딥러닝기반 토지 감정평가 시스템 (한국IT서비스학회 2020 춘계학술대회)

 

 

P2P 부동산 담보대출은 기존 금융권을 이용하기 어려운 자금부족주체와 새로운 투자처를 찾는 자금여유주체를 연결하는 온라인 대안금융의 일환으로서, 단기적인 자금난을 겪는 자영업자와 중소기업에게 유용한 재무 레버리지 수단이 될 수 있음이 인정되면서 최근 관련 법제가 신설되었고 여러 중개 플랫폼들이 등장함에 따라 핀테크 생태계에 빠른 속도로 정착되고 있다.

 

 

하지만 부동산 담보가치의 산정이 P2P 플랫폼 사업자에 의해 일방향적으로 이루어져 담보가치 평가절하 등의 금융사기 문제가 발생할 수 있으며, 특히 토지의 경우 과거 실거래가 내역을 비롯한 담보가치 참고자료가 부재하거나 시의성이 떨어지는 경우가 많기 때문에 차입자 및 대여자의 정보 수요를 충족시키는 것이 P2P 금융시장의 전략적 과제로 부상하였다.

 

일반적으로 토지의 접근조건, 자연조건, 획지조건, 행정적조건을 포괄적으로 고려하는 감정평가는 이러한 정보비대칭을 해소하는 공정한 기준을 마련해줄 수 있지만, 시간과 비용상의 제약으로 인해 실무적으로 보편화되지 못한 상황이다.

 

 

따라서 본 연구에서는 딥러닝 기술을 활용한 토지 감정평가 서비스를 제시한다. 이는 개별 필지들에 대한 부동산 권리 상태 등의 특수성을 노이즈로 전제하고 위치, 면적, 지목 등과 같이 쉬이 객관화될 수 있는 공통요인과 감정평가액 간의 비선형 관계를 모델링하는 딥러닝 접근법에 의한 것으로 감정평가 데이터의 차원축소 및 속성 추출, 인공 데이터 생성을 위한 AE(autoencoder), DAE(denoising autoencoder), SAE(sparse autoencoder), VAE(variational autoencoder)를 활용해 감정평가액 예측력을 비교한다. 또한 각기 딥러닝 접근법과 속성 데이터셋을 모듈화해 P2P 대출 당사자들이 딥러닝 기반의 토지 감정평가에 직간접적으로 참여하는 개방형 시스템 프레임워크를 제시함으로써, 분석 결과가 오프라인 감정평가와 연계되는 객관적인 참고자료로 활용될 수 있도록 하는 동시에 P2P 금융시장의 재무건전성 및 정보투명성을 제고하는 데 기여하고자 한다.