구 분 CY set FYM set
종속변수 추정계수 지수 수익률 추정계수 지수 수익률
CBD 0.3651*** 0.3686***
KBD 0.4192*** 0.3932***
YBD 0.2234*** 0.1988***
경과년수 -0.0149*** -0.0098***
경과년수2 0.0005*** 0.0003***
층 수 0.0093*** 0.0105***
부분거래 -0.1479*** -0.1507***
매도인 국적 -0.0400 -0.0501
매수인 국적 -0.0329 -0.0223
직접거래 0.0093 0.0025
prime등급 0.0480 0.0094
A등급 -0.0195 -0.0468
B등급 -0.0269 -0.0577
시간더미 01 -0.1523 85.87 -14.1% 0.0030 100.30 0.3%
시간더미 02 0.0950 109.96 28.1% 0.2075** 123.06 22.7%
시간더미 03 0.1234 113.14 2.9% 0.2278** 125.58 2.0%
시간더미 04 0.2461*** 127.91 13.1% 0.2843*** 132.88 5.8%
시간더미 05 0.3674*** 144.40 12.9% 0.4475*** 156.44 17.7%
시간더미 06 0.4101*** 150.70 4.4% 0.6034*** 182.82 16.9%
시간더미 07 0.7499*** 211.68 40.5% 0.7932*** 221.04 20.9%
시간더미 08 0.7824*** 218.67 3.3% 0.8050*** 223.66 1.2%
시간더미 09 0.7250*** 206.47 -5.6% 0.8103*** 224.86 0.5%
시간더미 10 0.7794*** 218.01 5.6% 0.8259*** 228.40 1.6%
시간더미 11 0.7978*** 222.07 1.9% 0.8951*** 244.75 7.2%
시간더미 12 0.8505*** 234.09 5.4% 0.8815*** 241.45 -1.3%
시간더미 13 0.8874*** 242.88 3.8% 0.9703*** 263.86 9.3%
시간더미 14 0.9749*** 265.09 9.1% 1.0193*** 277.11 5.0%
시간더미 15 0.9300*** 253.44 -4.4% 1.0496*** 285.65 3.1%
상수항 8.3491*** 8.2731***
Adj R2 0.6359 0.6206
F value 30.19*** 29.16***
*** : p<0.01, ** : p<0.05, * : p<0.1
<표 4-6> CY 및 FYM 데이터 set의 금융감독원 가격지수 추정 결과
구 분 FYJ set FYS set
종속변수 추정계수 지수 수익률 추정계수 지수 수익률
CBD 0.3732*** 0.3921***
KBD 0.4013*** 0.4212***
YBD 0.2110*** 0.2184***
경과년수 -0.0088*** -0.0132***
경과년수2 0.0003*** 0.0004***
층 수 0.0114*** 0.0099***
부분거래 -0.1422*** -0.1381***
매도인 국적 -0.0345 -0.0514
매수인 국적 -0.0316 -0.0230
직접거래 0.0031 0.0062
prime등급 -0.0109 0.0237
A등급 -0.0507 -0.0394
B등급 -0.0573 -0.0467
시간더미 01 0.1416 115.21 15.2% 0.1768** 119.34 19.3%
시간더미 02 0.2524*** 128.71 11.7% 0.2501*** 128.42 7.6%
시간더미 03 0.3183*** 137.48 6.8% 0.3480*** 141.63 10.3%
시간더미 04 0.3716*** 145.01 5.5% 0.3990*** 149.04 5.2%
시간더미 05 0.5762*** 177.93 22.7% 0.5979*** 181.83 22.0%
시간더미 06 0.7213*** 205.72 15.6% 0.7656*** 215.03 18.3%
시간더미 07 0.9254*** 252.28 22.6% 0.9698*** 263.74 22.7%
시간더미 08 0.8353*** 230.55 -8.6% 0.7653*** 214.97 -18.5%
시간더미 09 0.8827*** 241.73 4.9% 0.9063*** 247.51 15.1%
시간더미 10 0.9133*** 249.26 3.1% 0.9504*** 258.66 4.5%
시간더미 11 0.9540*** 259.59 4.1% 0.9325*** 254.08 -1.8%
시간더미 12 1.0143*** 275.73 6.2% 1.0131*** 275.41 8.4%
시간더미 13 1.0589*** 288.33 4.6% 1.0029*** 272.60 -1.0%
시간더미 14 1.0357*** 281.72 -2.3% 1.0633*** 289.60 6.2%
시간더미 15 1.1626*** 319.83 13.5%
상수항 8.1667*** 8.2168***
Adj R2 0.6239 0.6333
F value 29.97*** 29.46***
*** : p<0.01, ** : p<0.05, * : p<0.1
<표 4-7> FYJ 및 FYM 데이터 set의 금융감독원 가격지수 추정 결과
경과년수에 대해서는 모든 데이터 set에서 경과년수가 지날수록 평당 가 격이 하락하는 것으로 나타났으나 경과년수의 제곱에 대해서는 평당 가격이 오히려 상승했다. 본 연구에서 독립변수를 산정할 때 언급한 것과 같이 재 건축이나 리모델링을 염두해 두고 오피스를 매입할 경우 시세보다 다소 비 싼 값으로 구입하는 경향이 실제로도 있는 것으로 추정된다.
