1편에서 가격을 봤습니다. 서울 아파트는 40년 자로는 중간 지대지만 고평가 경계 인접, 2021년 이후로는 전월세가 아니라 가격 스스로 오르는 처음 보는 국면, 그리고 상승의 절반 이상이 소득도 금리도 아닌 잔차라는 것까지.
이번 편은 그 잔차의 뒤를 캐 봅니다. 즉, 무엇이 서울아파트 가격을 움직였는지? 통계에서 잔차라고 불리는 정책은 무엇을 했고, 인구는 무엇을 바꾸는지.
6. 정권에 따라 부동산 가격이 어떻게 움직였나요?
안타깝게도, 사실입니다. 특정 시기마다 급등이 반복되는 것이 데이터에 그대로 보입니다. 이게 반복되니 자꾸 학습처럼 군중심리가 좌우되는 게 아닌가 싶습니다.
안정적으로 공급을 뿌려주면 시장도 덜 출렁일 것 같은데, 왜 정권마다 공급량이 달라지는 걸까요? 매우 궁금합니다. 어떻든 우리는 안정적이고 좋은 환경에 거주할 선택을 해야 하는데, 그것이 정권의 정책에 좌우된다고 생각하면, 운에 맡겨야 하는 인생이 조금 가혹하다는 생각이 듭니다.
1986~2026 KB 40년 지수 위 정권 띠와 대책 12건, 아래 판이 같은 기간 전세/매매 비율
1986년부터 2026년까지 40년 계열 위에 대책 12건을 찍었습니다. 변화를 잴 수 있는 11건 가운데 9건은 이후 12개월 지수가 올랐고, 2건은 내렸습니다. 규제를 하는 경우만 보면 5건 가운데 5건이 오른 뒤였습니다. 어느 대책이 옳았는지가 아니라, 시점 이후 지표가 어디로 갔는지를 적은 것입니다.
- 2005-08-31 8·31 부동산제도 개혁방안 (규제) · +10.5%
- 2008-11-03 수도권 투기과열지구 해제 (완화) · +0.9%
- 2013-04-01 4·1 주택시장 정상화 종합대책 (완화) · -0.4%
- 2014-07-24 7·24 LTV·DTI 완화 (완화) · +3.5%
- 2017-08-02 8·2 주택시장 안정화 방안 (규제) · +8.9%
- 2019-12-16 12·16 주택시장 안정화 방안 (규제) · +13.1%
- 2020-07-10 7·10 보완대책과 임대차 3법 (규제) · +18.5%
- 2023-01-03 규제지역 해제 (완화) · -4.5%
- 2025-06-27 6·27 가계부채 관리 강화 방안 (규제) · +14.3%
- 2025-10-15 10·15 주택시장 안정화 대책 (규제)
위 내용이 말하는 것은 여기까지입니다. 시점 이후 지표가 어디로 갔는지는 보이지만, 무엇이 그렇게 만들었는지는 말하기 어렵습니다. 말 그대로, 이유를 말을 하면 온갖 공격이 무섭기 때문에 말을 못합니다. 이제 우리는 언제가부터 그런 혐오의 시대에 살고 있지요.
그래도 아래 내용에는 그 사이를 메우려는 해석을 적어봤습니다. 근거가 아니라 그냥 읽기 용도 입니다.
규제는 대부분 수요를 눌렀지만, 매물을 더 줄이거나(양도세 잠김, 임대차법 전세 급감) 대출과 현금 부자에게 무력해 의도와 반대로 갔습니다. 소득 없는 자산가를 겨눈 규제는 빗나가고, 대출을 푸는 완화는 곧장 구매력으로 번져 잔차를 키웠습니다. 정책은 수요를 없애지 못하고 그 형태만 바꿨다고 생각합니다.
7. 그래서 정책 실패가 맞을까요?
흠. 일단 정부의 의도대로 된 적은 없다고 판단됩니다. 그런데 이렇게 반대로 맞추는 것도 실력 아닌가요? ㅎㅎ 이것도 사실 의도가 아니었을지.
대표 정책 8건을 채점하면: 역효과 3건, 엇갈림 5건, 의도 부합 0건.
