선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이에 따라 선행연구들은 부동산자산을 포함한 복합 포트폴리오를 구성함으로써 분산투자에 대한 효율성을 확인하였지만, 상업용 부동산을 용도 및 권역별로 구분한 후, 포트폴리오를 구성하여 분산투자의 효과를 확인한 연구는 드물었다. 이와 같은 의미에서 본 연구는 상업용 부동산 중에서 서울시의 오피스 빌딩과 소매용 부동산 시장을 권역별로 세분화하여 포트폴리오를 구성하고 Sharpe 지수를 이용하여 투자성과를 측정함으로써 상업용 부동산의 용도 및 권역별 분산투자에 대한 효과를 파악하고자 하였다.
- 이와 같은 의미에서 본 연구는 서울의 상업용 부동산 시장에서 서로 다른 용도인 오피스 빌딩 시장과 소매용 부동산 시장을 권역별로 세분화한 후, Markowitz(1952)의 평균-분산모델(Mean-Variance Model)을 토대로 분산투자에 의한 포트폴리오를 구성하고 그 투자의 효율성 및 최적 포트폴리오의 존재를 확인함으로써 상업용 부동산 시장에서 용도 및 권역별 분산투자의 특성을 이해하고 효과적인 투자를 위한 시사점들을 제공하고자 한다.
제안 방법
- 그 후, 오피스 빌딩 시장의 각 권역인 강남권(GBD: Gangnam Business District), 마포 · 여의도권(YBD:Yeouido Business District),그리고 도심권(CBD: Central Business District)과 소매용 부동산 시장의 각 권역인 강남권(GBD: Gangnam Business District), 도심권(CBD: Central Business District), 그리고 마포 · 신촌권(SBD: Sinchon Business District)의 기초자산들을 토대로 포트폴리오를 구성 및 분석하였다.
- 다음은 서울시내 소매용 부동산 자산의 권역별 포트폴리오의 구성을 위해 R_GBD와 R_SBD권역, R_GBD와 R_CBD권역, 그리고 R_SBD와 R_CBD권역을 각각 투자비율을 달리하여 포트폴리오를 구성하였다.
- 본 연구에서는 상업용 부동산의 용도 및 권역별 자산 간 분산투자를 고려하여 총 135개의 포트폴리오를 구성하였으며, 이들을 평균-분산 그래프의 평면에 나타내었다(Fig. 8). 여기에서 Sharpe 지수에 기반한 용도 및 권역별 최적 포트폴리오의 구성비율은 CBD권역의 오피스 빌딩 10∼30%와 CBD권역의 소매용 부동산 자산 70∼90%였으며 이 때의 수익률은1.
- 오피스 빌딩과 소매용 부동산 자산에 의한 권역별 혼합 포트폴리오의 구성을 위해서 오피스 빌딩의 O_GBD, O_YBD, 그리고 O_CBD권역과 소매용 부동산 시장의 R_GBD, R_SBD, 그리고 R_CBD권역을 이용하여 총 9개의 용도 및 권역별 혼합 포트폴리오를 구성하였으며 Fig. 7은 이 포트폴리오들의 평균-분산 관계를, 그리고 Table 6은 효율적 프론티어의 구성을 정리하여 표현한 것이다.
- 본 연구에서 상업용 부동산 자산의 용도 및 권역별 분산투자의 효과와 최적 포트폴리오의 도출을 위해서는 서울시내의오피스 빌딩과 소매용 부동산 시장을 중심으로 포트폴리오를 구성할 필요가 있다. 이를 위하여 본 연구의 분석자료는 국토교통부와 한국감정원에서 발표한 상업용부동산 임대동향조사보고서를 바탕으로 하였으며, 2009년 1분기부터 2014년 4분기까지의 권역별 분기 투자수익률을 이용하여 상관관계 분석을 통한 포트폴리오 구성의 가능여부를 파악하였다. 그 후, 오피스 빌딩 시장의 각 권역인 강남권(GBD: Gangnam Business District), 마포 · 여의도권(YBD:Yeouido Business District),그리고 도심권(CBD: Central Business District)과 소매용 부동산 시장의 각 권역인 강남권(GBD: Gangnam Business District), 도심권(CBD: Central Business District), 그리고 마포 · 신촌권(SBD: Sinchon Business District)의 기초자산들을 토대로 포트폴리오를 구성 및 분석하였다.
