useful prediction models in real estate market. Design/methodology/approach In response to the demand, this paper aims to provide a framework for forecasting the real estate market with machine learning algorithms. The framework consists of demonstrating the prediction efficiency of each machine learning algorithm, interpreting the interior feature effects of prediction model with a state-of-art algorithm, LIME(Local Interpretable Model-agnostic Explanation), and comparing the results in different cities. Findings This research could not only enhance the academic base for information system and real estate fields, but also resolve information asymmetry on real estate market among economic subjects. This research revealed that macroeconomic indicators, real estate-related indicators, and Google Trends search indexes can predict real-estate prices quite well.

• 디지털융복합연구
• /
• 제12권6호
• /
• pp.43-53
• /
• 2014

본 연구의 목적은 행정정보를 정책개발을 위한 통계목적으로 사용하려는 수요자의 관점에서 행정정보의 품질 요건을 분석하여 행정정보의 개방성 제고와 학술 정책적 활용의 활성화 방안을 모색하는데 있다. 부동산거래 신고 제도를 통해 축적된 행정정보를 활용하여 국가통계로 공표하고 있는 아파트실거래가격지수 개발사례를 대상으로 행정정보의 통계적 활용 시 요구하는 덴마크의 7가지 품질지표를 기준으로 적용하여 탐색적 연구를 수행하였다. 연구결과, 중개업소에 조사비용을 지불하고 시세자료를 수집하여 작성해 오던 기존의 주택가격 지수에 비해, 시장의 실제 상황을 여과 없이 파악할 수 있는 자료의 수집이 가능하다는 장점과 정책의 실효성 을 제고할 수 있는 효과가 있었던 반면, 민원편의에 중심을 두는 행정서비스의 특성 때문에 통계작성에 필요 한 항목을 추가하거나 통계의 시의성 문제를 원천적으로 해결하기 위한 제도의 개선에는 한계가 있던 것으로 분석된다.

• 부동산연구
• /
• 제27권3호
• /
• pp.71-86
• /
• 2017

본 연구의 목적은 딥 러닝 방법을 부동산가격지수 예측에 적용해보고, 기존의 시계열분석 방법과의 비교를 통해 부동산 시장 예측의 새로운 방법으로서 활용가능성을 확인하는 것이다. 딥 러닝(deep learning)방법인 DNN(Deep Neural Networks)모형 및 LSTM(Long Shot Term Memory networks)모형과 시계열분석 방법인 ARIMA(autoregressive integrated moving average)모형을 이용하여 여러 가지 부동산가격지수에 대한 예측을 시도하였다. 연구결과 첫째, 딥 러닝 방법의 예측력이 시계열분석 방법보다 우수한 것으로 나타났다. 둘째, 딥 러닝 방법 중에서는 DNN모형의 예측력이 LSTM모형의 예측력보다 우수하나 그 정도는 미미한 수준인 것으로 나타났다. 셋째, 딥 러닝 방법과 ARIMA모형은 부동산 가격지수(real estate price index) 중 아파트 실거래가격지수(housing sales price index)에 대한 예측력이 가장 부족한 것으로 나타났다. 향후 딥 러닝 방법을 활용함으로써 부동산 시장에 대한 예측의 정확성을 제고할 수 있을 것으로 기대된다.

• 부동산연구
• /
• 제28권1호
• /
• pp.91-104
• /
• 2018

본 연구는 시장참여자의 행태 중 하나인 군집행동의 발생 여부와 정도를 주택시장을 중심으로 분석하였다. 분석방법으로 최근 군집행동 분석에 가장 많이 활용되는 CSAD모형에 실거래가격을 적용하였다. 분석내용은 권역별, 경과년수별, 규모별, 시장조건별로 세분하여 지역성, 내부요인, 외부 요인에 대한 분석을 하고자 하였다. 분석결과 첫째, 서울시 전체에서는 군집행동이 발생하지 않았다. 권역별로는 도심권, 동남권, 서북권에서 군집행동이 발생하여 선행연구(Ngene et al., 2017)와 동일한 결과를 보였다. 둘째, 경과년수별 분석에서는 노후주택에서 군집행동이 포착되었으며, 규모별로는 $60m^2$이하의 소규모와 $85m^2$이상 $102m^2$미만의 국민주택규모에서 군집행동이 발생하는 것으로 나타났다. 셋째, 글로벌 금융위기하에서는 모든 권역에서 군집행동이 발생하지 않았으며, 시장 상황이 호황기일 경우 서북권에서 군집행동이 발생하는 것으로 분석되었다. 이는 손실공포 확대에 따라 불황기에서 군집행동이 집중적으로 발생하는 주식시장과 차이를 보이는 결과이다. 본 연구는 시장참여자의 행태를 행동경제학적 측면에서 분석하여 주택시장 이상현상에 대한 이해도를 높이고 시장분석에 시장참여자의 행동이라는 심리요인을 제시하였다는 점에서 의미가 있을 것이다.