[논문]리모델링 사업의 경제성(Part I. 오피스 빌딩 리모델링)

조규만; 김태훈; 김정우

문제 정의

리모델링된 오피스빌딩에 수익환원법을 적용하여 가치평가를 수행해본 결과, 수익환원법 적용을 위해 요구되는 정보의 취득 등은 일반적인 발주자에게 대단히 어려운 일로 판단된다. 따라서, 발주자 측면에서 사용성이 용이하며 동시에 거래사례 기반의 방법론을 활용하여, 리모델링된 오피스 건축물의 가격을 예측할 수 있는 기법을 소개하고자 한다. 이 방법은 수익환원법에 비해 요구되는 정보의 취득이 용이하기 때문에, 리모델링 사업의 수행여부를 결정하는 초기단계에 발주자에게 유용하게 사용될 것으로 기대된다.
따라서, 본 고에서는 오피스 빌딩의 리모델링에 따른 경제적 효과를 분석하기 위하여 개발된 “수익환원법” 및 “거래사례 비교법”기반의 가치평가 방법을 소개하고자 한다.

제안 방법

다음으로, 평가방법 및 시장반영 측면을 살펴보았다. 수익환원법은 시장가치, 상권 및 공실률 등 미래에 발생가능한 이익에 근거해 평가하는 방법이기 때문에, 감정평가사의 주관적인 평가가 개입될 수 있으며, 시장의 특성을 간접적으로 반영한다고 사료된다.
마지막으로, 리모델링 범위와 개선가능성 측면을 살펴보았다. 수익환원법은 발생된 이익에 근거한 방법이기 때문에 리모델링 범위의 반영이 불가하고, 주관적인 경향에 대한 개선 가능성이 어렵다고 사료된다.
소개한 가격예측기술의 장·단점을 확인하기 위해서, <표 3>에서 설명한 16개 사례들을 수익환원법을 적용하였고, <표 4>와 같이 7가지의 관점에서 비교해보았다. 먼저, 정확성 및 데이터 종류, 접근성 측면에서 살펴보았다. 수익환원법은 9.
다음으로, 속성가중치는 각 속성의 상대적 중요도를 결정하여 가격예측기술의 정확도에 큰 영향을 주기 때문에 값을 결정하는데 신중해야한다. 본 기술을 개발하는 과정에서는 인공신경망(ANN)을 적용하여 속성가중치를 결정하였다.
소개한 가격예측기술의 장·단점을 확인하기 위해서, 에서 설명한 16개 사례들을 수익환원법을 적용하였고, 와 같이 7가지의 관점에서 비교해보았다.
수집된 실제 리모델링된 오피스 건축물의 사례 및 요구 데이터를 기반으로, 와 같이 수익환원법을 적용하여 평가된 가격과 실제 거래가격을 비교해보았다.
이러한 속성은 가격예측 기술을 운용하는 과정에서 인풋값에 해당하기 때문에, “일반적인 발주자”가 쉽게 적용 가능한 속성으로 결정하는 것이 중요하다. 이러한 맥락에서, 다양한 문헌분석, 다중회귀분석 및 상관관계분석을 수행한 결과, 최종적으로 오피스 빌딩의 가격에 영향을 미치는 것으로 평가된 7개의 속성들(연면적, 대지면적, 주차대수, 엘리베이터 수, 경과연도, 공시지가, 리모델링 범위)을 결정하였다. 다음으로, 속성가중치는 각 속성의 상대적 중요도를 결정하여 가격예측기술의 정확도에 큰 영향을 주기 때문에 값을 결정하는데 신중해야한다.
CBR 기법은 과거 사례들을 중심으로 그들의 정보와 지식을 재사용하여 새로운 문제를 해결하는 원리이기 때문에, 거래사례비교법과 이론적으로 유사한 측면이 많다. 이러한 유사점을 고려하여, 거래사례비교법에 근간한 가격예측 기술을 개발하는 과정에서, CBR기법에서 유사특징을 가진 사례를 추출하는 알고리즘을 적용하였다. 즉, <그림 2>에서 보는 바와 같이, 가격예측기술은 크게 2개의 파트로 구성이 되어있다.

대상 데이터

<표 1>은 수집된 사례를 보여주고 있다. 25개의 사례(GBD:9개, YBD:4개, CBD:12개)가 수집되었고, 수집 된 사례들은 2001년부터 2015년까지 리모델링이 실시되었고, 리모델링 후 거래는 주로 2014, 2015년에 이루어졌으며, 거래금액은 최대 7000억부터 최소 485억까지 다양하게 분포가 되어있었다.
개발된 기술을 검증하기 위해, 앞서 설명한 바와 같이 속성값과 거래가격 등의 정보가 완벽한 16개의 사례에 본 기술을 적용하였고, 결과는 과 같다.
리모델링 오피스 건축물의 사례는 서울 지역을 대상으로 조사하였다. 서울의 오피스 건축물들 중 상당수가 도심권역(CBD), 강남권역(GBD), 여의도권역(YBD)에 위치하고 있으며, 이미 리모델링을 수행하였거나 리모델링을 계획하고 있는 오피스 빌딩이 다른 지역에 비해 월등히 많다.
실제 리모델링된 오피스 건축물의 가치를 수익환원법을 통하여 예측하기 위해 사례를 수집하였다.
<표 1>에서 설명한 25개 사례를 포함하여, 서울지역을 중심으로 총 99개의 리모델링된 오피스 빌딩 사례를 수집하였고, 일부 결측값을 가지는 사례들을 보완하였다. 최종적으로 74개의 사례를 활용하여 CBR기반 가격예측기술을 구축하였고, 16개의 완전한 사례를 적용하여 구축된 CBR 기술을 검증하였다.

