KR20220090382A

KR20220090382A - System for estimating collateral value using optimization modeling of housing condition data

Info

Publication number: KR20220090382A
Application number: KR1020210094781A
Authority: KR
Inventors: 강성수
Original assignee: 주식회사 트리거파트너스
Priority date: 2020-12-22
Filing date: 2021-07-20
Publication date: 2022-06-29
Also published as: KR102282058B1; KR102538046B1

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.The apartment house collateral value estimation system according to the present invention acquires the real transaction price data group, the housing status data group, and the auction history data group of the apartment house, and based on the address information of the apartment house, the actual transaction price data group, the housing status an estimation server that maps a data group and a data set included in each of the auction history data group to generate an apartment house master data group of the apartment house; and a user terminal that acquires and transmits to the estimation server the status data of the house to be evaluated of the apartment to be evaluated to be estimated, wherein the estimation server is configured to obtain the status data of the apartment to be evaluated based on the status data of the apartment to be evaluated. Generating a multi-family housing segment data group, generating a mortgage value estimation model based on the apartment house segment data group, and using a plurality of optimization algorithms to generate a plurality of optimization models from the mortgage value estimation model, respectively, , by inputting the housing status data to be evaluated as input values of each of the plurality of optimization models to generate a plurality of housing collateral value estimation candidate data, and comparing the actual transaction price reference percentile and the plurality of housing collateral value estimation candidate data Any one of a plurality of candidate data for estimating the value of a mortgage may be selected as data for estimating the value of a mortgage, and the mortgage value of the apartment to be evaluated may be determined based on the selected data for estimating the value of a mortgage.

Description

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.The present invention relates to a system for estimating the value of collateral for an apartment building, and more particularly, by generating the mortgage value estimation model from the actual transaction price data group of the apartment house, the housing status data group, and the auction history data group, the house of the apartment to be evaluated It relates to a system for estimating the value of collateral for an apartment house that can estimate the value of collateral.

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.The real estate valuation field plays a very important role, from the general public who consumes real estate to investors and banks. The real estate market is an area that occupies a very large portion of the modern financial market, and is an area in which many people directly and indirectly participate.

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.In particular, the housing market constitutes an important axis in which all citizens inevitably participate in any form, and in the reality that a significant amount of Korean household assets is concentrated on real estate, correct information on real estate values, especially information on prices, is of little importance. would be very large.

기존의 접근법에 따른 가격에는 크게 호가, 공시가격, 실거래가, 시세, 감정가 및 낙찰가가 있다.In the price according to the existing approach, there are mainly asking price, published price, actual transaction price, market price, appraised price, and successful bid price.

구분division 주체Subject 특징Characteristic 한계Limit 공시가격published price 정부 goverment 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 information for each apartment number is calculated for taxation purposes and can be adjusted through appeal Individual level의 정 보이지만 현실 가치를 반영하지 못함Individual level information is visible but does not reflect real values 실거래가actual transaction price 정부 goverment 실제 거래된 사실을 알려주지만 제한적 인 정보(아파트 동까지 정보 저층-중층 -고층의 층 정보)만 제공It informs the fact of the actual transaction, but only provides limited information (information on the low-floor-middle-floor-high-floor information up to the apartment building) 실제 현실가치를 반영하 지만, 계약시점이 아닌 잔금지급 후 등기상 소유 권이전 이후 발표되는 금액 (시간차발생)The actual value is reflected, but the amount announced after the transfer of ownership after the balance payment, not at the time of the contract (occurrence of time difference) 호가quote 소유주proprietor 평당 가격이 높은 지역과 같이 투자수 요가 높은 지역에서는 시세보다 호가가 높게 나타남In areas with high investment demand, such as areas with high prices per pyeong, the asking price is higher than the market price. 명확한 근거가 없으며 정 부정책 및 시장상황에 따 라 일관성없이 변동됨. 호가를 취합하여 중개소에서 시세정보를 만듦There is no clear basis and it fluctuates inconsistently according to government policies and market conditions. Collect quotes and create market price information at an agency 시세quote 부동산 중개소real estate agent 해당 중개소에서 생산해내는 정보들을 취합하여 적정한 수준에서 시세정보를 제공함Collects information produced by the agency and provides market price information at an appropriate level 감정가connoisseur 감정평가사appraiser 개별 부동산 물건의 특징과 감정평가 시점에서의 시장상황 등이 반영되는 가 장 신뢰성 있는 가격정보임, 이를 바탕으로 금융기관의 담보가치 평가 이뤄짐 (대출금액산정시 사용)It is the most reliable price information that reflects the characteristics of individual real estate properties and market conditions at the time of appraisal. 개별 물건의 정확한 가 치를 산정할 수 있지만 케이스마다 감정평가 비 용이 발생It is possible to estimate the exact value of an individual object, but incurs appraisal costs in each case. 낙찰가winning bid 경매결과auction result 법원 경매 또는 공매를 통해 일반인들 에게 낙찰된 가격으로 일반거래가격 보다 낮게 나타나는 것이 일반적임It is a price that was successfully bid to the general public through a court auction or a public sale, and is generally lower than the general transaction price. 최악의 경우 채권자가 회수할 수 있는 금액으 로 해당 부동산의 가치를 충분히 반영하지 못 하는 경우가 많음In the worst case, the amount the creditor can recover is often insufficient to reflect the value of the property.

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.Since the general housing type in Korea is a multi-family house (eg, an apartment), it has the advantage of quantifying house prices. In the current real estate market, information on the market price of individual real estate mainly reflects the asking price of the homeowners collected by real estate brokers. Although the real transaction price database (DB) of the Ministry of Land, Transport and Maritime Affairs uses actual transaction cases, accurate price estimation is difficult when direct comparison examples are lacking.

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.On the other hand, in order to obtain a loan from a financial institution, there are secured loans that require collateral and credit loans based on credit. Here, a credit loan is a loan provided by a financial company after determining the creditworthiness of a customer. The loan amount and interest rate are determined in consideration of the customer's economic situation, occupation, transaction matters, family matters, etc.

