XGBoost를 이용한 부동산 투자 결정 예측 분석^*

가계 자산과 관련하여 투자결정요인, 자산선호도 등 다양한 주제로 지속적인 연구가 진행되어 왔다. 임병인·윤재형(2016)의 연구에서는 가계금융복지조사 자료를 활용하여 소득계층별 위험금융자산투자의 결정요인을 분석하였다. 분석결과 부(富)가 감소하는 경우 위험금융자산 투자비율을 감소시켜 손실을 축소하려고 하였으며, 반대로 부(富)가 증가하는 경우 위험금융자산을 늘려 수익을 확대하고 있다고 하였다. 국내 연구 중 배미경(2006)은 자산분류항목을 안전금융자산, 위험금융자산, 자가평가액, 자가 이외의 실물자산으로 구분하여 인구사회학적 특성(연령)이 어떠한 영향을 주는지 분석하였다. 분석결과 안전자산은 연령이 증가할수록 증가하다가 은퇴 후 자산이 감소하는 시점에서 다시 감소하는 것으로 확인되었으며, 위험금융자산의 경우 연령이 낮을수록 그 비중에 높다는 결과를 도출하였다. 임미화·정의철(2012)의 연구에서도 가구주 연령이 많을수록 안정적인 수익을 주는 무위험금융자산을 선호한다고 분석하였으며, 연령이 낮고, 거주 주택 외 주택자산을 보유할수록 위험자산에 투자하는 비중이 높다는 연구 결과를 도출하였다. 안종일(2012)의 연구에서도 심리 특성 변수를 반영하여 가계의 자산 현황 및 부동산자산 비중의 결정요인을 분석하였으며, 노년층에서 유동성 문제점이 발생하게 되면 부동산 비중 조정이 필요하며, 또한 가계의 생애주기 변화에 맞춘 합리적인 자산 배분 포트폴리오가 필요함을 설명하고 있다.

은퇴계층, 베이비부머 등 특정 계층의 자산 운용 결정요인 분석을 진행한 연구도 다수 존재하고 있다. 이철용·윤상하(2006)는 생애주기가설 및 자산붕괴가설을 기반으로 베이비붐 세대의 은퇴 후 자산선택 영향에 대하여 분석하였다. 분석 결과 저축률은 40대 후반에서 저점을 찍고, 은퇴 후에도 부동산자산 처분에 따른 자산 감소를 예상하였다. 백은영(2017)은 2011년~2016년 가계금융복지조사 자료를 이용하여 은퇴가구의 부채가 증가하였음에도 불구하고 부동산 투자는 증가하였다는 점을 밝히기도 하였다. 최효비 외(2016)의 연구에서는 가계금융복지조사 자료의 은퇴가구를 대상으로 부동산 자산 운용 결정요인을 분석하였다. 분석 결과, 부채총액, 경상소득 및 연간 지출금액이 작을수록 자가 이외 부동산자산을 소유할 확률이 높은 것이라고 주장하였다. 국외 연구에서는 소득의 불확실성이 증가하게 되면 위험자산을 줄이고 안전자산 및 유동자산에 대한 수요를 증가시킨다는 연구 결과도 존재한다(Lugilde et al., 2017). 이는 은퇴 후에는 소득 증가가 어렵기 때문에 안전자산의 선호가 강해지기 때문일 것이다.

인공지능(artificial intelligence, AI) 및 정보기술(information technology, IT)의 발전에 따라 빅데이터에 기초한 머신러닝도 급속한 발전이 이루어졌다. 머신러닝을 이용한 분류(classificastion)는 서로 다른 차원의 변수를 특정 기준에 따라 구분하는 모델을 만들고 새로운 범주형 값을 예측하는 방법이다(Ngai et al., 2011). 의사결정나무, SVM(support vector machine), 랜덤포레스트(random forest) 등의 알고리즘은 지도학습(supervised learing)의 대표적인 예라고 할 수 있다(Dey, 2016). 지도학습은 컴퓨터 알고리즘에게 입력 데이터와 그에 상응하는 출력 데이터(정답) 쌍을 제공하여 컴퓨터가 입력 데이터로부터 출력 데이터를 예측하는 방법이다. 지도학습은 라벨링 된 데이터를 사용하여 미래의 예측을 수행하고, 분류(classification)와 회귀(regression) 문제에 대한 예측을 다루는 데 사용하고 있으며 최근에는 다양한 분야의 연구에 적용되고 있다. 지도 학습의 예시로는 텍스트 분류, 이미지 분류, 예측, 번역, 음성 인식 등이 있다. 머신러닝은 모델이 데이터를 학습된 후, 이를 실제 문제에 적용하여 성능을 평가하고 수정할 수 있다. 이에 본 연구에서는 머신러닝 기법 중 XGBoost (eXtreme Gradient Boos-ting) 알고리즘을 적용하여 분석을 진행하였다. 부스팅은 예측력이 낮은 분류들을 겹합하여 분산을 줄이고, 예측력이 높은 모형으로 바꾸는 방법이다(Dey, 2016). XGBoost는 공개된 알고리즘으로 데이터마이닝을 활용한 다양한 과제를 해결하는 Kaggle (www.kaggle.com) 내에서도 자주 사용된다. 2015년 한 해 동안 Kaggle에서 우승한 29개의 과제 중 17개는 XGBoost를 활용하였다(Chen and Guestrin, 2016).

