• 부동산연구
• /
• 제28권1호
• /
• pp.65-77
• /
• 2018

이 연구는 금융시장 빅데이터인 개인신용정보와 주택시장 빅데이터인 주택실거래데이터를 연계하여 LTV 뿐만 아니라 CoLTV 지표를 추정하여 임대차주의 상환위험을 분석하였다. 분석결과, LTV로만 상환위험을 파악하는 경우, 전세임대차주보다 월세임대차주의 상환위험이 더 컸으나, CoLTV를 이용하면 전세임대차주의 상환위험이 더 크게 나타났다. 이를 통해서 주택담보대출이 있는 전세의 임대차주의 상환위험이 높아, 임차인의 보증금에 손실이 발생할 가능성이 있으며 이를 위해 CoLTV지표를 통한 위험관리, 전세금반환보증과 같은 보증제도를 활성화할 필요가 있음을 밝혔다. 또한 임대계약의 특성과 차주의 개인 특성에 따라 임대차주의 상환위험에 미치는 영향이 다르게 나타남에 따라 임대차주의 개별적 특성을 충분히 고려해야 위험을 관리해야 함을 밝혔다. 이 연구는 개념적으로 논의되던 CoLTV를 금융빅데이터인 개인신용정보와 주택빅데이터인 주택실거래 정보를 결합하여 산출하였으며, 이를 통하여 임대차주들의 계약 및 개인적 특성별로 상환위험을 분석하고 시사점을 제시했다는 점에서 의의가 있다.

• 한국전자통신학회논문지
• /
• 제12권3호
• /
• pp.499-506
• /
• 2017

현재 주택시장과 전세시장의 문제점을 도출하고 이를 해결하는 데 있어 자본시장 부분과 금리 부분 그리고 실물 시장으로 구분하여 많은 영향을 미치는 지표들을 감안하여 주택매매 시장과 주택 전세시장의 안정화를 위한 대책 마련에 중요한 지표가 될 것으로 보인다. 특히, 향후에 예측되는 경제위기 상황과 불확실한 미래의 또 다른 금융위기를 예측하여 부동산 가격의 급격한 변동에 사전 대비할 수 있는 자료를 공공데이터를 사용하여 제공코자 한다.

• 부동산연구
• /
• 제28권4호
• /
• pp.75-88
• /
• 2018

본 연구는 주택담보대출 가산금리가 주택담보대출에 미치는 영향을 분석하는데 그 목적이 있다. 특히, 가산금리의 구조적 변화 여부, 구조적 변화가 존재할 경우 그에 따른 주택담보대출로의 영향을 면밀하게 분석하고자 한다. 실증분석을 위해 주택담보대출, 주택담보대출금리, COFIX금리, 가산금리를 이용하였으며, 분석기간은 2010년 12월부터 2017년 12월까지이다. 분석결과, 가산금리와 주택담보대출에 통계적으로 유의한 구조적 변화가 존재(각각 2015년 5월과 6월)하였으며 가산금리의 구조적 변화가 주택담보대출의 구조적 변화에 영향을 미친 것으로 추정된다. 가산금리는 기준금리인 COFIX금리와 대출금리인 주택담보대출금리보다 주택담보대출에 더 큰 영향을 미치는 것으로 나타났으며 가산금리가 주택담보대출에 큰 부담으로 작용하는 것으로 나타났다. 대내외적으로 경제의 불확실성이 증가하고 있는 상황에서 금리인상에 대한 압력이 가중되고 있다. 이러한 환경과 여건 등을 고려해 볼 때 향후 금리인상은 불가피할 전망이다. 현재 우리나라의 경제수준에서 기준금리와 가산금리가 동시에 증가하게 된다면 가계의 대출 상환 및 이자에 대한 부담이 가중되어 경기침체로 이어질 것이 자명하다. 따라서 객관적이고 투명하지 못한 은행의 자의적인 가산금리 산정을 사전에 방지하여 금융소비자를 보호할 수 있도록 금융당국의 제도적 장치 마련이 시급하다.

• 한국빅데이터학회지
• /
• 제6권1호
• /
• pp.91-113
• /
• 2021

한국 자산 시장에서 부동산이 가지는 영향력에도 불구하고 시장 추이 예측은 쉽지 않으며, 그중 아파트는 주거 공간인 동시에 투자 속성을 내포하고 있어 더욱 예측이 쉽지 않다. 아파트 가격에 영향을 주는 요인은 다양하며 지역적 특성 또한 고려되어야 한다. 본 연구는 서울시 전체, 강남 3구, 노원, 도봉, 강북, 금천, 관악, 구로구의 아파트 매매가에 영향을 미치는 요인과 특성을 비교하고 이를 기반으로 가격 예측의 가능성을 파악하기 위해 수행되었다. 분석에는 신경망, CHAID, 선형회귀, 랜덤포레스트 등 머신러닝 알고리즘이 사용되었다. 서울시 전체 아파트 평균 매매가에 가장 중요한 영향을 미치는 요소는 정부 정책 요소였으며, 거래규제 완화, 금융규제 완화 등의 완화 정책이 영향력이 높게 도출되었다. 강남 3구의 경우 정책의 영향력이 낮은 것으로 파악되었으며 강남구의 경우 주택 공급량이 가장 중요한 요인이었다. 반면 6개의 중·하위구들은 정부 정책이 중요 변수로 작용하였으며 공통적으로 금융규제 정책이 영향을 끼치는 요인이었다.