102
KRIHS 보고서
주택구매 소비자의 의사결정 구조를 반영한 주택시장 분석체계 구축의 필요성과 의의
전해정 상명대학교 경영대학원 글로벌부동산학과 교수 ([email protected])
주택은 경제재(economic goods)이자 투자재(investment goods)면서 동시에 인간에게 효용(utility)을 주는 두 가 지 측면을 지닌 재화이다. 이러한 특성으로 주택은 수요 와 공급 외에도 다양한 거시경제요인 및 내 · 외부적인 요인에 영향을 받으며, 소비심리와 정부정책에도 많은 영향을 받는다. 해외 선진국들의 가계 자산 포트폴리오 대부분이 현금, 채권, 주식, 부동산으로 골고루 구성된 것과 달리, 한국인의 가계 자산 포트폴리오를 살펴보면 약 60%가 부동산 중에서도 주택으로 구성되어 있다. 이 는 주택가격 변동이 국부(國富)와 가계의 부(富)에 밀접 한 영향을 미친다는 것을 의미한다.
주택시장은 오랫동안 공급자 위주의 시장으로 형성되 어 왔으나, 최근에는 1인 가구가 증가하고 저출산 · 고령 화가 심해짐에 따라 수요자를 고려한 맞춤형 주택시장으 로 변화하고 있다. 이는 주택구매 소비자의 특성이 세분 화되고 있다는 것을 의미한다. 또한, 최근의 저금리 기조 하에 풍부한 유동성이 주택시장으로 유입되고 있고, 지 역성과 이질성을 바탕으로 한 주택 하위시장이 세분화되 고 있으며, 국지적인 시장의 움직임이 활발하게 나타나 고 있는 상황이다.
주택시장을 예측하는 전통적인 방법은 과거 주택가격 의 변동추이를 이용해 주택가격을 추정하는 헤도닉 가격 결정모형(hedonic price model), 또는 시계열 분석모형
(time series analysis model)을 이용하는 것이 주를 이루 어왔다. 그러나 상기 모형들은 선형 모형(linear model) 을 가정하고 있기 때문에 예측이 정확하지 못하다는 문 제가 있다. 이에 반해 변수들 간의 선형성과 상호 독립성 의 가정, 오차항 분포에 대한 제약과 식별의 문제 등에서 벗어나 예측이 가능한 머신러닝과 같은 인공지능 방법을 이용할 시 주택시장의 예측력이 높아지는 장점이 있다.
이런 부분을 감안하여 본 연구는 빅데이터 분석방법 론인 머신러닝을 이용, 주택구매 소비자를 고려한 주택 시장의 체계적인 분석과 정책적 시사점을 제시하였다.
본 연구의 구체적인 목적은 첫째, 인구 및 가구 구조 의 변화와 주택시장 대내 · 외 환경변화에 맞게 주택시장 에 참여하는 주택구매 소비자의 특성을 검토한다. 둘째, 주택시장 의사결정 구조에 영향을 미치는 요인을 전통적 이론과 더불어 행동론적 이론, 실험경제학 측면 등 다양 한 시각에서 분석한다. 셋째, 주택구매 소비자의 특성과 의사결정 구조를 반영한 모형을 설계한다. 마지막으로 주택구매 소비자의 의사결정 구조를 반영한 시장 분석체 계방안을 제시한다.
본 연구의 목적을 달성하기 위해 주택구매 소비자와 주택시장의 구조를 체계적으로 정의하였고, 전통경제학 과 소비자행동(행동경제학, 행동재무학, 실험경제학, 심 리학 등)을 포괄하여 주택구매 소비자의 의사결정 구조
103
제476호 2021 June
과정과 영향요인을 파악하고자 하였다. 또한, 머신러닝 과 행위자 기반 모형을 이용해 주택시장 분석모형을 구 축하고 주택시장 모니터링 지표를 개발하고 제안하였다.
본 연구에서는 기존의 거시경제 모형과 주택시장과의 관계를 규명한 선행연구를 통해 변수를 선정하고, 머신 러닝 학습방법론 중 DNN 모형의 예측력이 가장 높게 나 타난다는 것을 확인하였다. 또한, 이를 적용해 주택시장 을 예측할 시 비선형 추정이 가능하고 시장의 하락 및 상 승 추세를 비교적 정확하게 예측한다고 하였다. 모형 구 축과정에서는 행동론적 변수를 모두 추가할 경우, 모형 의 설명력이 개선되는 것을 알 수 있었다. 이로 인해 주 택시장과 관련된 다양한 변수들을 발굴하여 머신러닝을 통해 학습시킬 경우, 지속적으로 발전된 모형이 구축 가 능한 것으로 나타났다. 행위자 기반 모형을 활용해 주택 시장을 분석한 것은 다양한 정책 실험을 수행하여 증거 기반정책을 지원한다는 점에서 의의를 지닌다. 또한, 정 책의 순효과뿐만 아니라 역효과, 정책의 시차, 그리고 각 정책의 상대적 효과 크기 비교가 가능하다는 장점을 지 니며 방법론적인 의의를 지닌다고 하였다.
본 연구에서는 주택시장 분석체계 구축방안을 주택시 장 모니터링 지표 개발과 머신러닝 및 행위자 기반 모형 의 활용으로 제시하였다. 모니터링 지표 개발은 주택시 장 동향분석과 관련성이 있고, 머신러닝 및 행위자 기반 모형 구축은 주택시장의 예측과 관련이 깊다. 주택시장 모니터링 지표 개발과 관련해서 행동론적 분석을 가미 한 정책지표의 발굴, 버블지수 개발, 수요 분석방식의 개 선 및 주택 수급지표의 개편, 주택시장 전이효과 분석 및 투자심리 분석지표의 개발 등을 제시하였다. 실시간으 로 시장 상황에 따라 학습이 가능한 머신러닝 모형과 미 시적 소비자의 행태에 따라 여러 옵션 부여가 가능한 행 위자 기반 모형은 다양한 정책 파급효과와 전망을 수행 할 수 있다는 장점이 있다. 주택시장의 과학적 분석을 위 해 이러한 분석모형을 적극적으로 활용해야 하며, 본 연
구결과는 주택시장 분석을 객관화하고 선진화하는 데 큰 도움이 될 것으로 판단된다.
선진화된 주택시장 분석체계를 구축하기 위해 향후 다음과 같은 연구를 기대한다. 모니터링 지표 개발과 관 련하여 주택시장은 다양한 요인에 영향을 받는바, 미시 적 관점에서 더욱 다양한 변수를 사용해서 지표를 개발 할 필요성이 있다. 또한 주택시장 예측 분석방법론과 관 련해서는 머신러닝 뿐만 아니라 빅데이터의 다양한 방법 론을 이용해서 예측력을 비교 분석하고, 더욱 정교한 예 측모형을 개발해 시장 참여자가 주택시장을 정확하게 파 악할 수 있도록 해야 할 것이다.
주택구매 소비자의 의사결정 구조를 반영한 주택시장 분석체계 구축
Husing Marker Analysis Reflecting Factors Influencing Home Buying Decision Making 박천규, 김지혜, 황관석, 오민준, 최진, 권건우, 오아연, 황인영 지음
