아파트 1제곱미터 커지면 값은 1600만 원 상승? 이런 계산 어떻게 나왔냐면… [스프]

전편에서 전세사기를 방지하기 위해서는 주택 가격 정보, 특히 빌라와 같은 소규모 주택 가격 정보의 비대칭성을 해소해야 하고 이를 위해서는 주택 가격을 추정하는 시스템인 "자동평가모형(Automated Valuation Model, 이하 AVM)"의 활성화가 필요하다고 언급한 바 있다. 이번 편에서는 AVM이란 무엇인지, 그리고 주택시장에서 AVM이 왜 필요한지에 대해 살펴본다. AVM은 주택의 적정 거래 가격, 즉 시세를 자동으로 평가하는 시스템을 뜻한다. AVM은 주택의 면적이나 구조와 같은 특성, 입지, 그리고 현 시점의 시장 상황과 같은 다양한 요인을 고려하여 적정 가격을 추정할 수 있으며, 아직 한 번도 거래가 이루어지지 않은 신축 빌라라도 주택의 특성과 시장 상황을 통해 만약 거래가 이루어졌다면 형성되었을 가격을 추정할 수 있다.

기존의 주택 가격 평가는 감정평가사가 개별 주택의 특성과 입지, 그리고 인근 부동산 시장의 상황과 같은 여러 요인을 감안하여 수동으로 수행하였다. 그러나 지난 2006년부터 정부에서 주택 실거래 전수 내역을 수집하고 이를 공개하면서 주택 가치 추정에 필요한 빅데이터가 구축되기 시작하였고, 이러한 빅데이터를 학습하여 가격을 추정할 수 있는 기법들이 발달하면서 데이터를 통해 정교한 주택 가치 평가가 가능한 환경이 만들어졌다.

이미 학계에서는 다양한 부동산 시장 데이터와 고도화된 인공지능 기법을 활용하면 전문 감정평가사에 버금가거나 오히려 능가하는 수준의 가치 평가가 가능하다는 점이 밝혀진 바 있다. AVM 시스템은 면적이나 노후도 등 주택의 여러 특성과 가격의 관계식을 학습한 통계 모형을 통해 가격을 추정한다. 간단한 예시로 [그림 1]은 2023년 서울시 아파트 매매 거래 데이터를 통해 아파트 전용면적과 가격의 관계를 확인한 것이다. 추세선을 통해 전용면적이 1제곱미터 넓어질 때마다 가격은 1,665만 원 비싸진다는 점을 확인할 수 있다.


통계 모형은 면적 외에도 입지 특성, 부동산 시장 상황, 노후도, 층과 같은 다양한 요인이 가격에 미치는 영향을 종합적으로 고려한 추정을 수행한다. 여기에 '인공신경망'과 같은 최근의 인공지능 기반 기법들이 도입되면서 과거보다 더 많은 데이터를 투입하고, 더 정교한 관계식을 학습할 수 있게 되었다.

이와 같이 주택의 특성과 가격의 관계를 학습한 AVM 시스템에 [그림 2]와 같이 주택의 특성을 입력하면 시스템은 투입된 정보를 바탕으로 최적 거래 가격을 산출하게 된다.


AVM이 발달하지 못했던 과거에는 거래가 빈번하지 않은 나홀로 아파트나 빌라의 시세를 파악하기 위해선 감정평가사의 가치 평가에 의존해야 했는데, 여기엔 다음과 같은 어려움이 있다.

첫째, 인력을 들여 전문적인 감정평가를 수행할 경우 시간과 비용이 든다. 한 건의 감정평가에도 필요한 시간과 비용을 고려하면, 전국 모든 주택에 대한 대량 평가를 매월 혹은 매주 수행하려면 천문학적인 비용이 들 것이다.

둘째는 일련의 전세사기 사건에서 드러난 바와 같이 악성 임대인과 결탁한 평가사가 임대인이 희망하는 금액에 맞추어 감정평가액을 조작할 수 있다는 것이다. 특히 거래가 자주 발생하지 않는 빌라는 실거래를 통해 형성되는 시장 가격으로 감정평가 결과를 검증해보기도 어렵다.

(남은 이야기는 스프에서)

감수: 김경민 서울대 환경대학원 교수(도시사회혁신 전공)