건축공학과 데이터 분석
건축공학에서 쓰일 수 있는 여러 알고리즘에 대한 고찰 - 4
안녕하세요.
건축공학과 IT에 관련해 소식을 전해드리는 이명휘입니다.
이번 글에서는 부동산 투자의 예측과 판단을 도와줄 수 있는 데이터 기반의 사례들을 소개해볼까 합니다. 현재까지는 학술적 연구 및 논문을 리뷰하는 방향으로 글을 썼지만, 이번에는 실제 부동산 사례를 통해 빅데이터라는 것을 조금이나마 알아보는 시간을 가져보려 합니다.
참고로 저는 부동산 전문가가 아닙니다. 데이터를 활용한 예를 보여드리려, 부동산이라는 매체를 활용한 것입니다. 부동산 전문가의 시선보다는 공학자의 시선으로 이 글을 봐주셨으면 좋겠습니다.
유튜브에 업로드된 빅데이터와 부동산 투자에 대한 수많은 영상들현재 부동산 시장은 우리나라에서 주식과 함께 재테크의 양대산맥을 이루고 있는 투자(투기) 처입니다. 활활 불타오르는 부동산을 감지한 정부에서는 9.13 부동산 대책과 같은 다양한 규제책을 제시하고 있습니다. 이는 부동산 시장에 대한 수요가 끊임없이 늘어나고 있다는 증거이기도 합니다. 앞으로도 인구밀도가 높은 대한민국, 특히 서울/경기도권에서는 부동산에 대한 열기는 계속될 전망입니다.
그럼 부동산 투자를 진행할 때 가장 중요하게 생각해야 하는 판단 요소는 무엇일까요? 개인에 따라 다르겠지만, 부동산의 미래 가치를 예측하는 것이 가장 중요하지 않을까 생각됩니다. 투자의 궁극적 목적은 이익을 창출하는 것이기 때문에 저가 매입 후, 시세차익을 이용해 이익을 발생시키는 것을 최우선으로 합니다. 결국 시세차익은 부동산 투자에 있어 핵심 요소입니다.
분석사례 1 - 갭 투자(깡통전세)
세상에는 생각지 못한 변수들이 존재하기 때문에 미래 부동산의 가치를 예측하기란 쉽지가 않습니다. 투자에 성공하는 부동산 투자자들이 있는 반면에, 깡통전세와 역전세난의 주역으로 전락하는 실패한 투자자들이 있을 수 있습니다. 그럼 부동산 실패를 조금이라도 빗겨나가게 할 수 있는 방법은 없을까요? 이에 대한 해답은 모두 아시다시피 토지에 대한 철저한 분석입니다. 다년간 축적된 부동산 데이터는 우리에게 미래를 볼 수 있는 힌트를 제공하기도 합니다. 최근 뉴스에 많이 등장하는 역전세의 주범인 갭 투자에 대해서 알아보도록 하겠습니다.
최근 들어 및 깡통전세에 대한 속보들이 주를 이룬다.갭 투자는 전세를 끼고 대출을 받아 비교적 적은 시드머니로 부동산을 구매하는 것입니다. 부동산을 소유하고 있는 동안 매매가가 상승해 시세차익이 발생한다면 가장 좋은 시나리오겠지요. 하지만 아래의 차트에서 보시는 것과 같이 대한민국의 입주물량은 경기도를 중심으로 크게 늘어나는 상태입니다. 이렇게 되면 그만큼 전셋집 공급은 늘어나게 되고 집주인이 세입자를 찾기가 더욱 어려워지는 현상이 발생합니다. 여기에 매매가가 떨어지는 현상이 발생하기라도 하면 말 그대로 집주인은 쪽박을 차게 될 수도 있습니다.
2022년까지의 입주물량 데이터를 시각화 (출처 : 호갱노노)여기서 추가 데이터를 세밀하게 보도록 하겠습니다. 전세수급 지수는 전세 공급 물량이 수요보다 많아지는지를 파악할 수 있는 데이터입니다. 전세수급 지수가 낮아질수록 기존 전세물량이 미래 공급물량보다 많아지게 되는 것을 의미합니다. 2016년 1월부터 차트상으로 하락 추세가 보이기 시작하며, 2019년 현재까지 하락 기울기가 가파르게 변하고 있습니다. 특히 2018년~2019년 서울에서 하락이 뚜렷하게 보이기도 합니다.