- 2018.09 9·13 대책 (수요억제) 엇갈림: 공급 신호 없이 수요만 눌러, 규제지역 밖으로 수요가 옮겨가고 매물이 잠겼다
- 2019.12 12·16 대책 (대출규제) 역효과: 현금 부자에겐 무력하고 대출에 기댄 실수요만 배제했다
- 2020.07 6·17·7·10 대책, 다주택 중과 (수요억제) 역효과: 파는 것을 벌하니 아무도 팔지 않았다
- 2020.07 임대차 3법 (임대차) 역효과: 4년을 묶자 집주인이 전세를 거두고 월세로 돌렸다
- 2023.01 특례보금자리론 (완화) 엇갈림: 저금리 대출이 구매력을 곧장 밀어 올렸다
- 2024.09 스트레스 DSR·대출 총량 규제 (대출규제) 엇갈림: DSR은 소득 기준이라, 현금과 전세 레버리지로 사는 자산가에겐 무력했다
- 2025.06 6·27 대출 규제 (대출규제) 엇갈림: 6억 상한은 15억 아파트를 사는 사람에겐 무의미하다
- 2026.08 수도권 공급 확대·가계대출 총량 상향 (공급) 엇갈림: 공급 시그널과 대출 완화가 한날 나오면 상반된 힘이 된다
8. 그럼 이젠 우린 어딜 가서 살(LIVE & BUY) 수 있나요
일단, 오른 건 어쩔 수가 없고. 오른 만큼 내릴 수도 없다는 것을 이제 받아들여야 할 것 같습니다.
그렇다면 다음 기회는 언제일까요? 그 기회가 올 때까지 아래 지도에 보이는 지역 어느 곳이든 깃발을 꽂을 준비를 해두는 게 현명한 판단으로 보입니다.
전용 84㎡대 중앙 실거래가 지도, 2026-08 기준 최근 3개월
원의 넓이가 전용 84㎡대(83~86㎡) 중앙 실거래가, 색이 최근 1년 변동률입니다. 지역명 아래 작은 글씨는 중간 50% 구간(p25~p75)으로, 값 하나가 아니라 거래가 놓인 폭을 말합니다.
시군구가 곧 시장은 아닙니다. 한 구 안에 가격대가 다른 시장이 둘 들어 있으면 중앙값은 어느 쪽도 아닌 숫자가 되므로, 실거래 가격대로 갈라 따로 세웠습니다. 반포는 반포·잠원동, 잠실은 잠실·신천동, 광교는 이의·하동·원천동 하는 식으로요.
경기 상급지의 대빵은 과천입니다. 전용 84㎡대 중앙 실거래가 23.9억으로 서울 강남구(31.3억)의 76.4% 수준입니다. 그 안에서도 가운데 절반은 21.7억에서 25.4억 사이입니다. 여기 나오는 값은 모두 최근 3개월 실거래 중앙값이며, 신고 지연 탓에 최근 달은 잠정치입니다.
입주 연도별 청약 물량, 2026~2032
참고로 지금 공고가 난 물량은 2029년에 가장 몰립니다. 그 해 1만 5천여 세대, 31개 단지이고 경기가 14,554세대로 가장 많습니다. 경기 핵심지 몫이 3개 단지 877세대입니다. 2028년까지는 자기자본을 잘 비축해 두시는게 좋지 않을까 생각이 듭니다.
9. 종합하면, 무엇이 집값을 끌어올렸나?
소득과 금리 외에, 역시 잔차라고 불리는 몫이 상승을 견인했습니다. 그리고 그 잔차의 뒤에는 유동성과, 정책이 만든 심리가 있습니다. 이번엔 집값 상승 시기를 뜯어서 비교해 보았습니다.
붐 2018→2021 기여 분해
기준금리 인하(1.75%→1%)가 +6.5p, 소득이 +10.3p를 보태 구매력이 +16.8p 올랐는데도 상승의 절반이 되지 않았고, 잔차 +18.6p가 M2 급증(+49.4p)과 같은 방향으로 벌어졌습니다.
