KR101996797B1 - 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 방법 - Google Patents

Abstract

공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 방법이 제공되며, 부동산의 매도, 매수, 임대 및 임차 중 적어도 하나를 하기 위해 분석을 의뢰하는 분석 요청 단말로부터 부동산의 주소를 포함하는 부동산 정보를 수신하는 단계, 부동산 정보에 기반하여 부동산의 유형, 소유주의 채권채무 관계, 부동산에 등기된 저당권의 채권최고액 및 부동산의 부동산시가를 수집하는 단계, 수집된 정보를 입력값으로, 기 저장된 위험도 수치화 알고리즘을 구동한 평균, 분산 및 위험도를 포함하는 수치값을 산출하는 단계, 및 산출된 수치값에 기 매핑되어 저장된 위험레벨을 추출하여 위험도 결과를 분석 요청 단말로 전송하는 단계를 포함한다.

Description

공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 방법{METHOD FOR PROVIDING TRANSACTION SECURITY ANALYSIS SERVICE FOR RISK MANAGEMENT IN REAL ESTATE TRANSACTION BASED ON DISCLOSURE DATA AND STATISTICS}

본 발명은 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 방법에 관한 것으로, 부동산의 권리관계 및 채무관계에 기반하여 부동산의 안정성을 분석할 수 있는 방법을 제공한다.

부동산이라는 재화는 일반재화와는 다르게 물리적 특성인 비이동성, 비동질성 및 희소성에 의한 영향과 사회적, 경제적, 행정적 작용에 의해 영향을 받기 때문에 투자자에 있어서 전문성이 강하게 요구된다. 부동산투자는 위험과 수익률의 비례상관관계를 가지며, 불확실성에 대한 대가에 의한 위험비용인데, 투자환경의 불확실성이 증가함에 따라 부동산 투자와 관리에 있어서 고려해야 할 위험요소가 증가하였고, 그 결과 부동산의 위험을 확인하고 효과적인 위험관리 방안을 강구하는 것은 절실한 과제가 되었다.

이때, 부동산을 거래하려는 매도인 및 매수인이 실제 거래 당사자인지 확인하는 방법이 개발되었는데, 이와 관련하여 선행기술인 한국등록특허 제10-1690736호(2016년12월29일 공고)에는, 부동산 거래 시 수반되는 전입신고, 수입인지 발급, 소유권 이전 등을 자동으로 수행하여 거래 당사자에게 예상치 못한 세금이 부과되는 등의 상황을 방지하고, 부동산 매매의 경우, 자동으로 실거래가를 신고하고, 부동산 임대차의 경우, 자동으로 확정일자를 발급함으로써 등기의 공신력을 높이도록 하였다.

다만, 부동산 거래 및 투자에 대한 기존 연구는 수익률에 집중되어 왔고 최근 세계 금융위기 이후 리스크에 대한 연구의 관심이 높아지고 있으나, 부동산투자의 리스크에 대한 국내 연구는 미미한 실정이다. 부동산 리스크 요인을 분석하고 계량화하여 효과적인 리스크 관리 방안을 강구하는 것은 절실한 과제가 되었고, 특히 부동산 계약에 앞서 고객의 채권에 대한 안정성과 위험도를 공시된 정보 또는 부동산 소유자가 사실에 근거하여 직접 입력한 정보를 통해 수치화 및 정량화하고 이러한 정보를 고객에게 직관적으로 제공하는 구성이 요구된다.

본 발명의 일 실시예는, 부동산 계약에 앞서 고객의 채권에 대한 안정성과 위험도를 공시된 정보 또는 부동산 소유자가 사실에 근거하여 직접 입력한 정보를 통해 수치화 및 정량화하고 이러한 정보를 고객에게 직관적으로 제공하고, 부동산 거래시 알아야 할 부동산 공시정보, 권리관계 및 채무관계를 파악함으로써 위험도를 계산하여 부동산 거래 전 통정으로 인한 사기 또는 허위표시를 통한 피해자가 최소화되도록 하는, 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 방법을 제공할 수 있다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 실시예는, 부동산의 매도, 매수, 임대 및 임차 중 적어도 하나를 하기 위해 분석을 의뢰하는 분석 요청 단말로부터 부동산의 주소를 포함하는 부동산 정보를 수신하는 단계, 부동산 정보에 기반하여 부동산의 유형, 소유주의 채권채무 관계, 부동산에 등기된 저당권의 채권최고액 및 부동산의 부동산시가를 수집하는 단계, 수집된 정보를 입력값으로, 기 저장된 위험도 수치화 알고리즘을 구동한 평균, 분산 및 위험도를 포함하는 수치값을 산출하는 단계, 및 산출된 수치값에 기 매핑되어 저장된 위험레벨을 추출하여 위험도 결과를 분석 요청 단말로 전송하는 단계를 포함한다.