서울, 경기, 부산의 전세수급 지수(출처 : 한국감정원)앞으로도 전세수급 지수는 계속해서 떨어지는 경향을 보일 듯싶습니다. 이미 언론과 여론에서 많이 화두가 되는 부분이기 때문에 리스크가 엄청난 갭 투자는 당분간 수그러들 전망입니다.
분석사례 2 - 정부 규제가 과연 효과가 있을까?
8.2 대책과 9.13 대책 후 전국 매매/전세 상승률(출처 : 한국감정원)정부는 끝을 모르고 솟아오르는 부동산 가격을 잡기 위해서 다양한 규제책들을 내놓고 있습니다. 위는 전국 주택(아파트 빌라 포함)의 매매 & 전세 상승률을 표기한 차트입니다. 그 위에 문재인 정부에서 시행된 가장 큰 두 가지 규제 대책의 시작 시기를 마킹해 보았습니다. 규제 대책이 시작된 후에 매매 상승률이 급격하게 떨어지는 현상을 보이고 있습니다. 실질적으로 정부가 내세운 전략이 효과를 본 셈이기도 합니다.
하지만, 두 대책 모두 짧은 기간 후에 다시 매매 상승률이 상승하는 패턴을 보이고 있습니다. 2019년 상반기의 서울 집값 하락폭이 점점 낮아지면서 서울 집값의 상승이 시작되고 있는 상황입니다. 어떻게 보면 9.13 대책의 약발이 다되었다고 볼 수도 있는 상황입니다.
빅데이터
앞서 말씀드린 두 가지 부동산 사례들을 통해 데이터가 의사결정에 도움을 줄 수 있다는 것을 확인하였습니다. 회귀분석, p-value 등 여러 가지 어려운 통계기법을 활용하지 않고도, 차트를 통해 확실히 드러나는 트렌드를 확인해볼 수도 있었습니다. 이미 부동산 데이터는 한국감정원 및 KB부동산 등에서 쉽게 다운로드할 수 있기 때문에, 엑셀과 같은 스프레드시트 툴을 활용하여 누구나 빅데이터를 분석할 수 있습니다.
여담으로 요즘 데이터에 기반한 의사결정이 어느 분야에서나 필요로 되기 때문에, 데이터 사이언티스트라는 직업이 새롭게 각광받고 있는 것이 사실입니다. 이들은 통계학, 컴퓨터공학과 같은 전문적인 지식을 머리에 무장하고 있습니다. 하지만 진정으로 데이터를 잘 활용하는 사람이라 하면 자기가 속한 분야의 도메인 지식을 깊고 정확하게 아는 사람일 것입니다. 데이터에게 기반해 누군가의 의사결정을 돕는 입장이라면 의사결정자를 설득하기 위해 입을 잘 털어야(?) 하기 때문이죠. 이러한 도메인 지식은 이론으로부터 나오는 것도 있겠지만, 대부분은 해당 분야의 경험을 통해서 쌓이는 것이 가장 크다고 생각합니다. 만약 데이터 사이언티스트를 꿈꾸신다면 통계학과 컴퓨터공학 지식뿐만 아니라 지원하시는 분야의 지식을 깊게 쌓길 권해드립니다.
부동산 빅데이터를 편하게 분석하고 싶다면?
저는 개인적으로 zip4(집사)라는 부동산 분석 페이지를 활용하고 있습니다. 평소에 전국 부동산의 시세를 보는 것을 취미로 하고 있기 때문에 매우 만족하며 사용하고 있습니다. 직방 / 다방과 같은 다양한 부동산 플랫폼이 존재하지만, 이들은 거래에 초점이 맞춰진 플랫폼이라 생각합니다. 부동산 데이터를 분석&예측하기에 알맞게 맞춰진 인터페이스가 짜인 구조입니다.
