• Journal of the Korean Data and Information Science Society
• /
• 제26권3호
• /
• pp.561-568
• /
• 2015

이 연구에서는 공간회귀모형 중 공간시차모형과 공간오차모형을 이용하여 대구 경북 지역 단위면적당 아파트 매매가격을 예측하였다. k-최근접이웃 (k-nearest neighbours)을 이용하여 공간가중행렬을 구축하였으며, 이를 이용해 2012년 3월의 단위면적당 아파트 매매가격에 대한 모형을 적합시켰다. 적합시킨 공간시차모형, 공간오차모형을 이용하여 2013년 3월의 단위면적당 아파트 매매가격을 예측하였으며 RMSE (root mean squared error), RRMSE (root relative mean squared error), MAE (mean absolute error)를 통해 두 모형의 성능을 비교하였다.

• 디지털융복합연구
• /
• 제11권11호
• /
• pp.59-70
• /
• 2013

디지털 경제를 맞이하여 대부분 자산을 부동산에 투자하고 있어 향후 부동산 가격에 많은 관심을 보이고 있다. 다양한 변수들이 주택 등 부동산 시장에 영향을 미치고 있다. 그 중 대표적으로 세대주와 생산가능인구, 금리, 주가지수 등 4가지 변수들을 선정하여 어느 변수가 서울아파트 가격에 얼마나 통계적으로 유의하게 영향을 미치는지 살펴보았다. 본 연구는 실증적으로 서울아파트가격의 결정모형을 구축하는데 목적이 있다. 분석결과 주가지수만 서울아파트와 통계적으로 유의한 것으로 분석되었다. 세대주나 생산가능인구는 기존의 연구처럼 서울아파트와 방향성은 동일하지만 통계적으로 유의하지 않은 것으로 분석되었다. 독립변수 중에서 서울아파트 가격의 결정요인으로 주가지수만 주요 변수로 선정되었다. 본 연구결과 향후 주택 등 부동산시장의 예측하기 위해서는 주식시장의 전망이 선행되어야 할 것이다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권2호
• /
• pp.59-76
• /
• 2023

코로나 시대 이후 아파트 가격 상승은 비상식적이었다. 이러한 불확실한 부동산 시장에서 가격 예측 연구는 매우 중요하다. 본 논문에서는 다양한 부동산 사이트에서 자료 수집 및 크롤링을 통해 2015년부터 2020년까지 87만개의 방대한 데이터셋을 구축하고 다양한 아파트 정보와 경제지표 등 가능한 많은 변수를 모은 뒤 미래 아파트 매매실거래가격을 예측하는 모델을 만든다. 해당 연구는 먼저 다중 공선성 문제를 변수 제거 및 결합으로 해결하였다. 이후 의미있는 독립변수들을 뽑아내는 전진선택법(Forward Selection), 후진소거법(Backward Elimination), 단계적선택법(Stepwise Selection), L1 Regularization, 주성분분석(PCA) 총 5개의 변수 선택 알고리즘을 사용했다. 또한 심층신경망(DNN), XGBoost, CatBoost, Linear Regression 총 4개의 머신러닝 및 딥러닝 알고리즘을 이용해 하이퍼파라미터 최적화 후 모델을 학습시키고 모형간 예측력을 비교하였다. 추가 실험에서는 DNN의 node와 layer 수를 바꿔가면서 실험을 진행하여 가장 적절한 node와 layer 수를 찾고자 하였다. 결론적으로 가장 성능이 우수한 모델로 2021년의 아파트 매매실거래가격을 예측한 후 실제 2021년 데이터와 비교한 결과 훌륭한 성과를 보였다. 이를 통해 머신러닝과 딥러닝은 다양한 경제 상황 속에서 투자자들이 주택을 구매할 때 올바른 판단을 할 수 있도록 도움을 줄 수 있을 것이라 확신한다.