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.Credit loans are classified into pure non-guaranteed credit loans and credit loans that establish guarantees from credit guarantee companies. On the other hand, collateral loans are generally longer-term, larger, and have lower interest rates than credit loans. A lender is a person who holds real estate or other economically valuable assets from the borrower in case the money is not returned.

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.In other words, a financial transaction in which a financial company sets up physical collateral and lends money is called a collateralized loan. Here, a financial transaction is a loan with real estate as collateral or real estate-secured bonds as collateral, and it is one of collateral finance that engages in economic and legal actions according to the financing. When ordinary people buy a house, they run out of funds, so they get a loan from a financial company for the shortfall, and the financial company sets up a mortgage as collateral.

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.In this case, the financial company approves the loan in response to the collateral value for the real estate. As described above, the market price used in the market is used to evaluate the collateral value or a separate appraisal is performed.

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.If the market price used in the market is used to evaluate the value of collateral, there may be a problem in that a difference between the assessed value of collateral and the actual value of collateral occurs. There is a problem that not only the time until loan approval is delayed, but also the cost of appraisal is added.

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.To this end, the conventional method of estimating the value of collateral for real estate utilizes the characteristic that the mobility of real estate itself, a unit of goods, is extremely low compared to the general commodity market, and refers to a certain range of clusters including the real estate (hereinafter, “neighboring clusters”). Therefore, it is common to predict the collateral value of the desired real estate.

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.The conventional real estate collateral value estimation method generally clusters the real estate market in an arbitrary radius or simply clusters the real estate market based on administrative districts. For example, in the case of Seoul, the real estate market in Seoul was clustered based on 25 districts. Or, the real estate areas were clustered simply centered on defense, such as the downtown area, the east area, the west area, the south area, and the north area.

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.The conventional method of estimating the value of real estate collateral has a limitation in that it does not reflect the properties of individual real estate, such as type, area, and construction year for each real estate. To solve this problem, there are some cases of clustering the real estate market by reflecting individual properties of real estate through a clustering algorithm, but there is a limitation in that it is not possible to provide consistent reference information because initial points are set randomly every time. .

한국등록특허 제10- 2113083호Korean Patent Registration No. 10-2113083

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. The present invention provides a system for estimating the value of collateral for an apartment to be evaluated by generating the mortgage value estimation model from the actual transaction price data group, the housing status data group, and the auction history data group of the apartment house to estimate the mortgage value of the apartment to be evaluated would like to provide

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.The objects of the present invention are not limited to the objects mentioned above, and other objects and advantages of the present invention not mentioned may be understood by the following description, and will be more clearly understood by the examples of the present invention. It will also be readily apparent that the objects and advantages of the present invention may be realized by the means and combinations thereof indicated in the appended claims.

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.The apartment house collateral value estimation system according to the present invention for solving the above technical problem obtains the real transaction price data group, the housing status data group, and the auction history data group of the apartment house, and the actual transaction based on the address information of the apartment house an estimation server that maps data sets included in each of the tentative data group, the housing status data group, and the auction history data group to generate the apartment house master data group of the apartment house; and a user terminal that acquires and transmits to the estimation server the status data of the house to be evaluated of the apartment to be evaluated to be estimated, wherein the estimation server is configured to obtain the status data of the apartment to be evaluated based on the status data of the apartment to be evaluated. Generating a multi-family housing segment data group, generating a mortgage value estimation model based on the apartment house segment data group, and using a plurality of optimization algorithms to generate a plurality of optimization models from the mortgage value estimation model, respectively, , by inputting the housing status data to be evaluated as input values of each of the plurality of optimization models to generate a plurality of housing collateral value estimation candidate data, and comparing the actual transaction price reference percentile and the plurality of housing collateral value estimation candidate data Any one of a plurality of candidate data for estimating the value of a mortgage may be selected as data for estimating the value of a mortgage, and the mortgage value of the apartment to be evaluated may be determined based on the selected data for estimating the value of a mortgage.

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. Preferably, the estimation server generates apartment house identification data for each of the data sets based on address information of a data set included in each of the actual transaction price data group, the housing status data group, and the auction history data group, The apartment house master data group may be generated by mapping the data sets of the actual transaction price data group, the housing status data group, and the auction history data group having the same apartment house identification data to each other.

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. Preferably, the estimation server sets a first extraction condition based on the status data of the house to be evaluated, and extracts the data sets satisfying the first extraction condition from the apartment house master data group to extract the apartment house segment data You can create groups.

바람직하게, 상기 추정 서버는 추정 모델 생성 알고리즘을 이용하여 상기 공동 주택 세그먼트 데이터군으로부터 상기 주택 담보 가치 추정 모델을 생성할 수 있다.Preferably, the estimation server may generate the mortgage value estimation model from the apartment house segment data group using an estimation model generation algorithm.

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.Preferably, the estimation model generation algorithm is a quantile regression algorithm, a Lasso algorithm, an adaptive Lasso algorithm, a Lasso quantile regression algorithm, and an adaptive Lasso percentile regression (Adaptive Lasso) algorithm. Quantile Regression) algorithms may be used.

바람직하게, 상기 복수의 최적화 알고리즘은 내부점법(Interior Point Method) 알고리즘, 최대최소화(Majorization Minimization) 알고리즘 및 ADMM(Alternating Direction Method of Multipliers) 알고리즘일 수 있다.Preferably, the plurality of optimization algorithms may be an Interior Point Method algorithm, a Majorization Minimization algorithm, and an Alternating Direction Method of Multipliers (ADMM) algorithm.

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. Preferably, the estimation server sets a second extraction condition based on the status data of the house to be evaluated, extracts actual transaction price data that satisfies the second extraction condition from the actual transaction price data group, and extracts the actual transaction price data The actual transaction price percentile data may be generated by sorting and analyzing, and an actual transaction price percentile corresponding to a reference percentile among the actual transaction price percentile data may be set as the actual transaction price reference percentile.

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.Preferably, the estimation server identifies a plurality of value estimation candidate percentiles corresponding to a reference percentile from each of the plurality of mortgage value estimation candidate data, respectively, the reference percentile and the plurality of value estimation candidate percentiles Based on the first percentile error between the housing collateral value estimation candidate data of any one of the plurality of housing collateral value estimation candidate data may be selected as the housing collateral value estimation data.

