• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.11a
• /
• pp.956-959
• /
• 2020

본 연구에서는 아파트를 대표할 수 있는 내·외적 데이터를 수집하고 인공지능 기술들을 활용하여 아파트 가격을 예측하는 시스템을 구축하고자 한다. 구체적으로 웹크롤링 기법을 통해 수집한 아파트 내·외적 데이터의 변수들에 대한 특성 선택(Feature Selection)을 수행하였고, 다양한 인공지능 기법을 활용하여 부동산 가격 예측 모형을 개발하였다. 아파트 가격 예측 모형 생성을 위해 Linear Regression, Ridge, Xgboost, Lightgbm, Catboost 등의 기계학습 알고리즘을 사용하였고, RMSE를 사용하여 각 예측 모형 간의 성능 비교를 수행하였다. 가장 성능이 좋은 예측 모형은 Xgboost기반 예측 모형이였으며, RMSE값이 약 0.0366으로 가장 낮았으며 테스트 데이터에 대한 정확도는 약 95.1%였다.

• Proceedings of the Korean Society for Quality Management Conference
• /
• 2006.04a
• /
• pp.506-512
• /
• 2006

다양한 아파트 특성들을 이용하여 아파트 가격을 추정하고 예측하는 연구 또한 많이 존재하고 있는 실정이다. 그렇지만 이러한 연구들 대부분이 회귀모형에 지나치게 의존하고 있는 실정이다 그러나 회귀모형은 단점보다 장점이 많은 모형이다. 본 연구는 회귀모형을 부정하기보다는 새로운 모형을 도입하여, 회귀모형의 문제점들을 극복하고 회귀모형과 상호보완적인 모형을 도입할 필요성에 의해서 본 연구를 수행한 것이다. 다양한 아파트 특성들에 대하여 신경망모형을 이용하여 아파트 가격을 예측하고, 기존의 회귀모형과 비교하는 것이 본 연구의 주목적이다 또한 회귀모형과 신경망모형의 상호 보완적인 측면을 규명하는 것은 본 연구의 부차적인 목적이 된다 아파트 특성들은 주변에서 쉽게 이용 가능한 데이터를 위주로 하였다. 2004년 6월 기준으로 서울시 송파구와 도봉구의 아파트 매매가격들과 12개의 아파트 특성들을 수집하였다. 아파트 매매가격들 (즉, 매매 하한가, 일반 거래가, 매매 상한가) 을 새로운 측정방법을 이용하여 하나의 매매가격으로 추정하였으며, 대표성을 가지도록 하였다. 신경망모형을 도입하여 아파트 특성들을 이용하여 아파트 가격을 정밀하고 유효하게 예측하고, 기존의 회귀모형들과 비교하는 것은 아파트 가격에 대한 연구 분야에 큰 의미가 있다 하겠다. 그리고 주택에 관한 기존의 연구와 신규 연구에 신경망모형이 활용될 수 있으리라 판단된다.

• Journal of Cadastre & Land InformatiX
• /
• v.52 no.2
• /
• pp.211-231
• /
• 2022

This study attempted to identify the effects of macroeconomic variables such as the All Industry Production Index, Consumer Price Index, CD Interest Rate, and KOSPI on apartment lease prices divided into nationwide, Seoul, metropolitan, and region, and to present a methodological prediction model of apartment lease prices by region using Long Short Term Memory (LSTM). According to VAR analysis results, the nationwide apartment lease price index and consumer price index in Lag1 and 2 had a significant effect on the nationwide apartment lease price, and likewise, the Seoul apartment lease price index, the consumer price index, and the CD interest rate in Lag1 and 2 affect the apartment lease price in Seoul. In addition, it was confirmed that the wide-area apartment jeonse price index and the consumer price index had a significant effect on Lag1, and the local apartment jeonse price index and the consumer price index had a significant effect on Lag1. As a result of the establishment of the LSTM prediction model, the predictive power was the highest with RMSE 0.008, MAE 0.006, and R-Suared values of 0.999 for the local apartment lease price prediction model. In the future, it is expected that more meaningful results can be obtained by applying an advanced model based on deep learning, including major policy variables

• The Korean Journal of Applied Statistics
• /
• v.33 no.5
• /
• pp.603-614
• /
• 2020

This study focuses on the prediction and factors of apartment prices in Seoul using a convolutional neural networks (CNN) model that has shown excellent performance as a predictive model of image data. To do this, we consider natural environmental factors, infrastructure factors, and social economic factors of the apartments as input variables of the CNN model. The natural environmental factors include rivers, green areas, and altitudes of apartments. The infrastructure factors have bus stops, subway stations, commercial districts, schools, and the social economic factors are the number of jobs and criminal rates, etc. We predict apartment prices and interpret the factors for the prices by converting the values of these input variables to play the same role as pixel values of image channels for the input layer in the CNN model. In addition, the CNN model used in this study takes into account the spatial characteristics of each apartment by describing the natural environmental and infrastructure factors variables as binary images centered on each apartment in each input layer.

