부동산은 우리나라 국민들이 생각하는 부의 척도 중 가장 대표적인 자산이며, 부를 증식시키기 위해 관심을 가져야 하는 주요 투자자산 중 하나이다. 따라서, 부동산가격의 변화에 대한 합리적 예측이 가능하다면 재산을 증식하거나 크게 잘못된 투자를 예방하는 것에 도움이 될 것이다. 부동산가격은 주요 요인의 급변이나 예상치 못한 환경변화 때문에 부동산 투자로 크게 성공한 것으로 알려진 유명 전문가들조차 잘못된 전망을 하는 경우가 많을 정도로 예측이 어렵다. 최근 들어 부동산과 관련된 분야에 대한 분석 및 예측 연구를 수행하는 과정에서 포탈 검색 정보나 뉴스 ...
부동산은 우리나라 국민들이 생각하는 부의 척도 중 가장 대표적인 자산이며, 부를 증식시키기 위해 관심을 가져야 하는 주요 투자자산 중 하나이다. 따라서, 부동산가격의 변화에 대한 합리적 예측이 가능하다면 재산을 증식하거나 크게 잘못된 투자를 예방하는 것에 도움이 될 것이다. 부동산가격은 주요 요인의 급변이나 예상치 못한 환경변화 때문에 부동산 투자로 크게 성공한 것으로 알려진 유명 전문가들조차 잘못된 전망을 하는 경우가 많을 정도로 예측이 어렵다. 최근 들어 부동산과 관련된 분야에 대한 분석 및 예측 연구를 수행하는 과정에서 포탈 검색 정보나 뉴스 빅데이터 정보들을 활용하고 있으며, 부동산 관련 정보를 제공하는 수많은 뉴스들이 쏟아지고 있다. 그러나 현실에서는 여전히 뉴스 빅데이터가 부동산가격 예측에 주된 요소로 사용되지 못하고 있다. 본 연구에서는 미래에 형성될 부동산가격의 수준이 아니라 상승 기조에서 하락 기조로 또는 하락 기조에서 상승 기조로 부동산가격의 추세가 전환되는 시점이 가까운 미래에 도래할 것인가에 관심을 갖고 분석을 진행하였다. 부동산가격의 변화를 파악하기 위해 주택 매매가격지수를 부동산가격의 대용지표로 정의하였고, 과거 가격 추세의 변화 시점을 더 정확히 파악하기 위해 한국의 대표적인 주택 형태인 아파트의 주간 아파트 매매가격지수 증가율을 사용하였다. 또한, 연구의 목적에 부합하도록 분석대상 변화 시점 및 자료수집기간을 정의하였다. 그리고, 해당 기간의 부동산 관련 뉴스 기사들 중 내용에 부동산가격, 주택가격, 아파트가격, 집값, 주택값, 아파트값이 한 번이라도 언급된 기사를 뉴스 빅데이터 자료로서 수집하였다. 수집된 뉴스 테이터의 용어 및 문서에 대해 빈도 분석을 실시하였으며, 분석대상 기간에 토픽의 주요한 변화가 있었는지 확인하기 위해 분석대상 시점 9개월 이전부터 3개월 단위로 묶어 토픽 분석을 실시하였다. 가격 상승 또는 하락을 유추할 수 있는 긍정적인 단어 또는 부정적인 단어들이 언급된 기사의 개수를 가격 변화 시점 이전 9개월간 월별로 비교하여 본 결과, 가격 변화 시점에 도달하기 전에 의미 있는 변화를 보여주는 단어들이 다수 있는 것으로 나타났다. 추가적으로, 비교가능성을 높이기 위해 상승과 하락, 상승세와 하락세 등 긍정적 단어에서 직관적으로 반대되는 의미를 가진 부정적 단어를 차감한 대응단어쌍을 생성하였다. 생성된 대응단어쌍 빈도 차이의 월별 추이를 비교한 결과, 가격 변화 시점에 가까워질수록 0에 가까워지거나 플러스 또는 마이너스로 값이 전환되는 등 부동산가격의 변화 추세가 분명하게 나타났다. 마지막으로, ‘상승세×100/(상승세+하락세)-50’으로 변환한 지수를 활용하여 비교한 결과, 월별 기사 수 차이가 있음에도 불구하고 추세의 변화를 더욱 잘 설명하는 것으로 확인되었다.
