Due to a real-estate-dominated asset structure in South Korea, rises and falls of apartment prices have direct and indirect links with the national economy such as private consumption, financial market and construction investment, and is one of the significant factors in establishing government policies. In determining the apartment prices, previous studies have reported that the sentiments of apartment consumers influence the fluctuations in apartment prices and transaction amounts; among others, news article can have a huge impact on formulating consumer sentiments as the news are readily accessible and continuously supplied. However, since there has been a limited research that predicts the trends of apartments with real-estate news, this study proposes a methodology for predicting the rises, falls of apartment prices as well as actual prices through the news based upon machine learning, which has not been attempted before. Experiments on Gangnam-Gu, Seocho-Gu and Songpa-Gu (also known as three Gangnam districts that have high and volatile apartment prices), and Gangbook-Gu, where has relatively low average prices, showed that the rises and falls of apartment sales price indices were nearly 90% predictable. Moreover, the accuracy of the proposed prediction model in apartment prices using the news have also improved compared to the existing model.
부동산에 편향된 국내의 자산 구조로 인해 아파트 매매가격의 상승과 하락은 국가의 경제와 민간소비, 금융시장, 건설투자 등의 직간접적인 연계가 있으며, 정부 정책을 수립하는데 있어 가장 중요한 요소 중 한가지로 자리매김 하고 있다. 이러한 매매가격을 결정짓는데 있어 기존 연구에선 아파트 소비자의 심리는 아파트 가격과 거래량의 변동에 영향을 끼친다고 보고해왔으며, 그 중에서도 뉴스는 가장 쉽게 접할 수 있는 매개체임과 동시에 지속적으로 공급되는 정보로써 소비심리를 형성하는데 막대한 영향을 준다고 볼 수 있다. 그러나 실제로 추후 아파트 매매가격의 상승과 하락, 그리고 뉴스를 통한 개별 아파트 가격을 예측한 연구는 미흡한 실정이기 때문에, 본 연구에선 기존에 시도되지 않았던 뉴스 데이터를 사용해 매매가격의 상승, 하락 및 실제 아파트 가격을 예측하는 기계학습 적용 방법론을 제안한다. 서울 지역에서 가장 가격 변동성이 심한 강남 3구 (강남구, 서초구, 송파구)와 상대적으로 평균 가격이 낮은 강북구에 대해 실험을 한 결과, 주간 아파트 매매가격지수의 상승과 하락을 최대 90% 가까이 예측 가능하였고, 개별 아파트의 가격 예측 역시 뉴스를 이용한 예측 모델의 정확도가 기존 모델에 비해 향상이 되었음을 확인하였다.
