This paper presents an ’automated valuation model (AVM)’ to automate the time and cost issues inherent in the traditional valuation methodology by the experts. In the process of implementing regression models for estimating real estate prices, existing studies have dealt with three main categories of independent variables: architectural, urban and macroeconomic features. On the other hand, real estate is an asset that is sensitive to local urban development, and the announcement of urban development alone effects the investment sentiment. However, there are not many AVM studies that have examined urban development investment sentiment (UDIS) as an independent variable. Therefore, this study examines how UDIS affects the price estimation of AVM. As a research method, the investment sentiment according to the urban development stage was defined to fit the regression model, collected and preprocessed the data reflecting it, and trained the data into five regression models including multiple linear regression and machine learning to examine the effect of treatment of UDIS variable. Furthermore, the contribution of the UDIS variable was evaluated to understand the internal dynamics regarding the feature. The results showed that the models with UDIS exhibited on average 0.73% more accuracy accross all dataset-model combinations. And SHAP analysis, an ad-hoc explainable model, confirmed that machined learning models also reflect the phenomenon that the closer the transaction is to the announcement of urban development, the more it affects the price. The significance of this study is that it validated the validity of market sentiment as an independent variable, which has been rarely addressed in AVM studies. Furthermore, this study unveils the development method of private enterprise lead commercial AVMs via academic means, which opens up possibility for it to develop further and reduce business costs in both academy and practice.
본 논문은 전문가를 통한 전통적 감정평가방법론에 내재하고 있는 시간과 비용의 문제를 자동화하기 위한 자동감정평가모형(Automated Valuation Model)을 다루고 있다. 기존 연구들은 부동산 가격 추정을 위한 회귀모형을 구현하는 과정에서 독립변수로 건물, 도시, 거시경제 등 크게 세 가지 분류를 다루어왔다. 한편, 부동산은 지역의 도시개발에 민감하게 반응하는 자산으로 도시개발에 대한 공표만으로도 투자 심리에 영향을 미친다. 그러나 현재까지 진행된 AVM 연구에서 독립변수로써 도시개발과 관련된 투자심리(Urban Development Investment Sentiment)를 검토한 바는 많지 않기에, UDIS가 AVM의 가격 예측에 어떤 영향을 미치는가를 주제로 본 연구를 진행하였다. 연구 방법으로는 도시개발 단계에 따른 투자심리를 회귀모형에 적합하게 정의하고, 이를 반영한 데이터를 수집, 전처리하여 선형회귀분석과 기계학습을 포함한 5개 회귀모형에 학습시켜 UDIS 변수의 유무에 따른 성능을 비교하였으며, 나아가 UDIS 변수의 기여도를 평가함으로써 내부적으로 기계학습의 예측에 어떻게 기여하는지 파악하였다. 결과적으로 UDIS가 독립변수로 포함된 모델이 모든 데이터셋-모형의 조합에서 평균 0.73% 더 나은 정확도를 보였으며, explainable AI 모델인 SHAP 분석을 통해 도시개발 발표와 가까운 시점에 거래될수록 가격에 더 많은 영향을 주는 현상을 기계학습 모형 내부에서도 반영하고 있음을 확인하였다. 본 연구는 AVM 연구에서 다루어지지 않았던 예측 변수로서 시장 심리의 타당성을 검증하였으며, 나아가 현재까지 기업의 영역에서 비공개로 다루어졌던 개발 과정을 공개함으로써 상업용 부동산의 감정평가 비용을 절감하는 데 기여하였다.
