• 한국건설관리학회논문집
• /
• 제16권6호
• /
• pp.144-155
• /
• 2015

본 연구는 서울에 위치한 오피스 빌딩 및 소매용 부동산 자산 간 권역별 포트폴리오의 구성을 통해 서로 다른 용도의 상업용 부동산 간의 분산 투자 시, 포트폴리오의 위험-수익률 관계를 파악함으로써 투자의 효율성과 성과를 알아보는 것을 목적으로 한다. 이를 위해 Markowitz의 평균-분산모델을 토대로 서울지역의 오피스 빌딩 자산과 소매용 부동산 자산을 권역별로 분류하여 이들 간의 포트폴리오를 구성한 후, 포트폴리오의 투자성과, 효율성, 그리고 Sharpe 지수에 기반한 최적의 포트폴리오를 확인하였다. 구체적으로, 서울의 3대 오피스 빌딩 시장인 강남권, 여의도 마포권, 그리고 도심권과 소매용 부동산의 3대 시장인 강남권, 신촌 마포권, 그리고 도심권에 대하여, 부동산 자산의 용도와 권역에 따라 투자비율을 달리해가며 포트폴리오를 구성하였다. 분석결과, 도심권 오피스 권역의 자산비중 10~30%와 도심권 소매용 부동산 권역의 자산 비중 70~90%로 구성한 포트폴리오가 가장 높은 분기별 Sharpe 지수인 2.7118~2.7776을 제시해 최적의 자산구성임을 알 수 있었으며 이때의 분기별 수익률은 1.826%~1.838% 그리고 분기별 위험은 0.573~0.589였다. 또한 부동산 자산 간 권역별 포트폴리오의 구성 시, 서로 다른 용도를 지닌 자산간의 포트폴리오 구성에 의한 분산투자가 동일한 투자자산의 권역별 분산투자 보다 더 좋은 투자성과를 보여주는 것을 알 수 있었다. 마지막으로, 본 연구의 결과를 바탕으로 부동산간접투자시장에서도 지역 및 용도별 분산투자에 대한 이해의 폭을 넓혀 부동산 및 건설경기의 활성화에 도움이 되기를 기대한다.

• 한국콘텐츠학회논문지
• /
• 제19권12호
• /
• pp.535-545
• /
• 2019

부동산 경매시장 지표가 상관성이 있고 유의미하다면 일반 부동산과 연계되어 부동산 시장에 의미 있는 정보가 될 수 있다. 본 연구는 부동산 경매시장의 주요 지표라고 할 수 있는 경매건수, 매각률(낙찰률), 매각가율(낙찰가율)에 대한 시계열적 상관성을 규명하여 시장 수급 논리가 경매시장에서도 적용되고 있는지 여부를 밝히는 것이 목적이다. 부동산 유형은 주거용 부동산, 토지, 상업용 부동산 세 가지로 구분하여 96개월간 수도권 부동산 경매 관련 월별 시계열 자료를 집계하였다. 이 자료를 바탕으로 유형별 경매 시장 모형을 구축하고 지표 간 상호 영향 관계를 각각 분석하였다. 분석 결과, 수급지표인 경매건수와 매각률은 시장의 수급 논리에 따른 공급 및 수요의 성격을 보였다. 다만 그 상관성은 주거용 부동산의 경우가 높았으며 상업용 부동산은 상대적으로 낮게 나타나 유형별 차이가 있음을 알 수 있다. 매각률은 가격 지표에 장기적으로 영향을 미치고 있으며, 특히 주거용 부동산 경매시장의 지표는 계량적으로 설명력이 높고 유의미하였다. 경매 관련 세 지표는 정도의 차이는 있지만 상관성이 존재하고 특히 주거용 부동산의 경우는 의미 있는 정보로서 정책 의사결정에 도움이 될 수 있다.

• 산업경영시스템학회지
• /
• 제35권4호
• /
• pp.219-226
• /
• 2012

Recently real-estate investment business is standing out as a new plan for creation of source of income. In this paper, we suggested appropriate real-estate investment strategy through the reconstruct case study of existing one-storied building. That is, we showed the efficient process of decision and propel to reconstruct and the key points for lease business and post management after building completion. Also, we analyzed the rate of return of commercial building investment in order to find its optimum dealing time. Therefore the results of this paper are expected to be a help to old ages and persons laying plans for a similar business.