머신러닝 모형은 회귀분석에서 기본적으로 충족해야 하는 가정들의 제약에 구애를 받지 않는다(최필선·민인식, 2018). 이에 모델 구성이 상대적으로 자유롭고, 예측력도 뛰어나지만 인과관계에 대한 분석은 한계를 갖고 있다. 그럼에도 불구하고 머신러닝을 이용한 분석은 전통적인 통계분석 기법 대비 상대적으로 높은 정확도를 갖고 있으며, 반복된 테이터 학습으로 활용 패턴을 찾아 예측 및 분류를 수행하는 장점 때문에 부동산 시장, 주식시장 등 금융분야, 전통적인 통계학, 교육, 문화, 교통 등 다양한 분야에서 적용되고 있다(김선웅, 2023; 윤혜경 외, 2022).

머신러닝의 기법은 의사결정나무, 랜덤포레스트, 그레이디언트 부스팅, XGBoost, LightGBM 등 다양한 알고리즘이 있으나 본 연구에서는 예측에 있어서 다른 알고리즘보다 뛰어나다고 평가 받는 XGBoost를 사용하였다.

본 연구에서는 가계 여유자금의 부동산 자산 투자 예측기여도를 알아보기 위하여 가계자산 증가, 자산운용 결정요인 등의 선행연구를 검토하였다. 선행연구에 기초하여 가계의 부동산 투자 예측기여도를 알아보고자 하였으며, 가계금융복지조사 자료의 투자 여부 변수를 활용하였다. 가계의 자산선택, 부동산 자산 운용 등 투자관련 변수의 예측값을 알아보고자 하였다. 본 연구에서는 지역특성, 가구주 특성, 가계의 자산, 대출, 소득, 지출 관련 변수를 대상으로 부동산 투자 요인의 예측기여도를 분석하였다. 선행연구에서 적용하였던 경상소득, 지출 등의 변수 외에도 부동산 투자를 진행한 가구의 부동산 자산 변수도 확인하고자 하였다. 또한, 본 연구에서는 과거 전통적인 계량분석기법에서 벗어나 최근 다양한 분야에서 사용되고 있는 머신러닝 기법 중 XGBoost를 이용하여 연구를 진행하였다. 계량기법과 머신러닝을 이용한 모형을 직접적으로 비교하기는 어렵겠으나 머신러닝 알고리즘을 적용할 경우 중요한 변수를 확인할 수 있는 장점이 있다. 이에 본 연구는 머신러닝을 사용하여 부동산 투자 결정의 예측기여도가 큰 변수를 확인하고자 한다.

본 연구에서는 통계청 MDIS에서 공개 중인 가계금융복지조사 데이터를 이용하였다. 가계금융복지조사는 2010년 가계금융조사로 실시, 2012년 가계금융·복지조사로 변경되어 1년마다 전국 2만여 가구를 대상으로 조사를 진행하고 있다. 가계금융복지조사는 금융부분과 복지부분으로 나누어 조사하다가 2017년 이후부터 현재까지의 문항표를 사용 중이다. 본 연구에서는 코로나 19 이후 예측값을 알아보기 위해 2019년~2022년의 조사 결과를 사용하였다. 본인이 거주하는 주택을 구매하였을 경우에도 실물자산(부동산자산)에 대한 투자가 목적일 수도 있다. 그러나 본 연구에서는 여유자금을 통해 투자를 진행하고자 하는 그룹을 대상으로 분석을 진행하고자 하였으며, 가계금융복지조사의 설문 문항 중 여유자금의 부동산 투자 여부 문항에 “예”라고 답변한 가구가 부동산 투자 경향을 갖고 있다고 판단하여 예측기여도를 분석하였다.

