부동산금융·투자 이해 중심 단권화

오픈북 시험의 목표는 공식을 기억하는 것이 아니라, 주어진 상황에 맞는 공식을 고르고 그 결과가 의미하는 바를 설명하는 것이다.

첨부된 20개 PDF, 총 483쪽을 대상으로 만든 통합 학습서. 강의자료의 개념·계산을 중심으로 논문, 리츠 사례, 데이터센터 보고서, 뉴스레터를 연결했다. 본문은 이해용이고, 마지막의 원자료 보존 부록은 세부 수치·표·그림 확인용이다.

먼저 읽기: 이 파일을 사용하는 방법

처음에는 1~9장을 순서대로 읽는다. 이 부분이 투자환경, 금융상품, 거래, 공간·자산시장, NOI, 캡레이트, 수익률, 레버리지, 모기지를 연결한다. 그다음 10~13장에서 논문과 사례가 이 원리를 어떻게 검증하거나 수정하는지 읽는다. 시험 직전에는 14장의 서술형 연습과 부록 A의 공식을 본다.

각 장 끝의 스스로 설명해 보기에 자료를 덮고 말로 답할 수 있으면 이해한 것이다. 수치만 계산할 수 있고 “왜?”에 답하지 못하면 해당 장의 앞부분으로 돌아간다.

범위와 표기 원칙

[S05, PDF 11쪽]은 아래 자료목록 S05의 PDF 파일 기준 11번째 페이지다. 논문의 인쇄 쪽수와 다를 수 있다.
자료의 관측·주장과 이해를 위한 추가 설명·가상 계산을 구분한다. 추가 예제는 실제 거래 실적이 아니다.
시황·제도·법률·세금 수치는 첨부 자료가 작성된 시점의 서술로 취급한다. 이 파일은 최신 시장이나 현행법을 별도로 검증한 보고서가 아니다.
강의자료의 식이나 숫자가 내부적으로 맞지 않는 경우, 본문은 일관된 식으로 설명하고 부록 B에 원문과의 차이를 적었다. 교수자가 특정 가정을 지정한 문제라면 그 가정을 먼저 명시한다.
“필수”는 개념 연결상 중요하다는 편집 판단이다. 실제 출제 여부나 배점을 예측한다는 뜻은 아니다.
모든 원자료 페이지를 부록 D에 보존했다. 본문의 통합 해설이 모든 문장을 재서술한 것은 아니며, 표의 모든 셀·세부 사례·참고문헌은 해당 원문 페이지에서 확인한다.

1. 투자란 무엇이며, 부동산은 왜 금융으로 읽는가

1.1 투자는 현재 소비와 미래 소비를 교환하는 일이다

지금 100만 원을 쓰면 오늘 만족을 얻는다. 그것을 투자하면 오늘의 소비를 미루는 대신 미래에 더 많은 소비를 기대한다. 그러나 미래에 얼마를 돌려받을지는 불확실하다. 그래서 투자에는 언제나 시간과 위험이 함께 들어간다.

현재 돈과 미래 돈의 가치를 같게 보지 않는 이유는 단순히 물가 때문만이 아니다. 지금 가진 돈은 다른 곳에 투자할 수 있고, 미래 지급은 지연되거나 실현되지 않을 수 있다. 할인율은 이러한 기회비용과 위험을 반영한다.

2기간 소비모형의 예산제약은 다음과 같다.

C_{0} + \frac{C_{1}}{1 + r} = Y_{0} + \frac{Y_{1}}{1 + r}

현재와 미래의 소비를 현재가치로 바꾼 합계가 현재와 미래 소득의 현재가치 합계를 넘을 수 없다는 뜻이다. 현재 소비를 가로축, 미래 소비를 세로축에 두면 다음과 같다.

C_{1} = Y_{1} + (1 + r) Y_{0} - (1 + r) C_{0}

기울기는 $- (1 + r)$ 이다. 현재 소비 1원을 늘리려면 미래 소비를 $1 + r$ 원 포기해야 한다. $C_{0} < Y_{0}$ 이면 저축, $C_{0} > Y_{0}$ 이면 차입이다. 금융시장이 없다면 매 시점 소득에 소비가 묶이지만, 저축과 차입이 가능하면 원하는 시점으로 소비를 옮길 수 있다.

원자료 예시처럼 두 시점 소득이 각각 10만, 이자율이 10%라면 현재 소비를 0으로 할 때 미래 소비 최대치는 21만이다. 미래 소비를 0으로 할 때 현재 소비 최대치는 약 190,909.09다. 금리가 바뀌면 예산선은 소득점 $(Y_{0}, Y_{1})$ 을 중심으로 회전한다. 금리가 올랐다고 모든 사람이 반드시 저축을 늘리는 것은 아니다. 저축자·차입자의 위치와 소득효과·대체효과가 다르기 때문이다.

원그림 읽기: S07 PDF 2~3쪽의 예산선에서 먼저 소득점 Y를 찾는다. Y보다 왼쪽의 X는 오늘 덜 쓰고 미래에 더 쓰는 저축, 오른쪽 Z는 미래 소득을 당겨 쓰는 차입이다. 절편을 외우기보다 “모든 자원을 어느 시점에 몰아 썼는가”를 생각하면 된다.

1.2 실물자산은 소득을 만들고 금융자산은 그 소득에 대한 권리를 나눈다

오피스는 업무 공간을 제공하고 임대료를 만든다. 공장은 생산에 사용된다. 이런 생산 능력에 기초한 자산이 실물자산이다. 강의의 넓은 의미에서는 지식·기술·인적 역량도 실물 생산 기반에 들어가므로 실물자산을 “손으로 만질 수 있는 것만”이라고 한정하면 부족하다.

금융자산은 이 소득을 누구에게 어떤 순서로 나눌지를 정한 권리다. 같은 빌딩을 놓고도 은행은 약정이자와 원금을 받을 권리를 가지며, 리츠 보통주 주주는 비용과 채무를 처리하고 남는 몫을 받는다.

구분	무엇을 보유하는가	소득의 원천	주의점
빌딩 직접 소유	부동산 자체	임대 운영과 매각	공실·관리·매각 지연
리츠 주식	회사의 지분	배당과 주가 변화	회사 부채·수수료·주가 할인
부동산 담보대출	채무자에 대한 채권	이자와 원금	담보가 있어도 손실 가능
MBS·CMBS	대출 현금흐름을 기초로 한 증권	기초대출 상환금	조기상환·부도·구조 위험

건물과 리츠 주식은 관련되어 있지만 동일한 자산은 아니다. 지분에는 레버리지와 회사 차원의 비용, 거래소의 가격변동이 추가된다.

1.3 금융시장이 하는 세 가지 일

첫째는 앞에서 본 소비 시점 조정이다. 둘째는 위험 배분이다. 채권자에게 약정 지급을 우선 배분하고 잔여 위험을 주주가 더 많이 부담하도록 할 수 있다. 분산투자는 특정 임차인이나 특정 지역에 대한 의존도를 줄이고, 헤지는 특정 금리나 환율 위험을 옮긴다. 위험을 옮기는 것과 없애는 것은 다르다.

셋째는 소유와 경영의 분리다. 개인이 직접 대형 빌딩을 관리하지 않아도 전문가에게 운영을 맡길 수 있다. 그 대신 소유자와 경영자의 목표가 다를 수 있다는 대리인 문제가 생긴다.

예를 들어 AMC의 보수가 운용자산 규모에 비례하면, 주주에게 좋은 가격인지보다 자산을 많이 사는 것이 운용사에 유리할 수 있다. 반대로 단기 성과보수가 지나치면 유지보수를 미뤄 단기 현금흐름을 높일 수 있다. 성과연동 보수, 이사회와 대주단의 감시, 공시, 대주주의 감독, 경영권 교체 가능성이 대응 수단이다. 어떤 보수제도도 이해상충을 자동으로 없애지는 못한다.

1.4 부동산의 두 얼굴

부동산은 실물로 존재하지만 미래 현금흐름으로 평가된다. 임대료를 잘 받더라도 비싸게 사거나 싸게 팔면 투자손실이 날 수 있다. 반대로 당장의 임대수익이 낮더라도 향후 임대료 증가나 용도전환 가능성을 높이 평가하면 높은 가격이 형성될 수 있다.

이 과목 전체를 관통하는 질문은 다음 네 가지다.

자산이 실제로 만들어낼 현금은 얼마인가?
그 현금은 언제 발생하며 얼마나 불확실한가?
이를 사기 위해 지금 얼마를 지불하는가?
그 현금을 채권자·우선주·보통주가 어떻게 나누는가?

스스로 설명해 보기: “같은 빌딩에 투자했는데 은행, 리츠 주주, 직접 소유자의 수익률이 다른 이유”를 현금흐름과 청구권의 차이로 설명해 보자.

근거: S01 PDF 2~13쪽, S02 PDF 2~5·10쪽, S07 PDF 1~4쪽.

2. 금융상품: 이름보다 청구권을 읽는다

2.1 모든 상품에 세 가지 질문을 한다

상품 이름이 길어도 먼저 언제 돌려받는가, 누가 지급하는가, 어떤 조건으로 얼마를 받는가를 확인한다. 만기, 발행자·상대방, 청구권의 조합이다.

시장	기본 성격	대표 상품	부동산과의 연결
화폐시장	통상 1년 이하 단기 자금	T-bill, CD, CP, RP	브릿지·단기 차환
채권시장	장기 채무의 거래	국채, 회사채, MBS	담보대출·리츠 회사채
주식시장	만기 없는 잔여 지분	보통주, 우선주	리츠·개발사 지분
파생시장	기초자산 등에 따른 조건부 지급	선도, 선물, 옵션, 스왑	금리·환율 위험 관리

화폐시장이라고 무위험인 것은 아니다. 단기 CP도 발행기업이 지급하지 못할 수 있다. 파생상품은 거래소가 모두 발행해 원금을 보장하는 상품도 아니다. 거래소 거래와 장외계약, 중앙청산과 양자간 거래를 구분해야 한다.

2.2 단기 금융상품 비교

상품	작동 원리	이해할 핵심
T-bill	할인 발행 후 만기 액면 상환	쿠폰 없이 매입가·상환액 차이가 수익
CD	양도 가능한 정기예금증서	은행에 대한 채권이며 조건·유동성 확인
CP	기업이 발행한 단기 어음	무담보 기업신용 위험
은행인수어음	무역대금의 미래 지급을 은행이 인수	거래상대방 신용을 은행 신용으로 보완
Eurodollar	미국 밖 은행 등에 예치된 달러	‘유로화’가 아니며 유럽에만 있는 것도 아님
RP·Repo	증권을 팔고 미래에 다시 사기로 약정	경제적으로 담보부 단기차입
Reverse Repo	같은 거래를 현금 제공자 시각에서 부르는 이름	거래의 양쪽을 구분
Federal funds	미국 은행 간 준비금 관련 초단기 자금	미국의 단기금리 체계와 연결
통안채	한국은행의 통화조절용 채권	모든 통안채가 단기물인 것은 아니므로 만기 확인

LIBOR는 과거 강의의 은행간 조달 기준금리다. SOFR는 미국 국채 담보 익일물 repo 거래에 기반하고, KOFR는 한국의 담보부 익일물 거래에 기반한 기준금리다. 중요한 차이는 무담보 은행신용을 반영하던 기준과 담보부 거래기반 기준의 차이다. 기준금리가 바뀌었다고 최종 차입금리가 자동으로 낮아지는 것은 아니다. 가산금리, 조정 스프레드, 금리 산정기간을 함께 봐야 한다. 모든 나라의 모든 계약이 SOFR를 쓰는 것도 아니다.

2.3 채권의 약속과 채권의 가격은 다르다

액면가 10,000원, 연 쿠폰금리 3%라는 것은 연간 300원을 지급한다는 약속이다. 시장에서 그 채권을 9,000원에 샀는지 11,000원에 샀는지에 따라 투자수익률은 달라진다.

쿠폰금리는 약정 지급액을 계산하고, YTM은 현재 시장가격과 모든 약정 현금흐름을 일치시키는 할인율이다. YTM은 계약이행, 보유기간, 중간 쿠폰 재투자 조건에 따라 실제 실현수익률과 달라질 수 있다.

반기 지급, 연율을 반기복리 명목금리로 제시한 경우:

P = \sum_{j = 1}^{2 T} \frac{F c / 2}{(1 + y / 2)^{j}} + \frac{F}{(1 + y / 2)^{2 T}}

연 유효금리가 주어진 문제라면 반기금리를 단순히 2로 나누지 않고 $(1 + y_{e f f})^{1 / 2} - 1$ 로 환산한다. 지급주기와 금리표시 관행을 일치시키는 것이 원칙이다.

쿠폰금리와 YTM	시장가격	이유
쿠폰 > YTM	액면보다 높음	시장보다 후한 쿠폰을 받으므로 프리미엄
쿠폰 = YTM	액면과 같음	약정 지급이 시장 요구와 일치
쿠폰 < YTM	액면보다 낮음	부족한 쿠폰을 낮은 매입가격이 보완

강의 예제 재계산

액면 10,000원, 쿠폰 연 3%, 만기 3년, YTM 연 2.7%, 반기 지급을 가정한다. 반기 쿠폰은 150원, 할인율은 반기 1.35%, 지급횟수는 6회다. 1~5회 현금흐름은 각 150원, 6회는 10,150원이다.

P = 150 \frac{1 - (1.0135)^{- 6}}{0.0135} + 10, 000 (1.0135)^{- 6} \approx 10, 085.90 원

원문 S03은 10,084.87원을 제시하지만 같은 입력의 재계산은 약 10,085.90원이다. 핵심 판정인 프리미엄채권이라는 결론은 같다.

국채와 회사채는 발행자의 신용이 다르다. 같은 만기·통화의 국채보다 회사채 수익률이 높다면 신용·유동성 등의 보상이 포함되었을 수 있다. 그러나 시점이나 만기가 다른 두 금리를 빼서 전부 신용위험이라고 해석하면 안 된다.

2.4 다양한 채권의 차이

구분	핵심 권리·성격	유의할 부분
정부채·공공기관채	정부·기관의 지급 약속	기관채가 정부 직접 보증과 항상 같지는 않음
지방채	지방정부 등이 발행	세제 혜택은 관할·조건에 따름
회사채	기업에 대한 채권	신용등급·담보·선후순위
Callable bond	발행사가 조건에 따라 조기상환	금리하락 시 투자자의 고쿠폰 기회 축소
Convertible bond	투자자가 조건에 따라 주식으로 전환	채권에 주가 상승 참여권 결합
Eurobond	발행국 통화와 다른 통화로 발행	반드시 유로 표시가 아님
Yankee bond	비미국 발행자의 미국 내 달러채	발행시장과 표시통화의 조합
Samurai bond	비일본 발행자의 일본 내 엔화채	환율위험의 귀속 확인

2.5 보통주·우선주와 지수

보통주의 핵심은 잔여청구권과 유한책임이다. 모든 청구권자를 지급하고 남는 것이 주주의 몫이므로 사업이 잘되면 상승 여력이 크지만 손실도 먼저 부담한다. 유한책임은 일반적으로 주주가 투자액을 넘어 회사 채무를 개인적으로 모두 갚지는 않는다는 의미다. 주가가 떨어지지 않는다는 뜻은 아니다.

우선주는 보통주보다 배당이나 청산에서 우선권을 가질 수 있지만, 채권과 동일한 지급 의무는 아니다. 누적배당, 비누적배당, 전환권, 상환권 등 조건마다 다르다. “모든 우선주 미지급 배당은 무조건 누적된다”라고 외우면 틀린다.

주가지수는 여러 종목을 어떤 가중치로 합쳤는지가 중요하다.

지수 방식	가중치	중요한 결과
가격가중	주당 가격	고가주 영향이 큼; 분할 시 제수 조정 필요
시가총액가중	가격 × 주식수 등	대형 기업 영향이 큼; 유동주식 조정 가능
동일가중	종목별 동일 비중	주기적 재조정과 거래비용 필요

가격지수는 배당을 제외하고, 총수익지수는 배당의 효과를 포함한다. 리츠의 배당 포함 수익률과 일반 주식의 가격지수를 그대로 비교하면 공정한 비교가 아니다.

2.6 파생상품: 의무·권리·교환

선도와 선물은 미래 가격을 정해 거래할 의무다. 선도는 맞춤형 장외계약, 선물은 표준화된 거래소 계약이라는 차이가 기본이다. 선물은 증거금·일일정산을 이해해야 한다. 최종 헤지가 이익이어도 중간 증거금 납부 때문에 유동성 문제가 생길 수 있다.

옵션 매수자는 살 권리인 콜 또는 팔 권리인 풋을 가진다. 행사할 필요가 없으면 포기할 수 있는 대신 프리미엄을 지불한다.

콜 매수 만기손익 = max (S_{T} - K, 0) - 프리미엄

풋 매수 만기손익 = max (K - S_{T}, 0) - 프리미엄

프리미엄의 시간가치와 거래비용을 생략한 식이다. 손실이 프리미엄으로 제한되는 것은 옵션 매수자이며, 매도자의 위험은 다르다. 무배당 유럽형 옵션의 BSM식은 $C = S_{0} N (d_{1}) - K e^{- r T} N (d_{2})$ 이며, 가격·행사가·만기·변동성·금리가 가치에 들어간다. 이 공식의 핵심 배경은 복제와 무차익 가격결정이고, 임의의 현실 기대수익률로 옵션 지급액을 할인하는 방식과 구분된다.

금리스왑은 고정금리와 변동금리 현금흐름을 교환한다. 변동대출을 가진 차입자가 스왑에서 고정을 지급하고 같은 기준의 변동을 수취하면:

(변동 기준금리 + s) + 고정 스왑금리 - 변동 기준금리 = 고정 스왑금리 + s

대출과 스왑의 기준금리·명목원금·기간·재설정일이 맞아야 잘 상쇄된다. 남는 신용스프레드 위험, 중도해지 비용, 상대방 위험은 별도다. NDF는 환율차를 차액 정산하는 선도이고 CDS는 약정 신용사건에 대한 보호 계약이다. 헤지를 했다는 말보다 어떤 위험이 얼마나 남았는지가 중요하다.

스스로 설명해 보기: “시장금리가 내렸는데 채권가격은 왜 오르는가?”, “IRS를 하면 모든 금융위험이 없어지는가?”에 답해 보자.

근거: S01 PDF 14~28쪽, S03 전체, S07 PDF 5~8쪽. 금리표시·재투자·옵션 손익의 주의사항은 이해를 위한 보충.

3. 증권 거래: 자금조달과 가격발견을 구분한다

3.1 돈이 누구에게 가는지 보면 시장이 구분된다

리츠가 새 주식을 발행해 투자자로부터 돈을 받으면 발행시장이다. 이미 발행된 리츠 주식을 다른 투자자에게 사면 유통시장이다. 후자의 매매대금은 원칙적으로 매도 투자자에게 가며 리츠 회사에 새 돈이 들어가는 것이 아니다.

그렇다고 유통시장이 회사와 무관하지는 않다. 투자자가 필요할 때 팔 수 있고 가격도 확인할 수 있어야 처음 발행할 때 참여하기 쉽다. 유통시장 가격은 다음 증자나 회사채 발행의 조건에도 영향을 준다. 유동성이 자금조달 가능성을 뒷받침한다.

개념	의미	혼동하면 안 되는 것
IPO	처음으로 공개시장에 주식을 공모하는 과정	공모가격과 첫날 종가는 다름
유상증자	추가 주식을 발행해 자기자본 조달	발행액과 시가총액 증가액은 다름
공모	일반 투자자 대상 모집	상장 여부와 완전히 같은 구분은 아님
사모	제한된 투자자를 대상으로 발행	신규 발행이면 발행시장
일괄신고·Shelf registration	일정 범위의 발행을 미리 준비	적용기간·조건은 시장별 제도 확인
인수단·Underwriter	발행·배정·판매를 지원	미매각 위험 부담은 계약방식에 따름

원자료 S07 PDF 10쪽의 인수단 그림은 발행회사에서 대표주관사·인수단을 거쳐 투자자에게 증권이 배분되는 관계다. 자금은 반대 방향으로 올라간다. 인수단이 있다는 사실만으로 투자자의 수익을 보장하지 않는다.

3.2 호가창은 “지금 이 양을 거래할 수 있는 가격”이다

Bid는 딜러나 시장참가자가 사려는 가격, Ask는 팔려는 가격이다. 일반 투자자가 즉시 매수하면 Ask를, 즉시 매도하면 Bid를 받아들이는 것이 기본이다. 둘의 차이가 bid-ask spread다.

시장가 주문은 체결을 우선하고, 지정가 주문은 허용가격을 제한한다. 시장가 매수 1,000주가 나왔는데 최우선 매도호가에 100주만 있다면 나머지는 더 높은 가격의 호가를 소진한다. 현재 화면에 보이는 마지막 체결가와 실제 평균 매입가가 달라질 수 있다. 이를 슬리피지라고 한다. 지정가 주문은 가격을 제한하는 대신 체결되지 않을 수 있다.

스프레드는 거래비용인 동시에 유동성·재고·정보비대칭을 반영한다. 정보가 많은 상대방에게 불리하게 거래할 가능성이 클수록 유동성 공급자는 더 큰 보상을 요구할 수 있다. 다만 모든 스프레드가 정보위험 하나로 결정되는 것은 아니다. 주문처리비용, 재고위험, 경쟁, 호가단위 등도 작용한다.

부동산 실물은 건물마다 다르고 거래가 드물며 실사에 시간이 걸린다. 그래서 표준화된 주식보다 가격발견이 느릴 수 있다. 상장리츠는 더 자주 거래되지만 그 가격은 기초 부동산 가치와 항상 일치하지 않는다.

3.3 효율적 시장가설은 “가격이 절대 안 틀린다”는 말이 아니다

형태	가격에 반영된다고 가정하는 정보	핵심 함의
약형	과거 가격·거래 정보	그 정보만으로 지속적 위험조정 초과수익을 얻기 어려움
준강형	공개 정보 전체	공시를 읽는 것만으로 일관된 초과수익을 얻기 어려움
강형	내부정보까지 포함한 모든 정보	가장 강한 주장이며 현실에서 성립하기 어려움

새로운 악재가 공개돼 주가가 폭락한 것만으로 약형 효율성이 반증되는 것은 아니다. 예측 불가능한 정보에 가격이 빨리 반응하는 것도 효율성의 모습일 수 있다. 반증하려면 어떤 정보로, 비용과 위험을 고려하고도, 예측 가능한 초과수익을 얻었는지를 따져야 한다.

Kyle 모형의 기본 등장인물은 정보거래자, 유동성 목적의 잡음거래자, 시장조성자다. 관찰된 주문 흐름으로부터 정보를 추정해 가격에 반영하는 과정이 핵심이다. 실제 거래시장에는 레버리지, 강제청산, 시세조종, 유동성 고갈도 추가된다. 주가조작·CFD 사례의 교육적 의미는 정보비대칭과 높은 레버리지가 가격하락을 강제매도로 증폭할 수 있다는 것이다.

3.4 국채 입찰 예제의 올바른 읽기

S04의 사례는 발행예정액 3.9조 원, 응찰액 약 10.29조 원이다.

응찰률 = \frac{10.29}{3.9} \times 100 \approx 263.85 %

많은 응찰은 수요가 많다는 신호지만, 낙찰수익률을 알려면 금리별 응찰과 낙찰물량이 필요하다. 가중평균 금리는 $\sum w_{i} y_{i}$ , 단 $\sum w_{i} = 1$ 이다. 그룹 금리만 있고 비중이 없으면 평균 2.420%를 독립적으로 재현할 수 없다.

액면 10,000원, 연 쿠폰 2.25%, 반기 지급, 3년, YTM 2.42%라면:

P = 112.5 \frac{1 - (1.0121)^{- 6}}{0.0121} + 10, 000 (1.0121)^{- 6} \approx 9, 951.09 원

쿠폰이 시장수익률보다 낮아 할인발행이다. 원문의 서로 다른 가격 표기는 부록 B에 분리했다. 발행금리와 이후 유통금리 차이는 시간 경과·시장금리·수급 등 여러 원인을 포함한다. 평가시점의 무위험금리는 목적에 맞는 동시점·통화·만기로 선정하며, 과거 낙찰금리가 언제나 더 정확한 기준은 아니다.

3.5 신용거래·공매도는 무엇을 빌리는가 — 원문 학습목표 보충

S07은 이 주제를 학습목표로 제시하지만 첨부본에 상세 계산은 충분히 실려 있지 않다. 다음은 이해용 보충이다.

신용매수는 돈을 빌려 주식을 산다. 100짜리 주식을 내 돈 50, 차입 50으로 사서 주가가 80이 되면 내 지분은 30이다. 주가는 20% 하락했지만 자기자본은 40% 줄었다. 유지증거금 미달 시 추가 담보나 강제청산이 발생할 수 있다.

공매도는 주식을 빌려 먼저 판 후 되사서 반환한다. 100에 팔고 80에 되사면 비용 전 20의 이익이다. 반대로 가격이 계속 오르면 손실이 커진다. 대차비용과 배당 보전 부담도 고려한다. 신용매수는 현금을, 공매도는 증권을 빌린다는 점을 구분하면 된다.

스스로 설명해 보기: “유통시장에서 리츠 주가가 오르면 당장 회사 통장에 돈이 들어오는가? 그런데 왜 다음 증자에는 유리할 수 있는가?”

