[논문]주택가격지수 예측모형에 관한 비교연구

임성식

doi:10.7465/jkdi.2014.25.1.65

주택가격지수 예측모형에 관한 비교연구
A study on the forecasting models using housing price index 원문보기

Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.25 no.1, 2014년, pp.65 - 76

초록
AI-Helper

주택가격은 정부의 부동산 정책이나 국내외의 경기상황과 같은 외부충격요인에 따라 많은 영향을 받는다. 본 연구에서는 주택가격지수 예측을 위한 모형구축에서 중요한 요인은 외부충격요인으로 이를 개입효과라 하며, 이 외부요인들이 주택가격지수에 미치는 영향을 파악하고 향후 주택가격지수를 효율적으로 예측하기 위한 시계열모형을 찾는데 있다. 실제 자료를 이용하여 분석한 예측결과 개입모형이 다른 모형에 비해 우수한 것으로 나타났다.

Abstract ▼ AI-Helper

Housing prices are influenced by external shock factors such as real estate policy or economy. Thus, the intervention effect is important for the development of forecasting model for housing price index. In this paper, we examined the degree of effective power of external shock factors for forecasting housing price index and analyzed time series models for efficient forecasting of housing price index. It is shown that intervention models are better than other models in forecasting results using real data based on the accuracy criteria.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 어떤 시점에 외부의 갑작스런 충격요인이나 정책의 변화로 영향을 받아 관측값이 그 시점에서 급격히 감소 (증가)하다가 일정시점을 지나 서서히 또는 급격히 증가 (감소)하는 현상 즉 개입효과를 가진 시계열자료의 분석에 적합한 예측모형을 찾는 것으로, 국민은행에서 제공된 아파트 규모별 주택가격지수 시계열자료를 이용하여 모형별 예측력 정도를 비교해 보았다. 개입효과가 발생한 자료의 분석결과 개입분석모형을 이용한 분석이 예측의 정확성 측면에서 다른 모형에 비해 가장 우월하다는 것을 알 수 있었다.
하지만 이러한 경기부양정책은 가진 자들의 재산을 불리는 촉진제 역할을 한 반면 무주택 서민층을 더욱 어렵게 만드는 “빈익빈 부익부” 현상을 초래하는 역효과가 발생하였다. 이와 더불어 2001년부터 시작된 주택가격의 이상 급등현상과 부동산 거품 확산으로 인한 국민경제에 악영향을 미칠 가능성이 있어 이를 방지하기 위해 부동산 종합대책을 발표하기에 이르렀다.

가설 설정

여기서 yt는 관측값, t 또는 x1, x2, · · · , xk는 설명변수이며, ϵt는 정상성을 가지며 AR모형을 따른다고 가정한다.
여기서 오차항 at는 서로 독립이고 평균이 0, 분산이 σ2을 따르는 백색잡음이라 가정한다.

