중요한 건 데이터다. 어떤 데이터의 경우 여러 부동산 투자 고수들이 중요하다고 입을 모아 말했지만, 그것을 인공지능 프로그램에 넣었을 때 실망스러운 결과가 나타나기도 했다. 필자는 인공지능 프로그램이 많은 데이터를 수치로 인식할 수 있게끔 수많은 응용을 했고, 그 수많은 응용 데이터를 통해 결과를 도출해냈다. 쉽지 않은 작업이었다. 응용한 데이터가 괜찮다 싶어 인공지능 프로그램을 돌리면 2박 3일 동안 계속 컴퓨터가 돌아가면서 결과를 냈다. 메모리 카드가 16G인데도 그랬다. (요새 메모리 카드 가격은 왜 이렇게 비싼지…….) 가끔 2박 3일 동안 프로그램을 돌리다 보면 처음에 어떤 의도로 데이터를 집어넣었는지 가물가물할 때도 있었다. 나중에는 프로그램을 6시간 정도 돌리는 것으로 개선했다. --- p.8

②(전세가율 70% 이상의 전체 대상 단지수, 평균 갭, 평균수익률)에서는 전세가율 70% 이상의 아파트를 비교하기 위해 ①에 전체 단지수를 추가했다. 전체 단지수의 대략 20% 정도는 전세가율 70%의 아파트이며, 2013년부터 점점 늘어나서 2015년쯤엔 60%가 넘어갔다. 이때가 전국의 평균 전세가율이 70%에 육박한 시점이다. 평균 투자금도 2천만 원대에서 4천만 원, 5천만 원으로 점점 커졌다. 2013년은 수도권 아파트 가격이 올라가기 시작한 시점으로, 수도권 아파트는 지방에 비해 상대적으로 비싸 전세가율이 높아 투자금이 커진다. 역시 놀라운 것은 수익률이다. 2년 평균수익률이 낮을 때에는 2007년 9월 32.8%, 높을 때에는 2009년 12월 175%를 넘어갔다. 1년 평균수익률은 16.4%~87.5%다. 세계 최고의 투자자 워런 버핏의 평균 투자수익률이 22%인 것을 생각하면 놀라지 않을 수 없다. --- p.24

다음의 ‘공급 예정 상세 분석 프로그램’과 같이 공급 예정 아파트의 구체적인 시기와 위치 등의 정보, 평형대별 분포도를 제공한다. 하지만 지역의 기본적인 수요와 공급은 먼저 누적 수요 대비 누적 공급의 수요 에너지 차트를 통해 흐름을 분석하는 것이 첫 번째다. 지역을 선정하고, 아파트를 선정할 때에는 해당 지역 혹은 근처 지역까지의 공급 예정 물량, 공급 예정 물량의 입주일, 세대수, 평형별 구성 비율, 위치 등의 정보를 살펴본 후 투자 여부를 판단해야 한다. --- p.53

‘수익률 비교 차트’를 보면 제일 왼쪽부터 파란색 막대는 전체 아파트 평균수익률이다. 여기에서 수익률은 전세 갭투자 2년의 수익률이다. 즉, 매입 후 전세를 놓고 2년 후 매도를 했을 때 2년 동안의 수익률이다. 그 다음 빨간색 막대는 전세가율 70% 이상 아파트의 평균수
익률이다. 제일 왼쪽의 2007년과 2008년은 전체 평균수익률과 별 차이가 없다. 그리고 2009년부터 2013년까지는 파란색 전체 평균수익률과 차이가 많이 나지만 2014년, 2015년, 2016년, 해가 갈수록 점점 더 수익률의 차이가 없어지고 있다. 이를 통해 2015년부터 이미 투자하기가 어려워졌다는 것을 알 수 있다. --- p.112

2015년에는 파주, 의정부, 남양주, 부천이 새롭게 추천 순위 60위권 대에 진입했고 2016년에는 구리와 시흥이 진입했다. 의왕과 동두천의 경우 KB 시계열 정보가 없어 전세 종합점수가 낮아 순위가 낮다. 다만 동두천은 이 점수가 있다고 해도 추천 순위는 여전히 낮으므로 의왕만 살펴보도록 하자. 2015년도 김포, 하남, 시흥의 경우 추천 순위가 낮은데도 수익률
이 좋다. 이 지역들을 각각 차트를 통해 세부적으로 확인해 보자. --- p.209

대전 지역은 2009년에 전반적으로 투자 추천 순위가 높았는데, 수익률은 2010년에 제일 높았다. 2010년 당시 전세가율 70% 이상의 아파트 평균수익률은 부산광역시가 229%로 제일 높았고, 그 다음이 대전 185%, 울산 182%, 광주광역시 137%, 전남 102%, 전북 101% 순이었다. 참고로 인공지능 프로그램의 2010년 추천 순위다. 대전 전체 차트를 보면, 대전은 2009년 5월쯤부터 2011년 말까지 부동산 가격이 상승했다는 것을 알 수 있다. 당시 전세 에너지는 2006년 4월부터 꾸준히 쌓여 2011년 3월까지 상승하다가 2012년까지 하락했고, 그 이후 2014년 1월까지 상승하다가 약간 상승·보합세를 유지하고 있다. 상승장의 시작 시점이었던 2009년 5월쯤은 아직 에너지가 많이 쌓여 있는 상태가 아니라고 할 수 있다. 대전은 상승장에서 전세가가 더 많이 상승하면서 전세 에너지를 끌어당겼다. --- p.271