- 이후에 상업용 부동산을 대상으로 하는 포트폴리오와 관련된 연구들은 국토교통부, 한국감정원, 그리고 자산관리회사 등에 의해 본격적으로 관련 자료들이 축적되기 시작하면서 진행되었는데, 이들은 주로 오피스 빌딩의 권역, 규모, 그리고 자산의 종류별로 포트폴리오를 구성한 후 분석을 실행하였다. 먼저, Kim(2006)은 한국감정원에서 발표한 2000년1분기부터 2004년 4분기까지의 오피스 임대지수를 활용하여 오피스를 지역별, 규모별로 구분하여 분산투자의 방안을 연구하였으며, Sharpe 지수를 기반으로 투자 포트폴리오의 성과를 측정하였고 그 결과, 지역별 분산투자의 측면에서는YBD(여의도)-GBD(강남) 권역의 포트폴리오가 CBD(종로 · 을지로)-YBD(여의도)나 CBD(종로 · 을지로)-(강남) 권역의 포트폴리오보다 위험대비 수익률 측면에서 뛰어났으며, 규모별 분산투자에 있어서는 10,000∼15,000평 미만 규모의 오피스 빌딩과 15,000평 이상 규모의 오피스 빌딩 포트폴리오에서 개선효과를 확인하였다.
대상 데이터
- 또한, 연구의 시간적 범위는 2009년 1분기부터 2014년 4분기까지 6년간 24분기이며, 분석을 위해 국토교통부와 한국감정원에서 조사한 상업용 부동산 임대동향조사 보고서를 토대로 서울시의 오피스 빌딩과 소매용 부동산 자산의 분기에 따른 권역별 투자수익률 자료를 사용하였다(Ministry of Land, Infrastructure, and Transport & Korea Appraisal Board2009∼2014).
- 그 후, 오피스 빌딩 시장의 각 권역인 강남권(GBD: Gangnam Business District), 마포 · 여의도권(YBD:Yeouido Business District),그리고 도심권(CBD: Central Business District)과 소매용 부동산 시장의 각 권역인 강남권(GBD: Gangnam Business District), 도심권(CBD: Central Business District), 그리고 마포 · 신촌권(SBD: Sinchon Business District)의 기초자산들을 토대로 포트폴리오를 구성 및 분석하였다. 또한, 오피스 빌딩자산의 자료는 서울시의 건물층수 6층 이상과 임대중인 면적이 전체 임대면적의 50% 이상인 빌딩을, 그리고 소매용 부동산 자산은 건물층수 3층 이상과 임대중인 면적이 전체 임대면적의 50% 이상인 빌딩을 대상으로 설정하였다(Table 1).
- 본 연구의 공간적 범위는 서울시에 위치한 상업용 부동산 중에서 오피스 빌딩 시장의 3대 권역인 강남권(GDB:Gangnam Business District), 마포 · 여의도권(YDB:Yeouido Business District), 그리고 도심권(CBD: Central Business District)과 소매용 부동산 시장의 3대 권역인 강남권(GBD:Gangnam Business District), 마포 · 신촌권(SBD: Shinchon Business District), 그리고 도심권(CBD: Central Business District)으로 총 6개의 권역이다1)(Fig. 1 & Fig. 2).
이론/모형
- 본 연구에서는 Sharpe 지수(PIs:Sharpe's Performance Index)를 투자성과의 측정방법으로 사용하였으며, 다음의 과정들로부터 도출할 수 있다.
- 여기서, 포트폴리오의 성과평가 척도로 Sharpe 지수의 산정을 위해 무위험자산 수익률(Rf)의 대용치가 필요한데, 이를 위해, 본 연구에서는 한국은행에서 발표하는 91물 양도성예금증서(CD: Certificate of Deposit)의 유통수익률4)을 사용하였다.
