부동산 투자, 인공지능이 답이다

부동산 투자, 인공지능이 답이다

이건영 지음

이코노믹북스 / 2019년 3월 / 328쪽 / 15,000원





부동산 투자, 인공지능으로 해야 하는 이유



그래도 부자들이 부동산에 돈을 묻어두는 이유

최근 보고서에 따르면, 우리나라 토지 자산 가격의 총액은 1985년 299조 원에서 2013년 5,848조 원으로 28년간 약 20배가 뛰었다. 그런데 과연 부동산 가격만 상승했을까? 아니다. 모든 물가가 상승한다. 왜 그럴까? 1971년 금본위제가 폐지된 이후 자본주의는 계속해서 화폐 가치가 떨어지는 시스템으로 바뀌었고, 이로 인해 통화량이 계속 늘어나고 있기 때문이다. 따라서 화폐를 가지고 있으면 손해다. 화폐가 아닌 것을 가지고 있어야 한다. 기업이 계속 존속한다면 주식도 그중 하나이고, 부동산도 마찬가지다.

인공지능 투자법의 놀라운 세 가지 장점

인공지능 투자법은 컴퓨터 프로그램으로 투자 지역과 투자 물건을 선별하는 새로운 투자법이다. 필자는 아파트 투자에 관련된 컴퓨터 프로그램을 2016년 초부터 본격적으로 연구, 개발하기 시작했다. 물론 그전부터 개인적으로 부동산 투자를 할 때마다 어떤 데이터가 중요한지 끊임없이 연구했으나, 결국 고수들의 조언에 따라 투자 결정을 하곤 했다.

즉, 당시의 프로그램은 사람의 판단력을 보조하는 정도였다. 사람이 어떤 조건을 제시하면 그 조건 값에 따라 투자 지역, 아파트를 추천하는 식이었다. 반면 인공지능 투자법은 인공지능 프로그램을 통해 그런 값을 찾아내는 방식이다. 전에 개발한 프로그램이 투자 고수의 경험을 보조해 주는 데 그쳤다면, 새로운 인공지능 프로그램은 100% 프로그램에 의지해 결과를 보여주는데, 그게 꽤 신빙성이 있다.

물론 추천 지역 - 여기서 지역이란 시ㆍ도 단위 아래의 구ㆍ시 단위, 예를 들어 서울이나 서울시 강남구 서초동이 아닌 서울시 강남구를 일컫는다. 대략 230여 개 정도의 지역이 있음 - 을 100% 믿고 따라도 되는 수준은 아니다. 추천 지역을 추출하는 과정에서 만든 데이터 중 인공지능 프로그램에서는 중요하지 않은 것으로 치부하지만, 실제 투자를 할 때에는 중요한 경우도 있기 때문이다. 대표적인 요소로 미분양률이나 예정 공급량 등이 있다. 인공지능 프로그램에서는 이 두 가지를 그다지 중요한 요소로 보지 않는다. 그 결과는 나도 의외여서 잘못된 부분이 없는지 수십 번 체크했다.

예를 들어, 과거 10년 동안 20개 지역, 즉 200개의 지역에서 미분양률이나 예정 공급량 수치가 좋지 않았지만 투자 결과 수익률이 좋은 경우가 90% 정도였다고 한다. 다시 말해 180개 지역에서 두 요소의 수치가 나빴어도 좋은 결과를 보였다면, 인공지능 프로그램은 두 요소를 중요하지 않은 요소로 분류해 버린다. 그런데 투자자의 입장에서는 100% 확신이 있어야만 투자를 할 수 있다. 그래서 인공지능 투자법에서 추천 지역은 참고 사항 중 하나일 뿐이다. 가령 미분양률과 예정 공급량은 수도권이 아닌 지방에서는 중요한 요소다. 물론 인공지능 프로그램이 수도권과 지방을 분류해서 알려주면 100% 확실한 결과를 얻을지도 모른다. 하지만 현재의 여건상 그렇게 하기는 어렵다.

