KR102538046B1 - 주택 현황 데이터의 최적화 모델링을 이용한 주택 담보 가치 추정 시스템 - Google Patents

Abstract

본 발명에 따른 공동 주택 담보 가치 추정 시스템은 공동 주택의 실거래가 데이터군, 주택 현황 데이터군 및 경매 이력 데이터군을 획득하고, 상기 공동 주택의 주소 정보에 기초하여 상기 실거래가 데이터군, 상기 주택 현황 데이터군 및 상기 경매 이력 데이터군 각각에 포함된 데이터 세트를 매핑하여 상기 공동 주택의 공동 주택 마스터 데이터군을 생성하는 추정 서버; 및 추정하고자 하는 피평가 공동 주택의 피평가 주택 현황 데이터를 획득하여 상기 추정 서버로 송신하는 사용자 단말;을 포함하고, 상기 추정 서버는 상기 피평가 주택 현황 데이터에 기초하여 상기 공동 주택 마스터 데이터군으로부터 공동 주택 세그먼트 데이터군을 생성하고, 상기 공동 주택 세그먼트 데이터군에 기초하여 주택 담보 가치 추정 모델을 생성하고, 복수의 최적화 알고리즘을 각각 이용하여 상기 주택 담보 가치 추정 모델로부터 복수의 최적화 모델을 각각 생성하고, 상기 피평가 주택 현황 데이터를 상기 복수의 최적화 모델 각각의 입력값으로 입력하여 복수의 주택 담보 가치 추정 후보 데이터를 생성하고, 실거래가 기준 백분위수와 상기 복수의 주택 담보 가치 추정 후보 데이터를 비교하여 복수의 주택 담보 가치 추정 후보 데이터 중 어느 하나를 주택 담보 가치 추정 데이터로 선택하고, 상기 선택된 주택 담보 가치 추정 데이터에 기초하여 상기 피평가 공동 주택의 주택 담보 가치를 결정할 수 있다.

Description

주택 현황 데이터의 최적화 모델링을 이용한 주택 담보 가치 추정 시스템{System for estimating collateral value using optimization modeling of housing condition data}

본 발명은 공동 주택 담보 가치 추정 시스템에 관한 것으로, 더욱 상세하게는 공동 주택의 실거래가 데이터군, 주택 현황 데이터군 및 경매 이력 데이터군으로부터 상기 주택 담보 가치 추정 모델을 생성하여 피평가 공동 주택의 주택 담보 가치를 추정할 수 있는 공동 주택 담보 가치 추정 시스템에 관한 것이다.

부동산 가치평가 분야는 부동산을 소비하는 일반인부터 투자자, 은행에 이르기까지 매우 중요한 역할을 한다. 부동산 시장은 현대 금융시장에서 매우 큰 부분을 차지하는 영역인 동시에, 많은 사람이 직접 및 간접적으로 참여하고 있는 영역이다.

특히, 주택시장은 모든 국민이 어떤 형식이든지 필연적으로 참여할 수밖에 없는 중요한 축을 이루고 있고, 한국 가구자산의 상당액이 부동산에 편중되어 있는 현실에서 부동산 가치에 대한 올바른 정보, 특히 가격에 대한 정보는 그 중요성이 매우 크다 할 것이다.

기존의 접근법에 따른 가격에는 크게 호가, 공시가격, 실거래가, 시세, 감정가 및 낙찰가가 있다.

구분	주체	특징	한계
공시가격	정부	아파트 호수 각각에 대한 개별 정보로 과세 목적으로 산정하며 이의신청을 통 해 조정 가능(장기보유 목적인 경우 재 산세를 줄이기 위해 과소로 잡지만 단 기보유 목적인 경우 높이려고함)	Individual level의 정 보이지만 현실 가치를 반영하지 못함
실거래가	정부	실제 거래된 사실을 알려주지만 제한적 인 정보(아파트 동까지 정보 저층-중층 -고층의 층 정보)만 제공	실제 현실가치를 반영하 지만, 계약시점이 아닌 잔금지급 후 등기상 소유 권이전 이후 발표되는 금액 (시간차발생)
호가	소유주	평당 가격이 높은 지역과 같이 투자수 요가 높은 지역에서는 시세보다 호가가 높게 나타남	명확한 근거가 없으며 정 부정책 및 시장상황에 따 라 일관성없이 변동됨. 호가를 취합하여 중개소에서 시세정보를 만듦
시세	부동산 중개소	해당 중개소에서 생산해내는 정보들을 취합하여 적정한 수준에서 시세정보를 제공함
감정가	감정평가사	개별 부동산 물건의 특징과 감정평가 시점에서의 시장상황 등이 반영되는 가 장 신뢰성 있는 가격정보임, 이를 바탕으로 금융기관의 담보가치 평가 이뤄짐 (대출금액산정시 사용)	개별 물건의 정확한 가 치를 산정할 수 있지만 케이스마다 감정평가 비 용이 발생
낙찰가	경매결과	법원 경매 또는 공매를 통해 일반인들 에게 낙찰된 가격으로 일반거래가격 보다 낮게 나타나는 것이 일반적임	최악의 경우 채권자가 회수할 수 있는 금액으 로 해당 부동산의 가치를 충분히 반영하지 못 하는 경우가 많음

한국의 일반적인 주거형태는 공동 주택(예를 들어, 아파트)이기 때문에 집값을 정량화하기 좋은 장점이 있다. 현재 부동산 시장에서는 개별 부동산에 대한 시장가격에 대한 정보는 부동산 중개업소에서 취합한 집주인들의 호가를 주로 반영하기 때문에 호가 위주의 가격을 제공하므로, 실제 거래금액에 기초한 가격정보가 필요하다. 국토해양부의 실거래가격 데이터베이스(DB)가 실제 거래된 사례를 사용하지만, 직접적인 비교사례가 부족한 경우에 정확한 가격 추정은 어려운 상황이다.

한편, 금융기관으로부터 대출을 받기 위해서는 담보가 필요한 담보대출과 신용에 의한 신용대출이 있다. 여기서 금융회사가 고객의 신용도를 판단하여 해주는 대출이 신용대출이다. 고객의 경제적 처지, 직업, 거래사항, 가족사항 등을 고려하여 대출금액과 금리를 결정한다.

신용대출은 순수한 무보증신용대출과 신용보증사의 보증서를 세우는 신용대출로 분류되는데 무보증신용대출은 진정한 신용대출로 본인의 신용도에 따라서 결정되는 대출이다. 이에 비해서 담보대출은 신용대출보다 장기간이고 금액이 크며 대출금리가 낮은 것이 일반적이다. 돈을 빌려주는 사람은 돈을 돌려받지 못할 때를 대비하여 빌리는 사람으로부터 부동산이나 경제적 가치가 있는 자산을 잡아두는 것을 말한다.

