KR102004750B1 - 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템 - Google Patents
부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템 Download PDFInfo
- Publication number
- KR102004750B1 KR102004750B1 KR1020170134967A KR20170134967A KR102004750B1 KR 102004750 B1 KR102004750 B1 KR 102004750B1 KR 1020170134967 A KR1020170134967 A KR 1020170134967A KR 20170134967 A KR20170134967 A KR 20170134967A KR 102004750 B1 KR102004750 B1 KR 102004750B1
- Authority
- KR
- South Korea
- Prior art keywords
- real estate
- rate
- target
- conversion rate
- target real
- Prior art date
Links
- 230000002159 abnormal effect Effects 0.000 claims abstract description 26
- 238000006243 chemical reaction Methods 0.000 claims description 214
- 238000004364 calculation method Methods 0.000 claims description 45
- 238000010801 machine learning Methods 0.000 claims description 24
- 238000012795 verification Methods 0.000 claims description 17
- 230000005856 abnormality Effects 0.000 claims description 13
- 230000002028 premature Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 description 12
- 238000012549 training Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템이 개시된다. 복수의 부동산에 대해 각 부동산의 속성 정보 및 가격 정보가 미리 저장되는 부동산 정보 데이터베이스; 임대 거래 사례 이상치를 판정하고자 하는 대상 부동산의 전세가를 포함하는 거래 정보를 입력받는 대상 부동산 입력 모듈; 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 주소 및 거래 정보를 기준으로 인근의 유사 부동산을 상기 부동산 정보 데이터베이스에서 검색하여 수집하는 유사 부동산 검색/수집 모듈; 상기 유사 부동산 검색/수집 모듈에서 수집된 유사 부동산의 가격 정보 중 전세가를 이용하여 최적의 전세가 추정 모델(model)을 선별하고, 선별된 전세가 추정 모델에 의해 대상 부동산의 전세가 추정값을 산출하고, 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 전세가를 상기 전세가 추정 모델에 의해 추정된 전세가 추정값과 상호 대비하여 상기 대상 부동산의 전세가 이상치를 산출하여 판정하는 전세가 이상치 판정 모듈을 구성한다.
Description
본 발명은 부동산 임대 가격 추정에 관한 것으로서, 구체적으로는 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템에 관한 것이다.
부동산 임대는 부동산 매매와 달리 매우 다른 특성을 갖는다.
부동산 매매는 매매 대금의 지급과 이에 동시에 부동산의 인도와 등기로서 계약이 이행된다. 즉, 1회적인 특성을 갖는다.
그러나, 부동산 임대는 임차인이 지속적으로 임료를 지급하여야 하므로 계속적인 이행이 뒤따르는 특성이 있다. 이러한 과정에서 임료의 지급이 늦어지거나 이행이 제대로 되지 않는 경우도 있다.
기본적으로 부동산 임대는 전세, 준전세, 반전세, 준월세, 월세 등의 다양한 계약 구조를 갖는다. 그리고 전월세전환율의 경우에는 시장마다 다르며 매매 계약에 비해 비공개적인 편이다.
한편, 부동산 임대가 부동산 매매와 다른 중요한 특성 중 하나는 지행성이다. 매매의 시세 거래 가격의 변동에 비해 더 느리게 변동한다.
이러한 차원에서 부동산 임대의 전세가, 전세가율, 전월세전환율 등의 가격을 최적화하여 추정하는 것은 매우 어려운 작업이다.
기존에는 이러한 부동산 임대의 다양한 계약 구조, 지행성 등의 특성을 제대로 반영하여 최적화하는 수단이 없는 실정이다.
본 발명의 목적은 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템을 제공하는 데 있다.
상술한 본 발명의 목적에 따른 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템은, 수의 부동산에 대해 각 부동산의 속성 정보 및 가격 정보가 미리 저장되는 부동산 정보 데이터베이스; 임대 거래 사례 이상치를 판정하고자 하는 대상 부동산의 전세가를 포함하는 거래 정보를 입력받는 대상 부동산 입력 모듈; 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 주소 및 거래 정보를 기준으로 인근의 유사 부동산을 상기 부동산 정보 데이터베이스에서 검색하여 수집하는 유사 부동산 검색/수집 모듈; 상기 유사 부동산 검색/수집 모듈에서 수집된 유사 부동산의 가격 정보 중 전세가를 이용하여 최적의 전세가 추정 모델(model)을 선별하고, 선별된 전세가 추정 모델에 의해 대상 부동산의 전세가 추정값을 산출하고, 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 전세가를 상기 전세가 추정 모델에 의해 추정된 전세가 추정값과 상호 대비하여 상기 대상 부동산의 전세가 이상치를 산출하여 판정하는 전세가 이상치 판정 모듈을 포함하도록 구성될 수 있다.
여기서, 상기 부동산의 속성 정보는, 부동산의 임대 가격에 영향을 미치는 정보로서, 부동산의 위치 정보, 부동산의 유형, 건축물 대장 정보, 등기부상 권리 정보, 전유/공유 면적, 정비/개발 정보, 교통 정보, 교육 정보 중 적어도 하나 이상을 포함하도록 구성될 수 있다.
그리고 상기 부동산의 가격 정보는, 매매 실거래 정보, 임대 실거래 정보, 매매 호가 정보, 공시 가격 정보 및 기준 시가 정보 중 적어도 하나 이상을 포함하도록 구성될 수 있다.
한편, 상기 전세가 이상치 판정 모듈은, 상기 유사 부동산 검색/수집 모듈에 의해 수집된 유사 부동산을 이용하여 기계 학습(machine learning)을 수행하여 최적의 전세가 추정 모델을 선별하는 전세가 추정 모델 선별부; 상기 전세가 추정 모듈 선별부에 의해 선별된 전세가 추정 모델을 이용하여 상기 대상 부동산의 전세가 추정값을 산출하는 전세가 추정값 산출부; 상기 전세가 추정값 산출부에 의해 산출된 대상 부동산의 전세가 추정값에 대하여 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 전세가의 잔차 분포 및 치우침을 계산하는 전세가 잔차/치우침 계산부; 상기 전세가 잔차/치우침 계산부에 의해 계산된 대상 부동산의 전세가의 잔차 분포 및 치우침을 이용하여 상기 대상 부동산의 전세가 이상치를 산출하여 판정하는 전세가 이상치 판정부를 포함하도록 구성될 수 있다.
상술한 본 발명의 목적에 따른 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템은, 복수의 부동산에 대해 각 부동산의 속성 정보 및 가격 정보가 미리 저장되는 부동산 정보 데이터베이스; 임대 거래 사례 이상치를 판정하고자 하는 대상 부동산의 매매가 및 전세가를 포함하는 거래 정보를 입력받는 대상 부동산 입력 모듈; 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 주소 및 거래 정보를 기준으로 인근의 유사 부동산을 상기 부동산 정보 데이터베이스에서 검색하여 수집하는 유사 부동산 검색/수집 모듈; 상기 대상 부동산 입력 모듈에서 입력받은 매매가 및 전세가를 이용하여 대상 부동산의 전세가율을 산출하고, 상기 유사 부동산 검색/수집 모듈에서 수집된 유사 부동산의 가격 정보 중 전세가율을 이용하여 최적의 전세가율 추정 모델(model)을 선별하고, 선별된 전세가율 추정 모델에 의해 대상 부동산의 전세가율 추정값을 산출하고, 상기 산출된 대상 부동산의 전세가율과 상기 전세가율 추정 모델에 의해 산출된 대상 부동산의 전세가율 추정값을 상호 대비하여 상기 대상 부동산의 전세가율 이상치를 산출하여 판정하는 전세가율 이상치 판정 모듈을 포함하도록 구성될 수 있다.
여기서, 상기 부동산의 속성 정보는, 부동산의 임대 가격에 영향을 미치는 정보로서, 부동산의 위치 정보, 부동산의 유형, 건축물 대장 정보, 등기부상 권리 정보 정비/개발 정보, 교통 정보, 교육 정보 중 적어도 하나 이상을 포함하도록 구성될 수 있다.
그리고 상기 부동산의 가격 정보는, 매매 실거래 정보, 임대 실거래 정보, 매매 호가 정보, 공시 가격 정보 및 기준 시가 정보 중 적어도 하나 이상을 포함하도록 구성될 수 있다.
한편, 상기 전세가율 이상치 판정 모듈은, 상기 유사 부동산 검색/수집 모듈에 의해 수집된 유사 부동산을 이용하여 기계 학습(machine learning)을 수행하여 최적의 전세가율 추정 모델을 선별하는 전세가율 추정 모델 선별부; 상기 전세가율 추정 모듈 선별부에 의해 선별된 전세가율 추정 모델을 이용하여 상기 대상 부동산의 전세가율 추정값을 산출하는 전세가율 추정값 산출부; 상기 전세가율 추정값 산출부에 의해 산출된 대상 부동산의 전세가율 추정값에 대하여 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 전세가율의 잔차 분포 및 치우침을 계산하는 전세가율 잔차/치우침 계산부; 상기 전세가율 잔차/치우침 계산부에 의해 계산된 대상 부동산의 전세가율의 잔차 분포 및 치우침을 이용하여 상기 대상 부동산의 전세가율 이상치를 산출하여 판정하는 전세가율 이상치 판정부를 포함하도록 구성될 수 있다.
