earticle

영어

The traditional approach to property valuation has been the use of a linear regression model, which has been criticized for assumption of a linear relationship between predictors and the house prices. We tried to overcome the limitation through the deep learning approach, that is, using a multi-hidden layer neural net model. Our finding is that the neural net model outperformed the traditional approach across all the four study areas. We interpreted that the outstanding performance of the neural net model could be attributed to the capability of non-linear modeling of predictors with the example being geographical coordinates. Another noticeable result is that the gap of the model performance between the neural net model and the traditional approach widened as the study area became more heterogeneous. The neural net model was proven to be able to perform more efficiently in the heterogeneous area where the traditional linear regression model suffered when predicting the house prices.

한국어

부동산 가격평가를 위한 전통적 접근은 선형회귀모형을 활용하는 것으로서, 이러한 접근은 설명변수와 종속변수(주택 가격)간 선형의 관계를 가정한다는 한계가 있다. 본 연구는 이러한 한계를 극복하고자 딥러닝 방식, 즉 다층신경망 모형(multilayer neural net model)을 활용하였다. 다층신경망 모형이 전통적 회귀모형보다 주택 가격 예측 성능이 일관되게 탁월함을 4개 사례지역(서울 강남구, 경남 김해시, 전주 덕진구, 전남 해남군) 모두에서 확인하였다. 이러한 성능 향상의 주원인은 다층신경망 모형이 설명변수와 종속변수 간 비선형 관계를 효율적으로 포착할 수 있기 때문인 것으로 해석된다. 설명변수 중 하나인 지리좌표(X, Y)값과 주택 가격 간의 관계를 효율적으로 모델링한 것을 비선형 관계 포착의 예로 들 수 있다. 또 다른 특이점은 사례지역의 이질성이 강해질수록 두 모형 간 성능 격차가 커지는 것을 발견할 수 있었다. 즉, 사례지역에 소재하는 주택의 이질성이 심한 경우, 전통적 모형은 가격 예측의 정확성이 상당히 감소하였으나 다층신경망 모형은 상대적으로 강건한 예측 성능을 보여주었다.