근거: S04 전체, S07 PDF 9~11쪽. 효율성 검증 및 증거금 계산은 개념 보충.

4. 공간시장과 자산시장: 4분면을 이야기로 이해한다

4.1 같은 빌딩에 두 개의 가격표가 붙는다

임차인은 “이 공간을 사용하는 데 얼마를 낼까?”를 묻고, 투자자는 “이 공간에서 생길 소득을 소유하는 데 얼마를 낼까?”를 묻는다. 전자는 임대료, 후자는 자산가격이다.

항목	공간시장	자산시장
거래 대상	일정 기간 공간 사용	자산·청구권 소유
주요 참여자	임차인과 임대인	매수·매도 투자자
가격	원/평/월 등의 임대료	원·억원 등의 자산가치
수요 요인	고용, 기업활동, 인구, 업무방식	금리, 자본 유입, 위험선호, 성장기대
공급 제약	기존 재고와 준공 시차	매물·투자 가능 자산·자금조달
연결 고리	임대수입 → NOI	미래 NOI의 할인현재가치

임대료가 올랐다고 자산가격이 반드시 오르는 것은 아니다. NOI가 좋아지는 동안 요구수익률이 더 크게 상승할 수 있다. 반대로 임대료가 정체돼도 금리와 위험프리미엄이 떨어지면 자산가격은 오를 수 있다.

4.2 왜 부동산은 하나의 시장이 아닌가

강남 사무실 수요를 지방 창고가 곧바로 대체할 수 없다. 위치와 용도가 고정되어 있고 이전비용도 크다. 같은 서울 오피스 안에서도 CBD·GBD·YBD는 임차 업종, 공급계획, 건물등급이 다르다. 완전히 단절된 시장이라기보다 대체성이 제한된 하위시장으로 이해하는 것이 정확하다.

공간수요를 단순화하면 $Q_{D} = α - β R + γ E + δ (1 - W F H)$ 처럼 쓸 수 있다. 임대료가 오르면 수요량이 줄고, 지역 고용이 늘면 수요가 늘며, 재택근무 비중이 늘면 대면 업무공간 수요가 줄 수 있다. 선형식의 계수를 곧바로 탄력성이라고 부르면 안 된다. 선형식에서 임대료 탄력성은 $- β R / Q_{D}$ 다.

기업이 늘어도 1인당 사용면적이 줄거나 원격근무가 확산되면 공간수요 증가가 제한될 수 있다. “GDP가 오르면 모든 지역 오피스가 좋아진다”는 단순화가 성립하지 않는 이유다.

4.3 공급곡선이 꺾이는 이유

수요가 줄어도 빌딩을 쉽게 없애지 못한다. 단기 공급은 거의 고정되어 있어 조정은 공실 증가와 실효임대료 하락으로 나타나기 쉽다. 반대로 임대수익과 자산가격이 충분히 올라 개발이익이 생기면 신규 건설이 가능하다. 하지만 인허가, 공사, 임차인 확보에 시간이 걸린다.

꺾인 공급곡선의 핵심은 확장과 축소가 대칭적이지 않다는 것이다. 확장기에는 개발이 공급을 늘리지만, 하강기에는 기존 공급이 오래 남는다. 장기 공급이 완전히 수평이라는 것은 토지·건설비 등 조건이 일정한 단순화이며 현실의 필연은 아니다.

LRMC도 단위를 확인해야 한다. 임대료와 비교할 때는 개발비를 연간 임대수익 요구액으로 환산해야 하고, 자산가격과 비교할 때는 개발원가 총액으로 비교해야 한다. 월 임대료 13만 원과 평당 건설원가 3,500만 원을 그대로 대소 비교할 수 없다.

4.4 4분면은 네 개의 질문으로 읽는다

분면	질문	기본 관계	해석
우상: 공간시장	현재 공간수요와 재고에서 임대료는?	$D (R; X) = S$ 등의 단순식	단기 재고가 고정되면 수요충격이 임대료에 반영
좌상: 가치평가	이 임대수익의 소유권은 얼마인가?	$P = N O I / c$	소득과 캡레이트가 가격을 결정
좌하: 신규건설	이 가격에 새로 지으면 이익인가?	$P = f (C)$ 또는 공급함수	가격이 개발비용을 보상하면 개발 유인 증가
우하: 재고조정	준공 후 총재고는 얼마나 변하는가?	$Δ S = C - δ S$	완공 유입에서 멸실·감가를 제외

원그림의 가로·세로 축 방향 때문에 선이 올라가거나 내려가 보이는 것에 집착하지 말자. 임대료가 소득을 만들고, 소득이 가격을 만들고, 가격이 개발을 유도하고, 개발이 재고를 바꾼다. 재고 변화가 다시 공간시장에 돌아오는 것이 핵심이다.

단순 정상상태에서는 $C = δ S$ 라서 재고가 일정하다. 실제 시장이 매 순간 이 상태에 있다는 의미는 아니다. 공사기간과 기대 형성의 지연이 있으면 과잉공급과 공실이 오래 지속된다.

4.5 충격은 출발점과 시간 순서로 설명한다

고용 증가: 공간시장에서 출발

임차수요가 늘어난다. 단기 재고는 그대로라 공실이 줄거나 실효임대료가 오른다. 다른 조건이 일정하면 NOI와 자산가격이 오른다. 개발이 유리해져 착공이 늘고, 몇 년 후 준공되면 임대료 상승 압력이 완화된다. 공급이 너무 늦게 많이 들어오면 처음의 호황이 과잉공급으로 바뀐다.

금리 상승: 자산시장에서 출발

요구수익률 상승이 캡레이트를 높이면 같은 NOI의 가격이 하락한다. 개발 유인이 약해지고 자금조달도 어려워진다. 장기간 신규공급이 줄면 재고 증가가 둔화되어 임대료를 지지할 수 있다. 그러나 금리 상승이 경기·고용 수요까지 악화시키면 임대료가 함께 하락할 수도 있다. “금리 상승 → 장기 임대료 상승”은 다른 조건이 일정한 공급 경로의 설명이지 무조건적 예측이 아니다.

재택근무 확대: 공간수요의 구조적 감소

필요 공간이 줄어 공실이 늘고 실효임대료가 하락한다. NOI와 가치가 떨어져 착공이 줄어든다. 기존 건물은 오래 남아 회복이 느리다. 새로운 수요 수준이 영구적으로 낮아졌다면 예전 임대료로 반드시 돌아가지 않는다. 4분면도 영구 수요 이동을 표현할 수 있으며, 원래 수요로의 복귀를 필수 가정으로 하지 않는다.

PF 경색: 건설 단계가 막힘

완공 후 가치가 원가보다 높아 보여도 대출이 나오지 않으면 착공하지 못한다. 이 경우에는 개발이익뿐 아니라 금융제약을 건설함수에 넣어야 한다. 데이터센터는 여기에 전력·인허가 제약이 추가된 사례다.

스스로 설명해 보기: “오피스 임대료가 상승하는데 매매가격은 하락할 수 있는가?”를 서로 다른 시장과 캡레이트 변화로 설명해 보자.

근거: S05 전체, S15 PDF 23~29쪽의 임대시장 이론, S20의 공급제약 사례.

5. 임대료에서 NOI까지: 분자를 먼저 검증한다

5.1 임대료라는 단어에 여러 숫자가 숨어 있다

호가임대료는 시장에 제시한 임대료이고, 계약임대료는 실제 계약서에 합의한 금액이다. 렌트프리·임차인 시설지원 등을 반영한 실효임대료는 임차인이 실질적으로 부담하는 경제적 비용을 나타낸다. 여기에 물가를 조정한 실질임대료라는 다른 개념도 있다.

용어	무엇을 조정했는가	주의
호가 Asking rent	아직 협상 전의 제시조건	실제 계약금액과 다를 수 있음
표면·명목 Face/Nominal rent	계약서상 표시액	인센티브를 제외했을 수 있음
실효 Effective rent	렌트프리·지원금 등 계약혜택	물가조정과 다른 개념
물가조정 실질 Real rent	인플레이션	인센티브와 물가를 동시에 조정할 수도 있음

첨부 논문은 Effective rent를 ‘실질임대료’로 번역한다. 따라서 그 논문에서 ‘실질’이라고 했다고 CPI로 나눈 수치라고 판단하면 안 된다. 답안에서는 “렌트프리 차감 실효임대료”라고 쓰면 모호함이 줄어든다.

5.2 렌트프리는 왜 명목임대료를 떨어뜨리지 않고도 가격을 깎는가

월 임대료 100을 12개월 모두 받으면 연간 1,200이다. 명목임대료를 100으로 유지하면서 3개월을 면제하면 연간 수입은 900, 월평균은 75다. 표면 가격은 그대로인데 실제 거래조건은 25% 낮아졌다.

R_{e f f} = R_{f a c e} \frac{T - F}{T}

$T$ 는 총 계약개월, $F$ 는 계약 전체의 무상개월이다. 연간 3개월 무료인지 5년 계약 전체에서 3개월 무료인지가 핵심이다. 전자는 25% 할인이고, 후자는 단순평균 기준 5% 할인이다.

관리비를 계속 내는 계약이라면 임대료 3개월 면제와 임차인의 총 점유비용 3개월 면제도 다르다. 시설지원금(TI), 인테리어 공사기간(fit-out), 중개수수료까지 고려하면 실효조건이 다시 달라진다.

현금 수취시점을 반영하려면 월별 현금흐름의 현재가치를 계산해 등가 월임대료를 구한다.

R_{e f f, P V} = \frac{\sum_{m = 1}^{T} \frac{R_{m}}{(1 + i_{m})^{m}} - T I_{0}}{\sum_{m = 1}^{T} (1 + i_{m})^{- m}}

여기서 $i_{m}$ 은 일정한 월 할인율을 뜻한다. 시설지원금을 이미 월별 현금흐름에서 뺐다면 분자에서 다시 차감하지 않는다. 똑같이 3개월 면제라도 초기에 집중되는지 말기에 주어지는지에 따라 현재가치는 다르다.

5.3 NOI는 건물 자체의 영업력을 분리하는 숫자다

P G I - 공실·대손·임대 인센티브 조정 + 기타 영업수입 = E G I

N O I = E G I - O p E x

PGI는 잠재총소득, EGI는 유효총소득, OpEx는 운영비다. 자료별로 기타수입을 PGI에 넣기도 하므로 산식의 명칭보다 실제 항목을 확인한다.

항목	기본 처리	이유
임대료·주차수입	영업수입	건물 운영으로 발생
공실·회수불능 손실	수입 차감	잠재수입을 실제 기대수입으로 조정
관리비 수입·관련 지출	수입과 지출을 일관되게 반영	관리비를 전부 순이익으로 보면 과대평가
통상 유지보수·보험·재산 관련 운영세금	OpEx	건물 유지 운영에 필요
대출이자·원금상환	NOI 이후	자금조달 방식에 따른 비용
소득세	NOI 이후	투자자·구조에 따라 달라짐
감가상각	통상 NOI 계산에서 제외	비현금 회계비용
대규모 교체·증축 등 CapEx	일반적으로 NOI 이후 별도 차감	당해 운영비와 구분; 실제 현금흐름에는 반드시 반영

NOI를 쓸 때는 차입을 얼마 했는지와 관계없이 건물 자체를 비교하고 싶기 때문이다. 그러나 실제 투자수익률을 계산할 때 CapEx를 빼지 않으면 손에 들어오는 현금을 과대평가한다. NOI에서 CapEx를 빼지 않는 것과 투자 현금흐름에서 CapEx를 무시하는 것은 다르다.

보증금도 주의한다. 보증금 원금은 언젠가 돌려줄 의무가 있으므로 영업수입이 아니다. S16은 보증금 운용수익을 추정해 포함한다. 이는 그 연구의 측정법이다. 다른 자료의 NOI·가격과 비교할 때 보증금 운용수익과 반환채무가 어떻게 처리됐는지 맞춰야 한다.

5.4 강의의 CBD 예제를 손으로 따라가기

S02의 가정: 평당 월 임대료 131,000원, 공실률 5%, 운영비율 40%, 매입가 평당 33,620,000원. 운영비율은 관측된 보편상수가 아니라 예제 가정이다.

단계	계산	결과
연 잠재임대료	131,000 × 12	1,572,000원/평/년
공실손실	1,572,000 × 5%	78,600원/평/년
EGI	1,572,000 − 78,600	1,493,400원/평/년
OpEx	1,493,400 × 40%	597,360원/평/년
NOI	1,493,400 − 597,360	896,040원/평/년
내재 캡레이트	896,040 ÷ 33,620,000	약 2.6652%

월 금액을 연 금액으로 바꾸는 단계를 빼먹으면 캡레이트가 12배 왜곡된다. 평당 임대료와 건물 전체가격을 나누거나 전용면적 기준 임대료와 연면적 기준 가격을 섞어도 잘못된다.

S05는 여기에 실효임대율 95%와 공실률 5.5%를 적용한다. 두 할인은 같은 것이 아니다. 전자는 계약 인센티브, 후자는 비어 있는 공간의 수입손실이다. 다만 입력 임대수입이 이미 공실과 렌트프리를 반영했다면 다시 곱하지 않아야 한다.

5.5 현재 NOI와 안정화 NOI

현재 공실이 많은 신축 건물의 오늘 NOI와 임대가 안정된 뒤의 NOI는 다르다. 안정화 NOI를 사용하면 빈 공간이 채워질 것을 가정하는 것이므로, 그때까지의 공실손실·임차인 유치비용·시간을 함께 반영해야 한다.

예를 들어 현재 NOI 44억, 안정화 NOI 48억이라면 48억을 곧바로 환원해 얻은 가치에는 안정화가 이미 달성된 상태가 반영된다. 이를 현재 매입가치로 사용하려면 안정화까지 필요한 비용과 지연을 추가로 검토한다. “미래 NOI가 높다”는 말만으로 오늘 비싼 가격이 정당화되지 않는다.

스스로 설명해 보기: “공실률이 오르는데 명목임대료도 오를 수 있는 이유”를 렌트프리, 신규 고급건물 편입, 계약 갱신 시차로 각각 설명해 보자.

근거: S02 PDF 6~9쪽, S05 PDF 10·14쪽, S18 PDF 8쪽, S14·S15·S19의 렌트프리 설명, S16 PDF 11쪽.

6. 캡레이트: 가격을 수익률로, 수익률을 가격으로

6.1 캡레이트는 소득과 가격의 비율이다

c = \frac{N O I}{V}, V = \frac{N O I}{c}, N O I = V c

NOI 50억인 건물을 1,000억에 사면 캡레이트는 5%, 1,250억에 사면 4%다. 같은 소득을 더 비싸게 사면 수익률은 낮아진다. NOI 1원당 얼마를 지불하는지를 직접 나타내는 배수는 캡레이트의 역수 $1 / c$ 다. 5%는 20배, 4%는 25배다.

캡레이트는 자산 수준의 연간 영업소득 비율이다. 매각손익, 보유기간, 대출, 투자자 세금, 별도 CapEx까지 포함한 전체 투자성과가 아니다.

6.2 시장 캡레이트와 내재 캡레이트는 출발점이 다르다

구분	시장 캡레이트	내재 캡레이트
질문	유사 자산을 시장은 어떤 소득비율로 거래하는가?	이 제시가격은 어떤 소득비율을 내포하는가?
출발점	비교거래·시장조사	대상 자산 NOI와 가격
활용	적정가치 산정	제시가격 진단
주요 함정	비교표본·시점·NOI 기준이 다름	NOI 가정이 낙관적일 수 있음

시장 캡레이트는 자연상수나 모든 투자자의 총 요구수익률이 아니다. 입지, 건물등급, 임차인, 잔존임대기간, 공실, 성장기대가 유사한 비교사례에서 도출한다. 내재 캡레이트가 시장보다 높으면 할인매수 후보지만, 임차인 퇴거나 설비교체 부담 때문에 싼 것일 수도 있다. 시장보다 낮으면 높은 성장·안정성·개발 옵션 등 프리미엄의 근거가 필요하다.

S18의 예제: NOI 47억, 가격 1,100억이면 내재 캡레이트는 4.2727%다. 시장 기준이 4.7%라면 같은 NOI의 기준가치는 1,000억이다. 제시가격은 그보다 10% 높다. 여기까지는 계산이고, 왜 높은지 판단하는 것이 분석이다.

6.3 왜 캡레이트는 할인율에서 성장률을 뺀 값이 되는가

다음 1년의 NOI가 $N O I_{1}$ 이고 이후 매년 $g$ 로 영구 성장하며 할인율 $k$ 가 일정하다고 하자. $k > g$ 일 때:

V_{0} = \sum_{t = 1}^{\infty} \frac{N O I_{1} (1 + g)^{t - 1}}{(1 + k)^{t}} = \frac{N O I_{1}}{k - g}

따라서 미래 1년 NOI를 기준으로 한 캡레이트는:

c = \frac{N O I_{1}}{V_{0}} = k - g

할인율을 무위험금리와 위험프리미엄으로 분해하면:

c = r_{f} + R P - g

현재 NOI가 같은데도 앞으로 빠르게 늘어날 건물은 더 높은 가격을 받을 수 있다. 그래서 성장기대가 높을수록 현재 캡레이트는 낮아질 수 있다. 반대로 공실·유동성·임차인 신용 위험이 커져 요구수익률이 높아지면 캡레이트도 높아질 수 있다.

이 관계에는 일정한 성장, 일정한 위험·할인율, 영구 현금흐름 등 가정이 있다. 재개발, 대규모 CapEx, 급격한 임대차 만기 변화가 있으면 연도별 DCF가 더 적합할 수 있다. $g \geq k$ 를 넣어 음수나 무한대 가치를 얻었다면 “공짜로 무한히 비싼 자산”이 아니라 영구성장 가정이 잘못된 것이다.

또한 분자가 올해 말 실제 NOI인지 다음 해 예상 NOI인지 구분한다. 현재 NOI $N O I_{0}$ 를 사용하면 이 모형에서 $N O I_{0} / V_{0} = (k - g) / (1 + g)$ 다. 원문의 시간첨자가 모호할 때 이 차이를 확인한다.

6.4 캡레이트 스프레드는 곧바로 전체 위험프리미엄이 아니다

c - r_{f} = R P - g

캡레이트 4.2%, 국채금리 2.7%라면 스프레드는 1.5%p, 즉 150bp다. 하지만 NOI 성장 기대가 2%라면 위 모형의 총 요구수익률은 6.2%, 위험프리미엄은 3.5%다. 캡레이트 스프레드 1.5%와 구분된다.

스프레드가 좁아지는 이유도 하나가 아니다. 위험보상이 줄었을 수 있고, 성장기대가 높아졌을 수 있으며, 국채금리만 먼저 상승하고 부동산가격 조정이 늦었을 수도 있다. 따라서 스프레드만으로 과열·안전·저평가를 확정하지 않는다.

인플레이션 역시 할인율과 NOI 성장률 양쪽을 바꾼다. 임대료가 물가만큼 바로 오르면 방어력이 있지만 장기 고정임대료, 비용 상승, 금리 상승이 겹치면 실질수익이 나빠진다. “부동산은 항상 인플레이션 헤지”라는 결론은 계약구조를 생략한 것이다.

6.5 캡레이트 변화는 가격에 비선형적으로 작용한다

NOI 고정일 때 정확한 가격변화율은:

\frac{V_{1} - V_{0}}{V_{0}} = \frac{c_{0}}{c_{1}} - 1

작은 변화의 근사는 $Δ V / V \approx - Δ c / c$ 다.

NOI 50억 고정	자산가치	4% 기준 가치변화
캡레이트 3.50%	1,428.57억	+14.29%
4.00%	1,250.00억	기준
4.25%	1,176.47억	−5.88%
4.50%	1,111.11억	−11.11%
5.00%	1,000.00억	−20.00%

4%에서 5%는 1% 상승이 아니라 1%p 상승, 100bp 확대다. 근사식은 −25%지만 정확값은 −20%다. 변화가 클수록 근사를 정답처럼 쓰면 안 된다.

NOI도 바뀌면:

\frac{V_{1}}{V_{0}} = \frac{N O I_{1}}{N O I_{0}} \frac{c_{0}}{c_{1}}

NOI가 10% 늘어도 캡레이트가 4%에서 5%가 되면 가치비율은 $1.10 \times 0.04 / 0.05 = 0.88$ , 즉 12% 하락한다. 영업이 좋아져도 자산가격이 떨어질 수 있다는 것을 수식으로 보여준다.

6.6 실제 시험형 판단: 매입·재협상·보류

S18의 가상 딜은 가격 1,100억, 현재 NOI 44억, 안정화 NOI 48억, 시장 캡레이트 4.4~4.8%, 향후 2년 CapEx 30억, 핵심 임차인 잔존 3년이다.

현재 기준 내재 캡레이트는 4%, 안정화 기준은 약 4.36%다. 안정화 NOI를 시장 캡레이트로 환원하면 가치는 1,000~1,090.91억이다. 제시가격이 상단보다 높고 CapEx도 있다. 따라서 주어진 정보만으로는 가격 재협상 또는 추가 실사 조건부 판단이 자연스럽다.

답안은 “비싸다”로 끝내지 말고 다음을 연결한다. 안정화 달성까지의 비용, 임차인 갱신 가능성, CapEx 견적과 공사 중 손실, 비교 캡레이트에 이미 반영된 비용의 범위, 대출조건을 확인해야 한다. CapEx를 시장가치에서 차감할 때도 원래 가치평가에 이미 반영했는지 확인해 이중 차감을 피한다.

S18의 LG광화문빌딩 예시는 가격 5,120억에 교육용 NOI를 가정한다. 시장 캡레이트 4.5%가 요구하는 NOI는 230.4억이다. NOI 210억이면 내재 캡레이트 4.10%, 240억이면 4.69%다. 같은 가격도 NOI 추정에 따라 결론이 바뀐다. 이 숫자는 실제 확인된 NOI가 아니다.

스스로 설명해 보기: “캡레이트가 낮으면 좋은 자산인가, 비싼 자산인가?”에 ‘다른 조건이 같을 때’와 ‘성장·위험이 다를 때’를 나누어 답해 보자.

근거: S18 전체, S02 PDF 9~12쪽, S05 PDF 9~10쪽, S16 PDF 2~5쪽.

7. 총수익률·NPV·IRR: 언제 받은 돈인가

7.1 총수익률은 임대수익과 가격변화의 합이다

단순한 1기간 비차입·세전 수익률은:

r_{A} = \frac{N O I + (V_{1} - V_{0})}{V_{0}} = \underset{소득수익률}{\underset{⏟}{\frac{N O I}{V_{0}}}} + \underset{자본수익률}{\underset{⏟}{\frac{V_{1} - V_{0}}{V_{0}}}}

100억에 산 건물에서 NOI 4억을 받고 95억에 팔았다면 총수익률은 −1%다. 캡레이트 4%가 수익을 보장하지 않는다. 거래비용·CapEx·세금이 있다면 해당 현금흐름도 반영해야 한다.

강의의 $r = y + g$ 에서 $g$ 는 자본가치 성장률이다. 앞 장의 Gordon 모형에서 $g$ 는 NOI 성장률이다. 캡레이트가 일정하고 다른 조건도 같을 때 둘이 일치할 수 있으나 일반적으로 같은 숫자가 아니다. 임대료가 3% 올랐다는 이유만으로 자본수익률도 3%라고 쓰면 안 된다.

요구수익률 $k = r_{f} + R P$ 는 사전 기대·평가의 분해다. 실제 수익률이 항상 무위험금리보다 높다는 뜻은 아니다. 또한 $r_{n o m i n a l} \approx r_{r e a l} + π$ 는 근사식이며 정확한 관계는:

1 + r_{n o m i n a l} = (1 + r_{r e a l}) (1 + π)

명목수익률 6%, 물가상승 3%라면 실질수익률은 $1.06 / 1.03 - 1 \approx 2.91 %$ 다.

7.2 평균수익률과 복리수익률

첫해 +20%, 둘째 해 −20%이면 산술평균은 0%지만 100은 96이 된다. 기하평균은 $\sqrt{1.2 \times 0.8} - 1 \approx - 2.02 %$ 다. 같은 금액을 계속 운용한 장기 성과는 복리로 읽어야 한다.

보유기간 중 현금 유입·유출 시점이 중요하면 IRR을 사용한다. 운용자의 성과를 외부 입출금 영향과 분리하고 싶다면 구간 수익률을 연결한 시간가중수익률을 사용할 수 있다. 이는 강의의 수익률 구분을 이해하기 위한 보충 개념이다.

7.3 DCF와 NPV는 원리상 같은 현재가치 계산이다

V_{0} = \sum_{t = 1}^{T} \frac{C F_{t}}{(1 + k)^{t}} + \frac{T V_{T}}{(1 + k)^{T}}

N P V = - I_{0} + \sum_{t = 1}^{T} \frac{C F_{t}}{(1 + k)^{t}}

첫 식은 미래 현금의 가치, 둘째 식은 그 가치에서 지금 투자해야 하는 금액을 뺀 순가치다. $N P V > 0$ 이면 해당 요구수익률 기준에서 투자비를 넘는 가치가 있다. 요구수익률이나 현금흐름 가정이 틀리면 NPV도 달라진다.