제안 방법

ARIMA모형을 적용하기 위하여 먼저 추세성, 계절성을 포함한 비정성성을 제거하기 위하여 계절 및 1차 차분을 실시하였다. 주택가격지수 자료를 ARIMA모형에 적합시켜 몇 가지 모형을 검토한 결과, 아파트 규모가 대형인 경우에는 AR의 차수가 1, 6, 9에서 유의한 ARIMA((1, 6, 9), 1, 0)(0, 1, 1)₁₂, 중형인 경우에는 ARIMA(2, 1, 0)(0, 1, 1)₁₂, 소형인 경우에는 ARIMA(1, 1, 0)(0, 1, 1)₁₂인 모형이 잠정모형으로 적합하다고 판정되었다.
0156으로 오차항들 간에 강한 양의 자기상관이 존재하는 것으로 나타나 자기회귀오차모형을 적용하는 것이 바람직한 것으로 나타났다. 가격지수 자료는 시간의 흐름에 따라 대체로 증가추세를 나타내므로 설명변수로 1986년 1월을 1로 시작하는 시간변수를 이용하였으며, 또한 시간변수의 제곱, 세제곱한 변수도 설명변수로 활용하였다. 그리고 이 자료는 미약하지만 계절성이 의심되어 잔차에 대한 자기상관의 시차는 충분한 시차를 고려하여 13차까지의 시차를 조사하였다.
가격지수 자료는 시간의 흐름에 따라 대체로 증가추세를 나타내므로 설명변수로 1986년 1월을 1로 시작하는 시간변수를 이용하였으며, 또한 시간변수의 제곱, 세제곱한 변수도 설명변수로 활용하였다. 그리고 이 자료는 미약하지만 계절성이 의심되어 잔차에 대한 자기상관의 시차는 충분한 시차를 고려하여 13차까지의 시차를 조사하였다. 이에 따라 자기회귀오차모형을 이용한 분석결과는 Table 3.
본 연구에서는 IMF나 부동산 정책의 발표시점, 글로벌 금융위기 등의 시점에서 개입요인의 효과가 발생하며 또한 이 효과는 시간의 흐름에 따라 효과가 점점 줄어드는 양상을 나타낼 것으로 기대되기 때문에 X_jt로서 #나 #를 적용하였다. 개입모형에 대한 자세한 내용은 Wei (1990)을 참조하기 바란다.
개입분석 역시 ARIMA모형 분석에서와 같이 주택가격지수 자료에 대하여 비정상 여부를 확인하여 비정상성이 존재하면 비정상성을 제거해야 한다. 이를 확인결과 계절 및 1차 차분이 필요하여 차분을 실시하였다. 또한 개입효과와 무관한 IMF 사태 발생이전 1997년 11월까지의 자료를 이용하여 ARIMA모형을 추정하였다.

대상 데이터

분석 및 예측에 사용된 자료는 1986년 1월부터 2013년 6월까지의 주택가격지수 자료이다. 1986년 1월부터 2012년 6월까지의 월별 자료들은 모형을 찾는데 사용하였고, 2012년 7월부터 2013년 6월까지 12개월치 자료는 예측능력을 측정하기 위해 사용하였다. 이 자료의 분석에 사용된 패키지는 SAS/ETS를 이용하였다.
분석 및 예측에 사용된 자료는 1986년 1월부터 2013년 6월까지의 주택가격지수 자료이다. 1986년 1월부터 2012년 6월까지의 월별 자료들은 모형을 찾는데 사용하였고, 2012년 7월부터 2013년 6월까지 12개월치 자료는 예측능력을 측정하기 위해 사용하였다.

데이터처리

또한 예측모형별 예측의 효율성을 평가하기 위하여 평균제곱오차 (MSE), 평균절대오차비율 (MAPE)과 타일의 불일치 계수 U 통계량 (Gaynor와 Kirkpatrick, 1994)을 이용하여 예측의 정확도를 평가하였다.

이론/모형

이를 확인결과 계절 및 1차 차분이 필요하여 차분을 실시하였다. 또한 개입효과와 무관한 IMF 사태 발생이전 1997년 11월까지의 자료를 이용하여 ARIMA모형을 추정하였다. 분석결과 대형아파트는 ARIMA(1, 1, 0)(0, 1, 1)₁₂모형, 그리고 중형아파트는 ARIMA(2, 1, 0)(0, 1, 1)₁₂모형, 소형아파트는 AR의 차수가 1, 6, 10에서 유의한 ARIMA((1, 6, 10), 1, 0)(1, 1, 1)₁₂모형이 잠정모형으로 식별되었다.
모수 추정시에 자기상관을 고려한 회귀계수와 오차항의 자기회귀모형에 대한 모수를 동시에 추정해주며, 오차항들에 대해 자기상관의 존재 여부를 진단하기 위해서는 Durbin-Watson (DW) 검정통계량을 사용한다.