이론/모형

본 연구진에 의해 개발된 거래사례기반 가격예측 기술은 인공지능기법 중 하나인 CBR (Case-based reasoning)기법의 개념을 활용하여 개발되었다. CBR 기법은 과거 사례들을 중심으로 그들의 정보와 지식을 재사용하여 새로운 문제를 해결하는 원리이기 때문에, 거래사례비교법과 이론적으로 유사한 측면이 많다.

성능/효과

25개 오피스 빌딩을 대상으로 평가가격과 실제거래 가격을 비교결과, 오차율 평균값은 9.46%로 나타났으며, 이를 통해 “수익환원법”이 리모델링된 오피스 빌딩의 가치평가를 비교적 양호하게 수행하는 것으로 볼 수 있었다.
세부적으로 보면, 평균값에서 크게 벗어난 사례들도 있는 것으로 나타났다. 5개의 사례에서 오차율의 값이 20%이상 (사례 2 = 21.41%, 사례 7 = 29.16%, 사례 14 = 22.82%, 사례 23 = 28.88%, 사례 24 = 24.50%)으로 나타났다. <그림 1>은 25개 사례별 수익환원법에 의한 예측값과 실제 거래금액사이의 오차율을 표현한 그래프이다.
CBR기반 가격예측기술은 데이터베이스에 사례를 추가하여 정확도를 쉽게 개선할 수 있고, 리모델링 범위를 반영할 수 있다. 이와 같이 2개의 가격평가방법을 7가지 측면에서 비교한 결과, CBR기반 가격예측기술은 기존의 방법들의 한계점을 극복하였으며, 초기단계에서 리모델링에 따른 가치변화를 통해 경제적 효과를 가장 잘 설명할 수 있음을 알 수 있다.
<표 1>에서 설명한 25개 사례를 포함하여, 서울지역을 중심으로 총 99개의 리모델링된 오피스 빌딩 사례를 수집하였고, 일부 결측값을 가지는 사례들을 보완하였다. 최종적으로 74개의 사례를 활용하여 CBR기반 가격예측기술을 구축하였고, 16개의 완전한 사례를 적용하여 구축된 CBR 기술을 검증하였다.

후속연구

CBR기반의 리모델링 오피스 빌딩의 가격을 예측하기 위한 알고리즘은 (1) 리모델링을 고려하는 오피스 빌딩의 발주자가 앞서 설명한 7가지 속성정보를 입력하게 되면, (2) <그림 2>의 Step 1에서 4를 거치며 해당 오피스 빌딩과 가장 유사한 사례를 찾아서, 그 오피스 사례의 거래가격을 현재의 시점으로 보정하여 예측하는 과정으로 운용된다. 따라서, 프로젝트 초기 리모델링 여부를 결정하는 과정에서 유용하게 사용될 수 있을 것으로 기대된다.
이에 지금 소개한 CBR기반 가격예측기술은 여러 측면에서 도움을 줄 수 있다. 먼저, CBR기반 기술을 적용하면 초기 의사결정단계에서 발주자는 이전보다 쉽게 리모델링 사업을 결정할 수 있고, 이러한 기술로 인해 리모델링 사업 시장을 더욱 가속화 시킬 수 있다고 기대된다. 한편, 지금까지 리모델링에 따른 오피스 빌딩의 경제적 효과를 객관적으로 설명할 수 있는 방법이 없었다는 점을 고려하면, CBR기반 가격예측기술은 앞으로의 기술개발에 초석으로 활용가능하다.

핵심어	질문	논문에서 추출한 답변
	오피스 빌딩의 가치는 무엇에 의해 평가되는가?	일반적으로 오피스 빌딩의 리모델링으로 인한 경제적 효과는 가치평가를 통해 달성될 수 있는데, 오피스 빌딩의 가치는 세 가지의 부동산감정평가방법(원가법, 거래사래비교법, 그리고 수익환원법)에 의해 평가될 수 있다. 신축건물의 경우, 객관적인 자료가 많이 존재하기 때문에 원가법이 경제성 평가에 많이 사용이 되고 있다.
	수익환원법이란?	수익환원법은 수익성의 원리를 기반으로,‘대상물건이 장래 산출할 것으로 기대되는 순수익을 환원이율로 환원하여 가격시점에 있어서의 평가 가격을 산정하는 방법’으로 정의할 수 있으며, 이는 아래와 같이 표현할 수 있다.
	가격예측기술을 구현하기 위한 4단계 알고리즘은?	두 번째는 가격예측기술을 구현하기 위한 4단계 알고리즘이며, 다음과 같다. 1단계: 대상 빌딩의 속성과 DB의 과거 사례 속성 사이의 “속성 유사도” 계산. 2단계: 속성유사도를 기반으로 대상 빌딩과 DB의 빌딩들 사이의 “사례 유사도” 계산. 3단계: 사례 유사도를 기반으로 가장 높은 사례유사도를 나타낸 사례를 추출. 4단계: 추출된 사례의 거래 가격을 시간에 따른 가치변화를 고려하여 “가격예측”.

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

리모델링 사업의 경제성(Part I. 오피스 빌딩 리모델링) 원문보기

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (2)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

리모델링 사업의 경제성(Part I. 오피스 빌딩 리모델링) 원문보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (2)

이 논문을 인용한 문헌

저자의 다른 논문 :

김태훈 (8)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

AI 본문요약
AI-Helper