사실 많은 갭투자자들이 대부분 단순하게 투자한다. 먼저 수요·공급, 갭 매우기, 전세가율, 미분양, 개발 호재 등 투자할 만한 지역의 정보를 얻는다. 다음으로 그 지역 내에서 투자금이 제일 적게 들어가는 아파트, 즉 전세가율이 높은 아파트를 찾아 투자하는 식이다. 물론 확률적으로 보면 시간을 적게 들일 수 있는 괜찮은 투자 방법이다.
이제 전세가율의 조건을 살펴보자. 먼저 2016년 1월 전국에서 전세가율 70% 이상 아파트의 평균수익률을 살펴보자.
‘2016년 1월 전국 전세가율 70% 아파트의 평균수익률’을 보면 알수 있듯이 평균 41%다. 그럼 70%보다 높은 80% 이상 전세가율의 평균수익률은 어떨까? 58%다. --- p.294

각 아파트의 시세흐름을 살펴보자. 먼저 에이스 11차 아파트를 보자.
에이스 11차 아파트는 2015년 8월쯤 매매가와 전세가가 동시에 올랐다. 그전의 흐름으로 보면 전세 가격이 계속 오르니까, 즉 전세가율 이 최고조에 이른 시점에 매매 가격이 마지못해 오른 형국이다. 이때 투자 갭은 1,250만 원 정도였다.(일반적으로 전세 가격이 매매 가격보다 높을 수는 없다고 생각한다.) 이는 공급량이 부족해 전세 가격이 계속 상승하는 시기에 전형적으로 나타나는 현상이다.
문제는 2015년 8월쯤 이미 한 번 올라간 이후 2016년 1월 투자 시점까지 계속 오르지 않았다. 세대수나 역세권 여부, 연식 등 여러 측면에서 사람들이 선호하는 아파트가 아닐 경우 말 그대로 불편해도 저렴하니까 사는 것이다.