- 연구방법에 있어서는 상업용 부동산의 용도 및 권역별 포트폴리오 구성에 따른 투자의 효율성 검토를 위해 Markowitz(1952)의 평균-분산 모델을 사용하였으며, 최적포트폴리오를 도출하기 위해서는 각 권역별 자산들의 편입비율을 달리하여 동일 자산 간(오피스 빌딩-오피스 빌딩 자산, 소매용 부동산-소매용 부동산 자산) 포트폴리오와 용도별 혼합 포트폴리오(오피스 빌딩-소매용 부동산 자산)를 구성하여 검토한 후, 효율적 포트폴리오와 Sharpe 지수(Sharpe’s Performance Index)에 기반한 투자의 성과(Sharpe 1966) 및 포트폴리오의 최적 구성비를 도출하였다.
성능/효과
- Sharpe 지수를 토대로 오피스 빌딩 시장의 권역과 소매용부동산 시장 권역의 포트폴리오에 대한 투자성과를 살펴보면, O_GBD(1.3970)와 R_CBD(2.6445)권역, O_CBD(2.3010)와 R_SBD(1.8709)권역, 그리고 O_CBD(2.3010)와 R_CBD(2.6445)권역으로 구성한 혼합 포트폴리오의 경우, 모두개별 권역별 Sharpe 지수의 평균값인 2.1427, 2.0860, 그리고 2.4728을 상회하여 포트폴리오의 구성으로 인해 투자성과가 향상되었음을 확인할 수 있었다.
- 4). 그리고 분기별 평균수익률은 YBD권역 (1.93%)의 오피스 빌딩이 가장 높지만 위험(수익률의 표준편차) 역시 오피스 빌딩 중 가장 높아 Sharpe 지수가 CBD권역 보다는 낮음을 확인할 수 있었다. 또한, CBD권역의 오피스 빌딩은 가장 높은 Sharpe 지수를 제시하여 투자 시, 단위 위험 대비 수익률이 가장 좋았으며, 소매용 부동산 시장의 경우, CBD권역이 높은 평균수익률(1.
- 둘째로, O_YBD와 O_CBD권역에 의한 포트폴리오의 구성 시, O_YBD권역 10~90%와 O_CBD권역 10~90%의 구성으로 모두 효율적 프론티어를 보여주었으며, Sharpe 지수를 토대로 투자의 성과를 살펴보면, O_YBD권역(2.0548)과 O_CBD권역(2.3010)의 평균값인 2.1779보다 높게 나타난 O_YBD권역 10~70%와 O_CBD권역 30~90%의 비율로 포트폴리오를 구성하였을 때 Sharpe 지수가 2.2246~2.3494의 범위로 투자성과가 향상되었으며 O_YBD권역의 투자비중을 높일수록 더욱 좋은 투자성과를 보여주는 것을 확인할 수 있었다. 또한, O_YBD와 O_CBD권역의 포트폴리오의 구성은 오피스 빌딩 간의 권역별 포트폴리오 중에서 우상향하는 모양을 지녀 효율적 프론티어라 할 수 있다.
- 93%)의 오피스 빌딩이 가장 높지만 위험(수익률의 표준편차) 역시 오피스 빌딩 중 가장 높아 Sharpe 지수가 CBD권역 보다는 낮음을 확인할 수 있었다. 또한, CBD권역의 오피스 빌딩은 가장 높은 Sharpe 지수를 제시하여 투자 시, 단위 위험 대비 수익률이 가장 좋았으며, 소매용 부동산 시장의 경우, CBD권역이 높은 평균수익률(1.84%)과 낮은 위험(0.0061)을 제시하여 가장 높은 Sharpe 지수를 제시하였다.
- 포트폴리오 이론에 기반하여 상업용 부동산 자산을 용도 및 권역별로 분산투자한 결과, 부동산 투자의 불확실성인 위험(수익률의 표준편차)은 개별자산의 위험보다 전체적으로 낮아졌음을 확인하였으며, 동일 용도의 자산으로 권역별 포트폴리오를 구성했을 경우에는 전반적으로 분산투자의 효과가 존재하긴 하였으나 용도 및 권역을 모두 적용한 포트폴리오를 구성하였을 때, 분산투자의 효과가 높아짐을 알 수 있었다. 또한, 상업용 부동산의 권역별 자산 간 포트폴리오 구성에 의해 Sharpe 지수를 토대로 최적의 포트폴리오를 도출한 결과, CBD권역의 오피스 빌딩과 CBD권역의 소매용 부동산 자산으로 포트폴리오를 구성할 경우, 투자위험의 감소와 수익률의 증가효과가 최적으로 나타남을 알 수 있었다. 마지막으로 상업용 부동산의 용도 및 권역별 포트폴리오의 구성 시, 수익률의 격차보다는 위험이 투자성과에 미치는 영향이 더욱 큰 것도 확인 할 수 있었다.
