우리나라 대도시의 주택가격지수 변화 패턴 분석 = (An) analysis on the changing pattern of housing price index in Korean metropolitan areas

국문 초록 (Abstract)

본 연구에서는 주택가격지수를 이용하여 전국 및 7개 대도시별로 변화 패턴을 살펴보았다. 이러한 시장의 흐름을 예측할 수 있는 시계열 분석기법으로 ARIMA 모형과 인공신경망 모형을 이용하였고, 미래 주택시장의 모형별 변화 패턴을 분석해 보는 것을 본 연구의 목적으로 하였다. 세부적으로 전국의 주택가격지수의 흐름을 두 가지 모형을 이용하여 변화 패턴을 살펴보았고, 7개 대도시를 주택가격지수의 변동이 유사한 군집으로 나눠 각 모형별 변화 패턴을 검증하였다.
실증분석에 앞서 주택가격지수를 전국의 7개 대도시별로 제시하고 과거 지수의 흐름에 근거하여 변화 패턴이 유사한 군집으로 묶어보았다. 주택가격지수의 변화 패턴이 유사한 대도시를 묶는 연구방법으로는 군집분석을 사용하였으며, 종속변수로는 주택가격지수의 시계열 자료를 사용하여 횡단면으로 끊었을 때보다 장기간 누적된 데이터를 통한 군집의 구분이 가능하게 하였다. 그 후 ARIMA 모형과 인공신경망 모형을 이용하여 전국 및 군집별 주택가격지수의 변화 패턴을 예측하였다. 예측의 시간적 범위는 1986년 1월부터 2008년 5월까지의 자료를 이용하였고, 예측값을 실제값과 비교하여 각 모형별 군집별 변화 패턴을 비교분석하였다.
본 연구에서는 전국 및 7개 대도시의 주택가격지수 변화 패턴을 예측하기 위해 전국을 주택가격지수의 변화 패턴에 따라 3개의 군집으로 구분하였는데, 각 군집별 분석결과는 다음과 같다.
첫째, 제1군집은 주택가격지수의 상승 패턴이 가장 높은 경우로 서울특별시와 인천광역시의 총 2개의 대도시가 포함되었다. 둘째, 제2군집은 주택가격지수의 상승 패턴이 두 번째로 높은 경우로 대전광역시, 대구광역시, 울산광역시, 부산광역시의 4개 대도시가 포함되었다. 셋째, 제3군집은 가장 낮은 상승 패턴을 보인 경우로 7개 대도시 중 광주광역시만 포함되었다.
ARIMA 모형과 인공신경망 모형을 이용하여 전국 및 군집별 주택가격지수의 변화 패턴 을 예측한 결과는 다음과 같이 요약된다.
첫째, 전국 주택가격지수의 변화 패턴 분석결과 1986년 1월부터 1년간 미미하게 하락하던 주택가격지수는 1991년 2월까지 급상승하는 패턴을 나타내었고, 그 후 기준시점인 1998년 11월까지 안정적인 패턴을 보이다가 다시 급상승하는 패턴을 나타내었다. ARIMA 모형을 이용한 전국 주택가격지수의 변화 패턴과 인공신경망 모형을 이용한 변화 패턴의 차이를 보면, 주택가격지수의 상승 시점에서 ARIMA 모형의 패턴이 더욱 높은 수치를 나타내었다. 세부 기간 중 상승기의 꼭지점에 있었던 1988년 9월, 1991년 5월, 1996년 4월, 2003년 11월, 2006년 12월 등에서 ARIMA 모형의 값이 인공신경망 모형의 값에 비해 평균 5정도 높게 나타났다.
둘째, 제1군집 주택가격지수의 변화 패턴 분석에서는 IMF 외환위기 바로 전 시점인 1998 초까지 소폭 상승하는 패턴으로 보이다가 IMF 시점에 급하락하였고 그 후 현재까지는 급격히 상승하는 패턴을 나타내었다. ARIMA 모형을 이용한 제1군집 주택가격지수의 변화 패턴과 인공신경망 모형을 이용한 변화 패턴의 차이를 보면, 기준시점 이후 보다는 기준시점 이전에 큰 차이를 보였다. ARIMA 모형을 이용하였을 때 1986년 1월부터 1987년 중반까지 하락하다가 1991년 초까지 급상승하는 패턴을 나타냈는데 반해, 인공신경망 모형을 이용하였을 때는 1986년 1월부터 1991년 초까지 완만히 상승하는 패턴을 나타내었다.
셋째, 제2군집 주택가격지수의 변화 패턴 분석에서는 1986년 1월부터 1987년 중순까지는 안정세를 보이다가 1991년 중순까지 4년여 동안은 급격한 상승 패턴을 나타내었다. 이것은 1998년 서울올림픽을 전후하여 주택건설경기의 상승에 의한 결과인 것으로 사료된다. 그 후 1993년 초까지 하락하던 패턴이 IMF 시기까지 안정적인 흐름을 보였으며, 1998년 11월에 최저점을 나타낸 후 현재까지 급격한 상승 패턴을 보였다.
넷째, 제3군집 주택가격지수의 변화 패턴 분석에서는 1986년 1월부터 약 2년여 동안 안정세를 보이던 주택가격지수는 1988년 초부터 1990년 중순까지 약 2년 반동안 급격한 상승 패턴을 나타내었다. 그 후 1998년까지 안정적인 상승 패턴을 보이고 IMF 기간인 1998년부터 2002년 초까지 급하락하는 패턴을 나타내었다. 이것은 다른 군집과 비교했을 때 그 기간이 가장 길게 나타나 광주광역시가 다른 대도시에 비해 IMF의 영향을 가장 오랫동안 받았음을 유추할 수 있었다. 그 후 현재까지는 차분히 상승하는 패턴을 나타내었는데 다른 군집에 비해 그 상승 패턴 정도가 약한 것으로 보아 광주광역시의 자본축적이 약함을 판단할 수 있다. ARIMA 모형을 이용한 제3군집 주택가격지수의 변화 패턴과 인공신경망 모형을 이용한 변화 패턴의 차이를 보면, IMF 기간 중에 인공신경망 모형을 이용한 주택가격지수의 변화 패턴은 1년여간 급상승하다가 하락하는 흐름을 보여주었으나 ARIMA 모형을 이용하였을 때는 3개월간 소폭 상승하다가 하락하는 패턴을 보여주었다.

