SOM을 이용한 지역분석 기반 딥러닝을 활용한 부동산 가격 예측

• 발행기관: 한국IT서비스학회
• 저자명: 신은경 홍태호
• 간행물 정보: 『한국IT서비스학회 학술대회 논문집』2020추계학술대회, 114~121쪽, 전체 8쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2020.10.30

국문 초록

부동산 가치 평가법에는 전통적으로 세가지 방법이 있으며, 이 중에는 거래사례비교법, 소득 접근법, 비용접근법이 있다. 거래사례비교법은 시장성의 원리에 근거 하고 있으며, 대상 부동산에 대한 적절한 시장지역을 획정하고, 대상 부동산의 가치에 영향을 줄 수 있는 여러 가지 시장을 연구하는 것이 필요하다. 특히, 한국의 감정평가 기준인 감정평가규칙에 의해 시산가격의 합리성을 검토하도록 하여 거래사례비교법의 중요성이 강조되고 있다. 한국은 2006년 1월 1일 이후 부동산 실거래 신고 의무 제도 시행 이후 실거래 신고 의무화 되면서 실거래 신고 정보가 축적되고 있다. 아파트의 경우에는 년평균 980,000건의 거래가 발생하고 있으며, 누적된 거래건수가 13,778,570건에 이르고 있을 정도로 빅데이터라 불릴만 하다. 시계열 데이터의 특징상, 잡음, 변화를 포함하고 있어 인간의 직관력에 의해 정보를 감지하기에 어려움이 있다. 시계열 데이터인 실거래지수의 군집분석을 통하여 패턴을 발견하고, 대규모 실거래를 통하여 관련 정보를 추출한다. 부동산 시계열 데이터는 시계열의 추세와 순환구성 요소를 분리하기 위하여 Hodrick-Prescott(HP)filter를 사용하여 전처리 과정을 거친다. 본 연구에서는 전처리 과정을 거친 실거래를 바탕으로 대상 적절한 시장지역을 획정하기 위하여 데이터마이닝 기법인 군집분석 인공신경망에 기초한 SOM(Self Orgnizing Map) 기법을 통하여 유사한 가격방향을 나타내는 지역을 군집한다. 유사한 군집 지역을 토대로 입력변수에 대한 설명력을 제시하고, 분석대상의 향후 미래가격동향에 대한 예측에 객관적 정보로 활용 할 수 있게 데이터마이닝 기법인 SVR(Support Vector Regression) 기법과 딥러닝 기법 중 시계열 데이터 예측이 적합한 LSTM(Long Short-Term Memory) 기법을 활용하여 부동산 가격 데이터 예측을 하여 결과를 비교하도록 한다.

목차

1. 연구배경

2. 이론적 배경

3. 연구프레임

4. 실험 및 결과

5. 결론 및 한계

참고문헌