부동산 매각가를 보유말의 다음 해 NOI로 환원하는 일반적 가정은:

T V_{T} = \frac{N O I_{T + 1}}{c_{e x i t}}

3년 말에 팔면 매수자가 받을 4년차 NOI를 사용한다. 3년차 운영수입과 매각가를 둘 다 받지만, 4년차 NOI를 매도자의 별도 운영현금으로 또 더하면 이중계산이다. 매각비용과 잔존대출은 해당 투자 관점에 맞게 차감한다.

7.4 IRR은 현금흐름의 NPV를 0으로 만드는 할인율이다

0 = - I_{0} + \sum_{t = 1}^{T} \frac{C F_{t}}{(1 + I R R)^{t}}

계산 순서는 시간선에 실제 유출입을 적고, 투자시점 유출을 음수로 두고, 최종 매각회수까지 포함하는 것이다. IRR에 넣는 현금흐름이 자산 수준인지 자기자본 수준인지 먼저 정해야 한다.

IRR이 높다고 항상 더 좋은 사업은 아니다. 1억 투자해 0.2억을 버는 사업과 100억 투자해 10억을 버는 사업은 수익률과 창출가치 순위가 다르다. 상호배타적 사업을 비교할 때는 적절한 할인율의 NPV를 중심으로 규모와 시점을 살핀다. 부호가 여러 번 바뀌는 현금흐름은 IRR이 여러 개이거나 유효한 해가 없을 수 있다.

7.5 하나의 일관된 3년 보유 예제

교육용 재구성: S06은 3.8억을 처음에는 NOI, 다음에는 잠재총임대료로 사용한다. 여기서는 이를 이미 공실·운영비를 차감한 초년도 NOI 3.8억으로 고정한다. 공실과 운영비를 다시 빼지 않는다.

매입가 100억, 초년도 NOI 3.8억, NOI 성장 3%, 매년 CapEx 적립은 NOI의 3%, 대출 50억, 이자율 4.5%, 보유기간 3년, 만기일시상환, Exit cap 4%를 가정한다. 세금·거래비용은 생략한다.

항목, 단위 억원	1년	2년	3년	4년 예상
NOI	3.8000	3.9140	4.0314	4.1524
CapEx 적립 3%	0.1140	0.1174	0.1209	—
부채상환 전 현금	3.6860	3.7966	3.9105	—
이자	2.2500	2.2500	2.2500	—
운영 자기자본 현금	1.4360	1.5466	1.6605	—

매각가는 $4.1523626 / 0.04 = 103.8091$ 억이다. 대출 50억을 갚으면 매각 시 지분회수액은 53.8091억이다. 자기자본 현금흐름은:

[- 50, 1.4360, 1.54658, 55.46954]

자기자본 IRR은 약 5.49%, Equity multiple은 약 1.169배, 1년차 Cash-on-cash는 $1.436 / 50 = 2.872 %$ 다. 각각 다른 질문에 답한다.

지표	이 예제의 값	무엇을 묻는가
진입 캡레이트	3.8%	매입가격 대비 초년도 영업소득
1년차 CoC	2.872%	초기 지분투자 대비 1년 현금 배분
지분 IRR	5.49%	모든 지분 유출입의 시간가중 복리 수익률
지분 배수	1.169배	총 회수액이 총 투입액의 몇 배인가

같은 현금흐름에 Exit cap만 바꾸면:

Exit cap	지분 IRR	지분 배수
4.0%	5.49%	1.169배
3.8%	8.75%	1.278배
3.5%	13.92%	1.466배

숫자를 외우는 것이 목적이 아니다. 마지막 매각가가 크기 때문에 작은 Exit cap 변경이 전체 IRR을 크게 바꾼다는 것이 핵심이다.

만약 3.8억이 잠재총임대료였다면? 공실 2%, 운영비 12%를 적용한 NOI는 $3.8 \times 0.98 \times 0.88 = 3.27712$ 억이다. 같은 성장·대출·CapEx 규칙으로 Exit cap 4%를 적용하면 지분 IRR은 약 −5.31%다. “NOI냐, 총임대료냐”라는 입력 정의 하나가 결론을 뒤집는다.

7.6 수익률 비교의 조건

직접 부동산의 감정평가 지수는 시차와 평활화 때문에 변동성을 작게 보여줄 수 있다. 상장리츠는 매일 가격이 움직이고 부채도 있다. 서로 다른 기간·섹터·레버리지·세금·배당 포함 여부를 조정하지 않으면 비교가 왜곡된다.

강의의 포트폴리오·CAPM·APT는 후속 수업 예고다. 연결에 필요한 최소 개념만 덧붙이면, 분산투자는 불완전한 상관관계에서 위험을 줄이며, CAPM의 $β$ 는 시장과 함께 움직이는 위험이다. $E [r_{i}] = r_{f} + β_{i} (E [r_{m}] - r_{f})$ 는 그 체계적 위험에 대한 기대 보상 모형이다. 샤프비율 $(\bar{r} - r_{f}) / σ$ 는 총변동성 대비 초과수익을 비교하지만 같은 관측주기와 연율화 기준을 써야 한다. APT는 여러 공통 위험요인의 보상으로 확장한다. 이 파일의 첨부 범위에는 이 이론들의 완전한 후속 강의가 포함되어 있지 않다.

스스로 설명해 보기: “캡레이트 4%, CoC 2%, IRR 8%가 동시에 가능한가?”를 매각차익과 레버리지, 현금 수취시점으로 설명해 보자.

근거: S02 PDF 5·13쪽, S06 전체. 계산표는 첨부 가정을 일관되게 재구성하여 검산한 교육 예제.

8. 레버리지·LTV·DSCR: 좋은 자산과 좋은 지분투자는 다르다

8.1 부채가 있으면 남는 손익을 더 작은 지분이 부담한다

자산 100억을 전부 자기자본으로 사면 자산손익을 100억이 부담한다. 부채 50억을 쓰면 이자 지급 후 남는 손익을 지분 50억이 부담한다. 고정적인 채권자 몫 때문에 주주 몫의 변동폭이 커진다.

단순 1기간, 세금·거래비용을 제외하면:

r_{E} = \frac{r_{A} V - r_{D} D}{E} = r_{A} + (r_{A} - r_{D}) \frac{D}{E}

L T V = \frac{D}{V}, \frac{D}{E} = \frac{L T V}{1 - L T V}

LTV 50%는 $D / E = 1$ , LTV 70%는 $D / E \approx 2.333$ 이다. 레버리지 식의 배수 자리에 LTV를 그대로 넣으면 틀린다.

자산수익률	차입금리	LTV	자기자본수익률
6%	4%	0%	6%
6%	4%	50%	8%
6%	4%	70%	약 10.67%
3.8%	4.5%	50%	3.1%
−5%	4%	50%	−14%

마지막 예제는 자산가치 손실을 포함한 단순 총수익 관점이다. 비교하는 $r_{A}$ 가 총수익이면 $r_{E}$ 도 같은 기간·범위의 총수익으로 해석해야 한다. 초기 임대소득의 현금수익성을 따질 때는 Cap·NCF와 부채비용을 비교한다.

음의 레버리지는 차입이 수익률을 낮추는 상태다. 자기자본수익률이 반드시 음수라는 의미는 아니다. 3.8% 자산, 4.5% 대출, LTV 50%의 단순 소득 지분수익률은 여전히 +3.1%다.

8.2 MM 명제를 현실에 적용하는 방식

완전시장·무세금 등 단순 조건에서 자본구조를 바꾼다고 자산 자체가 더 많은 현금을 만들어내지는 않는다. 부채를 늘려 주주의 기대수익률이 올라가더라도 그만큼 위험이 높아진다는 것이 MM 관점의 핵심이다.

현실에는 이자 세금효과, 파산·재조달비용, 정보비대칭, 규제, 수수료가 있다. 그래서 적절한 부채 수준은 달라진다. “자기자본 IRR이 올라가니 대출을 최대한 쓰자”는 결론은 위험과 유동성을 빠뜨린 것이다.

8.3 LTV는 담보의 안전여유, DSCR은 지급능력이다

D S C R = \frac{N O I}{해당 기간 부채 원리금 상환액}

만기일시상환 대출의 평상시에는 분모가 이자일 수 있다. 분할상환이면 원금과 이자를 모두 넣는다. 만기 거액 원금은 매각·차환·유보현금 등을 별도로 점검한다. DSCR이 1보다 크다고 만기 차환이 보장되지 않는다.

지표	보는 위험	단독 사용의 한계
LTV	담보가치 대비 대출 잔액	평가액이 낙관적이거나 매각이 어려울 수 있음
DSCR	현재 영업소득의 원리금 지급여력	미래 CapEx·만기차환·공실 위험을 다 담지 못함
Debt yield, 보충	$N O I / D$	금리와 무관한 대출 대비 소득, 그래도 만기위험은 별도

가상 예제로 NOI 3.8억, 대출 50억, 이자 4.5%면 평상시 DSCR은 $3.8 / 2.25 \approx 1.689$ 다. 금리가 6.5%면 $3.8 / 3.25 \approx 1.169$ 로 떨어진다. NOI가 10% 줄면서 금리도 오르면 $3.42 / 3.25 \approx 1.052$ 다. 단일 충격보다 복합 충격이 중요하다.

8.4 만기 차환은 별도의 시험이다

건물을 100억에 사면서 60억을 빌렸다고 하자. 만기에 가치가 80억으로 내려가고 새 대출 허용 LTV가 60%라면 새 대출은 최대 48억이다. 기존 60억을 갚으려면 12억을 추가로 마련해야 한다. 이자를 지금까지 잘 냈더라도 막힐 수 있다.

가격 하락과 신용 경색이 동시에 오면 담보가치가 낮아지고 허용 LTV도 낮아지는 이중 충격이 발생한다. PF와 CMBS 만기벽을 같은 원리로 이해할 수 있다.

S06이 제시한 은행·리츠·PF의 LTV 및 DSCR 범위는 강의상 관행값이다. 모든 사업에 적용되는 단일 법정 규칙으로 해석하면 안 된다.

S06의 교육용 범위	LTV	DSCR
은행 상업용 부동산 대출	50~60%	1.25~1.50
상장리츠	40~65%	약 1.30
사모 PF	65~70%	약 1.20

스스로 설명해 보기: “LTV가 낮은데 DSCR이 나쁠 수 있는가?”, “DSCR이 좋아도 차환 실패가 가능한가?”에 각각 예를 들어 답한다.

근거: S06 PDF 7~10·16~20쪽, S02 PDF 13쪽. 복합 스트레스·차환금액은 교육용 추가 계산.

9. 모기지·증권화·듀레이션: 빌려준 사람의 시각

9.1 대출은 차입자에게 부채이고 투자자에게 자산이다

모기지는 부동산을 담보로 한 채권이다. 대주는 대출이자와 원금을 받으며, 채무자가 지급하지 못하면 담보와 계약상 권리를 통해 회수한다. 담보가 있다고 무위험하지는 않다. 가치가 떨어지거나 처분에 시간이 걸리며 선순위 채권과 처분비용도 있다.

분류 축	구분	현금흐름·위험 차이
자산	주거·상업용	차입자 소득·임대영업·담보 위험 구조
금리	고정·변동	시장금리 변화의 부담 주체
상환	분할상환·이자만 지급·풍선상환	잔액 감소 속도와 만기 원금 규모
소구	소구·비소구	담보 외 차입자 자산까지 청구 가능한지

비소구라고 어떤 상황에서도 차입자가 추가 책임을 지지 않는다는 뜻은 아니다. 계약상 예외를 확인한다. 국내·해외 대출이 모두 하나의 표준구조를 따르는 것도 아니다.

9.2 조기상환과 연장위험은 금리 변화의 양쪽이다

고정금리 대출에서 시장금리가 떨어지면 차입자는 더 싼 대출로 바꿔 기존 대출을 갚고 싶어진다. 대주는 높은 금리 현금을 예상보다 빨리 돌려받아 낮은 금리로 재투자해야 할 수 있다. 이것이 조기상환 위험이다.

반대로 금리가 오르면 기존 저금리 대출을 유지하려는 유인이 커져 예상보다 원금 회수가 늦어질 수 있다. 이를 연장위험이라고 한다. 실제 조기상환 가능성은 중도상환수수료, lockout, defeasance 등 계약조건에 따라 달라진다.

9.3 듀레이션은 만기와 다르다

Macaulay duration은 각 현금흐름 현재가치가 가격에서 차지하는 비중으로 지급시점을 가중평균한 것이다.

D_{M} = \sum_{t} t \frac{P V (C F_{t})}{P}

연 1회 복리 기준 수정듀레이션은 $D_{m o d} = D_{M} / (1 + y)$ 이며:

\frac{Δ P}{P} \approx - D_{m o d} Δ y

연 $m$ 회 복리라면 분모를 $1 + y / m$ 로 맞춘다. 금리 1%p 변화는 계산에서 0.01이다. 수정듀레이션 5인 채권의 수익률이 100bp 오르면 가격은 약 5% 하락한다.

분할상환 대출은 원금을 중간에 돌려받으므로 만기가 30년이어도 듀레이션은 훨씬 짧을 수 있다. 조기상환 옵션이 있으면 현금흐름 자체가 금리에 반응해 단순 고정현금흐름 듀레이션으로 충분하지 않을 수 있다. 큰 금리변화에는 볼록성, 옵션이 있는 상품에는 실효듀레이션을 살펴야 한다.

9.4 MBS·MBB·CMBS·PF ABS를 구분한다

상품	기초·구조의 핵심	시험에서 구분할 점
MBS	모기지 대출을 기초로 하는 증권	대출상환금이 투자자 지급의 원천
MBB·Covered bond	발행자 채무와 담보자산 보호를 결합	이중청구 구조와 발행자 잔존책임
CMBS	상업용 부동산 담보대출의 증권화	임대현금·자산가치·차환 위험
PF ABS	개발사업 금융 관련 채권 등의 유동화	완공·분양·사업수행·보증 조건
CDO	여러 채무·증권 등을 묶어 재구조화	기초자산 상관관계와 재유동화 복잡성

CMBS는 MBS와 완전히 별개 원리가 아니라 상업용 모기지를 기초로 한다는 범주 구분이다. True sale·SPV·보증 방식은 실제 딜마다 확인해야 한다. 유동화로 원보유자의 위험과 자산을 분리할 수 있지만 기초대출 자체의 부실위험까지 사라지는 것은 아니다.

Pass-through는 기초 모기지에서 받은 원리금을 비용 등을 제외하고 투자자에게 전달하는 구조다. 트랜치를 나누면 선순위·후순위가 지급과 손실을 다른 순서로 부담한다. 후순위가 먼저 손실을 받는다고 선순위가 모든 상황에서 안전한 것은 아니다. 여러 대출이 동시에 나빠지면 후순위 완충액을 넘어갈 수 있다.

2008년 위기의 교육적 핵심은 풀을 크게 만들고 등급을 붙였다고 위험이 없어지는 것이 아니라는 점이다. 전국 집값·금융여건 같은 공통 요인이 동시 부실을 만들면 분산효과가 줄어든다. CDS로 위험을 넘겼더라도 보호를 제공한 상대방이 버티지 못할 수 있다.

9.5 국내 CMBS 사례에서 기억할 구조

S03은 뉴밀레니엄코람, 카이제오차, 센트럴제일차, 자이언트를 제시한다. 사례명·연도만 외우기보다 기초자산을 무엇으로 두었고, 임대수익이나 담보가치가 어떤 청구권을 뒷받침했는지 읽는다.

S03의 사례 표기	구조상 포인트
뉴밀레니엄코람	여러 부동산을 풀로 구성하고 선·후순위 배분
카이제오차	사옥 관련 신탁수익권과 신용공여 구조
센트럴제일차	센트럴시티 관련 대출채권 유동화
자이언트	SK 서린동 본사 관련 다층 자본구조

국내 시장의 발전 제약으로 보증금 관행, 발행 고정비, 다른 투자기구와의 경쟁 등을 자료가 제시한다. 이것은 “증권화가 나쁘다”는 결론이 아니라 기초 현금흐름과 비용에 맞는 기구를 골라야 한다는 의미다. PF 총익스포저를 CMBS 발행잔액이라고 쓰는 식의 통계 혼용은 피한다.

스스로 설명해 보기: “담보가 있고 AAA 등급이면 어떤 위험이 남는가?”, “고정금리 대출의 금리하락이 차입자와 채권자에게 다르게 작용하는 이유는?”

근거: S03 PDF 11~14쪽, S06 PDF 18~20쪽, S07 PDF 6~7쪽.

10. 오피스 논문: 렌트프리·캡레이트·머신러닝을 연결한다

10.1 논문은 결과 암기보다 “어떤 질문에 대한 답인가”로 읽는다

논문을 읽을 때는 연구질문, 표본, 종속변수, 설명변수, 방법, 결과, 한계 순으로 정리한다. 표의 별표만 외우면 표본이나 모형이 바뀔 때 결과가 왜 달라지는지 설명하지 못한다.

가장 중요한 구분은 이론상 기대, 표본에서 관찰된 관계, 인과적 해석이다. 예를 들어 공실률이 높을수록 렌트프리를 많이 줄 것이라는 기대가 있어도, 특정 표본에서 계수가 유의하지 않을 수 있다. 이것은 공실이 현실에서 전혀 중요하지 않다는 증명이 아니다. 시차, 측정오차, 협상·운영방식, 표본선택이 결과에 영향을 줄 수 있다.

10.2 렌트프리 논문 세 편은 질문이 다르다

자료	표본·기간	종속변수·방법	읽어야 할 질문
S19, 2016년 논문	52개 건물, 계약 733건, 2010~2014년	제공 여부의 이항 로짓, 수준 범주의 다항 로짓	어떤 계약이 받는가? 특정 수준 범주에 들어가는가?
S14, 2017년 논문	62개 건물, 계약 860건, 2009~2015년	연평균 렌트프리 기간, Cox 비례위험모형	기간의 길이는 무엇과 관련되는가?
S15, 박사학위논문	90개 건물, 계약 1,338건, 2009~2018년	제공 여부의 이분형 로짓, 0~6 범주의 순서형 로짓	제공 결정과 높은 수준으로의 이동이 같은가?

박사논문 표본에는 앞선 두 연구 표본이 포함된다. 세 연구가 서로 완전히 독립적인 세 번의 실험이라고 보면 안 된다. 또한 2017년의 ‘기간’은 계약 전체의 렌트프리를 1년당 개월수로 환산한 값이다.

A R F = \frac{총 렌트프리 개월}{총 계약 개월} \times 12

5년 계약에 총 10개월 무상이면 $A R F = 10 / 60 \times 12 = 2$ 개월/년이다. 총 10개월과 연평균 2개월을 섞으면 비교가 틀어진다.

10.3 임대인은 왜 렌트프리를 주는가

무상기간은 임대인에게 단기 비용이다. 그럼에도 장기 임차인을 확보하고 공실기간·중개비용·재계약 불확실성을 줄일 수 있다면 전체 가치는 좋아질 수 있다. “렌트프리는 무조건 손해”도, “명목임대료만 유지하면 가치가 보존된다”도 불완전하다.

계약서상 임대료를 낮추는 대신 인센티브를 제공하면 임차인별 협상조건을 조정하기 쉽다. 임대료 인상조항이나 시장의 표면가격을 유지하려는 동기도 있다. 그러나 매수자가 실제 rent roll과 수취내역을 확인하면 과도한 명목 NOI는 조정된다. 정보비대칭을 이용한 표면가격 유지와 실제 경제가치 창출은 구분해야 한다.

10.4 2016년 논문의 결과를 정확히 읽기

S19의 이항모형에서 건물연면적과 임대기간은 양의 관계로 유의하다. 계약임대료도 양의 관계로 유의하다. 임대면적비율과 건물공실률은 유의하지 않다. 권역·시장임대료의 영향은 범주와 모형에 따라 다르다.

다항모형은 렌트프리 없음이 기준이다. 낮은 제공 범주와 높은 제공 범주의 결과가 다르게 나타나며, 특히 도심권역에서 높은 제공 범주 쪽의 특징이 강하다. 이것을 논문은 양극화로 해석한다.

S19 PDF 18쪽 표 10의 예	통계값	올바른 해석
건물연면적 더미, 이항모형	OR 1.814	기준 건물규모 대비 제공 오즈가 1.814배
임대기간, 이항모형	OR 1.024	기간 1단위 증가에 따른 제공 오즈 변화
계약임대료, 이항모형	OR 1.076	임대료 변수의 1단위 증가에 따른 제공 오즈 변화
건물공실률	OR 1.006, 비유의	이 표본·모형에서 명확한 관계를 확인하지 못함

오즈는 $p / (1 - p)$ 다. OR이 2라고 확률도 2배가 되는 것은 아니다. 기본 확률 20%라면 오즈는 0.25이고, 오즈가 2배가 되면 확률은 $0.5 / 1.5 = 33.33 %$ 다.

시장임대료는 전체 이항모형에서 유의하지 않고, 일부 다항 범주에서 유의하다. 초록·결론의 “높을수록 많이 제공한다”라는 큰 서술을 모든 모형에 똑같이 적용하지 말자. 표의 결과를 모형별로 읽는 것이 오픈북의 장점이다.

근거: S19 PDF 1·7~9·14~20쪽.

10.5 2017년 Cox 모형: 음의 계수가 긴 기간과 연결될 수 있다

Cox 모형은 다음과 같다.

h (t ∣ X) = h_{0} (t) \exp (X β)

$h (t)$ 는 해당 시점까지 사건이 발생하지 않은 상태에서 사건이 발생하는 순간 위험률이다. $\exp (β)$ 는 위험비 HR다. 로짓의 오즈비와 구분해야 한다. 원문 일부는 승산비라는 표현을 쓰지만 Cox 문맥에서는 위험비로 읽는다.

기간의 종료를 사건으로 읽으면 HR이 1보다 낮다는 것은 종료 위험률이 낮아지는 방향이다. 따라서 더 긴 기간과 연결될 수 있다. 계수가 음수 → 기간이 짧다라고 기계적으로 해석하면 반대로 읽는다. 논문의 사건·기간 정의를 먼저 확인해야 한다.

S14 표 10의 결과	모형 3의 HR 등	기간에 대한 논문의 해석
건물공실률	0.986	높을수록 더 긴 기간과 관련
임대기간	0.996	장기 계약일수록 더 긴 무상기간과 관련
임차면적비율	0.994	큰 점유비율일수록 더 긴 기간과 관련
계약임대료	0.981	높은 표면임대료일수록 더 긴 기간과 관련
도심권역	0.646	기타권역 대비 더 긴 기간과 관련
건물연면적 더미	유의하지 않음	이 모형에서는 기간 차이를 명확히 확인하지 못함
시장공실률·시장임대료	모형 2에서 각각 HR 약 0.955	시장상황과 기간의 관련성

HR 0.646을 “렌트프리 기간이 35.4% 늘어난다”라고 바꾸면 틀린다. 이는 해당 조건의 위험률 비율이지 평균기간 증가율이 아니다. 비례위험 가정, 0기간의 처리, 측정단위와 시간정의도 모형 타당성의 확인 대상이다.

2016년에는 임대면적·공실률이 대체로 비유의인데 2017년에는 유의하다고 해서 한 논문이 반드시 틀린 것은 아니다. 표본기간·표본수·종속변수·모형이 모두 달라졌으며, 제공 여부와 기간은 서로 다른 협상결정일 수 있다.

근거: S14 PDF 8~16·19~23쪽.

10.6 박사논문: 제공 여부와 수준을 나누면 보이는 것

S15는 임대계약, 건물, 시장, 거시경제의 네 층위 변수를 함께 고려한다. 제공 여부는 이분형 로짓, 수준은 7개 순서 범주의 순서형 로짓으로 분석한다.

요인	주요 결과	이해할 논리
임대기간	길수록 제공·수준 증가	장기 수입의 안정성 확보
계약임대료	높을수록 제공·수준 증가	높은 표면가격을 실효조건으로 조정
계약연도	최근 표본에서 제공·수준 증가	시장 침체와 관행 확산이 함께 반영
건물연면적	큰 건물에서 제공·수준 증가	전문 관리·적극적 마케팅 가능성
신축 여부·건축연한	신축·짧은 연한과 더 많은 렌트프리	초기 공실 해소·임대 안정화
건물공실률	제공 여부는 비유의, 수준 일부 모형은 양의 관계	제공 관행과 제공 강도는 다를 수 있음
시장임대료	양의 유의 관계	명목·실효 임대료 괴리 확대
시장공실률·임대면적·GDP	대체로 유의하지 않음	시차·정보 확산·표본 한계 고려
권역	CBD는 높은 수준, YBD는 낮은 제공·수준 경향	공급·임차시장·건물구성 차이
회사채 수익률	포함 모형에서 음의 유의 관계	표본기간의 공동 추세 가능성도 고려

핵심 통찰은 렌트프리를 제공하는 운영정책과 얼마나 길게 주는지는 별개의 문제라는 점이다. 공실이 있어도 인센티브 관행을 쓰지 않는 임대인이 있을 수 있다. 반면 전문적으로 렌트프리를 쓰는 임대인은 공실이 늘면 제공량을 확대할 수 있다.

계약연도가 유의하다고 시간이 흐르는 것 자체가 원인이라고 단정하지 않는다. 당시 신규공급, 경기, 협상관행, 표본 구성이 동시에 변했다. 같은 건물에서 여러 계약을 관측한 자료라면 관측치 독립성도 검토해야 한다. 건물별 군집오차나 패널 설계는 가능한 후속 보완이지 이 논문이 이미 수행했다고 주장하는 것이 아니다.