• 한국건설관리학회논문집
• /
• 제18권1호
• /
• pp.90-99
• /
• 2017

본 연구는 서울의 상업용 부동산인 오피스 빌딩 및 소매용 부동산 자산을 대상으로 체계적 위험과 자본환원율 간의 관계를 실증분석함으로써 시장의 효율성과 CAPM의 적용여부를 검증하는 것을 목적으로 한다. 이를 위하여 본 연구에서는 투자의 위험을 수반하는 자본자산의 기대수익률 결정이론인 자본자산가격결정모형(CAPM)을 토대로 서울의 3대 오피스 빌딩 시장인 강남권, 여의도 마포권, 도심권 그리고 기타권역과 소매용 부동산의 3대 시장인 강남권, 신촌 마포권, 도심권 그리고 기타 권역에 대하여, 시장포트폴리오인 증권시장선과 권역별 초과자본환원율로 산정된 증권특성선을 비교 및 분석하였으며 그 결과, 오피스 빌딩 시장에서 GBD 권역을 제외한 나머지 권역들(YBD 권역, CBD 권역 그리고 기타 권역), 소매용 부동산 시장에서는 SBD 권역 및 CBD 권역에서 체계적 위험이 증가할수록 분기초과자본환원율이 감소하여 시장이 효율적이지 않음을 알 수 있었다. 이와 함께, 오피스 빌딩 시장의 4개 권역(강남권의 GBD 권역, 마포 여의도권의 YBD 권역, 도심권의 CBD 권역, 그리고 기타 권역)과 소매용 부동산 시장의 4개 권역(강남권의 GBD 권역, 마포 신촌권의 SBD권역, 도심권의 CBD 권역, 그리고 기타 권역) 모두에서 CAPM이 성립하지 않음도 확인할 수 있었다.

• 한국전자통신학회논문지
• /
• 제8권1호
• /
• pp.127-133
• /
• 2013

본 연구는 상가부동산의 권리금 결정요인을 입지, 인테리어 및 시설, 통행량, 매출액, 밀집도로 선정하여 대학로 및 동숭로 상가 임차인 대상으로 설문 분석한 결과 입지가 가장 큰 영향을 미치며, 다음은 매출액, 통행량, 인테리어 및 시설이고 밀집도는 영향이 미미하였다. 또한 성별, 연령, 학력, 업태, 소득 차이를 분석한 결과 외부적인 요소와 내부적인 요소가 복합적으로 권리금에 영향을 주는 것으로 분석하였다. 이 결과를 신규 창업자 및 점포이전 임차인들에게 제공하여 사업 성공에 기여하고자 한다.

• 한국건설관리학회논문집
• /
• 제21권5호
• /
• pp.29-37
• /
• 2020

본 연구는 주거용 부동산의 투자의사 결정에 영향을 미치는 요인에 대해 분석을 위해, 주거용 부동산 관련 전문가들을 대상으로 AHP와 퍼지이론을 활용한 설문분석을 통해 투자자의 관점에 따른 요인의 중요도 차이 및 우선순위를 비교 및 분석하였다. 분석 결과, 전체적으로 임대료, 수익성, 교통 접근성, 상권 및 인프라, 금융규제 등이 중요하며, 전문가그룹별로는 금융·여신 그룹은 수익성. 임대료, 교통 접근성, 공급물량과 세제 혜택을, 건설·개발 그룹은 교통 접근성, 임대료, 직주 접근성, 수익성과 상권 및 인프라를, 감정·평가 그룹은 임대료, 수익성, 교통접근성, 금융규제와 공급물량을 가장 중요한 투자의사결정 요인으로 도출하여 업무와 연관성이 있는 선호특성을 가지고 있다는 것을 알 수 있었다. 즉 부동산 투자특성에 있어 가격특성과 경제특성, 즉 재무적 관점에 가장 중점을 두고 있으며, 부동산특성 내 입지특성으로 교통 접근성과 상권 및 인프라 등 편의성을 중요하게 여고 있으며, 적극적인 부동산 투자확대를 위해서 시장의 금융규제 완화를 중요하게 생각하는 것으로 나타났다. 이러한 항목별 전문가그룹의 다양한 관점을 고려하여 주거용 부동산을 개발하는 사업자의 사업 타당성 분석과 수요자가 되는 일반 투자자들의 합리적인 의사결정에 도움이 되고자 한다.

• International Journal of Advanced Culture Technology
• /
• 제10권1호
• /
• pp.274-283
• /
• 2022

Korea is facing a number difficulties arising from rising housing prices. As 'housing' takes the lion's share in personal assets, many difficulties are expected to arise from fluctuating housing prices. The purpose of this study is creating housing price prediction model to prevent such risks and induce reasonable real estate purchases. This study made many attempts for understanding real estate instability and creating appropriate housing price prediction model. This study predicted and validated housing prices by using the LSTM technique - a type of Artificial Intelligence deep learning technology. LSTM is a network in which cell state and hidden state are recursively calculated in a structure which added cell state, which is conveyor belt role, to the existing RNN's hidden state. The real sale prices of apartments in autonomous districts ranging from January 2006 to December 2019 were collected through the Ministry of Land, Infrastructure, and Transport's real sale price open system and basic apartment and commercial district information were collected through the Public Data Portal and the Seoul Metropolitan City Data. The collected real sale price data were scaled based on monthly average sale price and a total of 168 data were organized by preprocessing respective data based on address. In order to predict prices, the LSTM implementation process was conducted by setting training period as 29 months (April 2015 to August 2017), validation period as 13 months (September 2017 to September 2018), and test period as 13 months (December 2018 to December 2019) according to time series data set. As a result of this study for predicting 'prices', there have been the following results. Firstly, this study obtained 76 percent of prediction similarity. We tried to design a prediction model of real estate transaction price with the LSTM Model based on AI and Bigdata. The final prediction model was created by collecting time series data, which identified the fact that 76 percent model can be made. This validated that predicting rate of return through the LSTM method can gain reliability.

