KR20190041891A - 인공지능을 활용한 부동산 전략 제공방법 및 그 시스템 - Google Patents

Abstract

인공지능을 활용한 부동산 전략 제공방법 및 그 시스템이 개시된다. 본 발명의 실시 예에 따른 인공지능을 활용한 부동산 전략 제공방법은, 부동산 전략 제공시스템이 유저의 소정 시기에 상기 유저가 희망하는 부동산의 목표 상태에 대한 목표 상태 정보 및 상기 유저의 자산의 현재 상태에 대한 현재 상태 정보를 입력받는 단계, 상기 부동산 전략 제공시스템이 과거 부동산 영향 데이터 및 과거 부동산 가격 데이터에 기초하여 학습된 인공지능엔진을 통해 향후 부동산 가격에 영향을 미칠 수 있는 영향 데이터에 따른 부동산 가격 예측 데이터를 예측하는 단계, 및 예측된 상기 부동산 가격 예측 데이터와 상기 목표 상태 정보에 기초하여, 상기 부동산 전략 제공시스템이 상기 소정 시기까지의 전략 포트폴리오를 생성하는 단계를 포함하며, 상기 전략 포트폴리오를 생성하는 단계는, 상기 유저가 상기 목표 상태를 달성하기 위한 금융상품 추천 포트폴리오 및 부동산 매매전략 포트폴리오를 포함하는 상기 전략 포트폴리오를 생성하는 것을 특징으로 한다.

Description

인공지능을 활용한 부동산 전략 제공방법 및 그 시스템{Method and system for providing real estate strategy using artificial intelligence}

본 발명은 인공지능을 활용한 부동산 전략 제공방법에 관한 것으로, 보다 상세하게는 유저가 원하는 부동산에 대한 목표 상태를 달성할 수 있도록 상기 유저가 취할 수 있는 금융상품에 대한 전략 및/또는 부동산 투자 전략에 대한 전략적 포트폴리오를 인공지능 기반으로 제공할 수 있는 방법 및 그 시스템에 관한 것이다.

빅데이터를 처리하고 이를 통해 유의미한 정보를 추론 또는 예측하는 방식이 다양한 분야에서 널리 이용되고 있다.

특히 다양한 금융상품에 대한 투자에 있어서, 빅데이터를 통해 학습된 인공지능엔진을 이용하여 투자자의 주관적인 판단 또는 감정의 개입을 차단하고, 미리 학습된 결과에 따른 예측만으로 투자를 수행하는 방식(예컨대, 로봇 어드바이저 등) 역시 널리 이용되고 있다.

하지만 이러한 빅데이터를 이용한 투자는 주로 주식, 선물 등 상대적으로 객관화가 가능하고 또한 사례가 많은 금융상품에 널리 활용되고 있지만, 주요한 투자수단의 다른 한 축인 부동산 분야에서는 활발히 이용되고 있지 못한 실정이다.

부동산 분야에서 빅데이터를 활용하여 분석 또는 예측을 위한 시도(예컨대, 한국등록특허 10-1764834, "빅 데이터를 이용한 부동산 시세 추정 시스템 및 방법")가 존재하긴 하였지만, 부동산 시세의 예측이 상대적으로 정교하지 못하거나 또는 시세를 예측하는데 그칠 뿐 적극적으로 투자자의 투자전략을 제시하고 있지 못한 실정이다.

한국등록특허 10-1764834, "빅 데이터를 이용한 부동산 시세 추정 시스템 및 방법"

따라서 본 발명은 빅데이터를 이용해 학습된 인공지능엔진을 이용해 사용자가 원하는 소정의 시기에 부동산과 관련된 목표 상태(예컨대, 특정 부동산의 보유, 입주여부 등)를 달성할 수 있도록 적극적인 전략적 포트폴리오를 제시할 수 있는 방법 및 그 시스템을 제공하는 것이다.

또한, 보다 정확한 미래의 부동산 가격의 예측을 위해 특정 위치의 부동산에 대해 일정 바운더리 내의 영향 데이터를 전체적으로 고려할 수 있도록 학습이 이루어지되, 이러한 바운더리가 교통 인프라에 따라 적응적으로 조절될 수 있도록 함으로써 상대적으로 정확한 미래 부동산 가격의 예측이 이루어질 수 있는 방법 및 그 시스템을 제공하는 것이다.

상기 기술적 과제를 해결하기 위한 본 발명의 실시 예에 따른 인공지능을 활용한 부동산 전략 제공방법은, 부동산 전략 제공시스템이 유저의 소정 시기에 상기 유저가 희망하는 부동산의 목표 상태에 대한 목표 상태 정보 및 상기 유저의 자산의 현재 상태에 대한 현재 상태 정보를 입력받는 단계, 상기 부동산 전략 제공시스템이 과거 부동산 영향 데이터 및 과거 부동산 가격 데이터에 기초하여 학습된 인공지능엔진을 통해 향후 부동산 가격에 영향을 미칠 수 있는 영향 데이터에 따른 부동산 가격 예측 데이터를 예측하는 단계, 및 예측된 상기 부동산 가격 예측 데이터와 상기 목표 상태 정보에 기초하여, 상기 부동산 전략 제공시스템이 상기 소정 시기까지의 전략 포트폴리오를 생성하는 단계를 포함하며, 상기 전략 포트폴리오를 생성하는 단계는, 상기 유저가 상기 목표 상태를 달성하기 위한 금융상품 추천 포트폴리오 및 부동산 매매전략 포트폴리오를 포함하는 상기 전략 포트폴리오를 생성하는 것을 특징으로 할 수 있다.

또한, 상기 인공지능을 활용한 부동산 전략 제공방법은, 상기 부동산 전략 제공시스템이 상기 과거 부동산 영향 데이터 및 과거 부동산 가격 데이터에 기초하여 상기 인공지능엔진을 학습시키는 단계를 더 포함하며, 상기 과거 부동산 영향 데이터 및 상기 부동산 가격 예측 데이터는, 각각 지역별 도시개발 계획 데이터 및 상기 도시개발 계획 데이터에 포함된 지역별 개발계획까지의 남은 시기에 대한 정보를 포함할 수 있다.

또한, 상기 과거 부동산 영향 데이터 및 과거 부동산 가격 데이터에 기초하여 상기 인공지능엔진을 학습시키는 단계는, 상기 부동산 전략 제공시스템이 특정 위치의 부동산의 가격을 예측하기 위해 상기 특정 위치로부터 미리 정해진 바운더리 내에 존재하는 부동산의 가격에 영향을 미칠 영향 데이터 전체를 입력 파라미터로 활용여 상기 인공지능엔진을 학습시키는 단계를 포함하는 것을 특징으로 할 수 있다.

또한, 상기 과거 부동산 영향 데이터 및 과거 부동산 가격 데이터에 기초하여 상기 인공지능엔진을 학습시키는 단계는, 상기 부동산 전략 제공시스템이 상기 특정 위치에 상응하는 교통 인프라에 따라 상기 바운더리의 범위를 적응적으로 조절하면서 상기 인공지능엔진을 학습시키는 단계를 포함하는 것을 특징으로 할 수 있다.

또한, 상기 과거 부동산 영향 데이터 및 과거 부동산 가격 데이터에 기초하여 상기 인공지능엔진을 학습시키는 단계는, 상기 부동산 전략 제공시스템이 특정 연령대의 인구수에 대한 정보를 입력 파라미터로 더 이용하여 상기 인공지능엔진을 학습시키는 단계를 포함하는 것을 특징으로 할 수 있다.