성능/효과

1986년 1월부터 2012년 6월까지의 주택가격지수 자료를 시계열 회귀모형에 적용한 결과 DW 검정통계량 값이 아파트 규모에 따라 대형은 0.0147, 중형은 0.0176, 소형은 0.0156으로 오차항들 간에 강한 양의 자기상관이 존재하는 것으로 나타나 자기회귀오차모형을 적용하는 것이 바람직한 것으로 나타났다. 가격지수 자료는 시간의 흐름에 따라 대체로 증가추세를 나타내므로 설명변수로 1986년 1월을 1로 시작하는 시간변수를 이용하였으며, 또한 시간변수의 제곱, 세제곱한 변수도 설명변수로 활용하였다.
본 논문에서는 어떤 시점에 외부의 갑작스런 충격요인이나 정책의 변화로 영향을 받아 관측값이 그 시점에서 급격히 감소 (증가)하다가 일정시점을 지나 서서히 또는 급격히 증가 (감소)하는 현상 즉 개입효과를 가진 시계열자료의 분석에 적합한 예측모형을 찾는 것으로, 국민은행에서 제공된 아파트 규모별 주택가격지수 시계열자료를 이용하여 모형별 예측력 정도를 비교해 보았다. 개입효과가 발생한 자료의 분석결과 개입분석모형을 이용한 분석이 예측의 정확성 측면에서 다른 모형에 비해 가장 우월하다는 것을 알 수 있었다. 다음으로 ARIMA모형이 자기회귀오차모형에 비해 예측력이 높게 나타난 것을 볼 수 있었다.
한편 2013년 6월부터 12월까지의 6개월간 예측치를 살펴보면, 소형 아파트의 경우 자기회귀오차모형에서는 월별 시간이 흐름에 따라 줄어드나 ARIMA모형이나 개입분석모형에서는 오히려 완만하게 증가하는 것으로 나타나는 현상을 보아 향후 상황을 좀 더 지켜봐야할 것 같다. 그러나 대형, 중형, 소형에서는 예측치가 모두 완만하게 증가하는 것으로 나타났다.
개입효과가 발생한 자료의 분석결과 개입분석모형을 이용한 분석이 예측의 정확성 측면에서 다른 모형에 비해 가장 우월하다는 것을 알 수 있었다. 다음으로 ARIMA모형이 자기회귀오차모형에 비해 예측력이 높게 나타난 것을 볼 수 있었다. 따라서 시계열자료 분석에서 자료에 개입효과에 대한 정보가 추가적으로 주어진다면 일반적인 자기회귀오차모형이나 ARIMA모형을 적용하는 것보다는 개입분석모형을 적용하여 분석하는 것이 바람직하며 예측의 정도를 높일 수 있다고 사료되며, 이는 향후 유사한 개입효과 발생 시 주택가격에 대한 보다 정확한 사전예측을 통하여 주택정책 전반에 대한 보다 정확한 대안을 제시할 수 있으리라 기대된다.
5와 같다. 또한 추정된 모수들은 유의수준 5%에서 모두 유의하였으며 잔차에 대한 검정 결과 역시 아파트 규모별 대형, 중형, 소형에서 시차 30까지의 p-값이 0.2684, 0.3314, 0.3716으로 잔차에 더 이상 정보가 남아있지 않아 모형이 적절함을 확인할 수 있었다.
먼저 각 모형의 적합이 얼마나 효과적인지를 알아보기 위하여 Table 3.3에서부터 Table 3.5까지에 나타난 주택가격지수에 대한 모형별 AIC를 비교한 결과 개입분석모형이 가장 작으며, 다음으로 ARIMA모형, 자기회귀오차모형 순으로 나타나 개입분석모형이 모형의 적합력에 있어 우월함을 알 수 있다.
또한 개입효과와 무관한 IMF 사태 발생이전 1997년 11월까지의 자료를 이용하여 ARIMA모형을 추정하였다. 분석결과 대형아파트는 ARIMA(1, 1, 0)(0, 1, 1)₁₂모형, 그리고 중형아파트는 ARIMA(2, 1, 0)(0, 1, 1)₁₂모형, 소형아파트는 AR의 차수가 1, 6, 10에서 유의한 ARIMA((1, 6, 10), 1, 0)(1, 1, 1)₁₂모형이 잠정모형으로 식별되었다.
주택가격의 단기예측모형으로 Kim (1998), Yoon과 Kim (2000)은 ARIMA모형과 상태공간모형을 비교분석하였다. 분석결과 상태공간모형이 ARIMA모형보다는 예측력에 있어 보다 우수한 것으로 나타났다. 또한 Son 등 (2003)은 부동산가격 예측모형으로 실질 GDP 성장률과 회사채 수익률을 고려한 VAR모형과 ARIMA모형과의 비교분석을 통해 VAR모형의 예측력이 우수함을 보였다.
Noh와 Kim (2012)는 주택관련정책들과 거시경제변수들이 주택가격지수에 미치는 영향정도를 파악하기 위하여 상관분석과 회귀분석을 통하여 실증·분석하였다. 분석결과 주택가격지수는 주택관련정책보다는 오히려 거시경제변수들 특히 경기선행지수와 종합주가지수에 크게 영향을 받는 것으로 나타났다. Chun (2013)은 서울지역 아파트 매매가격지수, 전세가격지수, 매매가격대비 전세가격비율의 자료를 이용해 VAR 모형에 의한 동적 상관관계를 분석하였다.
분석결과에서와 같이 시계열자료가 외부충격요인이나 정책 등의 변화로 인해 그 충격 시점에서 급격히 증가 또는 감소하는 현상이 나타나는 자료의 경우에는 자기회귀분석모형이나 ARIMA모형을 적용하는 것보다는 개입분석모형을 이용하여 분석하는 것이 보다 바람직하다는 것을 보여주고 있다.
ARIMA모형을 적용하기 위하여 먼저 추세성, 계절성을 포함한 비정성성을 제거하기 위하여 계절 및 1차 차분을 실시하였다. 주택가격지수 자료를 ARIMA모형에 적합시켜 몇 가지 모형을 검토한 결과, 아파트 규모가 대형인 경우에는 AR의 차수가 1, 6, 9에서 유의한 ARIMA((1, 6, 9), 1, 0)(0, 1, 1)₁₂, 중형인 경우에는 ARIMA(2, 1, 0)(0, 1, 1)₁₂, 소형인 경우에는 ARIMA(1, 1, 0)(0, 1, 1)₁₂인 모형이 잠정모형으로 적합하다고 판정되었다. Table 3.