근거: S15 PDF 5~6·130~138쪽, 특히 PDF 133쪽 결과 비교표.

10.7 캡레이트 결정요인 논문: 건물만 보지 말고 자본시장을 보라

손재영·윤민선의 S16은 서울 대형 오피스 실거래를 분석한다. 자료는 2000~2005년 186건이며, 캡레이트 계산이 가능한 109건을 분석에 사용한다. 초록의 기간 표현과 본문 자료기간이 다를 수 있어 본문 표를 기준으로 읽는다. S17은 이 논문의 1페이지 요약이지만 일부 해석이 잘못되어 원논문을 우선한다.

이론은 $c = k - g$ 에서 출발한다. 따라서 금리·위험프리미엄·기대 성장률을 바꾸는 거시변수와 투자유형, 건물특성을 함께 본다.

변수군	예	왜 넣는가
거시경제	국고채금리, 인플레이션, GDP 성장, E/P	할인율·성장기대·대체투자 여건
물리·입지	연식, 리모델링, 규모, 주차, 접도, 지하철, 권역	임대소득·가격 성장·위험 차이
투자유형	국내·해외 자본, 투자용·본사용	요구수익·사용가치·투자 목적 차이

평균 캡레이트는 자료상 2000년 약 9.58%에서 2005년 약 6.97%로 하락했다. 금리와 인플레이션은 양의 관계가 유의하게 나타났고, 투자용 매입은 본사용보다 높은 캡레이트, 국내자본은 해외자본보다 낮은 캡레이트와 관련되었다. 전체 모형의 $R^{2}$ 는 약 0.553이다. 이는 표본의 변동 설명 정도이지 인과관계를 55.3% 입증했다는 뜻이 아니다.

원논문 표 10의 결과	해석 범위
금리 계수 약 0.54~0.75	금리 1%p 상승과 캡레이트 약 0.54~0.75%p 상승의 표본 내 관련
물가 계수 약 1.24~1.52	해당 표본에서 양의 관련; 모든 시장에 적용되는 상수 아님
투자용 더미 양, 국내자본 더미 음	목적·자본출처와 요구수익의 차이 가능성
여러 건물특성 대체로 비유의	건물특성이 임대료·가격에 무관하다는 뜻은 아님

좋은 건물은 NOI와 가격을 모두 높일 수 있다. 두 값이 비슷한 비율로 늘면 비율인 캡레이트는 크게 바뀌지 않는다. 그래서 임대료를 설명하는 변수와 캡레이트를 설명하는 변수가 다를 수 있다. 이 점이 머신러닝 임대료 논문과 연결되는 핵심이다.

리모델링 더미는 일부 모형에서 양의 유의 관계지만 전체 모형에서 안정적으로 유의한 것은 아니다. 캡레이트가 올라가는 원리를 설명한다면 NOI의 비례 증가가 가격의 비례 증가보다 커야 한다. S17의 “NOI 상승 < 가격 상승이어서 캡레이트 상승”이라는 문장은 비율 방향이 반대다.

스프레드 $c - r_{f}$ 를 종속변수로 바꾸고 $r_{f}$ 를 우변에서 제외하면, 원래 캡레이트식에서 금리 계수를 1로 제한하는 셈이다. 이 제약을 의식하지 않고 두 회귀를 같은 모형이라 부르면 안 된다. 여기서도 스프레드가 순수 위험프리미엄인 것은 아니며 기대 성장 요소가 남는다.

근거: S16 PDF 6~15쪽, S17 전체. 원논문 인쇄 쪽수는 163~178쪽.

10.8 머신러닝 임대료 논문: 잘 맞히는 것과 원인을 밝히는 것은 다르다

S09는 서울 3,000평 이상 오피스 507동의 기준층 호가임대료를 예측한다. 렌트프리를 뺀 실효임대료가 아니다. 설명변수는 공실률·전용률·연면적·층수·연식·승강기수·주차대수·녹색건축 인증·권역이다. 자료의 연식은 2017년 말 기준 경과월수로 측정한다.

방법	직관	핵심 조정값
다중회귀	특성별 평균적인 선형 관계를 합침	변수·함수형태
RF, 랜덤포레스트	여러 나무의 예측을 평균	나무 수 ntree, 분기 후보 변수 mtry
ANN, 인공신경망	비선형 변환을 여러 노드로 학습	은닉노드 수 등
SVM의 회귀 적용	허용 오차와 복잡성을 절충한 예측함수	$ϵ$ , $C$ , RBF 커널 폭

초모수는 학습을 통해 자동으로 얻는 일반 계수와 달리 모형 구조·복잡성을 정하는 설정이다. 복잡하게 만들수록 훈련자료는 잘 맞힐 수 있지만 새 자료 예측은 나빠질 수 있다. 그래서 학습과 평가를 구분하고 일반화 성능을 확인한다.

R M S E = \sqrt{\frac{1}{n} \sum_{i} (y_{i} - {\hat{y}}_{i})^{2}}, M A E = \frac{1}{n} \sum_{i} | y_{i} - {\hat{y}}_{i} |

RMSE는 큰 오차에 더 민감하고, MAE는 절대오차의 평균이다. 비교할 때 같은 표본·같은 척도여야 한다.

전체 표본 최종모형, S09 표 9	RMSE	MAE
RF	0.132509	0.097491
ANN	0.124274	0.096639
SVM	0.122910	0.092384
다중회귀	0.127708	0.099873

전체 표본에서는 SVM이 두 지표 모두 가장 좋다. RF는 RMSE로는 회귀보다 나쁘지만 MAE로는 좋다. 그러므로 “머신러닝이면 무조건 회귀보다 좋다”라고 말할 수 없다. 이 오차값은 논문 전처리·평가 척도의 값이며, 원/평의 금액오차나 12.29%의 백분율오차로 곧바로 읽지 않는다.

규모를 나누면 초대형·대형에서는 RF, 중대형·중형에서는 SVM이 RMSE 기준으로 가장 좋은 결과를 보였다. 초대형은 20,000평 이상, 대형은 10,000~20,000평, 중대형은 5,000~10,000평, 중형은 3,000~5,000평이다. 표본수가 줄고 건물특성이 달라지므로 모든 규모에 하나의 우승모형을 강요할 필요가 없다.

PD plot을 읽는 법

관심 변수 $x$ 를 특정 값에 놓고, 나머지 변수는 관측자료 값을 사용해 예측한 후 평균한다. 이를 $x$ 의 여러 값에서 반복하면 곡선이 된다.

P D (x) = \frac{1}{n} \sum_{i = 1}^{n} \hat{f} (x, X_{- x, i})

S09의 도표는 전용률·규모·층수·승강기와 임대료 사이의 대체로 양의 관계, 연식과의 음의 관계, 주차대수의 비선형 관계를 보여준다. 전체 표본에서 공실률과 예측 호가임대료가 양의 관계인 것은 “공실을 늘리면 수익이 좋아진다”는 인과결론이 아니다. 높은 호가를 유지하면서 렌트프리를 늘리는 임대전략, 건물구성, 역인과 등이 섞였을 수 있다.

변수중요도가 낮아 녹색인증을 빼자 예측이 좋아졌다고 녹색건축에 경제적 가치가 없다는 결론도 아니다. 인증표본이 적고 다른 변수와 중복될 수 있으며, 이 자료는 호가임대료라는 제한된 결과만 예측한다. 상관된 특성들을 독립적으로 바꾸는 PD plot은 실제로 존재하지 않는 조합을 만들 수 있어 해석에 주의한다.

근거: S09 PDF 6~16·18~29쪽. 인과·상관·검증 구분은 이해를 위한 보충.

10.9 논문 세 주제를 하나로 연결하기

호가임대료를 예측하는 모형이 아주 정확해도 그것이 실제 수취임대료를 정확히 알려주지는 않는다. 렌트프리와 공실, 운영비를 반영해야 NOI가 된다. NOI를 정확히 알더라도 캡레이트는 금리·성장·위험·투자목적에 따라 달라진다. 마지막으로 부채와 매각시점을 반영해야 주주의 IRR이 나온다.

따라서 임대료 예측 정확도 → NOI 정확도 → 자산가치 정확도 → 지분수익률 정확도는 자동으로 이어지지 않는다. 각 연결에서 추가 가정과 데이터가 필요하다. 이 연결을 말로 풀어낼 수 있으면 논문을 단순 결과 암기보다 깊게 이해한 것이다.

11. 리츠 자금조달: 유상증자·회사채·RCPS

11.1 왜 리츠는 계속 외부에서 돈을 구하는가

리츠는 부동산 소득을 투자자에게 배분하는 구조이며 배당 관련 제도도 있어 내부에 쌓아 두는 자금만으로 대규모 자산매입을 하기 어렵다. 그래서 성장·차환·재무구조 개선에 외부자금이 필요하다. 부채를 늘릴지, 보통주를 발행할지, 우선주를 사용할지가 주주가치에 영향을 준다.

미국 REIT의 과세소득 기준 배당요건과 한국 제도의 배당가능이익 관련 기준은 표현과 적용조건이 다르다. “90%”라는 숫자가 같다고 회계이익·현금흐름·NOI의 90%라고 바꾸면 안 된다. 본문은 제도의 경제적 효과를 설명하며 실제 적용은 자료의 관할과 기준을 확인해야 한다.

11.2 리츠 평가 지표를 분자·분모로 구분한다

지표	무엇을 비교하는가	높은·낮은 값의 함정
배당수익률	주당 배당 / 주가	주가 급락·특별배당 때문에 높을 수 있음
P/FFO	주가 / 주당 FFO	낮다고 항상 싸지 않음; FFO의 지속성 확인
P/NAV	주가 / 주당 순자산가치	NAV의 평가시점·부채·처분비용 확인
자산 캡레이트	자산 NOI / 자산가치	주주 배당수익률과 다름
리츠 내재 캡레이트	해당 자산 NOI / 대응 기업·자산가치	지분 시가총액만 쓰면 부채가 누락될 수 있음
AUM	운용자산 규모	규모가 커져도 주당가치가 늘지 않을 수 있음

FFO는 부동산 감가상각과 처분손익 등을 조정해 운영성과를 보는 지표이며, 법적 배당가능이익이나 실제 배당현금과 완전히 같지 않다. 반복적 CapEx와 임대차 관련 조정을 반영한 지표도 함께 봐야 한다. S08의 ‘배당가능이익’이라는 간략 표현을 그대로 등식으로 외우지 않는다.

11.3 유상증자가 호재인가 악재인가

유상증자는 주식수가 늘어 기존 주주의 지분율을 낮출 수 있다. 동시에 회사로 현금이 들어와 좋은 자산을 살 수도 있다. 지분율 희석, 주당가치 희석, 주당배당 희석은 구분해야 한다.

가상 예제로 기존 자산순가치 1,000억, 주식수 1,000만 주면 주당 NAV는 10,000원이다. 500만 주를 8,000원에 발행하면 400억이 들어와 발행 직후 순가치는 1,400억, 주식수는 1,500만 주가 된다. 다른 변화가 없다면 주당 NAV는 약 9,333원으로 낮아진다. 하지만 조달자금으로 양의 NPV 자산을 매입해 추가 가치를 만들면 최종 결과는 달라질 수 있다. 주주배정에서는 신주인수권의 가치와 참여 여부도 고려한다.

S10 기사는 우량자산 편입과 낮은 조달비용을 강조하고, S08 논문은 증자의 가격·신뢰·희석 문제를 함께 분석한다. 둘은 반드시 모순이 아니다. 증자 목적과 발행가격, 편입 자산의 순수익, 금융비용이 다르면 결과도 다르다.

S08은 국내 유상증자 24건을 분석해 8건의 청약률이 100% 미만이었다고 제시한다. 최초 목표 대비 실제 조달 규모, 청약률, 할인율, 증자 후 규모, 주가와 변동성 변화를 따로 측정한다. 주가 변화가 전부 증자 때문에 발생했다고 인과적으로 단정하려면 시장효과와 사건시점 등을 더 통제해야 한다.

지표	계산
증자 비율	신주수 / 기존 주식수
조달금액	신주수 × 발행가격
목표 달성 규모	실제 조달금액 / 최초 예정금액
청약률	청약주식수 / 모집주식수
주당가치 효과	조달 후 순가치 / 조달 후 주식수와 기존 값 비교

11.4 회사채로 대출을 바꾸면 NOI가 늘어나는가

S10의 SK리츠 사례는 상대적으로 비싼 담보대출을 회사채로 차환해 이자비용을 줄이는 구조다. 건물의 임대료·운영비가 그대로라면 NOI는 그대로이고, 이자 이후 주주에게 남는 현금과 배당여력이 개선된다.

가상 계산으로 1,000억의 차입금리를 4.5%에서 3.5%로 낮추면 연간 이자는 10억 감소한다. 발행수수료·중도상환비용·새 만기구조를 고려해야 순효과를 알 수 있다. 금리가 낮다고 더 짧은 만기에 집중하면 차환위험이 커질 수도 있다.

11.5 RCPS는 권리 묶음이다

RCPS는 상환·전환 기능이 결합된 우선주다. 그러나 상환권이 투자자에게 있는지 발행자에게 있는지, 현금상환인지 주식교부인지, 전환가격 조정이 가능한지에 따라 경제적 실질이 크게 달라진다.

권리·조건	투자자에게 주는 의미	기존 주주·발행사에 생기는 부담
우선배당	보통주보다 앞선 배분	운영현금의 우선 사용
전환권	주가 상승에 참여	미래 보통주 희석
투자자 상환청구	정해진 조건에서 회수 요구	현금·주식 지급 부담
발행사 콜·강제전환	발행사의 자본구조 정리 수단	투자자 상승·배당 기회 제한 가능
청산우선권	청산재산 우선배분	보통주가 더 후순위가 됨
IPO 래칫·리픽싱	낮은 가격에 대한 보호	추가 주식·전환비율 조정으로 희석 확대
자동전환 면제·거부권	불리한 전환 방지	후속 거래와 상장 구조 제약

투자자에게 전환옵션을 주면 낮은 현금배당 조건으로도 자금을 조달할 수 있다. 하지만 낮은 표면배당률이 공짜 자본이라는 뜻은 아니다. 옵션가치와 미래 희석이 대가다. 상환권도 지급할 현금과 자산이 없으면 원금을 보장하지 못한다.

11.6 미국 사례는 성공·중간·실패를 함께 읽는다

다음은 S08이 제시한 사례 서술이다. 개별 증권은 상환 가능 여부 등이 달라 모두 동일한 표준 RCPS로 취급할 수 없다.

사례	논문상의 배당률·구조	교육적 의미
Alexandria ARE Series D	연 7%, 전환 조건	성장 후 전환으로 우선배당 부담·자본구조 정리
Digital Realty DLR Series D	연 5.5%, 전환 조건	위기·성장기에 전환권을 활용한 자본조달
RPT Realty Series D	연 7.25%, 조건부 강제전환	기대한 주가 조건이 충족되지 않으면 전환이 지연될 수 있음
Wheeler WHLR Series D	연 8.75%, 상환·주식교부 조건	주가하락→더 많은 주식교부→희석 압력의 악순환 가능

S08의 본문은 WHLR의 심각한 희석을 설명하지만 결론은 더 완곡하게 요약한다. 시험에서는 결론 문구만 복사하지 말고 사례 본문에 근거해 기초사업의 현금창출력과 계약조건이 성패를 좌우한다고 쓰는 것이 타당하다.

11.7 청산우선권은 간단한 분배표로 이해한다

교육용 가정: 투자자가 1,000억을 투자해 전환 후 지분 20%와 비참가적 1배 청산우선권을 가진다. 아래의 $X$ 는 모든 채무·비용을 지급한 뒤 주주에게 배분 가능한 금액이다.

우선주 회수액 = max {min (X, 1000), 0.2 X}

배분가능액 X	우선주 선택·회수	기존 보통주 회수
800억	우선권으로 800억	0
3,000억	우선권으로 1,000억	2,000억
5,000억	우선권·전환 모두 1,000억	4,000억
8,000억	보통주 전환으로 1,600억	6,400억

건물 매각가를 그대로 $X$ 로 넣으면 채무가 있는 경우 틀린다. 참가적 우선주, 누적배당, 복수 우선순위, 리픽싱이 있으면 표가 달라진다.

S08은 Cap rate 기반 배당, 청산우선권, IPO 래칫 등을 국내 적용 방안으로 제안한다. 이는 연구자의 제안이며 현행 제도가 자동으로 허용하거나 회계상 자본으로 인정한다는 뜻은 아니다. 회계분류는 상환의무와 전환조건 등 계약의 경제적 실질을 검토해야 한다. “상환될 가능성이 낮아 보인다”는 이유만으로 무조건 자본으로 볼 수 없다.

스스로 설명해 보기: “유상증자를 피하려고 RCPS를 발행하면 희석이 사라지는가?”, “차입금리 절감과 임대료 인상의 효과는 어느 현금흐름 단계에서 다른가?”

근거: S08 전체, 특히 PDF 10~18·20~35쪽; S10 전체.

12. 데이터센터: 희소성이 수익으로 바뀌는 조건

12.1 이 보고서의 중심 질문

S20의 제목은 공급제약이 만드는 희소성 프리미엄과 Exit 가능성이다. 따라서 “AI가 성장하니 데이터센터가 좋다”로 끝내면 보고서의 절반만 읽은 것이다. 수요가 증가해도 전력 확보 → 운영 가능 → 계약 수입 → 비용 차감 → 매수자 확보가 이어져야 투자수익이 된다.

보고서는 2026년 7월 작성으로 표시되어 있으며, 미래 수요·CapEx·인허가·매각시장 전망을 포함한다. 아래의 구체 수치는 그 자료의 주장·전망으로 정리한다. 실현값과 전망값을 섞지 않는다.

12.2 데이터센터에서 ‘공간’은 면적만을 뜻하지 않는다

오피스는 평·㎡당 임대료가 중요하지만 데이터센터는 사용 가능한 IT 전력, 랙 밀도, 냉각, 통신연결, 가동 안정성이 중요하다. 같은 면적이어도 공급 가능한 전력과 설비가 다르면 상품 자체가 다르다.

용어	이해할 의미
수전용량	시설 전체가 공급받을 수 있는 전력 규모
IT load	서버 등 IT 장비에 사용할 수 있는 전력
MW·kW	전력의 크기; 1MW=1,000kW
MWh·TWh	일정 기간 사용한 전력량; 용량과 구분
PUE, 보충	총 시설 에너지 / IT 장비 에너지; 효율 지표
CSP	클라우드 서비스 제공자
Neocloud	GPU 연산자원 등의 전문 서비스 제공자
Ramp-up	초기 가동·임차 사용량·수입이 안정화되는 과정
WALE	임대료·면적 등 지정 가중치로 계산한 잔존 임대기간
OpCo	실제 운영 기능을 담당하는 사업회사
Core & Shell	건물 외피·기반구조 중심 자산; 설비 범위는 계약 확인
Fully Fitted	주요 설비까지 갖춘 자산; 설비교체 부담이 중요
Triple Net	통상 세금·보험·유지비 등의 부담을 임차인에게 배분하는 구조

IT 40MW와 수전 60MW는 같은 숫자가 아니다. 임대료가 원/kW/월로 표시되면 어떤 용량에 부과하는지, 전기요금이 포함되는지, 실제 사용량·계약량 중 무엇이 기준인지 확인한다.

12.3 수요는 왜 늘고 입지는 왜 달라지는가

보고서는 생성형 AI, 빅테크 투자, CSP·국내 IT기업·네오클라우드·금융·공공·기업의 AI 전환이 수요를 늘린다고 본다. 학습은 대규모 계산과 전력비가 중요하고, 실시간 추론은 서비스 지연과 사용자 접근성이 상대적으로 더 중요할 수 있다.

따라서 전력이 싼 먼 지역과 사용자가 많은 수도권은 같은 수요를 완전히 대체하지 못한다. 이는 앞서 배운 공간시장의 세분화다. 단, 모든 추론이 동일한 저지연 요건을 가지는 것은 아니므로 응용별 요구를 확인해야 한다.

S20은 미국의 2025년 공사중 용량 5,994MW, 선임차량 4,800MW, 순흡수량 2,498MW를 제시한다. 선임차는 미래 공급을 미리 계약한 것이고 순흡수는 실제 점유 재고의 순증가다. 둘을 더해 당해 실사용 수요라고 하면 중복될 수 있다. 공사중 물량이 많아도 이미 선임차되었다면 새 임차인이 선택할 가용물량은 적다.

12.4 전력 제약은 4분면의 공급반응을 막는다

임대료가 오르고 자산가격이 높아져도 계통연결·변전소·송전망·인허가가 없으면 공급을 늘리지 못한다. 즉 가격이 원가를 넘는 것만으로 착공·운영이 자동으로 일어나지 않는다.

S20의 PDF 16~17쪽은 누적 신청 522건, 1차 기술검토 통과 243건, 본심사 진입 24건, 최종 공급가능 10건을 제시한다.

비율	계산	정확히 뜻하는 것
1차 통과 / 총신청	243/522 ≈ 46.6%	해당 누적 집계의 단계별 수치
본심사 진입 / 1차 통과	24/243 ≈ 9.9%	다음 단계까지 진입한 비중
최종 공급가능 / 총신청	10/522 ≈ 1.9%	해당 시점 최종승인 완료 비중
최종 공급가능 / 본심사 진입	10/24 ≈ 41.7%	본심사 진입 집계 대비 비율

1.9%를 모든 신청자의 최종 성공확률이라고 바로 부를 수는 없다. 미진행·심사대기·시점이 다른 신청이 섞여 있을 수 있다. 분모와 단계, 누적 관측기간을 먼저 확인한다. 보고서의 강한 희소성 서술과 통계가 직접 입증하는 범위를 구분하는 연습이다.

전력 제약은 기존 승인자산에는 진입장벽 프리미엄을 주지만 신규 개발자에게는 지연과 비용 위험이다. “공급이 어렵다”는 같은 사실이 누구에게 유리한지에 따라 의미가 달라진다.

12.5 시장 임대료가 올라가도 내 건물 NOI는 바로 늘지 않는다

S20은 수도권 상면 임대료가 2019년 약 14만 원/kW/월에서 2025년 약 25만 원 수준으로 상승했다고 설명한다. 그러나 이미 체결한 계약이 연 2% 인상이고 5~10년 동안 고정되어 있다면 시장의 급등이 보유기간 중 수입에 바로 반영되지 않는다.

여기에 초기 램프업 할인, 운영사 마스터리스, 전기·냉각 비용, 설비 교체까지 들어간다. 이 구조는 오피스의 명목임대료·렌트프리 문제와 같다. 시장 임대료는 계약 현금흐름의 상한 가능성을 보여줄 뿐, 당장 받는 현금은 계약서가 정한다.

장기계약은 안정성을 높이지만 시장 임대료 상승을 반영할 기회를 늦출 수 있다. 짧은 계약은 재계약 가격상승 기회를 주지만 공실·이전 위험이 커진다. 매도자는 Exit 직전 갱신 기회를 매력으로 설명할 수 있고, 매수자는 같은 상황을 임차인 이탈위험으로 평가할 수 있다.

12.6 데이터센터가 건물보다 빨리 늙는 이유

GPU 세대 변화는 전력밀도, 냉각방식, 바닥하중과 공간설계의 적합성을 바꾼다. 구조물 수명은 남아 있어도 필요한 성능을 제공하지 못하면 경제적으로 진부화할 수 있다. 추가 투자로 개선할 수 있는지, 비용은 누가 내는지, 공사 중 가동중단은 가능한지가 가치에 영향을 준다.

Fully Fitted 자산은 임대인이 설비를 보유·부담하는 범위가 넓을 수 있다. Core & Shell과 Triple Net 구조는 일부 비용·위험을 임차인에게 배분할 수 있지만 모든 위험이 없어지지는 않는다. 임차인의 지급능력, 계약집행, 설비의 잔존가치와 재임대 가능성을 함께 봐야 한다.

가상 예제로 NOI 100억, 캡레이트 5%이면 단순가치는 2,000억이다. 매입 직후 반드시 필요한 교체비가 200억이고 비교 캡레이트에 이 비용이 반영되지 않았다면 그 지출을 별도로 고려해야 한다. “NOI가 유지되니 가치도 2,000억”이라고 주장하면 투자비를 빠뜨린다.

12.7 추가 캡레이트 압축에만 기대지 않는 수익구조

S20은 서울 수도권 하이퍼스케일 데이터센터 캡레이트 추정범위를 약 5.3~6.5%로 제시하고, 과거처럼 큰 폭의 추가 압축만으로 매각차익을 얻기는 제한적이라고 본다. 그 숫자는 자산사양·거래구조·시점에 종속된 보고서 추정이다.

압축이 어렵다면 수익은 계약 임대료 상승, 가동률 개선, 비용 효율화, 설비경쟁력 유지 등 NOI와 순현금흐름에서 만들어야 한다. $V = N O I / c$ 에서 분모 하락에 대한 기대가 약해지면 분자의 실제 증가가 중요해진다는 말이다.

보고서가 리츠 내재 캡레이트를 설명할 때 시가총액과 NOI를 연결하는 표현은 주의한다. 자산 전체 NOI라면 대응하는 자산가치·순부채 조정 기업가치를 써야 하고, 지분 시가총액만 분모에 넣으면 레버리지 때문에 비교가 왜곡될 수 있다.

