신경망모형을 이용한 민간아파트 분양가격 보조지표에 관한 연구

A Study on a Secondary Indicator of New Home Pre-sales Price for Apartment Housing Market Using Neural Network Model

우리나라는 다른 나라에 비해 부동산이 가계자산에서 차지하는 비중이 상당히 높다. 그로 인해 부동산가격이 가계경제에 미치는 파급력 또한 크며, 관심도 높다. 이에 다양한 특성을 가지는 부동산에 대하여 여러 가지 연구가 진행되고 있다. 대부분의 연구는 표본추출을 통해서 이루어지지만, 그와 다르게 주택도시보증공사의 국내 민간아파트 분양시장 자료는 전수조사로 수집되어 자료가 생성된다. 하지만 전수조사로 조사되는 통계임에도 불구하고 여러 문제점이 존재한다. 즉, 분양시장의 특성상 12개월 이동평균으로 평균분양가를 산정하고 있는데, 그로 인한 평활화 현상(smoothing)이 나타나거나, 대표성에 문제가 나타나는 실정이다. 이 연구는 이러한 문제점을 보완하여 분양가격의 정보제공에 도움을 주는 보조지표 개발을 위한 선행연구로 삼고자 한다. 민간아파트의 분양이 이루어지지 않은 특정지역의 분양가격을 여러 가지 특성에 맞게 예측하여 대표성을 높이고, 변화가 많은 분양시장을 충분히 대변할 수 있는 분양가격예측모형을 만들고자 한다. 이에 앞서, 근접 지역의 분양가격을 회귀모형과 시차종속변수모형, 신경망모형에 적용시켜 체감 분양가격을 예측해 보았다. 그 결과 신경망모형이 가장 우수한 예측력을 보였다.

Our country’s real estate portion of household asset is higher than any other country. So price of real estate has power of influence to household and receives attention from many people. Nowadays, many researches concerning real estate which has diverse characteristics are going along. Most of them are conducted using sampling, but Korea Housing & Urban Guarantee Corporation uses complete enumeration survey. But there are a lot of problems. The average price of new home sales is calculated by moving average of 12 months because of characteristics of apartment housing market. However, it can be smoothed or distorted in regard to representation issues. This paper attempts to compensate the defect and develop a secondary indicator for new home sales price trends, so that it can be an advanced research of useful information for the public. We applied regression model and lagged dependent variable model, neural network model on new home sales prices of adjacent regions to estimate the price felt by the public. In result, the neural network model performed better than regression model and lagged dependent variable model.