계층적 베이지안 추론을 통한 아파트 단지별 실거래 기반 시세 개발 (Study of Apartment Complex Market Price Based on Hierarchical Bayesian Inference)

서지정보

· 발행기관 : 한국부동산분석학회
· 수록지 정보 : 부동산학연구 / 28권 / 4호 / 39 ~ 54페이지
· 저자명 : 권민성, 최우현, 송영선, 이창무

초록

부동산 가격지수는 기준시점 대비 가격 상승률을 확인할 수 있는 지표이다. 부동산은 소비재이면서 동시에 투자재의 성격을 가지는 자산이기에 그 가격 상승률은 다양한 경제주체들의 의사결정을 이끌어낸다. 아파트로 대표되는 국내 주거용 부동산은 지역별, 지역 내 단지별 하부시장의 집합체로 나뉠 수 있다. 그러나 전통적인 OLS방식으로 산출되는 실거래가격 지수는 거래사례가 존재하지 않는 시점을 추정하지 못하여 하부시장의 가격동향을 정확하게 포착하지 못하는 단점이 있다. 더불어 가격지수로 가장 많이 활용되는 반복매매모형은 동일하게 인식되는 자산의 거래쌍을 만들어 활용하기에 거래사례의 한계 문제점은 더욱 부각되고 있다. 이와 같은 단점에서 탈피하여 Markov Chain Monte Carlo 샘플링을 방식으로 하는 계층적 베이지안 추론법을 활용하여 안정적인 하부시장 별 가격지수를 산출해낼 수 있다. 따라서 본 연구에서는 중랑구 망우동, 중화동의 아파트 단지별 가격지수를 일차적으로 산출하였다. 이를 바탕으로 시세를 구축하여 부동산 114에서 제공하는 시세와의 비교를 진행하였다.

영어초록

The real estate price index is an indicator for monitoring the price appreciation of an asset compared to the base point. Real estate is not only a consumption good, it is also an investment asset, so its appreciation can derive decision-making on the part of market participants. Residential assets, which can be mainly represented by “apartments” in South Korea, can be explained by regional or apartment complex-level submarkets. However, the traditional way of estimating price indices by using OLS (Ordinary Least Squares) has some limitations. It cannot estimate price coefficients when there are no transactions at the specific time point, so the traditional index cannot precisely capture the ups and downs of individual submarkets. The repeat-sales model, which is widely-used for constructing housing price indices, uses transaction pairs, so the lack of samples can be a serious obstacle in accurate estimation. In order to overcome the limitations of the OLS methods, we estimate stable submarket-specific indices with hierarchical Bayesian inference by MCMC (Markov Chain Monte Carlo) sampling. This study initially focuses on estimating sub-market indices for apartment-complexes in Mangwoo-dong and Junghwa-dong in Jungrang-gu. We subsequently compare the performance of the newly constructed indices by this research and the existing indices developed by R114.

참고자료

· 없음