• 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.

• The Journal of Asian Finance, Economics and Business
• /
• 제7권6호
• /
• pp.517-524
• /
• 2020

The study examines factors affecting apartment prices in the real estate market of Ho Chi Minh City, Vietnam. The study uses primary data based on surveys of customers who have traded successfully, and collects transaction data from real estate trading companies that are the top investors in Ho Chi Minh City real estate market. The collected data include 384 observations in a total of 24 districts, detailing that each district surveyed on a minimum of four projects, each project carried out a survey on a minimum of four apartments. The survey collected 339 valid questionnaires for analysis and model testing. This study employs multivariate regression with the data of 339 observations. The research results reveal that five significant factors affect positively the price of apartments in Ho Chi Minh City - apartment area, toilet and bedroom, apartment floor, reference price, and apartment interior. Besides, there are three significant factors affecting negatively the price of apartments - next price trend, distance to city center, and potential building. From the results, the research proposes solutions in the pricing of apartments in the real estate market in Ho Chi Minh City - better information system, a real estate transaction index, and stricter management of small brokerage activities.

• 디지털콘텐츠학회 논문지
• /
• 제7권4호
• /
• pp.227-234
• /
• 2006

웹상에서 제공되고 있는 부동산관련 정보가 단순히 매물정보에 그치고 있다는 점에 착안하여, 본 연구는 부가가치가 향상된 부동산 정보 및 콘텐츠 등을 부동산수요자에 원스톱으로 제공할 수 있는 종합정보서비스 시스템을 개발하여 이를 온라인상으로 구현하는 것에 대한 방법론을 제시하고 있다. 본 연구에서의 부동산종합정보시스템은 GIS를 활용한 지리정보, 사진과 동영상을 활용한 매물정보, 권리분석을 전문으로 하는 부동산과 관련된 각종 권리분석정보, 부동산 검색시 그 자리에서 전문가와 해당부동산에 대한 상담을 시도할 수 있는 웹 콜 센타 (Web Call Center) 기능, 그리고 신용카드회사와 연계하여 신용카드 매출정보를 활용한 상권분석시스템 등의 구현방법에 대해 설명하고 있다.

• 한국경제지리학회지
• /
• 제16권4호
• /
• pp.631-646
• /
• 2013

본 연구는 1990년대 초반과 2000년대 후반 기간 동안을 대상으로 공적분 장기 분석과 시계열 단기 회귀분석을 통해 은행대출과 주택가격 간의 인과성 패턴을 경험적으로 분석한다. 은행대출과 주택가격 간의 동시적인 상관관계가 크지만, 실증 분석 결과는 신용 증가와 은행대출 간의 강력한 상호작용은 주택가격의 변동에 따른 은행대출의 변화에 기인한다는 것을 보여주고 있다. 또한, 2000년대 초 중반에 도입된 LTV와 DTI와 같은 거시 건전성 규제는 금융시장과 부동산시장의 안정화에 크게 기여한 것으로 나타나고 있다.

• 국제학술발표논문집
• /
• The 5th International Conference on Construction Engineering and Project Management
• /
• pp.151-157
• /
• 2013

Since the sub-prime mortgage crisis from the US in 2008, the Korean housing market has plummeted. However, the deposit prices of the Korean local lease contract, Chonsei, had been increasing. This increase of Chonsei prices can be a threat to low-income people, most of whom prefer to live in houses with a Chonsei contract. In the housing and Chonsei market, there are many stakeholders with their own interest, hence, simple thoughts about housing and Chonsei market, such as more house supply, will decrease house price, would not work in a real complex housing market. In this research, we suggests system dynamics conceptual model which consists of causal-loop-diagrams for the Chonsei market as well as the housing market. In conclusion, the Chonsei price has its own homeostasis characteristics and different price behavior with housing price in the short and long term period. We found that unless government does not have a structural causation mind in implementing policies in the real estate market, the government may not attain their intended effectiveness on both markets.

• 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.

• 정보처리학회 논문지
• /
• 제13권5호
• /
• pp.209-216
• /
• 2024

부동산 시장은 다양한 요인에 의해 가격이 결정되며 거시경제 변수뿐 만 아니라 뉴스 기사, SNS 등 다양한 텍스트 데이터의 영향을 받는다. 특히 뉴스 기사는 국민들이 느끼는 경제 심리를 반영하고 있으므로 부동산 매매 가격 예측에 있어 중요한 요인이다. 본 연구에서는 뉴스 기사를 감성 분석하여 그 결과를 뉴스 감성 지수로 점수화 한 후 부동산 가격 예측 모델에 적용하였다. 먼저 기사 본문을 요약 후 요약된 내용을 바탕으로 생성 AI를 활용하여 긍정, 부정, 중립으로 분류한 다음 총 점수를 산출하였고 이를 부동산 가격 예측 모델에 적용하였다. 부동산 가격 예측 모델로는 Multi-head attention LSTM 모델과 Vector Auto Regression 모델을 사용하였다. 제안하는 뉴스 감성 지수를 적용하지 않은 LSTM 예측 모델은 1개월, 2개월, 3개월 예측에서 각각 0.60, 0.872, 1.117의 Root Mean Square Error (RMSE)을 보였으며, 뉴스 감성 지수를 적용한 LSTM 예측 모델은 각각 0.40, 0.724, 1.03의 RMSE값을 나타낸다. 또한 뉴스 감성 지수를 적용하지 않은 Vector Auto Regression 예측 모델은 1개월, 2개월, 3개월 예측에서 각각 1.6484, 0.6254, 0.9220, 뉴스 감성 지수를 적용한 Vector Auto Regression 예측 모델은 각각 1.1315, 0.3413, 1.6227의 RMSE 값을 나타낸다. 앞선 아파트 매매가격지수 예측 모델을 통해 사회/경제적 동향을 반영한 부동산 시장 가격 변동을 예측할 수 있을 것으로 보인다.