• 한국건설관리학회논문집
• /
• 제7권2호
• /
• pp.162-170
• /
• 2006

부동산분야에서 전통적인 예측방법과 비교하여 보다 예측력을 높일 수 있는 방법을 찾으려 한다. 이에 앞서 신경망 모형의 적용가능성을 살펴보고, 기존의 연구를 토대로 한 신경망 이론의 정의, 구조, 장단점 등을 살펴본다. 구체적인 적용가능성을 확인하기 위하여 동일 데이터로 회귀분석과 신경망분석을 통한 모형을 구축하고, 예측정확도 측면에서 신경망모형의 적용 가능성을 검토한다. 부동산학에서 기존에 회귀분석에 치우쳐 있던 연구방법을 신경망분석까지 확장하고, 특히 예측정확도 측면에서 우수성이 검증되고 있는 신경망모형에 대한 연구를 활성화 하고자 하는데 본 연구의 목적이 있다. 연구방법으로는 분양가격에 영향을 주는 거시경제변수를 모형화 한다. 그 모형설정 후 회귀분석과 신경망분석으로 결과를 비교하여 보다 예측 정확도가 높은 것을 찾는다. 그 결과 신경망모형의 예측정확도가 상당히 높게 나타났다.

• 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.

• 한국건설관리학회논문집
• /
• 제16권4호
• /
• pp.3-11
• /
• 2015

우리나라 주택공급은 주로 민간에 의한 선(先) 분양 아파트 개발사업 형태가 주로 이루고 있다. 선 분양 개발사업은 분양을 통해 사업비를 충당한다는 점에서 초기 계약률과 분양가격은 매우 중요함에도 연구의 축적은 미흡하며, 계약률과 분양가격 간의 관계를 고려한 연구는 이루어지지 않았다. 이에 이 연구는 분양가격과 초기 계약률간의 관계에 중점을 두고 분양사업계획 수립시 초기계약률을 고려한 합리적 분양가격을 책정하기 위한 분석을 수행하였다. 분석결과 지역 내 합리적 분양가격 수준보다 높거나 낮게 책정되면 초기계약률이 낮아진다. 따라서 사업주체가 분양가격을 책정하는 경우 초기계약률을 고려한 합리적 분양가격을 책정할 필요가 있다. 그리고, 초기계약률에 영향을 미치는 요인은 분양가격, 학교입지, 근린공원, 건폐율, 판상형 비율, 건설사 순위 등으로 나타났다. 이들 변수 중에서, 입지와 관련한 요인은 고정적이고 사업자의 노력으로 개선하기 어려운 사항이다. 입지 이외의 사업주체가 노력으로 해결할 수 있는 변수로는 분양가격의 책정, 건폐율이나 판상형 비율, 건설의 브랜드 등이라고 할 수 있다. 또한 사업계획 수립시 어떠한 건설사를 통해 어떤 주택을 건설하느냐는 사업의 성패를 결정하는 데 중요한 요인임을 확인하였다. 연구결과를 종합해보면, 사업주체가 분양가격을 책정하는 경우 지역에서 선호하는 특성을 합리적으로 고려하여 가격을 책정할 필요가 있으며, 연구에서 확인한 바와 같이 지역에서 적절한 분양가격과 초기계약률 간의 관계를 토대로 적절하게 분양가격을 책정하게 된다면 사업실패의 리스크를 줄이는데 기여할 수 있을 것으로 기대된다.

