일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 |
- 빅데이터
- 데이터분석
- 네이버트렌드
- 부동산 저평가 지역
- KDT
- 빅데이터분석
- python
- 부동산 집값 예측
- 집값예측
- 데이터랩
- 네이버
- 파이썬
- 부동산 저평가
- 데이터시각화
- pandas
- 부동산저평가
- 판다스
- =======
- 주피터노트북
- 부동산
- seaborn
- 크롤링
- 아파트가격비교
- 네이버데이터랩
- 실거래가분석
- pycaret
- 리치고
- >>>>>>HEAD
- 파이캐럿
- LF will be replaced by CRLF the next time Git touches it
- Today
- Total
목록PROJECT/부동산 저평가 지역 예측 (12)
20대 마무리

해당 프로젝트에서 스콥을 줄이기 위해서, 어떤 지역을 선택하느냐에 대한 고민이 있었고, 우선 이를 판단하기 위해 전체적인 부동산 시세에 대한 분석이 필요하다는 전제하에 이전에 수집한 데이터를 가지고 분석을 진행했습니다. 2018/07/01 ~ 2022/04/13 아파트(매매) 실거래 평단가 분석 ( 2,317,201 건) 단위(만원/평) - (1평 기준: 3.3㎡) 계약일 기준, 전용 면적 기준 데이터 출처 - 한국부동산원 위와 같이 데이터를 이용해 시각화 해보았습니다. 시각화 한 자료를 기반으로 경기도 지역을 더 분석해보기로 결정했습니다. 그 이유는 서울과 유사하고, 시세의 그 변동폭이 뚜렷하며, 후보군인 '세종특별자치시'와 비교했을 때, 데이터의 수가 방대하기 때문이었습니다. 목적 자체가 저평가된 지..

부동산 투자와 관련하여 많은 투자정보를 제공하고 있는 리치고 모델을 리뷰해보았습니다. 리치고는 지역별 투자점수를 분석하여 제공하고 있습니다. 당사 기준으로 100점 만점기준으로 투자점수를 제공하는데, 다양한 피쳐를 사용하고 있는 것으로 보입니다. 인구와 일자리, 공급량, 거래량, 전세가율 등과 경제지표로는 통화량 대비 아파트 시가총액, GDP 대비 시가총액, 국민순자산 대비 시가총액 등을 사용하고 있습니다. 가장 흥미로운 부분은 전세대비 저평가인데, 준비중이라고 뜨는 것으로 보면 아직 베타테스트 중인 것으로 보입니다. 전세대비 저평가는 개인적으로 중요한 부분이라고 생각하는데, 매입 후 전세차익 등으로 부동산 투자자들이 수익을 낼 수 있는 부분이라고 생각합니다. 데이터의 출처를 보면 많은 개방된 공공데이터..

부동산에 대한 저평가 지역을 찾기 이전에, 부동산의 범위가 광범위하기 때문에 아파트 매물로 범위를 축소했습니다. 데이터는 '국토교통부 실거래가 공개 시스템'에서 아파트(매매) 실거래가 데이터를 이용했습니다. 해당 데이터에서는 각각의 매물에 대한 실거래가를 제공하고 있는데, 전용면적이 모두 다르기 때문에 단순 평균을 구해 평단가를 계산했습니다. (실거래가/전용면적)*(3.3) -> 단순 수식을 활용했습니다. 단위(만원/평) - (1평 기준: 3.3㎡) 계약일 기준 ( 2018.07 ~ 2022.03 ) 누적 실거래 데이터 건 수 : 2,317,201건 경향성에 대한 평가는 조금 더 분석을 진행해 봐야 할 것 같습니다. 부동산은 워낙 가격 변동에 대한 변수가 많기 때문에 주식처럼 시계열에 따른 변동성이 크진..