- 또한, 오피스 빌딩 자산과 소매용 부동산 자산 간 상관계수의 전반적인 범위를 살펴보면 0.60150∼0.90081로 비교적 높은 상관관계를 지녔으며 분석기간 동안에 오피스빌딩과 소매용 부동산 자산 간, 투자수익률 변화의 방향이 동일하긴 하나 1이하의 값을 지녀 분산투자의 가능성도 확인할 수 있었다.
- 분석결과, 최적 글로벌 부동산 포트폴리오의 자산구성 비율은 한국의 오피스 빌딩 60%, 미국의 오피스 빌딩 20%, 한국의 상가 10%, 그리고 미국의 상가 10%였으며, 부동산 자산의 종류(오피스 빌딩, 상가)간 분산투자의 효과보다는 지역적(한국, 미국) 분산투자의 효과가 더욱 높음을 제시하였다. 또한, 최적 부동산자산 포트폴리오를 바탕으로 50% 미만의 한국과 미국의 금융자산(주식 및 채권)을 혼합하여 글로벌 혼합부동산펀드 포트폴리오를 구성한 결과, 금융자산에 투자하지 않고 글로벌 부동산 자산의 최적 포트폴리오를 유지하는 것이 높은 Sharpe 지수를 제시하였고, 금융자산을 포트폴리오에 추가한다면 한국의 채권에 투자하는 경우에만 비슷한 수준의 Sharpe 지수를 유지함을 밝혀냈다.
- 6445임을 고려 할 때, 상업용 부동산의 용도 및 권역별 포트폴리오의 적절한 구성을 통해 투자의 위험을 낮추고 투자성과를 향상시킬 수 있음을 확인 할 수 있다. 또한, 포트폴리오들 중에서, Sharpe 지수가 2.0이상인 투자안들을 평균-분산 그래프(Fig. 9)에 표현하면 총 68개이며 그 중에서 용도별 혼합포트폴리오(오피스 빌딩-소매용 부동산)는 41개(약 60%),그리고 동일자산 간 포트폴리오의 구성(오피스 빌딩-오피스빌딩, 소매용 부동산-소매용 부동산)은 27개(약 40%)를 차지하여 용도별 포트폴리오의 비중이 더욱 높았다. 뿐만 아니라, 권역별 포트폴리오 구성의 평균값을 확인해 본 결과, 용도별로 혼합 포트폴리오를 구성하였을 경우, 동일 자산 간 포트폴리오의 구성보다 위험(0.
- 또한, 상업용 부동산의 권역별 자산 간 포트폴리오 구성에 의해 Sharpe 지수를 토대로 최적의 포트폴리오를 도출한 결과, CBD권역의 오피스 빌딩과 CBD권역의 소매용 부동산 자산으로 포트폴리오를 구성할 경우, 투자위험의 감소와 수익률의 증가효과가 최적으로 나타남을 알 수 있었다. 마지막으로 상업용 부동산의 용도 및 권역별 포트폴리오의 구성 시, 수익률의 격차보다는 위험이 투자성과에 미치는 영향이 더욱 큰 것도 확인 할 수 있었다. 이와 같은 결과의 도출은 향후, 국내 연기금 · 공제회 · 생보사 등 기관투자자들이 자산운용에 있어서 오피스 빌딩과 함께 투자대상의 폭을 넓힐 수 있는 정보를 제공할 수 있으며, 부동산 실무에 있어서도 REITs 및 부동산 펀드와 관련된 상품을 계획할 경우에 상업용 부동산 자산 간의 용도 및 권역별 포트폴리오를 구성하여 활용할 수 있는 기반을 마련하였다는 점에서 의미가 있을 것이다.
- 마지막으로, O_GBD와 O_CBD권역은 위험이 증가할수록 수익률이 감소는 모습을 보여 효율적인 포트폴리오의 구성이라 하기엔 어려움이 따른다(Fig. 5 및 Table 4).