전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 부동산 계약에 앞서 고객의 채권에 대한 안정성과 위험도를 공시된 정보 또는 부동산 소유자가 사실에 근거하여 직접 입력한 정보를 통해 수치화 및 정량화하고 이러한 정보를 고객에게 직관적으로 제공하고, 부동산 거래시 알아야 할 부동산 공시정보, 권리관계 및 채무관계를 파악함으로써 위험도를 계산하여 부동산 거래 전 통정으로 인한 사기 또는 허위표시를 통한 피해자가 최소화되도록 한다.

도 1은 본 발명의 일 실시예에 따른 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 시스템에 포함된 거래 안정성 분석 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3은 본 발명의 일 실시예에 따른 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 도 1의 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

명세서 전체에서 사용되는 정도의 용어 "약", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본 발명의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다. 본 발명의 명세서 전체에서 사용되는 정도의 용어 "~(하는) 단계" 또는 "~의 단계"는 "~ 를 위한 단계"를 의미하지 않는다.

본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1개의 유닛이 2개 이상의 하드웨어를 이용하여 실현되어도 되고, 2개 이상의 유닛이 1개의 하드웨어에 의해 실현되어도 된다.

본 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.

본 명세서에서 있어서, 단말과 매핑(Mapping) 또는 매칭(Matching)으로 기술된 동작이나 기능 중 일부는, 단말의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.

이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.

도 1은 본 발명의 일 실시예에 따른 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 시스템을 설명하기 위한 도면이다. 도 1을 참조하면, 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 시스템(1)은, 분석 요청 단말(100), 거래 안정성 분석 서비스 제공 서버(300), 공시 데이터 제공 서버(400)를 포함할 수 있다. 다만, 이러한 도 1의 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 시스템(1)은, 본 발명의 일 실시예에 불과하므로, 도 1을 통하여 본 발명이 한정 해석되는 것은 아니다.

이때, 도 1의 각 구성요소들은 일반적으로 네트워크(network, 200)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 분석 요청 단말(100)은 네트워크(200)를 통하여 거래 안정성 분석 서비스 제공 서버(300)와 연결될 수 있다. 그리고, 거래 안정성 분석 서비스 제공 서버(300)는, 네트워크(200)를 통하여 분석 요청 단말(100), 공시 데이터 제공 서버(400)와 연결될 수 있다. 또한, 공시 데이터 제공 서버(400)는, 네트워크(200)를 통하여 거래 안정성 분석 서비스 제공 서버(300)와 연결될 수 있다.

여기서, 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 RF, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5GPP(5rd Generation Partnership Project) 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, NFC 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.

하기에서, 적어도 하나의 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다. 또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시예에 따라 변경가능하다 할 것이다.

분석 요청 단말(100)은, 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 임대차 또는 부동산 매매에 대한 위험성, 수익률, 권리관계에 대한 분석을 요청하는 단말일 수 있다. 또한, 분석 요청 단말(100)은, 부동산 거래에서 발생할 수 있는 사고를 미연에 방지하도록, 부동산의 유형, 채권채무관계의 분석, 통계 및 판례를 포함한 빅데이터에 기반한 임차반환비율 등의 정보를 거래 안정성 분석 서비스 제공 서버(300)로부터 수신하는 단말일 수 있다. 이때, 분석 요청 단말(100)은, 분석 비용을 거래 안정성 분석 서비스 제공 서버(300)로 결제하는 단말일 수 있다.

여기서, 분석 요청 단말(100)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 분석 요청 단말(100)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 분석 요청 단말(100)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 스마트 패드(smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

거래 안정성 분석 서비스 제공 서버(300)는, 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 서버일 수 있다. 그리고, 거래 안정성 분석 서비스 제공 서버(300)는, 분석 요청 단말(100)로부터 부동산 매매, 투자, 임대차에 대한 위험분석, 수익률 및 권리관계를 분석 및 확증하는 서버일 수 있다. 또한, 거래 안정성 분석 서비스 제공 서버(300)는, 위험도의 근원을 인식하고 관련인자의 유형과 특성을 파악함으로써 발생 가능한 위험도의 성격을 규명하는 위험도 식별을 수행하는 서버일 수 있다. 그리고, 거래 안정성 분석 서비스 제공 서버(300)는, 복수의 확률론적 분석기법을 사용하여 인식된 위험인자를 계량화해 나가는 과정인 위험도 분석을 수행하는데, 이때 위험도의 발생규모, 위험도 변수의 개별적인 영향 및 종합적인 위험도의 효과를 계량적으로 추정 및 평가하는 서버일 수 있다. 마지막으로, 거래 안정성 분석 서비스 제공 서버(300)는, 식별·분석된 위험도 인자의 처리방안을 수립하는 컨설팅을 부가적으로 제공하는 서버일 수 있다. 또한, 거래 안정성 분석 서비스 제공 서버(300)는, 분석 요청 단말(100)로부터 수신한 주소 정보를 이용하여 저당권 설정여부, 채권채무 관계, 부동산 유형을 파악하고, 적어도 하나의 공시 데이터 제공 서버(400)로부터 건축물대장정보, 국세청 공시자료, 각종 통계 및 판례를 수집하여 빅데이터를 구축하는 서버일 수 있다. 또한, 거래 안정성 분석 서비스 제공 서버(300)는, 수집된 데이터를 이용하여 전처리, 분석 등을 통하여 빅데이터를 분류 및 클러스터링한 후 학습시키는 서버일 수 있다.

