시계열분석모형과 머신러닝을 이용한 주택가격 예측력 연구 (Prediction of Housing Price Using Time Series Analysis and Machine Learning Methods)

서지정보

· 발행기관 : 한국주거환경학회
· 수록지 정보 : 주거환경 / 18권 / 1호 / 49 ~ 65페이지
· 저자명 : 전해정

초록

본 연구는 시계열분석모형의 ARIMA,,VAR와 BVAR모형과 머신러닝의 RNN과 LSTM모형을 이용해 주택가격 예측력을 비교분석하는 연구로 아파트매매가격지수, 아파트전세가격지수, 회사채수익률, 산업생산지수와 건축허가면적을 변수로 사용하였다. 시간적 범위는 2001년 1월부터 2018년 12월까지로 하였고 전체기간과 글로벌 금융위기 전·후로 기간으로 나누어 분석하였고 공간적 범위는 전국, 서울, 강남과 강북으로 하였다. 분석결과, 머신러닝을 이용한 주택가격 예측력이 시계열분석모형보다 우수한 것을 확인하였고 지역별로 차이는 존재하나 머신러닝 모형을 이용해 추정한 예측값은 실제값과 움직임이 상당히 유사하다는 것을 확인하였다. 본 연구결과, 비선형자료를 처리할 수 있는 머신러닝을 이용시 주택가격 예측력이 향상되는 것을 확인한 바 정부는 머신러닝과 같은 인공지능을 이용한 주택시장 예측모델을 개발할 필요성이 있다.

영어초록

This study compares the ARIMA, VAR and BVAR models of the time series analysis model and the RNN and LSTM models of machine learning methods for predicting housing price. The variables were apartment sales price index, apartment Chonsei price index, corporate bond yield, industrial production index and construction permit area. The temporal range was from January 2001 to December 2018, divided into the whole period and the period before and after the global financial crisis, and the spatial ranges were nationwide, Seoul, Gangnam, and Gangbuk. As a result, it was found that the predictive power of house price using machine learning was better than the time series analysis model. Overall, the estimation based on the machine learning methods showed that the predicted value and the actual value were very similar. Therefore, The government needs to develop a housing market prediction model using artificial intelligence such as machine learning for accurate housing price prediction.

참고자료

· 없음