머신 러닝 방법과 시계열 분석 모형을 이용한 부동산 가격지수 예측 = Predicting the Real Estate Price Index Using Machine Learning Methods and Time Series Analysis Model

국문 초록 (Abstract)

본 연구의 목적은 부동산 가격지수 예측을 위한 머신 러닝 방법의 활용가능성을 확인하는 것이다. 이를 위해 머신 러닝 방법인 서포트 벡터 머신, 랜덤 포레스트, 그래디언트 부스팅 회귀 트리, 심층신경망, LSTM과 시계열분석 방법인 자기회귀이동평균모형, 벡터자기회귀모형, 베이지언 벡터자기회귀모형을 이용하여 아파트 매매실거래가격지수를 예측하고 모형간 예측력을 비교하였다. 연구 결과, 첫째, 머신 러닝 방법의 예측력이 시계열분석 모형보다 우수한 것으로 나타났다. 둘째, 시장이 안정적인 상황에서는 머신 러닝 방법과 시계열분석 방법 모두 시장 추세를 적절히 예측하는 것으로 나타났다. 셋째, 구조적인 변화 또는 외부 충격으로 시장이 급변하는 경우 머신 러닝 방법은 시장 추세를 대체로 유사하게 예측하는 것으로 나타났으나, 시계열분석 방법은 시장 추세를 전혀 예측할 수 없는 것으로 나타났다. 향후 머신 러닝 방법을 활용함으로써 부동산 시장에 대한 예측의 정확성이 향상 될 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

This study aims to explore the feasibility of using machine learning methods to forecast the real estate price index. To do so, machine learning methods, such as support vector machine, random forest, gradient boosting regression tree, deep neural networks, and long short term memory networks (LSTM), and the time series analysis methods such as the autoregressive integrated moving average model (ARIMA), the vector autoregression model (VAR), and the Bayesian vector autoregressive model (Bayesian VAR), were used to predict the real estate price index for apartments. The following were the main findings of the comparison of their predictive abilities. First, the predictive power of machine learning methods is superior to that of the time series analysis methods. Second, in a stable market situation, both machine learning and time series analysis methods can predict market trends moderately well. Third, when the market undergoes a dramatic change due to structural changes or external shocks, the machine learning method can accurately predict market trends for the most part, whereas the time series analysis method fails to do so. Thus, the accuracy of real estate market forecasts can be expected to improve with the use of machine
learning methods.

목차 (Table of Contents)

• I. 서론
• II. 이론적 고찰 및 선행연구 검토
• III. 분석모형, 분석자료 및 분석방법
• IV. 실증분석
• V. 결론
• 참고문헌

참고문헌 (Reference)

1 "홈페이지"

2 "한국은행 경제통계시스템"

3 안성만, "한국어 음소 단위 LSTM 언어모델을 이용한 문장 생성" 한국지능정보시스템학회 23 (23): 71-88, 2017

4 "한국감정원 부동산통계정보"

5 송인호, "주택시장과 거시경제의 관계－주택가격, 금리, 소비, 총생산을 중심으로－" 부동산도시연구원 8 (8): 47-65, 2015

6 김성환, "주택경기 예측 향상을 위한 시계열모형 구축" 한국주택학회 33-49, 2016

7 김문성, "주택가격지수의 순환주기변동과 거시경제변수의 영향 분석" 한국부동산연구원 25 (25): 7-25, 2015

8 임성식, "주택가격지수 예측모형에 관한 비교연구" 한국데이터정보과학회 25 (25): 65-76, 2014

9 김근용, "주택가격 예측을 위한 모형설정과 검정" 국토연구원 197 : 54-61, 1998

10 정원구, "인공신경망을 이용한 공동주택 가격지수 예측에 관한 연구*- 서울지역을 중심으로-" 한국주택학회 15 (15): 39-64, 2007

11 이형욱, "서울시 주택가격지수의 모형별 예측력 비교 분석" 한국부동산학회 (38) : 215-235, 2009

12 함종영, "사전확률분포를 이용한 주택시장 예측모형 비교 연구: Bayesian VAR모형을 중심으로" 부동산도시연구원 8 (8): 25-38, 2016

13 이창로, "비모수 공간모형과 앙상블 학습에 기초한 단독주택가격 추정" 서울대학교 2015

14 손정식, "부동산가격 예측모형에 관한 연구" 한국주택학회 11 (11): 49-75, 2003

15 이우식, "딥러닝분석과 기술적 분석 지표를 이용한 한국 코스피주가지수 방향성 예측" 한국데이터정보과학회 28 (28): 287-295, 2017

16 민성욱, "딥 러닝을 이용한 주택가격 예측모형 연구" 강남대학교 2017

17 배성완, "딥 러닝을 이용한 부동산가격지수 예측" 한국부동산연구원 27 (27): 71-86, 2017

18 이요섭, "딥 러닝 프레임워크의 비교 및 분석" 한국전자통신학회 12 (12): 115-122, 2017

19 이영호, "데이터 분석적 사고력 향상을 위한 딥러닝 기반 학습 시스템 개발 연구" 한국정보교육학회 21 (21): 393-401, 2017

20 서종덕, "데이터 마이닝 기법을 이용한 환율예측: GARCH와 결합된 랜덤 포레스트 모형" 한국산업경제학회 29 (29): 1607-1628, 2016

21 Glorot, X., "Understanding the difficulty oftraining deep feedforward neural networks" 249-256, 2010

22 Vapnik, V., "The nature of statistical learing theory" Springer 1996

23 Brieman, L., "Random forests" 45 (45): 5-32, 2001

24 이세희, "RNN을 이용한 고객 이탈 예측 및 분석" 한국컴퓨터정보학회 24 (24): 153-163, 2016

25 Hochreiter, S., "Long short-term memory" 9 (9): 1735-1780, 1997

26 김양훈, "LSTM 언어모델 기반 한국어 문장 생성" 한국통신학회 41 (41): 592-601, 2016

27 김은희, "LSTM 모델 기반 주행 모드 인식을 통한 자율 주행에 관한 연구" 한국ITS학회 16 (16): 153-163, 2017

28 Litterman, R. B., "Forecasting with Bayesian Vector Autoregressions" 12 (12): 365-378, 1993

29 He, Kaiming, "Delving Deep into Rectifers:Surpassing Human-Level Performance on ImageNet Classification" 1026-1034, 2015

30 정승, "Bayesian VAR모형을 이용한 울산경제 예측" 울산발전연구원 1-26, 2014

31 성병희, "Bayesian VAR모형을 이용한 경제전망" 한국은행 7 (7): 59-90, 2001

32 Sims, C. A., "Bayesian Methods for Dynamic Multivariate Models" 39 (39): 949-968, 1998

33 Smola, A. J., "A tutorial on support vector regression" 14 (14): 199-222, 2004

34 Hinton, G. E., "A Fast Learning Algorithm for Deep Belief Nets" 18 (18): 1527-1554, 2006