여기서, 거래 안정성 분석 서비스 제공 서버(300)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다.

공시 데이터 제공 서버(400)는, 부동산의 권리관계, 채권채무관계, 부동산 분쟁이나 경매의 통계와 판례 등을 제공하는 서버일 수 있다. 여기서, 공시 데이터 제공 서버(400)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다.

도 2는 도 1의 시스템에 포함된 거래 안정성 분석 서비스 제공 서버를 설명하기 위한 블록 구성도이고, 도 3은 본 발명의 일 실시예에 따른 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.

도 2를 참조하면, 거래 안정성 분석 서비스 제공 서버(300)는, 수신부(310), 수집부(320), 산출부(330) 및 전송부(340)를 포함할 수 있다.

본 발명의 일 실시예에 따른 거래 안정성 분석 서비스 제공 서버(300)나 연동되어 동작하는 다른 서버(미도시)가 분석 요청 단말(100)로 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 분석 요청 단말(100)은, 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 설치하거나 열 수 있다. 또한, 웹 브라우저에서 실행되는 스크립트를 이용하여 서비스 프로그램이 분석 요청 단말(100)에서 구동될 수도 있다. 여기서, 웹 브라우저는 웹(WWW: world wide web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(hyper text mark-up language)로 서술된 하이퍼 텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(chrome) 등을 포함한다. 또한, 애플리케이션은 단말 상의 응용 프로그램(application)을 의미하며, 예를 들어, 모바일 단말(스마트폰)에서 실행되는 앱(app)을 포함한다.

도 2를 참조하면, 수신부(310)는, 부동산의 매도, 매수, 임대 및 임차 중 적어도 하나를 하기 위해 분석을 의뢰하는 분석 요청 단말(100)로부터 부동산의 주소를 포함하는 부동산 정보를 수신할 수 있다.

수집부(320)는, 부동산 정보에 기반하여 부동산의 유형, 소유주의 채권채무 관계, 부동산에 등기된 저당권의 채권최고액 및 부동산의 부동산시가를 수집할 수 있다. 수집부(320)에서 부동산 정보에 기반하여 부동산의 유형, 소유주의 채권채무 관계, 부동산에 등기된 저당권의 채권최고액 및 부동산의 부동산시가를 수집할 때, 부동산이 경매물권인 경우, 임차보증금, 전세금, 상가보증금, 및 토지임차보증금 중 적어도 하나의 보증금을 환수할 수 있는 비율인 환수 비율을 계산할 수 있다. 이때, 환수 비율은, 실제 부동산이 경매된 경우의 임차 반환 비율에 대한 통계 및 판례에 포함된 비율에 기반하여 산출될 수 있다. 여기서, 환수 비율을 산출하기 위하여, 통계 및 판례를 수집하여 전처리, 데이터 마이닝을 통하여 분석을 실시하여 질의(Query)에 대한 응답을 도출하는 기 구축된 빅데이터를 이용할 수 있다.

또한, 수집부(320)에서 부동산 정보에 기반하여 부동산의 유형, 소유주의 채권채무 관계, 부동산에 등기된 저당권의 채권최고액 및 부동산의 부동산시가를 수집할 때, 적어도 하나의 공시 데이터 제공 서버(400)로부터 공공 데이터를 수집할 수 있다.

산출부(330)는, 수집된 정보를 입력값으로, 기 저장된 위험도 수치화 알고리즘을 구동한 평균, 분산 및 위험도를 포함하는 수치값을 산출할 수 있다.

이때, 산출부(330)는, 크게 두 가지의 위험도를 측정할 수 있다. 첫 번째는, 등기의 공신력이 인정되지 않거나 정확한 권리관계를 파악하지 못하여 오는 위험도와, 두 번째는 정확한 권리관계나 수치 등을 검증한 후, 투자 시나리오나 투자주체 또는 매매의 대상의 특성 등에 기반하여 산출되는 위험도이다.

<권리관계의 위험도 측정>

우리나라의 부동산 거래과정에서는 사고발생 시 법 제도의 미비 등으로 인하여 사고가 많이 발생하는데, 그 이유는 부동산등기에 공신력을 부여하지 않기 때문에, 등기사항증명서를 신뢰하여 거래시 부진정에 의한 위험에 노출되고, 공부에 등재할 수 없는 유치권, 법정지상권, 분묘기지권 등이 존재하고, 이러한 권리관계는 등기부 기타의 공부상에 나타나지 않기 때문에 쉽게 판별할 수 없는 불완전한 권리관계의 성격을 가지고 있고, 거래사고의 원인이 되며, 지적제도와 공시제도의 이원화에 따른 불완전성 및 이원화로 지적공부와 등기부의 등기사항이 일치하지 않고 있으며, 이러한 이원화로 인하여 관련 대장 일부만을 확인하고 중개하는 경우 중개사고가 발생한다. 이에 더불어, 중개인과 허위소유자가 사기를 공모하는 경우에는 중개인을 믿은 고객의 손해로 이어지기 때문에 공시 데이터와 등기부 등본 등을 명확하게 체크해야 한다.

이에 따라, 산출부(330)는, 적어도 하나의 공시 데이터 제공 서버(400)로부터 채무채권관계, 저당, 근저당, 채권최고액, 전세금, 임차보증금, 상가보증금, 토지임차보증금 등 매물의 가액과, 매물에서 공제되어야 할 금액을 산정함으로써 안전한 매물인지의 여부 등을 확인하도록 한다. 또한, 산출부(330)는, 부동산의 유형분석, 부동산과 동일 또는 유사한 매물의 실거래가 등을 통하여 적정가격의 범위를 설정하고, 적정가격의 범위의 기 설정된 오차범위를 넘는 경우에는 위험도를 높일 수 있다. 그리고, 산출부(330)는 등기의 공신력을 확보하기 위하여, 등기사항(표제부, 甲구, 乙구)를 보유하는 등기소와, 건축물 및 토지대장과 지적공부를 토지 및 건축물의 현황(등기부의 표제부사항)을 기록하고 관리하는 관할 시군구 등으로부터 이원화된 등기부와 대장의 기록을 매칭시킴으로써, 등기사항과 지적대장이 불일치하는지의 여부를 확인할 수 있다. 이때, 우리나라 등기부는 토지 등기부와 건물 등기부가 따로 되어 있는데, 각각의 등기부를 요청하여 등기부의 좌측에는 건물의 현황을 기재하고, 우측에는 토지의 현황을 기재함으로써 분석 요청 단말(100)로 전송할 수 있다. 다만, 상술한 것들에 한정되는 것은 아니고, 우리나라 등기의 공신력이 없고, 각 개인이 확인하기 어려운 사항들을 공증받는 방식으로 각 부서 및 부처로부터 수집하고, 분석 요청자가 알고 있는 정보와 비교분석함으로써 위험도를 산출할 수 있다. 만약, 분석 요청자가 알고 있는 소유주와 등기의 소유주가 다른 경우에는 위험도를 증가시킴으로써 분석 요청자가 이를 인지하도록 할 수 있다.

<투자 위험도>

우선, 기대수익률은, 수익능력을 평균적으로 계산한 기대값(발생 확률로 가중평균)이고, 위험은, 미래수익률의 변동성(variability of returns), 즉 불확실성(future uncertainty) 때문에 발생하게 되는데, 위험이 클수록 프리미엄 더 크게 요구되어, 기대수익률 = 무위험수익률 + 위험프리미엄와 같은 등식을 얻게 된다. 또한, 위험과 기대수익률은 상충관계 (trade-off relation)에 있게 된다.

이에 따라, 기대수익률의 측정하기 위하여 분포의 평균을 이용하고, 위험은 분산 또는 표준편차로 산출하는 것이 일반적이다. 위험의 측정은 변동성(variability or fluctuation)으로 측정하게 되는데, 분산 및 표준편차를 이용하고, 이에 대한 개념은 일반적인 기대수익률 및 위험도를 구하는 산출식이 공개되어 있으므로 상세한 설명은 생략하기로 한다.

산출부(330)는, 정리하면, 수집된 정보를 입력값으로, 기 저장된 위험도 수치화 알고리즘을 구동한 평균, 분산 및 위험도를 포함하는 수치값을 산출할 때, 분산은, 확률에 따른 기대치로 표현되는 미래 수익률의 확률분포에 기반하여 실현될 수 있는 수익률과 기대수익률 간의 차이를 제곱하여 각 수익률이 실현될 확률로 가중평균한 값으로 계산되도록 한다. 이때, 수익률은 기대수익률, 요구수익률 및 실현수익률에 기반하여 산출되고, 분포의 형태는 분포 적합을 통하여 선정되며, 적합도를 검정하는 방법은, 카이제곱(Chi-Square) 검정, 콜모고로프­스미르노프(K-S) 검정, 및 앤더슨­달링(A­D) 검정 중 적어도 하나를 포함하는 적합도 검정 방법일 수 있다.

또한, 기 저장된 위험도 수치화 알고리즘은, 분산-공분산법(VarianceCovariance Approach), 이력 시뮬레이션 기법(Historical Simulation Approach), 몬테카를로 시뮬레이션기법(Monte Carlo Simulation Approach), 및 시나리오 시뮬레이션기법(Scenario Simulation Approach) 중 어느 하나 또는 적어도 하나의 조합할 수 있다. 이때, 몬테카를로 시뮬레이션기법(MCSA)은, 위험변수(예를 들면 공사비, 유지관리비 등)를 주어진 분포형태별로 난수(random number)를 발생하여 확률밀도함수, 누적확률밀도함수 등 위험도의 평가지표를 반복적으로 계산하는 시뮬레이션 기반의 분석 기법이다. 상술한 분석 기법 이외에도 다양한 분석기법이 사용될 수 있으며, 위험도의 변수에 따라 다양한 분석기법이 이용될 수 있음은 자명하다 할 것이다.

전송부(340)는, 산출된 수치값에 기 매핑되어 저장된 위험레벨을 추출하여 위험도 결과를 분석 요청 단말(100)로 전송할 수 있다. 이때, 위험레벨은, 직관적으로 인식할 수 있는 숫자를 포함한 텍스트, 이미지, 도표 등을 포함하며, 이에 대한 설명과 어떠한 부분으로 인하여 위험도가 도출되었는지에 대한 인자도 표시함으로써 부동산의 거래자가 쉽게 어느 부분에서 위험이 발생했는지를 파악할 수 있도록 한다.

한편, 부동산의 거래사고 중 하나인 부동산의 이중매매의 성격을 반사회적 법률행위로 볼 때 제2매수인 명의로 되어있는 부동산이 제1매수인에게 귀속되도록 하기위해서 실체법상 소유권과 등기명의의 일치를 요구할 필요는 있으나, 매도인이 아닌 제1매수인이 직접 제2매수인에 대하여 무효등기의 말소를 청구하는 것은 그 근거가 명확하지 않고, 우리 민법상 손해배상방법은 원칙적으로 금전배상이므로 특별한 명문규정 없이 이중매매로 인한 제2매수인의 손해배상책임을 굳이 원상회복으로 의제할 법적 근거가 없다. 그리고 매도인의 제2매수인에 대한 부동산의 원상회복은 제2매수인이 제1매수인의 채권을 침해하였다는 이유에서 제2매수인명의의 등기 말소를 통하여, 매도인에게도 소유권이 복귀되는 것을 의미하지만 매도인에게 부동산을 원상회복하는 근거가 없다.

따라서 부동산을 타인에게 매매, 양도, 설정, 임대를 한 경우, 거래 안정성 분석 서비스 제공 서버(300)는, 당사자가 권리증서, 자금 등을 제3자인 에스크로 에이전트 서버(미도시)로 인도하여 계약상의 조건이행이 있을 때까지 보관하도록 하고, 그 이행 시에 제3자에 의해 양수자, 양도자, 서약인, 수약인, 채권자, 위탁자 또는 대리인, 또는 이들의 피용자들에게 인도하는 에스크로우제도를 이용할 수 있도록 한다. 즉, 부동산의 거래가 존재하기 전에는 분석을 통하여 사용자의 거래안전을 도모하고, 부동산의 거래가 존재하는 동안에는 이를 안전하게 보호할 수 있도록 에스크로우 제도를 활용할 수 있도록 서비스할 수 있다. 특히, 부동산거래의 규모가 엄청나고 절차도 복잡한 경우 에스크로우 제도가 정착된다면 온라인 거래시장 확대와 FTA등 글로벌 시장경제에서 거래의 안전과 투명성이 높아질 수 있다.

한편, 상술한 빅데이터의 경우, 정형화 정도에 따라 정형(structured) 데이터, 반정형(semi-structured) 데이터, 비정형 (unstructured) 데이터로 분류할 수 있다. 정형 데이터는 종류와 형식이 정해져 있는 규격을 갖는 데이터이고, 각종 자료들의 메타데이터를 포함한다.

