메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이지영 (키스채권평가) 유재필 (키스채권평가)
저널정보
한국산학기술학회 한국산학기술학회 논문지 한국산학기술학회논문지 제22권 제4호
발행연도
2021.4
수록면
228 - 234 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
부동산의 시장 참여자들에게 부동산 가격에 대한 방향성을 예측하는 것은 의사결정에 있어서 매우 중요하다. 이를 위해 주로 회귀분석, ARIMA, VAR 등의 방법론을 사용하는데 이는 불특정 변수에 의해서 변동하는 자산의 가치를 예측하는데 한계점을 갖는다. 때문에 본 연구에서는 이를 보완하기 위해서 인공신경망 기법을 이용해 부동산 시장에서 유동성이 풍부한 서울 아파트 가격 추이를 예측하고자 한다. 인공신경망 학습을 위해서 총 12개의 거시 및 미시적 변수를 나눠 학습 모형을 설계하는데 거시적 요인은 CASE₁ , 미시적 요인은 CASE₂ 그리고 두 요인을 조합해서 요인을 구성한 CASE₃ 으로 나눠서 실험한다. 그 결과 CASE₁ 과 CASE₂ 는 약 2년 동안 87.5%의 예측을 보이고 CASE₃ 은 95.8%의 예측성과를 보인다. 본 연구는 아파트 가격에 영향을 주는 다양한 요인들을 거시적 및 미시적으로 구분하여 정의하고 미래의 아파트 가격의 방향성을 예측하는데 인공신경망 기법을 제안하고 그 실효성을 분석했다. 따라서 최근 발전하고 있는 학습 기법이 부동산 분야에 다양한 관점으로 적용되어 시장 참여자들의 효율적인 의사결정을 할 수 있기를 기대한다.
#Artificial Neural Network #Machine Learning #Deep Learning #Housing Price #Seoul Apartments

목차

요약
Abstract
1. 연구배경
2. 인공신경망 학습 모형
3. 학습 입력 변수
4. 실험계획 및 분석
5. 결론
References

참고문헌 (17)

참고문헌 신청
D. W. Kim, “Do Households Own Too Much of Housing Asset? An Analysis of Investment Return of Housing Asset”, Journal of Korean Economic Analysis , Vol.23, No.3, pp.171-236, Nov. 2017. DOI: http://dx.doi.org/10.22823/jkea.23.3.201712.171 google schola M. H. Jang and H. S. Kim, “A Research on Fluctuations of Housing Prices Using Text Mining”, Journal of Korean Economic Analysis , Vol.30, No.2, pp.35-42, Apr. 2019. DOI: https://doi.org/10.6107/JKHA.2019.30.2.035 google schola S. S. Lim, “A study on the forecasting models using housing price index”, The Korean Data and Information Science Society , Vol.25, No.1, pp.65-76, Jan. 2014. DOI: http://dx.doi.org/10.7465/jkdi.2014.25.1.65 google schola C. H. Lee, “A Bayesian Variable Selection Method for Seoul Apartment Price Index Prediction”, The Korean Economic Association , Vol.68, No.1, pp.153-190, Mar. 2020. DOI: http://dx.doi.org/10.22841/kjes.2020.68.1.005 google schola W. J. Lee, C. Y. Park, “Prediction of apartment prices per unit in Daegu-Gyeongbuk areas by spatial regression models”, The Korean Data and Information Science Society , Vol.26, No.3, pp.561-568, May. 2015. DOI: https://doi.org/10.7465/jkdi.2015.26.3.561 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0