그럼에도 신빙성이 있다고 이야기하는 것은 몇 가지 유용한 점이 있기 때문이다. 첫 번째, 인공지능 프로그램이 추천하는 지역을 고수의 눈으로 한 번 더 걸러내면 매우 유용하다. 간혹 생각지 못한 의외의 지역을 추천하는 경우도 있기 때문이다. 두 번째, 투자 공부가 된다. 앞에서 설명했듯이 인공지능 프로그램에서는 미분양률이나 예정 공급량을 중요하지 않은 요소로 본다. 그런데 수치 자체만 봐서는 그렇지만 자세히 들여다보면 사실이 아니다. 인공지능 프로그램은 대체적으로 전세가율을 중요한 요소로 보는데, 전세가율이란 것이 결국 미분양률이나 예정 공급량의 영향을 받기 때문이다. 현시점의 미분양률이나 2년 뒤 시점의 예정 공급량 수치는 2년 뒤 투자 결과와 딱딱 맞아떨어지지 않을지도 모른다. 하지만 그 요소들은 결국 현재의 전세가율에 영향을 준다.

세 번째, 빅데이터 요소가 될 만한 것들의 중요도를 알 수 있다. 전세가율의 경우 역시 많은 빅데이터 요소를 생각해 볼 수 있다. 간단하게 전세가율 상승률, 그것도 6개월 전과 비교한 상승률, 1년 전ㆍ2년 전과 비교한 상승률, 또 상승률의 상승률(상승률 자체가 얼마큼 상승하고 있는지)도 생각해 볼 수 있다. 뿐만 아니라 지역 내에서 아파트를 선정할 때 해당 아파트의 전세가율이 과거에 비해 어느 정도 수준인가도 중요한 요소다. 예를 들어, ‘과거 80%까지 갔었는데, 현재는 70% 수준이다’와 같은 것은 ‘전세가율의 위치’라 칭하고 있다. 이렇게 전세가율 하나만으로도 많은 데이터를 만들 수 있다.

빅데이터, 인공지능 프로그램 투자법은 실제 투자 고수들의 실력에 비하면 조족지혈, 새 발의 피다. 하지만 나름 유용한 부분도 있다. 그러한 부분을 여러 고수들을 통해 검증받았고, 또 그 과정을 통해 인공지능 프로그램은 더욱 발전했다. 무엇보다 전국의 모든 지역과 아파트를 동시에 비교하는 다른 차원의 접근법이며, 추후 성장 가능성은 무궁무진하다. 이제 겨우 한 걸음마를 떼었을 뿐이다.

빅데이터에서 최고의 투자처를 도출한다

부동산 인공지능 프로그램은 먼저 가구수, 인구수, 매매가, 전세가, 공급량 등의 각종 데이터를 수집한다. 다음으로 빅데이터로 전환하는 데이터를 포함하여 과거의 모든 데이터를 분석하면서 투자 지역을 추천하고, 해당 지역 내의 아파트를 추천한다. 이때 해당 데이터는 과거와 현재의 데이터다. 과거의 데이터는 수익률을 증명하는데, 전세 2년 갭투자의 경우 현시점 2018년 5월의 2년 전, 즉 2016년 5월까지 수익률의 결과를 알 수 있다.

부동산 인공지능 프로그램은 과거의 결과를 통해 현재를 예측하는 방식이다. 마치 구글의 인공지능 프로그램 알파고가 과거의 수많은 바둑 기보를 학습을 해서 노하우를 쌓은 후 최고의 바둑기사들을 이겨냈듯이 말이다. 하지만 아파트 투자는 바둑처럼 원리가 간단하지도 않고, 결과가 이기고 지는 것처럼 단순하지도 않다. 투자 방식도 2년 전세 갭투자, 4년 전세 갭투자, 월세 투자, 건축, 경매 등 수많은 방법이 있다. (그중에서 2년 전세 갭투자가 제일 간단한 방식이다.) 데이터 역시 앞에서 언급한 가구수, 인구수, 매매가, 전세가뿐만 아니라 지역 호재ㆍ악재, 역세권, 선호도, 층수, 남향ㆍ북향 등의 방향, 인구 이동 등 수없이 많다. 연구의 핵심은 결과를 측정할 수 있는 예측 알고리즘 수치이며, 수많은 데이터 중에서 어떤 데이터를 넣을 것인지 사람이 어느 정도 정리를 해줘야 한다.