부동산은 우리나라 국민들이 생각하는 부의 척도 중 가장 대표적인 자산이며, 부를 증식시키기 위해 관심을 가져야 하는 주요 투자자산 중 하나이다. 따라서, 부동산가격의 변화에 대한 합리적 예측이 가능하다면 재산을 증식하거나 크게 잘못된 투자를 예방하는 것에 도움이 될 것이다. 부동산가격은 주요 요인의 급변이나 예상치 못한 환경변화 때문에 부동산 투자로 크게 성공한 것으로 알려진 유명 전문가들조차 잘못된 전망을 하는 경우가 많을 정도로 예측이 어렵다. 최근 들어 부동산과 관련된 분야에 대한 분석 및 예측 연구를 수행하는 과정에서 포탈 검색 정보나 뉴스 빅데이터 정보들을 활용하고 있으며, 부동산 관련 정보를 제공하는 수많은 뉴스들이 쏟아지고 있다. 그러나 현실에서는 여전히 뉴스 빅데이터가 부동산가격 예측에 주된 요소로 사용되지 못하고 있다. 본 연구에서는 미래에 형성될 부동산가격의 수준이 아니라 상승 기조에서 하락 기조로 또는 하락 기조에서 상승 기조로 부동산가격의 추세가 전환되는 시점이 가까운 미래에 도래할 것인가에 관심을 갖고 분석을 진행하였다. 부동산가격의 변화를 파악하기 위해 주택 매매가격지수를 부동산가격의 대용지표로 정의하였고, 과거 가격 추세의 변화 시점을 더 정확히 파악하기 위해 한국의 대표적인 주택 형태인 아파트의 주간 아파트 매매가격지수 증가율을 사용하였다. 또한, 연구의 목적에 부합하도록 분석대상 변화 시점 및 자료수집기간을 정의하였다. 그리고, 해당 기간의 부동산 관련 뉴스 기사들 중 내용에 부동산가격, 주택가격, 아파트가격, 집값, 주택값, 아파트값이 한 번이라도 언급된 기사를 뉴스 빅데이터 자료로서 수집하였다. 수집된 뉴스 테이터의 용어 및 문서에 대해 빈도 분석을 실시하였으며, 분석대상 기간에 토픽의 주요한 변화가 있었는지 확인하기 위해 분석대상 시점 9개월 이전부터 3개월 단위로 묶어 토픽 분석을 실시하였다. 가격 상승 또는 하락을 유추할 수 있는 긍정적인 단어 또는 부정적인 단어들이 언급된 기사의 개수를 가격 변화 시점 이전 9개월간 월별로 비교하여 본 결과, 가격 변화 시점에 도달하기 전에 의미 있는 변화를 보여주는 단어들이 다수 있는 것으로 나타났다. 추가적으로, 비교가능성을 높이기 위해 상승과 하락, 상승세와 하락세 등 긍정적 단어에서 직관적으로 반대되는 의미를 가진 부정적 단어를 차감한 대응단어쌍을 생성하였다. 생성된 대응단어쌍 빈도 차이의 월별 추이를 비교한 결과, 가격 변화 시점에 가까워질수록 0에 가까워지거나 플러스 또는 마이너스로 값이 전환되는 등 부동산가격의 변화 추세가 분명하게 나타났다. 마지막으로, ‘상승세×100/(상승세+하락세)-50’으로 변환한 지수를 활용하여 비교한 결과, 월별 기사 수 차이가 있음에도 불구하고 추세의 변화를 더욱 잘 설명하는 것으로 확인되었다.
Real estate is one of the most representative assets among the measures of wealth, and it is the major investment asset that people are should be interested in to increase their wealth. Thus, making it possible to predict changing time points in real estate prices would help to increase wealth and p...
