아파트매매가격지수 예측에 관한 비교 연구

Comparative Study on the Prediction of the Apartment Sales Price Index - Focused on Seoul and 6 Metropolitan Cities

부동산에 편중되어 있는 가계의 자산구조로 인해 부동산 가격 변동은 국가경제에 큰 영향을 미치게 된다. 주택가격에 대한 정확한 예측은 주택가격의 불확실성을 감소시킬 뿐만 아니라 관련 정책의사결정에 도움을 줄 수 있다. 본 연구의 목적은 2006년 1월부터 2019년 11월까지의 서울 및 6대 광역시 아파트 매매 실거래 가격지수를 대상으로 계량 시계열 모형과 인공신경망 모형을 활용하여 주택가격을 예측하고, 높은 예측력을 지닌 예측모형을 구축하는 데에 있다. 분석결과를 통해 정책적 시사점을 도출하고자 한다. 본 연구에서는 기존의 계량시계열 모형 및 표준 LSTM 모형이외 양방향(Bidirectional) LSTM 및 GRU모형을 추가하여 제시된 모형의 예측력을 비교분석하여 높은 예측력을 지닌 인공신경망 모형을 제시하였다. 실증분석결과 지역에 따라 높은 예측력을 보이는 인공신경망 모형이 다르다는 것을 확인하였다. 지역별로 예측력 높은 인공신경망 모형 구축 후 변수의 추가·삭제와 같은 자유로운 조작을 통해 지역에 적합한 거시경제변수가 주택가격지수에 미치는 효과를 파악하여 원하는 정책효과를 거두는 것이 가능할 것이다.

Due to the household s asset structure concentrated on real estate, changes in real estate prices have a great influence on the national economy. Accurate forecasting of house prices not only reduces uncertainty in house prices, but can also help in making relevant policy decisions. The purpose of this study is to estimate housing prices using a time-series model and artificial neural network model for the actual transaction price index for apartment sales in Seoul and six metropolitan cities from January 2006 to November 2019, and forecast with high predictive power. It is in building a model. In this study, by adding bidirectional LSTM and GRU models in addition to the existing weighing time series model and Vanilla LSTM model, we compared the predictive power of the proposed model and presented an artificial neural network model with high predictive power. As a result of empirical analysis, it was confirmed that the artificial neural network model with high predictive power differs depending on the region. After constructing a highly predictive artificial neural network model for each region, it is possible to grasp the effects of macroeconomic variables suitable for the region on the housing price index through free manipulation such as adding and deleting variables to achieve desired policy effects.