• Journal of the Korean Data and Information Science Society
• /
• v.26 no.3
• /
• pp.561-568
• /
• 2015

In this study we predict apartment prices per unit in Daegu-Gyeongbuk areas by spatial lag and spatial error models, both of which belong to so-called spatial regression model. A spatial weight matrix is constructed by k-nearest neighbours method and then the models for the apartment prices in March, 2012 are fitted using the weight matrix. The apartment prices in March, 2013 are predicted by the fitted spatial regression models and then performances of two spatial regression models are compared by RMSE (root mean squared error), RRMSE (root relative mean squared error), MAE (mean absolute error).

• The Journal of Bigdata
• /
• v.5 no.1
• /
• pp.109-124
• /
• 2020

In Korea, despite much interest in real estate, it is not easy to predict prices. Because apartments are both residential spaces and investment materials. Key figures affecting the price of apartments vary widely, and there are also regional characteristics. This study was conducted to derive the factors and characteristics that affect the sale price of apartments in S City, Gyeonggi-do. In general, people diagnose that better subway accessibility leads to higher apartment sales price. Nevertheless, in the case of S City, the price was slightly lower as it was closer to Line 1, but the higher the subway accessibility at Shinbundang Line, the higher the price. The five-year average of government bonds and the price were inversely related, and it was found to be proportional to the M2 balance and the price. The floor area ratio and the total number of parking lots had a great influence on the price, and the presence of department stores and discount marts within 1.5 km were the most important factors in the area of cultural aspect.

• Korean Journal of Construction Engineering and Management
• /
• v.6 no.6 s.28
• /
• pp.98-106
• /
• 2005

The construction cost index and the forecasting model of apartment house can be efficient for evaluating the validness of the fluctuating price, and for making guidelines for construction firms when calculating their profit. In this study the previous construction cost index of apartment house was improved, and the forecasting model based on X-12 ARIMA was developed. According to the result, during the last five years the construction cost, excluding labor expense, has risen approximately to 22.7%. And during next three years, additional 16.8% rise of construction cost is expected. Those quantitative results can be utilized for evaluating the apartment house's selling price in an indirection, and be helpful to understand the variation pattern of the price.

• Journal of the Korea Convergence Society
• /
• v.12 no.11
• /
• pp.27-33
• /
• 2021

With increasing interest in key areas of the 4th industrial revolution such as artificial intelligence, deep learning and big data, scientific approaches have developed in order to overcome the limitations of traditional decision-making methodologies. These scientific techniques are mainly used to predict the direction of financial products. In this study, the factors of apartment prices, which are of high social interest, were analyzed through SOM. For this analysis, we extracted the real prices of the apartments and selected a total of 16 input variables that would affect these prices. The data period was set from 1986 to 2021. As a result of examining the characteristics of the variables during the rising and faltering periods of the apartment prices, it was found that the statistical tendencies of the input variables of the rising and the faltering periods were clearly distinguishable. I hope this study will help us analyze the status of the real estate market and study future predictions through image learning.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2009.05a
• /
• pp.220-226
• /
• 2009

본 연구는 회귀모형을 부정하기보다는 새로운 모형을 도입하여, 회귀모형의 문제점을 극복하고 회귀모형과 상호보완적인 모형을 소개하고자 본 연구를 수행하였다. 현재까지 인공지능 분야에서 널리 이용되어 왔던 신경망모형(Neural Network Model)은 입력변수가 불완전하고 변동폭이 넓은 경우에도 해석이 가능하며, 데이터 수가 적거나 불규칙한 경우라도 사례의 반복학습을 통해 오차를 줄여나가기 때문에, 데이터 수에 민감한 영향을 받는 회귀모형보다 정밀한 산정이 가능하다(박우열, 차정환, 강경인, 2002). 이러한 신경망모형에 아파트 특성들을 도입하여 아파트 가격을 정밀하고 유효하게 예측하는 것은 아파트 가격에 대한 연구 분야에 큰 의미가 있다. 그리고 주택에 관한 기존 연구와 신규 연구에 신경망모형이 활용될 수 있으리라 판단된다.

• Proceedings of the Korean Society for Quality Management Conference
• /
• 2010.04a
• /
• pp.379-385
• /
• 2010

본 연구는 회귀모형을 부정하기보다는 새로운 모형을 도입하여, 회귀모형의 문제점을 극복하고 회귀모형과 상호보완적인 모형을 소개하고자 본 연구를 수행하였다. 현재까지 인공지능 분야에서 멀리 이용되어 왔던 신경망모형 (Neural Network Model)은 입력변수가 불완전하고 변동 폭이 넓은 경우에도 해석이 가능하며, 데이터 수가 적거나 불규칙한 경우라도 사례의 반복학습을 통해 오차를 줄여나가기 때문에, 데이터 수에 민감한 영향을 받는 회귀모형보다 정밀한 산정이 가능하다(박우열, 차정환, 강경인, 2002). 이러한 신경망모형에 아파트 특성들을 도입하여 아파트 가격을 정말하고 유효하게 예측하는 것은 아파트 가격에 대한 연구 분야에 큰 의미가 있다. 그리고 주택에 관한 기존 연구와 신규 연구에 신경망모형이 활용될 수 있으리라 판단된다.