• 대한지리학회지
• /
• 제48권6호
• /
• pp.879-896
• /
• 2013

공시지가제 및 주택가격 공시제는 토지나 주택 거래를 위한 지가 정보나 국세 및 지방세의 과세를 위한 기초자료로 폭넓게 활용되고 있지만, 실제 시장에서는 공시가에 비해 낮은 현실화율을 보이고 있다. 본 연구는 이러한 개별공시지가와 주택실거래가 사이의 공간적 불일치에 주목하고 있으며, 특히 개별 공시가격 산정에 적용될 수 있는 임의적 공간 단위의 효과에 초점을 맞추어 다음 두 가지를 살펴보고 있다. 첫째, 개별공시지가, 주택실거래가, 그리고 이들의 가격 차이에 대한 공간적 분포를 집계구 단위를 기반으로 살펴본다. 둘째, 표준지나 표준주택에 대한 가격 산정, 나아가 개별공시지가나 주택가격에 대한 비준표 적용에 영향을 미칠 수 있는 공간 단위 임의성 문제(MAUP)의 스케일 효과를 탐색한다. 서울시를 대상으로 GIS와 통계 소프트웨어를 이용하여 분석하였고, 그 결과 주택실거래가가 개별공시지가에 비해 높은 일부 군집 지역들을 상세한 수준에서 발견할 수 있었으며, 상이한 공간 스케일에 따라 개별공시지가에 대한 지역 특성 변수들의 통계적 결과가 다르게 나타나고 있음을 실증적으로 확인하였다.

• 디지털융복합연구
• /
• 제18권11호
• /
• pp.43-49
• /
• 2020

본 연구는 유동성 지표인 가계대출과 M2, 경기변동을 반영하는 산업생산지수를 변수로 설정하여 주택시장에 영향을 미치는 요인을 분석하고 기대 주택가격의 영향을 파악하고자 하였다. 이를 위하여 2005년 1월부터 2020년 5월까지의 자료를 바탕으로 실증분석을 실시하였으며, 주택가격변수는 실질 매매가격지수를 사용하였다. 모형을 3개로 구분하여 각 변수들의 계수 값을 비교한 결과, 실질 가계대출, 실질 M2 순서로 주택가격에 영향을 미치는 것으로 나타났는데 이는 저금리 기조에 따른 레버리지 효과로 인한 결과로 해석할 수 있다. 그리고 과거의 주택가격과 주택가격에 대한 기대는 현재기의 주택가격을 상승시키는 것으로 나타났다. 주택자산에 대한 기대 가격상승률이 높아지면 주택가격이 높아지는데, 이는 시장을 형성하는 중심가치가 투자가치로 변하게 되어 가격상승으로 이어질 수 있다는 점을 시사한다. 이러한 결과는 유동성의 확대가 경기 활성화에 목적을 두고 있음에도 불구하고 주택가격에도 영향을 미칠 수 있다는 결과를 보여주고 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.

• 한국BIM학회 논문집
• /
• 제10권3호
• /
• pp.54-62
• /
• 2020

There is growing consensus among planners and policymakers that brownfield remediation has positive impacts on neighborhoods in terms of housing prices, public health, and environmental quality. However, there is a limited understanding of how brownfield redevelopments spatially affect neighborhood housing turnover and stability. This paper addresses the spatial impacts of brownfield redevelopments on neighboring housing turnover in Cuyahoga County, Ohio. This study examines housing turnover before and after the remediation of brownfield sites countywide and in housing submarkets stratified by household income. Based on housing sales data between 1996 and 2007, the extended Cox Hazard model with the difference-in-difference approach is employed to clarify the causal relationships between brownfield redevelopments and neighboring housing turnover. Additionally, along with the results of the previous study examining impacts of brownfield remediation on nearby housing prices, this paper estimates the change of neighborhood stability due to brownfield redevelopments based on both attributes of housing prices and turnovers.

• 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.