Real estate is one of the most representative assets among the measures of wealth, and it is the major investment asset that people are should be interested in to increase their wealth. Thus, making it possible to predict changing time points in real estate prices would help to increase wealth and prevent poor investments. Real estate prices are so unpredictable that even experts renowned for their great success in real estate investment often give inaccurate forecasts because of sudden variations in major factors or unexpected environmental changes. Currently, portal search information and news big data information are being used in the process of conducting analysis or prediction research on areas related to real estate, and numerous news articles providing real estate-related information are pouring in. However, in reality, news big data is still not being utilized as a major factor in predicting real estate prices. This study focuses on predicting not future real estate prices but whether the point in time when the real estate price trend changes from an upward trend to a downward trend or vice versa will come in the near future. To identify changes in real estate prices, the housing sales price index was defined as a proxy indicator of real estate prices, and to more accurately identify the timing of changes in past price trends, the weekly apartment sales price index increase rate of apartments, a representative housing type in Korea, was used. In addition, the analysis target change point and data collection period were defined to meet the purpose of this study. Moreover, among the real estate- related news articles of the corresponding period, news articles in which ‘real estate prices’, ‘housing prices’, ‘house prices’, or ‘apartment prices’ were mentioned at least once were collected as data to be used for analysis. A frequency analysis was conducted on the terms of the collected news data, and a topic analysis was conducted by grouping them into 3-month units from 9 months prior to the analysis target change point to confirm whether there were any major changes in the topic during the analysis target period. As a result of comparing the number of articles mentioning positive or negative words that could imply a price rise or fall by month for 9 months before the price trend change, many words showed meaningful changes before reaching the point of change in the price trend. Additionally, to enhance comparability, pairs of words with opposite meanings were created by subtracting negative words with intuitively opposite meanings from positive words such as rise and fall. And as a result of comparing the monthly trends of the difference in the frequency of such word pairs, it was confirmed that the frequency difference was approaching zero or turning into a positive or negative value before the point of change in the price trend. Finally, when this was converted into '(uptrend×100)/(uptrend+downtrend)-50', it was confirmed that the comparison between different months was possible despite the difference in the number of articles per month, better explaining the change in the price trend.
Real estate is one of the most representative assets among the measures of wealth, and it is the major investment asset that people are should be interested in to increase their wealth. Thus, making it possible to predict changing time points in real estate prices would help to increase wealth and prevent poor investments. Real estate prices are so unpredictable that even experts renowned for their great success in real estate investment often give inaccurate forecasts because of sudden variations in major factors or unexpected environmental changes. Currently, portal search information and news big data information are being used in the process of conducting analysis or prediction research on areas related to real estate, and numerous news articles providing real estate-related information are pouring in. However, in reality, news big data is still not being utilized as a major factor in predicting real estate prices. This study focuses on predicting not future real estate prices but whether the point in time when the real estate price trend changes from an upward trend to a downward trend or vice versa will come in the near future. To identify changes in real estate prices, the housing sales price index was defined as a proxy indicator of real estate prices, and to more accurately identify the timing of changes in past price trends, the weekly apartment sales price index increase rate of apartments, a representative housing type in Korea, was used. In addition, the analysis target change point and data collection period were defined to meet the purpose of this study. Moreover, among the real estate- related news articles of the corresponding period, news articles in which ‘real estate prices’, ‘housing prices’, ‘house prices’, or ‘apartment prices’ were mentioned at least once were collected as data to be used for analysis. A frequency analysis was conducted on the terms of the collected news data, and a topic analysis was conducted by grouping them into 3-month units from 9 months prior to the analysis target change point to confirm whether there were any major changes in the topic during the analysis target period. As a result of comparing the number of articles mentioning positive or negative words that could imply a price rise or fall by month for 9 months before the price trend change, many words showed meaningful changes before reaching the point of change in the price trend. Additionally, to enhance comparability, pairs of words with opposite meanings were created by subtracting negative words with intuitively opposite meanings from positive words such as rise and fall. And as a result of comparing the monthly trends of the difference in the frequency of such word pairs, it was confirmed that the frequency difference was approaching zero or turning into a positive or negative value before the point of change in the price trend. Finally, when this was converted into '(uptrend×100)/(uptrend+downtrend)-50', it was confirmed that the comparison between different months was possible despite the difference in the number of articles per month, better explaining the change in the price trend.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.