• 지적과 국토정보
• /
• 제53권1호
• /
• pp.65-81
• /
• 2023

최근 급상승된 부동산 가격의 하락으로 무리하게 갭투자를 한 투기꾼들로 인한 부동산 전세 사기와 관련된 언론 보도가 급증하고 있다. 이로 인한 세입자의 피해 사례가 계속 증가함에 따라 정부는 세입자 보호와 전세사기 방지를 위한 대책을 수립하고 있다. 그동안 주택임대차보호법, 임차권등기명령 등 세입자 보호를 목적으로 하는 법령에 관한 연구는 활발히 진행되고 있으나, 공적 장부간 정보 불일치로 인한 사기가 급증하면서 공적 장부의 정보의 일관성에 관한 연구가 시급한 실정이다. 본 연구는 부동산과 연관성이 높은 건축물대장, 도로명주소대장의 건물정보를 매칭키를 활용한 매칭방법론에 대한 연구를 모색하고 다른 공적 장부와의 연계방안도 검토하고자 한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권9호
• /
• pp.419-430
• /
• 2023

대체 불가능 토큰 (NFT: non-fungible Token)은 분할할 수 없다는 고유한 특징을 가지고 있다. 현재 NFT는 디지털 콘텐츠에 대한 소유권 증명 이상의 용도가 명확하지 않고, 토큰의 유동성이 거의 없으며, 이로 인한 가격의 예측이 어렵다. 현실에서의 부동산은 대개 가격이 매우 높은 특징으로 인해 투자 진입장벽이 매우 높다. 현물 부동산을 NFT 화하고, FT (fungible token)으로 분할하면 유동성의 증가, 접근성의 증가에 따른 투자자 커뮤니티 볼륨의 증가를 기대할 수 있다. 본 논문은 일반 투자자들이 개별적으로 구매하기 어려운 현물 부동산을 대량의 FT로 분할하고 이를 Black Litterman 모델 기반의 Portfolio 투자 인터페이스를 통해 투자할 수 있는 시스템을 설계하고 구현하였다. 이를 위해, 현물 부동산을 담보로 페깅하고, 보안적으로 안전한 블록체인인 NFT로 발행한다. 상시 변경되는 부동산 가격을 모니터링하기 위한 오라클을 사용하여, 외부 부동산 정보를 블록체인에 반영할 수 있도록 하였다. 현물 부동산 가격을 그대로 유지하고 있는 NFT를 낮은 가격의 대량 FT로 분할함으로써, 큰 유동성을 제공하고 가격 변동성 제한을 두었다. 이를 통해, 높은 가격으로 인해 투자하기 어려웠던 일반 소액 투자자들이 쉽게 투자할 수 있도록 하였다. 또한 소액 투자로 여러 개의 복수 현물 부동산에 투자하기 위한 효과적인 포트폴리오 구성을 위한 자산 포트폴리오 인터페이스를 구현하였다. 이는 Black Litterman 모델을 활용하여, 다수의 현물 부동산 NFT에 대한 투자 비율을 최적화할 수 있는 목적을 가진다. 전체 시스템은 Solidity 언어로 작성한 smart contract, Flask 웹 프레임워크, 공공데이터포털의 "국토교통부_아파트매매 실거래자료 Open API"를 활용하였다.

• 문화기술의 융합
• /
• 제7권1호
• /
• pp.256-263
• /
• 2021

본 논문은 정부 부동산 정책의 문제점과 개선방안을 연구하였다. 문재인 정부는 세금 중과로 투기 세력을 잡겠다고 하며 규제 일변도로 나아가고 있다. 공급보다는 재건축 규제나 은행 대출을 강화했고 양도소득세도 인상했다. 정부가 경제보다 정치 논리를 강조하며 대책을 시행하자 시장은 불안하고 경기는 침체에 빠지고 있다. 토지는 인구증가라든지 산업화, 도시화, 부의 증대로 인하여 문제의 악순환을 증가시켜왔다. 부동산 문제는 토지정책을 잘못 수립하면 토지가격 상승뿐만 아니라 무질서한 국토이용이 가속화되고 거래 질서의 문란이 파생된다. 또한 부동산은 한번 엎지른 물은 담기 어려울 정도로 토지문제를 회복하기 어렵다. 이것을 토지의 비가역성이라고 한다. 지가가 한번 폭등하면 다시 잡기 어렵고 무분별한 개발은 생태계의 파괴로 이어지어 되돌기가 여간 쉽지 않다. 이렇게 복잡다단한 부동산 문제을 정부 정책으로 단기간에 단시일에 벌주듯 시행해서는 안 되는 이유다. 이번 논문은 부동산정책의 문제점을 고찰하고 이에 대한 개선방안을 살펴보고자 한다.