딥러닝을 활용한 서울시 주택 유형별 전세가격에 영향을 미치는 요인분석

• 영문명: Analysis of Factors Affecting Chonsei Prices by Housing Type in Seoul using Deep Learning
• 발행기관: 한국부동산학회
• 저자명: 전해정(Hae Jung Chun)
• 간행물 정보: 『부동산학보』第93輯, 33~42쪽, 전체 10쪽
• 주제분류: 경제경영 > 경제학
• 파일형태: PDF
• 발행일자: 2024.02.29

국문 초록

본 연구는 딥러닝의 DNN 모형을 이용해 주택 유형별 전세가격에 영향을 미치는 요인을 분석하였 다. 본 연구의 출력변수는 아파트 전세가격지수, 단독주택 전세가격지수, 연립주택 전세가격지수로 설정 하고 입력변수는 아파트 매매가격지수, 단독주택 매매가격지수, 연립주택 매매가격지수, 취업자수, 회사 채수익률, 주택건설인허가실적로 하였으며, 공간적 범위는 서울시로, 시간적 범위는 2007년 1월부터 2023년 10월까지로 설정하였다. 주택 유형별 전세가격 입력변수별 로컬 중요도를 살펴보면, 아파트 매매가격지수가 -0.66 이하일 때, 단독주택 매매가격지수가 -0.66 ~ -0.38 범위일 때, 연립주택 매매가격 지수가 -0.59 이하일 때 크기의 차이는 있지만 각 주택유형별 전세가격지수에 부(-)의 영향을 미치는 것으로 나타났다. 회사채수익률 값이 아파트는 -0.89 ~ -0.23, 단독주택은 -0.89 ~ -0.23, 연립주택은 - 0.89 ~ -0.23 범위일 때에 각 주택유형별 전세가격지수에 정(+)의 영향을 미치는 것으로 나타났다. 본연구결과에 따르는 시사점은 주택 유형별로 차이는 있지만 전세가격은 매매가격과 금리에 영향을 크게 받는 것으로 나타나 정부는 서민층·중산층의 주거안정을 위해서 지속적으로 주택유형별 전세가격과 매매 가격을 모니터링을 해야 하고 적절한 유동성 관리를 해야 한다는 것이다.

영문 초록

1. CONTENTS (1) RESEARCH OBJECTIVES This study used deep learning DNN model to empirically analyze the factors affecting Chonsei prices of each housing type in Seoul. (2) RESEARCH METHOD The output variables are set as the apartment Chonsei price index, the single-family home Chonsei price index, and the townhouse Chonsei price index, and the input variables are the apartment sales price index, single-family home sales price index, townhouse sales price index, number of employed people, and corporate bond yield. housing construction permit records. The spatial scope was set to Seoul, and the temporal scope was set from January 2007 to October 2023. (3) RESEARCH FINDINGS Looking at the LIME(Local Interpretable Model-agnostic Explanations) of each Chonsei prices input variable by housing type, when the apartment sale price index is -0.66 or less, the single-family house sale price index is in the range of -0.66 to -0.38, and the townhouse sale price index is -0.59 or less. it was found to have a negative impact on the Chonsei price index for each housing type. When the corporate bond yield was in the range of -0.89 to -0.23 for apartments, -0.89 to -0.23 for single-family homes, and -0.89 to -0.23 for townhouses, it was found to have a positive (+) impact on the Chonsei prices index for each housing type. 2. RESULTS The implications are that although there are differences by housing type, the Chonsei price appears to be greatly influenced by the sale price and interest rates. Therefore, the government must continuously monitor the Chonsei price and sale price by housing type to ensure housing stability for the working class and middle class and appropriate liquidity management.

목차

Ⅰ. 서 론

Ⅱ. 이론적 고찰

Ⅲ. 실증분석

Ⅳ. 결 론

참고문헌

키워드

딥러닝 주택 유형 전세가격 심층신경망 모형 로컬 중요도 Deep Learning Housing Type Chonsei Prices DNN LIME