기계학습과 설명가능한 인공지능 모형을 이용한 강남의 전세가격 결정요인 분석

Determinants of Jeonse Prices in Gangnam District: Machine Learning and Explainable Artificial Intelligence Approach

본 연구에서는 강남의 아파트 전세가격에 영향을 미치는 요인을 분석하기 위해 블랙박스 모형인 기계학습을 적용한다. 기존 부동산 금융 연구는 주로 선형회귀 모형에 의존해왔으나, 최근에는 XGBoost와 같은 기계학습을 적용하여 성능 향상을 모색한다. 그러나 XGBoost의 동작 원리가 복잡하여 가격을 결정하는 요인을 식별하기 어려운 문제가 있다. 이러한 한계를 극복하기 위해 본 연구에서는 설명가능한 인공지능 기법인 TreeSHAP을 XGBoost에 적용하여, 다양한 요소가 강남의 전세가격 예측에 미치는 기여도를 분석하고, 결정요인을 확인한다. 실험을 통해 XGBoost가 선형회귀 모형에 비해 우수한 예측성과를 달성하는 것을 확인하였다. 또한, 건축년도, 주요 건설사, 교통의 편리성과 같은 요인이 기계학습의 예측결과에 영향을 미치는 결정요소임을 확인하였다. 본 연구는 기계학습 모형의 신뢰성과 활용성을 높여 부동산 전세시장과 가격 결정요소에 대한 설명력을 높일 수 있음을 보인다.

This study employs a machine learning model with a black box nature to explore the variables influencing Jeonse apartment prices in the Gangnam district. While traditional real estate finance has relied on Linear Regression, recent advancements have been made by sophisticated machine learning models such as XGBoost, leading to heightened performance. Nevertheless, the inherent opacity of XGBoost poses challenges in comprehending the factors guiding Jeonse prices. Addressing this limitation, we apply TreeSHAP, an eXplainable Artificial Intelligence (XAI) technique, to the XGBoost model, thus elucidating its contributions and facilitating an in-depth analysis of the determinants governing Jeonse prices in the Gangnam district. Our experiments confirm that XGBoost achieves superior performance, compared to linear regression. We delve into influential determinants such as the construction date, major construction companies, and transportation convenience via XAI. This study demonstrates that enhancing the reliability and usability of machine learning can improve the explanatory power of the Jeonse real estate market and its price determinants.