반정형 데이터는 대부분 텍스트 형태로 필드가 고정되어 있지는 않지만, 자료의 특성에 따라 텍스트 내에 포함되는 내용을 정의할 수 있는 데이터 부류이다. 텍스트 데이터는 일반적으로는 비정형 데이터로 분류되지만, 부동산 분야의 특수성에 의해 텍스트 내에 포함되는 항목이나 내용이 어느 정도 정해져 있는 경우가 많다. 비정형 데이터는 형태가 불규칙하여 정의하기 어려운 항목들로서, 일반적으로 텍스트와 이미지 등이 해당한다. 다만, 이와 같은 비정형 데이터도, 키워드, 태그 또는 메타 데이터로 학습되어 분류 및 패턴화되고, 이후 새로운 비정형 데이터의 분류가 요구되었을 때, 데이터를 레코드 형식으로 가공하고 연관 데이터와 함께 제공될 수 있다.

이렇게 수집된 데이터들은, 전처리를 실시할 수 있고, 전처리된 데이터를 데이터 마이닝(Data Mining)을 포함하는 분석을 실시할 수 있다. 그리고, 빅데이터로부터 질의(Query)에 응답한 데이터인, 분석된 데이터를 시각화하여 출력할 수 있다. 이때, 데이터 마이닝은, 전처리된 데이터 간의 내재된 관계를 탐색하여 클래스가 알려진 훈련 데이터 셋을 학습시켜 새로운 데이터의 클래스를 예측하는 분류(Classification) 또는 클래스 정보 없이 유사성을 기준으로 데이터를 그룹짓는 군집화(Clustering)를 수행할 수 있다. 물론, 이외에도 다양한 마이닝 방법이 존재할 수 있으며, 수집 및 저장되는 빅데이터의 종류나 이후에 요청될 질의(Query)의 종류에 따라 다르게 마이닝될 수도 있다. 이렇게 구축된 빅데이터는, 인공신경망 딥러닝이나 기계학습 등으로 검증과정을 거칠 수도 있으며, 통계 및 판례를 분류하고, 새로운 정보(주택 정보, 채무채권관계, 경매정보 등)가 질의로 입력되었을 때, 이와 유사한 통계 및 판례로부터 응답으로 도출함으로써 위험도를 증감시키는 하나의 독립변수로 작용할 수 있다.

이하, 상술한 도 2의 거래 안정성 분석 서비스 제공 서버의 구성에 따른 동작 과정을 도 3을 예로 들어 상세히 설명하기로 한다. 다만, 실시예는 본 발명의 다양한 실시예 중 어느 하나일 뿐, 이에 한정되지 않음은 자명하다 할 것이다.

도 3을 참조하면, (a) 거래 안정성 분석 서비스 제공 서버(300)는 분석 요청 단말(100)로부터 수신된 질의와 주소 등의 정보를 수신하고, 분석을 위하여 정보를 수집한다. 그리고, (b) 수집된 정보를 이용하여 분석을 실시하며, (c) 분석 방법으로 시뮬레이션 모델을 선정하고, 분포 적합도를 구한다음, 상관관계에 따라 분석절차를 진행할 수 있다.

우선, 시뮬레이션 모델 설정에는 세 가지 변수를 정의해야하는데 첫째, 확률변수인 추정변수(Assumption)는 적합한 데이터를 이용하여 기준값과 분포의 크기(표준편차)을 확정하고 그 특성에 따라 분포도를 결정한다. 둘째, 통제변수(Defined Variable)는 주로 제약변수에 해당하거나 사업의 개별적 특성을 정의하는 변수다. 통제변수를 이용하여 민감도 분석이나 최적화를 실행할 수 있다. 셋째, 결과인 종속변수 내지는 예측값(forecasting)을 정의하는 과정이다. 리스크는 미래의 불확실성(Uncertainty)의 확률분포로 변수들로 나타낼 수 있는 경우로, 리스크는 수익률의 변동으로 인해 발생하는 손실로 IRR과 NPV의 변동을 분석하게 된다.

분포 적합도(fit distribution)에서, 분포의 형태는 과거의 데이터와 가장 일치하는 확률분포의 적합 추정인데 시뮬레이션의 정확성에 중요한 요소로 각 가정변수의 확률분포는 분포 적합을 통해 과거 실적 자료에 가장 일치하는 분포를 선정한다.

상관관계는, 추정변수들이 모두 독립적인 변수라고 가정하면 중대한 오류가 발생하게 되므로, 다른 모든 조건이 동일하다고 가정했을 때 어느 변수가 증가하게 되면 다른 변수는 감소한다. 이를 테면 이와 같이 관계를 무시하고 모든 추정 변수가 상호 독립적인 변수라고 가정하면 통상적으로 임대료가 상승할 때 운영경비도 상승하나, 무작위 난수로 시뮬레이션 하여 임대료가 상승할 때 운영경비는 하락하는 경우가 발생할 수 있다.

분석 절차에서 분석 대상은 대출비율의 민감도 분석, 경기변동에 따른 시나리오 분석, 투자자별 특성에 따른 케이스 분석으로 행해질 수 있다. 다음으로는 투자자별 시나리오로 분석한 민감도 요인들에 대하여 종합적으로 분석을 해야 한다. 그 이유는 규모, 세금, 부채 등의 민감도 요인이 투자자별로 각기 다르게 작용하기 때문이다. 이에 따라, 투자자별 스트레스 지수도 고려할 수 있다. 이러한 방식으로 거래 안정성 분석 서비스 제공 서버(300)는 분석을 할 수 있고, (d) 그 외에도 상술한 다양한 조건들에 대한 보증을 위한 확인을 실시할 수 있다.

(e) 이렇게 분석이 완료되게 되면, 거래 안정성 분석 서비스 제공 서버(300)는 분석 리포트를 분석 요청 단말(100)로 제공할 수 있으며, (f) 이에 대한 정보들은 적어도 하나의 공시 데이터 제공 서버(400)로부터 수집할 수 있다. 상술한 분석 방법은 몬테 카를로 시뮬레이션에 기반하였으나, 다른 시뮬레이션 기법 또는 분석법이 이용될 수 있음은 물론이라 할 것이다.

이와 같은 도 2 및 도 3의 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1을 통해 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 4는 본 발명의 일 실시예에 따른 도 1의 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다. 이하, 도 4를 통해 각 구성들 상호간에 데이터가 송수신되는 과정의 일 예를 설명할 것이나, 이와 같은 실시예로 본원이 한정 해석되는 것은 아니며, 앞서 설명한 다양한 실시예들에 따라 도 4에 도시된 데이터가 송수신되는 과정이 변경될 수 있음은 기술분야에 속하는 당업자에게 자명하다.

도 4를 참조하면, 거래 안정성 분석 서비스 제공 서버(300)는, 분석 요청 단말(100)로부터 의뢰를 받으면(S4100), 주소를 추출하여(S4200), 공시 데이터 제공 서버(400)로부터 정보를 요청하고(S4300), 권리관계 및 채무관계에 대한 정보를 수집한다(S4400).

그리고 나서, 부동산 시가 대비 채권최고액 등의 부채가 기 설정된 퍼센트를 넘는 경우 또는 그 비율에 따라 위험도를 증가시키고(S4500), 그렇지 않은 경우 권리관계 및 채무관계의 정보가 정확한지에 대한 검증을 재실시한다(S4900). S4500에서 위험도를 증가시킨 경우 거래 안정성 분석 서비스 제공 서버(300)는, 위험도를 판단하기 위하여, 통계 및 판례의 정보를 요청하거나 기 저장된 데이터 및 빅데이터를 통하여 권리관계 및 채무관계를 질의로 하는 응답을 도출한다(S4700, S4710, S4800).

거래 안정성 분석 서비스 제공 서버(300)는, 이에 대한 결과를 분석 요청 단말(100)로 전송하고(S4810), 수수료를 분석 요청 단말(100)로부터 결제받으며(S4820), S4900에서 재확인을 요청한 경우, 권원, 등기, 저당권 등기 여부를 증명하는 과정을 거치며(S4920), 그 결과를 분석 요청 단말(100)로 전송하고(S4930), 수수료를 결제받게 된다(S4940).

상술한 단계들(S4100~S4940)간의 순서는 예시일 뿐, 이에 한정되지 않는다. 즉, 상술한 단계들(S4100~S4940)간의 순서는 상호 변동될 수 있으며, 이중 일부 단계들은 동시에 실행되거나 삭제될 수도 있다.

이와 같은 도 4의 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 3을 통해 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 5는 본 발명의 일 실시예에 따른 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 방법을 설명하기 위한 동작 흐름도이다. 도 5를 참조하면, 거래 안정성 분석 서비스 제공 서버는, 부동산의 매도, 매수, 임대 및 임차 중 적어도 하나를 하기 위해 분석을 의뢰하는 분석 요청 단말로부터 부동산의 주소를 포함하는 부동산 정보를 수신한다(S5100).

그리고, 거래 안정성 분석 서비스 제공 서버는, 부동산 정보에 기반하여 부동산의 유형, 소유주의 채권채무 관계, 부동산에 등기된 저당권의 채권최고액 및 부동산의 부동산시가를 수집하고(S5200), 수집된 정보를 입력값으로, 기 저장된 위험도 수치화 알고리즘을 구동한 평균, 분산 및 위험도를 포함하는 수치값을 산출한다(S5300).

또한, 거래 안정성 분석 서비스 제공 서버는, 산출된 수치값에 기 매핑되어 저장된 위험레벨을 추출하여 위험도 결과를 분석 요청 단말로 전송한다(S5400).

