다차원 균형 평가 방법론 + 데이터 통합 현황 (2026-07-26)

사용자 피드백: "분석이 너무 단기적이다. 국제경제·환율, 국가정책 상관, 지리적 반영구 장점,

부동산 고유가치를 균형있게 반영하라. 그리고 등록한 공공데이터를 다 보고 있느냐."

→ 단기 지표 중심 분석을 장기·구조 중심 5축 프레임워크로 격상하고, 데이터 통합을 명시한다.

1. 5축 균형 프레임워크 (`analysis/multifactor.py`)

부동산 가치는 장기·구조 요소가 본질, 단기 수급은 진입 타이밍일 뿐이다. 그래서 분리한다.

축	성격	가중	사용자 요구 대응
1. 거시·국제	전역 순환(사이클)	계수	①국제경제·환율
2. 정책·개발 상관	장기 구조	30%	②국가정책·개발·교통망 상관
3. 지리 반영구	장기 불변	25%	③훼손 안 되는 지리적 장점
4. 부동산 고유가치	장기 본질	30%	④단기 무관 고유가치
5. 단기 수급	단기 순환(타이밍)	15%	(기존 단기지표를 여기로 격하)

장기 3축 = 85%, 단기 = 15%. 거시는 지역 우열이 아니라 진입 타이밍 계수(0.80~1.12).

축별 지표

거시: 기준금리·원달러환율·가계부채·미분양 → 고금리·고환율·부채高·미분양增 = 관망.
정책·개발: 국가계획 정렬(반도체 국가산단·3기신도시·GTX 직접권)·확정성(고시/착공 vs 구상)·교통망.
지리 반영구: 도심 접근성·자연 조망(강·산·바다·공원)·지형/재해안전 — 시간이 지나도 불변.
고유가치: 직주근접·학군(반영구 명문)·토지가치(대지지분·용적률여유)·희소성·전세가율(실사용가치).
단기 수급: 실거래추세·관심도·매물적체.

자동 판별

단기 ≫ 장기(+1.0): 과열·고점 주의(단기에 산 값).
장기 ≫ 단기(+1.0): 저평가·분할매수 기회.

2. 현재 거시 국면 (ECOS 실측 2026-07)

기준금리 2.5% 동결 · 원/달러 1,469원(고환율) · 미분양 증가 추세.
사이클 계수 0.89 = 관망(분할·대기 권장). → 좋은 지역도 지금은 분할·타이밍 분산.
함의: 고환율은 외국인 자금 이탈·수입물가·금리 인하 제약 → 완화 지연. 인하 전환 신호

(환율 안정+금리 인하 시작)가 나오면 배후 대장(동탄·수지)이 먼저 탄력.

3. 재평가 결과 (5축, 거시 반영)

지역	장기가치	단기수급	종합	등급	해석
화성 동탄2	4.11	4.17	3.67	핵심(장기 최상)	정책·직주근접 최상. 단기도 강(이미 반영)
용인 수지	3.96	4.17	3.55	우량	신분당선·학군. 단기 앞서 과열 경계
노원 중계	3.54	3.17	3.10	우량	학군·토지가치(반영구)>단기 = 본질 단단
파주 운정	3.07	1.67	2.55	보통	장기>단기 → 저평가 플래그. 단 도심접근 약
평택 브레인시티	2.80	1.83	2.36	보통	대학불확실·조성초기, 장기도 미확정

단기 분석과의 차이 (사용자 지적 반영)

파주 운정: 단기만 보면 "매도"(관심도·거래 급감)였으나, 5축은 **전세가율 4.5(실사용가치)·

GTX-A로 장기 3.07 > 단기 1.67 = 저평가 눌림 기회 플래그. → 급매 투매보다 분할 보유/관망**이

균형 잡힌 판단. (단 도심접근·직주근접 약해 '핵심'은 아님 — 반등 재료는 GTX 하나.)

노원 중계: 학군(강북 최대 학원가)·재건축 토지가치는 훼손 안 되는 반영구 가치라 단기

부진에도 장기 우량. 은행사거리 학군은 수십 년 축적된 대체 불가 자산.

동탄·수지: 장기·단기 모두 높으나 단기가 살짝 앞서 관망 국면(계수 0.89)에선 분할 진입.