1동의 건물 전체를 매매하는 것 보다 건물의 부분만을 매매하는 경우 모 든 데이터 set에서 평당가격이 하락하는 것으로 나타났다. 매매 당사자들은 건물의 권리관계가 복잡해지는 부분 매매보다는 1동 전체의 매매를 더 선호 한다는 것을 알 수 있었다.
거래특성 중 매매 당사자의 국적과 관련해서는 매도자, 매수자 모두 국적 이 통계적으로 유의한 영향을 미치지 못했다. 이는 외국 투자자가 선진 투 자기법 등을 통해 저평가된 부동산을 선별하여 투자할 것이라는 일반적인 인식이 옳지 않음을 의미한다. 우리나라 부동산 투자시장이 기관투자자 중 심으로 형성되어 폐쇄성이 강하기는 하지만 그 안에서의 효율성은 높은 수 준인 것으로 평가된다.
매매 수단과 관련해서 직접 매입하는 사례와 REF, REITs 등 간접투자 기 법을 활용하는 경우 모두 유사한 가격으로 거래를 하는 것으로 나타났다.
오피스 투자시장이 성장하면서 관련 서비스를 제공하는 기업들도 늘어나고 서비스의 품질도 향상되면서 오피스 투자시장의 효율성이 높아졌기 때문으 로 풀이된다.
오피스의 등급은 모든 데이터 set에서 전혀 평당가격에 영향을 미치지 못 하는 것으로 나타났다. 일반적으로 대형 오피스의 경우 상대적으로 높은 가 격을 받는다고 인식되고 있으나 실제 분석결과는 이와 달랐다. 모든 Data set에서 오피스의 등급은 통계적으로 유의하지 않았다. 결과적으로 오피스의 평당가격은 연면적 보다는 입지 등의 다른 여건이 보다 중요한 것으로 추정 된다.
반면 등급과 유사한 성격을 지닌 층수의 경우 모든 데이터 set에서 평당
가격에 긍정적으로 영향을 미치는 것으로 나타났으며 통계적으로도 유의했 다. 이는 빌딩의 형태가 낮고 넓은 것 보다는 좁더라도 높은 것이 소위 랜 드마크로 인식되기 쉬워 보다 선호되는 것으로 보인다.
추정 1단계의 근본적인 목적인 가격지수와 이로부터 얻어지는 수익률을 살펴보면 소위 ‘카드사태’가 발생한 ’03~’04년의 가격 상승폭이 다소 둔화된 점이 발견되었다. 금융위기 시점에서는 FYS set에서 –18.5%의 급락이 나타 났다가 1년 후 15.1% 상승해 빠른 회복을 보였다. 이후 매매가격은 ’10~’12 년 기간 동안 횡보세를 보이다가 ’13~’14년까지 다시 상승, 이후 하락 및 급 등이 반복되는 것으로 나타났다.
헤도닉모형으로부터 산출된 4분기 당 가격지수의 움직임은 다음 단계에 서 산출된 분기별 가격지수를 평가하는 데 있어 중요한 기준이 될 수 있다.
만일 본 연구에서 활용한 2단계 추정법이 유의미하다면 이를 통해 추정된 분기별 지수에는 각 데이터 set별 가격 변화가 반영되어 보다 일목요연하게 서울 오피스 매매가격의 움직임을 파악할 수 있을 것이기 때문이다.
4. 2단계 헤도닉 가격지수 산정
2번째 단계는 상술한 4분기 당 수익률을 바탕으로 분기별 수익률 및 가 격지수를 산정하는 단계이다. <표 4-1>에서 언급한 것과 같이 2번째 추정식 은 기간더미로 구성된 미지수의 개수가 식의 개수보다 많은 under-determined 조건이므로 일반적인 다중회귀분석을 활용한 연립방정식의 해찾기는 불가능 하다. 이에 따라 Moore-Penrose의 Pseudoinverse Matrix를 활용해 분기당 가격 상승률을 추정했다(식 3). 이때 는 분기당 수익률 벡터이며 는 기간더 미에 대한 Pseudoinverse Matrix, 는 시간더미 헤도닉모형을 통해 산출한 4 분기 당 수익률 벡터이다.
