아파트 가격 지수 산출에 관한 연구:머신러닝 알고리즘을 중심으로

황윤태

― 국문초록 ―

아파트 가격 지수가 정책 의사결정자에게 제공하는 정보의 적절성과 정확성은 매우 중요하다.
하지만, 기존에 사용되어지고 있는 한국감정원(KAB) 아파트 가격 지수는 지역적 세분화, 외부
요인의 미반영, 평활화(Smoothing) 문제 등 반복매매모형으로 인한 문제점을 가지고 있다. 이러한
문제점은 선행연구에서도 인식되었지만 여전히 지역적 세분화 및 외부 요인은 반영은 고려하지
않았다. 따라서, 본 연구에서는 서울시 공공데이터를 활용하여 주택 대출 금리, 자살율, 노인인구
비율을 수집하였다. 이외에도 구면기하 삼각함수를 이용한 인근 지하철의 수와 같은 다양한
외부 변수들을 활용해 지역별로 세분화하여 아파트 가격 지수에 반영하고자 하였다. 다음으로,
반복매매모형의 한계를 고려해 751,537개의 아파트 실거래 가격을 훈련데이터와 테스트데이터로
각각 7:3의 비율로 나눈 후 다양한 머신러닝 알고리즘을 활용해 예측한 결과 그라디언트 부스팅
모형(GBM)의 RMSE가 0.143으로 가장 낮게 나타났다. GBM 지수를 통해서 일부 투기지역에서
부동산 규제 정책이나 금융위기 상황 속에서도 꾸준히 아파트 가격이 상승하는 이유를 아파트
외부 변수들에 있음을 확인하였다. 또한, 부분조정 회귀모형을 통해 평활화 현상을 진단한 결과
KAB 지수가 GBM 지수보다 크게 나타나고 있음을 살펴보았다. 이를 통해, GBM 지수를 아파트
가격에 대한 지수로 사용한다면 다양한 금융상황 속에서 부동산 정책을 수립하는데 도움이 될
수 있을 것이라고 기대된다.

핵심단어 : 머신러닝, 평활화, 금융위기, 반복매매모형, 가격지수
JEL 분류기호 : G17, G18