상술한 본 발명의 목적에 따른 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템은, 복수의 부동산에 대해 각 부동산의 속성 정보 및 가격 정보가 미리 저장되는 부동산 정보 데이터베이스; 임대 거래 사례 이상치를 판정하고자 하는 대상 부동산의 매매가 및 전세가를 포함하는 거래 정보를 입력받는 대상 부동산 입력 모듈; 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 주소 및 거래 정보를 기준으로 인근의 유사 부동산을 상기 부동산 정보 데이터베이스에서 검색하여 수집하는 유사 부동산 검색/수집 모듈; 상기 대상 부동산 입력 모듈에서 입력받은 매매가 및 전세가를 이용하여 대상 부동산의 전월세전환율을 산출하고, 상기 유사 부동산 검색/수집 모듈에서 수집된 유사 부동산의 가격 정보 중 전월세전환율을 이용하여 최적의 전월세전환율 추정 모델(model)을 선별하고, 선별된 전월세전환율 추정 모델에 의해 대상 부동산의 전월세전환율 추정값을 산출하고, 상기 산출된 대상 부동산의 전월세전환율과 상기 전월세전환율 추정 모델에 의해 산출된 대상 부동산의 전월세전환율 추정값을 상호 대비하여 상기 대상 부동산의 전월세전환율 이상치를 산출하여 판정하는 전월세전환율 이상치 판정 모듈을 포함하도록 구성될 수 있다.
여기서, 상기 부동산의 속성 정보는, 부동산의 임대 가격에 영향을 미치는 정보로서, 부동산의 위치 정보, 부동산의 유형, 건축물 대장 정보, 등기부상 권리 정보, 정비/개발 정보, 교통 정보, 교육 정보 중 적어도 하나 이상을 포함하도록 구성될 수 있다.
그리고 상기 부동산의 가격 정보는, 매매 실거래 정보, 임대 실거래 정보, 매매 호가 정보, 공시 가격 정보 및 기준 시가 정보 중 적어도 하나 이상을 포함하도록 구성될 수 있다.
한편, 상기 전월세전환율 이상치 판정 모듈은, 상기 유사 부동산 검색/수집 모듈에 의해 수집된 유사 부동산을 이용하여 기계 학습(machine learning)을 수행하여 최적의 전월세전환율 추정 모델을 선별하는 전월세전환율 추정 모델 선별부; 상기 전월세전환율 추정 모듈 선별부에 의해 선별된 전월세전환율 추정 모델을 이용하여 상기 대상 부동산의 전월세전환율 추정값을 산출하는 전월세전환율 추정값 산출부; 상기 전월세전환율 추정값 산출부에 의해 산출된 대상 부동산의 전월세전환율 추정값에 대하여 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 전월세전환율의 잔차 분포 및 치우침을 계산하는 전월세전환율 잔차/치우침 계산부; 상기 전월세전환율 잔차/치우침 계산부에 의해 계산된 대상 부동산의 전월세전환율의 잔차 분포 및 치우침을 이용하여 상기 대상 부동산의 전월세전환율 이상치를 산출하여 판정하는 전월세전환율 이상치 판정부를 포함하도록 구성될 수 있다.
상술한 본 발명의 목적에 따른 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템은, 복수의 부동산에 대해 각 부동산의 속성 정보 및 가격 정보가 미리 저장되는 부동산 정보 데이터베이스; 임대 거래 사례 이상치를 판정하고자 하는 대상 부동산의 매매가 및 전세가를 포함하는 거래 정보를 입력받는 대상 부동산 입력 모듈; 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 주소 및 거래 정보를 기준으로 인근의 유사 부동산을 상기 부동산 정보 데이터베이스에서 검색하여 수집하는 유사 부동산 검색/수집 모듈; 상기 유사 부동산 검색/수집 모듈에서 수집된 유사 부동산의 가격 정보 중 전세가를 이용하여 최적의 전세가 추정 모델(model)을 선별하고, 선별된 전세가 추정 모델에 의해 대상 부동산의 전세가 추정값을 산출하고, 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 전세가를 상기 전세가 추정 모델에 의해 추정된 전세가 추정값을 상호 대비하여 상기 대상 부동산의 전세가 이상치를 산출하여 판정하는 전세가 이상치 판정 모듈; 상기 대상 부동산 입력 모듈에서 입력받은 매매가 및 전세가를 이용하여 대상 부동산의 전세가율을 산출하고, 상기 유사 부동산 검색/수집 모듈에서 수집된 유사 부동산의 가격 정보 중 전세가율을 이용하여 최적의 전세가율 추정 모델(model)을 선별하고, 선별된 전세가율 추정 모델에 의해 대상 부동산의 전세가율 추정값을 산출하고, 상기 산출된 대상 부동산의 전세가율과 상기 전세가율 추정 모델에 의해 산출된 대상 부동산의 전세가율 추정값을 상호 대비하여 상기 대상 부동산의 전세가율 이상치를 산출하여 판정하는 전세가율 이상치 판정 모듈; 상기 대상 부동산 입력 모듈에서 입력받은 매매가 및 전세가를 이용하여 대상 부동산의 전월세전환율을 산출하고, 상기 유사 부동산 검색/수집 모듈에서 수집된 유사 부동산의 가격 정보 중 전월세전환율을 이용하여 최적의 전월세전환율 추정 모델(model)을 선별하고, 선별된 전월세전환율 추정 모델에 의해 대상 부동산의 전월세전환율 추정값을 산출하고, 상기 산출된 대상 부동산의 전월세전환율과 상기 전월세전환율 추정 모델에 의해 산출된 대상 부동산의 전월세전환율 추정값을 상호 대비하여 상기 대상 부동산의 전월세전환율 이상치를 산출하여 판정하는 전월세전환율 이상치 판정 모듈; 상기 전세가 이상치 판정 모듈에서 산출된 대상 부동산의 전세가 이상치, 상기 전세가율 이상치 판정 모듈에서 산출된 대상 부동산의 전세가율 이상치 및 상기 전월세전환율 이상치 판정 모듈에서 산출된 대상 부동산의 전월세전환율 이상치 중 적어도 둘 이상을 이용하여 상기 대상 부동산의 임대 거래 사례에 대한 최종 이상치를 산출하여 판정하는 최종 이상치 판정 모듈을 포함하도록 구성될 수 있다.
여기서, 상기 부동산의 속성 정보는, 부동산의 임대 가격에 영향을 미치는 정보로서, 부동산의 위치 정보, 부동산의 유형, 건축물 대장 정보, 등기부상 권리 정보, 정비/개발 정보, 교통 정보, 교육 정보 중 적어도 하나 이상을 포함하도록 구성될 수 있다.
그리고 상기 부동산의 가격 정보는, 매매 실거래 정보, 임대 실거래 정보, 매매 호가 정보, 공시 가격 정보 및 기준 시가 정보 중 적어도 하나 이상을 포함하도록 구성될 수 있다.
한편, 상기 전세가 이상치 판정 모듈은, 상기 유사 부동산 검색/수집 모듈에 의해 수집된 유사 부동산을 이용하여 기계 학습(machine learning)을 수행하여 최적의 전세가 추정 모델을 선별하는 전세가 추정 모델 선별부; 상기 전세가 추정 모듈 선별부에 의해 선별된 전세가 추정 모델을 이용하여 상기 대상 부동산의 전세가 추정값을 산출하는 전세가 추정값 산출부; 상기 전세가 추정값 산출부에 의해 산출된 대상 부동산의 전세가 추정값에 대하여 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 전세가의 잔차 분포 및 치우침을 계산하는 전세가 잔차/치우침 계산부; 상기 전세가 잔차/치우침 계산부에 의해 계산된 대상 부동산의 전세가의 잔차 분포 및 치우침을 이용하여 상기 대상 부동산의 전세가 이상치를 산출하여 판정하는 전세가 이상치 판정부를 포함하도록 구성될 수 있다.
그리고 상기 전세가율 이상치 판정 모듈은, 상기 유사 부동산 검색/수집 모듈에 의해 수집된 유사 부동산을 이용하여 기계 학습(machine learning)을 수행하여 최적의 전세가율 추정 모델을 선별하는 전세가율 추정 모델 선별부; 상기 전세가율 추정 모듈 선별부에 의해 선별된 전세가율 추정 모델을 이용하여 상기 대상 부동산의 전세가율 추정값을 산출하는 전세가율 추정값 산출부; 상기 전세가율 추정값 산출부에 의해 산출된 대상 부동산의 전세가율 추정값에 대하여 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 전세가율의 잔차 분포 및 치우침을 계산하는 전세가율 잔차/치우침 계산부; 상기 전세가율 잔차/치우침 계산부에 의해 계산된 대상 부동산의 전세가율의 잔차 분포 및 치우침을 이용하여 상기 대상 부동산의 전세가율 이상치를 산출하여 판정하는 전세가율 이상치 판정부를 포함하도록 구성될 수 있다.
