KR20000036594A - 중고차 시가 산정 및 예측 방식 - Google Patents

Abstract

본 중고차 시가 산정 프로그램은 사용자(user)가 자기가 소유하고 있는 차의 중고가격을 계산하기 원할 때 전국 중고차 매매단지와의 네트워크를 통해 결집된 데이터 베이스 자료를 바탕으로 평균시세, 최저가, 최고가, 표준편차 등 다양한 정보를 제공한다. 구체적으로 설명하면 본 프로그램은 전국에 형성된 대규모 매매단지들의 data Base를 이용하여 자사 홈페이지에서 자기 차종, 연식, 배기량등을 기입하면 그 조건에 맞는 데이터를 검색하여 평균 중고가격을 산정하는 시스템이다. 더 나아가 사용자(user)의 차량가격에 영향을 미치는 변수들을 정량화함으로써 미래가치를 추정하는 정보도 제공한다.

이를 위하여 본 발명은,

전국적인 중고차 매매단지, 싸이트에서 제공하는 데이터를 그대로 본사의 서버로 전송하는 단계,

전송받은 데이터로 방대한 양의 데이터를 보유하는 단계,

고객이 자신이 보유한 차량의 정보를 입력하면 네트워크를 통해 연계된 자료를 검색하는 단계,

검색되어 서버로 연결된 데이터를 토대로 통계적 기법을 이용하여 다양한 정보로 변환, 제공하는 단계,

중고차의 가격형성에 영향을 미치는 변수들의 값을 정량화하는 단계,

자기 차량의 미래가치를 추정하는 단계로 이루어진 것에 특징이 있다.

Description

중고차 시가 산정 및 예측 방식{used-car price ＆ estimate method}

기존의 중고차 시세표를 읽어 내려가면서 고객들이 자차의 시세를 찾아본다는 것 자체가 진부하고 비과학적이고 비합리적인 방법이다. 이 방법을 개선하기 위해 자신이 소유하고 있는 차의 정보만 입력해서 검색을 하면 전국적으로 형성된 매매센터에 등재되어 있는 모든 자료를 검색하여 평균과 표준편차, 신뢰수준등을 계산해서 정확한 정보를 알려주는데 그 목적이 있다. 나아가서 향후 몇 년후의 자차 미래가치를 추정하여서 자동차 매도시기 및 신차의 구입시기등을 과학적인 방법으로 산정하는데 도움을 주는 데에도 그 목적이 있다.

인터넷 분야에서 핵심적인 기술은 검색엔진이다. 인터넷, 컴퓨터에 대해 문외한인 사람도 Yahoo에 대해서는 조금은 알 것이다. 웹상에는 몇천, 아니 몇억개의 싸이트가 진세계적으로 퍼져 존재하고 있다. 이 방대한 양의 싸이트를 하나하나 방문해서 필요한 정보를 찾는다는 것은 사실상 불가능하다. 나에게 필요한 정보가 있을 것 같은 싸이트를 찾아내서 주소를 보여주는 도구가 필요한 것이다. 바로 필요한 그 도구가 바로 검색엔진인 깃이다. 실제로 인터넷이 미국방성에 의해 개발된 시기는 1970년대인데, 초기에는 이렇다할 만한 시장확대가 일어나지 않았다. 하지만 1990년 중반부터 급속도로 인터넷 사용자가 증가하게 되었는데, 그런 상황이 벌어진 가장 큰 동기는 yahoo라고 하는 검색엔진과 Netscape라고 하는 웹브라우저가 개발이 되었기 때문이다. 검색엔진은 전세계를 거미줄처럼 연결된 전산망에서 유용한 정보를 찾는 것을 가능하게 했다.

현재 중고차 매매를 목적으로 인터넷상에 홈페이지를 개설하고 영업을 하는 싸이트는 100여개가 있다. 하지만 이 싸이트들은 데이터들을 그대로 웹상으로 띄워놓았을 뿐이지 그 데이터들을 정보로 바꾸지 못하는 상황에 있다. 예를 들어서 '1997년산 아반떼의 가격이 600만원이다'라고 하는 데이터 밖에 주질 못한다. 사실상 이러한 데이터들은 정보로서의 역할을 하지 못한다. 현재 차를 바꿀 계획이 있는 사람에게 어느 시기에 팔고 어느 시기에 사는 것이 좋다라고 하는 컨설팅을 해줄 수 없는데 문제점이 발생하게 되는 것이다.

본 발명은 상기와 같은 문제점을 해소하기 위해

첫째, 전국에 형성되어 있는 중고차 매매시장을 네트워크로 연결하여 데이터 베이스를 구축하였다. 중고차의 시세는 전국적으로 조금씩은 차이가 난다. 이러한 점이 단순하게 시세표를 만들어 자차가 해당되는 값을 읽는 것이 정확하지 않음을 가리킨다. 네크워크로 통합된 정보망을 보유하고 있는 저희 Data Base는 시시각각 변화하는 시장환경에 따라 가격산정에 반영하게 되는 것이다.

