딥 러닝을 이용한 서울시 프라임 오피스가격 예측에 관한 연구

A Study on Prediction of Seoul Prime Office Price Using Deep Learning

본 연구는 국내 부동산간접투자시장에서 서울 프라임 오피스가 부동산펀드(RE Fund)와 리츠(REITs)의 투자 상품으로 선호되고 있는 가운데, 오피스가격예측모형을 구축하기 위해 거시경제지표 및시장상황지표를 이용하여 VAR 모형과 SimpleRNN 모형, LSTM 모형의 오피스 가격 예측력을 비교하였다. 분석 결과, VAR 모형의 RMSE가 LSTM 모형과 RNN 모형의 RMSE보다 더 낮아 예측력이 높은것으로 분석되었다. 이러한 실증분석 결과는 다변량 시계열 통계분석방법인 VAR 모형이 인공신경망 알고리즘인 딥 러닝 모형보다 서울 프라임 오피스가격 예측력이 상대적으로 높다는 것을 보여준다. 이는 서울프라임 오피스시장이 변수들 간에 비선형보다는 선형관계로 작동되는 시장이기 때문으로 판단된다. 즉, 서울 프라임 오피스시장은 다른 부동산시장과 비교해 시계열방법론을 통한 가격 예측 측면에서 거시경제변수 등 환경요인에 급변하기보다는 변수 간 상호관련성을 가지고 안정적인 관계를 보이면서 가격이 형성되는 시장이라고 볼 수 있다.

1. CONTENTS (1) RESEARCH OBJECTIVES The purpose of this study is to establish an office price prediction model in a situation where Seoul prime office is preferred as an investment product for real estate funds and REITs in the domestic real estate indirect investment market. (2) RESEARCH METHOD The methodology of this study analyzed the VAR model, SimpleRNN model, and LSTM model using macroeconomic indicators and market condition indicators to compare office price prediction power. (3) RESEARCH FINDINGS As a result of the analysis, the RMSE of the VAR model was lower than that of the LSTM model and the RNN model, so it was analyzed that the predictive power was high. These analysis results empirically show that the VAR model, a multivariate time series eep learning model, an artificial neural network algorithm. 2. RESULTS As a result, this study confirmed that the Seoul prime office market operates in a linear relationship rather than a non-linear one between variables. In other words, compared to other real estate markets, the Seoul prime office market can be seen as a market in which prices are formed while exhibiting a stable relationship with interrelationships between variables rather than rapidly changing environmental factors such as macroeconomic variables in terms of price prediction through time series methodology.