earticle

영어

In this study, office rent rate is predicted using vector autoregression(VAR) model and extreme learning machine(ELM), and a model with excellent predictive power is to be identified. The variables used in this study are office rent rate, vacancy rate, industrial production index, corporate bond yield and construction start performance. The temporal range is from the 2nd quarter of 2003 to the 4th quarter of 2014, and the spatial range is the downtown area, Gangnam area, Mapo/Yeouido area in Seoul. As a result of analysis, there were some differences by region, but generally, office rental rates showed a negative (-) response to the impact of corporate bond yield and construction start performance, while the vacancy rate and industrial production index impact showed a positive (+) response. . As a result of comparing and analyzing the root mean square error (RMSE), mean square error (MSE) and mean absolute percent error (MAPE) of ELM model and VAR model, it was empirically shown that the predictive power of the ELM model is superior to the VAR model. And the predictive power of the initial period of the prediction period was excellent.

한국어

본 연구는 벡터자기회귀모형과 머신러닝 ELM 모형을 이용하여 오피스 임대료 예측력 이 우수한 모형을 파악하고자 한다. 본 연구에서는 오피스 임대료, 공실률, 회사채수익률, 산업생산지수와 건축착공실적을 변수로 사용하였으며 시간적 범위는 2003년 2분기부터 2014년 4분기까지로, 공간적 범위는 서울시 도심권역, 강남권역, 마포/여의도권역으로 설 정하였다. 분석결과, 지역별로 일부분 차이는 존재하였으나 대체적으로 오피스 임대료는 회사채수익률과 건축착공실적 충격에 부(-)의 반응을 나타낸 반면 공실률과 산업생산지수 충격에는 정(+)의 반응을 나타냈다. 머신러닝 ELM모형과 VAR모형의 평균제곱오차(MSE), 평균제곱근오차(RMSE) 및 평균절대백분율오차(MAPE)를 비교 분석한 결과, 머신러닝의 ELM모형의 예측력이 VAR모형보다 우수함을 실증적으로 알 수가 있었고 예측기간 초기 의 예측력이 우수하다는 것을 알수가 있었다.