| 배성완·유정석(2017) | 딥러닝(DNN, LSTM)을 활용한 부동산 가격지수 예측 및 ARIMA와의 비교 | 딥러닝 VS 시계열 비교, 딥러닝 우수성 확인 |
| 배성완·유정석(2018) | 머신러닝(SVR 등)과 시계열모형의 예측력 비교, 급변 시 시장 적응성 분석 | 시계열보다 머신러닝이 급변 상황에 강함 |
| 하대우 외(2019) | XGBoost 기반 주가지수 예측 및 모형 비교 | 예측력·효율성 우수, 시계열 예측모형의 실용성 제시 |
| 신은경 외(2021) | SOM으로 군집화한 지역 정보를 LSTM 입력으로 활용한 장기예측모형 제시 | LSTM 장기예측에서 성능 우수, 군집 기반 입력 활용 |
| 김상환(2022) | XGBoost를 활용한 주요 주식 종목의 등락 방향 예측 | 오분류율 45% 수준, 효율적 시장 가설 하 예측 유의성 확보 |
| 이선구·유선종(2024) | LSTM 기반 부동산 조각투자 자산 가격 예측, 기술지표와 거시변수 포함 | 부동산 조각투자 자산 대상 LSTM 실증 |
| 김수아 외(2024) | 뉴스 감성 지수를 생성형 AI로 도출 후 LSTM, VAR 예측모형에 반영 | 감성분석 기반 사회적 지표 예측력 향상 확인 |
| 김규석 외(2024) | RNN, LSTM, GRU를 활용한 대단지 아파트의 공간적 예측력 분석 | 공간 상호작용 반영, 대단지 RNN 성능 우수 |
| 문혜정·조남욱(2024) | PCA 및 머신러닝을 이용한 임야 공매 낙찰가 예측, SVR 성능 우수 | 낙찰가격 주요 변수 도출 및 알고리즘별 비교 |
| Yazdani(2021) | 머신러닝 기반 예측모형이 기존 헤도닉 회귀보다 비선형 관계 설명에 우수 | 랜덤포레스트·ANN이 헤도닉보다 예측 정확도 우수 |
| Zhan et al.(2023) | Bayesian 최적화 기반 하이브리드 모델(HBOS 등), CatBoost가 RMSE 우수 | CatBoost 기반 하이브리드모델의 정밀 예측 성능 입증 |
| Hasan et al.(2024) | 텍스트·이미지 임베딩을 활용한 멀티모달 딥러닝 주택가격 예측 | 텍스트+이미지+지리정보 통합 모델로 예측 정확도 향상 |
| Hernes et al.(2024) | 브로츠와프 시장 대상 예측 애플리케이션 및 머신러닝(GBR 등) 모델 개발 | 상업적 활용성 높은 모델, 약 90% 정확도 |