최근 은행예금 이자율의 하락 등으로 인하여 시중의 유동자금이 부동산 투자로 전환되는 현상이 두드러지고 있으며, 아울러 부동산 시장에서는 오피스임대를 전세에서 월세임대로 바꾸어 임대 수익을 실현하고 있다. 하지만 불황의 장기화에 공급과잉, 사업장의 축소 등으로 인하여 최근 오피스빌딩의 임대료는 하락하고 공실률은 점차 증가하고 있는 추세에 있다. 이러한 현상 속에서 지금까지 오피스빌딩에 관한 연구를 살펴보면 적정 임대료 예측에 관한 연구가 주를 이루었을 뿐, 빌딩의 특성이 공실률에 미치는 영향이나 공실률에 따른 빌딩의 가치 평가는 드문 것이 현실이다. 따라서 본 논문에서는 투자자의 수익 실현의 관점에서 공실 가능성을 통계적으로 접근하고 예측하여 자산의 가치를 측정해 보고자 하였다. 이를 위하여 본 연구에서는 총 352개의 오피스빌딩에 대한 입지적 특성, 건물의 물리적/개별적 특성을 ...
최근 은행예금 이자율의 하락 등으로 인하여 시중의 유동자금이 부동산 투자로 전환되는 현상이 두드러지고 있으며, 아울러 부동산 시장에서는 오피스임대를 전세에서 월세임대로 바꾸어 임대 수익을 실현하고 있다. 하지만 불황의 장기화에 공급과잉, 사업장의 축소 등으로 인하여 최근 오피스빌딩의 임대료는 하락하고 공실률은 점차 증가하고 있는 추세에 있다. 이러한 현상 속에서 지금까지 오피스빌딩에 관한 연구를 살펴보면 적정 임대료 예측에 관한 연구가 주를 이루었을 뿐, 빌딩의 특성이 공실률에 미치는 영향이나 공실률에 따른 빌딩의 가치 평가는 드문 것이 현실이다. 따라서 본 논문에서는 투자자의 수익 실현의 관점에서 공실 가능성을 통계적으로 접근하고 예측하여 자산의 가치를 측정해 보고자 하였다. 이를 위하여 본 연구에서는 총 352개의 오피스빌딩에 대한 입지적 특성, 건물의 물리적/개별적 특성을 설명변수로 하여, 이 중 목표변수(장기적인 공실발생 여부)에 유의한 영향을 미칠 것 이라고 판단되는 변수들을 선택한 후 분석을 실시하였다. 데이터마이닝 분야의 로지스틱 회귀모형과 의사결정나무 모형, 신경망 모형을 통계분석모형으로 설정하여 이중 최적의 모형을 선택하였으며, 이 결과를 이용하여 오피스빌딩을 투자자의 입장에서 수익성 위험군을 세분화하였다. 본 연구의 주요 분석결과는 다음과 같다. 첫째, 오피스빌딩의 장기공실발생 여부를 판단하는데 중요한 변수로는 주차가능대수, 월임대료, 월관리비, 월주차비, 건물내의 시설수, 권역, 지하철접근성, 주차가능대수 등으로 선정되었으며, 이러한 변수들의 특징을 보면 주로 임차인이 부담해야하는 관리비용과 이용편의성에 관련된 변수들로 이분화 됨을 알 수 있다. 따라서 임차인이 부담해야하는 비용이 많을수록, 이용편의성이 떨어질수록 장기적으로 공실이 해소되지 않음을 확인하였다. 둘째, 로지스틱회귀분석, 의사결정나무분석, 신경망분석 등 3가지 분석모형을 오피스빌딩에 적용하여 본 결과 신경망모형>의사결정나무모형>로지스틱회귀모형 순으로 공실발생여부에 대한 판별능력이 뛰어남을 확인할 수 있었다. 셋째, 분류모형 적합결과를 가지고 공실발생 스코어를 산정하였으며, 임대 수익을 달성할 수 있는 투자 위험관리 측면에서 오피스빌딩을 세 개의 등급으로 나누었다. 평균공실률 6.38%이상을 고위험군으로 설정하였으며, 1.74%~6.38%를 중위험군, 공실률 1.74%이하는 저위험군으로 정의하였다. 본 연구를 진행하면서 가장 큰 한계점은 확보된 자료의 수가 매우 작다는 것이었다. 따라서 대량의 데이터를 분석하여 만든 분류모델에 비하여 그 신뢰성이 현저히 떨어질 수밖에 없다. 본 연구에서는 이러한 문제점을 해결하고자 임의부분샘플링 방법을 통한 평균값을 적용하여 모형선택시 참고자료로 활용하였다. 또한 오피스빌딩의 공실률은 계절성, 지역의 오피스빌딩 수요 및 공급 상황 등 경제적 변수와 저당권 설정 등 법률적 변수와도 상관관계가 존재할 것으로 판단되나 본 연구는 건물의 물리적?입지적 특성만을 고려한 연구였음에 아쉬움이 있다. 따라서 향후 연구에서는 이러한 계절적?경제적?법률적 변수도 고려해서 체계적으로 분석해 보아야 할 것이다. 우리나라 부동산 시장도 기존의 관리자 감각에 의한 자산관리에서 계량화된 지표에 의한 합리적인 자산관리 및 자산가치 산정이 절실히 요구되고 있으며, 향후 부동산 투자의 이익실현에 대한 경쟁력은 보다 체계적인 분석에 있다고 하겠다. 따라서 지금부터라도 부동산 시장에 대한 정보를 체계적으로 수집하는 방법에서부터 활용에 이르기까지 종합적인 시스템을 구축할 필요가 있다. 또한 관리자, 수익자, 임차인의 입장에서 효율적인 자산관리를 할 수 있는 통계적 접근방법의 개발에 노력을 기울어야 할 것이다.