• International journal of advanced smart convergence
• /
• 제11권1호
• /
• pp.19-27
• /
• 2022

Across the world, 'housing' comprises a significant portion of wealth and assets. For this reason, fluctuations in real estate prices are highly sensitive issues to individual households. In Korea, housing prices have steadily increased over the years, and thus many Koreans view the real estate market as an effective channel for their investments. However, if one purchases a real estate property for the purpose of investing, then there are several risks involved when prices begin to fluctuate. The purpose of this study is to design a real estate price 'return rate' prediction model to help mitigate the risks involved with real estate investments and promote reasonable real estate purchases. Various approaches are explored to develop a model capable of predicting real estate prices based on an understanding of the immovability of the real estate market. This study employs the LSTM method, which is based on artificial intelligence and deep learning, to predict real estate prices and validate the model. LSTM networks are based on recurrent neural networks (RNN) but add cell states (which act as a type of conveyer belt) to the hidden states. LSTM networks are able to obtain cell states and hidden states in a recursive manner. Data on the actual trading prices of apartments in autonomous districts between January 2006 and December 2019 are collected from the Actual Trading Price Disclosure System of the Ministry of Land, Infrastructure and Transport (MOLIT). Additionally, basic data on apartments and commercial buildings are collected from the Public Data Portal and Seoul Metropolitan Government's data portal. The collected actual trading price data are scaled to monthly average trading amounts, and each data entry is pre-processed according to address to produce 168 data entries. An LSTM model for return rate prediction is prepared based on a time series dataset where the training period is set as April 2015~August 2017 (29 months), the validation period is set as September 2017~September 2018 (13 months), and the test period is set as December 2018~December 2019 (13 months). The results of the return rate prediction study are as follows. First, the model achieved a prediction similarity level of almost 76%. After collecting time series data and preparing the final prediction model, it was confirmed that 76% of models could be achieved. All in all, the results demonstrate the reliability of the LSTM-based model for return rate prediction.

• 국제학술발표논문집
• /
• The 5th International Conference on Construction Engineering and Project Management
• /
• pp.28-35
• /
• 2013

The construction industry has introduced the Leadership in Energy and Environmental Design (LEED) rating system to promote objective evaluations of the sustainability of buildings. Three important values to consider when implementing sustainability are the associated environmental, social, and economic impacts. Recently, researchers have begun to investigate the real estate value of LEED certified buildings in terms of the rental cost, occupancy rate, cost per unit area, and resale value in order to better understand the economic benefits of the LEED rating system. However, the economic benefits also encompass economic effects such as the impact of LEED certified buildings on neighborhood real estate values surrounding the certified buildings. This research examines whether the enhanced real estate value of LEED certified buildings in New York City extends to surrounding commercial buildings, utilizing spatial analysis via a Geographic Information System (GIS) and the hedonic pricing method to derive meaningful economic relationships. The results provide practical insights into the economic effect of LEED certified buildings that will be of interest to city officials and planners, as well as the owners, developers, investors and other stakeholders of surrounding buildings.

• 한국경제지리학회지
• /
• 제16권1호
• /
• pp.71-85
• /
• 2013

본 연구는 개별 상업용 건물들을 중심으로 주변지역에 위치한 상업용 건물들과 주거지 개발패턴이 해당 건물가격에 미치는 영향을 고찰함으로써 물리적 도시공간구조가 부동산시장, 특히 상업용 부동산시장에 미치는 영향을 분석하고자 한다. 이를 위해 GIS 소프트웨어를 이용하여 용도간 근접성을 체크하였다. 연구 결과, 용도혼합이 오프스 건물가격에 긍정적인 영향을 미치는 것으로 나타나, 뉴 어버니즘에서 강조하는 복합용도개발을 통해 지속가능한 커뮤니티를 만들 수 있다는 가능성을 확인하였다. GIS기술을 이용하여 기존 연구들이 경제사회변수와 같은 대리변수를 사용했던 한계를 극복하고, 공간구조를 보다 정밀하게 측정할 수 있었다. 또한 토지이용에 따른 2차원분석이 아니라, 각 건물의 높이를 계산하여 3차원 분석을 함으로써 공간의 이용과 함께 밀도까지 고려한 방법론을 사용한 의의가 있다.