[논문]데이터마이닝과 학습기법을 이용한 부동산가격지수 예측

이지영; 유재필

doi:10.15207/jkcs.2021.12.8.047

데이터마이닝과 학습기법을 이용한 부동산가격지수 예측
Prediction of Housing Price Index using Data Mining and Learning Techniques 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.12 no.8, 2021년, pp.47 - 53

이지영 (키스채권평가) , 유재필 (키스채권평가)

초록
AI-Helper

4차 산업에 대한 관심이 증폭되면서 데이터를 활용한 과학적 방법론이 발전하고 있지만 부동산 분야에 대한 연구는 데이터 수집의 한계점을 내포하고 있다. 더불어 일반 시장 참여자들의 지식이 확장되면서 정성적인 심리가 부동산 시장에 미치는 영향이 커지고 있다. 때문에 본 연구에서는 기존의 원천 데이터가 아닌 심리적 부분을 반영한 정량 데이터를 텍스트마이닝과 k-meas 알고리즘을 통해 수집하는 방안을 제안하고 수집된 데이터를 바탕으로 인공신경망 학습을 통해 주택 지수의 방향성을 예측하고자 한다. 2012년부터 2019년까지의 데이터를 학습 기간으로 하고 2020년도를 예측 기간으로 설정하여 실험을 진행한 결과, 두 가지 CASE에서 예측 능력이 약 80% 이상으로 우수하였고 주택지수의 상승 구간에서의 예측 강도 또한 우수한 결과를 보였다. 본 연구를 통해서 의사결정에 있어서 부동산 시장 참여자들에게 인공신경망과 같은 과학적 방식의 활용도 증가 및 고전적 방식에서 벗어난 원천 데이터의 대체 데이터 확보 등에 대한 노력이 증진되기를 기대한다.

Abstract ▼ AI-Helper

With increasing interest in the 4th industrial revolution, data-driven scientific methodologies have developed. However, there are limitations of data collection in the real estate field of research. In addition, as the public becomes more knowledgeable about the real estate market, the qualitative sentiment comes to play a bigger role in the real estate market. Therefore, we propose a method to collect quantitative data that reflects sentiment using text mining and k-means algorithms, rather than the existing source data, and to predict the direction of housing index through artificial neural network learning based on the collected data. Data from 2012 to 2019 is set as the training period and 2020 as the prediction period. It is expected that this study will contribute to the utilization of scientific methods such as artificial neural networks rather than the use of the classical methodology for real estate market participants in their decision making process.

주제어

표/그림 (8)

그림 Fig. 1. Course of Text Mining
그림 Fig. 2. Structure of the ANN
표 Table 1. Correlation coefficients for Key Keyword
표 Table 2. Correlation coefficients for Key Keyword
그림 Fig. 3. Experimental Process
표 Table 3. Experimental plan
그림 Fig. 4. Prediction Strength and Target Value
표 Table 4. Experimental results

참고문헌 (15)

J. Y. Lee & J. P. Ryu. (2021). Prediction of Housing Price Index Using Artificial Neural Network. Journal of the Korea Academia-Industrial, 22(4), 228-234. DOI : 10.5762/KAIS.2021.22.4.228

원문보기 상세보기
D. W. Kim & J. S. Yu. (2013). Analysis on How Psychological Attitudes on the House Price Affect the Trading Volume. Korean Association For Housing Policy Studies, 21(2), 73-92. DOI : G704-000825.2013.21.2.005
K. M. Kim. (2018). A Study on Dynamic Correlations between the Seoul Apartment Market and Factors of Macroeconomic Variables. Korea Real Estate Academy, 73(1), 115-129.
E. M. Kim, S. B. Kim & E. S. Cho. (2020). Using Mechanical Learning Analysis of Determinants of Housing Sales and Establishment of Forecasting Model. Journal of Cadastre & Land Informatix, 50(1), 181-201. DOI : 10.22640/lxsiri.2020.50.1.181

원문보기 상세보기
H. J. Chun. (2020). Big Data Time Series Analysis of the Relationship Between News Coverage Apartment Price and Trading Volume. Korean Society of Real Estate Law Society, 24(2), 53-69. DOI : 10.32989/rel.2020.24.2.53

상세보기
M. J. Noh & S. J. Yoo. (2016). A Relationship between Sales Prices of APT and Consumer Sentiment. Korea Research Institute for Human Settlements, 89(1), 3-13. DOI : 10.15793/kspr.2016.89..001

상세보기
H. S. Yoo & J. H. Chung. (2015). The Lead-Lag Relationship between Housing PurchasePrice Index and Consumer Sentiment Index. korea real estate research institute, 25(4), 49-61. UCI : G704-001886.2015.25.4.002
T. J. Cho. (2014). A Study on the effect of the sentiment index to the housing market. Korean Association For Housing Policy Studies, 22(3), 25-48. UCI : G704-000825.2014.22.3.002
D. W. Kim & J. S. Yu. (2013). An Analysis on How Psychological Attitudes on the House Price Affect the Trading Volume. Korean Association For Housing Policy Studies, 21(2), 73-92. UCI : G704-000825.2013.21.2.005
S. Y. Heo, J. Y. Kim & T. H. Moon. (2019). Consumer Sentiment in On-line Community and the Variation of Real Estate Market. Journal of the Korean housing association, 17(4), 31-41. DOI : 10.22313/reik.2019.17.4.31

상세보기
J. P. Ryu, C. H. Han & H. J. Shin. (2016). Sector Investment strategies Using Big Data Trends. Korea Institute of Enterprise Architecture, 13(1), 111-121. DOI : G704-SER000010357.2016.13.1.004
J. P. Ryu, H. J. Shin, M. H. Kim & J. K. Baek. (2017). Pattern Analysis of Stock Prices Using Machine Learning and Data Visualization. Korea Institute of Enterprise Architecture, 14(2), 189-197.
G. Neha & R. Rinkle. (2017). Analysis and visualization of Twitter data using k-means clustering. ICICCS, 15(1), 15-16. DOI : G704-SER000010357.2016.13.1.004
J. P. Ryu & H. J. Shin. (2018). Portfolio Selection Strategy Using Deep Learning. Korea Institute of Enterprise Architecture, 15(1), 43-50. DOI : 10.22865/jita.2018.15.1.43
J. M. Lim & M. H. Lim. (2016). A Study of the Relationship Between Agents Sentiment and Housing Market. Journal of the Korean regional development association, 28(3), 147-164. UCI : G704-000688.2016.28.3.005

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