둘째, 위에서 구축된 Data Base를 사용해 최저매매가, 최고매매가, 평균매매가, 표준편차등 현시세를 파악할 수 있는 다양한 구체적인 정보를 얻을 수 있다. 이를 이용해서 사용자 자차를 비롯한 비슷한 사양의 타회사 차량들의 다양한 통계량을 실시간으로 제공받을 수 있다.

셋째, 전국적으로 구축된 네트워크를 바탕으로 회귀분석(regression analysis)이 가능하게 되는 것이다. 회귀분석이란 변수들간의 함수적인 관련성을 규명하기 위하여 어떤 수학적 모형을 가정하고, 이 모형을 측정된 변수들의 자료로부터 추정하는 통계적 분석방법을 말하며, 일반적으로 이 추정된 모형을 사용하여 필요한 예측을 하거나 관심있는 통계적 추정과 검증을 실시하게 된다. 즉 회귀분석으로 중고차 매매가격에 영향을 미치는 변수들의 상관관계를 분석하여 미래의 가격 추이과정을 예측하는데 사용을 한다.

발명의 구성요소들을 개괄적으로 보면 다음과 같다.

위의 그림에서 볼 수 있듯이 본 발명의 핵심적인 요소는 크게 세 가지로 구성되는데, 그 세가지는 DB구축, 통계처리, 미래예측이다. 우선적으로 선행되어야 할 구성요소는 Data Base의 구축이다. Data Base가 구축됨으로써 여러가지 방법으로 통계값들을 얻을 수 있고 이러한 방법으로 구해진 통계값과 Data Base를 통해서 미래시세를 예측할 수 있다.

이러한 필수구성요소들을 하나하나 살펴보면 다음과 같다.

1. DB(Data Base) 구축

보통 프로그램상의 DB는 테이블 단위로 데이터가 분류된다. 우리가 이루고자 하는 DB는 전국의 모든 중고차 매매단지에 구축된 Data Base를 자사 홈페이지로 통합하는 데 있다. 이를 구축함에 있어서 문제가 되는 부분이 있는데, 그것은 그들이 가지고 있는 DB의 테이블이 우리 홈페이지내에서 구축되는 DB의 테이블과 다르다는 것이다. 이러한 현상이 나타나면 다른 구조를 가진 DB를 동일구조로 변환하는 프로그램이 반드시 필요하게 되는데, 이 변환프로그램이 Converting Program이다. 이를 설명하기 위해 서울에 있는 한 중고차 매매상의 홈페이지에서 발췌한 테이블을 보면 다음과 같다.

위의 〈표1〉을 보면 데이터들이 여러 테이블로 구성되어 있음을 볼 수 있다. 하지만 정작 자사가 구현하려 하는 DB에서는 불필요한 요소들 몇 가지 있는데 그것이 '차구분'과 '신차가격'이다. 이 두 개의 테이블은 사실상 자사 홈페이지 내에서는 불필요하다. 불필요한 테이블 수작업을 통해서 제거되지 않고 자동적으로 제거되어서 홈페이지의 DB내로 변환시키는 프로그램이 Converting Program이다. 그러니까 전국에 100여개의 데이터들은 홈페이지로 자동적으로 변환되어서 다음과 같은 구조로 축적이 된다.

2. 현시세

위에서 설명한 전국네트워크를 이용하여 방대한 양의 데이터베이스를 구축한 목표는 현시세 파악과 미래시세를 예측하기 위해서이다. 전국의 자동차 등록대수는 2000년 1월 기준으로 1,120만대 정도이다. 이렇게 규모가 큰 모집단의 특성값을 추정하기 위해서는 샘플링의 수가 많아야 정확한 정보를 얻을 수 있다. 본 프로그램에서 제공하는 정보중에서 가장 핵심은 고객이 자신의 차량에 대한 현시세를 알기 원할 때 정보를 알려주는 것이다. 그것도 단순하게 중고차 시세표를 제공하는 것이 아니라 전국적으로 비슷한 조건의 중고차들의 평균시세, 최고가, 최저가, 표준편차, 신뢰구간 등 현시세와 관련된 다양한 통계치들을 제공한다. 그리고 이러한 통계치들이 중고차의 시세를 반영하고 있다는 것을 증명하는 이론이 중심극한의 정리이다. '중심극한정리'는 모집단의 분포가 연속적이든 이산적이든 비스듬하게 치우친 형태이든 간에, 표본의 크기가 클 때 표본평균의 분포가 근사적으로 정규분포가 된다는 사실을 수학적으로 증명한다.

또한 자사 홈페이지에서는 모든 통계치들이 프로그램화되었기 때문에 직원들이 일일이 전자계산기를 두드리며 계산할 필요도 없고 자동적으로 계산해서 최단시간에 모든 통계치를 제공하게 되는 것이다.

그래서 고객이 알고자 하는 차종과 연식연도를 입력하고 검색버튼을 클릭만 하면 중고시세 관련 통계값들을 보여준다.

3. 미래시세 예측

실제로 중고차 가격에 영향을 미치는 변수는 여러 가지가 있다. 그 변수로는 감가상각률, 유가변동률, 자동차 라이프 싸이클(life cycle), 세금의 변화 등이 있다. 주관적인 판단에 의한 변수를 제외하고 객관적으로 증명된 변수인 감가상각률, 유가(油價)변동률, 자동차 라이프 싸이클(life cycle)등은 정량화가 가능하다. 하지만 이러한 변수들이 종속변수나 독립변수로써 중고차 가격에 영향을 끼치는지, 끼친다면 어느정도인지를 검정하는 프로그램은 아직까지 개발된 적이 없다.

실제로 미래시세를 추정하기 위해서는 과거에서부터 지금까지 형성된 중고차 시세값들로 어떤 추세(trend)를 찾는 것이 급선무이다. 추세(직선의 기울기)를 유추하는 방법에는 여러 가지가 있겠으나 우리가 사용할 방법은 현재 중고차 매매싸이트에 등록된 모든 차량을 출고된 지 1년 단위로 매매가격을 조사해서 어떠한 규칙성이 있는가를 살펴보고자 한다.

수동기아(M/T), 파워핸들, 에어컨등이 장착된 엑센트 1.5의 출고이후 경과 년도별 중고차 가격추이(각 연도의 기본사양의 차량의 평균값)를 조사해 보았다. 이를 표로 보면 다음 〈표3〉과 같다.

표3의 자료를 살펴보면 경과년수가 증가함에 따라서 중고차 가격이 감소하는 것을 짐작할 수 있으나 그 관계식이 어떤 것인가를 즉시 알아내기는 어렵다. 이를 산점도로 그려보면 〈그림3〉을 얻게 된다.

〈그림3〉은 엑센트 1.5의 중고차 경과년수에 따른 실거래가를 산점도로 그려본 것이다. 〈그림3〉의 산점도로부터 경과년수와 중고차가격의 상관관계는 매우 높으며 직선(straight line)형을 이루고 있음을 보여주며 단순회귀분석을 적합시켜야겠음을 결정지을 수 있다. 그리고 가운데 부분에 있는 붉은색 선은 회귀분석을 통해 계산된 회귀국선(추세곡선)이다.

일반적으로 회귀분석은 단순회귀, 곡선회귀, 중회귀, 다항회귀, 비선형회귀로 분류된다. 이 중에서 비선형회귀를 제외한 기타회귀들을 모두 합쳐서 선형회귀라고 분류할 수도 있다. 4개의 회귀중에서 어떤 것을 적용해야 하는가에 대한 문제는 산점도를 그려보면 대략적으로 알 수 있다.

〈그림3〉에서 붉은색으로 표시된 직선식을 회귀분석을 통해 구하면, Y=-75.43X+655 이다. 이 식과 실제로 거래되는 중고차 시세와는 거의 차이가 없음을 알 수 있다.

위의 엑센트1.5의 실례에서 볼 수 있듯이 미래가치를 예측하기 위해서는 데이터들을 회귀분석(regression analysis)을 통해 상관관계를 입증하고 변수들의 값을 정량화해야 한다. 그리고 그 정량화된 값이 정확한지, 의미가 있는지를 통계적으로 검정해 보는 절차가 필수적으로 따라야 할 것이다. 이와같은 검정을 통해 의미가 있음이 증명된 변수를 사용할 때만이 정확한 미래 예측이 가능한 것이다.

그래서 중고차 미래시세 예측은 고객이 차종 및 출고연도, 미래연도를 입력하고 검색을 클릭하면 미래가격이 산출된다.( 회귀분석식에서의 X값(경과년수)은 출고연도, 미래연도에서 자동 산출됨.)

이상에서 서술한 바와 같이 본 발명은, 네트워크를 이용하여 전국 데이터 베이스에 저장된 모든 데이터들을 통합·관리하고 통계적 처리과정을 거침으로써 고객들이 자사의 현재가치, 미래가치 등을 정확히 책정할 수 있게끔 한다.

Claims (1)

1. 전국적인 중고차 매매단지, 싸이트에서 제공하는 데이터를 그대로 본사의 서버로 전송하는 단계,

   전송받은 데이터로 방대한 양의 데이터를 보유하는 단계,

   고객이 자신이 보유한 차량의 정보를 입력하면 네트워크를 통해 연계된 자료를 검색하는 단계,

   검색되어 서버로 연결된 데이터를 토대로 통계적 기법을 이용하여 다양한 정보로 변환·제공하는 단계,

   중고차의 가격형성에 영향을 미치는 변수들의 값을 정량화하는 단계로 이루어진 것을 특징으로 하는 중고치 시가 산정 및 예측방식.