서울시 주거용 건축물 경매 빈도를 활용한 주거불안 지역 예측 및 검증

• 영문명: Predicting and Verifying Housing Anxiety Areas in Seoul Using Residential Real-estate Auction Frequency
• 발행기관: 한국부동산연구원
• 저자명: 권형준(Hyeong Jun Kwon) 안용진(Yong Jin Ahn)
• 간행물 정보: 『부동산연구』제35권 제2호, 7~21쪽, 전체 15쪽
• 주제분류: 사회과학 > 지역개발
• 파일형태: PDF
• 발행일자: 2025.06.30

국문 초록

본 연구는 고금리 기조와 전세 사기에 따른 주거불안이 확산되고 있는 시점에서, 서울시 행정동 단위를 공간분석 단위로 설정하여 주거용 부동산 경매 예측 변수를 도출하고 시계열 분석과 딥러닝 기법을 통해 주거불안 지역을 예측하는데 그 목적을 두고 있다. 구체적으로 2017년부터 2022년까지 경매 데이터를 학습한 2023년 예측치와 실측치를 비교하고, 2017년부터 2023년까지 경매 데이터를 학습하여 2024년 상반기의 경매 발생 건수를 예측하였다. 주거유형을 아파트와 비아파트로 구분한 실증분석 결과, 모형 자체의 예측 정확도는 아파트가 더 높은 반면, 경매 분포 파악에 있어서는 비아파트의 예측이 더 유의미한 결과를 보였다. 특히, 비아파트 경매 발생이 집중된 지역은 주로 경제적 취약계층이 거주하여 주거불안이 심화될 가능성이 높은 것으로 확인되었다. 따라서 본 실증연구에서 분석된 비아파트 경매 발생 집중지역에 초점을 둔 전세사기 예방 및 피해지원 등의 주거안정 정책이 우선적으로 검토될 필요가 있다.

영문 초록

This study aims to identify the variables predicting residential real estate auctions at the administrative district level in Seoul, South Korea, where housing anxiety has become a social issue due to high interest rates and charter fraud. The study forecasted areas of housing instability using time-series analysis and deep learning models. Data from 2017 to 2022 were used to predict figures for 2023 , and those from 2017 to 2023 were used to predict the figures for the first half of 2024. The results showed that the predictive accuracy of the model was higher for apartments than for non-apartments, largely because of the differences in sample size between them. However, predicting the distribution of auctions was more effective for non-apartment properties because there were significantly more cases of non-apartment auctions than those of apartment auctions. Moreover, economically vulnerable populations predominantly live in areas with a high concentration of non-apartment auctions, and housing instability is likely to worsen in these areas. This study’s findings provide key policy implications for preemptive measures for mitigating housing anxiety, such as preventing charter fraud, supporting affected tenants, and addressing the risks of involuntary relocation due to auctions.

목차

Ⅰ. 연구 배경

Ⅱ. 선행연구 및 본 연구의 차별성

Ⅲ. 실증분석을 위한 연구설계

Ⅳ. 실증분석 결과

Ⅴ. 결론 및 시사점

참고문헌

키워드

주거용 부동산 경매 주거불안 시계열 분석 딥러닝 예측 모형 Residential Real-estate Auctions Housing Anxiety Time Series Analysis Deep Learning Prediction Model