12.8 Exit은 매수자에 맞는 자산·계약을 만드는 과정이다

매수자 유형, S20의 구분	투자 시각	매도자가 준비할 사항
국내 기관자본	상대적으로 정해진 펀드 보유기간·운영수입	금융조건·가동 안정성·예정 매각시점
글로벌 인프라 자본	장기 보유·운영 안정성	규모·계약구조·운영사·장기 수요
데이터센터 리츠·전문 운영사	장기·영속적 포트폴리오 편입	기술표준·장기임대·비용부담·토지·전력 권리

Keppel의 개발펀드 → 안정화 → 상장리츠 편입 구조는 개발 위험을 감수하는 자본과 안정적인 장기자산을 원하는 자본을 연결한다. 보고서의 안산 사례는 이 경로의 가능성을 설명한다. 향후 리츠 편입이 이미 확정된 것은 아니며 우량임차인 확보·개발·안정화가 조건이다.

Equinix·Digital Realty 같은 운영사의 한국 자산 매입 역시 보고서가 제시한 잠재 경로다. 유명 매수자 이름을 써 놓았다고 Exit이 보장되지 않는다. 설비교체 책임, OpCo 계약 잔존기간, 임차인과의 직접 계약 여부, 운영사 교체 가능성을 실사해야 한다.

12.9 보고서의 정책표를 시험에서 읽는 방법

S20 PDF 35쪽은 AIDC 관련 법안·정책의 특례를 표로 제시한다. 본문에서 현재 시행 여부를 별도 확인하지 않았으므로 자료상 정책 내용으로 읽는다.

자료가 제시한 항목	경제적으로 바뀌는 경로
인허가 일괄처리	일정 불확실성과 금융비용 감소 가능
비수도권 전력계통영향평가 면제	신규 공급 진입조건 변화; 실제 전력 물량 보장과는 구분
재생에너지 직접공급	전력조달·RE100 수요 대응
설치기준 완화	시설 비용·설계 제약 변화
산업입지·항만 관련 특례	가능한 입지의 범위 변화
특구의 인프라·비용지원	개발원가와 사업성 변화

법률 명칭·처리기한·면제용량을 현재 확정된 규칙처럼 외우기보다, 규제 완화가 개발비·시간·공급·기존자산 희소성에 어떤 방향으로 작용하는가를 설명한다. 수도권 규제가 유지되고 비수도권만 완화되면 기존 수도권 자산의 희소성과 비수도권 신규개발 기회가 동시에 존재할 수 있다.

스스로 설명해 보기: “AI 수요가 늘고 시장 임대료가 오르는데 투자 IRR은 낮을 수 있는가?”를 매입가격, 계약 인상률, CapEx, Exit cap, 차입금리로 답해 보자.

근거: S20 전체, 특히 PDF 5~12·14~25·28~44쪽.

13. 뉴스를 시험 답안으로 바꾸는 방법

13.1 숫자 하나를 보기 전에 다섯 가지를 확인한다

S11~S13은 특정 날짜의 뉴스레터다. 동일한 표현의 캡레이트라도 서울 전체·A급·권역별, 현재·안정화 NOI, 명목·실효, 거래·평가 기준이 다를 수 있다. 날짜도 2025년 4분기, 2026년 2분기, 10월 시장금리가 섞여 있다.

시점, 지역·등급, 분자 정의, 분모 정의, 표본·출처를 확인하고 나서 계산한다. 서로 다른 기관의 평균을 이어 붙여 하나의 정확한 시계열이라고 부르지 않는다.

13.2 국채금리가 내리면 캡레이트 스프레드는 어떻게 되는가

자료의 캡레이트 4.41%를 그대로 두고 국채금리를 3.93%에서 3.85%로 바꾸면:

4.41 - 3.93 = 0.48 % p = 48bp

4.41 - 3.85 = 0.56 % p = 56bp

스프레드는 8bp 확대된다. 그러나 이것은 서로 다른 시점의 지표를 사용한 단순 비교다. 캡레이트가 즉시 반응하지 않았을 수 있고, 실제 차입금리는 기준금리 외 가산금리에도 좌우된다. 스프레드가 커졌다는 이유만으로 자산의 NPV가 자동으로 양수가 되는 것도 아니다.

13.3 공실률과 임대료가 함께 오르는 이유

첫째, 신규 고급 오피스가 들어오면 초기 공실이 높으면서 시장 평균 호가임대료를 끌어올릴 수 있다. 둘째, 기존 계약의 명목임대료는 경직적이고 렌트프리로 실효가격을 조정할 수 있다. 셋째, 계약 갱신 시차 때문에 현재 공실과 과거 협상으로 정해진 임대료가 함께 관측된다. 넷째, 권역별로 반대 방향이 나타나도 서울 평균에는 섞여 보인다.

따라서 공실·명목임대료 동반 상승이 관찰되면 평균이 아니라 동일 건물·동일 계약·실효조건을 추적해 보아야 한다.

13.4 세일앤리스백: 매각 후에도 계속 쓰는 이유

기업은 사옥을 팔고 다시 임차해 묶여 있던 현금을 회수한다. 운영·투자·부채상환에 현금을 쓸 수 있지만 미래 임대료 의무를 부담하고 향후 자산가치 상승분을 포기한다. 매수자는 임차인이 확보된 자산을 사지만 그 기업의 신용과 계약조건에 의존한다.

임대료를 높게 정하면 매각가격이 높아 보일 수 있으나 임차인의 지급부담과 갱신위험도 커진다. 매각가와 임대차를 별개로 보면 안 된다.

S13의 ABL타워 사례는 가장 높은 제시가격만이 거래를 결정하지 않는다는 것을 보여준다. 자료상 코람코 제안에는 실수요 SI, 블라인드펀드 FI, 매도자의 계속 사용, 하드디파짓 등 실행조건이 포함된다. 하드디파짓은 계약조건상 몰취위험이 있는 예치금으로 이행의지를 보여줄 수 있지만 매수자의 철회비용을 키운다. 정확한 몰취조건은 계약에 따른다.

13.5 25년 동안 4.6배가 되었으면 연 수익률은 얼마인가

S13의 평당 633만 원에서 2,900만 원으로의 변화는 가격배수 약 4.581배다. 단순히 358%를 25로 나누는 것은 연복리 수익률이 아니다.

C A G R = {(\frac{2900}{633})}^{1 / 25} - 1 \approx 6.28 %

이는 가격만의 연복리 상승률이다. 총수익률을 구하려면 25년간 임대소득·공실·운영비·CapEx·차입·세금·거래비용이 필요하다. 기사에 임대현금흐름이 없으면 정확한 총수익률을 계산할 수 없다고 쓰는 것이 정답이다.

13.6 연체율이 내려가면 부실이 해결됐는가

연체율은 연체잔액/대출잔액이다. 연체채권을 매각·상각하거나 신규 정상대출이 늘어도 비율이 낮아질 수 있다. 따라서 연체율만이 아니라 연체잔액, 전체잔액, 신규취급, 정리·상각, 업권·사업유형별 분포를 함께 본다.

자료에 PF대출 잔액과 PF 전체 익스포저가 함께 나오면 분모가 다를 수 있다. 토지담보대출, 보증, 유동화 관련 노출을 어디까지 포함했는지 확인한다. 서로 다른 모집단의 비율을 빼서 개선·악화를 판단하지 않는다.

개발금융의 자기자본 비율을 높이면 손실 완충력이 커지고 대출 의존이 줄 수 있다. 그러나 단기에는 개발자의 자본조달 부담이 늘어 착공이 감소할 수 있다. 정책은 건전성 개선과 공급속도의 절충으로 읽는다.

13.7 도쿄 3.10%, 서울 4.41%라면 서울이 더 좋은가

두 수치는 자료에 제시된 비교값일 뿐 동일한 투자수익률이 아니다. 통화별 무위험금리, 임대료 성장, 임차인·건물 위험, 세금·거래비용, 환헤지 비용, 캡레이트 측정법이 다르다.

가상 예제로 해외 현지수익률이 5%여도 통화가 원화 대비 10% 하락하면 환헤지 없는 원화수익률은 $1.05 \times 0.90 - 1 = - 5.5 %$ 다. 환율을 포함한 현금흐름과 요구수익률을 같은 통화로 맞춰야 한다.

뉴스레터가 소개한 외부 논문들은 첨부된 전문 논문이 아니다. “투자자 구성 변화와 가격”, “가격·거래량의 공동동학”, “고정금리와 통화정책 전달”이라는 연결 주제로 활용하되, 소개문만으로 해당 논문의 구체적인 식별전략과 실증결과를 확인했다고 쓰지 않는다.

스스로 설명해 보기: 뉴스 한 문장을 골라 ‘관측 사실 → 가능한 경로 → 반대 효과 → 더 필요한 자료 → 조건부 결론’의 다섯 문장으로 바꿔 보자.

근거: S11·S12·S13 전체. 기사 수치는 첨부본 기준이며 본 장은 그 수치를 사용한 해석 연습이다.

14. 통합 서술형·계산 연습과 답안

아래 문제는 자료를 연결한 자작 연습문제다. 실제 기출이나 교수자의 출제 예고가 아니다.

14.1 답안을 만드는 기본 문장 순서

결론을 조건부로 제시 → 개념·식 정의 → 인과 경로 → 계산·근거 → 한계·추가 자료 순으로 쓴다. 수치를 계산하고 끝내지 말고 그 숫자가 자산·지분·채권자 중 누구의 수익인지 적는다.

문제 1. 리츠 배당수익률 8%와 오피스 캡레이트 4% 중 무엇이 더 좋은가?

답: 두 지표만으로 판단할 수 없다. 캡레이트는 건물 전체가치 대비 차입 전 NOI이고, 배당수익률은 주가 대비 주주 배당이다. 리츠의 부채, 관리비용, 주가의 NAV 할인, 특별배당, 섹터 구성에 따라 차이가 생긴다. 배당 외 주가손익도 있으므로 동일 기간·위험·현금흐름 기준으로 총수익을 비교해야 한다.

문제 2. NOI 50억, 가격 1,200억, 시장 캡레이트 4.5%인 건물은 싼가?

답: 내재 캡레이트는 $50 / 1200 = 4.167 %$ , 같은 NOI의 시장기준 가치는 $50 / 0.045 = 1, 111.11$ 억이다. 제시가격은 약 8% 높다. 동일한 위험·성장·NOI 기준이라면 비싼 편이지만 우량임차인·성장·개발옵션이 프리미엄을 정당화할 수 있는지 확인해야 한다.

문제 3. NOI가 10% 증가했지만 캡레이트가 4%에서 5%로 오르면?

답: 가치비율은 $1.10 \times 0.04 / 0.05 = 0.88$ 로 12% 하락한다. 이는 영업개선보다 자본시장의 가격평가 변화가 크게 작용한 결과다. 총 보유수익률은 이 가치하락에 보유 중 순현금수입을 더해 계산한다.

문제 4. 월세 100, 5년 계약 전체에서 6개월 무상과 매년 2개월 무상을 비교하라.

답: 첫 조건은 총 60개월 중 6개월 면제이므로 단순 실효 월세는 90이다. 둘째는 매년 12개월 중 2개월 면제여서 약 83.33이다. 관리비·지원금·할인을 제외한 단순평균 비교이며, 무상 제공시점에 따라 현재가치는 달라진다.

문제 5. 금리 인상 시 임대료와 자산가격은 어떻게 움직이는가?

답: 요구수익률 상승은 같은 NOI의 가치를 낮출 수 있다. 개발 유인이 줄어 장기 공급 증가가 둔화되면 임대료를 지지할 수 있지만, 동시에 경기와 임차수요가 약해지면 임대료도 떨어질 수 있다. 자산가격의 즉시 반응과 공급·임대료의 지연 반응을 나누고 다른 조건을 명시해야 한다.

문제 6. 자산 100억, NOI 6억, 차입 60억, 금리 4%, 만기일시상환이라면?

답: 자기자본 40억, 연 이자 2.4억, 운영 지분현금 3.6억이므로 단순 CoC는 9%다. DSCR은 $6 / 2.4 = 2.5$ , LTV는 60%다. CapEx·세금·거래비용·가격변화가 없다는 가정이다. $D / E = 1.5$ 를 넣은 $6 % + (6 % - 4 %) \times 1.5 = 9 %$ 와 일치한다.

문제 7. 위 사례에서 NOI가 20% 줄고 금리가 6%가 되면?

답: NOI 4.8억, 이자 3.6억, 지분현금 1.2억, CoC 3%, DSCR 약 1.333이다. LTV는 부채/현재가치이므로 NOI만으로 새 LTV를 확정할 수 없다. 예를 들어 새 가치가 80억이면 LTV는 75%다. 대출금리가 변하는 것은 변동금리 또는 차환이라는 조건이 필요하다.

문제 8. 만기 가치 80억, 기존 대출 60억, 새 허용 LTV 60%라면?

답: 새 대출한도는 48억, 차환 부족분은 12억이다. 운영이자 지급이 가능하더라도 자기자본 추가투입·매각·채무조건 변경이 필요할 수 있다.

문제 9. 렌트프리 모형에서 공실률이 비유의면 공실은 중요하지 않은가?

답: 해당 표본·변수·시차·모형에서 관계를 명확히 식별하지 못했다는 뜻이다. 제공 여부와 기간의 질문이 다르고, 계약시점과 공실 관측시점 차이, 임대인 운영전략, 표본선택이 영향을 줄 수 있다. 서로 다른 논문의 모형별 결과를 비교해야 한다.

문제 10. Cox의 HR이 0.8이면 렌트프리가 20% 증가하는가?

답: 아니다. 사건을 기간 종료로 정의했다면 조건부 종료 위험률이 기준의 0.8배라는 뜻이다. 기간이 길어지는 방향과 연결할 수 있지만 평균기간 증가율 20%로 바로 바꿀 수 없다. 기간·사건 정의와 비례위험 가정을 확인한다.

문제 11. 머신러닝에서 공실률과 임대료가 양의 관계면 공실을 늘려야 하나?

답: 아니다. 종속변수가 호가임대료이고 렌트프리 조정이 빠져 있다. 높은 표면임대료와 인센티브가 함께 나타나거나 건물특성이 다를 수 있다. 예측관계는 공실을 조작했을 때의 인과효과가 아니다.

문제 12. 유상증자로 AUM이 늘면 기존 주주에게 좋은가?

답: AUM 증가 자체는 충분하지 않다. 발행가격과 신주수, 편입 자산의 순현금흐름, 조달·운영비용, 주당 NAV·FFO·배당 변화를 확인한다. AMC 보수가 규모에 연동되어 있으면 이해상충도 검토한다.

문제 13. RCPS로 조달하면 원금보장과 무희석 성장이 가능한가?

답: 상환권은 지급능력 안에서 의미가 있고, 전환·리픽싱은 미래 희석을 만들 수 있다. 청산우선권은 보통주보다 먼저 받을 권리이지 채권자보다 앞서거나 손실이 없다는 뜻이 아니다. 계약구조와 사업현금흐름이 함께 건전해야 한다.

문제 14. 데이터센터 임대료가 시장에서 20% 오르면 보유자산 NOI도 20% 오르는가?

답: 기존 계약의 인상조항·갱신시점·램프업·운영사 구조·비용부담에 따라 다르다. 계약상 인상률이 2%라면 당장 시장상승을 반영하지 못할 수 있다. 기술진부화에 대응한 CapEx까지 빼면 실제 투자현금은 더 적다.

문제 15. 전력 승인 비중 1.9%를 성공확률로 써도 되는가?

답: 집계의 분모·단계·기간을 확인해야 한다. 최종 승인건수를 모든 누적 신청으로 나눈 비율에는 심사대기·미진행 건이 포함될 수 있어, 같은 시점에 신청한 집단의 최종 성공확률과 다르다. 희소성 신호와 확률 추정을 구분한다.

문제 16. 국채수익률 2.7%와 오피스 Cap 4.2%의 차이는 위험프리미엄 1.5%인가?

답: 단순 캡레이트 스프레드는 1.5%p다. 그러나 $c = k - g$ 모형에서는 $c - r_{f} = R P - g$ 이므로 순수 위험프리미엄이라고 바로 단정할 수 없다. 성장 기대와 관측 기준이 필요하다.

문제 17. CapEx를 NOI에서 빼지 않으면 계산이 무조건 틀린가?

답: 통상 NOI는 CapEx 이전의 영업지표다. 따라서 NOI 계산 자체에서는 별도 처리할 수 있다. 그러나 DCF·IRR·배당 가능한 현금을 구할 때 필요한 CapEx를 누락하면 과대평가다. 정의와 분석 목적이 중요하다.

문제 18. 수정듀레이션이 6이고 금리가 50bp 오르면 가격은?

답: 작은 변화 근사로 $- 6 \times 0.005 = - 3 %$ 다. 현금흐름이 고정되어 있다는 조건과 근사오차가 있으며, 조기상환 옵션이 있으면 실효듀레이션이 달라질 수 있다.

14.2 통합 계산 한 문제로 전체 연결하기

가상 조건: 연 잠재임대료 10억, 점유율 90%, 임대된 공간에 매년 1개월 렌트프리, 기타수입 0.3억, 운영비 3억, 필요 CapEx 0.4억, 가격 120억, 대출 60억·연 5% 이자만 지급, 시장 캡레이트 5%.

단계	계산	결과
수취 임대료	$10 \times 0.9 \times 11 / 12$	8.25억
EGI	8.25+0.3	8.55억
NOI	8.55−3	5.55억
NCF	5.55−0.4	5.15억
내재 캡레이트	5.55/120	4.625%
단순 환원가치	5.55/5%	111억
연 이자	60×5%	3억
운영 지분현금	5.15−3	2.15억
CoC	2.15/60	약 3.583%
DSCR	5.55/3	1.85
LTV	60/120	50%

해석: 부채지급 여력은 존재하지만 시장기준 단순가치 111억보다 제시가격 120억이 높다. 성장·안정성 프리미엄의 근거가 없으면 재협상이 합리적이다. CapEx 반영 정의, 렌트프리가 점유율에 이미 포함됐는지, 임차인 만기, 미래 매각가를 추가로 확인해야 한다. 매각시점과 금액이 없으므로 IRR은 아직 계산할 수 없다.

14.3 시험 직전 확인할 열 가지 질문

분자와 분모가 같은 자산·면적·시점·통화 기준인가?
월·연, 원·만원·억원, %·%p·bp를 맞췄는가?
NOI와 총임대료·NCF·지분현금을 구분했는가?
렌트프리·공실·운영비를 빠뜨리거나 두 번 빼지 않았는가?
Cap·총수익률·IRR·배당수익률을 같은 지표처럼 비교하지 않았는가?
레버리지 배수에 LTV 대신 D/E를 썼는가?
매각가에 사용할 NOI가 보유말 다음 해의 것인지 확인했는가?
논문의 유의성과 인과성, OR과 HR을 구분했는가?
시황 수치의 날짜·표본과 정책의 제안·시행 상태를 구분했는가?
숫자 뒤에 ‘어떤 가정에서, 누구에게, 무엇을 뜻하는지’를 한 문장 붙였는가?

부록 A. 공식·용어 빠른 검색

공식을 찾았으면 먼저 분자와 분모의 기간·단위·청구권을 맞춘다. 월 임대료와 연 수익률을 직접 나누거나, 자산 NOI를 지분 투자액으로 나누면 서로 다른 것을 섞게 된다.

질문	기본식	먼저 확인할 조건
임대료에서 실제 수입은?	$E G I = P G I - 공 실 손 실 - 임 대 료 감 면 + 기 타 수 입$	PGI에 이미 감면이 반영됐는가?
건물 자체의 영업성과는?	$N O I = E G I - O p E x$	이자·소득세·감가상각·CapEx를 운영비로 중복 공제하지 않기
자산에서 쓸 수 있는 현금은?	$N C F = N O I - C a p E x$	리저브·임차인 유치비 등 포함 범위는 문제의 정의 확인
지분에 남는 현금은?	$E C F = N C F - 원 리 금 상 환$	매각기에는 순매각대금·대출잔액 별도 반영
임대소득 대비 가격은?	$c = N O I / P$ , $P = N O I / c$	연간 NOI, 시장 Cap과 적용 NOI의 기준 일치
성장과 Cap은 어떻게 연결되는가?	$P = N O I_{1} / (k - g)$ , $c = k - g$	영구 일정성장, $k > g$ , 차기 NOI
Cap 변화의 가격 효과는?	$P_{2} / P_{1} = c_{1} / c_{2}$	NOI 불변일 때의 정확식
한 기간 총수익률은?	$r = (C F + P_{1} - P_{0}) / P_{0}$	CF의 비용 차감 범위·중간 현금흐름 시점
여러 해 복리수익률은?	$r_{G} = [\prod_{t = 1}^{n} (1 + r_{t})]^{1 / n} - 1$	산술평균과 구분
실질수익률은?	$1 + r_{r e a l} = (1 + r_{n o m i n a l}) / (1 + π)$	단순 뺄셈은 근사
요구수익률을 만족하는가?	$N P V = \sum_{t = 0}^{T} C F_{t} / (1 + k)^{t}$	지분 CF에는 지분 요구수익률
현금흐름 자체의 수익률은?	$\sum_{t = 0}^{T} C F_{t} / (1 + I R R)^{t} = 0$	부호가 여러 번 바뀌면 복수해·무해 가능
매각 시 자산가격은?	$T V_{T} = N O I_{T + 1} / c_{e x i t}$	매각비용·대출상환 전 가격
차입비율은?	$L T V = D / V$ , $D / E = L T V / (1 - L T V)$	D/E와 LTV는 다른 수
단순 레버리지 효과는?	$r_{E} = r_{A} + (r_{A} - r_{D}) D / E$	세금·비용·상환 구조를 생략한 일기간 관계
현재 현금배당 여력은?	$C o C = 연 간 지 분 현 금 / 초 기 지 분 투 자 액$	가치상승 포함하지 않음
원리금을 감당하는가?	$D S C R = N O I / 연 간 원 리 금 상 환 액$	대출약정상 분자 정의 확인
채권의 가격은?	$P = \sum_{t = 1}^{m T} (F c / m) / (1 + y / m)^{t} + F / (1 + y / m)^{m T}$	c는 쿠폰율, y는 YTM, m은 연 지급횟수
가격과 금리의 민감도는?	$Δ P / P \approx - D_{m o d} Δ y$	작은 금리변화 근사, 옵션부채권은 유효듀레이션 고려
명목임대료를 실효임대료로 바꾸면?	$R_{e f f} = R_{f a c e} (T - F) / T$	T와 무상기간 F의 단위 일치, 단순 균등·할인 생략
리츠 가치가 자산가격에 비해 싼가?	$P / N A V = 주 가 / 주 당 N A V$	NAV 평가시점·부채·증자 후 주식수
물리적 데이터센터 효율은?	$P U E = 시 설 총 전 력 / I T 장 비 전 력$	서로 다른 전력 용량을 직접 비교하지 않기

비슷한 단어를 구분하는 사전

용어 묶음	구분의 핵심
Asking / Face / Effective rent	제안가격 / 계약의 표면가격 / 인센티브를 반영한 실질 부담. Asking은 체결가격이 아니다.
NOI / NCF / 지분현금	운영성과 / 자본지출 후 자산현금 / 부채 서비스 후 소유자현금
Cap / 할인율 / IRR	가격 대비 한 해 소득 / 현금흐름 위험의 요구수익률 / 투자 현금흐름이 만드는 수익률
시장 Cap / 내재 Cap	비교거래로 추정한 시장가격 기준 / 주어진 투자안 가격으로 역산한 비율
수익률 / 수익률 스프레드	절대 비율 / 두 비율의 차이. 1%p는 100bp다.
유동성 / 지급능력	당장 현금을 마련할 수 있음 / 자산·수익으로 장기 의무를 감당할 수 있음
공실 / 순흡수 / 공급	비어 있는 면적 / 점유면적의 순증감 / 새로 추가된 공간
유상증자 / 회사채	지분 청구권의 확대 / 이자·상환 의무의 확대
상환권 / 전환권	약정에 따른 현금회수 요구 / 다른 증권으로 바꿀 권리. 행사 주체를 확인한다.
FFO / 배당 / NOI	리츠 회계지표 조정값 / 실제 주주 분배 / 부동산 운영성과
OR / HR	이항결과의 오즈비 / 아직 사건이 발생하지 않은 집단의 순간 발생위험 비율
설명 / 예측 / 인과	관측 관계의 해석 / 새 사례의 결과 추정 / 조건을 바꿨을 때의 효과
통계적 유의 / 경제적 중요	표본 오차에 대한 증거 / 효과 크기의 실제 의미
장부가 / 평가가 / 거래가	회계 기록 / 가정에 따른 추정 / 실제 합의 가격

부록 B. 원자료 오류·혼동·해석 유보 확인표

이 표는 원문을 암기했을 때 계산·논리에서 충돌할 수 있는 부분을 모은 것이다. ‘오류’로 단정할 수 있는 산술과, 정의·가정이 빠져 판단을 유보해야 하는 항목을 구분했다. 시험에서는 단순히 “자료가 틀렸다”라고 쓰기보다 채택한 정의와 계산 과정을 보여주는 것이 안전하다.

