표본 주택 가격 기반 부동산 가격지수 산정: 머신 러닝 방법의 활용을 중심으로
Estimating the Real Estate Price Index Based on Sample House Price: Focusing on the Use of Machine Learning Method
배성완(단국대학교); 유정석(단국대학교)
26권 4호, 53~74쪽
초록
본 연구의 목적은 ‘머신 러닝에 의한 표본 주택 가격’을 기반으로 부동산 가격 지수를 산정하는 것이다. 머신 러닝 방법인 랜덤 포레스트(random forest)와 심층신경망(deep neural networks)을 활용하여 표본 주택의 가격을 산정하였으며, 제본스 지수(Jevons index) 산정 방법을 이용하여 부동산 가격 지수를 산정하였다. 연구결과 첫째, RF지수와 DNN지수는 서로 유사한 모습을 보이고 있으며, 학습기간에 따라 변동성이 달라지는 것으로 나타났다. 둘째, RF지수와 DNN지수는 KAB지수와 비교했을 때 장기적 추세는 유사하나 단기적 추세는 상당한 차이를 보이는 것으로 나타났다. 셋째, KAB지수, KB지수, 실거래가격지수보다 변동성이 큰 것으로 나타났으며, 실거래가 지수와의 관련성은 확인할 수 없었다. RF지수와 DNN지수는에 대한 조사자의 정성적 분석이 더해진다면 기존 가격 지수를 개선할 수 있는 새로운 가격 지수로서의 활용 가능성이 높을 것으로 기대된다.
Abstract
The Purpose of this study is to estimate the real estate price index based on the ‘estimated price by machine learning’. The price of a sample house was estimated using the machine learning method ‘Random forest’ and ‘Deep neural networks’, and the real estate price index was calculated using the Jevons index calculation method. First, the result of the study showed that the RF index and DNN index are similar, and the variability was changed according to the learning period. Second, the RF index and DNN index showed similar long-term trends compared to the KAB index, but it was found that there was a considerable difference in short-term trends. Third, the RF index and DNN index were found to be more variable than the KAB index, KB index, and real transaction price index, and the relationship with real transaction price index could not be confirmed. If the researcher’s qualitative analysis on the RF index and DNN index is added, it is expected that there is a high possibility of utilization as a new price index that can improve existing price index.
- 발행기관:
- 한국주택학회
- 분류:
- 부동산경제