즉, 금융회사가 물적 담보를 설정하고 자금을 대출해주는 금융거래를 담보대출이라 한다. 여기서 금융거래란 부동산을 담보로 대출하거나 또는 부동산 담보부 채권을 담보로 대출하는 것이며, 그 자금조달에 따른 경제 및 법률행위를 하는 담보금융의 하나다. 일반인이 주택을 구입할 때 자금이 부족하여 그 부족분을 금융회사에서 대출받고 금융회사는 담보로 저당권을 설정한다.

이때, 금융회사는 해당 부동산에 대한 담보 가치에 대응하여 대출을 승인하게 되는데, 상술한 바와 같이, 담보 가치를 평가하기 위해 시장에서 통용되는 시세를 이용하거나 별도의 감정 평가를 수행하게 된다.

담보 가치를 평가하기 위해 시장에서 통용되는 시세를 이용하는 경우, 평가된 담보 가치와 실제 담보 가치 간의 차이가 발생하는 문제점이 발생할 수 있으며, 별도의 감정 평가를 수행하는 경우 평가 시간이 소요되어 대출 신청부터 대출 승인까지의 시간이 지연될 뿐만 아니라 감정 평가에 소요되는 비용이 추가되는 문제점이 있다.

이를 위해, 종래의 부동산 담보 가치 추정 방법은 재화의 단위인 부동산 자체의 이동성이 일반 상품시장에 비해 극히 낮은 특징을 활용하여 해당 부동산을 포함하는 일정 범위의 군집(이하, “주변 군집”)을 참조하여 희망 부동산의 담보 가치를 예측하는 것이 일반적이다.

종래의 부동산 담보 가치 추정 방법은 일반적으로 임의의 반경으로 부동산 시장을 군집화하거나, 단순히 행정 구역을 기준으로 부동산 시장을 군집화하였다. 예를 들면 서울시의 경우, 25개의 구(區)를 기준으로 서울시 부동산 시장의 권역을 군집화하였다. 또는 도심권, 동부권, 서부권, 남부권, 북부권과 같이 단순히 방위를 중심으로 부동산 권역을 군집화하였다.

종래의 부동산 담보 가치 추정 방법은 부동산별로 유형, 면적, 건축년도 등과 같은 개별 부동산의 속성을 반영하지 않은 한계가 있다. 이를 해결하기 위해 군집화 알고리즘을 통해 부동산의 개별 속성을 반영하여 부동산 시장을 군집화하는 일부 사례들이 있으나, 초기 중심값(initial points)이 매번 랜덤하게 설정되어 일관적인 참조 정보를 제공할 수 없는 한계가 있다.

한국등록특허 제10- 2113083호

본 발명은 공동 주택의 실거래가 데이터군, 주택 현황 데이터군 및 경매 이력 데이터군으로부터 상기 주택 담보 가치 추정 모델을 생성하여 피평가 공동 주택의 주택 담보 가치를 추정할 수 있는 공동 주택 담보 가치 추정 시스템을 제공하고자 한다.

본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시 예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.

상기 기술적 과제를 해결하기 위한 본 발명에 따른 공동 주택 담보 가치 추정 시스템은 공동 주택의 실거래가 데이터군, 주택 현황 데이터군 및 경매 이력 데이터군을 획득하고, 상기 공동 주택의 주소 정보에 기초하여 상기 실거래가 데이터군, 상기 주택 현황 데이터군 및 상기 경매 이력 데이터군 각각에 포함된 데이터 세트를 매핑하여 상기 공동 주택의 공동 주택 마스터 데이터군을 생성하는 추정 서버; 및 추정하고자 하는 피평가 공동 주택의 피평가 주택 현황 데이터를 획득하여 상기 추정 서버로 송신하는 사용자 단말;을 포함하고, 상기 추정 서버는 상기 피평가 주택 현황 데이터에 기초하여 상기 공동 주택 마스터 데이터군으로부터 공동 주택 세그먼트 데이터군을 생성하고, 상기 공동 주택 세그먼트 데이터군에 기초하여 주택 담보 가치 추정 모델을 생성하고, 복수의 최적화 알고리즘을 각각 이용하여 상기 주택 담보 가치 추정 모델로부터 복수의 최적화 모델을 각각 생성하고, 상기 피평가 주택 현황 데이터를 상기 복수의 최적화 모델 각각의 입력값으로 입력하여 복수의 주택 담보 가치 추정 후보 데이터를 생성하고, 실거래가 기준 백분위수와 상기 복수의 주택 담보 가치 추정 후보 데이터를 비교하여 복수의 주택 담보 가치 추정 후보 데이터 중 어느 하나를 주택 담보 가치 추정 데이터로 선택하고, 상기 선택된 주택 담보 가치 추정 데이터에 기초하여 상기 피평가 공동 주택의 주택 담보 가치를 결정할 수 있다.

바람직하게, 상기 추정 서버는 상기 실거래가 데이터군, 상기 주택 현황 데이터군 및 상기 경매 이력 데이터군 각각에 포함된 데이터 세트의 주소 정보에 기초하여 상기 데이터 세트 각각의 공동 주택 식별 데이터를 생성하고, 상기 공동 주택 식별 데이터가 동일한 상기 실거래가 데이터군, 상기 주택 현황 데이터군 및 상기 경매 이력 데이터군 각각의 상기 데이터 세트를 상호 매핑하여 상기 공동 주택 마스터 데이터군을 생성할 수 있다.

바람직하게, 상기 추정 서버는 상기 피평가 주택 현황 데이터에 기초하여 제1 추출 조건을 설정하고, 상기 공동 주택 마스터 데이터군 중에서 상기 제1 추출 조건을 만족하는 상기 데이터 세트들을 추출하여 상기 공동 주택 세그먼트 데이터군을 생성할 수 있다.

바람직하게, 상기 추정 서버는 추정 모델 생성 알고리즘을 이용하여 상기 공동 주택 세그먼트 데이터군으로부터 상기 주택 담보 가치 추정 모델을 생성할 수 있다.

바람직하게, 상기 추정 모델 생성 알고리즘은 백분위 회귀(Quantile Regression) 알고리즘, 라쏘(Lasso) 알고리즘, 적응형 라쏘(Adaptive Lasso) 알고리즘, 라쏘 백분위 회귀(Lasso Quantile Regression) 알고리즘 및 적응형 라쏘 백분위 회귀(Adaptive Lasso Quantile Regression) 알고리즘 중 어느 하나일 수 있다.

바람직하게, 상기 복수의 최적화 알고리즘은 내부점법(Interior Point Method) 알고리즘, 최대최소화(Majorization Minimization) 알고리즘 및 ADMM(Alternating Direction Method of Multipliers) 알고리즘일 수 있다.