또한, 상기 전략 포트폴리오를 생성하는 단계는, 상기 부동산 전략 제공시스템이 상기 현재 상태 정보에 포함된 유저의 현재 보유 부동산에 대한 정보 및 상기 인공지능엔진에 의해 예측되는 부동산 가격 예측 데이터에 기초하여, 상기 보유 부동산의 매매 전략 및 추천 부동산에 대한 매매전략에 대한 정보를 포함하는 상기 부동산 매매전략 포트폴리오를 생성하는 단계를 포함할 수 있다.

또한, 상기 전략 포트폴리오를 생성하는 단계는, 상기 부동산 전략 제공시스템이 상기 인공지능엔진에 의해 예측되는 상기 소정 시기에 상기 목표 상태 정보에 포함된 목표 부동산의 예측 가격과 현재 상태 정보에 기초하여, 복수의 금융상품들 중 추천 금융상품에 대한 정보를 선택하고 선택한 추천 금융상품에 대한 정보를 포함하는 금융상품 추천 포트폴리오를 생성하는 단계를 포함할 수 있다.

또한, 컴퓨팅 시스템에 의해 설치되어 상술한 부동산 전략 제공방법을 수행하는 컴퓨터 프로그램이 제공될 수 있다.

상기 기술적 과제를 해결하기 위한 본 발명의 실시 예에 따른 인공지능을 활용한 부동산 전략 제공시스템은, 유저의 소정 시기에 상기 유저가 희망하는 부동산의 목표 상태에 대한 목표 상태 정보 및 상기 유저의 자산의 현재 상태에 대한 현재 상태 정보를 입력받기 위한 인터페이스 모듈, 과거 부동산 영향 데이터 및 과거 부동산 가격 데이터에 기초하여 학습되어 향후 부동산 가격에 영향을 미칠 수 있는 영향 데이터에 따른 부동산 가격 예측 데이터를 예측하기 위한 인공지능엔진, 및 예측된 상기 부동산 가격 예측 데이터와 상기 목표 상태 정보에 기초하여 상기 소정 시기까지의 전략 포트폴리오를 생성하기 위한 제어모듈을 포함하며, 상기 제어모듈은, 상기 유저가 상기 목표 상태를 달성하기 위한 금융상품 추천 포트폴리오 및 부동산 매매전략 포트폴리오를 포함하는 상기 전략 포트폴리오를 생성할 수 있다.

또한, 상기 인공지능엔진은, 각각 지역별 도시개발 계획 데이터 및 상기 도시개발 계획 데이터에 포함된 지역별 개발계획까지의 남은 시기에 대한 정보를 입력 파라미터로 하여 학습되는 것을 특징으로 할 수 있다.

또한, 상기 인공지능엔진은, 특정 위치의 부동산의 가격을 예측하기 위해 상기 특정 위치로부터 미리 정해진 바운더리 내에 존재하는 부동산의 가격에 영향을 미칠 영향 데이터 전체를 입력 파라미터로 활용하여 학습되는 것을 특징으로 할 수 있다.

또한, 상기 인공지능엔진은, 상기 특정 위치에 상응하는 교통 인프라에 따라 상기 바운더리의 범위가 적응적으로 조절되면서 학습되는 것을 특징으로 할 수 있다.

또한, 상기 인공지능엔진은, 특정 연령대의 인구수에 대한 정보를 입력 파라미터로 더 이용하여 학습되는 것을 특징으로 할 수 있다.

또한, 상기 제어모듈은, 상기 현재 상태 정보에 포함된 유저의 현재 보유 부동산에 대한 정보 및 상기 인공지능엔진에 의해 예측되는 부동산 가격 예측 데이터에 기초하여, 상기 보유 부동산의 매매 전략 및 추천 부동산에 대한 매매전략에 대한 정보를 포함하는 상기 부동산 매매전략 포트폴리오를 생성할 수 있다.

또한, 상기 제어모듈은, 상기 인공지능엔진에 의해 예측되는 상기 소정 시기에 상기 목표 상태 정보에 포함된 목표 부동산의 예측 가격과 현재 상태 정보에 기초하여, 복수의 금융상품들 중 추천 금융상품에 대한 정보를 선택하고 선택한 추천 금융상품에 대한 정보를 포함하는 금융상품 추천 포트폴리오를 생성할 수 있다.

상기 기술적 과제를 해결하기 위한 부동산 전략 제공시스템은 프로세서 및 상기 프로세서에 의하여 실행되는 컴퓨터 프로그램을 저장하는 메모리를 포함하며,상기 컴퓨터 프로그램은, 상기 프로세서에 의해 실행되는 경우, 상기 부동산 전략 제공방법을 수행할 수 있다.

본 발명의 일실시 예에 따르면, 빅데이터를 이용해 학습된 인공지능엔진을 이용해 사용자가 원하는 소정의 시기에 부동산과 관련된 목표 상태(예컨대, 특정 부동산의 보유, 입주여부 등)를 달성할 수 있도록 적극적인 전략적 포트폴리오를 제시할 수 있어서 유저가 효과적으로 목표 상태에 도달할 수 있도록 가이드해줄 수 있는 효과가 있다.

교통 인프라에 따라 특정 위치의 부동산에 영향을 미칠 수 있는 이벤트의 위치와 상기 특정 위치까지의 거리가 적응적으로 달라질 수 있는 점까지 반영한 학습이 이루어질 수 있도록 하여 상대적으로 정확한 미래 부동산 가격의 예측이 이루어질 수 있는 효과가 있다.

본 발명의 상세한 설명에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 간단한 설명이 제공된다.
도 1은 본 발명의 일 실시 예에 따른 인공지능을 활용한 부동산 전략 제공방법을 구현하기 위한 개략적인 시스템 구성을 나타내는 도면이다.
도 2는 본 발명의 일 실시 예에 따른 인공지능을 활용한 부동산 전략 제공시스템의 개략적인 구성을 나타내는 도면이다.
도 3은 본 발명의 일 실시 예에 따른 희망 부동산 목표 상태정보 및 유저의 자산의 현재 상태정보를 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시 예에 따른 부동산 가격 데이터를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시 예에 따른 예측 데이터를 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시 예에 따른 부동산 전략 제공시스템에 의해 제공되는 전략 포트폴리오를 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시 예에 따른 부동산 전략 제공시스템이 인공지능엔진을 학습시키기 위해 필요한 바운더리를 설명하기 위한 도면이다.
도 8은 본 발명의 일 실시 예에 따른 부동산 전략 제공시스템이 메신저를 통한 전략 제공방식의 구현 예를 나타낸다.
도 9는 본 발명의 일 실시 예에 따른 인공지능을 활용한 부동산 전략 제공방법의 개략적인 흐름을 나타낸다.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

본 명세서에 있어서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

또한, 본 명세서에 있어서는 어느 하나의 구성요소가 다른 구성요소로 데이터를 '전송'하는 경우에는 상기 구성요소는 상기 다른 구성요소로 직접 상기 데이터를 전송할 수도 있고, 적어도 하나의 또 다른 구성요소를 통하여 상기 데이터를 상기 다른 구성요소로 전송할 수도 있는 것을 의미한다. 반대로 어느 하나의 구성요소가 다른 구성요소로 데이터를 '직접 전송'하는 경우에는 상기 구성요소에서 다른 구성요소를 통하지 않고 상기 다른 구성요소로 상기 데이터가 전송되는 것을 의미한다.

이하, 첨부된 도면들을 참조하여 본 발명의 실시 예들을 중심으로 본 발명을 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.

도 1은 본 발명의 일 실시 예에 따른 인공지능을 활용한 부동산 전략 제공방법을 구현하기 위한 개략적인 시스템 구성을 나타내는 도면이다.

도 1을 참조하면, 본 발명의 기술적 사상에 따른 인공지능을 활용한 부동산 전략 제공시스템(100, 이하 부동산 전략 제공시스템이라 함)은 유저의 단말기(200)와 통신을 수행하면서 본 발명의 기술적 사상을 구현할 수 있다.

상기 부동산 전략 제공시스템(100)은 본 발명의 기술적 사상에 따라 상기 유저의 단말기(200)와 통신을 통해 소정의 입력정보(예컨대, 유저가 희망하는 부동산의 목표 상태에 대한 정보 및/또는 유저의 자산의 현재 상태에 대한 정보 등)를 입력받고, 후술할 본 발명의 기술적 사상에 따라 학습된 인공지능엔진을 통해 예측되는 정보(예컨대, 부동산 가격 예측 데이터 등)를 이용하여 전략 포트폴리오를 생성, 상기 유저의 단말기(200)로 제공할 수 있다.

예를 들어, 유저가 소정 시기에 투자 또는 주거 등의 목적으로 소정 지역의 아파트를 구매하기 원하는 경우(즉, 유저가 희망하는 부동산의 목표 상태에 대한 정보가 입력되면), 상기 부동산 전략 제공시스템(100)은 본 발명의 기술적 사상에 따라 상기 인공지능엔진을 통해 상기 소정 시기에 아파트의 가격 예측 데이터를 예측하고, 입력받은 현재 상기 유저의 자산 상황으로부터 상기 소정 시기에 상기 아파트의 구매를 위해 금융 및/또는 부동산에서 어떠한 전략으로 어떠한 상품을 이용할지 여부를 상기 전략 포트폴리오로 상기 유저에게 제공할 수 있다.

본 발명의 기술적 사상에 의하면, 상기 전략 포트폴리오는 상기 유저가 상기 목표 상태를 달성하기 용이한(유리한) 금융상품을 추천하는 금융상품 추천 포트폴리오, 및 상기 유저가 현재 보유하고 있는 보유 부동산의 매매 전략과 상기 인공지능엔진에 의해 추천(예측)될 수 있는 추천 부동산에 대한 매매전략에 따라 유저가 수행할 부동산 매매전략 포트폴리오를 포함할 수 있다. 이러한 상기 전략 포트폴리오에 대해서는 후술할 도 5를 통해 상세히 설명하도록 한다.

또한 상기 부동산 전략 제공시스템(100)은 전술한 바와 같이 상기 인공지능엔진을 소정의 방식으로 학습시켜 특정 시기에 특정 부동산에 대한 가격 데이터를 예측할 수 있다.

상기 부동산 전략 제공시스템(100)이 상기 인공지능엔진을 학습하는 방식은 상세히 후술하겠지만, 본 발명에서 학습된 상기 인공지능엔진에 의해 예측될 수 있는 부동산 가격 예측 데이터는 상기 유저가 목표로 하는 특정 시기의 특정 부동산에 대한 가격에 대한 데이터뿐만 아니라, 상기 유저의 목표 상태를 달성하기 위해 유저가 수행할 부동산 매매 전략을 위해 필요한 다양한 부동산들에 대한 예측 데이터까지도 포함할 수 있다.

어떠한 경우든 본 발명의 기술적 사상에 의하면, 상기 부동산 전략 제공시스템(100)은 유저로부터 자신이 원하는 목표 상태에 대한 정보와 유저의 현재 상태에 대한 정보를 입력받고, 학습된 인공지능엔진을 통해 예측되는 데이터들에 기초하여 유저가 목표 상태를 달성하기 위해 필요한 전략 포트폴리오를 유저에게 제공할 수 있다.

이러한 기술적 사상을 구현하기 위한 부동산 전략 제공시스템(100)의 구성을 도 2를 참조하여 설명하도록 한다.

도 2는 본 발명의 일 실시 예에 따른 인공지능을 활용한 부동산 전략 제공시스템의 개략적인 구성을 나타내는 도면이다.

도 2를 참조하면, 본 발명의 기술적 사상에 따른 부동산 전략 제공시스템(100)은 인터페이스 모듈(110), 인공지능엔진(120), 및 제어모듈(130)을 포함할 수 있다.

상기 부동산 전략 제공시스템(100)은 유저의 단말기(200)와 통신을 수행할 수 있으면서 본 발명의 기술적 사상을 구현하기 위한 데이터 프로세싱 능력을 갖춘 어떠한 장치로도 구현될 수 있다. 일 예에 의하면, 상기 부동산 전략 제공시스템(100)은 상기 유저의 단말기(200)로 전략 포트폴리오 제공서비스를 수행하는 서버로 구현될 수 있다. 상기 서버 즉, 상기 부동산 전략 제공시스템(100)은 본 발명의 기술적 사상을 구현하기 위해 구현되는 소프트웨어와 상기 소프트웨어를 구동하기 위한 하드웨어가 유기적으로 결합하여 구현되는 시스템일 수 있다.

상기 유저의 단말기(200)는 도 1에서 데스크 탑 컴퓨터(210) 또는 스마트 폰(220)을 예시적으로 도시하고 있지만, 상기 부동산 전략 제공시스템(100)과 통신을 수행하면서 본 명세서에서 정의되는 기능을 구현할 수 있는 어떠한 데이터 프로세싱 장치로도 구현될 수 있다.

본 발명의 실시 예에 따라서는, 상술한 구성요소들 중 일부 구성요소는 반드시 본 발명의 구현에 필수적으로 필요한 구성요소에 해당하지 않을 수도 있으며, 또한 실시 예에 따라 상기 부동산 전략 제공시스템(100)은 이보다 더 많은 구성요소를 포함할 수도 있음은 물론이다.

상기 부동산 전략 제공시스템(100)은 본 발명의 기술적 사상을 구현하기 위해 필요한 하드웨어 리소스(resource) 및/또는 소프트웨어를 구비할 수 있으며, 반드시 하나의 물리적인 구성요소를 의미하거나 하나의 장치를 의미하는 것은 아니다. 즉, 상기 부동산 전략 제공시스템(100)은 본 발명의 기술적 사상을 구현하기 위해 구비되는 하드웨어 및/또는 소프트웨어의 논리적인 결합을 의미할 수 있으며, 필요한 경우에는 서로 이격된 장치에 설치되어 각각의 기능을 수행함으로써 본 발명의 기술적 사상을 구현하기 위한 논리적인 구성들의 집합으로 구현될 수도 있다.

또한 본 명세서에서 모듈이라 함은, 본 발명의 기술적 사상을 수행하기 위한 하드웨어 및 상기 하드웨어를 구동하기 위한 소프트웨어의 기능적, 구조적 결합을 의미할 수 있다. 예를 들면, 상기 모듈은 소정의 코드와 상기 소정의 코드가 수행되기 위한 하드웨어 리소스의 논리적인 단위를 의미할 수 있으며, 반드시 물리적으로 연결된 코드를 의미하거나, 한 종류의 하드웨어를 의미하는 것은 아님은 본 발명의 기술분야의 평균적 전문가에게는 용이하게 추론될 수 있을 것이다.

상기 인터페이스 모듈(110)은 유저가 소정 시기에 희망하는 부동산의 목표 상태에 대한 정보 및/또는 상기 유저의 자산의 현재 상태에 대한 정보를 입력받을 수 있다. 이하에서는 설명의 편의를 위해 상기 유저가 희망하는 부동산의 목표 상태에 대한 정보를 목표 상태 정보, 상기 유저의 자산의 현재 상태에 대한 정보를 현재 상태 정보라 정의하도록 한다.

상기 목표 상태 정보 및 상기 현재 상태 정보에 대해 도 3을 참조하여 설명하도록 한다.

도 3은 본 발명의 일 실시 예에 따른 목표 상태 정보 및 현재 상태 정보를 설명하기 위한 도면이다.

도 3을 참조하면, 우선 상기 목표 상태 정보는 유저가 어느 '시기'에 어느 '지역'의 어떠한 '종류'의 부동산을 어떤 '목적'으로 매매하기 원하는지에 대한 정보를 의미할 수 있다. 즉, 상기 '시기', '지역', '목적', 및/또는 '종류'가 입력 파라미터로 상기 인터페이스 모듈(110)을 통해 입력될 수 있다.

예를 들어, 어떤 유저는 2021년(시기)까지 강남역 인근(지역)에 투자를 위한(목적) 30평형 대의 아파트(종류)의 구매를 희망할 수 있다.

그러면, 상기 인터페이스 모듈(110)은 상기 유저의 목표 상태 정보로, 2021년/강남역 인근/투자목적/아파트(면적) 구매와 같은 입력 파리미터로 입력받을 수 있다.

이때, 상기 입력 파라미터 중 '종류'의 경우, 단순히 아파트, 상가, 주택 등과 같은 형태뿐 아니라, 보다 구체적으로 해당 부동산의 면적이나 특정 브랜드에 대한 정보를 포함하는 의미일 수 있다.

또한 전술한 바와 같이 상기 인터페이스 모듈(110)은 상기 유저의 현재 자산에 대한 정보 즉, 현재 상태 정보를 입력받을 수 있다.

상기 현재 상태 정보는, 상기 유저가 현재 보유하고 있는 부동산에 대한 정보 및/또는 상기 유저가 현재 이용하고 있는 금융상품에 대한 정보를 포함할 수 있다.

예를 들어, 상기 유저는 현재 경기도 모 지역의 24평 아파트에 전세로 거주하고 있을 수 있다. 그리고 상기 유저는 특정 은행의 특정 대출상품을 이용 중이며, 상기 특정 대출상품을 통해 특정 금리로 특정 금액을 대출 중인 상황일 수 있다.

이처럼 상기 인터페이스 모듈(110)은 유저가 희망하는 부동산의 목표 상태에 대한 정보(목표 상태 정보) 및 상기 유저의 자산의 현재 상태에 대한 정보(현재 상태 정보)를 입력받을 수 있다.

다시 도 2를 참조하면, 상기 인공지능엔진(120)은 과거 부동산 영향 데이터 및 과거 부동산 가격 데이터에 기초하여 학습되될 수 있으며, 학습된 상기 인공지능엔진(120)은 향후 부동산 가격에 영향을 미칠 수 있는 영향 데이터에 따라 부동산 예측 가격 데이터를 예측할 수 있다.

이하, 본 명세서에서는 설명의 편의를 위해 부동산에 과거에 영향을 미쳤던 데이터를 과거 부동산 영향 데이터로, 현재 영향을 미치고 있거나 향후 영향을 미칠 것으로 예정되는 데이터를 영향 데이터로 구분하여 정의하도록 한다.

상기 과거 부동산 가격 데이터의 예시가 도 4에 도시되어 있다.

도 4는 본 발명의 일 실시 예에 따른 부동산 가격 데이터를 설명하기 위한 도면이다.

도 4a는 부동산의 최근 거래, 실거래, 거래량에 대한 과거 데이터의 예를 나타내며, 도 4b는 부동산의 면적당(예컨대, 평당) 가격에 대한 과거 데이터를 나타내고, 도 4c는 부동산의 시세 트렌드와 과거 상승률에 대한 데이터를 예시적으로 나타낸다.

이처럼 상기 인공지능엔진(120)은 부동산의 과거 시세, 실거래 가격, 거래량과 이에 따른 면적당(예컨대, 평당) 가격, 그리고 이를 통해 알 수 있는 과거 부동산의 시세 트렌드와 상승률 등 과거 부동산 가격 데이터를 통해 학습될 수 있다. 그리고 이처럼 학습된 과거 부동산 가격 데이터를 바탕으로, 부동산의 가격이 향후 어떻게 될 것인지를 예측한 부동산 가격 예측 데이터를 예측할 수 있다.

또한 본 발명의 기술적 사상에 의하면, 상기 인공지능엔진(120)은 상기 과거 부동산 가격 데이터만 이용하여 학습을 수행하기보다는, 상기 과거 부동산 가격 데이터와 함께, 부동산의 가격에 영향을 미친 데이터들 즉, 과거 부동산 영향 데이터를 더 이용하여 학습을 수행함으로써 예측의 정확도를 향상시킬 수 있다.

일 예에 의하면, 상기 과거 부동산 영향 데이터는 각각의 지역별 도시개발 계획 데이터를 의미할 수 있다. 일반적으로 도시개발계획은 부동산의 가격 변동에 큰 영향을 미칠 수 있으므로, 상기 인공지능엔진(120)이 학습할 과거 부동산 가격 데이터에 관련한 중요한 요인이 될 수 있다.

예컨대 특정 지역에 새로운 신도시가 조성되거나, 또는 특정 지역에 지하철 역이 지난다거나, 새로 도로가 건설된다거나, 교육/의료/대형 쇼핑몰 등의 대규모 시설이 건축되는 등의 요인으로 인해 해당 지역의 부동산 가격이 변동될 수 있다.

구현 예에 따라, 상기 과거 부동산 영향 데이터는 상기 도시개발계획 데이터뿐 아니라 부동산 가격에 영향을 미칠 수 있는 다양한 데이터를 더 포함할 수도 있다.

예를 들어, 상기 과거 부동산 영향 데이터는 과거에 부동산 가격에 영향력이 있었다고 판단되는 과거 기사 데이터를 포함할 수 있다. 상기 과거 기사는 예컨대 특정 지역에 소음이 많이 발생한다거나, 지진, 태풍 등 자연재해가 빈번히 발생한다거나, 범죄율이 높아지고 있다는 등의 사실에 대한 기사일 수 있다. 특정 지역에 이러한 기사가 난 이후에는 해당 지역의 부동산에 대한 수요가 줄어들 수 있으며, 이에 따라 부동산 가격이 하락할 수 있다. 반대로 특정 지역에 긍정적인 기사가 난 이후에는 해당 지역의 부동산 수요가 증가하고, 부동산 가격이 상승할 수도 있다.

따라서 상기 과거 부동산 영향 데이터는 도시개발계획 등과 같은 부동산 관련 정책에 대한 데이터는 물론, 전술한 과거 기사 등 영향력 있는 사실들에 대한 데이터까지도 포함할 수 있다.

그리고 상기 인공지능엔진(120)은 과거 부동산 가격의 변동 시점과 이러한 과거 부동산 영향 데이터가 존재하는 시점을 보고, 과거 부동산 영향 데이터에 따라 과거 부동산 가격이 어떻게 변동하였는지를 연관지어 학습할 수 있다. 구현 예에 따라서는 상기 인공지능엔진(120)은 이러한 과거 부동산 가격 데이터와 과거 부동산 영향 데이터를 지역별로 학습할 수 있다.

한편, 상기 인공지능엔진(120)은 전술한 바와 같이 과거 부동산 가격 데이터와 과거 부동산 영향 데이터를 이용하여 학습을 수행하고, 향후 부동산 가격에 영향을 미칠 수 있는 영향 데이터에 따라 부동산 가격 예측 데이터를 예측할 수 있다. 예측 데이터의 일 예가 도 5에 도시된다.

도 5는 본 발명의 일 실시 예에 따른 예측 데이터를 설명하기 위한 도면이다.

우선 도 5 상단의 그래프를 참조하면, 상기 인공지능엔진(120)은 과거 부동산 가격 데이터(a)와, 이를 바탕으로 향후 부동산 가격을 예측한 예측 데이터(b)가 나타나 있다.

도 5의 하단에는 부동산 중 아파트의 면적당(평당) 시세에 대한 예측 데이터가 나타나 있다. 도 5에서는 이러한 예측 데이터가 매매 시세와 전세 시세로 구분되어 나타나 있으며, 구현 예에 따라 다양한 기준의 부동산 가격에 대한 예측 데이터가 제공될 수 있다.

즉, 상기 인공지능엔진(120)은 과거에 부동산 가격이 어떠한 요인으로 어떻게 변동하였는지를 학습하고, 학습한 내용과 향후 부동산 가격에 영향을 미칠 수 있는 영향 데이터에 기초하여 향후 부동산 가격이 어떻게 변동할 것인지를 예측할 수 있다.

예를 들어 상기 인공지능엔진(120)에 과거 지하철역이 들어서는 지역들의 부동산 가격 데이터 변동에 대해 학습되어 있다면, 특정 지역에 새로 지하철역이 들어서는 경우 해당 지역의 부동산 가격이 어떻게 변동될 것인지 예측가능할 수 있다. 물론 상기 인공지능엔진(120)이 학습한 파라미터들이 다양할수록 향후 부동산 가격에 대한 예측의 정확도가 향상될 수 있다.

이를 위한 상기 영향 데이터는 각각의 지역별 도시개발계획 데이터와, 상기 도시개발계획에 포함된 지역별 개발계획까지의 남은 시기에 대한 정보를 포함할 수 있다.

예를 들어, 어느 특정 지역에 광역고속철도(예컨대, GTX 등) 개발계획에 대한 데이터가 있는 경우, 개발 여부에 대한 정보는 물론 상기 광역고속철도가 개통되기까지(또는 개발이 시작되기까지) 남은 시기에 대한 정보가 상기 영향 데이터에 포함될 수 있다. 예컨대, 2018년 현재 20XX년에 완공될 GTX 개발 계획이 있다면, 상기 GTX 개발계획에 대한 데이터와 상기 GTX 노선이 지날 지역별 완공까지 남은 시기에 대한 정보가 상기 영향 데이터일 수 있다.

한편 본 발명의 기술적 사상에 의하면, 유저가 원하는 목표 상태 정보에 상응하는 특정 지역이나 특정 위치의 부동산 가격을 예측하기 위하여, 상기 부동산 전략 제공시스템(100)은 상기 인공지능엔진(120)으로 하여금 상기 특정 위치로부터 미리 정해진 바운더리 내에 존재하는 부동산에 대한 영향 데이터 전체를 입력 파라미터로 활용하여 학습을 수행하도록 할 수 있다.

즉, 상기 부동산 전략 제공시스템(100)은 유저가 원하는 특정 위치의 부동산 가격을 예측하기 위해 상기 특정 위치와 별다른 관련이 없는 모든 지역에 대한 부동산 영향 데이터를 고려하지 않고, 상기 특정 위치로부터 미리 정해진 일정 범위를 선별하여 범위 내에 존재하는 부동산의 영향 데이터들을 상기 인공지능엔진(120)이 학습하도록 할 수 있다.

부동산 가격은 지역별 편차가 크게 달라질 수 있어, 이처럼 목표로하는 위치로부터 특별히 학습할 범위를 제한하는 것이 유저가 원하는 정보를 얻기에 더욱 유리할 수 있다.

이러한 바운더리에 대하여 도 7을 참조하여 설명하도록 한다.

도 7은 본 발명의 일 실시 예에 따른 부동산 전략 제공시스템이 인공지능엔진을 학습시키기 위해 필요한 바운더리를 설명하기 위한 도면이다.

도 7을 참조하면, 소정 지역의 특정 위치(1)에 유저가 목표로 하는 부동산이 위치하고 있을 수 있다. 그리고 상기 특정 위치(1)를 중심으로 일정 범위 내에서 다양한 바운더리(예컨대, 2, 3)가 정해질 수 있으며, 상기 부동산 전략 제공시스템(100)은 정해진 바운더리(예컨대, 2, 3) 내에 존재하는 부동산의 영향 데이터 전체를 입력 파라미터로 활용하여, 상기 인공지능엔진(120)을 학습시킬 수 있다.

이때 상기 바운더리(예컨대, 2, 3)는 다양한 기준으로 정해질 수 있다. 물론 지정된 특정 위치(1)의 어떠한 조건 등과 관계없이 일괄적으로 일정한 범위(예컨대, 반경 5km의 범위)가 바운더리로 정해질 수도 있지만, 본 발명의 실시 예에 의하면 지정된 특정 위치(1)의 특성 특히, 교통 인프라에 따라 바운더리(예컨대, 2, 3)가 적응적으로 조절되면서 다양한 범위로 정해질 수 있도록 하여 최종적으로 상기 인공지능엔진(120)의 예측 정확도를 높일 수 있다.

이는 교통 인프라에 따라 상기 특정 위치(1)의 부동산에 영향을 미칠 수 있는 이벤트(예컨대, 지하철역 건설 등)의 위치와 상기 특정 위치(1)까지의 거리가 적응적으로 달라질 수 있는 점을 반영하기 위함일 수 있다.

상기 교통 인프라는 예컨대, 상기 특정 위치(1) 주변의 도로 넓이나, 지하철이나 버스 노선, 철도/고속철도 등과 같은 대중교통 이용 편의성 등을 의미할 수 있다.

일 예에 의하면, 상기 특정 위치(1) 주변의 도로가 왕복 8차선 이상이거나, 하나 이상의 지하철 노선이 지나는 등 교통 인프라가 발달되어 있는 경우, 상기 특정 위치(1)를 중심으로 다른 위치에 비해 상대적으로 넓은 범위를 가지는 바운더리(예컨대, 3)가 정해질 수 있다.

또는 상기 특정 위치(1)의 교통 인프라가 상대적으로 발달되지 않은 경우 예컨대, 상기 특정 위치(1)가 도심지에서 벗어난 지역이거나 주택가 중심부에 있는 경우에는 상대적으로 좁은 범위의 바운더리(예컨대, 2)가 정해질 수 있다.

한편, 구현 예에 따라 상기 인공지능엔진(120)은 특정 연령대의 인구수에 대한 정보를 입력 파라미터로 이용하여 학습할 수도 있다.

예를 들어 주 경제활동 연령인 20대 ~ 40대 인구수가 상대적으로 높은 지역과, 고령 인구수(예컨대, 60대 이상)가 상대적으로 높은 지역은 동일한 면적이나 동일한 브랜드의 부동산이라도 부동산 가격에 차이가 있을 수 있다.

따라서 상기 부동산 전략 제공시스템(100)은 상기 인공지능엔진(120)을 학습시키기 위한 입력 파라미터로 특정 연령대의 인구수에 대한 정보를 활용할 수 있다.

다시 도 2를 참조하면, 상기 제어모듈(130)은 상기 인공지능엔진(120)에 의해 예측된 부동산 가격 예측 데이터, 및 상기 인터페이스 모듈(110)을 통해 입력된 상기 목표 상태 정보에 기초하여, 현재로부터 소정 시기(예컨대, 유저가 부동산을 구입하기 원하는 시기)까지의 전략 포트폴리오를 생성할 수 있다.

본 발명의 일 실시 예에 의하면, 상기 전략 포트폴리오는 유저가 목표 상태를 달성하기 위해 필요한 금융상품을 추천하는 금융상품 추천 포트폴리오 및/또는 유저가 실행할 부동산 매매전략 포트폴리오를 포함할 수 있다.

이러한 전략 포트폴리오에 대하여 도 6을 참조하여 설명하도록 한다.

도 6은 본 발명의 일 실시 예에 따른 부동산 전략 제공시스템에 의해 제공되는 전략 포트폴리오를 설명하기 위한 도면이다.

우선 도 6a는 금융상품 추천 포트폴리오의 예시이고, 도 6b는 부동산 매매전략 포트폴리오의 예시이며, 도 6c는 금융상품 추천과 부동산 매매전략이 모두 포함된 추천 전략 포트폴리오의 예시를 나타낸다.

도 6a를 참조하면, 유저는 전술한 바와 같이 상기 인터페이스 모듈(110)을 통해 희망하는 부동산의 목표 상태에 대한 정보(즉, 목표 상태 정보) 및 자신의 자산의 현재 상태에 대한 정보(?, 현재 상태 정보)를 입력할 수 있다.

그러면, 상기 제어모듈(130)은 학습된 인공지능엔진(120)으로부터 예측된 부동산 가격 예측 데이터와 상기 목표 상태 정보에 기초하여 추천 금융상품 포트폴리오가 포함된 전략 포트폴리오를 생성, 유저의 단말기(200)를 통해 유저에게 제공할 수 있다.

도 6a에 도시된 추천 금융상품 포트폴리오의 경우, 유저가 입력한 현재 상태 정보 중 유저의 금융 정보 예컨대, 유저가 이용하고 있는 금융상품에 대한 정보와 비교하여, 상기 목표 상태 정보의 달성을 위해 보다 유리한 추천 금융상품에 대한 정보가 제공될 수 있다.

즉, 도면에 도시된 바와 같이 유저가 1억원 금액의 대출을 5%의 금리로 이용 중에 있다면, 본 발명의 기술적 사상에 따라 상기 부동산 전략 제공시스템(100)은 동일한 금액(1억원)에 금리가 낮은 다른 금융상품을 추천함으로써, 유저가 목표 상태를 보다 용이하게 달성할 수 있도록 할 수 있다.

이러한 추천 금융상품 포트폴리오에서 추천되는 금융상품은, 유저가 목표로 하는 목표 시기에 상기 인공지능엔진(120)에 의해 예측되는 목표 부동산의 예측 가격과, 유저의 현재 자산 상태에 대한 정보(예컨대, 소득, 자산 등)에 기초하여 상기 제어모듈(130)에 의해 생성될 수 있다. 이러한 추천 금융상품 포트폴리오를 통해 유저에게 추천될 금융상품은 가격이나 금리, 유저의 소득, 부동산 보유 여부, 유저의 현 상황에 따라 비과세 혜택이 가능한지 여부 등에 따라 결정될 수 있다. 이를 위하여, 상기 부동산 전략 제공시스템(100)은 다양한 금융상품에 대한 정보와 금융정책 및/또는 각종 부동산 정책에 대한 정보를 미리 가지고 있을 수 있으며, 실시간으로 또는 일정 주기로 가지고 있는 정보들을 업데이트할 수 있다.

도 6b는 유저의 부동산 매매전략을 제시하는 부동산 매매전략 포트폴리오가 도시되고 있는데, 유저가 상기 인터페이스 모듈(110)을 통해 입력한 상기 현재 상태 정보에서 현재 자신이 소유 또는 거주하고 있는 부동산에 대한 정보를 이용하여, 상기 인공지능엔진(120)이 예측한 현재 부동산의 상승율과 다른 부동산의 예측 상승율을 비교하여 보다 유리한(예컨대, 수익이 크게 발생할 수 있는) 부동산 매매 전략을 제시할 수 있다.

이때 추천되는 다른 부동산은, 전술한 바와 같이 미리 정해진 바운더리 내에 존재하는 부동산일 수 있다. 이러한 경우 상기 바운더리는 유저가 현재 소유 또는 거주하고 있는 부동산을 중심으로 정해진 바운더리일 수 있고, 또는 유저가 목표로 하는 부동산을 중심으로 정해진 바운더리일 수도 있다. 구현 예에 따라서는, 상기 부동산 매매전략 포트폴리오에서 추천되는 다른 부동산은 유저의 현재 상태 및/또는 목표 상태에 상응하는 위치(지역)와는 무관하게 예측되는 상승율이 가장 높은 부동산일 수도 있다.

일 실시 예에 의하면, 상기 부동산 매매전략 포트폴리오는 상기 현재 상태 정보에 포함된 유저의 현재 보유 부동산에 대한 정보 및 상기 인공지능엔진(120)에 의해 예측되는 부동산 가격 예측 데이터에 기초하여, 상기 보유 부동산의 매매 전략 추천에 대한 정보 및/또는 추천 부동산에 대한 매매전략에 대한 정보를 포함할 수 있다.

이때, 상기 보유/추천 부동산 매매전략은 유저의 현재 상태 정보는 물론 부동산 정책이나 과세 정책등을 다각적으로 고려하여 수립되는 것이 바람직할 수 있다. 예컨대, 유저가 현재 자신의 명의로 하나 이상의 주택을 보유하고 있는 상태에서 추가로 부동산을 구매하는지, 생애 첫 자기집 마련에 해당하는지, 1가구1주택에 해당하여 양도세 등의 세금을 면제 또는 감면받을 수 있는지 여부 등을 고려하여 부동산 매매전략이 수립될 수 있다.

이러한 부동산 매매와 관련하여 세금 등의 부대비용에 관련된 정책들 역시 상기 인공지능엔진(120)에 의해 학습될 수 있으며, 상기 제어모듈(130)은 이처럼 학습된 인공지능엔진(120)을 통해 예측되는 데이터를 활용하여 전략 포트폴리오를 생성함으로써 전략의 정확도와 정밀함을 향상시킬 수 있다.

어떠한 경우든, 상기 제어모듈(130)은 상기 인공지능엔진(120)에 의해 예측되는 예측 데이터와 유저의 현재 상태 정보/목표 상태 정보를 이용하여 소정의 기간(예컨대, 현재 ~ 목표 상태 정보에 상응하는 시기)동안 유저가 수익을 얻을 수 있도록 부동산 매매 전략을 수립하여 부동산 매매전략 포트폴리오를 생성할 수 있다.

도 6c는 이러한 추천 금융상품 포트폴리오와 부동산 매매전략 포트폴리오가 모두 포함된 전략 포트폴리오의 구현 예일 수 있다. 즉, 상기 제어모듈(130)은 유저가 목표로 하는 목표 상태 정보를 달성할 수 있도록, 시기별로 유저가 수행할 부동산 매매 전략이나, 유저가 유리하게 이용할 수 있는 금융상품이 추천된 전략 포트폴리오를 생성하여 제공할 수 있다.

이러한 전략 포트폴리오는 각각의 시점별로 유저가 수행하면 좋을 전략이나 이용하면 유리한 금융상품에 대한 정보를 포함하게 되는데, 바람직하게는 각각의 전략별 시기가 도래하면 이를 유저에게 소정의 방식으로 알리는 알림정보를 제공하여 유저의 편의성을 높일 수 있다.

일 예에 의하면, 이와 같은 알림은 푸시 메시지의 형태로 상기 유저의 단말기(200)에 전송될 수 있다.

구현 예에 따라, 상기 부동산 전략 제공시스템(100)은 이러한 전략 포트폴리오 및/또는 시기별 알림정보를 소정의 메신저를 통해 제공할 수도 있다. 이러한 예가 도 8에 도시된다.

도 8은 본 발명의 일 실시 예에 따른 부동산 전략 제공시스템이 메신저를 통한 전략 제공방식의 구현 예를 나타낸다.

도 8을 참조하면, 상기 메신저저를 통해 유저가 현재 시장 상황이 어떤지, 자신이 어떠한 행동을 수행하면 좋을지 여부 등을 문의할 수 있다.

그러면, 상기 부동산 전략 제공시스템(100)은 상기 메신저를 통해 상기 전략 포트폴리오의 내용을 제공(10)하거나, 또는 현재 시점에서 유리한 부동산 매매 및/또는 금융상품 이용을 추천(20)하는 메시지를 제공할 수 있다.

또한 상기 부동산 전략 제공시스템(100)은 유저의 문의가 없더라도, 적절한 금융상품이나 부동산 매매 정보가 있을 경우 상기 메신저를 통해 유저에게 해당 정보를 제공할 수도 있다. 이러한 메신저는 애플리케이션의 형태로 상기 유저의 단말기(200)에 미리 설치되어 있을 수 있다.

구현 예에 따라서, 상기 인공지능을 활용한 부동산 전략 제공시스템(100)은 프로세서 및 상기 프로세서에 의해 실행되는 프로그램을 저장하는 메모리를 포함할 수 있다. 상기 프로세서는 싱글 코어 CPU혹은 멀티 코어 CPU를 포함할 수 있다. 메모리는 고속 랜덤 액세스 메모리를 포함할 수 있고 하나 이상의 자기 디스크 저장 장치, 플래시 메모리 장치, 또는 기타 비휘발성 고체상태 메모리 장치와 같은 비휘발성 메모리를 포함할 수도 있다. 프로세서 및 기타 구성 요소에 의한 메모리로의 액세스는 메모리 컨트롤러에 의해 제어될 수 있다. 여기서, 상기 프로그램은, 프로세서에 의해 실행되는 경우, 본 실시예에 따른 부동산 전략 제공시스템(100)으로 하여금, 상술한 부동산 전략 제공방법을 수행하도록 할 수 있다.

도 9는 본 발명의 일 실시 예에 따른 인공지능을 활용한 부동산 전략 제공방법의 개략적인 흐름을 나타낸다.

도 9를 참조하면, 본 발명의 실시 예에 따른 부동산 전략 제공시스템(100)은 과거 부동산 가격 데이터 및 과거 부동산 영향 데이터에 기초하여 인공지능엔진(120)을 학습(s100)시킬 수 있다.

그리고 상기 부동산 전략 제공시스템(100)은 상기 인터페이스 모듈(110)을 통해 유저가 희망하는 부동산의 목표 상태에 대한 목표 상태 정보 및 유저의 자산의 현재 상태에 대한 현재 상태 정보를 입력(s110)받을 수 있다.

그리고, 상기 부동산 전략 제공시스템(100)은 과거 부동산 가격 데이터 및 상기 과거 부동산 영향 데이터에 기초하여 상기 인공지능엔진(120)을 학습시키고, 학습된 상기 인공지능엔진(120)을 통해 향후 부동산 가격에 영향을 미칠 수 있는 영향 데이터에 따른 부동산 가격 예측 데이터를 예측(s120)할 수 있다.

그러면 상기 부동산 전략 제공시스템(100)은 상기 부동산 가격 예측 데이터와 상기 목표 상태 정보에 기초하여, 상기 제어모듈(130)을 통해 목표 시기까지의 전략 포트폴리오를 생성(s130)할 수 있다.

이때 상기 전략 포트폴리오는 유저가 상기 목표 상태를 달성하기 위한 금융상품 추천 포트폴리오 및 부동산 매매전략 포트폴리오를 포함할 수 있음은 전술한 바와 같다.

본 발명의 실시예에 따른 부동산 전략 제공방법은 컴퓨터가 읽을 수 있는 프로그램 명령 형태로 구현되어 컴퓨터로 읽을 수 있는 기록 매체에 저장될 수 있으며, 본 발명의 실시예에 따른 제어 프로그램 및 대상 프로그램도 컴퓨터로 판독 가능한 기록 매체에 저장될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.

기록 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 소프트웨어 분야 당업자에게 공지되어 사용 가능한 것일 수도 있다.

컴퓨터로 읽을 수 있는 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.

프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 전자적으로 정보를 처리하는 장치, 예를 들어, 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.

상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타나며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (16)

1. 부동산 전략 제공시스템이 유저의 소정 시기에 상기 유저가 희망하는 부동산의 목표 상태에 대한 목표 상태 정보 및 상기 유저의 자산의 현재 상태에 대한 현재 상태 정보를 입력받는 단계;
   상기 부동산 전략 제공시스템이 과거 부동산 영향 데이터 및 과거 부동산 가격 데이터에 기초하여 학습된 인공지능엔진을 통해 향후 부동산 가격에 영향을 미칠 수 있는 영향 데이터에 따른 부동산 가격 예측 데이터를 예측하는 단계; 및
   예측된 상기 부동산 가격 예측 데이터와 상기 목표 상태 정보에 기초하여, 상기 부동산 전략 제공시스템이 상기 소정 시기까지의 전략 포트폴리오를 생성하는 단계를 포함하며,
   상기 전략 포트폴리오를 생성하는 단계는,
   상기 유저가 상기 목표 상태를 달성하기 위한 금융상품 추천 포트폴리오 및 부동산 매매전략 포트폴리오를 포함하는 상기 전략 포트폴리오를 생성하는 것을 특징으로 하는 인공지능을 활용한 부동산 전략 제공방법.
   
2. 제1항에 있어서, 상기 인공지능을 활용한 부동산 전략 제공방법은,
   상기 부동산 전략 제공시스템이 상기 과거 부동산 영향 데이터 및 과거 부동산 가격 데이터에 기초하여 상기 인공지능엔진을 학습시키는 단계를 더 포함하며,
   상기 과거 부동산 영향 데이터 및 상기 부동산 가격 예측 데이터는,
   각각 지역별 도시개발 계획 데이터 및 상기 도시개발 계획 데이터에 포함된 지역별 개발계획까지의 남은 시기에 대한 정보를 포함하는 인공지능을 활용한 부동산 전략 제공방법.
   
3. 제2항에 있어서, 상기 과거 부동산 영향 데이터 및 과거 부동산 가격 데이터에 기초하여 상기 인공지능엔진을 학습시키는 단계는.
   상기 부동산 전략 제공시스템이 특정 위치의 부동산의 가격을 예측하기 위해 상기 특정 위치로부터 미리 정해진 바운더리 내에 존재하는 부동산의 가격에 영향을 미칠 영향 데이터 전체를 입력 파라미터로 활용여 상기 인공지능엔진을 학습시키는 단계를 포함하는 것을 특징으로 하는 인공지능을 활용한 부동산 전략 제공방법.
   
4. 제3항에 있어서, 상기 과거 부동산 영향 데이터 및 과거 부동산 가격 데이터에 기초하여 상기 인공지능엔진을 학습시키는 단계는,
   상기 부동산 전략 제공시스템이 상기 특정 위치에 상응하는 교통 인프라에 따라 상기 바운더리의 범위를 적응적으로 조절하면서 상기 인공지능엔진을 학습시키는 단계를 포함하는 것을 특징으로 하는 인공지능을 활용한 부동산 전략 제공방법.
   
5. 제3항에 있어서, 상기 과거 부동산 영향 데이터 및 과거 부동산 가격 데이터에 기초하여 상기 인공지능엔진을 학습시키는 단계는,
   상기 부동산 전략 제공시스템이 특정 연령대의 인구수에 대한 정보를 입력 파라미터로 더 이용하여 상기 인공지능엔진을 학습시키는 단계를 포함하는 것을 특징으로 하는 인공지능을 활용한 부동산 전략 제공방법.
   
6. 제1항에 있어서, 상기 전략 포트폴리오를 생성하는 단계는,
   상기 부동산 전략 제공시스템이 상기 현재 상태 정보에 포함된 유저의 현재 보유 부동산에 대한 정보 및 상기 인공지능엔진에 의해 예측되는 부동산 가격 예측 데이터에 기초하여, 상기 보유 부동산의 매매 전략 및 추천 부동산에 대한 매매전략에 대한 정보를 포함하는 상기 부동산 매매전략 포트폴리오를 생성하는 단계를 포함하는 인공지능을 활용한 부동산 전략 제공방법.
   
7. 제1항에 있어서, 상기 전략 포트폴리오를 생성하는 단계는,
   상기 부동산 전략 제공시스템이 상기 인공지능엔진에 의해 예측되는 상기 소정 시기에 상기 목표 상태 정보에 포함된 목표 부동산의 예측 가격과 현재 상태 정보에 기초하여, 복수의 금융상품들 중 추천 금융상품에 대한 정보를 선택하고 선택한 추천 금융상품에 대한 정보를 포함하는 금융상품 추천 포트폴리오를 생성하는 단계를 포함하는 인공지능을 활용한 부동산 전략 제공방법.
   
8. 데이터 처리장치에 설치되며 제1항 내지 제7항 중 어느 한 항에 기재된 방법을 수행하기 위한 기록매체에 기록된 컴퓨터 프로그램.
   
9. 유저의 소정 시기에 상기 유저가 희망하는 부동산의 목표 상태에 대한 목표 상태 정보 및 상기 유저의 자산의 현재 상태에 대한 현재 상태 정보를 입력받기 위한 인터페이스 모듈;
   과거 부동산 영향 데이터 및 과거 부동산 가격 데이터에 기초하여 학습되어 향후 부동산 가격에 영향을 미칠 수 있는 영향 데이터에 따른 부동산 가격 예측 데이터를 예측하기 위한 인공지능엔진; 및
   예측된 상기 부동산 가격 예측 데이터와 상기 목표 상태 정보에 기초하여 상기 소정 시기까지의 전략 포트폴리오를 생성하기 위한 제어모듈을 포함하며,
   상기 제어모듈은,
   상기 유저가 상기 목표 상태를 달성하기 위한 금융상품 추천 포트폴리오 및 부동산 매매전략 포트폴리오를 포함하는 상기 전략 포트폴리오를 생성하는 인공지능을 활용한 부동산 전략 제공시스템.
   
10. 제9항에 있어서, 상기 인공지능엔진은,
    각각 지역별 도시개발 계획 데이터 및 상기 도시개발 계획 데이터에 포함된 지역별 개발계획까지의 남은 시기에 대한 정보를 입력 파라미터로 하여 학습되는 것을 특징으로 하는 인공지능을 활용한 부동산 전략 제공시스템.
    
11. 제9항에 있어서, 상기 인공지능엔진은.
    특정 위치의 부동산의 가격을 예측하기 위해 상기 특정 위치로부터 미리 정해진 바운더리 내에 존재하는 부동산의 가격에 영향을 미칠 영향 데이터 전체를 입력 파라미터로 활용하여 학습되는 것을 특징으로 하는 인공지능을 활용한 부동산 전략 제공시스템.
    
12. 제11항에 있어서, 상기 인공지능엔진은,
    상기 특정 위치에 상응하는 교통 인프라에 따라 상기 바운더리의 범위가 적응적으로 조절되면서 학습되는 것을 특징으로 하는 인공지능을 활용한 부동산 전략 제공시스템.
    
13. 제9항에 있어서, 상기 인공지능엔진은,
    특정 연령대의 인구수에 대한 정보를 입력 파라미터로 더 이용하여 학습되는 것을 특징으로 하는 인공지능을 활용한 부동산 전략 제공시스템.
    
14. 제9항에 있어서, 상기 제어모듈은,
    상기 현재 상태 정보에 포함된 유저의 현재 보유 부동산에 대한 정보 및 상기 인공지능엔진에 의해 예측되는 부동산 가격 예측 데이터에 기초하여, 상기 보유 부동산의 매매 전략 및 추천 부동산에 대한 매매전략에 대한 정보를 포함하는 상기 부동산 매매전략 포트폴리오를 생성하는 인공지능을 활용한 부동산 전략 제공시스템.
    
15. 제9항에 있어서, 상기 제어모듈은,
    상기 인공지능엔진에 의해 예측되는 상기 소정 시기에 상기 목표 상태 정보에 포함된 목표 부동산의 예측 가격과 현재 상태 정보에 기초하여, 복수의 금융상품들 중 추천 금융상품에 대한 정보를 선택하고 선택한 추천 금융상품에 대한 정보를 포함하는 금융상품 추천 포트폴리오를 생성하는 인공지능을 활용한 부동산 전략 제공시스템.
    
16. 프로세서; 및
    상기 프로세서에 의하여 실행되는 컴퓨터 프로그램을 저장하는 메모리를 포함하며,
    상기 컴퓨터 프로그램은, 상기 프로세서에 의해 실행되는 경우, 상기 제1항 내지 제8항 중 어느 한 항에 기재된 방법을 수행하도록 하는 데이터 처리장치.
    

Images