검산하면 소득 +10.3p + 금리 +6.5p + 잔차 +18.6p = +35.4p로 집값 변화와 일치합니다. 저금리와 유동성 팽창이 겹친 교과서 구간입니다.
재과열 2024→2026 기여 분해
소득이 +8.4p를 밀고 기준금리가 3%에서 2.75%로 내려 +2.0p를 보탰지만, 집값은 그 합의 두 배 넘게 뛰었습니다. 상승의 59%가 산식 밖의 잔차입니다.
같은 기간 M2 +11.6p, 전세/매매 -7.2p와 동행했습니다(동행이지 인과 증명은 아닙니다). 2026년은 7월까지의 진행값이고, 소득은 2025년 공시 이월입니다.
그럼 이런 판단을 할 수 있겠지요.
- 지금처럼 정권에 따라 가격이 움직인다는 믿음이 유지되면: 정권이 바뀔 것 같을 때마다 투기적 수요가 붙는다.
- 정권이 장기적으로 안정적인 정책을 줄 수 있다는 믿음이 생기면: 실수요 위주로 수요가 붙는다.
10. 인구가 줄어드니 괜찮은 거 아닌가?
집값이 내려간다고 생각하는 경우에 인구에 대해 이야기를 하곤 합니다. 실제로 10년 뒤에 실수요층이 10% 정도 감소하는 것을 알 수 있습니다.
그래도 서울이나 주요 상급지의 인구가 감소할지는 잘 모르겠습니다. 200만 명 정도인데, 흠. 주요 지역에 재건축이 완성되고 공급과 수요의 괴리가 생길 수도 있을 것 같습니다. 한번 보겠습니다.
인구 피라미드 2025·2035·2040, 파란 밴드가 30~54세 실구매자층
이렇게 집 살 사람이 줄어드는데 집값이 버틸 리 없다는 반론이 있습니다. 전국 평균으로는 맞는 말에 가깝습니다.
그런데 이 반론이 상급지 가격까지 이어지려면 전제가 셋 더 필요합니다. 인구와 함께 가구도 줄어야 하고, 남는 인구가 고르게 퍼져야 하고, 있는 집이 시장에 매물로 나와야 합니다. 세 전제를 공표 통계로 하나씩 재봤습니다.
쐐기 1, 가구 분화. 집은 사람이 아니라 가구가 삽니다. 인구가 줄어도 가구는 2041년까지 늘어납니다.
총가구 2000~2050, 옅은 막대는 추계, 정점 2041년
1인 가구로의 분화가 인구 감소를 상쇄해, 주택 수요의 단위인 가구는 2040년대 초까지 늘어납니다. 총인구 정점(2020년)과 가구 정점(2041년) 사이에 20년의 간격이 있습니다.
쐐기 2, 공간 집중. 전국이 줄어도 수도권 몫은 커집니다. 실구매자층은 더 빠르게 모입니다.
수도권 인구 비중, 전연령과 30~54세
실적 20년 동안 오르던 비중이 추계에서도 꺾이지 않습니다. 특히 30~54세 실구매자층은 2005년 절반에서 2040년 57%로, 줄어드는 수요층의 더 큰 몫이 수도권에 남습니다. 평균의 감소가 모든 곳의 감소는 아닙니다.
쐐기 3, 자산 이전. 서울은 절반 넘게 빌려 사는 도시고, 있는 집은 파는 대신 물려주기도 합니다.
서울 자가점유율과 아파트 증여 비중 2016~2026
서울 가구 열에 넷은 남의 집에 삽니다(자가점유율 44.1%). 소유는 소수에 몰려 있고, 그 집의 일부는 매매 대신 증여로 가족 안에서 이전됩니다(증여 비중 2020년 14.2%, 2025년 5.9%, 2026년 상반기 6.1%). 물려준 집은 시장에 매물로 나오지 않으니, 인구 감소가 수요를 줄여도 유효 매물이 같이 잠기면 수급의 간격은 통념만큼 벌어지지 않습니다.
