KR102149683B1

KR102149683B1 - 부동산 매매소요기간 예측 방법 및 그 장치

Info

Publication number: KR102149683B1
Application number: KR1020190180170A
Authority: KR
Inventors: 노승철
Original assignee: 노승철
Priority date: 2019-12-31
Filing date: 2019-12-31
Publication date: 2020-08-31

Abstract

부동산 매매소요기간 예측 장치에 의해 수행되는 부동산 매매소요기간 예측 방법이 개시된다. 본 발명의 일 실시예에 따르면, 상기 부동산 매매소요기간 예측 방법은, 매도인 단말로부터 대상 부동산의 매도인 정보를 입력받는 단계와 상기 매도인 단말로부터 상기 매도 조건을 입력받는 단계와 미리 완료된 매매의 소요기간 데이터에 의해 미리 학습된 적어도 하나의 예측모델을 이용하여, 상기 입력된 매도인 정보 및 상기 매도 조건에 대응되는 매매소요기간의 예측 정보를 추출하는 단계와 상기 매매소요기간의 예측 정보를 상기 매도인 단말에 제공하는 단계를 포함할 수 있다.

Description

부동산 매매소요기간 예측 방법 및 그 장치 {METHOD FOR PREDICTING DAYS ON MARKET OF REAL ESTATE AND APPARATUS THEREOF}

본 발명은 부동산 매매소요기간 예측 방법 및 그 장치에 관한 것이다. 보다 자세하게는, 인공지능 알고리즘 기반의 부동산 매매소요기간 예측 방법 및 그 장치에 관한 것이다.

부동산은 우리나라 가계 총 자산에서 높은 비중을 차지하고 있다. 이러한 부동산은, 보유로 인한 세금뿐 아니라, 매매로 인한 양도세, 취득세 및 많은 금융비용을 발생시키는 고가의 자산인 경우가 보통이다. 따라서, 부동산 매매 시점의 부동산 가치와 매매 시 적용되는 세금 등 정책적인 환경은 매도자 및 매수자가 부동산 매매 여부를 결정하는데 있어 중요한 요인이 된다.

이 같은 상황에서, 부동산의 매매 가격을 예측하는 다양한 방법론이 제시되어 왔으며, 최근에는 빅데이터를 활용한 부동산의 시세를 추정하는 방법 또한 개시되고 있다.

그러나, 빅데이터를 활용한 부동산의 시세 추정은, 과거에 실제 이뤄진 거래 데이터를 반영하는 점에서, 신규 적용되는 규제, 대외경제 여건 및 매매기법의 변화와 같은 데이터 발생 이후의 다양한 요인들을 반영하지 못하는 한계점을 갖는다. 즉, 다양한 요인들로 인하여 부동산의 거래가 지연되는 경우 특정 시점에 추정되었던 부동산 시세에 오차 값이 발생하게 되는 문제가 발생한다. 또한, 부동산 매매에서 부동산 가치, 세금 및 금융비용 등의 고려 요소는 결국, 매매시점이 언제로 결정되는지에 영향을 받게 됨에도, 부동산 시세에 대한 추정 방법은, 매물로 올라온 부동산의 매매에 소요되는 기간을 예측할 수 없다.

한국등록특허 제 1764834 호

본 발명이 해결하고자 하는 기술적 과제는, 실제 부동산의 시세를 결정하는 요인인 부동산 매매소요기간의 예측 방법을 제공하는 것 있다.

본 발명이 해결하고자 하는 다른 기술적 과제는, 부동산 매매정보를 기초로, 부동산 매매소요기간 예측을 위한 학습 모델을 생성하는 것이다.

본 발명이 해결하고자 하는 또 다른 기술적 과제는, 부동산 매매소요기간을 예측함으로써, 매도인에게 매도 전략에 대한 컨설팅을 제공할 수 있는 방법 및 그 장치를 제공하는 것이다.

본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명의 기술분야에서의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

상기 기술적 과제를 해결하기 위한 본 발명의 일 실시예에 따른 부동산 매매소요기간 예측 방법은, 매도인 단말로부터 대상 부동산의 매도인 정보를 입력받는 단계와 상기 매도인 단말로부터 상기 매도 조건을 입력받는 단계와 미리 완료된 매매의 소요기간 데이터에 의해 미리 학습된 적어도 하나의 예측모델을 이용하여, 상기 입력된 매도인 정보 및 상기 매도 조건에 대응되는 매매소요기간의 예측 정보를 추출하는 단계와 상기 매매소요기간의 예측 정보를 상기 매도인 단말에 제공하는 단계를 포함할 수 있다.

일 실시예에서, 상기 대상 부동산의 매도인 정보는, 상기 대상 부동산의 주소정보를 포함할 수 있으며, 상기 입력된 매도인 정보 및 상기 매도 조건에 대응되는 매매소요기간의 예측 정보를 추출하는 단계는, 미리 등록된 부동산의 매물속성 정보, 단지속성 정보, 입지속성 정보 중 상기 대상 부동산의 주소정보에 대응되는 제1 매매 소요기간 데이터를 추출하는 단계와 상기 미리 학습된 적어도 하나의 예측모델을 이용하여, 상기 추출된 제1 매매 소요기간 데이터를 기초로, 매매소요기간의 예측 정보를 연산하는 단계를 포함할 수 있다.

일 실시예에서, 상기 매도 조건을 입력받는 단계는, 상기 대상 부동산에 대한 희망 매도가, 희망 매도 일정, 매도가 구성요소의 지급 방식 및 상기 매도가 구성요소의 지급 시기에 대한 정보 중 적어도 하나를 입력받는 단계를 포함할 수 있다.

일 실시예에서, 상기 매매소요기간의 예측 정보를 추출하는 단계는, 상기 희망 매도 일정에 매칭되는 금융시장 정보 및 주택시장 정보를 식별하는 단계와 미리 등록된 금융시장 정보 및 주택시장 정보 중 상기 식별된 금융시장 정보 및 주택시장 정보에 대응되는 제2 매매 소요기간 데이터를 추출하는 단계와 상기 미리 학습된 적어도 하나의 예측모델을 이용하여, 상기 추출된 제2 매매 소요기간 데이터를 기초로, 매매소요기간의 예측 정보를 연산하는 단계를 포함할 수 있다.

일 실시예에서, 상기 대상 부동산의 매도인 정보는, 매도인의 실거주 여부, 상기 부동산의 대출 정보, 상기 대상 부동산의 매수 정보 중 적어도 하나의 정보를 포함하고, 상기 제2 매매 소요기간 데이터를 추출하는 단계는, 상기 미리 등록된 금융시장 정보 및 주택시장 정보 중 상기 적어도 하나의 정보에 대응되는 제3 매매 소요기간 데이터를 추출하는 단계와 상기 미리 학습된 적어도 하나의 예측모델을 이용하여, 상기 추출된 제3 매매 소요기간 데이터를 기초로, 매매소요기간의 예측 정보를 연산하는 단계를 포함할 수 있다.

일 실시예에서, 상기 대상 부동산의 매도인 정보는, 상기 대상 부동산의 주소정보를 포함하고, 상기 매도인 단말로부터 대상 부동산의 매도인 정보를 입력받는 단계는, 상기 대상 부동산의 주소정보를 기초로, 상기 부동산을 포함하는 검색대상 공간의 범위를 식별하는 단계와 미리 등록된 주택시장 정보 상에서 상기 공간 범위 내에 속하는 다른 부동산의 미리 설정된 기간 동안의 거래 정보를 검색하는 단계와 상기 검색된 거래 정보를 상기 매도인 단말에 제공하는 단계를 포함할 수 있다.

