데이터마이닝을 이용한 글로벌 리츠 투자 특성 예측

• 영문명: Forecasting of Investment Characteristics of Global REITs Using Data Mining
• 발행기관: 한국부동산학회
• 저자명: 김경민(Kim, Kyeung Min) 김천규(Kim, Cheon Kyu)
• 간행물 정보: 『부동산학보』不動産學報 第68輯, 44~56쪽, 전체 13쪽
• 주제분류: 경제경영 > 경제학
• 파일형태: PDF
• 발행일자: 2017.02.28

국문 초록

글로벌 금융위기 및 유럽 재정위기, 중국의 경기둔화 등 대외적 요인과 국내경기 둔화, 전세시장 역전 등의 대내적 요인에 따른 부동산 경기 부진으로 거래가 매우 침체되어 있다. 리츠(Real Estate Investment Trusts, REITs)와 부동산펀드(Real Estate Fund, REF) 등을 통해 임대수익이나 매각수익을 향유하는 부동산 간접투자시장이 급성장 하고 있다. 리츠투자는 글로벌 포트폴리오 및 대체투자 다변화, 수익률 극대화라는 기치하에 연기금 등 기관투자자의 수임을 받은 자산운용사를 중심으로 판매사를 통해 지속적으로 재간접펀드 일종인 글로벌리츠재간접펀드에 글로벌부동 산펀드와 더불어 투자자산을 증대시키고 있다. 글로벌리츠재간접투자의 예측분석 및 투자특성 분석결과를 바탕으로 투자하고자 하는 기관투자자 및 투자회사 실무담당자에게 투자 특성 예측분석을 통해 해외 투자지역 선별 및 투자항목 선택에 조력을 줌으로써 위험을 최소화하는데 기여하고자 하는 목적에서 연구를 실시하였다. 데이터마이닝을 통한 분류분석을 위한 데이터마이닝 투자가치 예측분석 결과 예측분석의 분류의 정확도는 99.7%로 높은 정분류율을 나타냈 다. 따라서 인공신경망 모형(ANN)을 활용한 분석결과를 바탕으로 자산운용사 및 판매사의 상품기획 및 자산운용 담당자들에게 글로벌 리츠상품 개발 기준 및 판매 기준 등을 제시해 줄 것을 기대한다.

영문 초록

1. CONTENTS (1) RESEARCH OBJECTIVES The results of the analysis of the prospectus and investment characteristics of the global barrel re-indebted fuels will be used by institutional investors and investment company practitioners who want to invest in overseas REITs to select overseas investment region selection and investment items And to contribute to the minimization of risk by providing assistance to the public. (2) RESEARCH METHOD The data used for valuation analysis and classification analysis of REITs Investment consisted of 332 asset management companies performance data on real estate overseas investment-type REITs investment products, The investment profit ratio of overseas investment-type commodities was 2016. It was 1 year immediately before the end of October 2015 (from May 1, 2015 to October 20, 2010). (3) RESEARCH FINDINGS We use data mining to classify and analyze the investment characteristics of the Global Litigation Re-Induced Firm by securing predictive power using these data mining methods. 2. RESULTS Results Characteristics of Investment in Global Ritz Re-Indirect Fund Using Data Mining As a result of machine learning for predictive analysis, the neural network model has the highest positive classification rate (99.7% accuracy) for predicting investment outcome Indicated. Next, we showed the prediction accuracy (Chon classification rate 98.82%) for the significance analysis of prediction variables of decision tree model (C 5.0) and logistic regression model. Based on the accuracy of such prediction, the independent variables affecting the investment result (IV) of the dependent variable as a result of the importance analysis of the variable are OM (operational maintenance), total net asset (NAV), price standard (BP) I was able to confirm the fact that.

목차

Ⅰ. 서 론

1. 연구의 배경 및 목적

2. 연구의 범위 및 방법

Ⅱ. 선행연구 검토 및 이론적 기초

1. 선행연구 검토

2. 대체투자의 이론적 기초

Ⅲ. 실증분석 및 결과

1. 검증모형 및 분류모형 평가

2. 변수선정 및 기초통계분석

3. 분석 결과

Ⅳ. 결 론

1. 연구의 결과 요약

2. 연구의 시사점 및 한계

키워드

부동산간접투자 글로벌리츠 투자가치 예측분석 정분류율 중요도 Real Estate Indirect Investment Global REITs Investment Value Forecast Analysis Sorting Rate Importance