그리고 상기 전월세전환율 이상치 판정 모듈은, 상기 유사 부동산 검색/수집 모듈에 의해 수집된 유사 부동산을 이용하여 기계 학습(machine learning)을 수행하여 최적의 전월세전환율 추정 모델을 선별하는 전월세전환율 추정 모델 선별부; 상기 전월세전환율 추정 모듈 선별부에 의해 선별된 전월세전환율 추정 모델을 이용하여 상기 대상 부동산의 전월세전환율 추정값을 산출하는 전월세전환율 추정값 산출부; 상기 전월세전환율 추정값 산출부에 의해 산출된 대상 부동산의 전월세전환율 추정값에 대하여 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 전월세전환율의 잔차 분포 및 치우침을 계산하는 전월세전환율 잔차/치우침 계산부; 상기 전월세전환율 잔차/치우침 계산부에 의해 계산된 대상 부동산의 전월세전환율의 잔차 분포 및 치우침을 이용하여 상기 대상 부동산의 전월세전환율 이상치를 산출하여 판정하는 전월세전환율 이상치 판정부를 포함하도록 구성될 수 있다.
상술한 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템에 의하면, 계약 구조나 부동산 속성이 유사한 인근 부동산의 임대 특성을 가장 잘 반영할 수 있는 임대 특성 추정 모델을 선별하여 해당 부동산의 임대 특성값을 추정하도록 구성됨으로써, 다양한 특징을 갖는 부동산 임대 시장의 전세가, 전세가율, 전월세전환율 등을 정확하게 파악할 수 있고 임대가격 신고의 허위 및 오류를 정확하게 탐지하는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템의 블록 구성도이다.
도 2는 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 전세가 이상치 판정 모듈의 세부 블록 구성도이다.
도 3은 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 전세가율 이상치 판정 모듈의 세부 블록 구성도이다.
도 4는 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 전월세전환율 이상치 판정 모듈의 세부 블록 구성도이다.
도 5는 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 방법의 흐름도이다.
도 6은 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 전세가 이상치 판정 방법의 세부 흐름도이다.
도 7은 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 전세가율 이상치 판정 방법의 세부 흐름도이다.
도 8은 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 전월세전환율 이상치 판정 방법의 세부 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 전세가 이상치 판정 모듈의 세부 블록 구성도이다.
도 3은 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 전세가율 이상치 판정 모듈의 세부 블록 구성도이다.
도 4는 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 전월세전환율 이상치 판정 모듈의 세부 블록 구성도이다.
도 5는 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 방법의 흐름도이다.
도 6은 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 전세가 이상치 판정 방법의 세부 흐름도이다.
도 7은 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 전세가율 이상치 판정 방법의 세부 흐름도이다.
도 8은 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 전월세전환율 이상치 판정 방법의 세부 흐름도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 발명을 실시하기 위한 구체적인 내용에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템의 블록 구성도이다. 그리고 도 2는 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 전세가 이상치 판정 모듈의 세부 블록 구성도이고, 도 3은 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 전세가율 이상치 판정 모듈의 세부 블록 구성도이고, 도 4는 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 전월세전환율 이상치 판정 모듈의 세부 블록 구성도이다.
먼저 도 1을 참조하면, 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템(100)은 부동산 정보 데이터베이스(110), 대상 부동산 입력 모듈(120), 유사 부동산 검색/수집 모듈(130), 전세가 이상치 판정 모듈(140), 전세가율 이상치 판정 모듈(150), 전월세전환율 이상치 판정 모듈(160), 최종 이상치 판정 모듈(170)을 포함하도록 구성될 수 있다.
부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템(100)은 임대 계약 구조나 부동산 속성이 유사한 인근 부동산의 임대 특성을 가장 잘 반영할 수 있는 임대 특성 추정 모델을 선별하여 전세가, 전세가율, 전월세전환율 등을 추정하도록 구성된다. 계약 구조의 다양성, 지행성, 비공개성, 임대 시장의 다양성 등의 특성을 갖는 반영하여 전세가, 전세가율, 전월세전환율을 정확하게 추정할 수 있다.
이하, 세부적인 구성에 대하여 설명한다.
부동산 정보 데이터베이스(110)는 복수의 부동산에 대해 각 부동산의 속성 정보 및 가격 정보가 미리 저장되도록 구성될 수 있다.
여기서, 부동산의 속성 정보는 부동산의 임대 가격에 영향을 미치는 정보를 의미한다. 속성 정보로서, 부동산의 위치 정보, 부동산의 유형, 건축물 대장 정보, 등기부상 권리 정보, 정비/개발 정보, 교통 정보, 교육 정보 중 적어도 하나 이상을 포함하도록 구성될 수 있다. 이러한 속성 정보는 전세가, 전세가율, 전월세전환율에 영향을 미칠 수 있다. 정비/개발 정보는 재건축/재개발 정보를 포함할 수 있다.
여기서, 부동산의 유형은 용도 또는 부동산 공적장부(건축물대장, 등기부 등)상 형식에 따라 주거용 부동산 또는 상업용 부동산으로 구분될 수 있다. 주거용 부동산으로서는 아파트, 연립/다세대, 오피스텔 등의 공동 주택과 단독 주택으로 나뉠 수 있다. 그리고 상업용 부동산은 집합건물/일반건물, 매장용건물/업무용건물로 나뉠 수 있다.
그리고 부동산의 가격 정보는 매매 실거래 정보, 임대 실거래 정보, 매매 호가 정보, 공시 가격 정보 및 기준 시가 정보 중 적어도 하나 이상을 포함하도록 구성될 수 있다. 이러한 가격 정보는 임대 가격 추정 모델에서 인근 부동산의 임대 가격을 추정하기 위한 데이터로 활용될 수 있다.
대상 부동산 입력 모듈(120)은 임대 거래 사례 이상치를 판정하고자 하는 대상 부동산의 매매가 및 전세가를 포함하는 거래 정보를 입력받도록 구성될 수 있다. 거래 정보에는 매매가 및 전세가 이외에 계약 관련 다양한 정보들이 포함될 수 있으며, 부동산 자체의 물적 정보, 권리 관계 정보 등도 포함될 수 있다.
유사 부동산 검색/수집 모듈(130)은 대상 부동산 입력 모듈(120)에서 입력받은 대상 부동산의 주소 및 거래 정보를 기준으로 인근의 유사 부동산을 부동산 정보 데이터베이스(110)에서 검색하여 수집하도록 구성될 수 있다.
대상 부동산의 주소를 기준으로 인근의 부동산을 검색하고, 그 중에서 거래 정보에 의해 유사한 계약 구조나 부동산 속성을 갖는 유사 부동산을 검색하도록 구성될 수 있다.
전세가 이상치 판정 모듈(140)은 유사 부동산 검색/수집 모듈(130)에서 수집된 유사 부동산의 가격 정보 중 전세가를 이용하여 최적의 전세가 추정 모델(model)을 선별하도록 구성될 수 있다. 그리고 그 선별된 전세가 추정 모델에 의해 대상 부동산의 전세가 추정값을 산출하도록 구성될 수 있다.
그리고 전세가 이상치 판정 모듈(140)은 대상 부동산 입력 모듈(120)에서 입력받은 대상 부동산의 전세가를 전세가 추정 모델에 의해 추정된 전세가 추정값과 상호 대비하여 대상 부동산의 전세가 이상치(outlier)를 산출하고 이상 여부를 판정하도록 구성될 수 있다.
전세가율 이상치 판정 모듈(150)은 유사 부동산 검색/수집 모듈(130)에서 수집된 유사 부동산의 가격 정보 중 매매가 및 전세가를 이용하여 최적의 전세가율 추정 모델(model)을 선별하도록 구성될 수 있다. 그리고 그 선별된 전세가율 추정 모델에 의해 대상 부동산의 전세가율 추정값을 산출하도록 구성될 수 있다.
그리고 전세가율 이상치 판정 모듈(150)은 대상 부동산 입력 모듈(120)에서 입력받은 대상 부동산의 전세가율을 전세가율 추정 모델에 의해 추정된 전세가율 추정값과 상호 대비하여 대상 부동산의 전세가율 이상치를 산출하고 이상 여부를 판정하도록 구성될 수 있다.
전월세전환율 이상치 판정 모듈(160)은 유사 부동산 검색/수집 모듈(130)에서 수집된 유사 부동산의 가격 정보 중 매매가 및 전세가를 이용하여 최적의 전월세전환율 추정 모델(model)을 선별하도록 구성될 수 있다. 그리고 그 선별된 전월세전환율 추정 모델에 의해 대상 부동산의 전월세전환율 추정값을 산출하도록 구성될 수 있다.
그리고 전월세전환율 이상치 판정 모듈(160)은 대상 부동산 입력 모듈(120)에서 입력받은 대상 부동산의 전월세전환율을 전월세전환율 추정 모델에 의해 추정된 전월세전환율 추정값과 상호 대비하여 대상 부동산의 전월세전환율 이상치를 산출하고 이상 여부를 판정하도록 구성될 수 있다.
전월세전환율 이상치 판정 모듈(160)은 서로 다른 계약 구조를 갖는 임대 계약 간의 이상치를 대비하여 판정하는 데 유용할 수 있다. 예를 들어, 대상 부동산이 전세 계약이고, 인근의 유사 부동산이 월세 계약이거나 준전세 계약 등인 경우 서로 다른 계약 구조를 갖고 있어 전세가나 전세가율만으로 대비하기 어려울 수 있다. 이러한 경우 전월세전환율을 이용하여 상호 간의 대비를 수행하여 이상치를 산출하고 이상 여부를 판정하도록 구성될 수 있다.