후속연구

다음으로 ARIMA모형이 자기회귀오차모형에 비해 예측력이 높게 나타난 것을 볼 수 있었다. 따라서 시계열자료 분석에서 자료에 개입효과에 대한 정보가 추가적으로 주어진다면 일반적인 자기회귀오차모형이나 ARIMA모형을 적용하는 것보다는 개입분석모형을 적용하여 분석하는 것이 바람직하며 예측의 정도를 높일 수 있다고 사료되며, 이는 향후 유사한 개입효과 발생 시 주택가격에 대한 보다 정확한 사전예측을 통하여 주택정책 전반에 대한 보다 정확한 대안을 제시할 수 있으리라 기대된다.
또한 최근에 들어서 부동산 거품이 꺼지고 미분양 아파트가 증가하고 있는 현상 등의 뉴스를 심심치 않게 보면서 미국의 부동산거품이 꺼졌던 것처럼 우리나라의 부동산 시장도 곧 붕괴될 것이라는 불안감이 증폭되고 있는 실정이다. 이와 같은 외부충격요인이나 정책 등의 변화로 인한 그 충격 즉, 외부요인에 대한 적절한 개입효과를 모형에 반영한 분석이 바람직하다고 판단되며, 향후 이와 유사한 외부요인 발생 시 사전 예측을 통하여 주택정책 전반에 대한 적절한 대책을 강구할 수 있으리라 사료된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	주택가격은 어디에 영향을 많이 받는가?	주택가격은 정부의 부동산 정책이나 국내외의 경기상황과 같은 외부충격요인에 따라 많은 영향을 받는다. 본 연구에서는 주택가격지수 예측을 위한 모형구축에서 중요한 요인은 외부충격요인으로 이를 개입효과라 하며, 이 외부요인들이 주택가격지수에 미치는 영향을 파악하고 향후 주택가격지수를 효율적으로 예측하기 위한 시계열모형을 찾는데 있다.
	대부분 시계열 자료를 분석할 때 오차항이 서로 독립이 아닌 경우가 흔한데 이때 어떤 방법을 사용하는 것이 바람직한가?	대부분 시계열 자료를 분석할 때 오차항이 서로 독립이 아닌 경우를 흔히 접하게 된다. 이와 같은 경우에는 오차항이 서로 독립이고 동일한 분산을 갖는다는 가정 하에 분석하는 회귀분석방법은 적절하지 못하며, 오차항에 자기상관을 고려한 회귀방정식을 적합시키는 것이 바람직하다. 따라서 오차항이 자기 상관을 갖는 자료를 분석할 수 있는 모형으로 일반회귀모형에 오차항에 자기회귀모형을 고려한 자기회귀오차모형이 있으며, 이 모형은 다음과 같다.
	Durbin-Watson 검정통계량은 어떠한 경우에 사용하는가?	모수 추정시에 자기상관을 고려한 회귀계수와 오차항의 자기회귀모형에 대한 모수를 동시에 추정해주며, 오차항들에 대해 자기상관의 존재 여부를 진단하기 위해서는 Durbin-Watson (DW) 검정통계량을 사용한다.