일 실시예에서, 다수의 매매 완료 부동산 매물의 매물속성 정보, 단지속성 정보, 및 입지속성 정보 중 적어도 하나에 대하여, 미리 설정된 범위의 등급 정보를 결정하는 단계와 상기 매매 완료 부동산 매물의 실제 매매소요기간을 미리 설정된 단위의 기간 정보로 변환하는 단계와 상기 결정된 등급 정보 및 상기 변환된 기간 정보를 포함하는, 상기 미리 완료된 매매의 소요기간 데이터를 생성하는 단계를 포함할 수 있다.

일 실시예에서, 상기 생성된 소요기간 데이터를 기초로, 매매소요기간의 예측 정보를 미리 설정된 단위의 기간 정보로 생성하는, 상기 미리 학습된 적어도 하나의 예측모델을 생성하는 단계를 포함할 수 있다.

일 실시예에서, 상기 매매소요기간의 예측 정보를 추출하는 단계는, 미리 설정된 단위의 복수의 기간 정보 별로, 상기 대상 부동산의 실제 매매가 이뤄질 확률을 연산하는 단계와 상기 매매소요기간의 예측 정보를 상기 매도인 단말에 제공하는 단계는, 상기 복수의 기간 정보 각각에 상기 연산된 확률이 매칭된 정보를 포함하는 예측 정보를 상기 매도인 단말에 제공하는 단계를 포함할 수 있다.

일 실시예에서, 상기 예측 정보는, 실제 매매가 이뤄질 제1 확률을 갖는 제1 기간 정보 및 실제 매매가 이뤄질 제2 확률을 갖는 제2 기간 정보를 포함하고, 상기 복수의 기간 정보 각각에 상기 연산된 확률이 매칭된 정보를 포함하는 예측 정보를 상기 매도인 단말에 제공하는 단계는, 상기 매도 조건을 기초로, 상기 제1 기간 정보 및 상기 제2 기간 정보 각각에 대한, 예상 매도 조건을 생성하는 단계와 상기 예상 매도 조건을 포함하는 포함하는 예측 정보를 상기 매도인 단말에 제공하는 단계를 포함할 수 있다.

일 실시예에서, 상기 매도 조건을 입력받는 단계는, 상기 대상 부동산에 대한 희망 매도 일정을 입력받는 단계를 포함하고, 상기 매매소요기간의 예측 정보를 추출하는 단계는, 상기 희망 매도 일정에 매칭되는 금융시장 정보 및 주택시장 정보를 식별하는 단계와 미리 등록된 금융시장 정보 및 주택시장 정보 중 상기 식별된 금융시장 정보 및 주택시장 정보에 대응되는 매매 소요기간 데이터를 필터링하는 단계와 상기 필터링 결과, 상기 식별된 금융시장 정보 및 주택시장 정보에 대응되는 상기 미리 등록된 금융시장 정보 및 주택시장 정보의 편차가 미리 설정된 범위를 초과하는 경우, 상기 필터링된 매매소요기간 데이터에 제1 보상 값을 설정하는 단계와 상기 미리 학습된 적어도 하나의 예측모델을 이용하여, 상기 제1 보상 값이 설정된 매매 소요기간 데이터를 기초로, 매매소요기간의 예측 정보를 연산하는 단계를 포함할 수 있다.

일 실시예에서, 상기 부동산의 매도인 정보를 입력받는 단계는, 상기 대상 부동산의 주소정보를 입력받는 단계를 포함하고, 상기 매매소요기간의 예측 정보를 추출하는 단계는, 상기 대상 부동산의 주소정보에 매칭되는 입지속성 정보를 식별하는 단계와 미리 등록된 입지속성 정보 중 상기 식별된 입지속성 정보에 대응되는 매매 소요기간 데이터를 필터링하는 단계와 상기 필터링 결과, 상기 식별된 입지속성 정보에 대응되는 상기 미리 등록된 입지속성 정보의 편차가 미리 설정된 범위를 초과하는 경우, 상기 필터링된 매매소요기간 데이터에 제2 보상 값을 설정하는 단계와 상기 미리 학습된 적어도 하나의 예측모델을 이용하여, 상기 제2 보상 값이 설정된 매매 소요기간 데이터를 기초로, 매매소요기간의 예측 정보를 연산하는 단계를 포함할 수 있다.

상기 기술적 과제를 해결하기 위한 본 발명의 다른 실시예에 따른 부동산 매매소요기간 예측 장치는 하나 이상의 프로세서와 대상 부동산의 매매소요기간 예측 정보를 매도인의 단말에 송신하는 네트워크 인터페이스와 상기 프로세서에 의하여 수행되는 컴퓨터 프로그램을 로드(load)하는 메모리와 미리 등록된 부동산의 매물속성 정보, 단지속성 정보, 입지속성 정보, 금융시장 정보 및 주택시장 정보 중 적어도 하나의 정보를 저장하는 데이터베이스와 상기 적어도 하나의 정보를 기초로 생성된 미리 완료된 매매의 소요기간 데이터를 이용하여 미리 학습된 적어도 하나의 예측모델을 포함하는 컴퓨터 프로그램을 저장하는 스토리지를 포함할 수 있다.

일 실시예에서, 상기 컴퓨터 프로그램은, 매도인 단말로부터 대상 부동산의 매도인 정보를 입력받는 오퍼레이션과 상기 매도인 단말로부터 상기 매도 조건을 입력받는 오퍼레이션과 상기 미리 학습된 적어도 하나의 예측모델을 이용하여, 상기 입력된 매도인 정보 및 상기 매도 조건에 대응되는 매매소요기간의 예측 정보를 추출하는 오퍼레이션과 상기 매매소요기간의 예측 정보를 상기 매도인 단말에 제공하는 오퍼레이션을 포함할 수 있다.

본 발명의 일 실시예에 따르면, 대외경제 여건, 신설 교통 인프라 등, 기존의 데이터 이후에 발생한 요인들을 반영하여 정확도가 높은 부동산 매매소요기간 예측모델이 제공되는 장점이 있다.

본 발명의 다른 실시예에 따르면, 매매소요기간의 예측을 통해, 매도인이 부동산 시세뿐만 아니라 예상 가능한 금융비용 등도 고려하여 최적의 매도 전략을 수립할 수 있게 되는 장점이 제공된다.

본 발명의 또 다른 실시예에 따르면, 매도인이 매매가 필요한 시기에 따라 전략적 가격 기준점을 제시하도록 컨설팅함으로써, 매매 과정이 단축되고, 주택시장이 활성화되는 장점이 있다.

본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 본 발명의 기술분야에서의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 발명의 일 실시예에 따른 부동산 매매소요기간 예측 시스템의 개념도이다.
도 2는 본 발명의 다른 실시예에 따른 부동산 매매소요기간 예측 장치의 블록(Block)도이다.
도 3은 본 발명의 또 다른 실시예에 따른 부동산 매매소요기간 예측 방법의 순서도이다.
도 4는 본 발명의 몇몇 실시예에서 참조되는, 데이터베이스에 대한 예시도이다.
도 5는 본 발명의 몇몇 실시예에서 참조되는, 부동산 매매소요기간 예측 소프트웨어를 설명하기 위한 예시도이다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.

본 명세서에서, 매매소요기간 데이터는, 본 발명의 실시예에 따른 데이터베이스를 구성하는 데이터로서, 부동산의 매매소요기간을 예측하는데 활용되는 모든 데이터를 포함할 수 있다.

도 1은 본 발명의 일 실시예에 따른 부동산 매매소요기간 예측 시스템의 개념도이다. 이하, 설명의 편의를 위해, 부동산 매매소요기간 예측 시스템은 예측 시스템이라 약칭하기로 하고, 부동산 매매소요기간 예측 장치는 예측 장치라고 약칭한다.

도 1을 참조하면, 예측 시스템은, 부동산 매매소요기간 예측 장치(100)는, 부동산 매매 시스템(200)을 포함할 수 있다.