• 대한지리학회지
• /
• 제49권6호
• /
• pp.917-934
• /
• 2014

지리가중회귀 모델(GWR)은 국지적으로 이질적인 부동산 가격을 추정할 수 있는 도구로 폭넓게 활용되어 왔다. 그럼에도 불구하고 GWR은 공간적으로 이질적인 가격결정요인의 선택이나 국지적 추정에서의 관측치 수의 제한 등과 같은 한계를 가지고 있다. 본 연구는 이러한 한계를 극복하기 위한 대안으로 최근 주목받고 있는 지리가중라소 모델(GWL)을 이용하여 국지적으로 다양한 부동산 가격결정요인들을 탐색하고, 부동산 가격 추정에 있어서 GWL 모델의 적용가능성을 살펴보고자 한다. 이를 위해 서울시 아파트 가격을 대상으로 OLS, GWR, GWL의 헤도닉 모델을 구축하였으며, 모델의 설명력, 예측력, 다중공선성 측면에서 이들을 비교 분석하였다. 그 결과, 전역적 모델에 비해 국지적 모델이 전체적인 설명력, 예측력이 우수한 것으로 나타났으며, 특히 국지적 모델 중 GWL 모델은 다중공선성 문제를 자동적으로 해결하면서 공간적으로 이질적인 가격 결정요인 집합들을 도출하였고, 다른 모델들에 비해 상당히 높은 설명력과 예측력을 보여주고 있다. 본 연구에서 적용한 GWL 모델은 고차원의 데이터셋에서 유의미한 독립 변수들을 효율적으로 선정하는데 직접적인 도움을 줌으로써 부동산과 같이 대용량의 복잡한 구조를 가진 공간 빅데이터를 위한 유용한 분석 기법으로 활용될 수 있을 것이다.

• KIEAE Journal
• /
• 제17권3호
• /
• pp.75-81
• /
• 2017

Purpose: The energy consumption of apartment units is affected by the lifestyle of the residents rather than system technology. In this study the numerical analysis of assumed energy consumption correlation factors with arbitrary value due to uncertainty. It is intended to be used as a simulation correction value which can be utilized as a predicted value of actual energy usage. The correction value of the simulation is set in the developed form of the existing process that derives the actual usage amount. The simulation results used in the existing evaluation system are used to maintain the useful value as the current system evaluation scale and predict the actual capacity. Method: The method of the study is to statistically analyze the data frames of all complexes capable of collecting the annual energy usage and to reconstruct the population by adding the variables that are expected to be correlated. Repeat the data frame configuration with variables that are assumed to be highly correlated with energy use levels. Determine whether there is correlation or not. The intensity of the external characteristics of the building equipment related to the energy consumption is presented as the quantitative value. Result: The correlation between electricity consumption and trading price since 2010 is analyzed as (Correlation coefficient 0.82). These results are higher than (Correlation coefficient 0.79), which is the correlation between residential area and trading price. This paper signifies the starting point of the methodology that broadens the field of view of verification of simulation feasibility limited to the prediction technique focused on the simulation tool and the element technology scope.The diversified phenomenon reproduction method develops the existing energy simulation method.It can be completed with a simulation methodology that can infer actual energy consumption.

• 한국산학기술학회논문지
• /
• 제22권4호
• /
• pp.228-234
• /
• 2021

부동산의 시장 참여자들에게 부동산 가격에 대한 방향성을 예측하는 것은 의사결정에 있어서 매우 중요하다. 이를 위해 주로 회귀분석, ARIMA, VAR 등의 방법론을 사용하는데 이는 불특정 변수에 의해서 변동하는 자산의 가치를 예측하는데 한계점을 갖는다. 때문에 본 연구에서는 이를 보완하기 위해서 인공신경망 기법을 이용해 부동산 시장에서 유동성이 풍부한 서울 아파트 가격 추이를 예측하고자 한다. 인공신경망 학습을 위해서 총 12개의 거시 및 미시적 변수를 나눠 학습 모형을 설계하는데 거시적 요인은 CASE1, 미시적 요인은 CASE2 그리고 두 요인을 조합해서 요인을 구성한 CASE3 으로 나눠서 실험한다. 그 결과 CASE1 과 CASE2 는 약 2년 동안 87.5%의 예측을 보이고 CASE3은 95.8%의 예측성과를 보인다. 본 연구는 아파트 가격에 영향을 주는 다양한 요인들을 거시적 및 미시적으로 구분하여 정의하고 미래의 아파트 가격의 방향성을 예측하는데 인공신경망 기법을 제안하고 그 실효성을 분석했다. 따라서 최근 발전하고 있는 학습 기법이 부동산 분야에 다양한 관점으로 적용되어 시장 참여자들의 효율적인 의사결정을 할 수 있기를 기대한다.