바람직하게, 상기 추정 서버는 상기 제1 백분위수 오차가 최소인 주택 담보 가치 추정 후보 데이터를 상기 주택 담보 가치 추정 데이터로 선택할 수 있다.Preferably, the estimation server may select candidate data for estimating the value of a home equity having the smallest first percentile error as the estimation data for the value of the home equity.

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.Preferably, the estimation server calculates a second percentile error for each percentile between the actual transaction price percentile of the actual transaction price percentile data and the value estimation percentile of the home equity value estimation data, and based on the second percentile error to determine the value of the home equity.

바람직하게, 상기 추정 서버는 상기 제2 백분위수 오차가 최소인 가치 추정 백분위수를 상기 주택 담보 가치로 결정할 수 있다.Preferably, the estimation server may determine a value estimation percentile having the smallest second percentile error as the home equity value.

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. According to the present invention, by generating the mortgage value estimation model from the actual transaction price data group of the apartment house, the housing status data group, and the auction history data group, and estimating the mortgage value of the apartment house to be evaluated, the apartment to be evaluated is secured It is possible to provide prompt and accurate home equity value during loan review of loans received by

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.1 is a diagram illustrating a system for estimating the value of a common home mortgage according to various embodiments of the present disclosure.
2 is a block diagram illustrating components of an estimation server of a system for estimating the value of a home equity collateral according to an embodiment of the present invention.
3 is a diagram illustrating an example of an actual transaction price data group used in a system for estimating the value of a home equity collateral according to an embodiment of the present invention.
4 is a diagram illustrating an example of a housing status data group used in a system for estimating the value of a housing collateral according to an embodiment of the present invention.
5 is a diagram illustrating an example of an auction history data group used in a system for estimating the value of a home equity collateral according to an embodiment of the present invention.
6 is a block diagram illustrating components of a user terminal of a system for estimating the value of a home equity collateral according to an embodiment of the present invention.
7 is a diagram illustrating an example of information displayed by a user terminal of a system for estimating the value of a home equity collateral according to an embodiment of the present invention.

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. Hereinafter, various embodiments of the present invention will be described with reference to the accompanying drawings. However, this is not intended to limit the present invention to specific embodiments, and should be understood to include various modifications, equivalents, and/or alternatives of the embodiments of the present invention. In connection with the description of the drawings, like reference numerals may be used for like elements.

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. In this document, expressions such as "have", "may have", "includes", or "may include" indicate the presence of a corresponding characteristic (eg, a numerical value, function, operation, or component such as a part). and does not exclude the presence of additional features.

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. In this document, expressions such as “A or B”, “at least one of A or/and B”, or “one or more of A or/and B” may include all possible combinations of the items listed together. . For example, "A or B", "at least one of A and B", or "at least one of A or B" means (1) includes at least one A, (2) includes at least one B; Or (3) it may refer to all cases including both at least one A and at least one B.

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.Expressions such as "first", "second", "first", or "second" used in this document can modify various elements, regardless of order and/or importance, and It is used only to distinguish it from other components, and does not limit the components. For example, the first user equipment and the second user equipment may represent different user equipment regardless of order or importance. For example, without departing from the scope of the rights described in this document, a first component may be referred to as a second component, and similarly, the second component may also be renamed as a first component.

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. A component (eg, a first component) is "coupled with/to (operatively or communicatively)" to another component (eg, a second component); When referring to "connected to", it will be understood that the certain element may be directly connected to the other element or may be connected through another element (eg, a third element). On the other hand, when it is said that a component (eg, a first component) is "directly connected" or "directly connected" to another component (eg, a second component), the component and the It may be understood that other components (eg, a third component) do not exist between other components.

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. The expression “configured to (or configured to)” as used in this document, depending on the context, for example, “suitable for”, “having the capacity to )", "designed to", "adapted to", "made to", or "capable of" . The term "configured (or set up to)" may not necessarily mean only "specifically designed to" in hardware. Instead, in some circumstances, the expression “a device configured to” may mean that the device is “capable of” with other devices or parts. For example, the phrase “a processor configured (or configured to perform) A, B, and C” refers to a dedicated processor (eg, an embedded processor) for performing the operations, or by executing one or more software programs stored in memory. , may mean a generic-purpose processor (eg, a CPU or an application processor) capable of performing corresponding operations.

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. Terms used in this document are only used to describe specific embodiments, and may not be intended to limit the scope of other embodiments. The singular expression may include the plural expression unless the context clearly dictates otherwise. Terms used herein, including technical or scientific terms, may have the same meanings as commonly understood by one of ordinary skill in the art described in this document. Among the terms used in this document, terms defined in a general dictionary may be interpreted with the same or similar meaning as the meaning in the context of the related art, and unless explicitly defined in this document, have an ideal or excessively formal meaning. not interpreted In some cases, even terms defined in this document cannot be construed to exclude embodiments of this document.

도 1은 본 발명의 다양한 실시 예에 따른 공동 주택 담보 가치 추정 시스템이 도시된 도면이다.1 is a diagram illustrating a system for estimating the value of a home equity collateral according to various embodiments of the present disclosure.

도 1을 참조하면, 공동 주택 담보 가치 추정 시스템(10)은 추정 서버(100) 및 사용자 단말(200)을 포함할 수 있다. Referring to FIG. 1 , the system for estimating the value of the apartment collateral 10 may include an estimation server 100 and a user terminal 200 .

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. The estimation server 100 obtains the actual transaction price data group, the housing status data group, and the auction history data group of the apartment house, and based on the address information of the apartment house, the actual transaction price data group, the housing status data group, and the auction history data group, respectively By mapping the data set included in .

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.In this case, the estimation server 100 may acquire the actual transaction price data group from the Ministry of Land, Infrastructure and Transport server, the housing status data group from the Ministry of Land, Infrastructure and Transport server, and the auction history data group from the data transaction server.