• 국제지역연구
• /
• 제14권3호
• /
• pp.246-263
• /
• 2010

본 연구에서는 2000년 이후 미국의 주택가격과 물가의 장기적 관계가 어떻게 변화하고 있는지를 분석하였다. 분석 모형은 벡터오차수정모형(VECM)을 이용하였으며, 모형을 통해 공적분 검정과 장기균형식 추정 그리고 그랜저 인과검정을 실시하였다. 데이터 기간은 1975년 1분기부터 2010년 2분기까지이며, 모형 추정 및 검정 기간의 최종 시점을 2000년 1분기부터 한 분기씩 늘려나가는 축차적(recursive) 방식을 택하였다. 실증 분석 결과는 다음과 같다. 첫째, 서브 프라임 모기지 사태 이전의 주택가격이 급등했던 시기에도 주택가격과 물가는 안정적인 장기균형관계를 유지하였다. 둘째, 주택가격과 물가의 장기 균형 관계가 2007년 이후 상당한 변화를 보였으며, 장기균형 이탈에 대한 주택가격변수의 조정 계수도 이론적인 부호와는 반대로 나타나고 있다. 이러한 결과는 2007년 이후의 주택 가격 하락이 물가와 주택가격의 안정적인 장기균형의 회복을 위한 주택가격 자체의 조정이라고 보기는 어렵다는 것을 시사한다. 셋째, 그랜저 인과검정 결과 10% 유의수준 하에서 물가가 주택가격을 그랜저-코즈 하는 것으로 나타났으며, 주택가격이 물가를 그랜저-코즈 하는가에 대한 검정은 기각되었다.

• 아태비즈니스연구
• /
• 제11권2호
• /
• pp.27-43
• /
• 2020

Purpose - This study explores the impact of the real estate industry on related industries for the perspective of Chinese steel companies. Design/methodology/approach - The impact of housing prices on the 41 listed steel companies' performance was analyzed by using the panel data model. We used two kinds of housing price indexes that are set in the panel data models to estimate the range of the real estate market, driving the performance growth of steel listed companies. Moreover, the net profit of steel companies is used as the dependent variable. To test the stability of the model, ROA used as a dependent variable for the robustness test. Also, to avoid the time trend of housing prices, this paper selects the growth rate of housing prices as the primary research variable. After Fisher-type testings, there is no unit root problem in both independent and dependent variables. Findings - The results indicated that the rise in the housing price has a positive influence on the steel company performance. When the housing price increases by 1%, the net profit of steel enterprises will increase by 5 to 20 million yuan. Research implications or Originality - In this paper, empirical data at the micro-level and panel model are used to quantify China's real estate industry's driving effect on the iron and steel industry, providing evidence from the microdata level. It helps us to understand further the status and role of China's real estate industry in the economic structure.

• 지적과 국토정보
• /
• 제45권2호
• /
• pp.203-216
• /
• 2015

본 연구는 최근 전세가격과 전세가격비율의 이상 급등현상에 비추어 매매가격과 전세가격과의 관계를 살피는 데 있다. 전세가격비율과 매매가격에 대한 기대상승률 간의 관계를 고찰한 연구는 그리 많지 않다. 본 연구는 이 문제와 함께 전세가격비율이 지역별로 주택가격별로 어떠한 차이를 보이는지를 고찰하고 있다. 이 같은 점에서 본 연구는 기존 논문들과 차별성이 있다. 분석결과 매매가격에 대한 기대상승률과 전세가격비율은 정의 상관관계를 가지며, 기대상승률이 0일 경우에도 전세가격이 매매가격을 초과하는 현상은 나타나지 않았다. 매매가격이 높은 지역일수록 전세가격비율은 낮아지며, 매매가격이 낮은 지역일수록 전세가격비율은 높아지는 것으로 나타났다.

• Soft Computing and Machine Intelligence
• /
• 제1권1호
• /
• pp.11-23
• /
• 2021

House price prediction is a significant financial decision for individuals working in the housing market as well as for potential buyers. From investment to buying a house for residence, a person investing in the housing market is interested in the potential gain. This paper presents machine learning algorithms to develop intelligent regressions models for House price prediction. The proposed research methodology consists of four stages, namely Data Collection, Pre Processing the data collected and transforming it to the best format, developing intelligent models using machine learning algorithms, training, testing, and validating the model on house prices of the housing market in the Capital, Islamabad. The data used for model validation and testing is the asking price from online property stores, which provide a reasonable estimate of the city housing market. The prediction model can significantly assist in the prediction of future housing prices in Pakistan. The regression results are encouraging and give promising directions for future prediction work on the collected dataset.

• 국제학술발표논문집
• /
• The 6th International Conference on Construction Engineering and Project Management
• /
• pp.44-48
• /
• 2015

Housing price is a key indicator of housing demand. Actual Transaction Price Index of Apartment (ATPIA) released by Korea Appraisal Board is useful to understand the current level of housing price, but it does not forecast future prices. Big data such as the frequency of internet search queries is more accessible and faster than ever. Forecasting future housing demand through big data will be very helpful in housing market. The objective of this study is to develop a forecasting model of ATPIA as a part of forecasting housing demand. For forecasting, a concept of time shift was applied in the model. As a result, the forecasting model with the time shift of 5 months shows the highest coefficient of determination, thus selected as the optimal model. The mean error rate is 2.95% which is a quite promising result.