- 먼저, 권역별 오피스 빌딩의 효율적 프론티어의 구성을 살펴보면 O_GBD와 O_YBD권역은 O_GBD권역 10~60%와O_YBD권역 40~90%의 비율로 구성하였을 때, 효율적 프론티어를 보여주었다. 이 때, Sharpe 지수는 1.
- 분석결과, 최적 글로벌 부동산 포트폴리오의 자산구성 비율은 한국의 오피스 빌딩 60%, 미국의 오피스 빌딩 20%, 한국의 상가 10%, 그리고 미국의 상가 10%였으며, 부동산 자산의 종류(오피스 빌딩, 상가)간 분산투자의 효과보다는 지역적(한국, 미국) 분산투자의 효과가 더욱 높음을 제시하였다. 또한, 최적 부동산자산 포트폴리오를 바탕으로 50% 미만의 한국과 미국의 금융자산(주식 및 채권)을 혼합하여 글로벌 혼합부동산펀드 포트폴리오를 구성한 결과, 금융자산에 투자하지 않고 글로벌 부동산 자산의 최적 포트폴리오를 유지하는 것이 높은 Sharpe 지수를 제시하였고, 금융자산을 포트폴리오에 추가한다면 한국의 채권에 투자하는 경우에만 비슷한 수준의 Sharpe 지수를 유지함을 밝혀냈다.
- 뿐만 아니라, 권역별 포트폴리오 구성의 평균값을 확인해 본 결과, 용도별로 혼합 포트폴리오를 구성하였을 경우, 동일 자산 간 포트폴리오의 구성보다 위험(0.006561.77%)은 높아 Sharpe 지수(2.3741>2.2804)가높게 나타나 용도별 혼합 포트폴리오의 구성이 동일한 자산을 이용한 포트폴리오의 구성보다 더욱 높은 투자성과를 나타내는 것을 확인 할 수 있었다(Table 7).
- 실제로 이 시기에 오피스 빌딩의 3대 권역 중에서 O_YBD권역의 경우, 타 권역에 소재하고 있던 대규모 면적을 필요로 하는 임차인들이 이 권역의 주요 공실빌딩이었던 FKI 타워,Two IFC, 그리고 HP 빌딩 등에 임대차 계약을 체결하면서 공실이 감소되고 있는 추세였으며(ShinYoung Asset 2014), 렌트프리(Rent Free)의 확대와 같은 임대조건의 완화에 의한 인위적 수요가 대부분이어서 공실률 하락과 함께 임대료의 수준이 유지되어 비교적 안정적인 수익이 실현되었다. 뿐만 아니라, O_CBD권역의 경우에도 신규 오피스 빌딩들이 지속적으로 공급되면서 신규 공급물량에 대한 양호한 임대 수익률 및 공실의 감소가 발생하였는데(ShinYoung Asset 2014),이와 같은 요인들이 O_YBD와 O_CBD권역 간의 포트폴리오구성 시, 가장 효율적 프론티어를 제시한 원인으로 판단된다.
- 우선, 9개의 혼합 포트폴리오의 구성으로부터 도출한 효율적 프론티어들을 살펴보면 O_GBD와 R_SBD권역, O_YBD와 R_SBD권역, 그리고 O_YBD와 R_CBD권역으로부터 구성한 포트폴리오가 효율적임을 알 수 있었으며 O_GBD와 R_CBD권역에 의한 포트폴리오의 경우, 각각의 구성비율이 10~20%와 80~90% 일 때, O_CBD와 R_SBD권역에 의한 포트폴리오의 경우에는 각각의 구성비율이 50~90%와10~50% 일 때, 그리고 O_CBD와 R_CBD권역에 의한 포트폴리오의 경우, 각각의 구성비율이 10~30%와 70~90% 일 때, 효율적 프론티어임을 알 수 있었다.
- 다음의 과정은 상업용 부동산의 용도 및 권역별 포트폴리오를 구성하기 위해 각 자산 간의 상관관계를 파악함으로써 분산투자의 가능성을 확인 하는 것이다(Table 3). 이를 위해, 오피스 빌딩 시장의 GBD, YBD, 그리고 CBD권역과 소매용 부동산 시장의 GBD, CBD, 그리고 SBD권역 자산들 간의 상관관계 분석을 실시하였으며, 그 결과, GBD권역의 오피스 빌딩과 GBD권역의 소매용 부동산 시장 간의 상관관계가 0.90081의 상관계수를 지녀 가장 높았으며 GBD권역의 오피스 빌딩과 CBD권역의 소매용 부동산 시장 간의 상관관계는 가장 낮은 것(상관계수 : 0.60150)을 알 수 있었다. 또한, 오피스 빌딩 자산과 소매용 부동산 자산 간 상관계수의 전반적인 범위를 살펴보면 0.