바람직하게, 상기 추정 서버는 상기 피평가 주택 현황 데이터에 기초하여 제2 추출 조건을 설정하고, 상기 실거래가 데이터군 중에서 상기 제2 추출 조건을 만족하는 실거래가 데이터를 추출하고, 상기 실거래가 데이터를 정렬 및 분석하여 실거래가 백분위 데이터를 생성하고, 상기 실거래가 백분위 데이터 중에서 기준 백분위에 대응하는 실거래가 백분위수를 상기 실거래가 기준 백분위수로 설정할 수 있다.

바람직하게, 상기 추정 서버는 상기 복수의 주택 담보 가치 추정 후보 데이터 각각 중에서 기준 백분위에 대응하는 각각의 복수의 가치 추정 후보 백분위수를 확인하고, 상기 기준 백분위수와 상기 복수의 가치 추정 후보 백분위수 각각 간의 제1 백분위수 오차에 기초하여 상기 복수의 주택 담보 가치 추정 후보 데이터 중 어느 하나의 주택 담보 가치 추정 후보 데이터를 상기 주택 담보 가치 추정 데이터로 선택할 수 있다.

바람직하게, 상기 추정 서버는 상기 제1 백분위수 오차가 최소인 주택 담보 가치 추정 후보 데이터를 상기 주택 담보 가치 추정 데이터로 선택할 수 있다.

바람직하게, 상기 추정 서버는 상기 실거래가 백분위 데이터의 상기 실거래가 백분위수와 상기 주택 담보 가치 추정 데이터의 가치 추정 백분위수 간의 백분위별 제2 백분위수 오차를 산출하고, 상기 제2 백분위수 오차에 기초하여 상기 주택 담보 가치를 결정할 수 있다.

바람직하게, 상기 추정 서버는 상기 제2 백분위수 오차가 최소인 가치 추정 백분위수를 상기 주택 담보 가치로 결정할 수 있다.

본 발명에 따르면, 공동 주택의 실거래가 데이터군, 주택 현황 데이터군 및 경매 이력 데이터군으로부터 상기 주택 담보 가치 추정 모델을 생성하여 피평가 공동 주택의 주택 담보 가치를 추정함으로써, 피평가 공동 주택을 담보로 접수된 대출의 대출 심사시 신속하고 정확한 주택 담보 가치를 제공할 수 있다.

도 1은 본 발명의 다양한 실시 예에 따른 공동 주택 담보 가치 추정 시스템이 도시된 도면이다.
도 2는 본 발명의 일 실시 예에 따른 공동 주택 담보 가치 추정 시스템의 추정 서버의 구성요소가 도시된 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 공동 주택 담보 가치 추정 시스템에서 이용되는 실거래가 데이터군의 일 예를 도시한 도면이다.
도 4는 본 발명의 일 실시 예에 따른 공동 주택 담보 가치 추정 시스템에서 이용되는 주택 현황 데이터군의 일 예를 도시한 도면이다.
도 5는 본 발명의 일 실시 예에 따른 공동 주택 담보 가치 추정 시스템에서 이용되는 경매 이력 데이터군의 일 예를 도시한 도면이다.
도 6는 본 발명의 일 실시 예에 따른 공동 주택 담보 가치 추정 시스템의 사용자 단말의 구성요소가 도시된 블록도이다.
도 7은 본 발명의 일 실시 예에 따른 공동 주택 담보 가치 추정 시스템의 사용자 단말이 표시하는 정보의 일 예를 도시한 도면이다.

이하, 본 발명의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형 태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/ 또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대 해서는 유사한 참조 부호가 사용될 수 있다.

본 문서에서, "가진다", "가질 수 있다", "포함한다", 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.

본 문서에서, "A 또는 B", "A 또는/및 B 중 적어도 하나", 또는 "A 또는/및 B 중 하나 또는 그 이상" 등의 표현 은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B", "A 및 B 중 적어도 하나", 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는(3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.

본 문서에서 사용된 "제1", "제2", "첫째", 또는 "둘째" 등의 표현들은 다양한 구성요소들을, 순서 및/또는 중 요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 예를 들면, 제1 사용자 기기와 제2 사용자 기기는, 순서 또는 중요도와 무관하게, 서로 다른 사용자 기기를 나타낼 수 있다. 예를 들면, 본 문서에 기재된 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 바꾸어 명명될 수 있다.

어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성 요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.

본 문서에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합 한(suitable for)", "~하는 능력을 가지는(having the capacity to)", "~하도록 설계된(designed to)", "~하도록 변경된(adapted to)", "~하도록 만들어진(made to)", 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성(또는 설정)된"은 하드웨어적으로 "특별히 설계된(specifically designed to)"것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성 (또는 설정)된 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.

본 문서에서 사용된 용어들은 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 다른 실시 예의 범위를 한 정하려는 의도가 아닐 수 있다. 단수의 표현은 컨텍스트 상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 문서에 기재된 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 본 문서에 사용된 용어들 중 일반적인 사전에 정의된 용어들은 관련 기술의 컨텍스트 상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 문서의 실시 예들을 배제하도록 해석될 수 없다.

도 1은 본 발명의 다양한 실시 예에 따른 공동 주택 담보 가치 추정 시스템이 도시된 도면이다.

도 1을 참조하면, 공동 주택 담보 가치 추정 시스템(10)은 추정 서버(100) 및 사용자 단말(200)을 포함할 수 있다.

추정 서버(100)는 공동 주택의 실거래가 데이터군, 주택 현황 데이터군 및 경매 이력 데이터군을 획득하고, 공동 주택의 주소 정보에 기초하여 실거래가 데이터군, 주택 현황 데이터군 및 경매 이력 데이터군 각각에 포함된 데이터 세트를 매핑하여 공동 주택의 공동 주택 마스터 데이터군을 생성할 수 있다.

이때, 추정 서버(100)는 국토교통부 서버로부터 실거래가 데이터군을 획득하고, 국토교통부 서버로부터 주택 현황 데이터군을 획득하고, 데이터 거래 서버로부터 경매 이력 데이터군을 획득할 수 있다.

예를 들어, 실거래가 데이터군은 국토교통부에서 제공하는 국토교통부 실거래가 정보일 수 있으며, 주택 현황 데이터군은 국토교통부에서 제공하는 공동 주택 기본 정보일 수 있으며, 경매 이력 데이터군은 데이터 거래 업체에서 제공하는 낙찰 이력 정보일 수 있다.

추정 서버(100)는 공동 주택의 실거래가 데이터군, 주택 현황 데이터군 및 경매 이력 데이터군을 획득하고, 공동 주택의 주소 정보에 기초하여 실거래가 데이터군, 주택 현황 데이터군 및 경매 이력 데이터군 각각에 포함된 데이터 세트를 매핑하여 공동 주택의 공동 주택 마스터 데이터군을 생성할 수 있다.

구체적으로, 추정 서버(100)는 실거래가 데이터군, 주택 현황 데이터군 및 경매 이력 데이터군 각각에 포함된 데이터 세트의 주소 정보에 기초하여 데이터 세트 각각의 공동 주택 식별 데이터를 생성할 수 있다.

이후, 추정 서버(100)는 공동 주택 식별 데이터가 동일한 실거래가 데이터군, 주택 현황 데이터군 및 경매 이력 데이터군 각각의 데이터 세트를 상호 매핑하여 공동 주택 마스터 데이터군을 생성할 수 있다.

사용자 단말(200)은 피평가 공동 주택을 담보로 신청된 대출의 대출 심사를 수행하는 사용자에 의해 제어되는 단말일 수 있으며, 대출 심사에 이용되는 피평가 공동 주택의 주택 담보 가치를 추정 서버(100)로 요청할 수 있다.

이를 위해, 사용자 단말(200)은 추정하고자 하는 피평가 공동 주택의 피평가 주택 현황 데이터를 획득하여 추정 서버(100)로 송신할 수 있다.

이러한, 사용자 단말(200)은 사용자에 의해 조작되는 전자 장치로써, 사용자로부터 제어 명령을 입력받고, 제어 명령에 대한 응답으로 정보를 출력할 수 있으며, 다양한 정보를 측정할 수 있다.

예를 들어, 사용자 단말(200)은 태블릿, 스마트폰, 노트북, 웨어러블 장치, PDA, 퍼스널 컴퓨터 중 어느 하나일 수 있다.

추정 서버(100)는 피평가 주택 현황 데이터에 기초하여 공동 주택 마스터 데이터군으로부터 공동 주택 세그먼트 데이터군을 생성할 수 있다.

이를 위해, 추정 서버(100)는 피평가 주택 현황 데이터에 기초하여 제1 추출 조건을 설정하고, 공동 주택 마스터 데이터군 중에서 제1 추출 조건을 만족하는 데이터 세트들을 추출하여 공동 주택 세그먼트 데이터군을 생성할 수 있다.

추정 서버(100)는 공동 주택 세그먼트 데이터군에 기초하여 주택 담보 가치 추정 모델을 생성할 수 있다.

구체적으로, 추정 서버(100)는 추정 모델 생성 알고리즘을 이용하여 공동 주택 세그먼트 데이터군으로부터 주택 담보 가치 추정 모델을 생성할 수 있다.

여기서, 추정 모델 생성 알고리즘은 백분위 회귀(Quantile Regression) 알고리즘, 라쏘(Lasso) 알고리즘, 적응형 라쏘(Adaptive Lasso) 알고리즘, 라쏘 백분위 회귀(Lasso Quantile Regression) 알고리즘 및 적응형 라쏘 백분위 회귀(Adaptive Lasso Quantile Regression) 알고리즘 중 어느 하나일 수 있다.

이후, 추정 서버(100)는 복수의 최적화 알고리즘을 각각 이용하여 주택 담보 가치 추정 모델로부터 복수의 최적화 모델을 각각 생성할 수 있다.

추정 서버(100)는 피평가 주택 현황 데이터를 복수의 최적화 모델 각각의 입력값으로 입력하여 복수의 주택 담보 가치 추정 후보 데이터를 생성할 수 있다.

여기서, 복수의 최적화 알고리즘은 내부점법(Interior Point Method) 알고리즘, 최대최소화(Majorization Minimization) 알고리즘 및 ADMM(Alternating Direction Method of Multipliers) 알고리즘일 수 있다.

이후, 추정 서버(100)는 실거래가 기준 백분위수와 복수의 주택 담보 가치 추정 후보 데이터를 비교하여 복수의 주택 담보 가치 추정 후보 데이터 중 어느 하나를 주택 담보 가치 추정 데이터로 선택할 수 있다.

이를 위해, 추정 서버(100)는 피평가 주택 현황 데이터에 기초하여 제2 추출 조건을 설정하고, 실거래가 데이터군 중에서 제2 추출 조건을 만족하는 실거래가 데이터를 추출할 수 있다.

추정 서버(100)는 실거래가 데이터를 정렬 및 분석하여 실거래가 백분위 데이터를 생성하고, 실거래가 백분위 데이터 중에서 기준 백분위에 대응하는 실거래가 백분위수를 실거래가 기준 백분위수로 설정할 수 있다.

이어서, 추정 서버(100)는 복수의 주택 담보 가치 추정 후보 데이터 각각 중에서 기준 백분위에 대응하는 각각의 복수의 가치 추정 후보 백분위수를 확인할 수 있다.

추정 서버(100)는 기준 백분위수와 복수의 가치 추정 후보 백분위수 각각 간의 제1 백분위수 오차에 기초하여 복수의 주택 담보 가치 추정 후보 데이터 중 어느 하나의 주택 담보 가치 추정 후보 데이터를 주택 담보 가치 추정 데이터로 선택할 수 있다.

구체적으로, 추정 서버(100)는 제1 백분위수 오차가 최소인 주택 담보 가치 추정 후보 데이터를 주택 담보 가치 추정 데이터로 선택할 수 있다.

이를 통해, 추정 서버(100)는 선택된 주택 담보 가치 추정 데이터에 기초하여 피평가 공동 주택의 주택 담보 가치를 결정할 수 있다.

구체적으로, 추정 서버(100)는 실거래가 백분위 데이터의 실거래가 백분위수와 주택 담보 가치 추정 데이터의 가치 추정 백분위수 간의 백분위별 제2 백분위수 오차를 산출할 수 있다.

이후, 추정 서버(100)는 제2 백분위수 오차에 기초하여 주택 담보 가치를 결정할 수 있다.

추정 서버(100)는 제2 백분위수 오차가 최소인 가치 추정 백분위수를 주택 담보 가치로 결정할 수 있다.

추정 서버(100)는 피평가 공동 주택의 결정된 주택 담보 가치를 사용자 단말(200)로 송신할 수 있다.

도 2는 본 발명의 일 실시 예에 따른 공동 주택 담보 가치 추정 시스템(10)의 추정 서버(100)의 구성요소가 도시된 블록도이고, 도 3은 본 발명의 일 실시 예에 따른 공동 주택 담보 가치 추정 시스템(10)에서 이용되는 대기질 정보의 일 예를 도시한 도면이고, 도 4는 본 발명의 일 실시 예에 따른 공동 주택 담보 가치 추정 시스템(10)에서 이용되는 전염병 정보의 일 예를 도시한 도면이다.

도 2 내지 도 4를 더 포함하면, 추정 서버(100)는 통신부(110), 데이터 베이스(120) 및 프로세서(130)를 포함할 수 있다.

통신부(110)는 통신망에 연결되어 범용 통신을 이용하여 국토교통부 서버, 데이터 거래 서버 및 사용자 단말(200)과 통신을 수행할 수 있다. 이를 위해, 통신부(110)는 범용 통신을 수행하는 범용 통신 모듈을 구비할 수 있다.

여기서, 범용 통신은 인터넷 망을 이용한 통신이거나, 셀룰러 통신 프로토콜로서, 예를 들면 LTE(Long-Term Evolution), LTE-A(LTE Advanced), CDMA(Code Division Multiple Access), WCDMA(Wideband CDMA), UMTS(Universal Mobile Telecommunications System), WiBro(Wireless Broadband), GSM(Global System for Mobile Communications) 중 적어도 하나를 사용할 수 있다.

통신부(110)는 국토교통부 서버로부터 주기적으로 공동 주택의 실거래가 데이터군 및 주택 현황 데이터군을 수신할 수 있다. 또한, 통신부(110)는 데이터 거래 서버로부터 주기적으로 경매 이력 데이터군을 수신할 수 있다.

여기서, 실거래가 데이터군은 모든 공동 주택의 실거래가 및 실거래가와 연계된 데이터 집합으로써, 도 3에 도시된 바와 같이, 실거래가(거래금액) 정보로 구분되는 복수의 데이터 세트를 포함할 수 있으며, 복수의 데이터 세트 각각에는 실거래가 정보, 건축년도 정보, 거래년도 정보, 거래월 정보, 거래일 정보, 아파트 단지명 정보, 거래 공동 주택의 전용면적 정보, 실거래가의 일련 번호 정보, 거래 공동 주택의 주소 정보(법정동코드)를 포함할 수 있다.

여기서, 주택 현황 데이터군은 도 4에 도시된 바와 같이, 모든 공동 주택의 현황에 대한 데이터의 집합으로써, 공동 주택 코드 정보로 구분되는 복수의 데이터 세트를 포함할 수 있으며, 복수의 데이터 세트 각각에는 공동 주택 코드 정보, 아파트 단지명 정보, 공동 주택의 주소 정보(법정동주소), 난방 방식 정보, 동수 정보 및 세대수 정보를 포함할 수 있다.

여기서, 경매 이력 데이터군은 모든 공동 주택의 경매 이력에 대한 데이터의 집합으로써, 도 5에 도시된 바와 같이, 경매 사건 번호 정보로 구분되는 복수의 데이트 세트를 포함할 수 있으며, 복수의 데이터 세트 각각에는 경매 사건 번호, 경매 구분 정보, 청구 금액 정보, 개시결정일자 정보, 경매물건번호 정보, 총감정평가액 정보, 최저매각가격 정보, 최종매각기일 정보, 최초매각기일 정보, 매각횟수 정보, 유찰횟수 정보, 낙찰금액 정보 및 경매 공동 주택의 주소 정보(법정동주소)를 포함할 수 있다.

한편, 통신부(110)는 사용자 단말(200)로부터 주택 담보 가치를 평가 및 추정하고자 하는 피평가 공동 주택의 주택 담보 가치를 추정 요청하는 추정 요청 신호를 수신할 수 있다.

이때, 통신부(110)는 사용자 단말(200)로부터 피평가 공동 주택의 피평가 주택 현황 데이터를 추정 요청 신호와 함께 수신할 수 있다.

여기서, 피평가 주택 현황 데이터는 피평가 공동 주택의 현황에 대한 데이터로써, 피평가 공동 주택의 주소 정보(지번주소), 아파트명 정보, 세대수 정보, 동수 정보, 난방방식 정보, 복도유형 정보, 건축년도 정보, 전용면적 정보 및 층수 정보를 포함할 수 있다.

한편, 통신부(110)는 프로세서(130)에 의해 피평가 공동 주택의 주택 담보 가치가 결정되면, 사용자 단말(200)로 결정된 주택 담보 가치를 송신할 수 있다.

데이터 베이스(120)에는 도 3 내지 도 5에 도시된 바와 같이, 공동 주택의 실거래가 데이터군, 주택 현황 데이터군 및 경매 이력 데이터군 각각이 분류되어 저장될 수 있다.

이에 따라, 최신의 실거래가 데이터군, 주택 현황 데이터군 및 경매 이력 데이터군이 통신부(110)에 수신되면 데이터 베이스(120)에는 미리 저장된 실거래가 데이터군, 주택 현황 데이터군 및 경매 이력 데이터군이 누적 또는 갱신되어 저장될 수 있다.

또한, 데이터 베이스(120)에는 프로세서(130)에 의해 생성된 공동 주택 마스터 데이터군이 저장될 수 있다.

이러한 데이터 베이스(120)는 비휘발성 메모리 및 휘발성 메모리를 포함할 수 있고, 데이터 베이스(120)는 클라우드 서비스를 통해 정보 저장하는 형태로 구현될 수 있다.

프로세서(130)는 공동 주택의 주소 정보에 기초하여 실거래가 데이터군, 주택 현황 데이터군 및 경매 이력 데이터군 각각에 포함된 데이터 세트를 매핑하여 공동 주택의 공동 주택 마스터 데이터군을 생성할 수 있다.

이때, 프로세서(130)는 공동 주택의 주소 정보에 기초하여 실거래가 데이터군, 주택 현황 데이터군 및 경매 이력 데이터군 중 둘 이상의 데이터군 각각에 포함된 데이터 세트를 매핑하여 공동 주택의 공동 주택 마스터 데이터군을 생성할 수 있다.

일 실시 예에서, 프로세서(130)는 공동 주택의 주소 정보에 기초하여 실거래가 데이터군 및 주택 현황 데이터군 각각에 포함된 데이터 세트를 매핑하여 공동 주택의 공동 주택 마스터 데이터군을 생성할 수 있다.

이하, 프로세서(130)가 공동 주택의 주소 정보에 기초하여 실거래가 데이터군, 주택 현황 데이터군 및 경매 이력 데이터군 각각에 포함된 데이터 세트를 매핑하여 공동 주택의 공동 주택 마스터 데이터군을 생성하는 경우에 대해 설명하도록 한다.

프로세서(130)는 실거래가 데이터군, 주택 현황 데이터군 및 경매 이력 데이터군 각각에 포함된 데이터 세트의 주소 정보에 기초하여 데이터 세트 각각의 공동 주택 식별 데이터를 생성할 수 있다.

즉, 프로세서(130)는 실거래가 데이터군에 포함된 복수의 데이터 세트의 주소 정보로부터 복수의 데이터 세트 각각의 공동 주택 식별 데이터를 생성하고, 주택 현황 데이터군에 포함된 복수의 데이터 세트의 주소 정보로부터 복수의 데이터 세트 각각의 공동 주택 식별 데이터를 생성하고, 경매 이력 데이터군에 포함된 복수의 데이터 세트의 주소 정보로부터 복수의 데이터 세트 각각의 공동 주택 식별 데이터를 생성할 수 있다.

이때, 프로세서(130)는 주소 정보가 법정동코드인 경우, 해당 법정동코드를 공동 주택 식별 데이터로 생성하고, 주소 정보가 텍스트로 형성된 지번 주소 또는 도로명 주소인 경우, 해당 주소 정보를 법정동코드로 변환하여 공동 주택 식별 데이터로 생성할 수 있다.

이후, 프로세서(130)는 공동 주택 식별 데이터가 동일한 실거래가 데이터군, 주택 현황 데이터군 및 경매 이력 데이터군 각각의 데이터 세트를 상호 매핑하여 공동 주택 마스터 데이터군을 생성할 수 있다.

한편, 프로세서(130)는 통신부(110)에 추정 요청 신호와 함께 피평가 주택 현황 데이터가 수신되면, 피평가 공동 주택의 주택 담보 가치의 추정을 시작할 수 있다.

프로세서(130)는 피평가 주택 현황 데이터에 기초하여 공동 주택 마스터 데이터군으로부터 공동 주택 세그먼트 데이터군을 생성할 수 있다.

구체적으로, 프로세서(130)는 피평가 주택 현황 데이터에 기초하여 제1 추출 조건을 설정하고, 공동 주택 마스터 데이터군 중에서 제1 추출 조건을 만족하는 데이터 세트들을 추출하여 공동 주택 세그먼트 데이터군을 생성할 수 있다.

여기서, 제1 추출 조건은 피평가 주택 현황 데이터에 포함된 주소 정보에 대응되는 법정동코드와 공동 주택 마스터 데이터군의 데이터 세트의 법정동코드가 동일한지 여부 및 피평가 공동 주택에 대응되는 평당가격 범위 정보에 공동 주택 마스터 데이터군의 데이터 세트의 평단가격 정보가 포함되는지 여부일 수 있다.

즉, 프로세서(130)는 공동 주택 마스터 데이터군의 데이터 세트의 법정동코드가 피평가 주택 현황 데이터에 포함된 주소 정보에 대응되는 법정동코드와 동일하고, 공동 주택 마스터 데이터군의 데이터 세트의 평당가격 정보가 피평가 공동 주택에 대응되는 평당가격 범위 정보에 포함되면 해당 데이터 세트가 제1 추출 조건을 만족하는 것으로 판단하고, 해당 데이터 세트를 추출하여 공동 주택 세그먼트 데이터군을 생성할 수 있다.

이때, 프로세서(130)는 K-means 클러스터링 알고리즘을 이용하여 공동 주택 세그먼트 데이터군을 생성할 수 있다.

프로세서(130)는 공동 주택 세그먼트 데이터군에 기초하여 주택 담보 가치 추정 모델을 생성할 수 있다.

이를 위해, 프로세서(130)는 공동 주택 세그먼트 데이터군의 복수의 데이터 세트 각각에 포함된 정보들을 주택 담보 가치 추정 모델의 생성에 이용할 수 있도록 파생 및 변환시킬 수 있다.

예를 들어, 프로세서(130)는 년도 정보, 월 정보, 일자 정보가 합쳐 진 정보를 년도 정보, 월 정보, 일자 정보 각각으로 분할하여 파생시키거나, 실거래가 정보와 공급면적 정보를 이용하여 평당가격 정보를 파생시킬 수 있다.

또한, 프로세서(130)는 텍스트 유형 또는 다른 형식의 코드 유형인 정보를 주택 담보 가치 추정 모델의 생성에 이용할 수 있도록 숫자형 변수 유형, 더미 변수 유형 및 범주 변수 유형으로 변환할 수 있다.

프로세서(130)는 추정 모델 생성 알고리즘을 이용하여 공동 주택 세그먼트 데이터군으로부터 주택 담보 가치 추정 모델을 생성할 수 있다.

일 실시 예에서, 추정 모델 생성 알고리즘은 백분위 회귀(Quantile Regression) 알고리즘, 라쏘(Lasso) 알고리즘, 적응형 라쏘(Adaptive Lasso) 알고리즘, 라쏘 백분위 회귀(Lasso Quantile Regression) 알고리즘 및 적응형 라쏘 백분위 회귀(Adaptive Lasso Quantile Regression) 알고리즘 중 어느 하나일 수 있다.

한편, 백분위 회귀(Quantile Regression) 알고리즘, 라쏘(Lasso) 알고리즘, 적응형 라쏘(Adaptive Lasso) 알고리즘, 라쏘 백분위 회귀(Lasso Quantile Regression) 알고리즘 및 적응형 라쏘 백분위 회귀(Adaptive Lasso Quantile Regression) 알고리즘은 본 발명의 기술분야에서 널리 알려진 알고리즘으로써, 기본 수식, 기본 파라미터 등에 관련한 설명은 생략하도록 한다.

일 실시 예에서, 프로세서(130)는 추정 모델 생성 알고리즘으로써 적응형 라쏘 백분위 회귀(Adaptive Lasso Quantile Regression) 알고리즘을 이용하여 공동 주택 세그먼트 데이터군으로부터 주택 담보 가치 추정 모델을 생성할 수 있다.

이를 통해, 프로세서(130)는 라쏘 백분위 회귀(Adaptive Lasso Quantile Regression) 알고리즘을 통해 회귀계수를 산출함으로써, 공동 주택 세그먼트 데이터군의 정보 중에서 주택 담보 가치의 추정에 유의미함을 나타내는 정보(설명 변수)를 선별할 수 있다.

이후, 프로세서(130)는 복수의 최적화 알고리즘을 각각 이용하여 주택 담보 가치 추정 모델로부터 복수의 최적화 모델을 각각 생성할 수 있다.

프로세서(130)는 피평가 주택 현황 데이터를 복수의 최적화 모델 각각의 입력값으로 입력하여 복수의 주택 담보 가치 추정 후보 데이터를 생성할 수 있다.

일 실시 예에서, 복수의 최적화 알고리즘은 내부점법(Interior Point Method) 알고리즘, 최대최소화(Majorization Minimization) 알고리즘 및 ADMM(Alternating Direction Method of Multipliers) 알고리즘일 수 있다.

즉, 프로세서(130)는 생성된 하나의 주택 담보 가치 추정 모델로부터 복수의 최적화 알고리즘인 내부점법(Interior Point Method) 알고리즘, 최대최소화(Majorization Minimization) 알고리즘 및 ADMM(Alternating Direction Method of Multipliers) 알고리즘 각각을 이용하여 복수의 최적화 모델을 각각 생성할 수 있다.

한편, 내부점법(Interior Point Method) 알고리즘, 최대최소화(Majorization Minimization) 알고리즘 및 ADMM(Alternating Direction Method of Multipliers) 알고리즘은 본 발명의 기술분야에서 널리 알려진 알고리즘으로써, 기본 수식, 기본 파라미터 등에 관련한 설명은 생략하도록 한다.

이후, 프로세서(130)는 내부점법(Interior Point Method) 알고리즘을 이용하여 생성된 최적화 모델을 통해 주택 담보 가치 추정 후보 데이터를 생성하고, 최대최소화(Majorization Minimization) 알고리즘을 이용하여 생성된 최적화 모델을 통해 주택 담보 가치 추정 후보 데이터를 생성하고, ADMM(Alternating Direction Method of Multipliers) 알고리즘을 이용하여 생성된 최적화 모델을 통해 주택 담보 가치 추정 후보 데이터를 생성할 수 있다.

여기서, 주택 담보 가치 추정 후보 데이터는 피평가 공동 주택의 주택 담보 가치로 추정될 수 있는 데이터가 백분위를 기준으로 정렬된 백분위 데이터일 수 있다. 예를 들어, 주택 담보 가치 추정 후보 데이터는 백분위 범위가 5% 내지 95%이고 백분위 단위가 5%인 백분위의 백분위수를 포함하는 데이터일 수 있다.

이어서, 프로세서(130)는 실거래가 기준 백분위수와 복수의 주택 담보 가치 추정 후보 데이터를 비교하여 복수의 주택 담보 가치 추정 후보 데이터 중 어느 하나를 주택 담보 가치 추정 데이터로 선택할 수 있다.

이를 위해, 프로세서(130)는 피평가 주택 현황 데이터에 기초하여 제2 추출 조건을 설정하고, 실거래가 데이터군 중에서 제2 추출 조건을 만족하는 실거래가 데이터를 추출할 수 있다.

여기서, 제2 추출 조건은 피평가 주택 현황 데이터에 포함된 주소 정보에 대응되는 법정동코드와 실거래가 데이터군의 데이터 세트의 법정동코드가 동일한지 여부 및 거래 기준일 범위에 실거래가 데이터군의 데이터 세트의 거래 데이터군의 거래년도 정보, 거래월 정보 및 거래일 정보가 포함되는지 여부일 수 있다. 예를 들어, 거래 기준일 범위는 추정 시점으로부터 2년 동안일 수 있다.

프로세서(130)는 추출된 실거래가 데이터를 정렬 및 분석하여 실거래가 백분위 데이터를 생성하고, 실거래가 백분위 데이터 중에서 기준 백분위에 대응하는 실거래가 백분위수를 실거래가 기준 백분위수로 설정할 수 있다.

일 실시 예에서, 기준 백분위는 “50%”일 수 있으나, 프로세서(130)에 의해 임의로 변경되어 설정될 수 있다.

한편, 실거래가 백분위 데이터는 피평가 공동 주택에 대응되는 실거래가가 백분위를 기준으로 정렬된 백분위 데이터일 수 있다. 예를 들어, 실거래가 백분위 데이터는 백분위 범위가 5% 내지 95%이고 백분위 단위가 5%인 백분위의 백분위수를 포함하는 데이터일 수 있다.

이어서, 프로세서(130)는 복수의 주택 담보 가치 추정 후보 데이터 각각 중에서 기준 백분위에 대응하는 각각의 복수의 가치 추정 후보 백분위수를 확인할 수 있다.

프로세서(130)는 기준 백분위수와 복수의 주택 담보 가치 추정 후보 데이터 각각으로부터 확인된 복수의 가치 추정 후보 백분위수 각각 간의 제1 백분위수 오차에 기초하여 복수의 주택 담보 가치 추정 후보 데이터 중 어느 하나의 주택 담보 가치 추정 후보 데이터를 주택 담보 가치 추정 데이터로 선택할 수 있다.

구체적으로, 프로세서(130)는 제1 백분위수 오차가 최소인 주택 담보 가치 추정 후보 데이터를 주택 담보 가치 추정 데이터로 선택할 수 있다.

이를 통해, 프로세서(130)는 선택된 주택 담보 가치 추정 데이터에 기초하여 피평가 공동 주택의 주택 담보 가치를 결정할 수 있다.

구체적으로, 프로세서(130)는 실거래가 백분위 데이터의 실거래가 백분위수와 주택 담보 가치 추정 데이터의 가치 추정 백분위수 간의 백분위별 제2 백분위수 오차를 산출할 수 있다.

예를 들어, 프로세서(130)는 백분위 5%에 대응되는 실거래가 백분위수와 가치 추정 백분위수 간의 제2 백분위수 오차를 산출하고, 모든 백분위에 대해 백분위 별로 제2 백분위수 오차를 산출할 수 있다.

이후, 프로세서(130)는 제2 백분위수 오차에 기초하여 주택 담보 가치를 결정할 수 있다.

프로세서(130)는 제2 백분위수 오차가 최소인 가치 추정 백분위수를 주택 담보 가치로 결정할 수 있다.

한편, 다른 실시 예에 따른 프로세서(130)는 기준 상하한 백분위에 기초하여 상한 주택 담보 가치와 하한 주택 담보 가치를 결정할 수 있다.

구체적으로, 다른 실시 예에 따른 프로세서(130)는 제2 백분위수 오차가 최소인 가치 추정 백분위수에 대응되는 백분위에 기준 상하한 백분위를 합산하여 상한 백분위를 산출하고, 주택 담보 가치 추정 데이터에서 상한 백분위에 대응되는 가치 추정 백분위수를 상한 주택 담보 가치로 결정할 수 있다.

또한, 다른 실시 예에 따른 프로세서(130)는 제2 백분위수 오차가 최소인 가치 추정 백분위수에 대응되는 백분위에 기준 상하한 백분위를 감산하여 하한 백분위를 산출하고, 주택 담보 가치 추정 데이터에서 하한 백분위에 대응되는 가치 추정 백분위수를 하한 주택 담보 가치로 결정할 수 있다.

한편, 또 다른 실시 예에 따른 프로세서(130)는 피평가 공동 주택에 대응하는 실거래가 추이 정보, 실거래가 이력 정보 및 경매 낙찰 정보를 수집 및 생성하고, 실거래가 추이 정보, 실거래가 이력 정보 및 경매 낙찰 정보를 사용자 단말(200)로 송신하도록 통신부(110)를 제어할 수 있다.

한편, 일 실시 예에 따른 프로세서(130)는 중앙처리장치(Central Processing Unit (CPU)), 애플리케이션 프로세서(Application Processor (AP)) 및 커뮤니케이션 프로세서(Communication Processor (CP)) 중 하나 이상을 포함할 수 있다. 프로세서(130)는, 추정 서버(100)의 적어도 하나의 다른 구성요소들의 제어 및/또는 통신에 관한 연산이나 데이터 처리를 실행할 수 있다.

도 6은 본 발명의 일 실시 예에 따른 공동 주택 담보 가치 추정 시스템(10)의 사용자 단말(200)의 구성요소가 도시된 블록도이고, 도 7은 본 발명의 일 실시 예에 따른 공동 주택 담보 가치 추정 시스템의 사용자 단말이 표시하는 정보의 일 예를 도시한 도면이다.

도 6 및 도 7을 더 참조하면, 사용자 단말(200)은 통신부(210), 저장부(220), 프로세서(230) 및 표시부(240)를 포함할 수 있다.

통신부(210)는 통신망에 연결되어 범용 통신을 이용하여 추정 서버(100)와 통신을 수행할 수 있다. 이를 위해, 통신부(210)는 범용 통신을 수행하는 범용 통신 모듈을 구비할 수 있다. 여기서, 범용 통신은 인터넷 망을 이용한 통신이거나, 셀룰러 통신 프로토콜로서, 예를 들면 LTE, LTE-A, CDMA, WCDMA, UMTS, WiBro, GSM 중 적어도 하나를 사용할 수 있다.

통신부(210)는 추정 요청 신호와 함께 피평가 주택 현황 데이터를 추정 서버(100)로 송신할 수 있다.

또한, 통신부(210)는 추정 서버(100)로부터 추정 요청 신호의 응답으로 피평가 공동 주택의 주택 담보 가치를 수신할 수 있다.

또한, 통신부(210)는 추정 서버(100)로부터 피평가 공동 주택에 대응하는 실거래가 추이 정보, 실거래가 이력 정보 및 경매 낙찰 정보를 수신할 수 있다.

저장부(220)에는 통신부(210)에 수신된 다양한 정보가 저장될 수 있다.

또한, 저장부(220)에는 사용자 단말(200)이 프로세서(230)에 의해 제어되기 위해 프로그래밍된 동작 프로그램(예를 들어, 애플리케이션)을 저장할 수 있다.

이러한 저장부(220)는 비휘발성 메모리 및 휘발성 메모리를 포함할 수 있고, 동작 프로그램은 상기 비휘발성 메모리에 저장되고 상기 휘발성 메모리로 로드되어 동작할 수 있다.

일 실시 예에 따른 프로세서(230)는 중앙처리장치(CPU), 애플리케이션 프로세서(AP) 및 커뮤니케이션 프로세서(CP) 중 하나 이상을 포함할 수 있다. 프로세서(230)는, 사용자 단말(200)의 적어도 하나의 다른 구성요소들의 제어 및/또는 통신에 관한 연산이나 데이터 처리를 실행할 수 있다.

한편, 표시부(240)는 다양한 정보를 표시하도록 디스플레이 모듈을 구비할 수 있다.

이러한, 표시부(240)는 도 7에 도시된 바와 같이, 추정 요청 신호의 응답으로 수신된 피평가 공동 주택의 주택 담보 가치를 표시할 수 있다. 이때, 표시부(240)는 상한 주택 담보 가치와 하한 주택 담보 가치를 함께 표시할 수 있다.

또한, 표시부(240)는 피평가 공동 주택에 대응하는 실거래가 추이 정보, 실거래가 이력 정보 및 경매 낙찰 정보를 표시할 수 있다.

이를 통해, 사용자 단말(200)의 사용자는 추정 서버(100)로부터 제공되는 주택 담보 가치, 실거래가 추이 정보, 실거래가 이력 정보 및 경매 낙찰 정보를 열람하여 담보 대출의 대출 심사를 진행할 수 있다.

이제까지 본 발명에 대하여 바람직한 실시 예를 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 본 발명을 구현할 수 있음을 이해할 것이다. 그러므로 상기 개시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 한다.

이상과 같이, 본 발명은 비록 한정된 실시 예와 도면에 의해 설명되었으나, 본 발명은 이것에 의해 한정되지 않으며 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 본 발명의 기술사상과 아래에 기재될 특허청구범위의 균등범위 내에서 다양한 수정 및 변형이 가능함은 물론이다.

10: 공동 주택 담보 가치 추정 시스템
100: 추정 서버
200: 사용자 단말

Claims (1)

1. 공동 주택의 실거래가 데이터군, 주택 현황 데이터군 및 경매 이력 데이터군을 획득하고, 상기 공동 주택의 주소 정보에 기초하여 상기 실거래가 데이터군, 상기 주택 현황 데이터군 및 상기 경매 이력 데이터군 각각에 포함된 데이터 세트를 매핑하여 상기 공동 주택의 공동 주택 마스터 데이터군을 생성하는 추정 서버; 및
   추정하고자 하는 피평가 공동 주택의 피평가 주택 현황 데이터를 획득하여 상기 추정 서버로 송신하는 사용자 단말;을 포함하고,
   상기 추정 서버는
   상기 피평가 주택 현황 데이터에 기초하여 상기 공동 주택 마스터 데이터군으로부터 공동 주택 세그먼트 데이터군을 생성하고, 상기 공동 주택 세그먼트 데이터군에 기초하여 주택 담보 가치 추정 모델을 생성하고, 복수의 최적화 알고리즘을 각각 이용하여 상기 주택 담보 가치 추정 모델로부터 복수의 최적화 모델을 각각 생성하고, 상기 피평가 주택 현황 데이터를 상기 복수의 최적화 모델 각각의 입력값으로 입력하여 복수의 주택 담보 가치 추정 후보 데이터를 생성하고, 실거래가 기준 백분위수와 상기 복수의 주택 담보 가치 추정 후보 데이터를 비교하여 복수의 주택 담보 가치 추정 후보 데이터 중 어느 하나를 주택 담보 가치 추정 데이터로 선택하고, 상기 선택된 주택 담보 가치 추정 데이터에 기초하여 상기 피평가 공동 주택의 주택 담보 가치를 결정하고,
   상기 추정 서버는
   상기 피평가 주택 현황 데이터에 기초하여 제2 추출 조건을 설정하고, 상기 실거래가 데이터군 중에서 상기 제2 추출 조건을 만족하는 실거래가 데이터를 추출하고, 상기 실거래가 데이터를 정렬 및 분석하여 실거래가 백분위 데이터를 생성하고, 상기 실거래가 백분위 데이터 중에서 기준 백분위에 대응하는 실거래가 백분위수를 상기 실거래가 기준 백분위수로 설정하고,
   상기 추정 서버는
   상기 복수의 주택 담보 가치 추정 후보 데이터 각각 중에서 기준 백분위에 대응하는 각각의 복수의 가치 추정 후보 백분위수를 확인하고, 상기 기준 백분위수와 상기 복수의 가치 추정 후보 백분위수 각각 간의 제1 백분위수 오차에 기초하여 상기 복수의 주택 담보 가치 추정 후보 데이터 중 어느 하나의 주택 담보 가치 추정 후보 데이터를 상기 주택 담보 가치 추정 데이터로 선택하고,
   상기 추정 서버는
   상기 피평가 주택 현황 데이터에 기초하여 제1 추출 조건을 설정하고, 상기 공동 주택 마스터 데이터군 중에서 상기 제1 추출 조건을 만족하는 상기 데이터 세트들을 추출하여 상기 공동 주택 세그먼트 데이터군을 생성하는 것을 특징으로 하는
   주택 현황 데이터의 최적화 모델링을 이용한 주택 담보 가치 추정 시스템.

Images