원자료	확인할 부분	본문에서 채택한 처리
S03, PDF 9~10쪽	액면 10,000, 쿠폰 3%, YTM 2.7%, 3년·반기 지급 채권의 제시 가격	각 쿠폰을 별도 할인하면 약 10,085.90. 원문 10,084.87과 차이가 있다.
S04, PDF 10쪽	채권 제목·본문 가격이 서로 다르고 쿠폰의 재투자를 가격식에 혼합	쿠폰 2.25%, YTM 2.42%, 3년·반기 조건에서는 약 9,951.09. 각 지급액의 현재가치를 더한다.
S06, PDF 7~10쪽	3.8억 원이 NOI인지 총임대수입인지 불명확하고 다시 공실·운영비를 차감	7장의 기본 예제는 NOI 3.8억으로 명시. 총임대수입으로 해석하는 대안은 따로 계산한다.
S06, PDF 7~10쪽	‘CapEx=NOI의 3%’와 연도별 표의 금액이 일치하지 않는 부분	매년 해당 연도 NOI의 3%를 일관되게 사용한다. 원문의 결과를 같은 가정의 계산으로 가장하지 않는다.
S06, PDF 7~10쪽	원문 현금흐름과 표시 IRR 불일치	현금흐름이 정확히 -50, 0.915, 1.012, 40.626이면 IRR은 약 -5.34%. 표의 -5.8%와 다르다. 다른 시나리오도 입력을 통일해야 비교할 수 있다.
S06, PDF 7쪽·16쪽	레버리지 식에 LTV와 D/E 혼용	$r_{E} = r_{A} + (r_{A} - r_{D}) D / E$ . LTV가 50%라면 D/E는 1이다.
S06, PDF 16쪽	부정적 레버리지와 현금수익률의 음수를 같은 뜻으로 읽을 위험	부정적 레버리지는 차입이 지분수익률을 낮춘다는 뜻. 예제의 3.1%는 여전히 양수다.
S06, PDF 14쪽	Cap 4%→5%일 때 가격 -25%로 서술	NOI 불변의 정확한 변화율은 4/5-1=-20%. -25%는 초기값을 쓴 1차 민감도 근사다.
S06, PDF 14쪽	위기 때 소득수익률+가치변화율 관계가 깨진다고 읽을 여지	같은 기준으로 정의한 사후 총수익률 항등식은 유지된다. 위기 때 어려워지는 것은 소득·가격·성장 가정의 예측이다.
S02, PDF 13쪽	레버리지가 수익률을 언제나 바꾼다는 표현	자산수익률과 차입비용이 같으면 단순 모형에서 레버리지 효과는 0이다. 위험·유동성 문제는 별도다.
S03, PDF 14쪽	쿠폰율과 YTM이 항상 다르다는 표현	액면 거래 등 적절한 조건에서는 같을 수 있다. 두 개념이 다른 것과 숫자가 항상 다른 것은 별개다.
S05, PDF 9쪽	RP를 Cap-무위험금리로 정의한 뒤 성장률을 또 차감하면 중복	할인율 기준 $R P = k - r_{f}$ 로 두면 $c = r_{f} + R P - g$ . Cap 스프레드와 RP를 구분한다.
S05, PDF 10쪽	임대료 124,450×12×94.5%의 계산	정확히 1,411,263. 비용률 40%라면 NOI 846,757.8, Cap 4.2% 가치 20,160,900. 원문 수치와 소폭 차이가 있다.
S02·S05의 거래·임대료 사례	임대료 관측 시점·추정 운영비·가격 자료의 기준 차이	관측 가격과 단순 환원값의 차이를 성장 프리미엄 하나로 단정하지 않는다.
S17, 1쪽 및 S16	리모델링 후 Cap 상승을 NOI 증가율이 가격 증가율보다 낮은 것으로 해설한 부분	$c = N O I / P$ 이므로 Cap 상승에는 NOI의 비례 증가가 가격의 비례 증가보다 커야 한다. 유의성도 모형별로 확인한다.
S16	초록의 기간 표현과 본문 자료 기간의 차이	분석 설명은 본문 2000~2005년 자료를 기준으로 한다. 전체 거래 표본 186개와 Cap 분석 109개를 구분한다.
S08	2천억 원 미만 비중을 본문은 6/24=25%, 결론은 절반 이상으로 기술	서로 맞지 않으므로 하나의 확정 통계로 통합하지 않는다. 표본·기준이 다르다는 추가 근거 없이는 비교 유보.
S08	RCPS의 장점 중심 결론을 모든 사례의 성공으로 일반화할 위험	WHLR 사례의 희석·재무곤란을 함께 읽는다. 조달수단의 존재가 자본비용의 저렴함을 보장하지 않는다.
S20, PDF 17쪽	522건 대비 10건 약 1.9%를 최종 사업 성공확률로 읽을 위험	특정 단계·시점의 집계 비율이다. 진행 중 사업의 최종 승인확률과 다르다.
S20, PDF 30쪽	리츠 내재 Cap 설명에서 시가총액만 분모로 읽을 위험	자산 NOI에는 부채까지 반영한 자산가치 대응 분모를 사용한다. 단순 주식시가총액은 지분 분모다.
S20의 AI 추론 비중	전체 AI·전체 워크로드·훈련 대비 비중의 분모가 섞일 여지	‘26%→42%’ 같은 수치는 원도표의 범위 확인 없이 추론이 훈련을 추월한다는 동일 명제로 쓰지 않는다.
S01·S07의 시장·제도 설명	최소 거래금액, 과거 시장 규모·비중, LIBOR 전환 등 시점 의존 정보	개념과 당시 관측치를 구분한다. 모든 계약이 SOFR로 통일된 것으로 일반화하지 않는다.
S04의 효율적 시장 논의	가격 급락만으로 약형 효율성의 부정을 결론 내릴 위험	정보집합 대비 초과수익 예측가능성과 가격 변화 자체는 다른 질문이다.
공간시장·공급 모형	선형식의 계수와 탄력성 혼용, 재택근무 충격의 부호 혼동	탄력성은 변화율의 비율이다. 충격은 먼저 수요곡선을 이동시킨 뒤 새 균형을 설명한다.

원자료의 정책·법률·세금·신용등급 기준은 자료 작성 당시의 설명으로 보존했다. 이 표의 정정은 첨부 자료 내부의 계산과 논리를 검토한 것이며, 현행 제도의 외부 검증표는 아니다.

부록 C. 자료목록과 학습 범위 연결

자료 번호는 본문 인용, 아래 원문 펼침 링크, 부록 D의 각 페이지 제목에 공통으로 사용한다. PDF 쪽수는 파일의 첫 페이지를 1쪽으로 센다. 원본 링크는 제공된 파일을 여는 링크다.

번호	원자료	PDF 쪽수	연결되는 학습 내용
S01	Lecture Note1_Introduction_Updated.pdf	30	1~3장·투자환경과 금융상품
S02	Lecture Notes 01_부동산 투자환경의 이해(1).pdf	13	1·5·8장·투자환경과 차입
S03	Lecture Notes 02_금융상품의 이해(1).pdf	15	2장·단기금융·채권·주식·파생상품
S04	Lecture Notes 03_증권의 거래(1).pdf	15	3장·거래시장·가격발견·국채 발행
S05	Lecture Notes 04_부동산 공간시장 자산시장 시스템(1).pdf	15	4~6장·공간시장·4분면·Cap
S06	Lecture Notes 05_부동산 수익률의 측정(1).pdf	20	7~9장·수익률·레버리지·증권화
S07	Lecture Notes1_Introduction.pdf	11	1·2·9장·투자 입문과 모기지
S08	국내 리츠 자금조달 방안에 관한 연구_ 한국 유상증자와 미국 상환전환우선주 사례를 중심으로.pdf	39	11장·리츠 증자·RCPS 비교
S09	머신 러닝 방법을 이용한 오피스 임대료 산정.pdf	31	10장·머신러닝 임대료 추정
S10	몸 키우는 상장리츠, 유상증자·회사채로 ‘실탄 장전’.pdf	2	11·13장·리츠 자금조달 기사
S11	부동산금융투자_CapRate_리포트_2026-10-07.pdf	6	6·13장·Cap 시황과 스프레드
S12	부동산금융투자_주간뉴스레터_2026-10-12.pdf	5	6·13장·거래·조달·시장 뉴스
S13	부동산금융투자_주간뉴스레터_2026-10-19.pdf	6	6·12·13장·거래·데이터센터·시장 뉴스
S14	서울 오피스 시장의 임대계약 사례를 이용한 렌트프리 기간의 결정요인 분석.pdf	27	5·10장·렌트프리 기간과 생존모형
S15	서울 오피스 임대계약의 렌트프리 영향요인(박사학위논문).pdf	149	5·10장·렌트프리 존재·기간 통합
S16	서울시 오피스 건물의 자본환원율 결정요인.pdf	16	6·10장·오피스 Cap 실증분석
S17	서울시 오피스 자본환원율 결정요인_1페이지 학습가이드.pdf	1	6·10장·Cap 연구 학습가이드
S18	시장 캡레이트와 내재 캡레이트.pdf	15	6장·시장 Cap과 내재 Cap
S19	실제 임대계약 사례를 이용한 서울 오피스 임대시장의 렌트프리 결정요인 분석.pdf	22	5·10장·렌트프리 부여 여부
S20	한국 데이터센터 투자_CBRE.pdf	45	12장·한국 데이터센터 투자

전체 20개 파일, 483쪽. 중복되는 개념은 본문에서 통합했으며, 자료별 상세 표·그림·참고문헌·세부 수치는 다음 부록의 각 페이지에서 확인한다.

부록 D. 원자료 전체 보존본 — 20개 PDF, 483쪽

본문에서 중복 내용을 합쳐 설명한 대신, 누락 없이 다시 확인할 수 있도록 원자료의 모든 페이지 이미지와 검색용 추출 텍스트를 아래에 함께 넣었다. 자료별 펼침 항목을 열면 된다. 원자료의 오류·과거 수치도 원형대로 남아 있으므로 본문의 정정표와 구분해서 읽는다. 표의 행·열 및 수식은 이미지가 기준이며, 추출 텍스트에는 글자 순서·수식 깨짐이 있을 수 있다. 이미지 전용 논문 S16은 이미지로 보존했다.

페이지 이미지는 읽기용으로 크기·용량을 줄였고 일부 흑백 자료는 흑백으로 압축했다. 원본 PDF의 해상도와 색상을 그대로 복제한 파일은 아니며, 미세한 글자나 색상 구분이 필요하면 부록 C의 원본 링크를 연다. 이미지는 파일 안에 내장되어 별도 이미지 폴더가 필요 없다. 다만 일부 Markdown 앱은 보안 정책상 data: 이미지를 표시하지 않는다. 그 경우 검색용 본문·표·해설은 그대로 읽을 수 있으며, 원자료 목록의 링크에서 원본을 확인한다. 전체 보존 부록 때문에 파일 크기가 크므로 평소 공부는 위의 본문을 사용한다.

S01 · Lecture Note1_Introduction_Updated.pdf · 30쪽 — 원문 펼치기

S01 · PDF 1쪽

S01 PDF 1쪽

이 페이지 검색용 텍스트

THE REAL ESTATE INVESTMENT
ENVIRONMENT
Real Estate Investments
Professor: Jung-Suk Yu, Ph.D.

S01 · PDF 2쪽

S01 PDF 2쪽

이 페이지 검색용 텍스트

Learning Objectives

Understand differences in financial and real assets and be able to identify the major participants in the
financial markets.

Describe the role of financial assets and markets in the economy and understand how the financial
system meets the needs of economic participants.

Describe ongoing innovation in the financial markets and identify emerging trends in real estate
investment.

Apply theoretical concepts to analyze current market conditions and make informed investment
decisions in real estate markets.

S01 · PDF 3쪽

S01 PDF 3쪽

이 페이지 검색용 텍스트

Course Overview

Introduction to the general concept of investing: foregoing spending cash today in the hopes of
increasing wealth in the future.

Differentiation between real assets and financial assets, and exploration of major categories of
financial assets.

Overview of financial markets and description of the needs of various participants in the economy.

Examination of how financial institutions meet the needs of investors and issuers of securities.

Analysis of ongoing innovation in the markets and current trends in real estate investment.

S01 · PDF 4쪽

S01 PDF 4쪽

이 페이지 검색용 텍스트

Real Assets vs. Financial Assets (1)
Assets can be classified into two main categories based on their nature and function in the economy:
Real Assets
Definition: Physical assets used to produce goods and services in an economy
Characteristics: Tangible, have intrinsic value, directly contribute to production
Components: Land, buildings, equipment, machinery, and knowledge/worker skills
Ownership: Direct ownership of tangible property with physical presence

S01 · PDF 5쪽

S01 PDF 5쪽

이 페이지 검색용 텍스트

Real Assets vs. Financial Assets (2)
Real Assets Examples
Commercial real estate: Office buildings, retail
spaces, warehouses, and apartment complexes
Manufacturing facilities: Factories, production
plants, and industrial equipment
Natural resources: Land, timber, agricultural
properties, and mineral rights
Financial Assets Examples
Stocks: Shares of General Motors or Ford
instead of directly owning auto plants
REITs: Real Estate Investment Trusts that own,
operate, or finance income-producing
properties
Mortgage-backed securities: Claims on cash
flows from pools of mortgages

S01 · PDF 6쪽

S01 PDF 6쪽

이 페이지 검색용 텍스트

Key Takeaways: Asset Classification

S01 · PDF 7쪽

S01 PDF 7쪽

이 페이지 검색용 텍스트

The Role of Financial Markets (1)
Financial markets serve several critical functions in the economy:
Consumption Timing
Financial markets allow individuals to borrow from future income or save for future consumption,
optimizing utility across time periods.
Allocation of Risk
Markets enable risk to be transferred to those most willing to bear it. For example, risk-tolerant investors
buy shares of stock in companies, while more conservative individuals purchase bonds with fixed
payments.

S01 · PDF 8쪽

S01 PDF 8쪽

이 페이지 검색용 텍스트

The Role of Financial Markets (2)
Separation of Ownership and Management
Financial markets allow companies to raise capital from many investors while professional managers
operate the business.
⚠Agency Problems
This separation creates potential agency problems where managers' interests may not align with
shareholders' interests.
Example: Managers may pursue growth over profitability to increase their compensation or status.
⚖Mitigating Agency Problems

S01 · PDF 9쪽

S01 PDF 9쪽

이 페이지 검색용 텍스트

Intertemporal Consumption Theory
Intertemporal consumption theory explains how
individuals make decisions about how 
much to consume today versus saving for the future.
Individuals seek to maximize utility across multiple time periods.
Financial markets allow individuals to borrow against future income or save current income 
for future consumption.
The interest rate determines the slope of the budget constraint line between present and
future consumption.

S01 · PDF 10쪽

S01 PDF 10쪽

이 페이지 검색용 텍스트

Budget Constraint Visualization
The budget constraint 
that
represents all possible combinations of goods 
 a consumer can afford given their
income and the prices of goods. In the context of intertemporal choice, it shows the trade-off between
current and future consumption.
C₁ + C₂/(1+r) = Y₁ + Y₂/(1+r)

S01 · PDF 11쪽

S01 PDF 11쪽

이 페이지 검색용 텍스트

Risk Allocation in Financial Markets
Financial markets allow risk to be transferred to
those most willing and able to bear it, creating more
efficient outcomes:

Risk Transfer: Markets enable the transfer of
risk from risk-averse to risk-tolerant participants.

Diversification: Investors can spread risk
across multiple assets, reducing exposure to
any single investment.

Hedging: Financial instruments allow investors
to protect against specific risks in their
portfolios.
Risk-Return Profile by Asset Class
Real estate investments typically offer moderate risk with 
moderate-to-high returns, providing an important middle 
ground in investment portfolios.

S01 · PDF 12쪽

S01 PDF 12쪽

이 페이지 검색용 텍스트

Agency Problems and Solutions (1)
Agency problems arise when one party (the agent) makes decisions on behalf of another party (the
principal), but their interests are not perfectly aligned.
⚠Definition and Causes
●Information asymmetry: Managers have more information about the company's operations and
prospects than shareholders.
●Divergent incentives: Managers may prioritize short-term performance metrics tied to their
compensation over long-term shareholder value.
●Risk preferences: Managers may be more risk-averse than shareholders because their human
capital is tied to the firm, while shareholders can diversify.

S01 · PDF 13쪽

S01 PDF 13쪽

이 페이지 검색용 텍스트

Agency Problems and Solutions (2)
$ Compensation Schemes
Aligning manager and shareholder interests through performance-based compensation, stock
options, and restricted stock grants.
Monitoring Mechanisms
Board of directors oversight, independent audit committees, and regular financial reporting
requirements.
Market Discipline
External pressures from capital markets (stock price performance), product markets (competition),
and the market for corporate control (takeover threats).

S01 · PDF 14쪽

S01 PDF 14쪽

이 페이지 검색용 텍스트

Money Market Instruments (1)
Money markets are markets for short-term debt securities with maturities of one year or less. They provide
liquidity for businesses and governments while offering investors a safe place to invest cash.
Key characteristics of money market instruments:
Short-Term Maturity
Typically mature in less than one year, with many instruments having maturities of 90 days or less.
Low Risk
Generally considered among the safest investments due to short maturities and high-quality issuers.
High Liquidity

S01 · PDF 15쪽

S01 PDF 15쪽

이 페이지 검색용 텍스트

Money Market Instruments (2)
Commercial Paper
Short-term, unsecured promissory notes issued
by corporations with strong credit ratings.
Typically 1-270 days maturity with minimum
denominations of $100,000.
Certificates of Deposit (CDs)
Time deposits at banks with fixed maturity dates
and interest rates. Typically 1 month to 1 year
with minimum denominations of $100,000 for
negotiable CDs.
Repurchase Agreements (Repos)
Short-term loans where securities are sold with
an agreement to repurchase at a higher price.
Typically overnight to 14 days with flexible
denominations.
Federal Funds
Overnight loans between banks of reserves held
at the Federal Reserve. The federal funds rate is
a key benchmark for short-term interest rates
and monetary policy.

S01 · PDF 16쪽

S01 PDF 16쪽

이 페이지 검색용 텍스트

Treasury Bills
Treasury bills (T-bills) are short-term debt obligations
issued by the U.S. Treasury with maturities ranging
from a few days to 52 weeks.
Zero-coupon: Sold at a discount to face value;
the difference between purchase price and face
value is the interest earned
Highly liquid: Active secondary market with
narrow bid-ask spreads
Risk-free: Backed by the full faith and credit of
the U.S. government
 Minimum denomination reduced from $10,000 
to $100 in 2024, making T-bills more accessible to 
individual investors 
T-bills serve as a benchmark for the risk-free rate and 
are a key component of money market funds. The 
reduced minimum denomination has significantly 
increased retail investor participation in the T-bill market.

S01 · PDF 17쪽

S01 PDF 17쪽

이 페이지 검색용 텍스트

Interest Rate Environment in 2025
The interest rate environment in 2025 reflects the Federal Reserve's policy adjustments following the
inflationary period of 2021-2023. Understanding these rates is crucial for real estate investment decisions.

S01 · PDF 18쪽

S01 PDF 18쪽

이 페이지 검색용 텍스트

LIBOR to SOFR Transition (1)
Background & Definitions
LIBOR (London Interbank Offered Rate): Previously the benchmark interest rate at which major global
banks lent to one another in the international interbank market for short-term loans.
SOFR (Secured Overnight Financing Rate): The replacement benchmark rate based on transactions
in the Treasury repurchase market, where banks post U.S. Treasuries as collateral for overnight loans.
Transition Timeline: LIBOR was phased out between 2021-2023, with full transition to SOFR
completed by 2024. As of 2025, all financial contracts reference SOFR.
Key Difference: LIBOR was based on bank submissions (estimates), while SOFR is based on actual
transactions in the Treasury repo market, making it more transparent and resistant to manipulation.

S01 · PDF 19쪽

S01 PDF 19쪽

이 페이지 검색용 텍스트

LIBOR to SOFR Transition (2)
The transition from LIBOR to SOFR has had
significant implications for real estate finance:
Mortgage Markets: Adjustable-rate mortgages
now reference SOFR instead of LIBOR, typically
resulting in slightly lower interest rates.
Commercial Real Estate: Floating-rate loans
and construction financing have been updated
with SOFR-based pricing and fallback language.
REITs: Interest rate hedging strategies have
been recalibrated to account for different volatility
patterns in SOFR compared to LIBOR.
SOFR tends to be slightly lower than LIBOR 
was
historically, as it does not include the 
credit risk
premium that was embedded in 
LIBOR. This has generally benefited borrowers 
in the real estate sector.
Source: Federal Reserve Bank of New Your, 2025

S01 · PDF 20쪽

S01 PDF 20쪽

이 페이지 검색용 텍스트

Capital Market Instruments (1)
Capital Markets Overview
Capital markets are markets for buying and selling equity and debt instruments with maturities greater
than one year. They channel funds from savers to entities that can put the capital to long-term
productive use.
Primary vs. Secondary Markets: Primary markets handle new issues of securities, while secondary
markets facilitate trading of existing securities.
Debt vs. Equity: Debt instruments (bonds) represent borrowed money that must be repaid with interest,
while equity instruments (stocks) represent ownership stakes in companies.
Public vs. Private Markets: Public markets involve securities traded on exchanges with regulatory
oversight, while private markets involve direct transactions between parties with less regulation.

S01 · PDF 21쪽

S01 PDF 21쪽

이 페이지 검색용 텍스트

Capital Market Instruments (2)
Common Stock
Represents ownership in a corporation, with
voting rights and potential dividend payments.
Stockholders have a residual claim on assets
after creditors.
Example: Shares of publicly traded REITs like Simon
Property Group or Prologis
Preferred Stock
Hybrid security with characteristics of both
stocks and bonds. Offers fixed dividends paid
before common stock dividends, but typically no
voting rights.
Convertible Securities
Bonds or preferred stocks that can be converted
into common stock at a predetermined ratio,
combining income generation with potential
equity appreciation.
Real Estate Investment Trusts (REITs)
Companies that own, operate, or finance
income-producing real estate. Required to
distribute at least 90% of taxable income to
shareholders as dividends.
Types: Equity REITs (property ownership), Mortgage
REITs (real estate debt), and Hybrid REITs (combination)

S01 · PDF 22쪽

S01 PDF 22쪽

이 페이지 검색용 텍스트

Bond Markets Overview
Bond markets are where debt securities are issued
and traded. They provide a mechanism for
borrowers to raise capital and for investors to earn
fixed income.
Government Bonds: Issued by national
governments (e.g., U.S. Treasury bonds),
considered the safest fixed-income investments.
Municipal Bonds: Issued by state and local
governments, often tax-exempt for investors in
the issuing jurisdiction.
Corporate Bonds: Issued by companies to
finance operations and expansion, with varying
credit quality and yields.
Global Bond Market Size by Sector
The global bond market exceeds $120 trillion in
value, with 
government bonds representing the
largest segment. Real 
estate-related bonds (including MBS) account for approximately 
14% of the total market.

S01 · PDF 23쪽

S01 PDF 23쪽

이 페이지 검색용 텍스트

REIT Performance Analysis 2025
Real Estate Investment Trusts (REITs) have shown
strong performance in 2025, outpacing broader
market indices as interest rates have stabilized and
property values have recovered.
Key factors driving REIT performance:
Stabilizing interest rates reducing borrowing
costs
Strong rental growth in multifamily and
industrial sectors
Recovery in office occupancy as hybrid
work models stabilize
Increased dividend yields attracting income-
focused investors
Industrial
Multifamily
Healthcare
Retail
Office
Hotel
0
10
20
30
40
REIT Sector
YTD Return (%)
REIT Performance by Sector (2025 YTD)
38.2%
34.5%
29.8%
26.3%
22.1%
18.7%
+30.6%
REIT YTD 
Return
4.8%
Avergage 
Dividend Yield
+12.5%
S&P 500 YTD 
Return

S01 · PDF 24쪽

S01 PDF 24쪽

이 페이지 검색용 텍스트

Mortgage Market Update 2025
The U.S. mortgage market in 2025 shows signs of
stabilization after a period of volatility, with rates
beginning to moderate and loan type preferences
shifting in response to the changing interest rate
environment.
Key mortgage market trends:
Rate stabilization after Fed policy
adjustments
Increased refinancing activity as rates
moderate
Shift toward ARMs in higher-priced markets
Home price appreciation slowing to
sustainable levels
6.74%
6.2%
$410,700
30-Year Fixed
Rate
Year-End 
Forecast
Median Home 
Price

S01 · PDF 25쪽

S01 PDF 25쪽

이 페이지 검색용 텍스트

Stock Market Indexes (1)
What are Stock Market Indexes?
Stock market indexes track the performance of specific segments of the stock market. They serve as
benchmarks for measuring investment performance and as the basis for index funds and ETFs.
S&P 500: Tracks 500 large-cap U.S. companies, market-cap weighted. Represents about 80% of
available market capitalization.
Dow Jones Industrial Average: Price-weighted average of 30 significant stocks traded on the NYSE
and NASDAQ. One of the oldest and most-watched indexes.
NASDAQ Composite: Includes all companies listed on the NASDAQ stock exchange, heavily weighted
toward technology companies.