4. 데이터 통합 현황 — "다 보고 있느냐"에 대한 정직한 답

데이터	이전(단기분석)	현재(5축)	통합 방식
네이버 실거래	✅ 봄	✅ 단기축	curl_cffi 자동
검색 관심도	✅ 봄	✅ 단기축	데이터랩
ECOS 금리·환율	❌ 안 봄	✅ 거시축(자동)	`live_macro()` 실API
R-ONE 미분양·지수	❌	✅ 거시축	실API(추세 반영)
KOSIS 인구이동	❌	◐ 고유가치축(수동→자동화 예정)	키 있음
개발정보(철도·GTX)	◐ 뉴스로만	◐ 정책축(수동→API 예정)	datagokr
연구자료(PRISM 예타)	❌	◐ 정책 확정성(수동→API 예정)	datagokr
지리(도심접근·조망)	❌	✅ 지리축(수동 점수)	지도API 연동 예정

솔직한 현황: 거시(금리·환율·미분양)는 이제 실API로 자동 통합됐다. 정책·지리·고유가치

축은 프레임워크에 명시적 축으로 반영됐으나 일부 점수는 아직 내 판단(수동 입력)이다.

KOSIS 인구이동·개발정보·PRISM 예타는 키·API는 확보됐고 다음 단계로 각 축에 자동 연동한다.

→ 즉 "본질 요소를 축으로 명시 + 거시 자동화"까지 왔고, 정책·지리 자동화가 남았다.

5. 자동화 루틴 확보 (`.claude/skills/region-invest/`)

매번 임시 스크립트로 하던 수집·평가를 LLM 호출 0의 재사용 스킬로 고정(building-codebase-skills

규약). 토큰 효율화의 핵심 — 반복 수집은 코드가, 판단만 사람/LLM이.

루틴	명령	산출
거시 스냅샷	`region-invest macro`	금리·환율·사이클계수
단지 리포트	`region-invest complex <no> --year 2026`	실거래·시세(curl_cffi)
단지 탐색	`region-invest find <키워드> --sido --sigungu`	complexNo
재건축 스캔	`region-invest scan <시도> <시군구>`	후보 엔진점수순
다차원 평가	`region-invest evaluate <profile.yaml>`	5축 균형 평가

안전: 전부 읽기전용·3-strike abort(exit≠0)·보수적 딜레이·구조화 로깅. 검증 완료

(macro/complex/evaluate exit 0, 없는단지 abort exit 2).

6. 자동화 진전 (`analysis/auto_score.py` + `region-invest auto`)

좌표 기반 4개 축 지표를 자동 산출했다(LLM 0). 단지 위경도(네이버) + 앵커 거리:

city_access(지리): 서울 도심 3곳 최단거리 → 5km=5, 40km=1
job_proximity(고유): 고용중심 8곳(강남·판교·마곡·반도체산단…) 최단
policy_alignment(정책): 반도체 산단 4곳 최단(직접권 판정)
transport_plan(정책): GTX/광역급행 역 8곳 최단(1.5km=역세권 5)
jeonse_ratio·land_value(고유): 실거래 전세가율·용적률/노후 → 자동 점수

region-invest auto <complexNo,...> = complexNo만으로 좌표·실거래 수집→5축 평가(경량:

당해 대표평형만). 검증: 가람3(운정) 자동 도심2.51·GTX운정2.1km·전세가율85% / 중계6 도심4.12·

강남17.4km.

자동화의 정직한 한계 (중요)

자동은 "좌표·실거래로 잡히는 것"만 반영한다. **학군·희소성·자연조망·정책확정성(고시/착공)은

아직 중립(2.5)** 처리 → 학군 강한 노원 중계가 자동에서 저평가된다(자동 장기 2.38 vs 수동 3.54).

→ 실전은 하이브리드: auto로 위치·수급 초벌 → 학군·희소성·확정성은 수동 override로 보정.

7. 다음 단계 (남은 자동화)

학군 자동화: 학교 데이터 API(학업성취·학원가 밀도)로 school_district.
정책 확정성: PRISM 예타·정비사업 정보몽땅 단계(고시/착공)로 policy_certainty.
자연조망: 하천·공원·산 폴리곤(지도 API)로 natural_amenity.
수요: KOSIS 인구순이동으로 지역 수요 가산.

→ 완성 시 auto가 학군·희소성까지 채워 수동 보정 없이 완전 자동.

원문 Markdown: docs/analysis/2026-07-26-다차원-균형평가-방법론.md