참, 외국인이 사줄 거라는 이야기도 있는데, 서울 건축물 거래에서 외국인 비중은 1.3~1.9% 수준입니다(2026년 상반기 1.61%). 통념보다 훨씬 작습니다.
마무리하며,
오랜 역사 속에서 왜 사람이 땅을 가지려고 했을까요. 눕고 자고, 이 행위에만 비롯된 것이 아닌 생명이 모두 땅에서 나서 땅으로 돌아간다는, 뭔가 근원적인 DNA의 끌림이 있어서 이지 않을까 하는 망상도 해봅니다.
내 집. 정서적으로나 경제적으로 내 인생이란 나무의 뿌리를 내릴 수 있게 하는 그 존재론적인 생각을 떠올리며 오늘 글을 마무리 합니다.
이 글의 모든 판정과 그래프는 저희 플랫폼에서 매일 갱신됩니다. 주기적으로 업데이트되니, 와서 확인해 보세요.
https://k-valuechain.com/housing?tab=why
서울·경기·인천 아파트 매매가가 전세·월세가 말하는 임대가치 대비 비싼지 싼지 판정합니다. KB 40년 계열과 한국부동산원 계열, 국고채 10년 금리 회귀 기준.
(참고) 적용 이론
이번 글에서 쓴 데이터사이언스 기법 중 둘을 골라, 강의하듯 풀어 보겠습니다.
분위수 회귀 (Quantile Regression)
어떤 질문에 답하는 도구일까요?
우리가 아는 보통의 회귀(최소제곱법)는 "평균적으로 어떤가"에 답합니다.
소득이 1 오르면 집값이 평균적으로 얼마 오르는가, 하는 식이지요.
그런데 부동산에서 정말 궁금한 것은 평균이 아닐 때가 많습니다.
중위 가격대 아파트와 강남 상급지는 같은 금리, 같은 소득 변화에 다르게 반응하니까요. "평균"이라는 한 줄 요약은 이 차이를 뭉개 버립니다.
분위수 회귀는 평균 대신 분포의 특정 위치, 그러니까 중위(50번째), 상위 10%(90번째) 같은 분위수를 각각 따로 맞추는 회귀입니다. 가격 사다리의 칸마다 다른 기울기를 허락하는 것입니다.
최소제곱법은 오차를 제곱해서 더합니다. 위로 벗어나든 아래로 벗어나든 똑같이 벌점을 주니, 결과는 가운데(평균)로 수렴합니다.
분위수 회귀는 벌점을 비대칭으로 줍니다.
예를 들어 90번째 분위수를 맞추고 싶으면, 예측선 아래에 있는 점에는 가벼운 벌점을, 위에 있는 점에는 9배 무거운 벌점을 줍니다. 그러면 선은 자연히 점들의 90%를 아래에 두는 위치로 올라갑니다.
이 비대칭 벌점 함수를 핀볼 손실(pinball loss)이라고 부릅니다. 수식으로는 ρτ(u) = u·(τ − 1[u<0])를 최소화하는데, τ가 목표 분위수입니다. τ=0.5면 중위가 되고, 이때는 절대값 오차를 최소화하는 것과 같습니다.
이번 글에서는 어떻게 썼나.
전용 84㎡ 실거래를 19개 지역 시장(tier)으로 놓고, 2024-09부터 2026-08까지 455건 관측으로 분위별 시간 추세를 따로 적합했습니다.
하위 10% 지역은 약 7억에서 8억, 중위는 14억에서 16억, 상위 10%(강남·서초급)는 26억에서 33억. 중위와 상급지의 절대 격차가 약 2배인데, 이는 본문 5장 구매력 분해의 결론(대기업 감당 13억으로 중위는 닿아도 상급지는 못 닿는다)을 다른 방법으로 재현한 것입니다.
해석에서 조심한 것. 최근 2년 추세는 상급지(τ0.9) 연 12.8%가 중위(τ0.5) 8.9%보다 빠르지만, 단조롭지 않습니다(τ0.75 - 준상급지가 16.8%로 가장 빠릅니다). 그리고 지역 간 p90/p50 실거래 비율은 1.94에서 1.55로 오히려 좁아졌습니다. 그래서 결론을 이렇게 적었습니다.