최종 이상치 판정 모듈(170)은 위 전세가 이상치 판정 모듈(140)에서 산출된 대상 부동산의 전세가 이상치, 전세가율 이상치 판정 모듈(150)에서 산출된 대상 부동산의 전세가율 이상치 및 전월세전환율 이상치 판정 모듈(160)에서 산출된 대상 부동산의 전월세전환율 이상치 중 적어도 둘 이상을 이용하여 순차적으로 필터링을 하고, 대상 부동산의 임대 거래 사례에 대한 최종 이상치를 산출하여 최종 이상 여부를 판정하도록 구성될 수 있다.
최종 이상치 판정 모듈(170)은 서로 다른 계약 구조를 갖는 부동산 간에 전세가, 전세가율, 전월세전환율을 순차적으로 필터링하고 최종 이상치를 산출할 수 있다. 대상 부동산과 인근의 유사 부동산이 서로 다른 계약 구조를 갖는지 여부에 대해 미리 고려하지 않더라도 자동으로 필터링으로 수행하여 이상치를 산출하여 이상 여부를 판정하도록 구성될 수 있다.
도 2를 참조하면, 전세가 이상치 판정 모듈(140)은 전세가 추정 모델 선별부(141), 전세가 추정값 산출부(142), 전세가 잔차/치우침 계산부(143), 전세가 이상치 판정부(144)를 포함하도록 구성될 수 있다.
이하, 세부적인 구성에 대하여 설명한다.
전세가 추정 모델 선별부(141)는 유사 부동산 검색/수집 모듈(130)에 의해 수집된 유사 부동산을 이용하여 기계 학습(machine learning)을 수행하여 최적의 전세가 추정 모델을 선별하도록 구성될 수 있다.
여기서, 전세가 추정 모델로서는 일반화 선형 모형(GLM), 일반화 가법 모형(GAM), 서포트 벡터 회귀 모형(SVR), 랜덤 포리스트(Random Forest) 등이 이용될 수 있다.
전세가 추정 모델 선별부(141)는 유사 부동산의 속성 정보 및 가격 정보 등의 데이터를 이용하는데, 유사 부동산을 훈련을 위한 유사 부동산과 검증을 위한 유사 부동산으로 분류하다. 예를 들어, 훈련을 위한 유사 부동산을 80개, 검증을 위한 유사 부동산을 20개로 임의 분류할 수 있다.
전세가 추정 모델 선별부(141)는 위 임의 분류된 80개 유사 부동산의 훈련 데이터를 이용하여 기계 학습을 수행하며, 나머지 20개 유사 부동산의 검증 데이터를 이용하여 검증을 수행하도록 구성될 수 있다. 이러한 검증은 인근의 유사 부동산의 실제 거래 사례를 이용하여 이루어지며, 이를 통해 유사 부동산에 대해 가장 전세가 추정을 잘하는 최적의 전세가 추정 모델을 선별하게 된다. 임대 시장의 특성이 다양하고 비공개적이므로, 대상 부동산마다 전세가 추정에 가장 적합한 모델도 다를 수 있는데, 이로써 본 발명에서는 최적의 전세가 추정 모델을 선별하여 대상 부동산에 적용할 수 있게 된다.
위 임의 분류는 100 회 이상 수행하여 아래 표 1과 같은 지표를 근거로 최적의 전세가 추정 모델을 선별할 수 있다.
전세가 추정값 산출부(142)는 전세가 추정 모델 선별부(141)에 의해 선별된 전세가 추정 모델을 이용하여 대상 부동산의 전세가 추정값을 산출하도록 구성될 수 있다.
전세가 잔차/치우침 계산부(143)는 전세가 추정값 산출부(142)에 의해 산출된 대상 부동산의 전세가 추정값에 대하여 대상 부동산의 전세가의 잔차 분포 및 치우침을 계산하도록 구성될 수 있다.
전세가 잔차/치우침 계산부(143)는 아래 표 2에 따라 잔차와 치우침을 계산할 수 있다.
전세가 이상치 판정부(144)는 전세가 잔차/치우침 계산부(143)에 의해 계산된 대상 부동산의 전세가의 잔차 분포 및 치우침을 이용하여 대상 부동산의 전세가 이상치를 산출하고 그 이상 여부를 판정하도록 구성될 수 있다.
도 3을 참조하면, 전세가율 이상치 판정 모듈(150)은 전세가율 추정 모델 선별부(151), 전세가율 추정값 산출부(152), 전세가율 잔차/치우침 계산부(153), 전세가율 이상치 판정부(154)를 포함하도록 구성될 수 있다.
이하, 세부적인 구성에 대하여 설명한다.
전세가율 추정 모델 선별부(151)는 유사 부동산 검색/수집 모듈(130)에 의해 수집된 유사 부동산을 이용하여 기계 학습(machine learning)을 수행하여 최적의 전세가율 추정 모델을 선별하도록 구성될 수 있다.
여기서, 전세가율 추정 모델로서는 일반화 선형 모형(GLM), 일반화 가법 모형(GAM), 서포트 벡터 회귀 모형(SVR), 랜덤 포리스트(Random Forest) 등이 이용될 수 있다.
전세가율 추정 모델 선별부(151)는 유사 부동산의 속성 정보 및 가격 정보 등의 데이터를 이용하는데, 유사 부동산을 훈련을 위한 유사 부동산과 검증을 위한 유사 부동산으로 분류하다. 예를 들어, 훈련을 위한 유사 부동산을 80개, 검증을 위한 유사 부동산을 20개로 임의 분류할 수 있다.
전세가율 추정 모델 선별부(151)는 위 임의 분류된 80개 유사 부동산의 훈련 데이터를 이용하여 기계 학습을 수행하며, 나머지 20개 유사 부동산의 검증 데이터를 이용하여 검증을 수행하도록 구성될 수 있다. 이러한 검증은 인근의 유사 부동산의 실제 거래 사례를 이용하여 이루어지며, 이를 통해 유사 부동산에 대해 가장 전세가율 추정을 잘하는 최적의 전세가율 추정 모델을 선별하게 된다. 임대 시장의 특성이 다양하고 비공개적이므로, 대상 부동산마다 전세가율 추정에 가장 적합한 모델도 다를 수 있는데, 이로써 본 발명에서는 최적의 전세가율 추정 모델을 선별하여 대상 부동산에 적용할 수 있게 된다.
위 임의 분류는 100 회 이상 수행하여 아래 표 3과 같은 지표를 근거로 최적의 전세가율 추정 모델을 선별할 수 있다.
전세가율 추정값 산출부(152)는 전세가율 추정 모델 선별부(151)에 의해 선별된 전세가율 추정 모델을 이용하여 대상 부동산의 전세가율 추정값을 산출하도록 구성될 수 있다.
전세가율 잔차/치우침 계산부(153)는 전세가율 추정값 산출부(152)에 의해 산출된 대상 부동산의 전세가율 추정값에 대하여 대상 부동산의 전세가율 의 잔차 분포 및 치우침을 계산하도록 구성될 수 있다.
전세가율 잔차/치우침 계산부(153)는 아래 표 4에 따라 잔차와 치우침을 계산할 수 있다.
전세가율 이상치 판정부(154)는 전세가율 잔차/치우침 계산부(153)에 의해 계산된 대상 부동산의 전세가율 의 잔차 분포 및 치우침을 이용하여 대상 부동산의 전세가율 이상치를 산출하고 그 이상 여부를 판정하도록 구성될 수 있다.
도 4를 참조하면, 전월세전환율 이상치 판정 모듈(160)은 전월세전환율 추정 모델 선별부(161), 전월세전환율 추정값 산출부(162), 전월세전환율 잔차/치우침 계산부(163), 전월세전환율 이상치 판정부(164)를 포함하도록 구성될 수 있다.
이하, 세부적인 구성에 대하여 설명한다.
전월세전환율 추정 모델 선별부(161)는 유사 부동산 검색/수집 모듈(130)에 의해 수집된 유사 부동산을 이용하여 기계 학습(machine learning)을 수행하여 최적의 전월세전환율 추정 모델을 선별하도록 구성될 수 있다.
여기서, 전월세전환율 추정 모델로서는 일반화 선형 모형(GLM), 일반화 가법 모형(GAM), 서포트 벡터 회귀 모형(SVR), 랜덤 포리스트(Random Forest) 등이 이용될 수 있다.
전월세전환율 추정 모델 선별부(161)는 유사 부동산의 속성 정보 및 가격 정보 등의 데이터를 이용하는데, 유사 부동산을 훈련을 위한 유사 부동산과 검증을 위한 유사 부동산으로 분류하다. 예를 들어, 훈련을 위한 유사 부동산을 80개, 검증을 위한 유사 부동산을 20개로 임의 분류할 수 있다.
전월세전환율 추정 모델 선별부(161)는 위 임의 분류된 80개 유사 부동산의 훈련 데이터를 이용하여 기계 학습을 수행하며, 나머지 20개 유사 부동산의 검증 데이터를 이용하여 검증을 수행하도록 구성될 수 있다. 이러한 검증은 인근의 유사 부동산의 실제 거래 사례를 이용하여 이루어지며, 이를 통해 유사 부동산에 대해 가장 전월세전환율 추정을 잘하는 최적의 전월세전환율 추정 모델을 선별하게 된다. 임대 시장의 특성이 다양하고 비공개적이므로, 대상 부동산마다 전월세전환율 추정에 가장 적합한 모델도 다를 수 있는데, 이로써 본 발명에서는 최적의 전월세전환율 추정 모델을 선별하여 대상 부동산에 적용할 수 있게 된다.
위 임의 분류는 100 회 이상 수행하여 아래 표 5와 같은 지표를 근거로 최적의 전월세전환율 추정 모델을 선별할 수 있다.
전월세전환율 추정값 산출부(162)는 전월세전환율 추정 모델 선별부(161)에 의해 선별된 전월세전환율 추정 모델을 이용하여 대상 부동산의 전월세전환율 추정값을 산출하도록 구성될 수 있다.
전월세전환율 잔차/치우침 계산부(163)는 전월세전환율 추정값 산출부(162)에 의해 산출된 대상 부동산의 전월세전환율 추정값에 대하여 대상 부동산의 전월세전환율 의 잔차 분포 및 치우침을 계산하도록 구성될 수 있다.
전월세전환율 잔차/치우침 계산부(163)는 아래 표 6에 따라 잔차와 치우침을 계산할 수 있다.
전월세전환율 이상치 판정부(164)는 전월세전환율 잔차/치우침 계산부(153)에 의해 계산된 대상 부동산의 전월세전환율 의 잔차 분포 및 치우침을 이용하여 대상 부동산의 전월세전환율 이상치를 산출하고 그 이상 여부를 판정하도록 구성될 수 있다.
도 5는 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 방법의 흐름도이다. 그리고 도 6은 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 전세가 이상치 판정 방법의 세부 흐름도이고, 도 7은 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 전세가율 이상치 판정 방법의 세부 흐름도이고, 도 8은 본 발명의 일 실시예에 따른 부동산 임대 가격 추정을 위한 전월세전환율 이상치 판정 방법의 세부 흐름도이다.
도 5를 참조하면, 대상 부동산 입력 모듈(120)이 임대 거래 사례 이상치를 판정하고자 하는 대상 부동산의 매매가 및 전세가를 포함하는 거래 정보를 입력받는다(S110).
다음으로, 유사 부동산 검색/수집 모듈(130)이 대상 부동산 입력 모듈(120)에서 입력받은 대상 부동산의 주소 및 거래 정보를 기준으로 인근의 유사 부동산을 부동산 정보 데이터베이스(110)에 미리 저장된 각 부동산의 속성 정보 및 가격 정보를 이용하여 검색 및 수집한다(S120).
여기서, 부동산의 속성 정보는 부동산의 임대 가격에 영향을 미치는 정보로서, 부동산의 위치 정보, 부동산의 유형, 건축물 대장 정보, 등기부상 권리 정보, 정비/개발 정보, 교통 정보, 교육 정보 중 적어도 하나 이상을 포함하도록 구성될 수 있다.
그리고 부동산의 가격 정보는 매매 실거래 정보, 임대 실거래 정보, 매매 호가 정보, 공시 가격 정보 및 기준 시가 정보 중 적어도 하나 이상을 포함하도록 구성될 수 있다.
다음으로, 전세가 이상치 판정 모듈(140)이 기 유사 부동산 검색/수집 모듈(130)에서 수집된 유사 부동산의 가격 정보 중 전세가를 이용하여 최적의 전세가 추정 모델(model)을 선별하고, 선별된 전세가 추정 모델에 의해 대상 부동산의 전세가 추정값을 산출하고, 대상 부동산 입력 모듈(120)에서 입력받은 대상 부동산의 전세가를 전세가 추정 모델에 의해 추정된 전세가 추정값을 상호 대비하여 대상 부동산의 전세가 이상치를 산출하여 판정한다(S130). 이하, 단계 S130을 좀 더 구체적으로 설명한다.
도 6을 참조하면, 전세가 추정 모델 선별부(141)가 유사 부동산 검색/수집 모듈(130)에 의해 수집된 유사 부동산을 이용하여 기계 학습(machine learning)을 수행하여 최적의 전세가 추정 모델을 선별한다(S131). 그리고 전세가 추정값 산출부(142)가 전세가 추정 모듈 선별부(141)에 의해 선별된 전세가 추정 모델을 이용하여 대상 부동산의 전세가 추정값을 산출한다(S132). 그리고 전세가 잔차/치우침 계산부(143)가 전세가 추정값 산출부(142)에 의해 산출된 대상 부동산의 전세가 추정값에 대하여 대상 부동산 입력 모듈(120)에서 입력받은 대상 부동산의 전세가의 잔차 분포 및 치우침을 계산한다(S133). 그리고 전세가 이상치 판정부(144)가 전세가 잔차/치우침 계산부(143)에 의해 계산된 대상 부동산의 전세가의 잔차 분포 및 치우침을 이용하여 대상 부동산의 전세가 이상치를 산출하여 판정한다(S134).
다음으로, 전세가율 이상치 판정 모듈(150)이 대상 부동산 입력 모듈(120)에서 입력받은 매매가 및 전세가를 이용하여 대상 부동산의 전세가율을 산출하고, 유사 부동산 검색/수집 모듈(130)에서 수집된 유사 부동산의 가격 정보 중 전세가율을 이용하여 최적의 전세가율 추정 모델(model)을 선별하고, 선별된 전세가율 추정 모델에 의해 대상 부동산의 전세가율 추정값을 산출하고, 산출된 대상 부동산의 전세가율과 전세가율 추정 모델에 의해 산출된 대상 부동산의 전세가율 추정값을 상호 대비하여 대상 부동산의 전세가율 이상치를 산출하여 판정한다(S140). 이하, 단계 S140을 좀 더 구체적으로 설명한다.
도 7을 참조하면, 전세가율 추정 모델 선별부(151)가 유사 부동산 검색/수집 모듈(130)에 의해 수집된 유사 부동산을 이용하여 기계 학습(machine learning)을 수행하여 최적의 전세가율 추정 모델을 선별한다(S141). 그리고 전세가율 추정값 산출부(152)가 전세가율 추정 모듈 선별부(151)에 의해 선별된 전세가율 추정 모델을 이용하여 대상 부동산의 전세가율 추정값을 산출한다(S142). 그리고 전세가율 잔차/치우침 계산부(153)가 전세가율 추정값 산출부(152)에 의해 산출된 대상 부동산의 전세가율 추정값에 대하여 대상 부동산 입력 모듈(120)에서 입력받은 대상 부동산의 전세가율의 잔차 분포 및 치우침을 계산한다(S143). 그리고 전세가율 이상치 판정부(154)가 전세가율 잔차/치우침 계산부(153)에 의해 계산된 대상 부동산의 전세가율의 잔차 분포 및 치우침을 이용하여 대상 부동산의 전세가율 이상치를 산출하여 판정한다(S144).
다음으로, 전월세전환율 이상치 판정 모듈(160)이 대상 부동산 입력 모듈(120)에서 입력받은 매매가 및 전세가를 이용하여 대상 부동산의 전월세전환율을 산출하고, 유사 부동산 검색/수집 모듈(130)에서 수집된 유사 부동산의 가격 정보 중 전월세전환율을 이용하여 최적의 전월세전환율 추정 모델(model)을 선별하고, 선별된 전월세전환율 추정 모델에 의해 대상 부동산의 전월세전환율 추정값을 산출하고, 산출된 대상 부동산의 전월세전환율과 전월세전환율 추정 모델에 의해 산출된 대상 부동산의 전월세전환율 추정값을 상호 대비하여 대상 부동산의 전월세전환율 이상치를 산출하여 판정한다(S150). 이하, 단계 S150을 좀 더 구체적으로 설명한다.
도 8을 참조하면, 전월세전환율 추정 모델 선별부(161)가 유사 부동산 검색/수집 모듈(130)에 의해 수집된 유사 부동산을 이용하여 기계 학습(machine learning)을 수행하여 최적의 전월세전환율 추정 모델을 선별한다(S151). 그리고 전월세전환율 추정값 산출부(162)가 전월세전환율 추정 모듈 선별부(161)에 의해 선별된 전월세전환율 추정 모델을 이용하여 대상 부동산의 전월세전환율 추정값을 산출한다(S152). 그리고 전월세전환율 잔차/치우침 계산부(163)가 전월세전환율 추정값 산출부(162)에 의해 산출된 대상 부동산의 전월세전환율 추정값에 대하여 대상 부동산 입력 모듈(120)에서 입력받은 대상 부동산의 전월세전환율의 잔차 분포 및 치우침을 계산한다(S153). 그리고 전월세전환율 이상치 판정부(164)가 전월세전환율 잔차/치우침 계산부(163)에 의해 계산된 대상 부동산의 전월세전환율의 잔차 분포 및 치우침을 이용하여 대상 부동산의 전월세전환율 이상치를 산출하여 판정한다(S154).
다음으로, 최종 이상치 판정 모듈(170)이 전세가 이상치 판정 모듈(140)에서 산출된 대상 부동산의 전세가 이상치, 전세가율 이상치 판정 모듈(150)에서 산출된 대상 부동산의 전세가율 이상치 및 전월세전환율 이상치 판정 모듈(160)에서 산출된 대상 부동산의 전월세전환율 이상치를 이용하여 대상 부동산의 임대 거래 사례에 대한 최종 이상치를 산출하여 판정한다(S160).
이상 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
110: 부동산 정보 데이터베이스
120: 대상 부동산 입력 모듈
130: 유사 부동산 검색/수집 모듈
140: 전세가 이상치 판정 모듈
141: 전세가 추정 모델 선별부
142: 전세가 추정값 산출부
143: 전세가 잔차/치우침 계산부
144: 전세가 이상치 판정부
150: 전세가율 이상치 판정 모듈
151: 전세가율 추정 모델 선별부
152: 전세가율 추정값 산출부
153: 전세가율 잔차/치우침 계산부
154: 전세가율 이상치 판정부
160: 전월세전환율 이상치 판정 모듈
161: 전월세전환율 추정 모델 선별부
162: 전월세전환율 추정값 산출부
163: 전월세전환율 잔차/치우침 계산부
164: 전월세전환율 이상치 판정부
170: 최종 이상치 판정 모듈
120: 대상 부동산 입력 모듈
130: 유사 부동산 검색/수집 모듈
140: 전세가 이상치 판정 모듈
141: 전세가 추정 모델 선별부
142: 전세가 추정값 산출부
143: 전세가 잔차/치우침 계산부
144: 전세가 이상치 판정부
150: 전세가율 이상치 판정 모듈
151: 전세가율 추정 모델 선별부
152: 전세가율 추정값 산출부
153: 전세가율 잔차/치우침 계산부
154: 전세가율 이상치 판정부
160: 전월세전환율 이상치 판정 모듈
161: 전월세전환율 추정 모델 선별부
162: 전월세전환율 추정값 산출부
163: 전월세전환율 잔차/치우침 계산부
164: 전월세전환율 이상치 판정부
170: 최종 이상치 판정 모듈
Claims (14)
- 복수의 부동산에 대해 각 부동산의 속성 정보 및 가격 정보가 미리 저장되는 부동산 정보 데이터베이스;
임대 거래 사례 이상치를 판정하고자 하는 대상 부동산의 전세가를 포함하는 거래 정보 및 주소를 입력받는 대상 부동산 입력 모듈;
상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 거래 정보 및 주소를 기준으로 인근의 유사 부동산을 상기 부동산 정보 데이터베이스에서 각 부동산의 속성 정보 및 가격 정보를 이용하여 검색하여 수집하는 유사 부동산 검색/수집 모듈;
상기 유사 부동산 중 임대 계약 유형이 전세 계약인 유사 부동산에 대하여, 상기 유사 부동산 검색/수집 모듈에서 수집된 유사 부동산의 가격 정보 중 전세가를 이용하여 가장 정확하게 추정할 수 있는 전세가 추정 모델(model)을 선별하고, 선별된 전세가 추정 모델에 의해 대상 부동산의 전세가 추정값을 산출하고, 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 전세가를 상기 전세가 추정 모델에 의해 추정된 전세가 추정값과 상호 대비하여 상기 대상 부동산의 전세가 이상치를 분석하여 판정하는 전세가 이상치 판정 모듈;
상기 유사 부동산 중 임대 계약 유형이 준전세, 반전세, 준월세 및 월세 계약인 유사 부동산에 대하여, 상기 대상 부동산 입력 모듈에서 입력받은 거래정보를 이용하여 대상 부동산의 전월세전환율을 산출하고, 상기 유사 부동산 검색/수집 모듈에서 수집된 유사 부동산의 가격 정보로부터 산출되는 전월세전환율을 이용하여 가장 정확하게 추정할 수 있는 전월세전환율 추정 모델(model)을 선별하고, 선별된 전월세전환율 추정 모델에 의해 대상 부동산의 전월세전환율 추정값을 산출하고, 상기 산출된 대상 부동산의 전월세전환율과 상기 전월세전환율 추정 모델에 의해 산출된 대상 부동산의 전월세전환율 추정값을 상호 대비하여 상기 대상 부동산의 전월세전환율 이상치를 분석하여 판정하는 전월세전환율 이상치 판정 모듈;
상기 전세가 이상치 판정 모듈에서 판정된 대상 부동산의 전세가 이상치 및 상기 전월세전환율 이상치 판정 모듈에서 판정된 대상 부동산의 전월세전환율 이상치의 분석 결과를 이용하여 상기 대상 부동산의 임대 거래 사례에 대한 최종 이상치를 판정하는 최종 이상치 판정 모듈을 포함하고,
상기 전세가 이상치 판정 모듈은,
상기 유사 부동산 검색/수집 모듈에 의해 수집된 유사 부동산을 이용하여 기계 학습(machine learning)을 수행하여 가장 정확하게 추정할 수 있는 전세가 추정 모델을 선별하는 전세가 추정 모델 선별부
상기 전세가 추정 모듈 선별부에 의해 선별된 전세가 추정 모델을 이용하여 상기 대상 부동산의 전세가 추정값을 산출하는 전세가 추정값 산출부;
상기 전세가 추정값 산출부에 의해 산출된 대상 부동산의 전세가 추정값에 대하여 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 전세가의 잔차 분포 및 치우침을 계산하는 전세가 잔차/치우침 계산부;
상기 전세가 잔차/치우침 계산부에 의해 계산된 대상 부동산의 전세가의 잔차 분포 및 치우침을 이용하여 상기 대상 부동산의 전세가 이상치를 분석하여 판정하는 전세가 이상치 판정부를 포함하도록 구성되며,
상기 전월세전환율 이상치 판정 모듈은,
상기 유사 부동산 검색/수집 모듈에 의해 수집된 유사 부동산을 이용하여 기계 학습(machine learning)을 수행하여 가장 정확하게 추정할 수 있는 전월세전환율 추정 모델을 선별하는 전월세전환율 추정 모델 선별부;
상기 전월세전환율 추정 모듈 선별부에 의해 선별된 전월세전환율 추정 모델을 이용하여 상기 대상 부동산의 전월세전환율 추정값을 산출하는 전월세전환율 추정값 산출부;
상기 전월세전환율 추정값 산출부에 의해 산출된 대상 부동산의 전월세전환율 추정값에 대하여 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 전월세전환율의 잔차 분포 및 치우침을 계산하는 전월세전환율 잔차/치우침 계산부;
상기 전월세전환율 잔차/치우침 계산부에 의해 계산된 대상 부동산의 전월세전환율의 잔차 분포 및 치우침을 이용하여 상기 대상 부동산의 전월세전환율 이상치를 분석하여 판정하는 전월세전환율 이상치 판정부를 포함하도록 구성되는 것을 특징으로 하는 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템.
- 삭제
- 삭제
- 복수의 부동산에 대해 각 부동산의 속성 정보 및 가격 정보가 미리 저장되는 부동산 정보 데이터베이스;
임대 거래 사례 이상치를 판정하고자 하는 대상 부동산의 거래 정보 및 주소를 포함하는 거래 정보를 입력받는 대상 부동산 입력 모듈;
상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 거래 정보 및 주소를 기준으로 인근의 유사 부동산을 상기 부동산 정보 데이터베이스에서 각 부동산의 속성 정보 및 가격 정보를 이용하여 검색하여 수집하는 유사 부동산 검색/수집 모듈;
상기 유사 부동산 중 임대 계약 유형이 전세 계약인 유사 부동산에 대하여, 상기 대상 부동산 입력 모듈에서 입력받은 거래 정보를 이용하여 대상 부동산의 전세가율을 산출하고, 상기 유사 부동산 검색/수집 모듈에서 수집된 유사 부동산의 가격 정보로부터 산출되는 전세가율을 이용하여 가장 정확하게 추정할 수 있는 전세가율 추정 모델(model)을 선별하고, 선별된 전세가율 추정 모델에 의해 대상 부동산의 전세가율 추정값을 산출하고, 상기 산출된 대상 부동산의 전세가율과 상기 전세가율 추정 모델에 의해 산출된 대상 부동산의 전세가율 추정값을 상호 대비하여 상기 대상 부동산의 전세가율 이상치를 분석하여 판정하는 전세가율 이상치 판정 모듈;
상기 유사 부동산 중 임대 계약 유형이 준전세, 반전세, 준월세 및 월세 계약인 유사 부동산에 대하여, 상기 대상 부동산 입력 모듈에서 입력받은 거래 정보를 이용하여 대상 부동산의 전월세전환율을 산출하고, 상기 유사 부동산 검색/수집 모듈에서 수집된 유사 부동산의 가격 정보로부터 산출되는 전월세전환율을 이용하여 가장 정확하게 추정할 수 있는 전월세전환율 추정 모델(model)을 선별하고, 선별된 전월세전환율 추정 모델에 의해 대상 부동산의 전월세전환율 추정값을 산출하고, 상기 산출된 대상 부동산의 전월세전환율과 상기 전월세전환율 추정 모델에 의해 산출된 대상 부동산의 전월세전환율 추정값을 상호 대비하여 상기 대상 부동산의 전월세전환율 이상치를 분석하여 판정하는 전월세전환율 이상치 판정 모듈;
상기 전세가율 이상치 판정 모듈에서 분석된 대상 부동산의 전세가율 이상치 및 상기 전월세전환율 이상치 판정 모듈에서 분석된 대상 부동산의 전월세전환율 이상치의 분석 결과를 이용하여 상기 대상 부동산의 임대 거래 사례에 대한 최종 이상치를 판정하는 최종 이상치 판정 모듈을 포함하고,
상기 전세가율 이상치 판정 모듈은,
상기 유사 부동산 검색/수집 모듈에 의해 수집된 유사 부동산을 이용하여 기계 학습(machine learning)을 수행하여 가장 정확하게 추정할 수 있는 전세가율 추정 모델을 선별하는 전세가율 추정 모델 선별부;
상기 전세가율 추정 모듈 선별부에 의해 선별된 전세가율 추정 모델을 이용하여 상기 대상 부동산의 전세가율 추정값을 산출하는 전세가율 추정값 산출부;
상기 전세가율 추정값 산출부에 의해 산출된 대상 부동산의 전세가율 추정값에 대하여 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 전세가율의 잔차 분포 및 치우침을 계산하는 전세가율 잔차/치우침 계산부;
상기 전세가율 잔차/치우침 계산부에 의해 계산된 대상 부동산의 전세가율의 잔차 분포 및 치우침을 이용하여 상기 대상 부동산의 전세가율 이상치를 분석하여 판정하는 전세가율 이상치 판정부를 포함하도록 구성되며,
상기 전월세전환율 이상치 판정 모듈은,
상기 유사 부동산 검색/수집 모듈에 의해 수집된 유사 부동산을 이용하여 기계 학습(machine learning)을 수행하여 가장 정확하게 추정할 수 있는 전월세전환율 추정 모델을 선별하는 전월세전환율 추정 모델 선별부;
상기 전월세전환율 추정 모듈 선별부에 의해 선별된 전월세전환율 추정 모델을 이용하여 상기 대상 부동산의 전월세전환율 추정값을 산출하는 전월세전환율 추정값 산출부;
상기 전월세전환율 추정값 산출부에 의해 산출된 대상 부동산의 전월세전환율 추정값에 대하여 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 전월세전환율의 잔차 분포 및 치우침을 계산하는 전월세전환율 잔차/치우침 계산부;
상기 전월세전환율 잔차/치우침 계산부에 의해 계산된 대상 부동산의 전월세전환율의 잔차 분포 및 치우침을 이용하여 상기 대상 부동산의 전월세전환율 이상치를 분석하여 판정하는 전월세전환율 이상치 판정부를 포함하도록 구성되는 것을 특징으로 하는 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템.
- 삭제
- 삭제
- 복수의 부동산에 대해 각 부동산의 속성 정보 및 가격 정보가 미리 저장되는 부동산 정보 데이터베이스;
임대 거래 사례 이상치를 판정하고자 하는 대상 부동산의 매매가 및 전세가를 포함하는 거래 정보 및 주소를 입력받는 대상 부동산 입력 모듈;
상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 거래 정보 및 주소를 기준으로 인근의 유사 부동산을 상기 부동산 정보 데이터베이스에서 각 부동산의 속성 정보 및 가격 정보를 이용하여 검색하여 수집하는 유사 부동산 검색/수집 모듈;
상기 유사 부동산 중 임대 계약 유형이 전세 계약인 유사 부동산에 대하여, 상기 유사 부동산 검색/수집 모듈에서 수집된 유사 부동산의 가격 정보 중 전세가를 이용하여 가장 정확하게 추정할 수 있는 전세가 추정 모델(model)을 선별하고, 선별된 전세가 추정 모델에 의해 대상 부동산의 전세가 추정값을 산출하고, 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 전세가를 상기 전세가 추정 모델에 의해 추정된 전세가 추정값과 상호 대비하여 상기 대상 부동산의 전세가 이상치를 분석하여 판정하는 전세가 이상치 판정 모듈;
상기 유사 부동산 중 임대 계약 유형이 전세 계약인 유사 부동산에 대하여, 상기 대상 부동산 입력 모듈에서 입력받은 거래 정보를 이용하여 대상 부동산의 전세가율을 산출하고, 상기 유사 부동산 검색/수집 모듈에서 수집된 유사 부동산의 가격 정보로부터 산출되는 전세가율을 이용하여 가장 정확하게 추정할 수 있는 전세가율 추정 모델(model)을 선별하고, 선별된 전세가율 추정 모델에 의해 대상 부동산의 전세가율 추정값을 산출하고, 상기 산출된 대상 부동산의 전세가율과 상기 전세가율 추정 모델에 의해 산출된 대상 부동산의 전세가율 추정값을 상호 대비하여 상기 대상 부동산의 전세가율 이상치를 분석하여 판정하는 전세가율 이상치 판정 모듈;
상기 유사 부동산 중 임대 계약 유형이 준전세, 반전세, 준월세 및 월세 계약인 유사 부동산에 대하여, 상기 대상 부동산 입력 모듈에서 입력받은 거래 정보를 이용하여 대상 부동산의 전월세전환율을 산출하고, 상기 유사 부동산 검색/수집 모듈에서 수집된 유사 부동산의 가격 정보로부터 산출되는 전월세전환율을 이용하여 가장 정확하게 추정할 수 있는 전월세전환율 추정 모델(model)을 선별하고, 선별된 전월세전환율 추정 모델에 의해 대상 부동산의 전월세전환율 추정값을 산출하고, 상기 산출된 대상 부동산의 전월세전환율과 상기 전월세전환율 추정 모델에 의해 산출된 대상 부동산의 전월세전환율 추정값을 상호 대비하여 상기 대상 부동산의 전월세전환율 이상치를 분석하여 판정하는 전월세전환율 이상치 판정 모듈;
상기 전세가 이상치 판정 모듈에서 판정된 대상 부동산의 전세가 이상치, 상기 전세가율 이상치 판정 모듈에서 판정된 대상 부동산의 전세가율 이상치 및 상기 전월세전환율 이상치 판정 모듈에서 판정된 대상 부동산의 전월세전환율 이상치 중 적어도 둘 이상의 분석 결과를 이용하여, 상기 대상 부동산의 임대 거래 사례에 대한 최종 이상치를 판정하는 최종 이상치 판정 모듈을 포함하고,
상기 전세가 이상치 판정 모듈은,
상기 유사 부동산 검색/수집 모듈에 의해 수집된 유사 부동산을 이용하여 기계 학습(machine learning)을 수행하여 가장 정확하게 추정할 수 있는 전세가 추정 모델을 선별하는 전세가 추정 모델 선별부;
상기 전세가 추정 모듈 선별부에 의해 선별된 전세가 추정 모델을 이용하여 상기 대상 부동산의 전세가 추정값을 산출하는 전세가 추정값 산출부;
상기 전세가 추정값 산출부에 의해 산출된 대상 부동산의 전세가 추정값에 대하여 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 전세가의 잔차 분포 및 치우침을 계산하는 전세가 잔차/치우침 계산부;
상기 전세가 잔차/치우침 계산부에 의해 계산된 대상 부동산의 전세가의 잔차 분포 및 치우침을 이용하여 상기 대상 부동산의 전세가 이상치를 분석하여 판정하는 전세가 이상치 판정부를 포함하도록 구성되고,
상기 전세가율 이상치 판정 모듈은,
상기 유사 부동산 검색/수집 모듈에 의해 수집된 유사 부동산을 이용하여 기계 학습(machine learning)을 수행하여 가장 정확하게 추정할 수 있는 전세가율 추정 모델을 선별하는 전세가율 추정 모델 선별부;
상기 전세가율 추정 모듈 선별부에 의해 선별된 전세가율 추정 모델을 이용하여 상기 대상 부동산의 전세가율 추정값을 산출하는 전세가율 추정값 산출부;
상기 전세가율 추정값 산출부에 의해 산출된 대상 부동산의 전세가율 추정값에 대하여 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 전세가율의 잔차 분포 및 치우침을 계산하는 전세가율 잔차/치우침 계산부;
상기 전세가율 잔차/치우침 계산부에 의해 계산된 대상 부동산의 전세가율의 잔차 분포 및 치우침을 이용하여 상기 대상 부동산의 전세가율 이상치를 분석하여 판정하는 전세가율 이상치 판정부를 포함하도록 구성되고,
상기 전월세전환율 이상치 판정 모듈은,
상기 유사 부동산 검색/수집 모듈에 의해 수집된 유사 부동산을 이용하여 기계 학습(machine learning)을 수행하여 가장 정확하게 추정할 수 있는 전월세전환율 추정 모델을 선별하는 전월세전환율 추정 모델 선별부;
상기 전월세전환율 추정 모듈 선별부에 의해 선별된 전월세전환율 추정 모델을 이용하여 상기 대상 부동산의 전월세전환율 추정값을 산출하는 전월세전환율 추정값 산출부;
상기 전월세전환율 추정값 산출부에 의해 산출된 대상 부동산의 전월세전환율 추정값에 대하여 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 전월세전환율의 잔차 분포 및 치우침을 계산하는 전월세전환율 잔차/치우침 계산부;
상기 전월세전환율 잔차/치우침 계산부에 의해 계산된 대상 부동산의 전월세전환율의 잔차 분포 및 치우침을 이용하여 상기 대상 부동산의 전월세전환율 이상치를 분석하여 판정하는 전월세전환율 이상치 판정부를 포함하도록 구성되는 것을 특징으로 하는 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템.