기 간 가격상승률() 가격지수 기 간 가격상승률() 가격지수
’00 4Q 100
’09
1Q -0.05459 220.84
’01
1Q -0.021046 97.90 2Q -0.031376 213.91
2Q -0.071548 90.89 3Q -0.053976 202.37
3Q -0.007283 90.23 4Q 0.0841554 219.40
4Q -0.041416 86.49
’10
1Q 0.0065964 220.84
’02
1Q 0.1232471 97.15 2Q 0.0117398 223.44
2Q 0.0775877 104.69 3Q 0.0488833 234.36
3Q 0.0339334 108.24 4Q -0.011359 231.70
4Q 0.0457891 113.20
’11
1Q -0.033565 223.92
’03
1Q 0.0696899 121.09 2Q 0.0272084 230.01
2Q -0.032292 117.18 3Q 0.0627807 244.45
3Q -0.00708 116.35 4Q -0.037766 235.22
4Q -0.001448 116.18
’12
1Q 0.0193768 239.78
’04
1Q 0.0613197 123.30 2Q -0.00295 239.07
2Q 0.0153671 125.20 3Q 0.0036144 239.94
3Q 0.0276505 128.66 4Q 0.034084 248.11
4Q 0.0262286 132.03
’13
1Q -0.048248 236.14
’05
1Q -0.011146 130.56 2Q 0.0727071 253.31
2Q 0.0120198 132.13 3Q 0.0254116 259.75
3Q 0.0252079 135.46 4Q -0.012322 256.55
4Q 0.1028509 149.40
’14
1Q 0.0070034 258.35
’06
1Q 0.0372215 154.96 2Q 0.0256086 264.96
2Q 0.0617634 164.53 3Q -0.03048 256.89
3Q 0.0182067 167.52 4Q 0.0893091 279.83
4Q -0.073597 155.19
’15
1Q -0.034238 270.25
’07
1Q 0.1623266 180.39 2Q -0.047537 257.40
2Q 0.0492322 189.27 3Q 0.054805 271.51
3Q 0.0446096 197.71 4Q -0.016973 266.90
4Q 0.148533 227.08
’16 1Q 0.0405049 277.71
’08
1Q -0.033375 219.50 2Q 0.0569596 293.53
2Q 0.066588 234.11 3Q 0.0447934 244.60 4Q -0.044992 233.59
<표 4-8> 2단계 반복매매지수 추정 결과
기 간 Data set
’00 '01 '02
4Q 1Q 2Q 3Q 4Q 1Q 2Q 3Q 4Q
CY 100.0 96.5 92.9 89.4 85.9 91.9 97.9 103.9 110.0 … FYM 100.0 100.1 100.1 100.2 100.3 106.0 111.7 117.4 …
FYJ 100.0 103.8 107.6 111.4 115.2 118.6 122.0 …
FYS 100.0 104.8 109.7 114.5 119.3 121.6 …
2단계
헤도닉지수 100 97.9 90.9 90.2 86.5 97.2 104.7 108.2 113.2 … 주) 음영은 Data set별 가격지수
<표 4-9> Data set별 가격지수와 2단계 헤도닉지수의 배열
<그림 4-1> 2단계 헤도닉모형을 적용한 오피스 가격지수(2단계 헤도닉지수)
<그림 4-1>는 본 연구에서 적용한 2단계 헤도닉모형에 기반한 지수(2단 계 헤도닉지수)와 각 데이터 set 별 가격지수를 함께 표시한 것이다. 각 데 이터 set 별 가격지수는 4분기 당 1번씩만 나타나므로 그 사이는 선형 보간 법을 활용해 채웠다.
추정된 서울 오피스 매매가격 지수는 데이터 set 별 가격지수의 중간에 위치했다55). 구체적으로 지수의 움직임을 살펴보면 ’03년도 가격의 소폭 하
55) PseudoInverse Matirx를 활용해 추정한 지수가 반드시 데이터 set별 가격지수 사이에 위치할 필요는
<그림 4-2> 2단계 헤도닉지수와 Data set별 지수의 전년동기비 변동률 비교
락과 회복이 있었는데 이는 ‘카드사태’등의 거시경제 침체가 반영된 것으로 데이터 set 별 가격지수의 움직임과 유사하다. 또한, 금융위기 시기의 가격하 락은 1년여에 걸쳐 나타났으며 이후 빠른 회복세가 나타났음을 알 수 있다.
이후 12년까지 횡보세를 보이다가 ’13~’14년 말까지의 점진적인 상승과 이 후 조정기간을 거쳐 ’16년부터 상승폭이 확대되는 모습을 보였다. 전체적으 로 2단계 추정을 통해 산출한 분기별 가격지수는 데이터 set 별 가격지수의 움직임을 잘 반영하고 있는 것으로 판단된다.