- 이를 평균-분산 그래프의 평면에서 살펴보면 Fig. 8의 점선으로 둘러싸인 위치인데, 전체 오피스 빌딩 및 소매용 부동산 시장의 권역별 Sharpe 지수의 범위가 1.3970∼2.6445임을 고려 할 때, 상업용 부동산의 용도 및 권역별 포트폴리오의 적절한 구성을 통해 투자의 위험을 낮추고 투자성과를 향상시킬 수 있음을 확인 할 수 있다.
- 포트폴리오 이론에 기반하여 상업용 부동산 자산을 용도 및 권역별로 분산투자한 결과, 부동산 투자의 불확실성인 위험(수익률의 표준편차)은 개별자산의 위험보다 전체적으로 낮아졌음을 확인하였으며, 동일 용도의 자산으로 권역별 포트폴리오를 구성했을 경우에는 전반적으로 분산투자의 효과가 존재하긴 하였으나 용도 및 권역을 모두 적용한 포트폴리오를 구성하였을 때, 분산투자의 효과가 높아짐을 알 수 있었다. 또한, 상업용 부동산의 권역별 자산 간 포트폴리오 구성에 의해 Sharpe 지수를 토대로 최적의 포트폴리오를 도출한 결과, CBD권역의 오피스 빌딩과 CBD권역의 소매용 부동산 자산으로 포트폴리오를 구성할 경우, 투자위험의 감소와 수익률의 증가효과가 최적으로 나타남을 알 수 있었다.
후속연구
- 이와 같은 결과의 도출은 향후, 국내 연기금 · 공제회 · 생보사 등 기관투자자들이 자산운용에 있어서 오피스 빌딩과 함께 투자대상의 폭을 넓힐 수 있는 정보를 제공할 수 있으며, 부동산 실무에 있어서도 REITs 및 부동산 펀드와 관련된 상품을 계획할 경우에 상업용 부동산 자산 간의 용도 및 권역별 포트폴리오를 구성하여 활용할 수 있는 기반을 마련하였다는 점에서 의미가 있을 것이다. 또한 본 연구를 토대로 부동산 간접투자시장의 분산투자에 대한 이해와 상품유형의 다양화를 통해 부동산 시장 및 건설경기의 활성화를 기대한다.
- 뿐만 아니라, REITs 및 부동산 펀드와 같은 간접투자상품과 이들의 기초자산인 실물 상업용 부동산과의 비교연구를 통해 상업용 부동산 시장과 관련 파생상품 시장의 이해를 증진시킬 필요도 있다. 반면, 자료취득의 한계 상, 기초자료의 시계열이 충분히 길지 않은 점은 본 연구의 한계이다.
- 본 연구에서 상업용 부동산 자산의 용도 및 권역별 분산투자의 효과와 최적 포트폴리오의 도출을 위해서는 서울시내의오피스 빌딩과 소매용 부동산 시장을 중심으로 포트폴리오를 구성할 필요가 있다. 이를 위하여 본 연구의 분석자료는 국토교통부와 한국감정원에서 발표한 상업용부동산 임대동향조사보고서를 바탕으로 하였으며, 2009년 1분기부터 2014년 4분기까지의 권역별 분기 투자수익률을 이용하여 상관관계 분석을 통한 포트폴리오 구성의 가능여부를 파악하였다.
- 이와 같은 결과의 도출은 향후, 국내 연기금 · 공제회 · 생보사 등 기관투자자들이 자산운용에 있어서 오피스 빌딩과 함께 투자대상의 폭을 넓힐 수 있는 정보를 제공할 수 있으며, 부동산 실무에 있어서도 REITs 및 부동산 펀드와 관련된 상품을 계획할 경우에 상업용 부동산 자산 간의 용도 및 권역별 포트폴리오를 구성하여 활용할 수 있는 기반을 마련하였다는 점에서 의미가 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.