S01 · PDF 26쪽

S01 PDF 26쪽

이 페이지 검색용 텍스트

Stock Market Indexes (2)
Performance comparison between major stock
market indexes and real estate investment vehicles
shows significant differences in returns and volatility:
REIT outperformance: REITs have significantly
outperformed broader market indices in 2025,
with a 30.6% YTD return compared to 12.5% for
the S&P 500.
Sector variation: Within REITs, industrial and
multifamily sectors have shown the strongest
performance, while office REITs have lagged but
still outperformed broader markets.
⚖Risk-adjusted returns: When accounting for
      volatility, REITs have provided superior 
      risk-adjusted returns compared to major stock 
      indices in the current market environment.
The chart shows cumulative returns for major indices over 
different time periods. REITs have
shown particularly 
strong performance in the 1-year and 3-year timeframes 
as interest rates have stabilize.

S01 · PDF 27쪽

S01 PDF 27쪽

이 페이지 검색용 텍스트

Derivative Markets (1)
What Are Derivatives?
Derivative securities are financial instruments that derive their value from an underlying asset, index, or
reference rate. They are used for hedging risk, speculation, and arbitrage opportunities.
Forwards and Futures: Contracts to buy or sell an asset at a predetermined future date and price.
Futures are standardized and traded on exchanges, while forwards are customized and traded over-the-
counter.
Options: Contracts giving the holder the right (but not obligation) to buy (call) or sell (put) an asset at a
specified price within a specific time period. Options provide flexibility with limited downside risk.
Swaps: Agreements to exchange cash flows or liabilities from different financial instruments. Common
types include interest rate swaps, currency swaps, and credit default swaps.

S01 · PDF 28쪽

S01 PDF 28쪽

이 페이지 검색용 텍스트

Derivative Markets (2)
Importance in Real Estate Investments
Risk Management: Derivatives allow real estate
investors to hedge against interest rate
fluctuations, property value changes, and
currency risks.
Price Discovery: Derivatives markets provide
valuable information about future expectations
for property values and interest rates.
Structured Products: Derivatives enable the
creation of tailored investment products that
meet specific risk-return profiles for real estate
investors.
Real Estate Derivative Usage by Type
Interest rate swaps remain the most widely used derivative in real 
estate finance, allowing borrowers to convert floating-rate loans to 
fixed rates and vice versa. Property index derivatives have grown 
significantly since 2023.

S01 · PDF 29쪽

S01 PDF 29쪽

이 페이지 검색용 텍스트

Review & Quiz
Key Concepts Review
Real vs. Financial Assets: Real assets are
tangible (land, buildings) while financial assets are
claims on income.
Financial Markets: Enable consumption timing,
risk allocation, and separation of ownership and
management.
Money vs. Capital Markets: Money markets deal
with short-term securities (< 1 year), capital
markets with longer-term.
2025 Updates: T-bill minimum denomination is
now $100, and LIBOR has been replaced by
SOFR.
Question: Which of the following is a real
asset?
A. A share of Apple stock
B. A corporate bond
C. An office building
D. A Treasury bill
Answer: C. An office building is a tangible, physical asset.

S01 · PDF 30쪽

S01 PDF 30쪽

이 페이지 검색용 텍스트

Summary
Key Concepts
Real vs. Financial Assets: Real assets are
tangible while financial assets are claims on
income.
Financial Markets: Enable consumption timing,
risk allocation, and ownership separation.
Money vs. Capital Markets: Short-term vs.
longer-term securities.
Agency Problems: Mitigated through
compensation, monitoring, and market discipline.
2025 Market Updates 
Updated 2025
Key Updates: T-bill minimum now $100, LIBOR
replaced by SOFR, REITs outperforming with
30.6% returns.

S02 · Lecture Notes 01_부동산 투자환경의 이해(1).pdf · 13쪽 — 원문 펼치기

S02 · PDF 1쪽

S02 PDF 1쪽

이 페이지 검색용 텍스트

부동산투자론· Real Estate Investments
단국대학교도시계획부동산학부· 2026-2학기
오늘의주제— 부동산을, "왜하이브리드자산이라부르는지"부터짚어봅니다.
부동산투자환경의이해
· 실물과금융사이
r = NOI / V₀ + (V₁ − V₀) / V₀
담당교수
유정석· 금융경제학박사
도시계획부동산학부· 사회과학관416 (연구실)

S02 · PDF 2쪽

S02 PDF 2쪽

이 페이지 검색용 텍스트

잠깐— 여러분이서울CBD의오피스한층을소유했다고상상해
봅시다.
매달임차인이임대료를통장으로입금함. 벽돌은그대로인데, 계좌에는매월현금흐름
(cash flow)이쌓임.
한편, 같은자산의시장가격은매분기조금씩오르내림. 벽돌은그대로인데, 자본이득
(capital gain)은파도처럼움직임.
한부동산자산은두개의얼굴을동시에가짐— "벽돌(실물)"과"캐시플로우(금융)". 
총수익률은이두얼굴의합.
한마디로— "부동산은실물로존재하고, 금융으로평가된다."
이한문장이곧부동산투자론의출발점임. 다음슬라이드부터등장할r · NOI · Cap Rate · REITs · CAPM은모두이이중성을정확히세는방법
일뿐임.

S02 · PDF 3쪽

S02 PDF 3쪽

이 페이지 검색용 텍스트

한학기는세개의질문에답하는여정임.
ACT I · WEEK 02 — 05
"얼마나벌수있나"
W02 금융상품의이해
W03 증권의거래
W04  부동산수익률의측정
W05  레버리지와부동산투자
핵심도구— NOI · Cap Rate · LTV · IRR · NPV
ACT II · WEEK 06 — 08
"얼마의값어치인가"
W06  부동산가치평가기초
W07  부동산가치평가응용
W08 중간고사(Midterm)
핵심도구— DCF · Direct Cap · Cost Approach
ACT III · WEEK 09 — 15
"어떻게담아낼것인가"
W09 포트폴리오이론
W10  CAPM
W11 증권시장선(SML)·자본시장선(CML)
W12 단일지수모형·체계적위험
W13  재정거래가격결정이론(APT)
W14 부동산투자사례분석
W15 정리·기말고사
핵심도구— MPT · CAPM · SML · APT · β
구성원칙· Course Design Rationale · [Advanced 심화]
ACT I·II는단일자산관점(개별부동산의수익률·가치), ACT III는포트폴리오관점(다자산결합하의체계적위험) — Markowitz(1952) → Sharpe(1964) → Ross(1976)
의학문발달순서와정확히일치함.

S02 · PDF 4쪽

S02 PDF 4쪽

이 페이지 검색용 텍스트

역사적앵커· Historical Anchor
부동산의금융자산화, 어디서시작되었나
아이젠하워가한서명하나가부동산을증권으로바꾸었음.
1952
Markowitz
"Portfolio 
Selection"
MPT 탄생
1960
REIT Act 1960
미국, 리츠최초제정
9.14 아이젠하워서명
1964
Sharpe
"Capital Asset 
Prices"
CAPM 탄생
1976
Ross
APT 제시
다요인모형
1990
Markowitz·Sharpe
노벨경제학상
(with Miller)
2001
부동산투자회사법
한국리츠법제정
4.7 공포·7.1 시행
2025
K-REITs
127.49조원
상장23종목
미국· REIT Act 1960
"give all investors the opportunity to invest in large-scale, diversified 
portfolios of income-producing real estate."
Cigar Excise Tax Extension of 1960 (PL 86-779)에부기됨. 이전까지소수의자산
가리그였던상업용부동산이, 주식처럼거래가능한증권이됨. — 이순간이부동산과금융시
장의첫결합.
출처: Nareit, "History of REITs" · Congressional Record 2010-09-14
한국· 부동산투자회사법2001
2001년4월7일법률제6471호공포, 7월1일시행. 미국보다41년늦게부동산의증권화
가제도화됨.
출범24년만에리츠자산총계127.49조원· 상장리츠23개로성장. 위탁관리리츠가자산
기준96.7%를차지하는운영위임형구조가지배적.
출처: 국토교통부리츠정보시스템(reits.molit.go.kr)
Primary Citations · [Advanced 심화]
Markowitz, H. (1952). "Portfolio Selection." Journal of Finance, 7(1), 77-91. · Sharpe, W. F. (1964). "Capital Asset Prices." Journal of Finance, 19(3), 425-442.

S02 · PDF 5쪽

S02 PDF 5쪽

이 페이지 검색용 텍스트

부동산총수익률r — 두얼굴이만나는자리.
r = NOI / V0+ (V1 − V0) / V0
총수익률= 소득수익률(Income Return) + 자본수익률(Capital Growth)
※ 비차입·세전·거래비용및CapEx 미반영단순보유기간수익률. IRR, 레버리지수익률, 임대인센티브·자본적지출포함수익률과는구분필요.
NOI · Net Operating Income
순영업이익
임대료수입에서공실과운영비를뺀실질현금흐름. 
세전, 이자·상각반영전. 
단위: 원/년· 원/평· 년
V0 · V1 · Property Value
자산가치(기초·기말)
투자시점시장가치V0, 1년후시장가치V1. 감정평가· 
매매· 캡레이트역산등으로추정.
단위: 원· 원/평
NOI / V0 · Cap Rate
자본환원율
NOI 대비가격의비율. 시장이부동산에요구하는
수익률. 2025 Q3 서울프라임평균4.1%.
단위: %/년(연수익률)
실측· MSCI Korea Annual Property Index 2024 (기준일2024-12, 감정평가기반, 연간관측· 원자료재확인권장)
한국전체부동산총수익률1.7% = Income Return ≈ 3.6% + Capital Growth ≈ −1.9% — 자산가치총액63.75조원, 275개자산, 102개포트폴리오기준.

S02 · PDF 6쪽

S02 PDF 6쪽

이 페이지 검색용 텍스트

상황— 서울CBD 프라임오피스1평(2025 Q3 실측).
①주어진값· Given
권역
CBD (도심· 중구·종로)
매매가(Sales Price)
V0 = 3,362 만원/ 평= 33,620,000 원/ 평
명목임대료(Face Rent)
Rent = 131,000 원/ 평· 월
공실률(Vacancy Rate)
v = 5.0 % (2025 Q4 실측)
운영비율· Operating Expense Ratio (가정)
OER = 40 % (한국프라임시장관행)
②구할것· To Find
이자산의내재캡레이트를계산하고, 시장캡레이트(4.2%) 와비교하여
"지금사는것이합리적인가"를판단.
Cap Rateimplied= NOI / V0 = ?
③자료출처· Data Source
매매가3,362만원/평— GenstarMate Korea Office Market Report 2025 Q3
임대료131,000원/평/월— Savills Korea Prime Office Report 2025 Q3
공실률5.0% — Savills Korea Q4 2025 Prime Office
시장캡레이트4.2% — GenstarMate 동보고서
OER 40% — 관행가정(실증별도검증필요)
풀이계획· Solution Plan · [Advanced 심화]
Step 1 PGI → EGI (공실반영) → Step 2 EGI → NOI (OER 40% 가정적용) → Step 3 NOI / V0 = 내재캡레이트, 시장캡레이트와대조.

S02 · PDF 7쪽

S02 PDF 7쪽

이 페이지 검색용 텍스트

1단계— 임대료에서공실을빼면, 실제로벌수있는돈이나옴.
①잠재총소득(PGI) — 100% 임대가정시최대임대료
PGI = 131,000 (원/평·월) × 12 (월/년) = 1,572,000 (원/평·년)
— CBD 프라임평균임대료131,000원/평/월(Savills Korea 2025 Q3)
②공실손실(Vacancy Loss) — 공실률5.0% 반영
VL = PGI × 0.050 = 78,600 (원/평·년)
— 2025 Q4 CBD 공실률5.0% (Savills Korea 2025 Q4 Prime Office)
③유효총소득(EGI) — 실제로받는임대료
EGI = PGI − VL = 1,572,000 − 78,600 = 1,493,400 (원/평·년)
왜공실을빼는가
건물의100%가항상임대되지않음. 
신규계약공백, 리모델링, 시장불황이있음. 
이를반영한것이EGI.
CBD 5.0%는얼마나낮은가
2020년CBD 공실률15% 수준이었음. 
5년만에3분의1로압축됨. 하이브리드근무후
오피스수요회복반영.
단위, 왜이렇게쓰는가
원/평/월→ 원/평/년으로시간스케일변환. 
다음단계에서매매가(원/평)와나누어캡레이트를
얻으려면이정규화가필수.
Sanity Check · 단위검산· [Advanced 심화]
[EGI] = (원/평/월) × (월/년) − (원/평/년) = 원/평/년. 다음단계에서(원/평)인매매가와나눌때(1/년) = 연수익률단위가나옴을검산할예정임.

S02 · PDF 8쪽

S02 PDF 8쪽

이 페이지 검색용 텍스트

2단계— EGI에서운영비를빼면NOI가나옴.
①Step 1의결과이월
EGI = 1,493,400 (원/평·년)
②운영비(Operating Expense) — OER 40% [시나리오가정]
OpEx = EGI × 0.40 (가정OER) = 597,360 (원/평·년)
— 관리비·시설유지·부동산세금·보험등포함
③순영업이익(NOI) — 이자·상각前실질현금흐름
NOI = EGI − OpEx = 1,493,400 − 597,360 = 896,040 (원/평·년)
중간검산— NOI ÷ 매매가= 896,040 / 33,620,000 = 2.66%. 다음단계에서시장캡레이트(4.2%)와비교함.
NOI가왜중요한가
레버리지前· 세전지표. 자본구조와무관한자산자체
의수익창출력. 자기자본수익률과혼동금물.
OER 40%는왜가정인가
MSCI Korea 지수는총수익률breakdown만공개. 
OER 단일통계는부재. 미국·일본프라임35~45% 
사이관행참조. 실사(DD) 시반드시원장확인.
포함되지않는것
이자비용(Interest) · 감가상각(Depreciation) · 자본
지출(CapEx) — 이들은별도처리.
Sanity Check · 크기검토· [Advanced 심화]
NOI < EGI < PGI 부등식이항상성립함(896k < 1,493k < 1,572k ✓). NOI/PGI ≈ 57%가프라임시장기대치

S02 · PDF 9쪽

S02 PDF 9쪽

이 페이지 검색용 텍스트

내재캡레이트· 최종판단
시장이이자산을어떻게평가하는가
3단계— NOI / V0 = 내재캡레이트. 시장가와대조함.
①내재캡레이트계산
Cap Rateimplied = NOI / V0
= 896,040 / 33,620,000 = 0.02665 = 2.66 %/년
②시장캡레이트(2025 Q3 CBD 프라임)
Cap Ratemarket = 4.2 %/년(GenstarMate 2025 Q3)
③격차· Spread
Δ = 4.2 % − 2.66 % = +1.54 %p (시장> 내재)
해석— 매매가에내재된수익률이시장캡레이트보다낮음. NOI 동일시V=NOI/Cap이므로가격이시장기대대
비높게형성되어있음. 즉,
(a) 향후임대성장·자본이득기대(NOI↑ or V1 >V0)가가격에선반영되었거나,
(b) 프라임프리미엄(임대안정성·안전자산성격)이가격에편입.
캡레이트비교
결론— 이자산은시장이요구하는4.2% 대비
1.54%p 낮은인컴을제시. 순수인컴기준으로
는시장대비고평가된매물. 성장·안정성·프리미
엄전제없이는매수논리성립어려움.
Sanity Check · 극한사례검증· [Advanced 심화]
OER=0% 극한→ 캡레이트= 4.44%로시장가근접· OER=60% 극한→ 캡레이트= 1.78%로국고채(2.5%) 이하. 실제OER은40% 부근관행에서검증
필요.
Δ = +1.54%p

S02 · PDF 10쪽

S02 PDF 10쪽

이 페이지 검색용 텍스트

같은오피스를주식처럼사면, 배당수익률은얼마?
A · 실물직접보유· Direct Ownership
한층을직접매입
최소투자단위···수억원(평당3,362만)
수익원천··· NOI + 자본이득
내재수익률···2.66 % / 년
유동성··· 매각까지수개월~수년
운영부담··· 직접관리/ 위탁
세제··· 취득세·재산세·종부세·양도소득세
B · REITs 간접투자· Securitized Real Estate
상장리츠주식매입
최소투자단위···수천원(주당)
수익원천··· 배당+ 주가변동
배당수익률···7.37~8.91 % / 년(2024-25 평균)
유동성··· 거래소실시간매매
운영부담··· 자산관리회사(AMC)가대신
세제··· 배당소득세· 양도소득세
한국리츠시장스케일· K-REITs at a glance (2026년6월)
인가리츠469개· 자산총계127.49조원· 상장리츠23종목· 위탁관리비중96.7% · 대표종목SK리츠(AUM 4.9조) · ESR켄달스퀘어(물류) · 롯데리츠· 신한알파(오피스)
직접vs 간접· 왜차이가나는가· [Advanced 심화]
수익률직접비교시반드시조정해야할5가지: ①감정평가평활화(appraisal smoothing) — 실물지수는변동성과소· ②레버리지— 리츠LTV(통상40~55%)가지분수익률을확대·왜곡
③유동성프리미엄— 상장리츠는즉시현금화, 실물은매각까지수개월~수년· ④섹터·지역구성차이— K-REITs 물류·리테일비중vs CBD 오피스실물, 동일자산아님· ⑤관측주기— 리츠일별
vs MSCI 지수연간, 시계열스케일상이. 배당수익률7.4~8.9%와내재수익률2.66% 격차는이다섯요소조정후축소해석필요.

S02 · PDF 11쪽

S02 PDF 11쪽

이 페이지 검색용 텍스트

금리가0에가까울때, 캡레이트프레임은무너짐.
프레임이깨지는지점· Where Cap Rate Breaks
Cap Rate ≈ Risk-Free Rate 일때
2021-22년, 서울프라임캡레이트가3.5~3.8%까지역대최저압
축됨. 같은시기국고채3년수익률2.1%.
이때부동산리스크프리미엄이겨우140bp까지축소. 이는"부동산
이국고채만큼안전하다"는신호가아니라, 과열된자본유입의결과
였음.
Cap Rate 모델은정상적인금리환경을전제로함. 극단적저금리기
에는캡레이트가시장가치를왜곡함.
해석유보(교수자휴리스틱) — |rf − Cap Rate| < 150bp 일때
결과해석유보(정립된학술기준아님, 강의용판단규칙)
Extreme Case · 극단사례· [Advanced 심화]
미국사례— 2007년캡레이트5.2% · 국고채4.6% (스프레드60bp) 상태에서GFC 발생, 캡레이트가8%대까지급등하며가치20-40% 폭락. 
유사한압축은선행지표일수있음.

S02 · PDF 12쪽

S02 PDF 12쪽

이 페이지 검색용 텍스트

PF 부실기의유동성프리미엄
어디까지믿을수있는가
유동성이마르면, 캡레이트는신호가아닌잡음이됨.
유동성이마를때· When Liquidity Dries Up
캡레이트는거래가존재할때만의미가있음
2024년말PF 익스포저202.3조원에서2025년말174.3조원
으로축소(△28조). 그러나토지담보대출연체율은21.7% → 
32.4%로상승.
이시기매매거래량이급감. 가격발견(price discovery) 자체가
어려워짐. Cap Rate 공표치는거래가실제로이루어진프라임자산
의결과일뿐, 부실자산은시장에서사라짐.
모델이성립하지않는조건
①저축은행PF 연체율18.8% 이상(2024 말)
②상호금융PF 연체율11.7% 이상(동)
③6개월내유의(C)·부실우려(D) 여신비중>10%
Selection Bias · 관측편의· [Advanced 심화]
Fisher, Geltner & Webb (1994) — 감정평가기반지수의평활화(smoothing) 및lag 편의를지적하고unsmoothing 방법을제안한논문. 
거래표본선택편의(selection bias)는별도논의영역— Repeat-Sales(Bailey·Muth·Nourse 1963 / Case·Shiller 1987), SPAR(Sales Price Appraisal 
Ratio) 방법론이각각표본·이질성문제를다룸. 응용편에서세부비교예정.

S02 · PDF 13쪽

S02 PDF 13쪽

이 페이지 검색용 텍스트

부동산투자론학생이가장자주걸려넘어지는9가지지점(Common Mistakes) –시험/과제채점시반복관찰됨
GROUP A · 개념혼동
A-1
총수익률vs 자기자본수익률
NOI 기반자산총수익률(r)과, 대출상환후자기자본
에귀속되는수익률(ROE)을동일시함. 레버리지가
있으면두값은항상다름.
A-2
명목임대료vs 실질임대료
"임대료가5% 올랐다" — 명목인가실질인가. 인플
레이션이3%면실질은2%. Savills 2024 명목
+3.9% ≈ 실질+3.8% 사례참고.
A-3
리츠배당수익률= 오피스캡레이트?
K-REITs 배당7~9%가오피스캡레이트4%보다
높다고"리츠가이득"이라결론. 다른레버리지·유동
성·주가변동리스크미반영.
GROUP B · 계산함정
B-1
IRR과NPV의혼용
두프로젝트비교시IRR 최대vs NPV 최대가다를
수있음. 규모다른자산일수록심각. NPV가우선.
B-2
자본구조무시
"5%로매입해서5% 수익률냈다"에서대출이자
3%·LTV 50%를반영하면실제자기자본수익률은
7%. Modigliani-Miller의명제시각재확인.
B-3
시장가치vs 장부가치
감가상각으로낮아진장부가로캡레이트계산→ 왜곡. 
Cap Rate 산식의V0는반드시시장가치.
GROUP C · AI 활용의함정
C-1
AI 생성수치무비판수용
ChatGPT가"서울오피스캡레이트5.2%"라답변. 
실제2025 Q3은4.1%. LLM은학습데이터시점
에고정. 원문검증필수.
C-2
출처없는캡레이트인용
캡레이트5.0%가CBRE인지Savills인지
GenstarMate인지명시없이인용. 각사측정
methodology 차이인지필요.
C-3
과거데이터로미래외삽
"2020-2022년평균캡레이트4%였으니앞으로
도4%" — 시장사이클·금리환경변화미반영. 
캡레이트의붕괴조건참고.
채점시사점· What Loses Points · [Advanced 심화]
시험·과제채점관행— Group A는부분점수, Group B는-50%, Group C는0점처리. 특히실습과제에서AI 활용시출처·프롬프트미기재는학습윤리위반으로감점.

S03 · Lecture Notes 02_금융상품의 이해(1).pdf · 15쪽 — 원문 펼치기

S03 · PDF 1쪽

S03 PDF 1쪽

이 페이지 검색용 텍스트

부동산투자론· Real Estate Investments
단국대학교도시계획부동산학부· 2026-2학기
오늘의주제— "복잡해보이는상품들도, 세가지질문이면다분류됩니다."
금융상품의이해·
세축의조합
만기(When) × 발행자(Who) × 청구권(How much)

S03 · PDF 2쪽

S03 PDF 2쪽

이 페이지 검색용 텍스트

잠깐— "돈을빌려준다"는것은결국세질문에답하는일임.
Q1 · WHEN — 만기
"언제돌려받나?"
✓하루· 91일· 3년· 10년· 영구.
✓이것하나가화폐시장vs 채권시장vs 주식시장을가른다.
Q2 · WHO — 발행자
"누가갚나?"
✓정부·은행·기업·SPC·거래소.
✓발행자의신용이스프레드(스프레드= 위험프리미엄)를
결정.
Q3 · HOW MUCH — 청구권
"얼마를, 어떻게?"
✓고정이자·잔여이익·조건부지급.
✓청구권구조가채권vs 주식vs 옵션을가른다.
복잡해보이는상품— CD·CP·RP·통안채·MBS·MBB·CMBS·CDO·IRS·NDF·CDS —이모두이세질문의다른답임.
그리고부동산도예외없음. 실물은하나뿐이지만, 이를감싸는금융상품은무한히만들어짐— 리츠(주식), MBS(채권), IRS(파생), PF ABS(자산유동화)….
이세질문이곧부동산금융시장의좌표계임. 다음슬라이드부터등장할모든상품의이름표는세축의좌표일뿐임.

S03 · PDF 3쪽

S03 PDF 3쪽

이 페이지 검색용 텍스트

세축으로모든금융상품위치결정됨
세축을표로그려보면— 각시장의위치가명확해짐.
시장· Market
만기· When
발행자· Who
청구권· Claim
대표상품
화폐시장
Money Market
1년이하
1일·91일·1년
정부·은행·우량기업
한국은행·시중은행·CP발행대기업
할인채·예금채권
원금+표면이자(고정)
통안채·CD·CP·RP
→ 부동산: PF 브릿지론
채권시장
Bond Market
1년초과
3년·5년·10년·30년
정부·공공·기업·SPC
신용등급AAA ~ B-
이표채(Coupon Bond)
정기쿠폰+ 만기원금
국고채·회사채·특수채
→ 부동산: MBS·MBB·CMBS
주식시장
Equity Market
영구
Perpetual · No Maturity
기업(발행주식)
상장vs 비상장
잔여청구권(Residual)
배당+ 자본이득(조건부)
KOSPI·KOSDAQ 주식
→ 부동산: 상장리츠·개발사
파생상품
Derivatives
다양
1일~ 30년+
거래소· 장외(ISDA)
중앙청산소·양자간계약
조건부권리·의무
옵션·선도·스왑
선물·옵션·IRS·NDF·CDS
→ 부동산: PF IRS·부동산선물
부동산이네시장모두에등장하는이유· Why Real Estate Spans All Four
실물은비유동성·비분할성·거대금액. 이를극복하려화폐시장(PF 브릿지)·채권시장(MBS)·주식시장(리츠)·파생시장(IRS)이모두동원됨. → 부동산금융공학의존재이유.