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.For example, the actual transaction price data group may be the actual transaction price information of the Ministry of Land, Infrastructure and Transport provided by the Ministry of Land, Infrastructure and Transport, the housing status data group may be basic apartment housing information provided by the Ministry of Land, Infrastructure and Transport, and the auction history data group may be provided by the data trading company. It may be successful bid history information provided.

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.Specifically, the estimation server 100 may generate apartment house identification data for each of the data sets based on address information of the data sets included in each of the actual transaction price data group, the housing status data group, and the auction history data group.

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. Thereafter, the estimation server 100 may generate the apartment house master data group by mapping each data set of the actual transaction price data group, the housing status data group, and the auction history data group having the same apartment house identification data.

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.The user terminal 200 may be a terminal controlled by a user performing a loan review of a loan applied for a loan to be evaluated using the multi-family house to be evaluated as collateral, and the server 100 for estimating the mortgage value of the multi-family house to be assessed used for the loan review ) can be requested.

이를 위해, 사용자 단말(200)은 추정하고자 하는 피평가 공동 주택의 피평가 주택 현황 데이터를 획득하여 추정 서버(100)로 송신할 수 있다.To this end, the user terminal 200 may acquire the status data of the house to be assessed of the apartment house to be assessed to be estimated and transmit it to the estimation server 100 .

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.The user terminal 200 is an electronic device operated by a user, and may receive a control command from the user, output information in response to the control command, and measure various information.

예를 들어, 사용자 단말(200)은 태블릿, 스마트폰, 노트북, 웨어러블 장치, PDA, 퍼스널 컴퓨터 중 어느 하나일 수 있다.For example, the user terminal 200 may be any one of a tablet, a smart phone, a notebook computer, a wearable device, a PDA, and a personal computer.

추정 서버(100)는 피평가 주택 현황 데이터에 기초하여 공동 주택 마스터 데이터군으로부터 공동 주택 세그먼트 데이터군을 생성할 수 있다.The estimation server 100 may generate a group of apartment house segment data from the group of apartment house master data based on the status data of the house to be evaluated.

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. To this end, the estimation server 100 sets a first extraction condition based on the status data of the house to be evaluated, and extracts data sets that satisfy the first extraction condition from among the apartment house master data group to generate the apartment house segment data group can do.

추정 서버(100)는 공동 주택 세그먼트 데이터군에 기초하여 주택 담보 가치 추정 모델을 생성할 수 있다. The estimation server 100 may generate a mortgage value estimation model based on the apartment house segment data group.

구체적으로, 추정 서버(100)는 추정 모델 생성 알고리즘을 이용하여 공동 주택 세그먼트 데이터군으로부터 주택 담보 가치 추정 모델을 생성할 수 있다.Specifically, the estimation server 100 may generate a mortgage value estimation model from the apartment house segment data group by using the estimation model generation algorithm.

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.Here, the estimation model generation algorithm is a percentile regression algorithm, a Lasso algorithm, an adaptive Lasso algorithm, a Lasso percentile regression algorithm, and an adaptive Lasso percentile regression algorithm. ) may be any one of the algorithms.

이후, 추정 서버(100)는 복수의 최적화 알고리즘을 각각 이용하여 주택 담보 가치 추정 모델로부터 복수의 최적화 모델을 각각 생성할 수 있다.Thereafter, the estimation server 100 may generate a plurality of optimization models from the mortgage value estimation model by using a plurality of optimization algorithms, respectively.

추정 서버(100)는 피평가 주택 현황 데이터를 복수의 최적화 모델 각각의 입력값으로 입력하여 복수의 주택 담보 가치 추정 후보 데이터를 생성할 수 있다.The estimation server 100 may generate a plurality of housing collateral value estimation candidate data by inputting the evaluation target housing status data as input values for each of the plurality of optimization models.

여기서, 복수의 최적화 알고리즘은 내부점법(Interior Point Method) 알고리즘, 최대최소화(Majorization Minimization) 알고리즘 및 ADMM(Alternating Direction Method of Multipliers) 알고리즘일 수 있다.Here, the plurality of optimization algorithms may be an Interior Point Method algorithm, a Majorization Minimization algorithm, and an Alternating Direction Method of Multipliers (ADMM) algorithm.

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.Thereafter, the estimation server 100 may compare the actual transaction price reference percentile with a plurality of housing collateral value estimation candidate data to select any one of the plurality of housing collateral value estimation candidate data as the housing collateral value estimation data.

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. To this end, the estimation server 100 may set a second extraction condition based on the status data of the house to be evaluated, and extract the actual transaction price data satisfying the second extraction condition from the actual transaction price data group.

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. The estimation server 100 aligns and analyzes the actual transaction price data to generate the actual transaction price percentile data, and the actual transaction price percentile corresponding to the reference percentile among the actual transaction price percentile data may be set as the actual transaction price reference percentile.

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.Subsequently, the estimation server 100 may identify each of the plurality of value estimation candidate percentiles corresponding to the reference percentile from among the plurality of pieces of housing collateral value estimation candidate data, respectively.

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.Estimation server 100 is based on the first percentile error between the reference percentile and each of the plurality of value estimation candidate percentiles, the estimation of the mortgage value of any one of the plurality of mortgage value estimation candidate data data can be selected.

구체적으로, 추정 서버(100)는 제1 백분위수 오차가 최소인 주택 담보 가치 추정 후보 데이터를 주택 담보 가치 추정 데이터로 선택할 수 있다.Specifically, the estimation server 100 may select the mortgage value estimation candidate data having the minimum first percentile error as the mortgage value estimation data.

이를 통해, 추정 서버(100)는 선택된 주택 담보 가치 추정 데이터에 기초하여 피평가 공동 주택의 주택 담보 가치를 결정할 수 있다.Through this, the estimation server 100 may determine the mortgage value of the apartment to be evaluated based on the selected mortgage value estimation data.

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.Specifically, the estimation server 100 may calculate a second percentile error for each percentile between the actual transaction price percentile of the actual transaction price percentile data and the value estimation percentile of the home mortgage value estimation data.