<B>-빅데이터와 인공지능으로 부동산의 과거와 현재, 미래를 알고 승률을 높이는 투자법</b><br/>-99% 성공하는 인공지능 부동산 투자법<br/>-전국 모든 지역, 모든 아파트의 연도별 평균 투자수익률을 밝힌다!<br/>-인공지능으로 최고 수익률의 부동산을 찾아낸다! <br/><br/>20년 경력의 DB전문가인 저자가 6년의 부동산 투자 경험을 토대로 인공지능 기술에 접목하면서 부동산의 미래를 예측하는 연구를 성공했다. <br/><br/>처음에는 직업병처럼 실제 투자하는 데 활용하는 차원에서 시작했었다. 부동산 회사 프로젝트로 채택되어, 막 안정이 되기 시작한 IT회사까지 접고 부동산에 올인하였다. 그러다가 갑자기 권고사직을 당했다. 딱 1년 만의 일이었다. <br/><br/>진행하는 부동산 프로젝트 결과가 잘 안 나왔기 때문이다. 당시 프로젝트는 다양한 조건으로 지역과 아파트를 찾을 수 있는 사용자 맞춤형 프로그램이었다. 경험 많은 부동산 고수의 노하우를 보조하는 처음 기획대로 만들었지만, 실제 유망 아파트를 찾을 수 있는, 원하는 결과는 안 나왔다. 그래서 권고사직 당했다. <br/><br/>기술력은 자부하지만 줄곧 사업을 하던 경력이라 엔지니어로서 취업도 못하고, 기술보증기금 대출이 있어 유지만 하고 있던 개인사업자를 폐지하지 못해 실업급여조차 못 받는 40대 후반, 6살 딸아이의 암울한 아빠였다. <br/>그러던 와중에 우연하게 접한 인공지능 기술, 덕분에 관점을 바꾸는 시도를 했다. <br/><br/>사람의 판단을 보조하는 프로그램이 아니라 스스로 최적의 패턴을 찾는 프로그램. 다시 말해 인공지능 프로그램. 때마침 30년지기 절친이 2012년 펜택에 책임연구원으로 근무할 때 음성인식 머신러닝 프로젝트 팀장이었다. 초창기 인공지능분야 경험자. 그 친구도 회사가 문을 닫으면서 이런저런 회사에 전전긍긍하던 상황에다 7살 딸아이 아빠. <br/><br/>두 명의 40대 후반 딸바보 가장이 의기투합했다. 한 명은 부동산 투자 경험과 DB전문가, 한 명은 인공지능 엔지니어. 뻔히 보이는 암울한 미래를 바꿀 수 있는 일생일대의 기회라 생각했다. 머리숱 많은 사람이 원형탈모가 생길 정도로 절박하게 집중했다. 그러자 불과 4개월 만에 가시적인 결과가 나왔다. 프로토 타입을 완성하고 몇몇 지인에게 보여주니 반응이 아주 좋았다. 그 후 1년이 지나 그 결과를 책에 담았다. <br/><br/>저자는 인공지능을 사용하기 전과 데이터를 보는 관점 자체가 완전히 바뀌었다고 한다. 우선 중요하던 데이터라고 생각했던 많은 데이터가 의외로 중요하지 않은 데이터였고, 그 반대의 경우도 많다고 한다. 게다가 인공지능 프로그램 덕분에 결과는 인공지능에게 맡기고 사람은 데이터를 가공, 상상하는 데만 집중할 수 있었다. 아무리 데이터를 복잡하게 만들어도 결과를 신경 쓸 필요도 없고, 그 데이터를 조건으로서 사용하는 프로그램 인터페이스도 신경 쓸 필요가 없다. 오로지 데이터 자체만 집중할 수 있는 것이다. <br/><br/>빅데이터와 인공지능을 활용, 시장 에너지를 정확히 예측하는 것은 물론, 22개 정보를 150여 가지 데이터로 분석해 조, 경, 승 단위로 도출되는 경우의 수를 인공지능을 통해 최적의 패턴을 찾아내 미래가치를 예측하는 핵심 기술이 완성되었다. <br/><br/>인공지능으로 찾아낸 패턴을 과거 모든 지역, 모든 아파트에 적용해서 나온 결과까지 제공하여 우수한 인공지능 예측 기술력을 증명하고 있다. 심지어는 2007년, 2008년 리먼브라더스 사태로 대한민국 부동산이 폭락할 때까지도 제공하고 있을 정도로 기술력에 자신감을 보여주고 있다.<br/><br/>저자는 얘기한다 “부동산 시장에서 제일 문제는 투자자도, 정부정책도, 인구감소도, 각종 호재도 아닌 왜곡된 정보가 제일 문제”라며. “대부분의 부동산 정보는 호재 위주로 제공하지만 조금만 깊이 생각해 보면 아무리 호재가 많다고 해도 수요에 대비하여 공급량이 더 많아지면 그 호재는 소용이 없다며, 대표적인 곳이 평택”이라고 한다. “삼성, LG 등의 큰 호재가 제일 많아 수요가 점점 더 늘어나겠지만, 예상 수요 대비 공급량이 더 많아져 버리니, 가격이 오르지 않는 것이다.”고 한다. <br/><br/>그나마 일부 공급에 대한 정보 역시 막연한 정보이다. 공급량이 많다 적다고는 하지만, 얼마나 많은지 적은지 구체적으로 제공하고 있는 곳은 없었다. <br/>책에선 수요 에너지 흐름 차트를 통해 수요와 공급의 균형 여부와 흐름을 파악할 수 있다. 하지만 수요와 공급보다 더 중요한 것은 사람들의 부동산 시장의 심리이며, 그러한 심리 분위기를 알 수 있는 전세 에너지를 제시하고 있다. 또한 매매/전세지수의 흐름, 수요 에너지, 전세 에너지 등의 중요한 차트를 한 눈에 볼 수 있어 현재 그리고 미래 시장의 에너지를 파악할 수 있게 했다.<br/><br/>모든 사람들이 이런 정보들을 쉽게 접하게 되어 건설사, 분양사 등의 왜곡하기 쉬운 정보에 현혹되지 않게 되면, 그들도 무리하게 건축과 광고를 하지 않게 될 것이다. <br/><br/>이러한 수요 에너지, 전세 에너지 등의 정보를 인공지능의 최적 패턴으로 과거의 모든 지역, 모든 아파트의 연도별 평균수익률 시물레이션 결과를 자신 있게 보여주지만, 그렇다고 패턴에 적용된 모든 추천 지역과 추천 아파트의 결과가 성공하는 건 아니다. 다만 평균과 확률이 높을 뿐이다. <br/><br/>그래서 인공지능이 추천하지만 사람의 판단에 따른 2차 필터링이 반드시 있어야 한다. <br/><br/>여기에서 인공지능과 함께 만들어진 수요 에너지, 전세 에너지 등을 한눈에 볼 수 있는 차트가 사람의 2차 필터링에 다시 활용된다. 차트를 보면 이런 에너지 수치가 획일적으로 나오지 않아 인공지능이 걸러내지 못하는 것을 사람은 걸러낼 수 있기 때문이다. 그렇지만 사람은 모든 지역 모든 아파트를 동시에 비교할 수는 없다. <br/><br/>사람이 데이터를 가공하고, 인공지능이 최적의 패턴을 찾아낸다. <br/>그리고 인공지능이 추천하고, 사람의 2차 필터링. 이것이 99% 성공하는 인공지능 투자법이다. <br/><br/>이 책은 그러한 내용이 고스란히 담겨져 있다.