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
Kim, Jinseok (Seoul National University) Kim, Kyung-Min (Seoul National University)
저널정보
대한국토·도시계획학회 국토계획 國土計劃 第58卷 第4號(通卷 第271號)
발행연도
2023.8
수록면
160 - 177 (18page)
DOI
10.17208/jkpa.2023.08.58.4.160

이용수

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

초록· 키워드

오류제보하기
The house price index is essential for assessing the housing market conditions and predicting future changes in the market. However, the two main methods for calculating the housing price index, the appraisal-based index and transaction-based index, have significant drawbacks. The appraisal-based index method has issues such as smoothing and lag bias owing to the involvement of human appraisers, and it also requires significant manpower for calculations. The transaction-based index method requires numerous transaction samples to achieve statistical significance, making it challenging to be created for small regions or when transactions are scarce. To address these issues, we propose an alternative approach that employs a machine learning model to estimate time-series transaction prices for individual apartments and builds a Laspeyres index with the estimated prices. We demonstrated the model’s ability to capture serial correlation of house prices, enabling accurate estimations even with unobserved potential prices. Comparing our prediction-based index to existing Korean house price indices, we observed local smoothing but overall alignment with the global trend of the transaction-based index, facilitating smooth index calculation for small areas. This study offers a novel method for house price index calculation that mitigates limitations of traditional approaches by using machine learning for more precise house price estimation, even with limited housing transaction data.
#House Price Index #Machine Learning #Artificial Neural Network #House Price Valuation #Smoothing #주택가격지수 #머신러닝 #인공신경망 #주택가격산정 #평활화

목차

Abstract
Ⅰ. Introduction
Ⅱ. Literature Review
Ⅲ. Hypothesis and Scope of Study
Ⅳ. Research Methods
Ⅴ. Description of Data and Model
VI. Results
VII. Conclusion
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

이 논문의 저자 정보

이 논문과 함께 이용한 논문

스마트서울 도시데이터 센서(S-DoT)를 활용한 미시적 폭염 취약성 평가에 관한 연구
김지수 ,  강민규 국토계획 2022 .10
Mobility Big Data-Based Movement Patterns and Inducement Factors Analysis
Bae ,  Min-Cheul ,  Lee 외 3명 국토계획 2023 .12
기계학습을 활용한 소득계층별 통근시간 영향요인
김성주 ,  송재민 국토계획 2023 .11
야간 위성영상 기반 도시단위 탄소배출량 추정과 영향 요인 분석
문한솔 ,  염재원 ,  정주철 국토계획 2023 .10
주택 유형별 전·월세 선택과 가구 소득의 관계 분석
성은영 ,  임하나 ,  최창규 국토계획 2023 .10

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0102-2023-539-002018099