데이터/차트 프로그램을 활용하는 방법

부동산 인공지능 프로그램은 두 부분으로 나뉜다. 하나는 인공지능 프로그램에 넣기 전 데이터를 차트화해서 보는 프로그램이다. 그리고 다른 하나는 실제 지역과 지역 내 아파트를 예측ㆍ추천하는 프로그램이다. 특히, 데이터를 차트화해서 보는 프로그램은 실제 투자를 할 때 도움이 된다. 이제부터 주요 데이터/차트 프로그램을 소개하도록 하겠다. 데이터를 차트화한 프로그램에는 크게 지역 분석 프로그램이 있고, 다음으로 지역 내 아파트 분석프로그램이 있다. 주요한 지역 프로그램으로는 시ㆍ도 단위별 주요 차트, 구ㆍ시 단위별 주요 차트가 있다. 그리고 지역 내 아파트 분석 프로그램으로는 공급 예정 상세 분석 프로그램, 지역 내 아파트 분석 프로그램이 있다. 시ㆍ도 단위별 주요 차트는 중요한 차트를 한눈에 볼 수 있는 프로그램이다. 먼저 제일 좌측에는 시ㆍ도를 선택할 수 있는 기능이 있다. 해당 지역을 선택한 후에는 중요한 4개의 차트를 볼 수 있다. ‘서울의 주요 차트’ 좌측 상단의 차트는 기본 매매지수, 전세지수 차트다. 이는 KB 시계열 데이터를 기초로 한다. 매매가와 전세가를 같이 보며 매매와 전세의 흐름을 같이 파악하는 것이 중요하다.

[우측 상단]의 차트는 수요와 공급 누적 차트다. 이 차트에서 아랫부분의 촘촘한 빨간색 막대는 수요 값이다. 수요는 ‘인구수×0.5%’다. 서울 지역처럼 인구수가 점점 줄고 있는 지역은 자세히 보면 수요가 조금씩 줄어들고 있는 것을 알 수 있다. 그리고 파란색 막대는 공급 아파트 세대수 값이다. ‘수요 에너지 지수’라고 명명한 주황색 막대가 중요하다. 이는 ‘누적된 수요÷누적된 공급’을 말하는데, 수요에 비해 공급이 부족하면 수요 에너지 값이 점점 올라간다. 서울의 경우 2005년부터 공급이 부족해 에너지가 계속 올라가면서 쌓이고 있다. 에너지라고 표현하는 이유는 ‘부족하다’, ‘쌓이고 있다’ 식의 상태를 설명하는 데 적절하다고 생각하기 때문이다.

서울의 주요 차트의 [좌측 하단]의 전세 에너지도 수요 에너지와 함께 제일 중요한 에너지 차트다. 전세 에너지는 해당 지역의 전세가와 매매가를 비교했을 때 전세가가 더 많이 상승했으면 올라가고, 매매가가 더 많이 상승했으면 내려간다. 전세 에너지 역시 수요 에너지와 함께 상승 여력의 정도를 나타내는 양대 에너지 지수다. 우측 아래에는 미분양, 준공 후 미분양 수치를 보여주는 차트가 있다.

한편 구ㆍ시 단위별 주요 차트는 시ㆍ도 단위의 주요 차트에서 하위 구ㆍ시 단위를 선택해서 볼 수 있다. 기본적으로 예측은 구ㆍ시 단위로 선택하도록 프로그램화되었다. 하지만 인구 이동으로 지역 간의 영향을 쉽게 받을 수 있으므로 시ㆍ도 단위의 지역 흐름도 보는 것이 중요하다. 예측 지역 역시 시도 단위로 추천하지만, 해당 시ㆍ도 내의 구ㆍ시 지역을 얼마나 많이 추천하는지도 중요 요소다.그리고 ‘공급 예정 상세 분석 프로그램’은 공급 예정 아파트의 구체적인 시기와 위치 등의 정보, 평형대별 분포도를 제공한다. 하지만 지역의 기본적인 수요와 공급은 먼저 누적 수요 대비 누적 공급의 수요 에너지 차트를 통해 흐름을 분석하는 것이 첫 번째다. 그러므로 지역을 선정하고, 아파트를 선정할 때에는 해당 지역 혹은 근처 지역까지의 공급 예정 물량, 공급 예정 물량의 입주일, 세대수, 평형별 구성 비율, 위치 등의 정보를 살펴본 후 투자 여부를 판단해야 한다.