이와 같은 도 5의 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 4를 통해 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 5를 통해 설명된 일 실시예에 따른 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 방법은, 컴퓨터에 의해 실행되는 애플리케이션이나 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.

전술한 본 발명의 일 실시예에 따른 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 방법은, 단말기에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있음)에 의해 실행될 수 있고, 사용자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 마스터 단말기에 직접 설치한 애플리케이션(즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 본 발명의 일 실시예에 따른 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 방법은 단말기에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 단말기에 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (7)

1. 거래 안정성 분석 서비스 제공 서버에서 실행되는 거래 안정성 분석 서비스 제공 방법에 있어서,
   부동산의 매도, 매수, 임대 및 임차 중 적어도 하나를 하기 위해 분석을 의뢰하는 분석 요청 단말로부터 상기 부동산의 주소를 포함하는 부동산 정보를 수신하는 단계;
   상기 부동산 정보에 기반하여 부동산의 유형, 소유주의 채권채무 관계, 상기 부동산에 등기된 저당권의 채권최고액 및 상기 부동산의 부동산시가를 수집하는 단계-상기 수집하는 단계는 상기 부동산이 경매물권인 경우에 임차보증금, 전세금, 상가보증금, 및 토지임차보증금 중 적어도 하나의 보증금을 환수할 수 있는 비율인 환수 비율을 계산하고, 적어도 하나의 공시 데이터 제공 서버로부터 공공 데이터를 수집하는 단계를 포함함-;
   상기 수집된 정보를 입력값으로, 기 저장된 위험도 수치화 알고리즘을 구동한 평균, 분산 및 위험도를 포함하는 수치값을 산출하는 단계; 및
   상기 산출된 수치값에 기 매핑되어 저장된 위험레벨을 추출하여 위험도 결과를 상기 분석 요청 단말로 전송하는 단계를 포함하되,
   상기 기 저장된 위험도 수치화 알고리즘은, 분산-공분산법(VarianceCovariance Approach), 이력 시뮬레이션 기법(Historical Simulation Approach), 몬테카를로 시뮬레이션 기법(Monte Carlo Simulation Approach), 및 시나리오 시뮬레이션 기법(Scenario Simulation Approach) 중 적어도 하나의 조합으로 이루어진 알고리즘이며,
   상기 적어도 하나의 조합으로 이루어진 알고리즘에 의한 거래 안정성 분석 방법을 위한 시뮬레이션 모델은, 추정변수, 통제변수 및 종속변수에 의해 설정되고,
   상기 수치값을 산출하는 단계는,
   확률에 따른 기대치로 표현되는 미래 수익률의 확률분포에 기반하여 실현될 수 있는 수익률과 기대수익률 간의 차이를 제곱하여 각 수익률이 실현될 확률로 가중평균한 값으로 상기 분산을 계산하는 단계;
   부동산 시가 대비 채권최고액이 기 설정된 비율을 넘는 경우에 위험도를 증가시키는 단계;
   상기 부동산 시가 대비 채권최고액이 상기 기 설정된 비율을 넘지 않을 경우에 권리관계 및 채무관계의 정보가 정확한지에 대한 검증을 실시하는 단계; 및
   상기 위험도를 증가시킨 경우에 통계 및 판례의 정보를 요청하거나 기 저장된 데이터 및 빅데이터를 통하여 권리관계 및 채무관계를 질의로 하는 응답을 도출하는 단계를 포함하고,
   상기 전송하는 단계는,
   상기 위험도 결과 전송에 따른 수수료를 상기 분석 요청 단말에게 결제 받는 단계;
   상기 검증을 실시한 경우에 권원, 등기 및 저당권 등기 여부를 증명하는 과정을 거친 후 증명 결과를 상기 분석 요청 단말에게 전송하는 단계; 및
   상기 증명 결과 전송에 따른 수수료를 상기 분석 요청 단말에게 결제 받는 단계를 포함하며,
   상기 수익률은 기대수익률, 요구수익률 및 실현수익률에 기반하여 산출되고,
   상기 확률분포의 형태는 분포 적합도를 통하여 선정되며, 상기 분포 적합도를 검증하는 방법은, 카이제곱(Chi-Square) 검증, 콜모고로프­스미르노프(K-S) 검증, 및 앤더슨­달링(A­D) 검증 중 적어도 하나를 포함하는 적합도 검증 방법인 것인, 공공 데이터 및 통계 기반 부동산 거래의 위험관리를 위한 거래 안정성 분석 서비스 제공 방법.
   
2. 삭제
3. 삭제
4. 삭제
5. 삭제
6. 삭제
7. 삭제

Images