[논문이야기] 부동산 경매 시장의 할인/할증 요인 ②

[논문이야기] 부동산 경매 시장의 할인/할증 요인 ①에서 이어집니다.

이전 글에서는 부동산 경매 시장을 왜 분석해야 하는지, 낙찰가율이라는 경매 시장의 시계열 지표가 어떤 오류를 가지는지, 그리고 법원 감정가 교정 등의 방법이 왜 비지니스에서 사용되기 어려운지를 살펴봤다. 서술한 문제들은 정확히 필자 또한 실무자로서 겪었던 문제들이기도 하다. 의사 결정을 위해 시계열 분석이 필요한 와중에, 낙찰가율의 고질적 문제로 인해 이를 제대로 활용하기 어려웠던 것이다.

낙찰가격(가격 분석) vs 낙찰가율(시장 분석)

여기서 확실히 해둘 점이 있다. 경매 ‘낙찰가격’을 분석하는 것과 ‘낙찰가율’을 분석하는 것은 그 의미와 목적이 분명히 다르다. 이전 글에서 언급했듯 어느 한 경매건의 낙찰 가격에 대한 분석은 전혀 문제가 되지 않는다.

예컨대 아파트로 한정 지어 설명할 경우, 경매 사건의 입찰자는 입찰 시점의 매매 시세를 기준으로 입찰한다. 입찰 시점과 최종 낙찰 시점의 간격을 1~2달 정도라고 한다면, 부동산 자산의 특성을 감안하여 매매 시세가 주식처럼 한 달 사이 큰 폭의 널뛰기를 하지 않는다고 했을 때 낙찰 가격 자체는 낙찰 시점의 1~2달 전 시세에서 큰 변동 범위를 보이지 않는다는 것이다. 또한 초등학교까지의 거리, 층수, 브랜드 같은 매매 시세에 영향을 준다고 흔히 알려진 요인 등은 이미 아파트 매매 시세 자체에 반영돼 있을 확률이 높기 때문에 경매 낙찰가격에서 유의한 변수로 작용할 가능성은 작다고 볼 수 있다.

대부분의 부동산 경매 관련, 특히 아파트 경매 시장에 대한 기존 연구들은 ‘낙찰 가격’ 자체를 얼마나 정교하고 미세하게 예측하느냐와 유의한 요인이 무엇인지에 초점을 두고 있지만, 실제 비지니스에서 가격 예측에 대한 문제는 언급한 대로 큰 논의의 대상이 아니다.

실제로 간단한 회귀 분석(regression)을 수행해 봐도 낙찰 가격과 낙찰 시점의 1~2달 전 KB시세의 R-squared 는 95%가 넘고 비선형 관계를 갖지도 않는다. 또한 미래 시점의 추세 예측이 필요하다면 시계열 분석으로 형태가 바뀌어야 한다.

할인/할증은 시간에 따라 변한다는 가정 필요

긴 서론 끝에 본론으로 들어가 보자. 경매 시장을 분석하고 싶다. 그러나 시작도 하기 전에 데이터 자체에 큰 오류가 있고, 이를 일일이 교정하는 등의 방법은 적어도 업계에선 한계가 있다. 다른 방법이 필요한 것이다. 그럼 어떤 다른 방법을 쓸 수 있을까? 그 다른 방법을 사용한 분석을 통해 무엇을 알아낼 수 있을까?

이것이 본 연구 핵심 주제이자 배경이다. 실무에서 겪었던 난공불락(?) 이라 여겨지던 비지니스 문제 중 하나를 해결하기 위해 통계학이라는 도구를 사용한 것이다.

아울러 그 도구를 활용해서 시장에서 찾고자 한 것은 바로 매매 시장과 경매 시장의 차이이다. 이때 ‘차이’란 결국 경매 시장이 매매 시장 대비 갖는 할인/할증으로 표현할 수 있고, 나아가 시계열 분석이 꼭 필요한 이유는 할인/할증 요인이 시간(경기나 시장 국면)에 따라 유동적으로 변할 것이기 때문이다.

기존 연구의 한계점 – 경매 시장의 할인/할증 요인

주택 경매의 할인/할증 요인에 대한 기존 연구는 꽤 다양한 편이다. 그러나 해외 및 국내 연구는 앞서 서술했듯 시장 관점이 아닌 가격 관점의 분석이 주를 이루고 있어 부동산 자체의 거시적 흐름을 파악하는 데 어려움이 있다. 이를테면 주로 몇 년 동안 발생한 경매 사건들을 취합해 법적 권리 이슈 등의 요소들을 제거하고 난 뒤, 매매 시장 가격과 비교하여 할인/할증이 있었고, 그 원인은 ‘무엇무엇’으로 추정된다는 스토리이다.

또한 해외에서 진행된 연구의 경우 사설 경매가 허용되고 호가제를 주로 채택하고 있어 우리나라에 직접적인 적용이 어렵다는 단점이 있다. 한편 국내 기존 연구의 경우 존재하는 소수 연구 역시 시장 관점의 분석은 전무한 실정이다. 앞서 언급했듯, 할인/할증 요인이 실존한다면 그 요인은 시간(경기 또는 시장 국면)에 따라 변한다고 가정하는 것이 합리적이다.

낙찰가율의 재구성, 하지만 문제는 ‘데이터 확보’

경매 시장에 매매 시장 대비 할인/할증 요인이 존재한다고 가정해 본다면, 낙찰가율을 아래와 같이 재구성할 수 있을 것이다.

이번에는 위 낙찰가율의 3가지 요소를 영향 단위로 해석해 선형 회귀식(linear regression model)으로 바꿔보면 아래와 같다.

회귀식을 완성하기 위해선 총 3가지 변수에 해당하는 데이터가 필요하고, 이중 매매시세 영향은 한국부동산원에서 제공하는 매매지수로 대체가 가능하다. 이때 매매지수를 낙찰가율과 동일한 형태로 맞추기 위해 로그(log) 차분으로 변형돼야 함을 밝힌다.

그러나 남은 두 변수의 경우 데이터 확보가 현실적으로 어렵다는 문제가 있다. 첫 번째로 법원감정가 연구 데이터로 확보하는 것은 현실적으로 불가능하다. 법원감정가의 영향이란 과거 시점의 ‘법원감정 가격’을 의미하는 것이 아니라, 각 분석의 시점(통상적으로 월 단위)에서 법원 감정가격이 얼마나 영향을 주었는지를 의미한다. 즉 낙찰 시점으로 교정된 법원 감정 가격 데이터가 필요한 것이다. 그러나 이는 최근 10년간 전국의 모든 경매 건에 대해서 비싼 비용을 들여가며 전산화하는 과정을 거치지 않고서는 사실상 불가능하다고 봐야 한다. 두 번째로 할인/할증 영향의 경우 당장 눈에 보이지도 않는 요인을 외부 데이터에서 찾는 것은 불가능하다.

[논문이야기] 부동산 경매 시장의 할인/할증 요인 ③으로 이어집니다.