최근 은행예금 이자율의 하락 등으로 인하여 시중의 유동자금이 부동산 투자로 전환되는 현상이 두드러지고 있으며, 아울러 부동산 시장에서는 오피스임대를 전세에서 월세임대로 바꾸어 임대 수익을 실현하고 있다. 하지만 불황의 장기화에 공급과잉, 사업장의 축소 등으로 인하여 최근 오피스빌딩의 임대료는 하락하고 공실률은 점차 증가하고 있는 추세에 있다. 이러한 현상 속에서 지금까지 오피스빌딩에 관한 연구를 살펴보면 적정 임대료 예측에 관한 연구가 주를 이루었을 뿐, 빌딩의 특성이 공실률에 미치는 영향이나 공실률에 따른 빌딩의 가치 평가는 드문 것이 현실이다. 따라서 본 논문에서는 투자자의 수익 실현의 관점에서 공실 가능성을 통계적으로 접근하고 예측하여 자산의 가치를 측정해 보고자 하였다. 이를 위하여 본 연구에서는 총 352개의 오피스빌딩에 대한 입지적 특성, 건물의 물리적/개별적 특성을 설명변수로 하여, 이 중 목표변수(장기적인 공실발생 여부)에 유의한 영향을 미칠 것 이라고 판단되는 변수들을 선택한 후 분석을 실시하였다. 데이터마이닝 분야의 로지스틱 회귀모형과 의사결정나무 모형, 신경망 모형을 통계분석모형으로 설정하여 이중 최적의 모형을 선택하였으며, 이 결과를 이용하여 오피스빌딩을 투자자의 입장에서 수익성 위험군을 세분화하였다. 본 연구의 주요 분석결과는 다음과 같다. 첫째, 오피스빌딩의 장기공실발생 여부를 판단하는데 중요한 변수로는 주차가능대수, 월임대료, 월관리비, 월주차비, 건물내의 시설수, 권역, 지하철접근성, 주차가능대수 등으로 선정되었으며, 이러한 변수들의 특징을 보면 주로 임차인이 부담해야하는 관리비용과 이용편의성에 관련된 변수들로 이분화 됨을 알 수 있다. 따라서 임차인이 부담해야하는 비용이 많을수록, 이용편의성이 떨어질수록 장기적으로 공실이 해소되지 않음을 확인하였다. 둘째, 로지스틱회귀분석, 의사결정나무분석, 신경망분석 등 3가지 분석모형을 오피스빌딩에 적용하여 본 결과 신경망모형>의사결정나무모형>로지스틱회귀모형 순으로 공실발생여부에 대한 판별능력이 뛰어남을 확인할 수 있었다. 셋째, 분류모형 적합결과를 가지고 공실발생 스코어를 산정하였으며, 임대 수익을 달성할 수 있는 투자 위험관리 측면에서 오피스빌딩을 세 개의 등급으로 나누었다. 평균공실률 6.38%이상을 고위험군으로 설정하였으며, 1.74%~6.38%를 중위험군, 공실률 1.74%이하는 저위험군으로 정의하였다. 본 연구를 진행하면서 가장 큰 한계점은 확보된 자료의 수가 매우 작다는 것이었다. 따라서 대량의 데이터를 분석하여 만든 분류모델에 비하여 그 신뢰성이 현저히 떨어질 수밖에 없다. 본 연구에서는 이러한 문제점을 해결하고자 임의부분샘플링 방법을 통한 평균값을 적용하여 모형선택시 참고자료로 활용하였다. 또한 오피스빌딩의 공실률은 계절성, 지역의 오피스빌딩 수요 및 공급 상황 등 경제적 변수와 저당권 설정 등 법률적 변수와도 상관관계가 존재할 것으로 판단되나 본 연구는 건물의 물리적?입지적 특성만을 고려한 연구였음에 아쉬움이 있다. 따라서 향후 연구에서는 이러한 계절적?경제적?법률적 변수도 고려해서 체계적으로 분석해 보아야 할 것이다. 우리나라 부동산 시장도 기존의 관리자 감각에 의한 자산관리에서 계량화된 지표에 의한 합리적인 자산관리 및 자산가치 산정이 절실히 요구되고 있으며, 향후 부동산 투자의 이익실현에 대한 경쟁력은 보다 체계적인 분석에 있다고 하겠다. 따라서 지금부터라도 부동산 시장에 대한 정보를 체계적으로 수집하는 방법에서부터 활용에 이르기까지 종합적인 시스템을 구축할 필요가 있다. 또한 관리자, 수익자, 임차인의 입장에서 효율적인 자산관리를 할 수 있는 통계적 접근방법의 개발에 노력을 기울어야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.