가계금융복지조사 자료 내 변수 중 수도권 거주여부, 가구주 학력, 가구주연령, 가구원수, 주거 이주형태 등 가구 특성 외에도 금융자산, 부동산자산, 부채(담보대출, 신용대출), 소득, 지출, 원리금 상환액, 소득 대비 상환액 비중 등 금융 관련 항목을 이용하였다.

본 연구에서는 Google Colab을 이용하여 XGBoost(eXtreme Gradient Boosting)을 적용하였다. XGBoost는 그레이디언트 부스팅(Gradient Boosting, 경사하강법(Gradient Descent) + 부스팅(Boosting))을 업그레이드한 모델이다. 그레이디언트 부스팅은 잔차를 이용하여 이전 모형의 약점을 보완하는 모형을 계속 만들어가며 얻어지는 모형을 생성하는 방식이다. XGBoost는 이 때 발생하는 과적합을 방지하여 분석하는 기법이다. XGBoost는 이외에도 예측성능이 좋고, 속도가 빠른 장점을 가지고 있어 많은 대회에서 우승한 경험이 있는 알고리즘이다.

XGBoost는 부스팅(Boosting) 방식의 학습모델로 순차적으로 이전 모델이 예측하지 못하였던 부분에 가중치를 두어 학습을 하게 된다. XGBoost는 Classification and Regression Trees (CART)라는 모델로 구성되며, CART는 데이터의 특성에 따라 노드를 나누게 된다. XGBoost는 CART를 통해 의사 결정 나무를 계속 만들어가며 적합한 모형을 찾게 되며, 아래와 같이 수식으로 나타낼 수 있다. ${\widehat{y}}_i$는 데이터 x_i의 예측값, K는 사용된 CART의 개수, f는 CART 모델을 의미한다.

각 CART를 훈련시키기 위한 목적함수(objective function)는 (식 2)와 같으며, $l\left(y_i,{\widehat{y}}_i\right)$는 정답 y_i, 예측값 ${\widehat{y}}_i$에서 계산된 목적함수, Ω은 과적합을 방지하기 위한 모델의 정규화 함수를 의미한다.

머신러닝은 고려되는 변수의 수가 증가할수록 연산 효율성이 떨어진다. 특히 더미 변수가 추가 될 경우 분석 효율성이 낮아진다. 그러나 XGBoost 알고리즘은 다른 알고리즘과 다르게, 대비 변수의 분포를 고려하고 비효율적인 탐색 과정을 간략히 하였다. 그 결과 모형의 연산 효율성 및 추정력을 상승시켰으며, 기존의 부스팅(Boosting) 알고리즘 대비 과적합(overfitting) 문제를 해결하였다. XGBoost 알고리즘은 반복적인 분석을 진행하며 이전 모델에서 발생한 오차를 새로운 모델로 지속적으로 보완하면서 성능을 개선한다. 이에 XGBoost는 종속변수에 영향을 주는 독립변수의 중요도를 다른 알고리즘 대비 빠르고 정확하게 확인할 수 있으며, 머신러닝은 전통적인 계량분석 기법들보다 우수한 적합성을 보이고 있다(김은미 외, 2020). 머신러닝은 훈련세트와 테스트세트를 통해 모델을 학습시키고 성능을 테스트 하면서 가장 적합한 예측 값을 구하는 방식이며 본 연구에서는 훈련세트와 테스트세트의 비율은 80:20으로 적용하여 분석하였다. 머신러닝은 다양한 형태를 갖은 자료를 분석할 수 있는 장점이 있으나 명확한 결과 해석이 어려운 단점도 갖고 있다. Parsa et al.(2020)의 연구에서는 단점을 보완하고자 SHAP(SHapley Additive exPlanation)를 이용하여 해석하였다. SHAP를 이용하여 예측기여도 서열순으로 정렬할 수 있다. SHAP Summary plot에서는 변수별로 붉은색 점일수록 변수의 값이 큰 것을 의미하며, 우측으로 갈수록 예측기여도가 커지는 것으로 해석하고 있다. 머신러닝은 기존의 계량분석 대비 적합성은 높을 수 있으나, 분석의 중간 과정을 모두 확인하지 못하는 점, 명확한 계수 값을 계산하기 어렵다는 점 등의 특성을 감안하여야 한다.