이처럼 각 지수를 직접 비교하는 방법 이외에 전년동기대비 상승률을 활 용해 가격지수가 올바르게 추정되었는지의 여부를 확인할 수도 있다. <그림 4-3>는 헤도닉모형으로부터 도출한 데이터 set 별 가격지수의 변동률과 헤도 닉 가격지수의 전년동기대비 변동률을 비교한 것이다. 데이터 set 별 가격지 수의 변동률은 각 데이터 set의 시작점을 기준으로 가격지수를 재배열한 후 전년동기대비 가격변동률을 산정했다.
2단계 헤도닉지수의 전년동기대비 가격변동률과 데이터 set 별 가격지수
없다. 이 방식을 최초로 제안한 Geltner and Bokhari(2008)의 예시 중에는 2단계 추정으로 도출한 가 격지수가 데이터 set 별 가격지수와 전혀 동떨어지게 위치한 것도 있었다.
의 변동률을 대체적으로 일치했다. 2단계 헤도닉모형을 활용해 추정된 가격 변동률이 기초가 된 데이터 set 별 가격지수의 가격변동을 충분히 반영하고 있는 것으로 보인다. 다만, 전체적으로 가격이 상승할 때 2단계 추정지수의 상승폭이 4분기 합산 지수의 상승폭보다 큰 것으로 나타나 가격 상승기 상 승폭의 과대계상56)에 유의할 필요는 있는 것으로 판단된다.
제3장의 2단계 반복매매모형과 마찬가지로 두 번째 추정에서의 편의 발 생 여부에 대해서 Resolution Matrix를 활용해 검증이 가능하다. 그러나 Resolution Matrix는 산식( )상 기간더미만 포함되므로 분석의 기간이 같다면 Resolution Matrix도 동일하다. 따라서 2단계 헤도닉모형에서 의 Resolution Matrix의 도출과 대각화 및 항등행렬과의 비교는 생략한다57).
56) 2단계 추정에 활용한 Pseudo-Inverse Matrix를 통해 추정한 수익률은 OLS로 추정하는 값의 최근사값 에 해당하며 이때 발생한 오차가 원인으로 추정된다.
57) 결과적으로 2단계 헤도닉모형의 경우에도 2단계 반복매매모형과 동일하게 총 지수 산정 기간 중 맨 마지막의 3분기에 대해서는 편의가 발생하며 그 이전 기간에 대해서는 편의가 발생하지 않는다.
제3절 소 결
부동산 투자시장이 확대되면서 투자대상 부동산도 점차 다양해지고 있으 나 오피스는 여전히 상업용부동산 투자시장의 중요한 투자대상이다. 그럼에 도 불구하고 실제 거래사례에 기반한 가격지수가 구축되지 못하고 있어 투 자자들은 투자활동에 필수적인 벤치마크를 확보하지 못하고 있다. 가장 큰 이유는 효율적인 지수를 구축할 수 있을 정도로 충분한 매매사례를 확보하 기 어렵기 때문이다. 이러한 문제는 서울 오피스 가격지수와 같이 공간적으 로 한정된 지역에 대한 가격지수를 산출할 때 더욱 배가된다.
본 연구는 매매사례가 제한적인 상황 하에서도 효율적인 가격지수를 산 출할 수 있도록 고안된 MIT/CRE의 2단계 추정모형을 변형한 모형을 바탕으 로 서울시 오피스 매매가격 지수를 산출하는 것을 목적으로 한다. MIT/CRE 의 2단계 추정법이 반복매매모형을 기반으로 한다면 본 연구에서 적용된 모 형은 시간 더미변수 헤도닉 모형을 기반으로 한다는 점에서 차이가 있다.
2단계 반복매매모형의 경우 반복매매쌍을 이루지 못하는 상당수의 거래 자료가 누락되는 문제에 봉착한다. 오피스 매매거래가 드물어 일반적인 가 격지수 모형을 적용할 수 없었다는 점을 감안하면 2단계 반복매매모형은 자 료 활용의 효율성 측면에서 한계가 존재한다. 반면 헤도닉모형의 경우 확보 된 자료 전부를 가격지수 산출에 활용할 수 있어 이 같은 문제를 극복할 수 있는 장점이 있을 것으로 기대된다.
추정의 1단계에서 산출된 헤도닉 모형의 추정 결과 모형의 설명력을 나 타내는 가 선행연구에 비해 높아졌을 뿐만 아니라 가격지수 산정을 위한 시간 더미변수의 계수값이 유의해지는 시점이 빨라지는 등 다양한 측 면에서 개선된 점을 발견할 수 있었다. 이는 본 연구에 적용된 2단계 헤도 닉모형이 4분기 사례를 통합해 1개의 기간으로 인식함으로써 기간 당 사례 수를 늘릴 수 있기 때문이다.
2단계에서는 Pseudoinverse Matrix를 활용해 1단계에서 산출한 4분기당 수