다국어 초록 (Multilingual Abstract)

This study examined the changing pattern of metropolitan areas based on 7 metropolitan areas and the entire parts of the nation by using housing price index. For that, ARIMA model and artificial nerve network model were employed as time series analysis technique to forecast the market trend, and this study aimed to analyze the changing pattern of future housing market by model. Specifically, the trend of the changing pattern of housing price index across the country were examined by using those two models, and the changing pattern by model were validated by categorizing 7 metropolitan areas into groups with similar changes in housing price index. The housing price index were presented by 7 metropolitan areas across the country, and they were categorized into groups with similar changing patterns based on the trend of past index prior to the empirical analysis. Group analysis were performed to classify metropolitan areas with similar changing patterns of housing price index, and time series data of the housing price index was used as dependent variables to make it possible to distinguish different groups through data accumulated over the long term, rather than segmenting horizontally.
And then, ARIMA model and artificial nerve network model were utilized to forecast the changing patterns of price index across the country and by groups. The data from January 1986 to May 2008 was applied to the temporal scope of the forecast, and the forecast value and actual value were compared to analyze the changing patterns by model and group.
In this study, the entire parts of the nation were divided into three groups depending on the changing patterns of housing price index in order to forecast the changing patterns of housing price index across the country and 7 metropolitan areas in Korea. The result of analysis based on group indicated the followings:
First, the first group which showed the highest rising pattern of housing price index included two metropolitan areas, that is Seoul Metropolitan City and Incheon Metropolitan City. Second, the second group which showed the second highest rising patterns of housing price index included 4 metropolitan areas such as Daejeon Metropolitan City, Daegu Metropolitan City, Ulsan Metropolitan City, and Busan Metropolitan City. Third, the third group which showed the lowest rising patterns of housing price index included only one city among large metropolitan area, that is Gwangju Metropolitan City.
Based on the analysis utilizing ARIMA model and artificial nerve network model, the changing patterns of housing price index of entire parts of the country and groups were forecast like this:
First, the result of the analysis in relation to the changing patterns of housing price index across the country indicated that the housing price index which had declined slightly for 1 year from January 1986 soared until January 1991 before stabilizing until November 1998, the basis temporal point, and then rising steeply again.
As to the difference in the changing patterns of housing price index across the country and the changing patterns which were revealed by using artificial nerve network model, the pattern of ARIMA model showed even higher figure at the point where the housing price index rose. The value of ARIMA model was five times higher than the value of artificial nerve network model at the peak point in the rising period that is September 1988, May 1991, April 1996, Novembr 2003, December 2006, etc.
Second, the result of analysis on the changing pattern of housing price index of the first group indicated that the housing price index rose slightly until the early part of 1998 - which was right before the outbreak of financial crisis in the aftermath of IMF bailout condition - and then declined sharply when the financial crisis came, and the pattern of steep rise has continued to date.
As to the difference in the changing patterns of housing price index for the first group which was revealed by using ARIMA model and the changing patterns which were revealed by using artificial nerve network model, a significant difference was shown at the point before the basis temporal period rather than the point after the basis temporal point. The the price index was found to have declined from January 1986 to mid 1987 and then increased sharply until early 1991 on the basis of ARIMA model, while it increased slowly from January 1986 to early 1991 on the basis of artificial nerve network model.
Third, the result of analysis on the changing patterns of housing price index indicated that the housing price had remained stable from January 1986 to mid 1987 before rising steeply for about 4 years until mid 1991. That is considered to be attributable to the booming housing business before and after Seoul Olympic Games in 1988. Later, the housing price which had declined until early 1993 became stable until the financial crisis came in the wake of IMF bailout condition, and has increased sharply until now since it hit the lowest point in November 1998.
Fourth, the result of analysis on the housing price index of the third group indicated that the housing price which had remained stable for about two years from January 1986 increased steeply from early 1988 to mid 1990s. Later, it increased in a stable pattern until decreasing remarkably from 1998 to early 2002 which is the period affected by the financial crisis in the aftermath of IMF bailout condition. That implies that Gwangju Metropolitan City were affected by the aftermath of IMF bailout condition more than any other cities across the nation as the city showed the longest period of steep decline in the housing price compared to other groups. Considering that the increase of the housing price in Gwangju Metropolitan City has been slow and the smallest compared to other groups, it can be inferred that the capital accumulation has been the weakest in Gwangju Metropolitan City.
The difference between the changing patterns of the housing price index of the third group based on the ARIMA model and the changing patterns of the housing price index of the third group based on the artificial nerve network model indicated that the changing pattern of housing price index based on artificial nerve system suggested that it had increased sharply for about a year before declining, while the changing pattern of housing price index based on ARIMA model suggested that it increased a little bit for about three months before declining.