인공지능 예측 프로그램을 읽는 법

예측 프로그램의 종류에는 ‘지역 예측 프로그램’, ‘지역 내 추천 아파트 통계 프로그램’, ‘추천 아파트 프로그램’ 세 가지가 있다. 여기서는 예측의 결과를 보여주는 프로그램을 간략하게 소개 정도만 하겠다. 먼저 지역 예측 프로그램은 과거 연도의 예측과 결과를 같이 보여준다. 이를 통해 인공지능 프로그램이 예측한 지역, 추천한 지역이 얼마나 맞는지 한눈에 확인할 수 있다. 과거 투자 결과 순위가 높을수록 녹색 배경이, 결과 순위가 낮을수록 빨간색 배경이 많다. 육안으로 추천 지역의 결과가 예측한 것과 어느 정도 맞아떨어지는지를 수치로 표시한 것이 예측 알고리즘 수치다. 아래는 2016년 1월을 예측한 것인데 수치가 85.21로 높은 편이지만 100%가 아닌 이상, 중간 부분의 대전 유성구처럼 추천 순위는 높아도 결과는 좋지 않게 나오는 경우가 있다.



빅데이터로 타이밍과 유망 지역을 통찰한다



수익률과 직결되는 데이터를 한눈에

이제부터는 본격적으로 인공지능 프로그램에 대해 자세히 다뤄보도록 하겠다. 인공지능 프로그램도 결국 사람이 어느 정도 연관성 있는 부동산 투자 관련 데이터를 입력해줘야 한다. 알파고에 바둑에서 이기는 법을 알려주듯이 인공지능 프로그램에 부동산에서 수익률을 높이는 방법을 알려줘야 한다. 기본적으로 알파고가 바둑을 두는 방법이라면, 인공지능 프로그램은 부동산 투자수익률을 계산하는 방법이 될 것이다. 알파고가 수많은 고수들의 기보를 통해 학습했듯이, 인공지능 프로그램에서도 고수들이 중요하다고 여기는 데이터 항목이 필요하며, 그러한 데이터가 얼마나 높은 수익률로 연결되었는지가 핵심이 된다.

위에 있는 ‘투자 예측(결과) 및 데이터 항목 프로그램’은 앞에서 소개했던 [시기별 투자 예측 프로그램 메뉴]다. 여기에서 윗부분의 컬럼 빨간색 부분을 보면 인공지능 프로그램에서 사용한 데이터 항목을 확인할 수 있다. 데이터 항목에는 예측 연월, 지역명, 가구 점수, 전세 종합점수, 수요ㆍ공급 종합점수, 미분양 점수, 거래량 증가 점수, 주변 입주량 점수, 추천 순위와 과거결과 순위가 있다.

예측 연월, 지역명, 추천 순위는 설명할 필요가 없고, 나머지 부분을 설명하자면 가구 점수는 가구 증가율 점수다. 거래량 점수는 전년과 비교했을 때의 거래량 증가율 점수다. 입주량 점수는 2년 후 해당 지역의 주변 지역(해당 지역과 지도상 인접한 지역을 말한다)을 포함한 입주량 관련 점수다. 미분양 점수는 단순 미분양 수치와 준공 후 미분양 수치의 조합이다. 전세 종합점수와 수요ㆍ공급 종합점수에서 핵심적이고 매우 중요한 정보로 미분양, 전세 에너지와 수요 에너지를 이해하면 된다.