참고문헌 (15)

Abraham, B. and Ledolter, J. (1983). Statistical methods for forecasting, Wiley, New York.
Bang, K. S. (2011). Real estate terms dictionary, Buyonsa, Seoul.
Box, G. E. P., Jenkins, G. M. and Reinsel, G. C. (1994). Time series analysis forecasting and control, 3rd ed., Prentice-Hall, Inc., New Jersey.
Cho, Y. J. and Kim, Y. H. (2008). Development of forecasting model in tax exemption oil of fisheries using seasonal ARIMA. Journal of the Korean Data & Information Science Society, 19, 1037-1046.

원문보기 상세보기
Chun, H. J. (2013). The dynamic correlation between chonsei price, house prices, and house lease price to house sale price ratio. Korea Real Estate Academy Review, 53, 189-200.
Gaynor, P. E. and Kirkpatrick, R. C. (1994). Introduction to time- series modeling and forecasting in business and economics, McGraw-Hill, Inc., New York.
Han, K. S. (2011). The influence of real estate pricing factors on house sales price index in west area of Gangwon-do. Korean Academic Society of Business Administration, 66, 547-565.
Kim, K. Y. (1998). Model identification and test for forecasting house price. The Korea Spatial Planning Review, 197, 54-61.
Lee, H. W. and Lee, H. B. (2009). Comparative analysis for predictability of housing price index by model in Seoul. Korea Real Estate Academy Review, 38, 215-235.
Lee, K. H. and Kim, K. S. (1996).The analysis of influence on land price and land supply by land regulation, Samsung Economic Research Institute, Seoul.
Noh, Y. H. and Kim, G. H. (2012). A study on the impact on real estate policy of housing prices. Korea Real Estate Academy Review, 50, 108-122.
Park, I. C., Kwon, O. J. and Kim, T. Y. (2009). KOSPI directivity forecasting by time series model. Journal of the Korean Data & Information Science Society, 20, 991-998.
Son, J. S., Kim, K. Y. and Kim, Y. S. (2003). A study on the forecasting model of real estate market : The case of Korea. Housing Studies Review, 11, 49-75.
Wei, W. W. S. (1990). Time series analysis, Addison-Wesley, Redwood City, California.
Yoon, J. H. and Kim, H. S. (2000). Short-term forecasting model for the housing market, Korea Research Institute for Human Settlements, Anyang.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

주택가격지수 예측모형에 관한 비교연구
A study on the forecasting models using housing price index 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (15)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

주택가격지수 예측모형에 관한 비교연구 A study on the forecasting models using housing price index 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (15)

이 논문을 인용한 문헌

저자의 다른 논문 :

임성식 (1)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

주택가격지수 예측모형에 관한 비교연구
A study on the forecasting models using housing price index 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper