KR20210158674A - 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 PDF

Info

Publication number
KR20210158674A
KR20210158674A KR1020200077327A KR20200077327A KR20210158674A KR 20210158674 A KR20210158674 A KR 20210158674A KR 1020200077327 A KR1020200077327 A KR 1020200077327A KR 20200077327 A KR20200077327 A KR 20200077327A KR 20210158674 A KR20210158674 A KR 20210158674A
Authority
KR
South Korea
Prior art keywords
real estate
jeonse
cheonsei
ratio
rent
Prior art date
Application number
KR1020200077327A
Other languages
English (en)
Inventor
박금광
Original Assignee
주식회사 더굿이너프
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 더굿이너프 filed Critical 주식회사 더굿이너프
Priority to KR1020200077327A priority Critical patent/KR20210158674A/ko
Publication of KR20210158674A publication Critical patent/KR20210158674A/ko

Links

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
    • G06Q50/16—Real estate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • 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
    • 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
    • G06Q30/0202—Market predictions or forecasting for commercial activities

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (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 판정하고자하는 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

부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템{SYSTEM OF JUDGING OUTLIER OF REAL ESTATE LEASE CASE FOR ESTIMATING REAL ESTATE LEASE PRICE}
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 변동에비해 더 느리게 변동한다.
이러한 차원에서 부동산 임대의 전세가, 전세가율, 전월세전환율 등의 가격을 최적화하여 추정하는 것은 매우어려운 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; 상기대상 부동산 입력 모듈에서 입력받은 대상 부동산의 주소 및 거래 정보를 기준으로 인근의 유사 부동산을 상기부동산 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 대상부동산의 전세가 이상치를 산출하여 판정하는 전세가 이상치 판정 모듈을 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 블록구성도이다.
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 블록구성도이다.
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 세부흐름도이다.
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 예시하 고 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 대체물을포함하는 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 목적으로만사용된다. 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 기재된항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에직접적으로 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 의도가아니다. 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 이들을조합한 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 발명이속하는 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 일치하는의미를 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 블록구성도이다. 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 판정시스템(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 정보중 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 주택__ 과 단독 주택으로 나뉠 수 있다. 그리고 상업용 부동산은 집합건물/일반건물, 매장용건물/업무용건물로 나뉠수 있다.
그리고 부동산의 가격 정보는 매매 실거래 정보, 임대 실거래 정보, 매매 호가 정보, 공시 가격 정보 및 기준시가 정보 중 적어도 하나 이상을 포함하도록 구성될 수 있다. 이러한 가격 정보는 임대 가격 추정 모델에서인근 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 중매매가 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 전세가율을전세가율 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 정보중 매매가 및 전세가를 이용하여 최적의 전월세전환율 추정 모델(model)을 선별하도록 구성될 수 있다. 그리고그 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 필터링을하고, 대상 부동산의 임대 거래 사례에 대한 최종 이상치를 산출하여 최종 이상 여부를 판정하도록 구성될 수있다.
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 기계학습(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 검증은인근의 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 모델을선별하여 대상 부동산에 적용할 수 있게 된다. 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 방법의세부 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 이상치판정 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 주소및 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, 부동산의유형, 건축물 대장 정보, 등기부상 권리 정보, 정비/개발 정보, 교통 정보, 교육 정보 중 적어도 하나 이상을포함하도록 구성될 수 있다.
그리고 부동산의 가격 정보는 매매 실거래 정보, 임대 실거래 정보, 매매 호가 정보, 공시 가격 정보 및 기준시가 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 의해대상 부동산의 전세가 추정값을 산출하고, 대상 부동산 입력 모듈(120)에서 입력받은 대상 부동산의 전세가를전세가 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). 그리고전세가 추정값 산출부(142)가 전세가 추정 모듈 선별부(141)에 의해 선별된 전세가 추정 모델을 이용하여 대상부동산의 전세가 추정값을 산출한다(S132). 그리고 전가 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 가격정보 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 의해산출된 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 모듈130)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 전세가율추정값 산출부(152)에 의해 산출된 대상 부동산의 전세가율 추정값에 대하여 대상 부동산 입력 모듈(120)에서입력받은 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 부동산의전월세전환율 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 유사부동산을 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 전월세전환율추정 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 산출하여판정한다(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 판정모듈(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 이해할수 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

Claims (1)

  1. 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 부동산을상기 부동산 정보 데이터베이스에서 각 부동산의 속성 정보 및 가격 정보를 이용하여 검색하여 수집하는 유사부동산 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 추정값과상호 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 대상부동산의 전월세전환율 추정값을 산출하고, 상기 산출된 대상 부동산의 전월세전환율과 상기 전월세전환율 추정모델에 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 선별부상기 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 상기대상 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.
KR1020200077327A 2020-06-24 2020-06-24 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템 KR20210158674A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200077327A KR20210158674A (ko) 2020-06-24 2020-06-24 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200077327A KR20210158674A (ko) 2020-06-24 2020-06-24 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템

Publications (1)

Publication Number Publication Date
KR20210158674A true KR20210158674A (ko) 2021-12-31

Family

ID=79177818

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200077327A KR20210158674A (ko) 2020-06-24 2020-06-24 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템

Country Status (1)

Country Link
KR (1) KR20210158674A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115345684A (zh) * 2022-10-18 2022-11-15 深圳市明源云科技有限公司 房屋租金的预估方法、装置、终端设备及可读存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115345684A (zh) * 2022-10-18 2022-11-15 深圳市明源云科技有限公司 房屋租金的预估方法、装置、终端设备及可读存储介质

Similar Documents

Publication Publication Date Title
Bork et al. Housing price forecastability: A factor analysis
US20150012335A1 (en) Automated rental amount modeling and prediction
Moraga-González et al. Maximum likelihood estimation of search costs
US20100023379A1 (en) Method and system for determining real estate market value changes
Carrillo et al. Can tightness in the housing market help predict subsequent home price appreciation? Evidence from the United States and the Netherlands
Skitmore et al. On being balanced in an unbalanced world
US20150317586A1 (en) System for allocating and costing display space
KR101835789B1 (ko) 유동인구 패턴 기반의 미래 부동산 가치 평가 방법 및 장치
Gang et al. Risk and returns of income producing properties: Core versus noncore
Rabinovich Linking e-service quality and markups: The role of imperfect information in the supply chain
Møller et al. Search and predictability of prices in the housing market
KR20210158674A (ko) 부동산 임대 가격 추정을 위한 임대 거래 사례 이상치 판정 시스템
Fiordelisi et al. Efficiency in the factoring industry
CN117151882B (zh) 一种基于多品种电力交易的风险评估方法及系统
Fricker et al. A review of measurement error assessment in a US household consumer expenditure survey
Rodríguez et al. Assessing the intangibles transferred in franchise businesses
Alam et al. Vertical price transmission in wheat and flour markets in Bangladesh: An application of asymmetric threshold model
KR20200053004A (ko) 태양광예측알고리즘 적용 상황인지 기반의 지표를 이용하여 예측한 위기 감지 방법 및 이를 위한 장치
KR102004750B1 (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
RU2016107383A (ru) Система и способ вознаграждения за лояльность
KR100955289B1 (ko) 상품 시장규모 산출 방법 및 시스템
Traub et al. Measuring integration and efficiency in maize grain markets: The case of South Africa and Mozambique
Blevins et al. Dynamic selection and distributional bounds on search costs in dynamic unit‐demand models
KR20230045204A (ko) 온라인 최저가 상품 판매 채널 제공 방법, 디바이스 및 시스템