공시지가를 이용한 아파트 분양가격 예측

Abstract

부동산이 가계자산에서 차지하는 비중은 우리나라가 다른 나라에 비해 상당히 높다. 그로 인해 부동산가격이 가계경제에 미치는 파급력과 관심도 높다. 분양시장의 특성상 전국의 모든 시군구에서의 분양은 이루어지지 않고, 신규공급물량은 부동산 경기에 따라 차이가 크다. 이러한 이유로 분양가격을 산출하는데 문제점이 존재하고, 이를 보완하여 평균분양가격을 구하기 위해 12개월 이동평균을 이용하고 있다. 그러나 이러한 방법은 평활화현상이 나타나기 때문에 변화하는 부동산 시장을 반영하기에는 어려움이 있다. 따라서 본 연구에서는 이러한 문제점을 보완하여 분양가격에 대한 정보를 제공함으로써 보조지표 개발을 위한 기초자료로 활용하고자 한다. 또한 현재 우리나라에는 전매차익을 노리는 투자자들의 과도한 유입으로 실수요자들의 피해가 커지고 있는 상황이다. 그로 인하여 최근 부동산대책이 새로 발표되었으며, 추후 2년 이내 전국 100만 가구 분양이 계획되어 있다. 이에 대응하여 부산광역시의 평균분양가격과 16개 구․군의 평균공시지가를 기준으로 지목과 주거지의 분류를 통하여 회귀모형을 적용하고 분양가격을 예측한다. 그 결과 주거지로 분류된 회귀모형이 우수한 예측력을 보였다.In Korea, real estate accounts for a greater part of household assets comparing to other countries. Accordingly, influential power of and interest in real estate price are great. Because of characteristics of housing market, apartment sales is not happening in every local government and new apartment supply is varied by real estate market status. For this reason, there are problems in calculating and estimating apartment sales price. To calculate average sales price supplementing these difficulties, moving average for 12 years is commonly used. However, this method may introduce smoothing effects and it may not represent the rapidly changing real estate market. The purpose of this study is to develop sub-indicators providing information on apartment sales price by resolving these problems. Additionally, in Korea investors aiming at trading profit make market overheated and end users become the victims of overheated market. Recently, new policy has been announced to resolve this issue and housing for 1 million households will be supplied for 2 years. To respond to this plan, this study tries to estimate sales price of apartment houses by reviewing and classifying lands according to purpose of land use and classification of residential area based on average sales price in Pusan Metropolitan City and average publicly notified individual land price in 16 Gus and Guns and applying regression model to the values. In the analysis, regression model classified as residential area showed excellent predictive power.