목차 (Table of Contents)

• 제1장 서론 = 1
• 제1절 연구의 배경 및 목적 = 1
• 제2절 연구의 범위 및 방법 = 2
• 제2장 이론적 고찰 = 5
• 제1절 부동산 가격지수의 의의 = 5
• 1. 가격지수의 개념 = 5
• 2. 부동산 가격지수의 개념 및 유형 = 6
• 3. 주택가격지수의 개념 및 특성 = 8
• 제2절 도시내부구조의 변화 및 주택 경기변동 이론 = 13
• 1. 도시내부구조의 변화 이론 = 13
• 2. 주택경기 변동 이론 = 19
• 3. 도시내부구조의 변화와 주택가격지수의 관계 = 23
• 제3절 시계열 분석의 의의 = 25
• 1. 시계열 분석의 개념 = 25
• 2. 시계열 분석기법의 분류 = 30
• 3. 주택가격지수의 변화 패턴 예측 모형 = 41
• 제4절 선행연구의 고찰 = 44
• 1. 주택가격지수의 변화 패턴에 관한 연구 = 44
• 2. 대도시의 분류에 관한 연구 = 46
• 3. 주택가격지수의 예측에 관한 연구 = 49
• 제3장 주택가격지수의 구축 현황 = 52
• 제1절 주택가격지수의 구축 배경 = 52
• 1. 국민은행의 주택가격지수 = 53
• 2. 한국감정원의 주택가격지수 = 57
• 제2절 주택가격지수의 구축 현황 = 58
• 1. 국민은행의 주택가격지수 = 58
• 2. 한국감정원의 주택가격지수 = 65
• 제3절 종합 검토 = 67
• 제4장 대도시 주택가격지수의 변화 패턴에 따른 분류 = 69
• 제1절 분석의 틀 = 69
• 1. 분석목표 = 69
• 2. 분석기법 = 70
• 3. 분석절차 = 72
• 제2절 분석 및 검증 = 76
• 1. 주택가격지수를 기준으로 한 계층적 군집분석 = 76
• 2. 주택가격지수를 기준으로 한 K-평균 군집분석 = 77
• 3. 군집분석 결과의 검증 = 82
• 제5장 대도시의 주택가격지수 변화 패턴 분석 = 84
• 제1절 ARIMA 모형을 이용한 분석 = 84
• 1. 전국 주택가격지수의 변화 예측 = 84
• 2. 군집별 주택가격지수의 변화 예측 = 91
• 3. 전국과 군집별 주택가격지수의 변화 패턴 비교 = 98
• 제2절 인공신경망 모형을 이용한 분석 = 100
• 1. 전국 주택가격지수의 변화 예측 = 100
• 2. 군집별 주택가격지수의 변화 예측 = 110
• 3. 전국과 군집별 주택가격지수의 변화 패턴 비교 = 116
• 제3절 분석결과 종합 = 117
• 1. 전국 주택가격지수의 변화 패턴 = 117
• 2. 군집별 주택가격지수의 변화 패턴 = 119
• 제6장 결론 = 123
• 제1절 연구의 요약 = 123
• 제2절 연구의 시사점 및 한계 = 126
• 참고문헌 = 128
• 부록 = 136
• (Abstract) = 154