- 삭제
- 삭제
- 삭제
- 복수의 부동산에 대해 각 부동산의 속성 정보 및 가격 정보가 미리 저장되는 부동산 정보 데이터베이스;
임대 거래 사례 이상치를 판정하고자 하는 대상 부동산의 전세가를 포함하는 거래 정보 및 주소를 입력받는 대상 부동산 입력 모듈;
상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 거래 정보 및 주소를 기준으로 인근의 유사 부동산을 상기 부동산 정보 데이터베이스에서 검색하여 수집하는 유사 부동산 검색/수집 모듈;
상기 유사 부동산 중 임대 계약 유형이 전세 계약인 유사 부동산에 대하여, 상기 유사 부동산 검색/수집 모듈에서 수집된 유사 부동산의 가격 정보 중 소정 갯수의 실제 전세가 샘플을 이용하여 훈련하고 다른 소정 갯수 실제 전세가 샘플을 이용하여 검증을 하는 기계 학습을 통해 가장 추정을 잘 할 수 있는 전세가 추정 모델(model)을 선별하고, 선별된 전세가 추정 모델에 의해 대상 부동산의 전세가 추정값을 산출하고, 상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 전세가를 상기 전세가 추정 모델에 의해 추정된 전세가 추정값과 상호 대비하여 상기 대상 부동산의 전세가 이상치를 분석하여 판정하는 전세가 이상치 판정 모듈을 포함하는 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템.
- 복수의 부동산에 대해 각 부동산의 속성 정보 및 가격 정보가 미리 저장되는 부동산 정보 데이터베이스;
임대 거래 사례 이상치를 판정하고자 하는 대상 부동산의 매매가 및 전세가를 포함하는 거래 정보 및 주소를 입력받는 대상 부동산 입력 모듈;
상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 거래 정보 및 주소를 기준으로 인근의 유사 부동산을 상기 부동산 정보 데이터베이스에서 검색하여 수집하는 유사 부동산 검색/수집 모듈;
상기 유사 부동산 중 임대 계약 유형이 전세 계약인 유사 부동산에 대하여, 상기 대상 부동산 입력 모듈에서 입력받은 거래 정보를 이용하여 대상 부동산의 전세가율을 산출하고, 상기 유사 부동산 검색/수집 모듈에서 수집된 유사 부동산의 가격 정보 중 소정 갯수의 실제 전세가율 샘플을 이용하여 훈련하고 다른 소정 갯수 실제 전세가율 샘플을 이용하여 검증을 하는 기계 학습을 통해 가장 추정을 잘 할 수 있는 전세가율 추정 모델(model)을 선별하고, 선별된 전세가율 추정 모델에 의해 대상 부동산의 전세가율 추정값을 산출하고, 상기 산출된 대상 부동산의 전세가율과 상기 전세가율 추정 모델에 의해 산출된 대상 부동산의 전세가율 추정값을 상호 대비하여 상기 대상 부동산의 전세가율 이상치를 분석하여 판정하는 전세가율 이상치 판정 모듈을 포함하는 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템.
- 복수의 부동산에 대해 각 부동산의 속성 정보 및 가격 정보가 미리 저장되는 부동산 정보 데이터베이스;
임대 거래 사례 이상치를 판정하고자 하는 대상 부동산의 매매가 및 전세가를 포함하는 거래 정보 및 주소를 입력받는 대상 부동산 입력 모듈;
상기 대상 부동산 입력 모듈에서 입력받은 대상 부동산의 거래 정보 및 주소를 기준으로 인근의 유사 부동산을 상기 부동산 정보 데이터베이스에서 검색하여 수집하는 유사 부동산 검색/수집 모듈;
상기 유사 부동산 중 임대 계약 유형이 준전세, 반전세, 준월세 및 월세 계약인 유사 부동산에 대하여, 상기 대상 부동산 입력 모듈에서 입력받은 거래 정보를 이용하여 대상 부동산의 전월세전환율을 산출하고, 상기 유사 부동산 검색/수집 모듈에서 수집된 유사 부동산의 가격 정보 중 소정 갯수의 실제 전월세전환율 샘플을 이용하여 훈련하고 다른 소정 갯수 실제 전월세전환율 샘플을 이용하여 검증을 하는 기계 학습을 통해 가장 추정을 잘 할 수 있는 전월세전환율 추정 모델(model)을 선별하고, 선별된 전월세전환율 추정 모델에 의해 대상 부동산의 전월세전환율 추정값을 산출하고, 상기 산출된 대상 부동산의 전월세전환율과 상기 전월세전환율 추정 모델에 의해 산출된 대상 부동산의 전월세전환율 추정값을 상호 대비하여 상기 대상 부동산의 전월세전환율 이상치를 분석하여 판정하는 전월세전환율 이상치 판정 모듈을 포함하는 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템.
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170134967A KR102004750B1 (ko) | 2017-10-18 | 2017-10-18 | 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170134967A KR102004750B1 (ko) | 2017-10-18 | 2017-10-18 | 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190043213A KR20190043213A (ko) | 2019-04-26 |
| KR102004750B1 true KR102004750B1 (ko) | 2019-07-29 |
Family
ID=66281272
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170134967A KR102004750B1 (ko) | 2017-10-18 | 2017-10-18 | 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102004750B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102586004B1 (ko) * | 2022-11-10 | 2023-10-06 | 주식회사 아이엔 | 부동산 목적물의 전세 계약 리스크를 전자지도 혹은 주소에 기반하여 제공하는 방법 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003022314A (ja) * | 2001-07-06 | 2003-01-24 | Recruit Co Ltd | 不動産価格関数推定方法、不動産価格関数推定装置、及び不動産価格関数推定プログラム |
| JP2011248604A (ja) * | 2010-05-26 | 2011-12-08 | Chugoku Electric Power Co Inc:The | 賃貸料算定システム |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100021849A (ko) | 2008-08-18 | 2010-02-26 | 공경용 | 부동산 가격 산출시스템 및 산출방법 |
| KR101230561B1 (ko) | 2012-11-23 | 2013-02-06 | 고종완 | 컴퓨터기반 부동산가치평가시스템 |
| KR101794031B1 (ko) * | 2015-11-27 | 2017-12-01 | 맹준영 | 부동산 임차 보증금의 위험 진단 시스템 및 방법 |
-
2017
- 2017-10-18 KR KR1020170134967A patent/KR102004750B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003022314A (ja) * | 2001-07-06 | 2003-01-24 | Recruit Co Ltd | 不動産価格関数推定方法、不動産価格関数推定装置、及び不動産価格関数推定プログラム |
| JP2011248604A (ja) * | 2010-05-26 | 2011-12-08 | Chugoku Electric Power Co Inc:The | 賃貸料算定システム |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102586004B1 (ko) * | 2022-11-10 | 2023-10-06 | 주식회사 아이엔 | 부동산 목적물의 전세 계약 리스크를 전자지도 혹은 주소에 기반하여 제공하는 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20190043213A (ko) | 2019-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pless et al. | Pass-through as a test for market power: An application to solar subsidies | |
| Benítez-Silva et al. | How well do individuals predict the selling prices of their homes? | |
| US20170352046A1 (en) | Methods and systems for using multiple data sets to analyze performance metrics of targeted companies | |
| US20150012335A1 (en) | Automated rental amount modeling and prediction | |
| JP2003316950A (ja) | 信用評価システム及び信用評価方法 | |
| Hodge et al. | Assessment inequity in a declining housing market: The case of Detroit | |
| Carrillo et al. | Can tightness in the housing market help predict subsequent home price appreciation? Evidence from the United States and the Netherlands | |
| US20130282596A1 (en) | Systems and methods for evaluating property valuations | |
| Skitmore et al. | On being balanced in an unbalanced world | |
| KR101816215B1 (ko) | 상권 정보 제공 장치 및 상권 정보 제공 방법 | |
| Fiordelisi et al. | Efficiency in the factoring industry | |
| KR102004750B1 (ko) | 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템 | |
| JP2002056192A (ja) | 賃料算定手段とキャップレート算定手段を含む不動産投資判断支援システム | |
| Ashton et al. | Valuation weights, linear dynamics and accounting conservatism: An empirical analysis | |
| Rodríguez et al. | Assessing the intangibles transferred in franchise businesses | |
| Amado et al. | Does “000,000” matter? Psychological effects of Turkish monetary reform | |
| CN110222881B (zh) | 一种采购数据的预测方法、装置、存储介质及终端 | |
| KR20210158674A (ko) | 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템 | |
| CN113744024B (zh) | 一种商家匹配方法、装置、计算机设备及存储介质 | |
| KR101794031B1 (ko) | 부동산 임차 보증금의 위험 진단 시스템 및 방법 | |
| Pless et al. | The price-concentration relationship in early residential solar third-party markets | |
| Sawhney et al. | International comparison of cost for the construction sector: towards a conceptual model | |
| KR100738899B1 (ko) | 신용카드 결제 시스템을 이용한 창업 및 경영 지원 서비스제공 시스템 | |
| Waltl et al. | Tracking home-owners’ sentiments: Subjective indices and convergent validity | |
| Gruneberg et al. | Construction purchasing power parities: potential roles and limitations |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |