코로나19발 위기로 인해 직장을 잃거나 은행으로부터 대출받은 사람들이 빚을 갚을 여력이 줄어들면 종국에는 금융권의 부실로 이어질 수 있다. 그로 인해 국내에는 심각한 경제 충격이 올 수 있고 실물, 부동산, 금융 등 복합적인 위기로 전개될 수 있다. 영화 「국가부도의 날」은 위기 상황에서도 누군가는 부자가 되고 누군가는 더욱 가난해질 것이라는 교훈을 준다. 많은 경제지표들이 경제 위기가 올 수 있음을 암시하고 있다. 미리 알고 대응하는 자와 그렇지 못하는 자의 미래는 분명 달라질 것이다. “서울로 가면 코 베간다.”는 옛말이 이제는 “경제 흐름도 모르고 부동산 매입하면 코 베일 수 있다.”라는 말로 바꿀 수 있을 듯하다. 자산증식을 위해 부동산을 공부하는 독자라면 경제 공부는 필수라는 점 강조한다.
--- pp. 26~27

부동산을 그저 감이나 대충 이럴 거 같다는 어림짐작으로 판단해서는 안 된다. 사람처럼 오류에 취약하지 않은 정확한 빅데이터를 통해 국내 주택시장에 버블이 있는지 없는지 진단해보자. 국내 주택시장에 버블을 진단하는 데이터는 은행 대출위험 인덱스, 통화량 대비 대출위험 인덱스, 통화량 대비 주택버블 인덱스다. 이 세 가지 지표를 보면 국내 부동산에 버블 여부를 진단할 수 있다.
--- p. 36

자, 이제는 한국 부동산 시장에서 가장 큰 비중을 차지하는 수도권 아파트의 거래량 데이터를 살펴보자. 수도권에서 최근 같은 거래량이 터진 것은 2006년 말, 2015년 초, 2020년 중순으로 단 3번뿐이다. 공 교롭게도 시장의 변곡점 근처에서 거래량이 터진 것이다. 2006년 말 은 서울과 주요 수도권 시장의 과열된 분위기는 지금과 흡사하다. 즉 부동산 시장이 몇 년 동안 상승한 후 거래량이 터진 것이다. 당시 선수 들은 팔고 초보들은 매수했을 것이다. 몇 달 후 2007년 초 서울의 강 남 3구인 서초구, 강남구, 송파구의 고가 아파트들은 고점을 찍었다. 연 이어 중저가 아파트들이 많은 강북, 경기, 인천으로 매수세들이 확산되 며 수도권의 마지막 상승 파도가 2008년 중순 정도까지 이어졌다. 하 지만 이후 대세 하락이 시작됐다. 이러한 흐름이 의미하는 바는 고점 에서 엄청난 거래량이 터지고 1~2년 정도 지나면 시장에 변곡점이 올 수 있다는 것이다.
--- pp. 58~59

모든 투자의 기본은 저평가일 때 사고 고평가일 때 파는 것이다. 최소한 저평가일 때 팔지는 말아야 하고 고평가일 때 사지는 말아야 한다. 하지만 우리는 이러한 실수를 상당히 많이 한다. 대중들은 최근 몇 년 동안의 가격 흐름만 보는 성향이 있기 때문에 주식이든, 부동산이든 많이 올라서 고평가됐을 때 매수(패닉바잉)하거나 많이 떨어져서 저평가됐을 때 매도(패닉셀링)하는 큰 실수를 저지른다.
고평가됐다는 의미는 본질가치 대비 그동안 많이 올랐다는 의미다. 대중들은 지난 몇 년 동안 상승이라는 달콤한 유혹에 빠져 앞으로도 계속 더 많이 오를 것으로 기대하며 패닉바잉을 한다. 많은 사람들이 각종 호재와 정부 정책들을 이야기하지만 정작 부동산 시장에 대해서 고평가인지 저평가인지를 이야기하지 않는다.
--- p. 111

자본주의 사회에서 살고 있다면 통화량이 증가하면 돈의 가치가 떨어진다는 것 정도는 기본 상식으로 알고 있어야 한다. 최근에도 통화량은 꾸준하게 증가 추세다. 우리는 거의 모든 물가가 오르는 인플 레이션을 장기간 경험했다. 부동산은 실물자산이고 물가 오르는 속도만큼 부동산 가격이 오르는 것은 본질가치다. 이런 전제를 하고 만든 인덱스가 바로 물가 대비 매매 저평가 인덱스다. 물가 상승률보다 더 크게 부동산이 상승한다면 고평가라고 보았고 물가가 올라가는 속도 보다 더 못 오른다면 저평가로 보았다. 특정 지역의 아파트 가격이 고 평가인지, 저평가인지를 판단하는 데 좋은 지표다.
--- p. 159

이번 장은 좀 더 구체적으로 들어가서 세부 지역 기준으로 데이터를 살펴보겠 다. 내 집 마련을 하기에 좋은 지역을 다양한 데이터를 검증해 기술했 으니 정독한다면 독자에게 큰 도움이 될 것이다. 사람으로 따지면 성 격, 능력, 체력 등등 모든 데이터가 다 좋은 지역을 선정했다. 전국에 150개가 넘는 지역 중 시도별 전망에서 다루었던 지표들이 대부분 좋은 지역만 선정하면 성공적인 의사결정을 할 수 있다.
전국의 유망 시도별로 세부 지역 한 곳을 특정해서 다룰 예정이다. 여기서 언급하는 지역이 다른 곳보다 유망하다기보다 괜찮은 지역들 중 한 곳을 소개하는 것으로 생각하면 좋을 듯하다. 다양한 데이터를 모두 점검한 지역인 만큼 승률이 더욱 올라간다고 할 수 있다. 시도별 전망에서 데이터들이 괜찮았던 지역은 경기 일부, 강원, 전북, 충남, 충 북, 경남, 경북이었다. 내 집 마련하기에 좋은 유망 시군구 지역은 이 시도 중에서 선정할 것을 추천한다.

<b>빅데이터가 알려주는 100% 오르는 아파트와 지역을 콕 집어준다!<br/>매수와 매도 타이밍만 알아도 꼭지에서 사지 않고 바닥에서 팔지 않는다 </b><br/><br/>2021년 지금 한국의 부동산 시장은 역사상 최고점을 찍었고 또 그만큼 뜨겁다. 서울 일부 지역이 아니라 전국의 거의 모든 지역이 뜨겁다. 부동산을 가진 사람과 그렇지 않은 사람의 격차가 그 어느 때보다도 커졌다. 그러다 보니 영혼까지 끌어모을 정도로 모든 돈을 모으고 빌려서 부동산 투자를 한다는 ‘영끌’이라는 신조어까지 만들어졌다. 지금 안 사면 다시는 못 살 거 같은 두려움과 공포 분위기까지 조성돼 있다. 그런데 부동산 시장은 계속 언제까지 오르기만 할까? 지금과 같은 부동산 열풍이 언제까지 계속될까? 지금이라도 부동산 투자에 뛰어들어야 하는가? 아니면 지금이라도 팔아야 할까? 부동산 투자를 언제 어디에 해야 할까? 이 책은 바로 그 부동산 시장이 어떻게 될 것인가를 빅데이터 분석을 통해 설명해준다. 이제 부동산 투자도 과학적 분석에 근거한 투자가 필요하다. <br/><br/>이 책은 코로나19 이후 거시경제 전망을 하고 이전 빅데이터 부동산 분석이 얼마나 제대로 잘 맞았는지 적중률을 확인해본다. 2018년에 출간한 책 안의 예상들을 다 일일이 확인해본다. 그 결과는 저자마저도 놀랄 정도로 거의 다 적중했고 백발백중이다. 그다음은 17개 시도 분석을 하고 더 자세히 투자하면 좋을 유망 지역이 어디인지를 알려주고 더 나아가 종합투자점수 랭킹까지 매겨서 소개한다. 소득 대비 저평가 인덱스, 물가 대비 저평가 지수, 매매·전세수급 지수, 전국 입주량 물량 체크, 지역별 미분양 수치 등 철저하게 데이터에 근거해 부동산 시장을 전망하고 분석하고 투자하면 좋을 곳을 콕 짚어준다. <br/><br/>1장에서는 거시경제의 관점에서 다양한 경제 관련 데이터들이 부동산 시장에 어떤 영향을 미칠지를 분석했다. 거시경제의 큰 흐름에서 국내 부동산 시장이 어디쯤 있는지 기술했고 일반적으로 알고 있는 부동산 상식이 틀릴 수 있음을 검증했다. 다루는 것만으로도 뜨거운 감자가 될 수 있는 서울 부동산에 대한 공저자들의 입장도 밝혔다. <br/>2장에서는 2017년 말의 데이터를 가지고 2018~2019년 시도별 부동산 시장을 전망했던 전작 『빅데이터 부동산 투자』(2018 출간)를 검증했다. 아마 적중률을 확인하고 깜짝 놀랄 것이다. 당시 데이터의 전망이 거의 모든 지역에서 높은 확률로 등락을 예상했는데 대한민국 부동산 시장은 그 예상대로 흘러갔기 때문이다. 당시 책에 넣은 표를 그대로 삽입해 리 뷰를 작성했으니 독자들도 약 2년 전 데이터가 현재의 부동산 시장을 어떻게 예상했는지 검증하는 시간을 가져보길 바란다. <br/>3장에서는 빅데이터에 근거해 전국 17개 시도에 대한 앞으로 1~2년을 전망했다. 내가 사는 지역의 부동산 전망이 궁금한 독자들은 유심히 봐야 할 내용이다. 전국을 데이터로 읽는 방법을 초보자도 알기 쉽게 기술했다. 각각의 데이터가 시장에 어떤 영향을 미치고 또 변수에 따라 그 경중이 달라질 수 있다는 것을 공부하면 좋을 듯하다. 이 책을 통해 대부분의 데이터가 좋다고 하는 곳과 그렇지 않은 곳을 명확하게 짚어낼 수 있을 것이다. <br/>4장에서는 데이터 분석을 통해 지금 시점에서 내 집 마련을 하기에 손에 꼽을 만큼 좋은 지역들이 어디인지를 알려주고 있다. 이번에도 데이터에 의해 지역을 분석했고 향후 출간하는 책에도 본 장의 전망을 점검하는 시간을 가질 것이다. 2년 전 데이터를 믿은 독자와 그렇지 않은 독자는 자산증식에서 상당한 차이가 생겼다. 이 책을 통해 내 집 마련을 하는 독자와 그렇지 않은 독자의 수년 후의 자산증식에도 상당한 격차가 벌어질 것이다. <br/>마지막으로 5장에서는 다양한 데이터로 만든 지역별 종합투자점수를 다루고 있다. 독자들은 이 빅데이터 종합투자점수만 참고해도 상당히 많은 도움을 받을 수 있을 것이다. 세대수 6만 이상의 모든 시군구에 대한 종합투자점수를 공개한다. 내 집 마련이나 부동산 투자를 고민하는 독자들에게는 매우 도움이 될 것이다. 좋은 부동산을 찾아내 는 통찰을 길러주는 게 데이터이다. 하지만 데이터가 어렵게 느껴지는 독자들도 있을 것이다. 그런 독자들에게 종합투자점수는 아예 밥을 숟가락에 얹어서 입에 넣어주는 격이라고 할 수 있다.

저자 김기원 대표는 빅데이터를 기반으로 부동산 시장을 분석하고 전망하는 최고 전문가이다. 그뿐만 아니라 빅데이터를 기반으로 한 부동산 분석 시스템 리치고 서비스를 하는 데이터노우즈라는 회사를 직접 운영하고 있다. 감정에 쉽게 흔들리는 한국 부동산 시장에서 데이터를 기반으로 한 시장 분석은 탁월하다. 운이 아닌 진짜 부동산 투자를 원하는 독자라면 반드시 이 책을 읽어야 하는 이유다.

부동산은 중요하다. 내 집을 언제 어디에 마련할지만 잘 결정해도 부의 길로 빠르게 진입할 수 있기 때문이다. 그런데도 많은 사람이 부동산 투자를 주먹구구식으로 또는 분위기에 휩쓸려서 한다. 이 책은 빅데이터 기반으로 부동산 시장을 분석하고 전망한다. 부동산을 공부하는 분들이라면 반드시 읽어야 할 필독서이다.

공저자 두 분은 부동산과 금융을 모두 아우르며 오랜 기간 고객들의 자산관리를 해왔던 전문가이다. 이 책에는 두 전문가의 빅데이터를 활용한 절대 실패하지 않는 과학적 투자법이 자세히 공개돼 있다. 자산증식을 꿈꾸는 독자들에게 투자의 나침반이 되어줄 것이다. 이제 부동산 투자가 궁금하다면 이 책과 인공지능 기반의 빅데이터 부동산 앱 리치고를 참고하면 백전백승이다.

회원 78만 명의 대한민국 넘버원 재테크 카페 텐인텐을 20년간 운영하면서 부동산 관련 수많은 전문가들의 책들을 봤다. 하지만 이 책만큼 나에게 새로운 통찰과 식견을 준 책은 없다. 특히 부동산에 빅데이터를 접목해 부동산 시장을 새롭게 볼 수 있는 시각을 제시한다. 이 책은 독자들에게 앞으로 전개될 혼탁한 부동산 시장에서 좋은 길라잡이가 될 것이라고 확신한다.

2020년 부동산 시장은 가히 대혼란의 시기였다. 누군가는 발 빠르게 움직였고 누군가는 멈춰 서 있었다. 이러한 시기에 그 경계를 가른 건 바로 부동산 빅데이터이다! 이 책은 부동산 데이터와 친해질 방법을 세심하고 꼼꼼하게 알려준다. 데이터가 보내는 시그널을 빠르게 해석하고 현장에 적용해 투자의 성공확률을 높여준다. 2021년 부동산 시장의 흐름을 꿰뚫고 성공 투자의 길로 나아가려는 분들에게 필독서가 되어줄 것이다.

우리는 과학과 통계로 일기예보 등을 거의 정확하게 알아내고 있지만 정작 자산시장은 예측하기가 참 어렵다. “언제 내 집 마련을 할까요?” “지금이라도 영끌해야 할까요?”라는 질문을 받았을 때 명쾌하게 대답하지 못했다. 직접 수많은 데이터를 분석하고 예측하는 것이 불가능하기 때문이다. 지금은 “리치고에 물어보세요.”라고 대답한다. 리치고가 탄생하는 순간부터 눈부시게 업그레이드되는 모습을 지켜보았다. 위선과 거짓이 없고 모호하지 않은 부동산 빅데이터 리치고의 정확도는 놀랍다. 평생 가장 큰 이벤트인 내 집 마련을 하려는 독자와 부동산 투자 의사결정을 하려는 독자는 이 책을 먼저 읽어보길 권한다. 객관적이고 합리적인 근거로 최선의 선택을 할 수 있게 될 것이다.

“여기는 폭등한다. 저기는 폭락한다.” 수많은 소문이 근거 없이 떠돌아다니는 것이 현실이다. 하지만 이 책은 데이터를 기반으로 접근하기 때문에 이유를 알고 이해할 수 있는 시각을 제시한다. 흔들리는 마음을 다잡고 정보에 접근할 수 있는 기준을 잡게 될 것으로 기대하는 책이다.

부동산은 시기별로 지역별로 다른 모습을 보인다. 그래서 장기간에 걸쳐 분석하고 또 지역별로 분석해야 한다. 자주 사고팔 수 없고 금액의 단위도 크다. 제대로 공부하고 결정해야 한다. 이 책은 그런 관점에서 좋은 나침반이 되어준다. 개인적으로 이런 방식의 부동산 데이터 분석을 해보고 싶었다. 그런데 벌써 그걸 해주고 있다니 놀랍다. 많은 이들에게 도움이 되리라 확신한다.