LSTM모형을 활용한 부동산 조각투자 가격 예측
Predicting Real Estate Fractional Investment Prices Using LSTM Models
이선구(건국대학교); 유선종(건국대학교)
30권 2호, 25~43쪽
초록
본 연구는 부동산 조각투자 수익증권 플랫폼의 주가 예측에 대해 탐구한다. STO(Security Token Offering) 산업이 급속도로 성장하면서, 금융위원회는 토큰증권에 관한 규율 정비 방안을 발표하였다. 그럼에도 불구하고, 이 분야에서의 주가 예측 연구는 상대적으로 부족한 실정이다. 본 연구는 서울 위치한 ‘서초 지웰타워’와 ‘여의도 익스콘벤처타워’를 중심으로 LSTM(Long Short-Term Memory) 딥러닝 알고리즘을 활용하여 주가 예측 모델을 설계하고 검증하였다. 서초 지웰타워의 연구 기간은 2021년 7월 27일부터 2023년 7월 31일, 여의도 익스콘벤처타워의 연구 기간은 2022년 3월 15일부터 2023년 10월 31일로 이 기간 동안의 주요 거래 지표와 함께 외부 거시경제 지표를 포함하여 모델을 학습시켰다. 학습된 모델은 학습 데이터와 테스트 데이터에서 모두 높은 예측 정확도를 나타내었다. 결과적으로 LSTM을 활용한 모델은 높은 예측 정확도를 보였으며, 이를 통해 부동산 조각투자 플랫폼의 주가 예측에 딥러닝 알고리즘이 효과적임을 확인하였다.
Abstract
This study explores the stock price prediction of a real estate fractional income security platform. With the rapid growth of the security token offering (STO) industry, the Financial Services Commission has announced plans to overhaul the regulation of token securities. Nevertheless, there is a relative lack of stock price prediction research in this field. In this study, we designed and validated a stock price prediction model using LSTM (Long Short-Term Memory) deep learning algorithm, focusing on 'Seocho GWELL Tower' and 'Yeouido ExconVenture Tower' in Seoul. The study period for Seocho GWELL Tower was from July 27, 2021 to July 31, 2023, and the study period for Yeouido ExconVenture Tower was from March 15, 2022 to October 31, 2023, and the model was trained by including external macroeconomic indicators along with key trading indicators during this period. The trained model showed high prediction accuracy on both training and test data. As a result, the model utilizing LSTM showed high prediction accuracy, which confirms the effectiveness of deep learning algorithms in predicting stock prices of real estate fractional investment platforms.
- 발행기관:
- 한국부동산분석학회
- 분류:
- 경제학