예측 장치(100)는 부동산 매매 시스템(200)과 통신하는 컴퓨팅 장치이다. 예를 들어, 예측 장치(100)는, 본 발명의 실시예에 따른 부동산 매매소요기간 예측 방법을 실행하고, 부동산 매매소요기간의 예측을 바탕으로 매도전략 컨설팅 서비스를 매도인 단말에 제공하는 서비스 플랫폼의 서버 장치일 수 있다.

예측 장치(100)는 네트워크를 통해 부동산 매매 시스템(200)과 통신함으로써, 부동산의 실제 거래 정보, 미시적 및/또는 거시적 부동산 시장 정보를 수집할 수 있다.

부동산 매매 시스템(200)은, 부동산 거래, 전망, 결과 수집 등을 통해, 부동산 관련 데이터를 생산하는 시스템으로서, 매도인 단말(210), 매수인 단말(220) 및 중개인 단말(230)을 포함할 수 있다. 또한, 부동산 매매 시스템(200)은, 부동산 관련 각종 경제 지표와 실거래 정보를 제공하는 정부 기관의 서버, 언론, 경제 리포팅 기관의 서버 장치를 포함할 수도 있다.

부동산 매매 시스템(200)에 포함된 구성요소는, 상호 간 통신 가능하며, 예측 장치(100)와 개별적으로 통신 가능한 컴퓨팅 장치이다.

예측 장치(100)는 부동산 매매 시스템(200)에서 수집한 데이터를 기반으로 부동산 매매소요기간의 예측모델을 생성할 수 있다. 구체적으로, 예측 장치(100)는 부동산 매매 시스템(200)에서 생성한 데이터를 정제하고, 분류하여 학습함으로써, 부동산 매매소요기간의 예측모델을 생성할 수 있다. 예측 장치(100)는, 이후, 매도인 단말(210)을 통해 입력된 정보가 상기 생성된 예측모델을 통해 연산됨에 따라, 매도인 단말(210)에게 부동산의 매매소요기간에 대한 예측 값을 제공할 수 있다.

본 발명의 실시예에 따르면, 예측 장치(100)는 연산된 예측 값을 토대로, 매도인 단말(210)에 매도 컨설팅 정보를 제공할 수도 있다.

일 실시예에서, 예측 장치(100)는 매도인이 설정한 매매기간에 맞춰 부동산 가격을 컨설팅 정보를 생성할 수 있다. 예를 들어, 예측 장치(100)는 매도인이 설정한 매매기간 내에 주택을 팔아야 한다면 평당 2천만원에 내놓아야 한다는 정보를 생성하고, 이를 매도인 단말(210)에 제공할 수 있다.

다른 실시예에서, 예측 장치(100)는 매도인이 설정한 매도가격에 맞춰 부동산 매매소요기간을 산출하고, 이에 대한 정보를 매도인 단말(210)에 제공할 수도 있다.

또 다른 실시예에서, 예측 장치(100)는 매도인의 금융정보, 즉, 대출금액, 대출이자, 세금이 추가로 입력되면 매매소요기간이 길어질 수록 발생되는 비용을 계산한 값과, 매도인의 설정 매도가격에 따라 예측되는 매매소요기간을 고려하여, 매도인에게 매도가격 최적 설정을 위한 정보를 생성할 수도 있다.

도 2는 본 발명의 다른 실시예에 따른 부동산 매매소요기간 예측 장치의 블록(Block)도이다.

도 2를 참조하면, 예측 장치(100)는 하나 이상의 프로세서(101), 외부 디바이스가 연결되거나, 외부 디바이스와 통신하는 네트워크 인터페이스(102), 프로세서(101)에 의하여 수행되는 컴퓨터 프로그램을 로드(load)하는 메모리(103)와, 컴퓨터 프로그램을 저장하는 스토리지(104)를 포함할 수 있다.

프로세서(101)는 예측 장치(100)의 각 구성의 전반적인 동작을 제어한다. 프로세서(101)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 포함하여 구성될 수 있다. 또한, 프로세서(101)는 본 발명의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있다. 예측 장치(100)는 하나 이상의 프로세서를 구비할 수 있다.

네트워크 인터페이스(102)는 예측 장치(100)의 유무선 인터넷 통신을 지원한다. 또한, 네트워크 인터페이스(102)는 공중 통신망인 인터넷 외에 다양한 통신 방식을 지원할 수도 있다. 또한, 네트워크 인터페이스(102)는 외부 디바이스와의 연결을 제공할 수도 있다. 이를 위해, 네트워크 인터페이스(102)는 본 발명의 기술 분야에 잘 알려진 통신 모듈 및 접속 단자 중 적어도 하나를 포함하여 구성될 수 있다. 여기에서 외부 디바이스는, 매매 시스템(200)을 구성하는, 매도인 단말(210), 매수인 단말(220), 중개인 단말(230) 및 기타 외부 단말일 수 있다.

메모리(103)는 각종 데이터, 명령 및/또는 정보를 저장한다. 메모리(103)는 본 발명의 실시예들에 따른 방법들을 실행하기 위하여 스토리지(104)로부터 하나 이상의 프로그램(105)을 로드(load)할 수 있다. 도 3의 메모리(103)는 예를 들어 RAM일 수 있다.

스토리지(104)는 상기 하나 이상의 프로그램(105) 및 데이터베이스(106)를 비임시적으로 저장할 수 있다. 도 2에서 상기 하나 이상의 프로그램(105)의 예시로 매매소요기간 예측 소프트웨어(105)가 도시되었다. 매매소요기간 예측 소프트웨어(105)는, 매매소요기간 예측 프로그램으로 칭해질 수도 있다.

본 발명의 실시예에 따르면, 프로세서(101)에 의해 로드된 매매소요기간 예측 소프트웨어(105)가 실행됨에 따라 부동산 매매소요기간 예측 방법의 각 단계들이 수행될 수 있다.

스토리지(104)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다.

매매소요기간 예측 소프트웨어(105)는 본 발명의 실시예에 따라, 예측 장치(100)가 매도인 단말(210)에 각종 사용자 인터페이스(UI)를 제공하도록 지원할 수 있다. 또한, 매매소요기간 예측 소프트웨어(105)는 매도인 단말(210)에 부동산의 매매에 소요되는 기간에 대한 예측 결과를 제공하고, 각종 컨설팅 정보를 생성하여 송신할 수도 있다.

예측 장치(100)는, 매매 시스템(200)의 각종 데이터를 수신하고, 이를 기초로 데이터베이스(106)을 업데이트할 수 있다. 예측 장치(100)는 매매 시스템(200)으로부터 수신된 데이터에 의해, 데이터베이스(106)가 업데이트 됨에 따라, 매매소요기간 예측 소프트웨어(105)를 구성하는 예측 모델을 수정할 수도 있다.

매매소요기간 예측 소프트웨어(105) 및 데이터베이스(106)에 대한 구체적일 설명은, 도 4 및 도 5에 대한 설명에서 보다 상세히 설명한다.

도 3은 본 발명의 또 다른 실시예에 따른 부동산 매매소요기간 예측 방법의 순서도이다. 이하에서 설명되는, 부동산 매매소요기간 예측 방법의 각 단계는, 예측 장치(100)에 의해 수행된다.

도 4는 본 발명의 몇몇 실시예에서 참조되는, 데이터베이스에 대한 예시도이고, 도 5는 본 발명의 몇몇 실시예에서 참조되는, 부동산 매매소요기간 예측 소프트웨어를 설명하기 위한 예시도이다.

예측 장치(100)는 매도인 단말(210)에 매매소요기간 예측 제공 인터페이스를 제공할 수 있다. 예측 제공 인터페이스는, 매매소요기간 예측을 위해 미리 분류된 정보를 입력하기 위한 인터페이스를 포함하고, 예측 결과를 미리 설정된 방식의 그래픽 사용자 인터페이스로 제공할 수 있다.

예측 장치(100)는 상기 인터페이스를 통해, 매도인 단말(210)에 의해 입력된 매매 대상 부동산의 매도인 정보를 수신할 수 있다(S10).

일 실시예에 따르면, 매매 대상 부동산의 매도인 정보는, 매매 대상 부동산의 주소정보를 포함할 수 있다. 부동산의 주소 정보는, 예를 들어, 매매 대상 부동산이 아파트인 경우, 아파트 주소, 동, 층, 호수에 대한 정보를 포함할 수 있다.

상기 예에서, 매도인이 아파트 주소 정보를 입력한 경우, 예측 장치(100)는 미리 등록된 부동산의 매물속성 정보, 단지속성 정보, 입지속성 정보를 기초로 입력된 아파트 주소 정보에 대응되는 제1 매매 소요기간 데이터를 추출할 수 있다.

도 4를 참조하면, 상기 제1 매매 소요기간 데이터의 추출을 위해, 예측 장치(100)는 부동산의 매물속성 정보(401), 단지속성 정보(403) 및 입지속성 정보(405)를 데이터베이스(106)에 미리 저장할 수 있다. 데이터베이스(106)의 정보들은 신뢰도 확보와 주기적인 갱신을 위해 국가와 지방자치단체에서 공개하는 공공데이터를 기초로, 공간정보를 기반으로 구축될 수 있으나, 본 발명의 실시예는 이에 한정되지 않는다.

아래 표 1은, 미리 저장된 매물속성 정보(401)와 단지속성 정보(403)의 예시이고, 표2는 입지속성 정보(405)의 예시이다.

변수		설명	단위	자료출처
종속변수(타겟변수)		매매소요기간	일
매물속성	전용면적	주택의 전용면적	㎡	매물등록 DB, 또는 아파트 분양정보
	공용면적 비율	전용면적 대비 공용면적 비율 공동주택의 경우 공용면적 (주거공용+기타공용면적)	%
	서비스면적 비율	전용면적 대비 서비스면적비율(발코니)	%
	층	매물의 층수	층
	층의 비율	동의 전체 층수 중 해당층의 비율	%
	향	거실의 향	동서남북
	건물 노후도	산정시점(년) - 준공연도	연
단지속성	단지규모	연면적	㎡	국토교통부 공동주택관리정보시스템
	세대수	총 세대수	세대
	시공사	시공사명
	복도유형	계단식, 복도식
	난방방식	개별난방, 중앙난방
	부대복리시설 수	노인정, 어린이놀이터, 휴게시설, 커뮤니티 공간 등	개
	관리비	연평균 평당 관리비	원

변수			설명	단위	자료출처
입지속성	교육	학군	초등학교 학군	학교명	교육부 학구도 안내서비스
			중학교 학군	학교명
			고등학교 학군	학교명
		통학거리	초등학교까지 최단 직선거리	M	행정안전부 도로명전자지도
			중학교까지 최단 직선거리	M
			고등학교까지 최단 직선거리	M
		사교육	500M이내 학원 수	개	통계청 사업체기초통계조사
	교통	대중교통	버스정류장까지 거리	M	행정안전부 도로명전자지도
			지하철역까지 거리	M
			최근접 지하철 노선 번호	호선
		도로	간선도로까지 거리	M
		교통상황	최근접 간선도로의 출퇴근시간 평균속도	km/h	서울시교통정보시스템
	환경	경사도	아파트 단지 접도의 경사도	%	행정안전부 도로명전자지도
		생활권 공원	500M 이내 생활권공원 (소공원, 어린이공원, 근린공원)	㎡	행정안전부 도로명전자지도
		녹지	500M 이내 주제공원(역사공원, 문화공원, 수변공원, 묘지공원, 체육공원 등)	㎡	행정안전부 도로명전자지도
		대기	연평균 미세먼지농도	PM10(㎍/㎥)	한국환경공단 에어코리아

예를 들어, 매도인의 아파트 주소 정보가 A동의 아파트, B층, C호인 경우, 미리 등록된 매물속성 정보(401)와 단지속성 정보(403)를 기초로, 예측 장치(100)는 A동, B 층, C호에 매칭되는 부동산 매매완료 건을 식별할 수 있다.

즉, 예측 장치(100) 매도인의 아파트의 매물속성인 면적과, 단지속성인 세대수가 유사한 아파트에 대한 매매완료 건을 1차 필터링할 수 있다.

다음으로, 필터링된 매매완료 건 중, 예측 장치(100)는 입지속성 정보(405)를 기초로 A동과 학교로부터 통학거리, 지하철의 거리가 근접한 아파트의 매매완료 건을 2차 필터링할 수도 있다.

예측 장치(100)에 의해 필터링이 수행되는 아파트의 매물, 단지, 속성 면에서의 유사도 범위는, 예측 결과의 정확도 목표에 맞춰 미리 설정될 수 있으며, 정책적으로 변경될 수도 있다.

일 예로, 제1 매매소요기간 데이터는 매도인 정보를 기초로, 데이터베이스(106)에 대한 상술한 필터링된 데이터일 수 있다. 동일한 부동산에 대한 과거 이력 정보가 있는 경우, 예측 장치(100)는 이를 중심으로, 유사 부동산의 매매완료 건을 포함한 데이터를 추출할 수도 있다.

다른 예로, 제1 매매소요기간 데이터는, 매도인 정보를 기초로, 데이터베이스(106)에 대한 상술한 필터링을 거치고, 스케일 보정을 통해 정제된 데이터일 수도 있다. 예를 들어, 매매 대상 부동산은 지하철 거리가 500M인 반면에, 필터링된 데이터에 해당하는 부동산은 지하철 거리가 300M인 경우, 이 같은 차이에 대한 스케일링을 수행하여 제1 매매소요기간 데이터를 생성할 수도 있다.

예측 장치(100)는 제1 매매소요기간 데이터를 기초로, 미리 학습된 적어도 하나의 예측모델을 이용하여, 매매 대상 부동산의 매매소요기간 예측 정보를 생성할 수 있다.

한편, 부동산 매도인 정보가 매매 대상 부동산의 주소정보인 경우를 주로 설명하였으나, 본 발명의 실시예는 이에 한정되지 않으며, 부동산 매도인 정보는, 매도자의 실거주 여부, 대상 부동산의 대출 정보, 대상 부동산의 매수 정보 및 매도인이 1주택자인지 여부 등에 대한 정보 중 적어도 하나를 더 포함할 수 있다.

매도자 실거주의 경우, 매도조건에 영향을 끼칠 수 있으며, 대출 정보는 매도일자 지체에 따른 금융비용 산정에 반영될 수 있으며, 매수 정보 및 1주택자인지 여부는 양도소득세 비과세 여부 및 실거주 요건 만족 여부와 관련 된 정보로서 매매소요기간 산정에 반영될 수 있다.

다음으로, 다시 도 3을 참조하면, 예측 장치(100)는 매도인이 설정한 매도 조건을 상기 인터페이스를 통해 수신할 수 있다(S20). 매도 조건은, 예를 들어, 매매 대상 부동산에 대한 희망 매도가, 희망 매도 일정, 매도가 구성요소의 지급 방식 및 상기 매도가 구성요소의 지급 시기에 대한 정보 중 적어도 하나를 포함할 수 있다. 상기 지급 방식 및 지급 시기에 대한 정보는, 계약금, 잔금 비율, 중도금, 잔금 처리일자에 대한 정보를 포함할 수 있다.

일 실시예에 따르면, 예측 장치(100)는 매도 조건 중, 희망 매도 일정에 매칭되는 금융시장 정보 및 주택시장 정보를 식별할 수 있다.

예측 장치(100)는 미리 등록된 금융시장 정보 및 주택시장 정보 중 상기 식별된 금융시장 정보 및 주택시장 정보에 대응되는 제2 매매 소요기간 데이터를 추출할 수 있다.

도 4를 참조하면, 상기 제1 매매 소요기간 데이터의 추출을 위해, 예측 장치(100)는 금융시장 정보(411) 및 주택시장 정보(413)를 데이터베이스(106)에 미리 저장할 수 있다. 데이터베이스(106)의 정보들은 신뢰도 확보와 주기적인 갱신을 위해 국가와 지방자치단체, 은행 등 금융권, 경제단체 및 연구기관 등에서 공개하는 공공데이터를 기초로 구축될 수 있으나, 본 발명의 실시예는 이에 한정되지 않는다.

아래 표 3은, 미리 저장된 금융시장 정보(411) 및 주택시장 정보(413)의 예시이다.

변수		설명	단위	자료출처
금융시장	주택담보대출	주택담보대출 기준금리	연리%	한국은행 경제통계시스템
	집단대출	집단대출 기준금리	연리%	한국은행 경제통계시스템
	DTI	총부채상환비율	%	금융감독원
	LTV	주택담보인정비율	%	금융감독원
주택시장	매매가격지수	서울시 생활권별, 월별 아파트 매매가격지수	기준월 2017.11=100	한국감정원
	전세가격지수	서울시 생활권별, 월별 아파트 전세가격지수	기준월 2017.11=100	한국감정원
	단지거래현황	전 분기 해당 단지의 아파트 매매 거래 비율 (매매거래수 / 총세대수 *100)	%	국토교통부 실거래가공개시스템
	소비자심리지수	서울시 월별 부동산 매매시장 소비심리지수 (보합 / 상승 / 하강)		국토연구원

예측 장치(100)는 희망 매도 일정을 기초로, 해당 시기를 포함하는 기간 범위 내의 금융시장 정보 및 주택시장 정보를 식별하고, 과거 유사 금융시장 정보 및 주택시장 정보에 매칭되는 매매완료 건의 제2 매매소요기간 데이터를 추출할 수 있다.

예를 들어, 예측 장치(100)는 매도인의 희망 매도 일정을 포함하는 기간의 LTV, DTI 비율의 유사도를 기준으로, 미리 등록된 금융시장 정보(411)상의 매칭되는 부동산 매매완료 건을 1차 필터링할 수 있다.

다음으로, 필터링된 매매완료 건 중, 예측 장치(100)는 주택시장 정보(413)를 기초로 매매완료 건을 2차 필터링할 수도 있다.

예측 장치(100)에 의해 필터링이 수행되는 금융시장 정보, 주택시장 정보의 유사도 범위는, 예측 결과의 정확도 목표에 맞춰 미리 설정될 수 있으며, 정책적으로 변경될 수도 있다.

예측 장치(100)는 제2 매매소요기간 데이터를 기초로, 미리 학습된 적어도 하나의 예측모델을 이용하여, 매매 대상 부동산의 매매소요기간 예측 정보를 생성할 수 있다.

예측 장치(100)는, 매도인 정보 및 매도 조건을 기초로 매매소요기간 예측 정보를 생성할 수 있다(S30). 구체적으로, 예측 장치(100)는 미리 학습된 적어도 하나의 예측 모델을 이용하여 입력된 매도인 정보 및 매도 조건에 대응되는 매매소요기간의 예측 정보를 생성한다.

이때, 상술한 바와 같이 매도인 정보는, 매도인의 실거주 여부, 상기 부동산의 대출 정보, 상기 대상 부동산의 매수 정보 중 적어도 하나의 정보를 포함할 수 있으며, 데이터베이스(106)의 매물속성 정보(401), 단지속성 정보(403), 입지속성 정보(405), 금융시장 정보(411) 및 주택시장 정보(413) 중 적어도 하나를 기초로, 매매소요기간 데이터가 추출될 수 있다. 매매소요기간 데이터가 추출되면, 예측 장치(100)는 학습된 예측 모델을 이용하여 매매소요기간 데이터에 대응되는 매매소요기간의 예측 정보를 생성할 수도 있다.

일 실시예에 따르면, 미리 학습된 적어도 하나의 예측 모델은 예측 장치(100)가 미리 완료된 매매 건의 매매소요기간 데이터를 기초로 미리 학습함으로써 생성할 수 있다.

예측 장치(100)는 생성된 매매소요기간의 예측 정보를 매도인 단말(210)에 제공할 수 있다. 이때, 예측 장치(100)는 매매소요기간 예측 정보를 기초로, 매도전략 정보를 생성하고, 이를 매도인 단말(210)에 제공할 수도 있다.

다음으로, 예측 장치(100)가 매도인 단말(210)에 제공하는 매매소요기간 예측 제공 인터페이스에 대하여 보다 자세히 설명한다.

매매소요기간 예측 제공 인터페이스에 대한 일 실시예에 따르면, 예측 장치(100)는 매도인이 매도 조건을 입력하기 전에, 매매 대상 부동산이 속한 지역에서 최근 매매가 완료된 부동산의 거래 정보를 매도인에게 선 제공함으로써, 매도 조건 설정을 위한 가이드를 제공할 수 있다.

구체적으로 매도인(210)이 매도인 정보로서, 부동산의 주소정보를 입력하는 경우, 예측 장치(100)는, 입력된 부동산의 주소정보를 기초로, 매매 대상 부동산을 포함하는 검색대상 공간의 범위를 식별할 수 있다.

예를 들어, 아파트 A동의 주소가 입력되면, 예측 장치(100)는 A동이 속한 단지 정보를 식별할 수 있다. 예측 장치(100)는 미리 등록된 주택시장 정보(413) 상에서 상기 식별된 단지에 속하는 다른 부동산 매물의 미리 설정된 기간 동안의 거래 정보를 검색할 수 있다. 예측 장치(100)는 검색된 거래 정보를 매도인 단말(210)에 제공할 수 있다.

매매소요기간 예측 제공 인터페이스에 대한 다른 실시예에 따르면, 예측 장치(100)는 매매소요기간 예측 정보가 생성되면, 매매 대상 부동산의 거래 가능성이 존재하는지에 대한 정보를 매매소요기간 예측 제공 인터페이스를 통해 표출시키고, 해당 기간 별 매도확률을 표출할 수 있다.

이때, 예측 장치(100)는, 매매소요기간 예측 정보를 미리 설정된 기간 정보로 생성하여, 매도인 단말(210)에 제공할 수 있다. 예를 들어, 7일, 14일, 30일, 1개월, 2개월, 3개월, 6개월 이상과 같은 단위로 매매소요기간을 표시하고, 각 단위 별로 매매가 이뤄질 확률을 표출할 수도 있다.

이 같은 미리 설정된 기간 별 정보 제공을 통해, 소비자 친화적 결과물이 매도인 단말(210)에 제공되는 효과가 있다.

예를 들어, 예상되는 매매소요기간이 11일로 생성된 경우, 11일에 매매가 이루어질 확률을 제공하는 하는 것은 매도인 입장에서 이해하기 어렵고 결과를 활용하는데 한계가 있다. 반면, 예측되는 매매소요기간을 2주일 이내와 같이 특정 단위의 기간으로 제시하면, 매도인의 이해도를 높이고 매도와 매수의 전략적 선택에 도움을 줄 수 있다.

또한, 미리 설정된 기간 별 정보 제공을 통해, 예측 모델의 빠른 연산 및 정확도 향상이 이뤄지는 효과가 있다.

매매소요기간을 각각의 일 단위, 예를 들어, 2일, 10일, 17일 등으로 예측하는 경우 목표변수의 수가 많아지기 때문에 예측 모델의 연산에 많은 시간이 소요된다. 연산 시간의 손해를 방지하기 위해, 목표변수의 수가 세분화되고 많아짐에 따라 예측에 사용할 수 있는 참조 데이터의 수를 줄이는 경우, 정확도가 낮아지는 문제점이 발생한다.

따라서, 본 발명의 바람직한 실시예에 따르면, 예측 장치(100)는 매매소요기간 예측 모델의 목표변수를 미리 설정된 단위의 기간으로 설정하여 예측을 수행한다. 예를 들어, 매매소요기간 예측은, 1주일(7일), 2주일(14일), 3주일(21일), 한 달(30일), 두 달(60일), 두 달(60일)이상과 같은 단위의 기간으로 수행될 수 있다. 이때, 60일 이상의 경우, 매매가 이뤄질 확률이 매우 희박하여 60일 이상 구간으로 통합하여 예측하도록 단위 기간이 설정될 수 있다.

상술한 바와 같이 목표변수가 연속적인 경우 연산속도가 느려지고 예측결과의 정확도가 낮아질 수 있는 위험이 있는 것과 마찬가지로 예측을 위해 사용되는 변수들도 미리 설정된 단위형으로 변환하여 사용하는 것이 예측과 결과 해석에 유리할 수 있다. 즉, 미리 설정된 단위의 기간으로 예측을 수행하기 위해, 예측 장치(100)는 데이터베이스(106) 상의 정보를 연속형 정보가 아닌 단위형 정보로 구축할 필요가 있다.

예측 장치(100)는 다수의 매매 완료 부동산 매물의 매물속성 정보, 단지속성 정보, 및 입지속성 정보 중 적어도 하나에 대하여, 미리 설정된 범위의 등급 정보를 결정할 수 있다. 또한, 예측 장치(100)는 매매 완료 부동산 매물의 실제 매매소요기간을 미리 설정된 단위의 기간 정보로 변환할 수 있다.

이를 통해, 예측 장치(100)는 결정된 등급 정보 및 변환된 기간 정보를 포함하는, 미리 완료된 매매의 소요기간 데이터를 생성할 수 있다.

매매소요기간 예측모델에 투입되는 요인 중 입지속성, 금융시장, 주택시장 등은 단위형으로 변환하여 투입될 수 있다. 단위형 변수의 투입은 연산속도와 정확도의 향상과 더불어 매매 대상 부동산들의 상대적 가치를 평가한다는 의미도 가지고 있다.

예를 들어 입지속성 정보(405)이, 지하철역까지의 거리의 경우 가장 가까운 지하철역까지 500M인 경우, 500은 절대적인 값이 된다. 이를 단위형형으로 구분하는 경우 매매 대상 부동산의 지하철역까지 접근성은 유사한 조건의 매물 중 상위 10% 등급과 같이 상대적인 의미가 될 수 있다.

부동산 매매는 한정된 지리적인 조건 내에서 상대적인 가치를 평가하는 것이 일반적인 과정이기 때문에 절대적 기준점을 제시하는 것보다 상대적인 우위에 따라 가치를 평가하는 것이 예측모델이 현실을 반영하고 있다고 할 수 있다.

예측 장치(100)는 이 같이 데이터베이스 상의 정보를 단위형으로 정제하고, 이에 대한 미리 설정된 기간 동안 학습을 수행할 수 있다.

도 5를 참조하면, 예측 장치(100)의 매매소요기간 예측 소프트웨어(105)의 데이터 정제부(501)는, 매도 시스템(200)으로부터 수집된 부동산 매매 관련 데이터를 단위형으로 정제하고, 데이터베이스(106)를 구축한다.

매매소요기간 예측 모델부(503)는, 빅데이터 속에서 사건의 패턴을 찾아 예측하는 인공지능의 하위분야인 기계학습(machine learning) 알고리즘이 적용될 수 있다. 예를 들어, 기계학습 알고리즘으로, 의사결정나무(DT, Decision Tree), 랜덤 포레스트(Random Forest), 로지스틱 회귀분석(Logistic regression), 나이브 베이즈(Naive-Bayes) 모형, K-최근접이웃알고리즘(KNN, K-Nearest neighborhood), 서포트벡터머신(SVM, Support vector machine) 중 적어도 하나가 적용될 수 있다. 각각의 알고리즘은 예측 원리에 따라 입력되는 데이터의 정확도에 차이가 있기 때문에, 하나의 알고리즘으로 예측을 하기보다 각 상황에 정확도가 가장 높은 알고리즘을 사용하는 것이 적합할 수 있다.

매매소요기간 예측 모델부(503)는, 데이터베이스(106)의 단위형으로 정제된 데이터를 활용하여, 매매소요기간의 예측 정보를 미리 설정된 단위의 기간 정보로 생성하는, 적어도 하나의 예측모델을 생성할 수 있다.

예측결과 제공 인터페이스부(505)는, 미리 설정된 단위의 복수의 기간 정보 별로, 매매 대상 부동산의 실제 매매가 이뤄질 확률을 연산하고, 복수의 기간 정보 각각에 연산된 확률이 매칭된 정보를 포함하는 예측 정보를 생성한다. 예측 장치(100)는 생성된 예측 정보를 매도인 단말(210)에 제공 할 수 있다.

구체적으로, 생성된 예측 정보는, 실제 매매가 이뤄질 제1 확률을 갖는 제1 기간 정보 및 실제 매매가 이뤄질 제2 확률을 갖는 제2 기간 정보를 포함하고, 예측결과 제공 인터페이스부(505)는 매도인으로부터 입력된 매도 조건을 기초로, 제1 기간 정보 및 제2 기간 정보 각각에 대한, 예상 매도 조건을 생성할 수 있다.

또한, 예측결과 제공 인터페이스부(505)는 매도 정보 입력 시 관심 지역 또는 관심 매물을 설정한 경우, 해당 조건의 실거래가 발생하는 경우 알림 메시지를 생성할 수 있다. 예측 장치(100)는 매매소요기간 예측 제동 인터페이스를 통해, 매도인 단말(210)에 알림 메시지를 송신할 수 있다.

관심 지역 또는 관심 매물의 설정은, 예를 들어, 지역을 반경 km 범위로 설정하거나, 특정 아파트명을 입력한 경우, 또는 관심 매물의 총금액 구간이나 평당 금액 구간을 설정과 같은 방식으로 설정될 수 있다.

또한, 본 발명의 다른 실시예에 따르면, 한번 생성된 예측모델도, 예측 장치(100)는 피드백 분석 또는 신규 데이터베이스(106)의 업데이트를 기초로, 수정할 수 있다.

일 실시예에 따르면, 예측 장치(100)가 매매 대상 부동산에 대한 희망 매도 일정을 입력받고, 예측 장치(100)는 희망 매도 일정에 매칭되는 금융시장 정보 및 주택시장 정보를 식별할 수 있다. 예측 장치(100)는 미리 등록된 금융시장 정보(411) 및 주택시장 정보(413) 중 식별된 금융시장 정보 및 주택시장 정보에 대응되는 매매 소요기간 데이터를 필터링할 수 있다. 상기 필터링 결과, 식별된 금융시장 정보 및 주택시장 정보에 대응되는 미리 등록된 금융시장 정보(411) 및 주택시장 정보(413)의 편차가 미리 설정된 범위를 초과하는 경우, 예측 장치(100)는 필터링된 매매소요기간 데이터에 제1 보상 값을 설정할 수 있다.

예측 장치(100)는 미리 학습된 적어도 하나의 예측모델을 이용하여, 제1 보상 값이 설정된 매매 소요기간 데이터를 기초로, 매매소요기간의 예측 정보를 연산할 수 있다.

예를 들어, 아파트 A동의 희망 매도 일정을 포함하는 단위의 기간 내에 정부가 신규 부동산 대책을 발표하여, 주택담보 대출, DTI, LTV 비율 등이 급변한 경우, 미리 등록된 금융시장 정보(411) 상에서 대응되는 매매소요기간 데이터의 편차가 커질 수 있다. 이때 편차가 미리 설정된 범위를 초과하는 경우, 예측 장치(100)는 매매소요기간 데이터에 보상 값을 적용할 수 있다.

또 다른 예에 따르면, 예측 장치(100)는 금융위기, IMF 등의 대외경제 여건이 급변한 경우, 데이터베이스(106) 상의 기존 금융시장 정보(411) 및 주택시장 정보(413)가 예측 모델에 투입되는 것이 부적절할 수 있다. 또는 기존 금융시장 정보(411) 및 주택시장 정보(413)를 기초로 학습된 예측 모델의 정확성이 떨어질 수 있다. 이 경우, 예측 장치(100)는 매매소요기간 데이터 중, 입지 속성 정보(405)에 대한 가중치를 높이고, 금융시장 정보(411) 및 주택시장 정보(413)에 대한 가중치를 낮추기 위한 보상 값을 적용할 수도 있다.

다른 실시예에 따르면, 예측 장치(100)가 매매 대상 부동산의 주소정보를 입력받고, 예측 장치(100)는 매매 대상 부동산의 주소정보에 매칭되는 입지속성 정보를 식별할 수 있다. 예측 장치(100)는 미리 등록된 입지속성 정보(405) 중 식별된 입지속성 정보에 대응되는 매매 소요기간 데이터를 필터링할 수 있다. 상기 필터링 결과, 식별된 입지속성 정보에 대응되는 미리 등록된 입지속성 정보(405)의 편차가 미리 설정된 범위를 초과하는 경우, 예측 장치(100)는 필터링된 매매소요기간 데이터에 제2 보상 값을 설정할 수 있다.

예측 장치(100)는 미리 학습된 적어도 하나의 예측모델을 이용하여, 제2 보상 값이 설정된 매매 소요기간 데이터를 기초로, 매매소요기간의 예측 정보를 연산할 수 있다.

예를 들어, 아파트 A동의 미리 설정된 거리 범위 내에 지하철역이 신설된 경우, 미리 등록된 입지속성 정보(405) 상에서 대응되는 매매소요기간 데이터의 편차가 커질 수 있다. 이때 편차가 미리 설정된 범위를 초과하는 경우, 예측 장치(100)는 매매소요기간 데이터에 보상 값을 적용할 수 있다.

예측 장치(100)는 미리 학습된 예측 모델 역시, 상기 보상 값을 반영하여 수정할 수도 있다. 예측 장치(100)는, 상기 제1 보상 값 및/또는 상기 제2 보상 값이 적용된 매매 소요기간 데이터를 생성하고, 생성된 데이터를 기초로, 학습을 다시 수행하여 예측 모델을 수정할 수도 있다.

지금까지 첨부된 도면을 참조하여 설명된 본 발명의 실시예에 따른 방법들은 컴퓨터가 읽을 수 있는 코드로 구현된 컴퓨터프로그램의 실행에 의하여 수행될 수 있다. 상기 컴퓨터프로그램은 인터넷 등의 네트워크를 통하여 제1 컴퓨팅 장치로부터 제2 컴퓨팅 장치에 송신되어 상기 제2 컴퓨팅 장치에 설치될 수 있고, 이로써 상기 제2 컴퓨팅 장치에서 사용될 수 있다. 상기 제1 컴퓨팅 장치 및 상기 제2 컴퓨팅 장치는, 서버 장치, 데스크탑 PC와 같은 고정식 컴퓨팅 장치, 노트북, 스마트폰, 태블릿 피씨와 같은 모바일 컴퓨팅 장치를 모두 포함한다.

이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한다.

Claims

부동산 매매소요기간 예측 장치에 의해 수행되는 매매소요기간 예측 방법으로서,
매도인 단말로부터 대상 부동산의 매도인 정보를 입력받는 단계;
상기 매도인 단말로부터 매도 조건을 입력받는 단계;
미리 완료된 매매의 소요기간 데이터에 의해 미리 학습된 적어도 하나의 예측모델을 이용하여, 상기 입력된 매도인 정보 및 상기 매도 조건에 대응되는 매매소요기간의 예측 정보를 추출하는 단계; 및
상기 매매소요기간의 예측 정보를 상기 매도인 단말에 제공하는 단계를 포함하되,
상기 예측 정보는, 실제 매매가 이뤄질 제1 확률을 갖는 미리 설정된 단위의 제1 기간 정보 및 실제 매매가 이뤄질 제2 확률을 갖는 미리 설정된 단위의 제2 기간 정보를 포함하고,
상기 매매소요기간의 예측 정보를 추출하는 단계는, 상기 제1 기간 정보 및 상기 제2 기간 정보 각각에 대하여, 상기 대상 부동산의 실제 매매가 이뤄질 확률을 연산하는 단계를 포함하고,
상기 매매소요기간의 예측 정보를 상기 매도인 단말에 제공하는 단계는, 상기 매도 조건을 기초로, 상기 제1 기간 정보 및 상기 제2 기간 정보 각각에 대한, 예상 매도 조건을 생성하는 단계; 및
상기 예상 매도 조건을 포함하는 포함하는 예측 정보를 상기 매도인 단말에 제공하는 단계를 포함하는,
부동산 매매소요기간 예측 방법.
제1 항에 있어서,
상기 대상 부동산의 매도인 정보는, 상기 대상 부동산의 주소정보를 포함하고,
상기 입력된 매도인 정보 및 상기 매도 조건에 대응되는 매매소요기간의 예측 정보를 추출하는 단계는,
미리 등록된 부동산의 매물속성 정보, 단지속성 정보, 입지속성 정보 중 상기 대상 부동산의 주소정보에 대응되는 제1 매매 소요기간 데이터를 추출하는 단계; 및
상기 미리 학습된 적어도 하나의 예측모델을 이용하여, 상기 추출된 제1 매매 소요기간 데이터를 기초로, 매매소요기간의 예측 정보를 연산하는 단계를 포함하는,
부동산 매매소요기간 예측 방법.
제1 항에 있어서, 상기 매도 조건을 입력받는 단계는,
상기 대상 부동산에 대한 희망 매도가, 희망 매도 일정, 매도가 구성요소의 지급 방식 및 상기 매도가 구성요소의 지급 시기에 대한 정보 중 적어도 하나를 입력받는 단계를 포함하는,
부동산 매매소요기간 예측 방법.
제3 항에 있어서,
상기 매매소요기간의 예측 정보를 추출하는 단계는,
상기 희망 매도 일정에 매칭되는 금융시장 정보 및 주택시장 정보를 식별하는 단계;
미리 등록된 금융시장 정보 및 주택시장 정보 중 상기 식별된 금융시장 정보 및 주택시장 정보에 대응되는 제2 매매 소요기간 데이터를 추출하는 단계; 및
상기 미리 학습된 적어도 하나의 예측모델을 이용하여, 상기 추출된 제2 매매 소요기간 데이터를 기초로, 매매소요기간의 예측 정보를 연산하는 단계를 포함하는,
부동산 매매소요기간 예측 방법.
제4 항에 있어서,
상기 대상 부동산의 매도인 정보는, 매도인의 실거주 여부, 상기 부동산의 대출 정보, 상기 대상 부동산의 매수 정보 중 적어도 하나의 정보를 포함하고,
상기 제2 매매 소요기간 데이터를 추출하는 단계는,
상기 미리 등록된 금융시장 정보 및 주택시장 정보 중 상기 적어도 하나의 정보에 대응되는 제3 매매 소요기간 데이터를 추출하는 단계; 및
상기 미리 학습된 적어도 하나의 예측모델을 이용하여, 상기 추출된 제3 매매 소요기간 데이터를 기초로, 매매소요기간의 예측 정보를 연산하는 단계를 포함하는,
부동산 매매소요기간 예측 방법.
제1 항에 있어서,
상기 대상 부동산의 매도인 정보는, 상기 대상 부동산의 주소정보를 포함하고,
상기 매도인 단말로부터 대상 부동산의 매도인 정보를 입력받는 단계는,
상기 대상 부동산의 주소정보를 기초로, 상기 부동산을 포함하는 검색대상 공간의 범위를 식별하는 단계;
미리 등록된 금융시장 정보 및 주택시장 정보 상에서 상기 공간 범위 내에 속하는 다른 부동산의 미리 설정된 기간 동안의 거래 정보를 검색하는 단계; 및
상기 검색된 거래 정보를 상기 매도인 단말에 제공하는 단계를 포함하는,
부동산 매매소요기간 예측 방법.
제 1 항에 있어서,
다수의 매매 완료 부동산 매물의 매물속성 정보, 단지속성 정보, 및 입지속성 정보 중 적어도 하나에 대하여, 미리 설정된 범위의 등급 정보를 결정하는 단계;
상기 매매 완료 부동산 매물의 실제 매매소요기간을 미리 설정된 단위의 기간 정보로 변환하는 단계; 및
상기 결정된 등급 정보 및 상기 변환된 기간 정보를 포함하는, 상기 미리 완료된 매매의 소요기간 데이터를 생성하는 단계를 포함하는,
부동산 매매소요기간 예측 방법.
제 7 항에 있어서,
상기 생성된 소요기간 데이터를 기초로, 매매소요기간의 예측 정보를 미리 설정된 단위의 기간 정보로 생성하는, 상기 미리 학습된 적어도 하나의 예측모델을 생성하는 단계를 포함하는,
부동산 매매소요기간 예측 방법.
제 1 항에 있어서,
상기 매매소요기간의 예측 정보를 추출하는 단계는, 미리 설정된 단위의 복수의 기간 정보 별로, 상기 대상 부동산의 실제 매매가 이뤄질 확률을 연산하는 단계; 및
상기 매매소요기간의 예측 정보를 상기 매도인 단말에 제공하는 단계는, 상기 복수의 기간 정보 각각에 상기 연산된 확률이 매칭된 정보를 포함하는 예측 정보를 상기 매도인 단말에 제공하는 단계를 포함하는,
부동산 매매소요기간 예측 방법.
제9 항에 있어서,
상기 예측 정보는, 실제 매매가 이뤄질 제1 확률을 갖는 제1 기간 정보 및 실제 매매가 이뤄질 제2 확률을 갖는 제2 기간 정보를 포함하고,
상기 복수의 기간 정보 각각에 상기 연산된 확률이 매칭된 정보를 포함하는 예측 정보를 상기 매도인 단말에 제공하는 단계는,
상기 매도 조건을 기초로, 상기 제1 기간 정보 및 상기 제2 기간 정보 각각에 대한, 예상 매도 조건을 생성하는 단계; 및
상기 예상 매도 조건을 포함하는 포함하는 예측 정보를 상기 매도인 단말에 제공하는 단계를 포함하는,
부동산 매매소요기간 예측 방법.
제1 항에 있어서, 상기 매도 조건을 입력받는 단계는,
상기 대상 부동산에 대한 희망 매도 일정을 입력받는 단계를 포함하고,
상기 매매소요기간의 예측 정보를 추출하는 단계는,
상기 희망 매도 일정에 매칭되는 금융시장 정보 및 주택시장 정보를 식별하는 단계;
미리 등록된 금융시장 정보 및 주택시장 정보 중 상기 식별된 금융시장 정보 및 주택시장 정보에 대응되는 매매 소요기간 데이터를 필터링하는 단계;
상기 필터링 결과, 상기 식별된 금융시장 정보 및 주택시장 정보에 대응되는 상기 미리 등록된 금융시장 정보 및 주택시장 정보의 편차가 미리 설정된 범위를 초과하는 경우, 상기 필터링된 매매소요기간 데이터에 제1 보상 값을 설정하는 단계;
상기 미리 학습된 적어도 하나의 예측모델을 이용하여, 상기 제1 보상 값이 설정된 매매 소요기간 데이터를 기초로, 매매소요기간의 예측 정보를 연산하는 단계를 포함하는,
부동산 매매소요기간 예측 방법.
제11 항에 있어서, 상기 부동산의 매도인 정보를 입력받는 단계는, 상기 대상 부동산의 주소정보를 입력받는 단계를 포함하고,
상기 매매소요기간의 예측 정보를 추출하는 단계는,
상기 대상 부동산의 주소정보에 매칭되는 입지속성 정보를 식별하는 단계;
미리 등록된 입지속성 정보 중 상기 식별된 입지속성 정보에 대응되는 매매 소요기간 데이터를 필터링하는 단계;
상기 필터링 결과, 상기 식별된 입지속성 정보에 대응되는 상기 미리 등록된 입지속성 정보의 편차가 미리 설정된 범위를 초과하는 경우, 상기 필터링된 매매소요기간 데이터에 제2 보상 값을 설정하는 단계;
상기 미리 학습된 적어도 하나의 예측모델을 이용하여, 상기 제2 보상 값이 설정된 매매 소요기간 데이터를 기초로, 매매소요기간의 예측 정보를 연산하는 단계를 포함하는,
부동산 매매소요기간 예측 방법.
하나 이상의 프로세서;
대상 부동산의 매매소요기간 예측 정보를 매도인의 단말에 송신하는 네트워크 인터페이스;
상기 프로세서에 의하여 수행되는 컴퓨터 프로그램을 로드(load)하는 메모리; 및
미리 등록된 부동산의 매물속성 정보, 단지속성 정보, 입지속성 정보, 금융시장 정보 및 주택시장 정보 중 적어도 하나의 정보를 저장하는 데이터베이스와 상기 적어도 하나의 정보를 기초로 생성된 미리 완료된 매매의 소요기간 데이터를 이용하여 미리 학습된 적어도 하나의 예측모델을 포함하는 컴퓨터 프로그램을 저장하는 스토리지를 포함하되,
상기 컴퓨터 프로그램은,
매도인 단말로부터 대상 부동산의 매도인 정보를 입력받는 오퍼레이션;
상기 매도인 단말로부터 매도 조건을 입력받는 오퍼레이션;
상기 미리 학습된 적어도 하나의 예측모델을 이용하여, 상기 입력된 매도인 정보 및 상기 매도 조건에 대응되는 매매소요기간의 예측 정보를 추출하는 오퍼레이션; 및
상기 매매소요기간의 예측 정보를 상기 매도인 단말에 제공하는 오퍼레이션을 포함하되,
상기 예측 정보는, 실제 매매가 이뤄질 제1 확률을 갖는 미리 설정된 단위의 제1 기간 정보 및 실제 매매가 이뤄질 제2 확률을 갖는 미리 설정된 단위의 제2 기간 정보를 포함하고,
상기 매매소요기간의 예측 정보를 추출하는 오퍼레이션은, 상기 제1 기간 정보 및 상기 제2 기간 정보 각각에 대하여, 상기 대상 부동산의 실제 매매가 이뤄질 확률을 연산하는 오퍼레이션을 포함하고,
상기 매매소요기간의 예측 정보를 상기 매도인 단말에 제공하는 오퍼레이션은, 상기 매도 조건을 기초로, 상기 제1 기간 정보 및 상기 제2 기간 정보 각각에 대한, 예상 매도 조건을 생성하는 오퍼레이션; 및
상기 예상 매도 조건을 포함하는 포함하는 예측 정보를 상기 매도인 단말에 제공하는 오퍼레이션을 포함하는,
부동산 매매소요기간 예측 장치.