상급지와 중급지의 가격 격차는 이미 예전부터 크게 벌어져 고착화된 상태(Stock)일 뿐, 최근 2년 동안 상급지가 더 폭등해서 격차가 새로 더 벌어졌다고 보기는 어렵다(Flow).
한계도 알아둡시다. 분위수마다 계수가 따로 나오니 해석할 것이 늘어나고, 분위선들이 서로 교차하면(하위 75% 예측이 상위 90% 예측보다 높아지는 일) 논리적으로 이상해지므로 주의해야 합니다. 표본이 얇은 극단 분위는 추정이 불안정합니다. 그리고 창이 짧으면(여기서는 24개월) 분위 간 추세 차이가 노이즈에 묻힙니다.
참고로 저희 플랫폼의 모델 실험실에는 "우연 관문"이라는 유의성 검정 절차가 있는데, 이 분석은 수익 우위를 주장하는 것이 아니라 실거래 분포를 서술하는 것이라 검정할 주장 자체가 없어 관문 해당없음으로 분류했습니다.
합성통제법 (Synthetic Control)
정책 효과를 재는 일의 근본 난제는 "그 정책이 없었다면 어땠을까"라는 반대 사실을 볼 수 없다는 것입니다.
임대차 3법(2020-07)이 전세 시장을 바꿨는지 알려면, 임대차 3법이 없는 평행우주의 서울이 필요합니다. 합성통제법은 그 평행우주를 만들어내는 방법입니다. 정책의 영향을 받지 않은 여러 지역(도너 풀)을 가중 평균으로 섞어, 정책 이전 기간의 서울과 궤적이 최대한 같아지는 "합성 서울"을 만듭니다. 정책 이전에 진짜 서울과 똑같이 움직이던 합성 서울이 정책 이후에 갈라진다면, 그 간격이 정책 효과의 추정치가 됩니다. 유명한 원조 사례는 미국 캘리포니아 담배 규제 연구입니다. 규제 없는 주들을 섞어 "합성 캘리포니아"를 만들고, 실제와의 담배 소비 격차를 정책 효과로 읽었지요.
성립 조건이 까다롭습니다. 첫째, 도너가 충분해야 합니다. 섞을 재료가 없으면 합성이 안 됩니다. 둘째, 정책 이전의 적합 기간이 길어야 합니다. 이전 궤적을 잘 맞춘다는 것이 이 방법의 신뢰의 전부이기 때문입니다. 셋째, 도너가 정책의 영향을 간접적으로도 받지 않아야 합니다.
왜 이번 글에서는 보류했나. 정직하게 말하면 데이터 관문을 통과하지 못했습니다. 저희가 가진 부동산원 신계열은 전국·수도권·서울·경기·인천 5계열뿐인 데다 2021-06 시작이라, 처치 시점(2020-07) 이전 관측이 0입니다.
사전 적합 기간이 없으면 합성통제는 성립하지 않습니다. KB 장기계열은 40년이 있지만 전국·서울 2계열뿐이라 도너가 최대 1개입니다. 그리고 설계 문제가 하나 더 있습니다. 임대차 3법은 전국 동시 시행이라 "정책을 안 받은 지역"이 아예 없습니다. 이럴 때는 노출도의 차이를 이용하는 변형 설계를 씁니다. 전세 비중이 높은 지역일수록 이 법의 영향을 세게 받았을 테니, 노출 강도와 이후 궤적의 관계를 보는 것이지요.
승격 조건. 시도별 매매·전세지수를 2015-01부터 10개 시도 이상 수집하고, 전세 비중 기반의 처치 강도 설계를 확정하면 구현합니다. 억지로 돌려서 그럴듯한 그림을 만드는 것보다, 안 되는 이유를 적어두고 데이터가 갖춰지면 하는 것이 낫다고 생각합니다.
앞으로도, 여러가지 테스트를 하면서 재미있는 인사이트를 발견하면서 글을 공유하겠습니다.
정치적 견해는 전혀 없으니까! 오해하지 말아 주세요 ㅠㅠ
댓글
댓글 쓰기