시기별 투자 예측 프로그램 메뉴를 통해서도 대략적인 판단을 할 수 있다. 표에서 마이너스(-)가 붙은 점수는 나쁜 점수다. 쉽게 이해할 수 있도록 표의 각 칸 배경색에 색깔을 입혔다. 예를 들면, 추천 순위 1위인 서울 중구의 경우 공급 종합점수와 입주량 점수가 마이너스다. 그러면 수요ㆍ공급에 뭔가 문제가 있다. 이 경우 ‘2년 후 주변에 입주 물량이 조금 있겠구나’ 정도로 해석하고 입주 예정인 아파트를 상세히 분석해 봐야 한다. 공급에 대한 분석은 공급 예정 상세 분석 프로그램과 지역 내 아파트 분석 프로그램 메뉴를 이용하면 된다.

인공지능은 어떻게 예측했을까? - 연도별 분석



2013년 인공지능은 어디를 추천했는가?

필자는 2013년부터 수도권 경매를 통해 부동산 투자를 시작했다. 사실 그전까지만 해도 인구가 점점 줄고 있어 부동산 투자는 하면 안 된다고 생각하던 사람 중 하나였다. 당연히 아는 곳도 직장과 집 근처 강남, 서초, 의왕, 안양, 성남 정도밖에 없었다. 그런데 2013년 당시 부동산 투자 고수들은 지방의 투자를 마무리하고 수도권으로 시장을 옮기는 중이었다. 2013년으로 다시 돌아간다면 과연 그들은 어떤 선택을 할까?

2013년 부동산을 투자 지역 추천 프로그램으로 돌려보자. ‘2013년 투자 예측 결과 및 데이터 항목’을 보면, 2013년의 예측 알고리즘 수치는 86.65로 비교적 좋은 편이다. 그런데 부산 북구, 경기 군포시, 전북 익산시의 수치는 빨간색으로 좋지 않지만, 추천 프로그램의 점수는 높다. 이 4개 지역 외에도 결과가 좋다. 그 외 부산 금정구, 충남 논산시의 순위는 50위권 밖이다.

추천 지역을 시ㆍ도 단위로 구분해서 보면 투자 지역(구ㆍ시 단위)을 선정하기가 보다 수월하다. 시ㆍ도 단위별로 경기도는 군포시 1개, 광주시는 5개 전부, 대구시는 서구ㆍ동구ㆍ중구를 제외한 5개, 부산은 14개 지역 중 금정구ㆍ북구 2개, 울산은 5개 지역 중 동구를 빼고 4개, 경남은 진주시ㆍ김해시 2개, 경북은 포항시ㆍ구미시ㆍ경산시 3개 지역이 30위권 이내다. 또한 전남은 여수시 1개, 전북은 전주시ㆍ익산시 2개, 충남은 천안시ㆍ논산시ㆍ공주시 3개, 충북은 충주시ㆍ청주시 2개 지역이 눈에 띈다.

이 중 경기도와 부산은 지역 내 추천 지역수가 별로 없다. 이 말은 곧 당시 추천 지역만 투자 데이터 항목(전세가율, 전세 에너지, 수요 에너지 등)이 잠깐 좋았다는 것으로 해석할 수 있다. 참고로 수도권 및 광역시는 인접한 지역(시ㆍ구 단위)이 서로 영향을 많이 받는다. 한편 데이터로 예측하기 어려운 항목이 인구 이동이다. 예를 들어, 한 지역에서 어떤 이유로 전세 가격이 많이 올랐다면, 교통에 문제가 없다면 전세 가격이 오르지 않은 지역으로 이사를 갈 수 있기 때문이다. 고로 시ㆍ도 단위나 인접 지역의 투자 환경이 전체적으로 비슷하게 좋아야 투자를 할 수 있다.

경기도는 지리적으로 서울을 감싸고 있어 서울의 영향을 많이 받는다. 또한 경기 동부는 인천과 영향을 주고받는다. 동서남북으로 투자 환경이 제각각이다. 그래도 추천 지역이 1개라면 너무 적다. 더구나 서울, 인천이 한 지역도 없어 확실히 별로라고 할 수 있다.