이후, 추정 서버(100)는 제2 백분위수 오차에 기초하여 주택 담보 가치를 결정할 수 있다.Thereafter, the estimation server 100 may determine the value of the home equity based on the second percentile error.

추정 서버(100)는 제2 백분위수 오차가 최소인 가치 추정 백분위수를 주택 담보 가치로 결정할 수 있다.The estimation server 100 may determine a value estimation percentile having the smallest second percentile error as the mortgage value.

추정 서버(100)는 피평가 공동 주택의 결정된 주택 담보 가치를 사용자 단말(200)로 송신할 수 있다.The estimation server 100 may transmit the determined home equity value of the multi-family house to be evaluated to the user terminal 200 .

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.2 is a block diagram illustrating components of the estimation server 100 of the multi-family mortgage value estimation system 10 according to an embodiment of the present invention, and FIG. 3 is a multi-family mortgage according to an embodiment of the present invention. It is a diagram illustrating an example of air quality information used in the value estimation system 10, and FIG. 4 is an example of infectious disease information used in the apartment mortgage value estimation system 10 according to an embodiment of the present invention. It is the drawing shown.

도 2 내지 도 4를 더 포함하면, 추정 서버(100)는 통신부(110), 데이터 베이스(120) 및 프로세서(130)를 포함할 수 있다.2 to 4 , the estimation server 100 may include a communication unit 110 , a database 120 , and a processor 130 .

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.The communication unit 110 may be connected to a communication network and communicate with the Ministry of Land, Infrastructure and Transport server, the data transaction server, and the user terminal 200 using general-purpose communication. To this end, the communication unit 110 may include a general-purpose communication module for performing general-purpose communication.

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.Here, general-purpose communication is communication using the Internet network, or as a cellular communication protocol, for example, LTE (Long-Term Evolution), LTE-A (LTE Advanced), CDMA (Code Division Multiple Access), WCDMA (Wideband CDMA), At least one of Universal Mobile Telecommunications System (UMTS), Wireless Broadband (WiBro), and Global System for Mobile Communications (GSM) may be used.

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. The communication unit 110 may periodically receive the real transaction price data group and the housing status data group of the apartment house from the server of the Ministry of Land, Infrastructure and Transport. Also, the communication unit 110 may periodically receive the auction history data group from the data transaction server.

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.Here, the actual transaction price data group is a data set linked to the actual transaction price and the actual transaction price of all apartment houses, and may include a plurality of data sets divided by the actual transaction price (transaction amount) information, as shown in FIG. , each of the plurality of data sets includes actual transaction price information, construction year information, transaction year information, transaction month information, transaction date information, apartment complex name information, exclusive area information of the transaction apartment, serial number information of the actual transaction price, and address of the transaction apartment Information (statutory code) may be included.

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.Here, the housing status data group is a set of data on the status of all apartment houses, as shown in FIG. 4 , and may include a plurality of data sets divided by apartment house code information, and each of the plurality of data sets includes It may include apartment code information, apartment complex name information, address information (statutory dong address) of the apartment house, heating method information, the same number of information and the number of households information.

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.Here, the auction history data group is a set of data on the auction history of all apartment houses, and as shown in FIG. 5 , may include a plurality of data sets divided by auction case number information, and each of the plurality of data sets Auction case number, auction classification information, billing amount information, start decision date information, auction item number information, total appraised value information, minimum sale price information, final sale date information, initial sale date information, number of sale information, number of bids information , may include information on the successful bid amount and address information (statutory dong address) of the auction house.

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.On the other hand, the communication unit 110 may receive an estimation request signal for requesting estimation of the value of the mortgage of the multi-family house to be evaluated to evaluate and estimate the value of the mortgage from the user terminal 200 .

이때, 통신부(110)는 사용자 단말(200)로부터 피평가 공동 주택의 피평가 주택 현황 데이터를 추정 요청 신호와 함께 수신할 수 있다.In this case, the communication unit 110 may receive from the user terminal 200 the status data of the house to be evaluated of the apartment to be evaluated together with the estimation request signal.

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.Here, the status data of the house to be evaluated is data on the status of the apartment to be evaluated, and the address information (the lot number address) of the apartment to be evaluated, the apartment name information, the number of households information, the same number information, the heating method information, the corridor type information, the building It may include year information, exclusive area information, and number of stories information.

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.Meanwhile, the communication unit 110 may transmit the determined home equity value to the user terminal 200 when the mortgage value of the apartment house to be evaluated is determined by the processor 130 .

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.As shown in FIGS. 3 to 5 , the database 120 may classify and store an actual transaction price data group, a housing status data group, and an auction history data group, respectively.

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.Accordingly, when the latest real transaction price data group, housing status data group, and auction history data group are received by the communication unit 110 , the database 120 stores the actual transaction price data group, the housing status data group, and the auction history data group in advance. It may be accumulated or updated and stored.

또한, 데이터 베이스(120)에는 프로세서(130)에 의해 생성된 공동 주택 마스터 데이터군이 저장될 수 있다.Also, the database 120 may store the apartment house master data group generated by the processor 130 .

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.The database 120 may include a non-volatile memory and a volatile memory, and the database 120 may be implemented in the form of storing information through a cloud service.

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. The processor 130 may generate the apartment house master data group of the apartment house by mapping the data sets included in each of the actual transaction price data group, the housing status data group, and the auction history data group based on the address information of the apartment house.

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. At this time, the processor 130 maps the data sets included in each of two or more data groups among the actual transaction price data group, the housing status data group, and the auction history data group based on the address information of the apartment house to map the apartment house master data of the apartment house You can create groups.

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. In an embodiment, the processor 130 may generate the apartment house master data group of the apartment house by mapping the data sets included in each of the actual transaction price data group and the housing status data group based on the address information of the apartment house.

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.Hereinafter, when the processor 130 maps the data sets included in each of the actual transaction price data group, the housing status data group, and the auction history data group based on the address information of the apartment house to generate the apartment house master data group of the apartment house to explain about it.

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.The processor 130 may generate apartment house identification data for each of the data sets based on address information of the data sets included in each of the actual transaction price data group, the housing status data group, and the auction history data group.

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.That is, the processor 130 generates apartment house identification data for each of the plurality of data sets from address information of the plurality of data sets included in the actual transaction price data group, and address information of the plurality of data sets included in the housing status data group may generate apartment house identification data for each of the plurality of data sets, and generate apartment house identification data for each of the plurality of data sets from address information of the plurality of data sets included in the auction history data group.

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.At this time, when the address information is a statutory dong code, the processor 130 generates the statutory dong code as apartment house identification data, and when the address information is a lot address or street name address formed in text, the address information is converted into a statutory dong code. It can be created with apartment house identification data.

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. Thereafter, the processor 130 may generate the apartment house master data group by mapping each data set of the actual transaction price data group, the housing status data group, and the auction history data group having the same apartment house identification data.

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.Meanwhile, the processor 130 may start estimating the mortgage value of the multi-family house to be assessed when the status data of the house to be evaluated is received together with the estimation request signal to the communication unit 110 .

프로세서(130)는 피평가 주택 현황 데이터에 기초하여 공동 주택 마스터 데이터군으로부터 공동 주택 세그먼트 데이터군을 생성할 수 있다.The processor 130 may generate the apartment house segment data group from the apartment house master data group based on the status data of the house to be evaluated.

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. Specifically, the processor 130 sets a first extraction condition based on the status data of the house to be evaluated, and extracts data sets that satisfy the first extraction condition from among the apartment house master data group to generate the apartment house segment data group. can

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.Here, the first extraction condition is whether the statutory dong code corresponding to the address information included in the housing status data to be evaluated and the statutory dong code of the data set of the apartment house master data group are the same, and information on the price range per pyeong corresponding to the apartment to be evaluated It may be whether the flat price information of the data set of the apartment house master data group is included.

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. That is, the processor 130 determines that the statutory dong code of the data set of the apartment house master data group is the same as the statutory dong code corresponding to the address information included in the assessed housing status data, and the price information per pyeong of the data set of the apartment house master data group If a is included in the price per pyeong range information corresponding to the apartment house to be evaluated, it is determined that the corresponding data set satisfies the first extraction condition, and the data set can be extracted to generate the apartment house segment data group.

이때, 프로세서(130)는 K-means 클러스터링 알고리즘을 이용하여 공동 주택 세그먼트 데이터군을 생성할 수 있다.In this case, the processor 130 may generate the apartment house segment data group by using the K-means clustering algorithm.

프로세서(130)는 공동 주택 세그먼트 데이터군에 기초하여 주택 담보 가치 추정 모델을 생성할 수 있다. The processor 130 may generate a mortgage value estimation model based on the apartment house segment data group.

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.To this end, the processor 130 may derive and transform information included in each of the plurality of data sets of the apartment house segment data group to be used for generation of a mortgage value estimation model.

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.For example, the processor 130 divides and derives information in which year information, month information, and date information are combined into year information, month information, and date information, respectively, or uses actual transaction price information and supply area information to generate a price per pyeong. information can be derived.

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.In addition, the processor 130 may convert information that is a text type or other type of code type into a numeric variable type, a dummy variable type, and a categorical variable type so that information can be used for generating a mortgage value estimation model.

프로세서(130)는 추정 모델 생성 알고리즘을 이용하여 공동 주택 세그먼트 데이터군으로부터 주택 담보 가치 추정 모델을 생성할 수 있다.The processor 130 may generate a mortgage value estimation model from the apartment house segment data group by using the estimation model generation algorithm.

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.In one embodiment, the estimation model generation algorithm includes a Quantile Regression algorithm, a Lasso algorithm, an Adaptive Lasso algorithm, a Lasso Quantile Regression algorithm, and an Adaptive Lasso percentile regression (Adaptive) algorithm. It may be any one of Lasso Quantile Regression) algorithms.

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.On the other hand, the percentile regression (Quantile Regression) algorithm, the Lasso (Lasso) algorithm, the adaptive Lasso (Adaptive Lasso) algorithm, the Lasso percentile regression (Lasso Quantile Regression) algorithm and the adaptive Lasso percentile regression (Adaptive Lasso Quantile Regression) algorithm is As an algorithm widely known in the art of , descriptions related to basic equations and basic parameters will be omitted.

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.In an embodiment, the processor 130 may generate a mortgage value estimation model from the apartment house segment data group by using an adaptive Lasso quantile regression algorithm as an estimation model generation algorithm.

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. Through this, the processor 130 calculates a regression coefficient through an adaptive lasso quantile regression algorithm, so that the information (explanatory variable) indicating that it is significant in the estimation of the value of the mortgage among the information of the apartment house segment data group can be selected

이후, 프로세서(130)는 복수의 최적화 알고리즘을 각각 이용하여 주택 담보 가치 추정 모델로부터 복수의 최적화 모델을 각각 생성할 수 있다.Thereafter, the processor 130 may generate a plurality of optimization models from the mortgage value estimation model by using a plurality of optimization algorithms, respectively.

프로세서(130)는 피평가 주택 현황 데이터를 복수의 최적화 모델 각각의 입력값으로 입력하여 복수의 주택 담보 가치 추정 후보 데이터를 생성할 수 있다.The processor 130 may generate a plurality of candidate data for estimating the value of a home equity by inputting the status data of the house to be evaluated as an input value of each of the plurality of optimization models.

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.In an embodiment, the plurality of optimization algorithms may be an Interior Point Method algorithm, a Majorization Minimization algorithm, and an Alternating Direction Method of Multipliers (ADMM) algorithm.

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.That is, the processor 130 performs each of a plurality of optimization algorithms, an Interior Point Method algorithm, a Majorization Minimization algorithm, and an Alternating Direction Method of Multipliers (ADMM) algorithm from one generated home equity value estimation model. A plurality of optimization models can be generated respectively by using them.

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.On the other hand, the interior point method (Interior Point Method) algorithm, the maximum minimization (Majorization Minimization) algorithm, and the ADMM (Alternating Direction Method of Multipliers) algorithm is a well-known algorithm in the technical field of the present invention, basic formulas, descriptions related to basic parameters, etc. are omitted do it

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.Thereafter, the processor 130 generates the mortgage value estimation candidate data through the optimization model generated using the interior point method algorithm, and through the optimization model generated using the maximum minimization (Majorization Minimization) algorithm. Candidate data for estimating the value of a home equity may be generated, and candidate data for estimating the value of a home equity may be generated through an optimization model generated using an Alternating Direction Method of Multipliers (ADMM) algorithm.

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.Here, the mortgage value estimation candidate data may be percentile data in which data that can be estimated as the mortgage value of the apartment to be evaluated are sorted based on the percentile. For example, the candidate data for estimating the value of the home equity may be data including a percentile of a percentile having a percentile range of 5% to 95% and a percentile unit of 5%.

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.Subsequently, the processor 130 may compare the actual transaction price reference percentile with the plurality of housing collateral value estimation candidate data, and select any one of the plurality of housing collateral value estimation candidate data as the housing collateral value estimation data.

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. To this end, the processor 130 may set a second extraction condition based on the status data of the house to be evaluated, and extract the actual transaction price data satisfying the second extraction condition from the actual transaction price data group.

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.Here, the second extraction condition is whether the statutory dong code corresponding to the address information included in the housing status data to be evaluated and the statutory dong code of the data set of the actual transaction data group are the same, and the data set of the actual transaction price data group in the range of the transaction reference date. It may be whether transaction year information, transaction month information, and transaction date information of the transaction data group are included. For example, the transaction reference date range may be two years from the estimated time point.

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. The processor 130 may align and analyze the extracted actual transaction price data to generate actual transaction price percentile data, and set the actual transaction price percentile corresponding to the reference percentile among the actual transaction price percentile data as the actual transaction price reference percentile.

일 실시 예에서, 기준 백분위는 “50%”일 수 있으나, 프로세서(130)에 의해 임의로 변경되어 설정될 수 있다.In an embodiment, the reference percentile may be “50%”, but may be arbitrarily changed and set by the processor 130 .

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.Meanwhile, the actual transaction price percentile data may be percentile data in which actual transaction prices corresponding to the apartment to be evaluated are sorted based on the percentile. For example, the actual transaction price percentile data may be data including a percentile with a percentile range of 5% to 95% and a percentile unit of 5%.

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.Subsequently, the processor 130 may identify each of the plurality of value estimation candidate percentiles corresponding to the reference percentile from among the plurality of pieces of housing collateral value estimation candidate data, respectively.

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.The processor 130 is one of a plurality of mortgage value estimation candidate data based on a first percentile error between each of the plurality of value estimation candidate percentiles identified from each of the reference percentile and the plurality of mortgage value estimation candidate data. The candidate data for estimating the value of the mortgage may be selected as the data for estimating the value of the mortgage.

구체적으로, 프로세서(130)는 제1 백분위수 오차가 최소인 주택 담보 가치 추정 후보 데이터를 주택 담보 가치 추정 데이터로 선택할 수 있다.Specifically, the processor 130 may select the mortgage value estimation candidate data having the minimum first percentile error as the housing mortgage value estimation data.

이를 통해, 프로세서(130)는 선택된 주택 담보 가치 추정 데이터에 기초하여 피평가 공동 주택의 주택 담보 가치를 결정할 수 있다.Through this, the processor 130 may determine the mortgage value of the multi-family house to be evaluated based on the selected mortgage value estimation data.

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.Specifically, the processor 130 may calculate a second percentile error for each percentile between the actual transaction price percentile of the actual transaction price percentile data and the value estimation percentile of the home mortgage value estimation data.

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.For example, the processor 130 may calculate a second percentile error between the actual transaction price percentile and the value estimation percentile corresponding to 5% of the percentile, and calculate a second percentile error for each percentile for all percentiles. .

이후, 프로세서(130)는 제2 백분위수 오차에 기초하여 주택 담보 가치를 결정할 수 있다.Thereafter, the processor 130 may determine the value of the home equity based on the second percentile error.

프로세서(130)는 제2 백분위수 오차가 최소인 가치 추정 백분위수를 주택 담보 가치로 결정할 수 있다.The processor 130 may determine a value estimation percentile having the smallest second percentile error as the home equity value.

한편, 다른 실시 예에 따른 프로세서(130)는 기준 상하한 백분위에 기초하여 상한 주택 담보 가치와 하한 주택 담보 가치를 결정할 수 있다.Meanwhile, the processor 130 according to another embodiment may determine an upper limit value of a home equity and a lower limit on the basis of the reference upper and lower limit percentiles.

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.Specifically, the processor 130 according to another embodiment calculates the upper limit percentile by summing the reference upper and lower limit percentiles to the percentile corresponding to the value estimation percentile having the minimum second percentile error, and the upper limit in the housing collateral value estimation data The value estimate percentile corresponding to the percentile may be determined as the upper-bounded mortgage value.

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.In addition, the processor 130 according to another embodiment calculates a lower limit percentile by subtracting the reference upper and lower limit percentiles from the percentile corresponding to the value estimation percentile having the smallest second percentile error, and the lower limit percentile from the housing collateral value estimation data. A value estimation percentile corresponding to can be determined as the lower bound value of the mortgage.

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.On the other hand, the processor 130 according to another embodiment collects and generates actual transaction price trend information, actual transaction price history information, and auction successful bid information corresponding to the apartment to be evaluated, and actual transaction price trend information, actual transaction price history information, and auction The communication unit 110 may be controlled to transmit successful bid information to the user terminal 200 .

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.Meanwhile, the processor 130 according to an embodiment may include one or more of a central processing unit (CPU), an application processor (AP), and a communication processor (CP). have. The processor 130 may execute an operation or data processing related to control and/or communication of at least one other component of the estimation server 100 .

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.6 is a block diagram illustrating components of the user terminal 200 of the multi-family mortgage value estimation system 10 according to an embodiment of the present invention, and FIG. 7 is a multi-family mortgage according to an embodiment of the present invention. It is a diagram illustrating an example of information displayed by a user terminal of a value estimation system.

도 6 및 도 7을 더 참조하면, 사용자 단말(200)은 통신부(210), 저장부(220), 프로세서(230) 및 표시부(240)를 포함할 수 있다.6 and 7 , the user terminal 200 may include a communication unit 210 , a storage unit 220 , a processor 230 , and a display unit 240 .

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.The communication unit 210 may be connected to a communication network to communicate with the estimation server 100 using general-purpose communication. To this end, the communication unit 210 may include a general-purpose communication module for performing general-purpose communication. Here, the general-purpose communication is communication using the Internet network, or as a cellular communication protocol, for example, at least one of LTE, LTE-A, CDMA, WCDMA, UMTS, WiBro, and GSM may be used.

통신부(210)는 추정 요청 신호와 함께 피평가 주택 현황 데이터를 추정 서버(100)로 송신할 수 있다.The communication unit 210 may transmit to the estimation server 100 the data on the status of the house to be evaluated together with the estimation request signal.

또한, 통신부(210)는 추정 서버(100)로부터 추정 요청 신호의 응답으로 피평가 공동 주택의 주택 담보 가치를 수신할 수 있다.Also, the communication unit 210 may receive the mortgage value of the multi-family house to be evaluated in response to the estimation request signal from the estimation server 100 .

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.Also, the communication unit 210 may receive, from the estimation server 100 , actual transaction price trend information, actual transaction price history information, and auction successful bid information corresponding to the apartment to be evaluated.

저장부(220)에는 통신부(210)에 수신된 다양한 정보가 저장될 수 있다.Various information received by the communication unit 210 may be stored in the storage 220 .

또한, 저장부(220)에는 사용자 단말(200)이 프로세서(230)에 의해 제어되기 위해 프로그래밍된 동작 프로그램(예를 들어, 애플리케이션)을 저장할 수 있다.In addition, the storage 220 may store an operation program (eg, an application) programmed so that the user terminal 200 is controlled by the processor 230 .

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.The storage unit 220 may include a non-volatile memory and a volatile memory, and an operation program may be stored in the non-volatile memory and loaded into the volatile memory to operate.

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.The processor 230 according to an embodiment may include one or more of a central processing unit (CPU), an application processor (AP), and a communication processor (CP). The processor 230 may execute an operation or data processing related to control and/or communication of at least one other component of the user terminal 200 .

한편, 표시부(240)는 다양한 정보를 표시하도록 디스플레이 모듈을 구비할 수 있다.Meanwhile, the display unit 240 may include a display module to display various information.

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.As shown in FIG. 7 , the display unit 240 may display the mortgage value of the multi-family house to be evaluated received in response to the estimation request signal. In this case, the display unit 240 may display both the upper limit value of the mortgage and the lower limit of the value of the mortgage.

또한, 표시부(240)는 피평가 공동 주택에 대응하는 실거래가 추이 정보, 실거래가 이력 정보 및 경매 낙찰 정보를 표시할 수 있다.Also, the display unit 240 may display actual transaction price trend information, actual transaction price history information, and auction successful bid information corresponding to the apartment to be evaluated.

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.Through this, the user of the user terminal 200 can review the mortgage loan by reading the housing collateral value, actual transaction price trend information, actual transaction price history information, and auction successful bid information provided from the estimation server 100 .

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.So far, the present invention has been focused on a preferred embodiment. Those of ordinary skill in the art to which the present invention pertains will understand that the present invention can be implemented in modified forms without departing from the essential characteristics of the present invention. Therefore, the disclosed embodiments should be considered in an illustrative rather than a restrictive point of view. The scope of the present invention is indicated in the claims rather than the foregoing description, and all differences within an equivalent scope should be construed as being included in the present invention.

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.As described above, although the present invention has been described with reference to limited embodiments and drawings, the present invention is not limited thereto, and the technical idea of the present invention and the following by those skilled in the art to which the present invention pertains Of course, various modifications and variations are possible within the scope of equivalents of the claims to be described.

10: 공동 주택 담보 가치 추정 시스템
100: 추정 서버
200: 사용자 단말10: Estimation system for the value of a home equity mortgage
100: estimation server
200: user terminal

Claims

Acquire the real transaction price data group, the housing status data group, and the auction history data group of the apartment house, and include each of the actual transaction price data group, the housing status data group, and the auction history data group based on the address information of the apartment house an estimation server for generating a multi-family house master data group of the multi-family house by mapping the data set; and
Includes; a user terminal that acquires the status data of the house to be assessed of the apartment house to be estimated to be estimated and transmits it to the estimation server;
The estimation server is
Generate a multi-family house segment data group from the multi-family house master data group on the basis of the assessed house status data, generate a mortgage value estimation model based on the multi-family house segment data group, and use a plurality of optimization algorithms, respectively to generate a plurality of optimization models from the mortgage value estimation model, respectively, and input the assessed housing status data as input values for each of the plurality of optimization models to generate a plurality of mortgage value estimation candidate data, and the actual transaction price By comparing a reference percentile with the plurality of candidate data for estimating the value of a home equity, any one of a plurality of candidate data for estimating the value of a home equity is selected as the data for estimating the value of the home equity, and based on the selected data estimation of the value of the home equity, the value to be evaluated determine the value of the mortgage for the apartment house;
The estimation server is
A second extraction condition is set based on the current status data of the house to be evaluated, the actual transaction price data satisfying the second extraction condition is extracted from the actual transaction price data group, and the actual transaction price data is sorted and analyzed to determine the actual transaction price percentile generating data, and setting an actual transaction price percentile corresponding to a reference percentile among the actual transaction price percentile data as the actual transaction price reference percentile;
The estimation server is
Identify each of a plurality of value estimation candidate percentiles corresponding to a reference percentile among each of the plurality of mortgage value estimation candidate data, and a first percentile error between the reference percentile and each of the plurality of value estimation candidate percentiles Selecting any one of the plurality of housing collateral value estimation candidate data as the housing collateral value estimation data based on the
The estimation server is
A first extraction condition is set based on the condition of the house to be evaluated, and the data sets satisfying the first extraction condition are extracted from the apartment house master data group to generate the apartment house segment data group. doing
A system for estimating the value of a mortgage using an optimized modeling of the housing condition data.