국내 아파트 매매가 예측에 관한 연구는 현재까지 지속적으로 수행되어 왔지만, 아파트 가격은 다양한 특성이 복합적으로 작용하기 때문에 예측하는데 어려움을 겪고 있다. 아파트 매매가를 예측하는데 앞서 정확도를 높이기 위해서는 주요 변수 선정 및 영향요인 분석이 무엇보다 중요하다. 이에 본 연구는 현재 꾸준한 상승률을 보이는 광주광역시를 대상으로 아파트 매매가에 영향을 주는 요인을 분석해보고자 한다. 이를 위해 6년간의 광주광역시 아파트 실거래가와 각종 사회적 요인 데이터를 토대로, 다중회귀분석, 랜덤 포레스트, 심층인공신경망 알고리즘을 적용하여 각 모델에서 주요 영향요인을 파악하였으며, 모델의 성능은 평균 제곱근 오차, 평균 절대 오차 그리고 결정계수를 통해 비교 분석하였다. 본 연구에서는 딥러닝의 일종인 심층인공신경망의 성능이 가장 우수함을 보였고, 매매가에 영향을 미치는 주요 요인으로 건축경과연수, 계약연도, 적용면적, 양도성예금증서, 주택담보대출금리, 선행지수, 생산자물가지수, 동행지수 등이 도출되었다.
국내 아파트 매매가 예측에 관한 연구는 현재까지 지속적으로 수행되어 왔지만, 아파트 가격은 다양한 특성이 복합적으로 작용하기 때문에 예측하는데 어려움을 겪고 있다. 아파트 매매가를 예측하는데 앞서 정확도를 높이기 위해서는 주요 변수 선정 및 영향요인 분석이 무엇보다 중요하다. 이에 본 연구는 현재 꾸준한 상승률을 보이는 광주광역시를 대상으로 아파트 매매가에 영향을 주는 요인을 분석해보고자 한다. 이를 위해 6년간의 광주광역시 아파트 실거래가와 각종 사회적 요인 데이터를 토대로, 다중회귀분석, 랜덤 포레스트, 심층인공신경망 알고리즘을 적용하여 각 모델에서 주요 영향요인을 파악하였으며, 모델의 성능은 평균 제곱근 오차, 평균 절대 오차 그리고 결정계수를 통해 비교 분석하였다. 본 연구에서는 딥러닝의 일종인 심층인공신경망의 성능이 가장 우수함을 보였고, 매매가에 영향을 미치는 주요 요인으로 건축경과연수, 계약연도, 적용면적, 양도성예금증서, 주택담보대출금리, 선행지수, 생산자물가지수, 동행지수 등이 도출되었다.
Researches on the prediction of domestic apartment sales price have been continuously conducted, but it is not easy to accurately predict apartment prices because various characteristics are compounded. Prior to predicting apartment sales price, the analysis of major factors, influencing on sale pri...
Researches on the prediction of domestic apartment sales price have been continuously conducted, but it is not easy to accurately predict apartment prices because various characteristics are compounded. Prior to predicting apartment sales price, the analysis of major factors, influencing on sale prices, is of paramount importance to improve the accuracy of sales price. Therefore, this study aims to analyze what are the factors that affect the apartment sales price in Gwangju, which is currently showing a steady increase rate. With 6 years of Gwangju apartment transaction price and various social factor data, several maching learning techniques such as multiple regression analysis, random forest, and deep artificial neural network algorithms are applied to identify major factors in each model. The performances of each model are compared with RMSE (Root Mean Squared Error), MAE (Mean Absolute Error) and R2 (coefficient of determination). The experiment shows that several factors such as 'contract year', 'applicable area', 'certificate of deposit', 'mortgage rate', 'leading index', 'producer price index', 'coincident composite index' are analyzed as main factors, affecting the sales price.
Researches on the prediction of domestic apartment sales price have been continuously conducted, but it is not easy to accurately predict apartment prices because various characteristics are compounded. Prior to predicting apartment sales price, the analysis of major factors, influencing on sale prices, is of paramount importance to improve the accuracy of sales price. Therefore, this study aims to analyze what are the factors that affect the apartment sales price in Gwangju, which is currently showing a steady increase rate. With 6 years of Gwangju apartment transaction price and various social factor data, several maching learning techniques such as multiple regression analysis, random forest, and deep artificial neural network algorithms are applied to identify major factors in each model. The performances of each model are compared with RMSE (Root Mean Squared Error), MAE (Mean Absolute Error) and R2 (coefficient of determination). The experiment shows that several factors such as 'contract year', 'applicable area', 'certificate of deposit', 'mortgage rate', 'leading index', 'producer price index', 'coincident composite index' are analyzed as main factors, affecting the sales price.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.