머신러닝을 활용한 아파트 매도 호가와 매물량이 실거래가에 미치는 영향 연구 (A Study on the Impact of Asking Price and Sales Volume on the Real Transaction Price of Apartment using Machine Learning)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 21권 / 10호 / 37 ~ 46페이지
· 저자명 : 김규석, 이소영, 김경민

초록

부동산 시장에서는 변동성이 큰 기간 동안 시장 변화를 파악하는 데 매도 호가가 도움이 된다. 이 연구는 부동산 시장의 하락과 상승이 모두 관측되는 2022년 5월부터 2023년 7월까지의 아파트 매도 호가와 매물량이 시장 가격에 미치는 영향을 조사했다. 선형 회귀와 딥러닝 기반의 DNN 모델을 활용하여 3,000세대 이상의 대규모 서울 아파트 단지의 데이터를 분석했다. 주요 변수로는 부동산 가격, 거래량, 이자율 및 부동산 특성이 포함되었다. 연구 결과, 최저 실거래 가격과 최저 매도 호가 간의 큰 차이와 매물량의 증가는 실거래 가격 변동을 크게 이끌었다. 또한, DNN 모델의 예측 정확도가 검증되었으며, 매도 호가와 매물량이 주요 요인으로 확인되었다. 이는 매도 호가와 매물량이 부동산 정책에서 중요한 시장 분석의 도구가 될 것으로 시사한다.

영어초록

In the real estate market, asking prices help gauge market shifts during volatile periods. This study examines apartment asking prices and sales volume effect on transaction prices from May 2022 to July 2023, capturing both market downturns and upswings. Using linear regression and a deep learning-based DNN model, we analyzed data from large Seoul apartment complexes with over 3,000 units. Key variables included real estate prices, transaction volume, interest rates, and property features. The findings showed that larger gaps between the lowest transaction and asking prices, and increased sales volume, led to bigger price swings. The DNN model's predictive accuracy was verified, with asking prices and inventory as its primary drivers. This suggests asking prices and sales volume will be refined as key market analysis tools in evolving real estate policies.

참고자료

· 없음