S03 · PDF 4쪽

S03 PDF 4쪽

이 페이지 검색용 텍스트

한국의4대금융시장
①화폐시장· MONEY MARKET
발행자만다르고만기·구조는유사
통안채(한국은행) 91일물2.885%
CD (은행) 91일물2.87 ~ 3.44%
CP A1등급(기업) 91일물3.140%
KOFR (RP 익일물) 무위험지표금리(2021~)
출처: KOFIABOND · 한국은행· SMBS · 금융위(2025년)
②채권시장· BOND MARKET
LCY(Local Currency Bond) 채권총3,447.4조원
국고채3년YTM ≈ 2.5~2.7%
국고채10년YTM ≈ 3.20%
회사채AA- 3년3.43~4.47% (스프레드100bp+)
2025년순발행112조원(기재부계획80조상회)
출처: ADB AsianBondsOnline · KOFIABOND · e-나라지표(2025.10)
③주식시장· EQUITY MARKET
2025 결산+75.6% (G20·OECD 1위)
KOSPI 지수2,399 → 4,214pt
KOSPI 시가총액1,963 → 3,478조원
KOSPI PER · PBR 12.7배· 1.4배
삼성전자+120% 시총1,622조
출처: 한국거래소· SEIBro · MSCI (2025.12)
④파생시장· DERIVATIVES
IRS 명목잔액7,000조원+
KOSPI200 선물6,096조원(2025 연간)
KOSPI200 옵션92조원
CD IRS 연간4,500조원· IRS 5년2.64%
NDF 일평균116억달러(원/달러20.4% 세계3위)
출처: KRX · 삼성증권파생Weekly · 자본시장연구원(2025)
스케일비교· Relative Sizes
한국파생명목잔액7,000조+ > 채권발행잔액3,447조> 주식시총3,478조. 파생시장이현물시장을2배이상상회함— 헤지와투기수요를함께소화하기때문임.
※ NDF = Non-Deliverable Forward(차액결제선물환)
•
실물통화교환없이, 만기시계약환율과기준환율차액만정산(보통USD)하는선물환계약. 
•
원/달러처럼자본통제·유동성이슈가있는통화에많이쓰이며, 한국원/달러NDF는역외(주로싱가포르
등)에서활발히거래

S03 · PDF 5쪽

S03 PDF 5쪽

이 페이지 검색용 텍스트

1973년의한논문이파생상품시장의문을열었음.
1973
Black & Scholes
"The Pricing of
Options and 
Corporate
Liabilities" JPE
1973
Merton
"Theory of Rational
Option Pricing"
Bell Journal
1975
시카고옵션거래소
(CBOE) 개장
이론→ 실제시장
1995
Fischer Black
노벨상수상
이전사망
1997
Merton·Scholes
노벨경제학상
"파생상품가치평가의
새로운방법"
2025
KRX 파생
KOSPI200 선물
6,096조원
Black & Scholes 1973 원문
"The Pricing of Options and Corporate Liabilities"
Journal of Political Economy, Vol. 81, No. 3 (May-June 1973), pp. 637–654
발표전Review of Economics and Statistics에서거절당한뒤Fama·Miller의
재검토로JPE 게재. 이후파생상품가치평가의표준이됨.
출처: Nobel Prize 1997 press release · JPE 원문
노벨인용문· Nobel Committee 1997
"for a new method to determine the value of derivatives."
Black (1995 사망, 사후인정)·Merton·Scholes는옵션가치가기초자산가격·변
동성·만기·이자율의함수임을확률미분방정식으로증명함. 이공식이없었다면오늘의
파생시장(글로벌명목잔액700조달러+)은존재하지않음.
출처: Nobel Prize 1997 press release (nobelprize.org)
학술원전· Primary Citations
Black, F. & Scholes, M. (1973). J. Political Economy, 81(3), 637-654. · Merton, R.C. (1973). Bell J. of Economics, 4(1), 141-183. 
Merton이"Black-Scholes"라는이름을처음사용했음.

S03 · PDF 6쪽

S03 PDF 6쪽

이 페이지 검색용 텍스트

가치= 미래캐시플로의현재가치합.
가격(P) = 각시점t의캐시플로(CFₜ) 를할인율(r) 로할인하여합산
①채권· BOND
쿠폰+ 원금
C — 정기쿠폰(고정)
F — 만기원금(액면가)
y — YTM (만기수익률)
T — 만기
캐시플로확정. 만기시원금상환.
불확실성은r (YTM)에집중.
②주식· STOCK
배당의영구흐름
캐시플로불확실. 잔여청구권.
미래성장률g가가치결정에핵심.
③옵션· OPTION (BSM)
조건부지급의기대값
S — 기초자산현재가격
K — 행사가격(Strike)
σ — 변동성(Volatility)
T — 만기까지시간
Black-Scholes 1973. 캐시플로가
기초자산경로에조건부로결정됨.
통일원리· Unifying Principle
세공식모두"미래캐시플로를위험조정할인율로현재가치화"라는골격을공유. 차이는(i) CF가확정/불확실/조건부, (ii) 할인율r이무위험/CAPM/BSM 위험중립측도중무엇을쓰느냐뿐. 
Dₜ — t 시점예상배당
k — 요구수익률(CAPM으로결정)
영구(T = ∞) — 잔여청구권
(Gordon Growth: D₁/(k−g))
P = ෎
𝑡
CF𝑡
1 + r 𝑡

S03 · PDF 7쪽

S03 PDF 7쪽

이 페이지 검색용 텍스트

상황— 국고채3년물1좌(2025 Q4 시장).
①주어진값· Given
발행자· Issuer
대한민국정부(기획재정부)
액면가· Face Value
F = 10,000 원(1좌기준)
표면금리(쿠폰) · Coupon Rate
c = 3.00 % 연리(반기지급가정)
만기· Maturity
T = 3 년(반기6회)
시장YTM · Market Yield (2025.10 Benchmark)
y = 2.70 % 연리(AsianBondsOnline)
②구할것· To Find
㉠이채권의현재시장가격P 을계산.
㉡액면대비프리미엄/디스카운트여부판별.
㉢국고채3년2.70%를CBD 오피스캡레이트4.2% 와비교.
P = ?, Spread부동산−국고채= ?
③자료출처· Data Source
액면·쿠폰기획재정부국고채발행공고(표준)
YTM 2.70% ADB AsianBondsOnline Nov 2025
CBD 캡레이트4.2% W01 GenstarMate Q3 2025
참고KOFIABOND 채권정보센터· 한국은행ECOS
반기쿠폰관행대부분국고채표준
풀이계획· Solution Plan · [Advanced 심화]
Step 1 6회반기쿠폰과만기원금캐시플로도표화→ Step 2 반기할인율y/2 = 1.35%로각CF 현재가치화→ Step 3 합산→ P, 액면대비판정+ CBD 스프레드계산.

S03 · PDF 8쪽

S03 PDF 8쪽

이 페이지 검색용 텍스트

1단계— 3년간6번의쿠폰과만기원금도표화.
①반기쿠폰금액산출
C반기= F × c ÷ 2 = 10,000 × 0.030 ÷ 2 = 150 원/반기
②캐시플로스케줄(6회반기)
t = 0.5 · 1.0 · 1.5 · 2.0 · 2.5 · 3.0 년
CF: 150 · 150 · 150 · 150 · 150 · 10,150 (원)
만기시마지막쿠폰150 + 원금10,000 = 10,150 함께지급
③총수령액합(할인前)
Σ CF = 5 × 150 + 10,150 = 10,900 원
Sanity Check · 단위검산· [Advanced 심화]
[C반기] = (원) × (%/년) × (년/반기) = 원/반기✓. 6반기× 150원+ 10,000원= 10,900원(액면대비+9% 총수령). 다음단계에서화폐의시간가치를반영해현재가치화예정.

S03 · PDF 9쪽

S03 PDF 9쪽

이 페이지 검색용 텍스트

2단계— 각CF를반기할인율1.35%로현재가치화.
①반기할인율(Semi-annual Yield) 설정
y반기= y ÷ 2 = 0.0270 ÷ 2 = 0.01350
②각CF의현재가치PVt = CFt / (1 + y반기)t·2
PV(t=0.5) = 150 / (1.0135)1 = 148.00 원
PV(t=1.0) = 150 / (1.0135)2 = 146.03 원
PV(t=1.5) = 150 / (1.0135)3 = 144.08 원
PV(t=2.0) = 150 / (1.0135)4 = 142.17 원
PV(t=2.5) = 150 / (1.0135)5 = 140.27 원
PV(t=3.0) = 10,150 / (1.0135)6 = 9,364.32 원
중간검산— 만기시점의큰CF(10,150)가6반기할인후9,364원. 3년간−786원(−7.7%) 감가. 반기1.35%씩복리축소.
왜나눗셈인가
"미래의150원"은"지금의150원"보다가치가낮음. 왜? 지
금148원있으면반기뒤150원만들수있기때문(1.35% 
이자로). 따라서1.0135로나눔.
왜반기로쪼개는가
한국국고채는반기쿠폰지급관행. 연3% 쿠폰이라도6개월
마다1.5%씩나뉘어지급됨. 따라서YTM도반기단위로나누
는것이원칙.
복리· Compounding
(1.0135)6 = 1.0839. 3년뒤원금이+8.39% 증가. 국고채
3년물의총수익이이수준.
Sanity Check · 극한검토· [Advanced 심화]
극한사례: y → 0 이면P → Σ CF = 10,900 (할인없음). y → ∞ 이면P → 0. 여기서는y=2.70%인데쿠폰c=3.00%로c > y → 프리미엄채권예상(Step 3에서확인).

S03 · PDF 10쪽

S03 PDF 10쪽

이 페이지 검색용 텍스트

3단계— 채권가격합산과부동산캡레이트대조.
①채권가격P = 모든PV 합산
P = 148.00 + 146.03 + 144.08 + 142.17 + 140.27 + 9,364.32
P = 10,084.87 원(1좌기준)
②액면대비판정
Premium = P − F = 10,085 − 10,000 = +85 원(+0.85%)
→ 프리미엄채권(Premium Bond): 쿠폰3.0% > YTM 2.7%
③CBD 오피스와비교· Spread
Spread부동산−국고채= 4.2% − 2.7% = +150 bp
해석— CBD 프라임오피스에투자하면, 무위험국고채대비연150bp 초과수익을요구함. 
이스프레드가부동산리스크프리미엄임. 실물리스크(유동성· 관리부담· 공실) + 정책·시장사이클위험을감수한
대가.
수익률스택· Yield Stack
Sanity Check · Premium/Discount Rule · [Advanced 심화]
프리미엄/디스카운트규칙: 쿠폰c > YTM y → P > F (프리미엄). c < y → P < F (디스카운트). c = y → P = F (액면). 여기서c=3.0% > y=2.7% → P=10,085원> F=10,000원

S03 · PDF 11쪽

S03 PDF 11쪽

이 페이지 검색용 텍스트

부동산→ 채권변환의MBS · MBB · CMBS 3형태.
①MBS · Mortgage-Backed Securities
주택저당증권
한국실측(2025)
HF MBS 대표발행자
2025년등록ABS 46.7조원(MBS 감소주도)
발행자부도위험격리. 트랜치별
다른신용등급부여로폭넓은투자자층확보.
②MBB · Covered Bond
커버드본드
한국실측
HF MBB: 자기자본50배까지발행가능
발행자부도시신탁담보로격리
발행자신용+ 담보이중보호.
유럽관행. 발행규모확장용이.
③CMBS · Commercial MBS
상업용부동산저당증권
기초자산··· 주택담보대출(Pool)
발행자···SPV/SPC (자산분리)
구조···True Sale · 위험격리
발행방식··· 트랜치(선순위·후순위)
기초자산··· 주택담보대출(Pool)
발행자···발행자자체(자산유지)
구조···Dual Recourse · 이중담보
자본인정··· 자기자본비차감
기초자산···상업용부동산(오피스·물류·리테일)
발행자··· SPV (True Sale)
구조··· 단일자산or Pool
LTV··· 통상40~70%
한국실측
공모CMBS 4건확인(2000~2005)
대부분부동산PF ABS 형태로이관
한국은전세제도·발행비용등으로
공모CMBS 시장성장제약. 다음슬라이드사례참조.
구조비교· Structural Distinction · [Advanced 심화]
MBS = True Sale (자산격리) · MBB = Dual Recourse (발행자+담보이중보호) · CMBS = 상업용부동산담보. 세구조모두P = Σ CFₜ/(1+r)ᵗ공식이적용됨. 다만CF의원천이다름(주
택담보대출vs 상업용임대료).

S03 · PDF 12쪽

이 페이지 검색용 텍스트

한국공모CMBS 4대사례
한국기업평가발행사례분석(KIS)
한국에서실제로발행된공모CMBS 4건— 왜사라졌는가.
사례명· Deal
시기
발행인(원자산보유)
발행규모(선순위위주)
기초자산
LTV
뉴밀레니엄코람
한국최초공모CMBS
2000.11
삼성생명
선순위520억
후순위153억
합계673억
삼성생명보유부동산21건Pool
(오피스·업무용자산)
77.3%
카이제오차
기업부동산유동화
2004.09
LG텔레콤
신탁수익권양도방식
(정확규모KIS 자료미제시)
LG텔레콤사옥부동산
은행신용공여의존
자료
미제시
센트럴제일차
국책은행주관CMBS
2000년대
초·중반
한국산업은행
1종선순위2,910억
센트럴시티·센트럴관광개발
대출채권2,800억
47.5%
자이언트
국내최대규모CMBS
2000년대
중반
SK㈜
선순위2,100억+ 중순위500억
+ 후순위600억+ 출자지분1,200억
합계4,400억
SK 서린동본사
(종로구CBD 프라임오피스빌딩)
양도가액4,400억
50.2%
선순위
왜한국CMBS 시장이성장하지못했나· [Advanced 심화]
①전세·보증금문화— 임대료캐시플로가미국·일본대비낮아CMBS 트랜치구조부적합. ②발행비용— 신탁·평가·법률등딜당수십억고정비. ③REITs 대안— 리츠법(2001) 이후리츠·펀드가
CMBS 자리대체. 결과— 2005년이후신규공모CMBS 거의없음, 부동산PF ABS가유사기능담당.

S03 · PDF 13쪽

S03 PDF 13쪽

이 페이지 검색용 텍스트

Limits — CDO의붕괴사와사라진K-CDO
증권화= 만능이아님— 2008년이그것을증명.
글로벌· Global CDO Crisis 2008
ABS-CDO의3,000억달러시장이사라진이유
2006년말미국ABS-CDO 잔액약3,000억달러. 서브프라임MBS를다시CDO로재유동화
하는구조성행.
2007-2008 서브프라임부실→ MBS 트랜치손상→ 이를담은CDO 붕괴→ CDS로배당된위
험이AIG 등헤지계약자에게집중→ Lehman 파산(2008.9) 촉발.
2009 이후ABS-CDO 신규발행사실상제로. Dodd-Frank Act·Basel III가재유동화자기
자본요구급증.
교훈(Lesson) — 자산의Pool + Tranche + Rating 이아무리정교해도, 기초자산의진짜위
험이감춰지면시스템전체가무너짐.
한국· Where did K-CDO go?
2005~07 발행→ 이후발행제로
2005-2007 KB·신한·하나등이Synthetic CDO · Arbitrage CDO 발행. 은행의
규제자본회피+ 수익증권화목적.
2008년이후글로벌CDO 붕괴여파· 국내CDO 발행사실상제로화.
현재(2025) 부동산관련CDS·CDO 발행사례확인안됨. 대신부동산PF ABS
(2025 발행잔액급증, +291.9%)가유사기능대체.
모델이성립하지않는조건
①기초자산위험이불투명한재유동화(CDO²)
②신용평가overrating 관행
③시스템리스크비상관가정붕괴
④CDS 등파생계약자가과도집중
한국부동산금융사이클· Real-Estate Cycle · [Advanced 심화]
2024년태영건설·새마을금고PF 부실사태에서도MBS·CMBS·CDO 트랜치붕괴는없었음(한국은재유동화미도입). 그러나PF ABS 익스포저202→174조축소·저축은행PF 연체율18.8%에
서보듯, 부동산채권시장의유동성리스크는동일하게존재함.

S03 · PDF 14쪽

S03 PDF 14쪽

이 페이지 검색용 텍스트

흔한실수· Common Mistakes
금융상품문제풀이에서반복관찰됨
금융상품분석에서자주걸려넘어지는9가지지점.
GROUP A · 개념혼동
수강생질의상위3개
A-1
쿠폰금리vs YTM 혼동
쿠폰3% = "액면10,000원에300원지급약속". 
YTM 2.7% = "이채권을지금사서만기까지보유시
실제수익률". 둘은항상다름. 프리미엄채권은c > y.
A-2
MBS와MBB 동일시
MBS = True Sale, 발행자위험격리. MBB = Dual 
Recourse, 발행자부도시신탁담보로이중보호. 자기자
본인정방식·규제완전히다름.
A-3
선물·옵션·스왑구분실패
선물= 의무· 옵션= 권리· 스왑= 정기교환. 세상품모두
파생이지만페이오프구조·초기프리미엄·마진규정완전
히다름.
GROUP B · 계산함정
Fabozzi 채권이론
B-1
연·반기할인율오혼용
쿠폰이반기지급이면YTM도반드시반기단위(y/2)로나
누어(1+y/2)ᵗ로할인. 연단위그대로쓰면채권가격왜곡
됨.
B-2
액면가·시장가혼동
액면가는발행시정해지는값. 시장가는매일변동. 이자율하
락시채권가격상승(역관계). 국고채3년물액면10,000원
이라도시장에서10,085원에거래될수있음.
B-3
스프레드방향오해
"회사채가국고채보다높은수익" = 리스크프리미엄. 스프
레드확대= 위험인지증가(경기침체신호). 축소= 위험
축소. 부호방향에주의.
GROUP C · AI 시대신종
2025년이후관찰
C-1
AI 채권가격수용
ChatGPT가"국고채3년가격10,200원"이라답. 실제
계산시10,085원. LLM은실시간시장가접근불가. 직접
P = Σ CF/(1+y)ᵗ계산필수.
C-2
KRX·KOFIA 헛갈림
한국채권시장은KOFIA(장외) + KRX(장내) 2원화구조. 
AI가인용하는채권금리가어느시장인지확인필요. 대부분
KOFIABOND (kofiabond.or.kr).
C-3
CMBS·PF ABS 혼용
AI가"한국CMBS 시장174조"라답한경우대부분PF 
ABS 익스포저임. CMBS와PF ABS는다름(전자= 실물
담보, 후자= 개발프로젝트담보). 원문검증필수.
채점시사점· What Loses Points · [Advanced 심화]
Group A는부분점수· Group B는−50% · Group C는0점처리+ 학습윤리위반검토. 실습과제(파생상품적용사례조사)에서A-3(선물·옵션·스왑구분)이특히자주감점요인이됨.

S03 · PDF 15쪽

S03 PDF 15쪽

이 페이지 검색용 텍스트

한문장요약— "금융상품은만기·발행자·청구권의조합, 부동산도예외없음."
NEXT · 증권의거래
예습힌트
Q1 — 발행시장(Primary) vs 유통시장(Secondary) 메커니즘
Q2 — 매매방식3가지: 경매·딜러·시장조성자(Market Maker)
Q3 — 호가스프레드(Bid-Ask Spread)와부동산거래의대조
· 왜부동산은유통시장이얇은가
· 리츠·MBS는왜유통시장이필요한가
파생상품적용사례조사
부동산관련파생상품실무사례1건을선정하여, 다음을조사·분석:
①사례개요(사용된파생상품종류·구조·규모)
②헤지대상위험(금리·환율·부동산가치·유동성)
③실제페이오프산출(숫자로검증)
④한계·리스크및대안논의
조사할사례유형(선택1개)
㉠PF 대출IRS (변동→고정헤지, CD IRS 시장4,500조)
㉡한국부동산ETF·리츠의KOSPI200 선물헤지
㉢글로벌부동산인덱스선물(CME·Eurex) — 논의
㉣최근3년부동산PF ABS 트랜치구조분석

S04 · Lecture Notes 03_증권의 거래(1).pdf · 15쪽 — 원문 펼치기

S04 · PDF 1쪽

S04 PDF 1쪽

이 페이지 검색용 텍스트

부동산투자론· Real Estate Investments
단국대학교도시계획부동산학부· 2026-2학기
발행· 유통· 가격형성
"상품이어디서태어나· 어디서손바꾸고· 누가값을매기는가."
증권의거래· 3단계
시스템
발행(Primary) → 유통(Secondary) → 가격형성(Price Discovery)
이번주는상품들의거래인프라— 발행시장·유통시장·시장미시구조를다룸.

S04 · PDF 2쪽

S04 PDF 2쪽

이 페이지 검색용 텍스트

잠깐— 주식한주가어디서태어나· 어디서손바꾸고· 어디서값이
붙는지따라가봅시다.
①STAGE 1 · PRIMARY MARKET
"어디서태어나?"
발행자가처음으로자금을조달하는시장. 주식은
IPO(상장공모), 채권은낙찰(정부·기업). 매수자는발
행자에게직접돈을지급함. 돈이새자금으로흐름.
②STAGE 2 · SECONDARY MARKET
"어디서손바꿔?"
이미발행된증권을투자자끼리서로사고파는시
장. KOSPI·KOSDAQ·KOFIABOND 장외. 
발행자에게는돈이들어가지않음. 유동성제공이
이시장의유일한존재이유.
③STAGE 3 · PRICE DISCOVERY
"누가값을매겨?"
호가창(order book)에쌓인매수·매도주문이가
격/시간우선원칙으로체결되며매순간새가격이
만들어짐. 가격은시장이발견하는것이지, 누가정
하는것이아님.
· 부동산앵커· REAL ESTATE PARALLEL
상장리츠도정확히이세단계를거침. ①신한알파리츠IPO(2018.8.8, 공모가5,000원) → ②KOSPI에서매매(종목코드293940) → ③매순간실시간가격형성
(2025년KRX 리츠TOP 10 +10.5%). 상품(자산)이이세단계인프라위에서비로소가격표를얻음.
반대로실물부동산은3단계가없음— 매매마다개별협상. 그래서유동성프리미엄이+150bp 이상붙는것(W01 CBD 프라임오피스→ 국고채3Y).

S04 · PDF 3쪽

S04 PDF 3쪽

이 페이지 검색용 텍스트

3단계시스템· Three-Stage System Overview
각단계의역할·주체·데이터를한눈에
세단계— 각단계의역할과실측데이터.
단계· Stage
핵심역할· Function
주체· Actors
한국시장규모(2025 결산)
부동산사례
①발행시장
Primary Market
새증권최초발행. 발행자투
자자직접자금이전. IR·수요예
측·낙찰.
· 발행자(기업·정부)
· 주관사(KB증권1위3연패)
· 국고채전문딜러(PD) 18개사
· IPO: 84건· 시총15.3조원
· ECM: 14.7조원(+54%)
· 공모회사채: 200조돌파(사상최대)
· 국고채발행: 197.6조원(2025 한도)
· SK리츠IPO(2021.9, 2,326억)
· 신한알파리츠IPO(2018.8, 5,000원)
· 롯데리츠IPO(2019.10)
· MBS·PF ABS 사모발행
②유통시장
Secondary Market
투자자투자자매매. 발행자에
게신규자금유입없음. 유동성
공급.
· 개인·기관·외국인
· 증권사(위탁매매)
· KRX·KOFIABOND·NextTrade
(ATS)
· KOSPI: 4,214pt (+75.6%), 시총3,477조
· KOSDAQ: 892pt, 시총461조
· ETF: 297조(+71.2%)
· 채권유통: LCY 3,447조
· 상장K-REITs 23개KRX 매매
· KRX 리츠TOP 10 지수(2025 
+10.5%)
· 국내자산형+17.7%
· 해외자산형−5.6%
③가격형성
Price Discovery
호가창에서가격/시간우선으로
매순간새가격발견. 정보반영.
· KRX 매매체결시스템
(EXTURE+)
· 시장조성자·유동성공급자(LP)
· 알고리즘·HFT
· 호가단위축소(2023.1.25)
· T+2 결제→ T+1 추진(2026)
· 서킷브레이커3단계·사이드카·VI
· 정규장09:00–15:30
· 리츠시가배당률7.37~8.91%
· 실물부동산캡레이트4.1%(CBD)
· 스프레드= 유동성프리미엄
· 통합논리· Unifying Logic
돈이흐르는방향이세단계를구분함— ①투자자→발행자, ②투자자투자자, ③정보→가격. W02의3축(만기·발행자·청구권)이이3단계위에서비로소실시간가격을획득함.
Advanced 심화· Multi-Market Trading
2025년부터대체거래소(ATS·NextTrade)가KRX와병행운영됨. 동일종목이두시장에서동시거래되면서최우선호가원칙(NBBO)이국내에도입예정. 발행-유통이분법이다중유통소·다크풀·
블록딜로세분됨. Kyle(1985) 시장미시구조이론이다시부각됨.

S04 · PDF 4쪽

S04 PDF 4쪽

이 페이지 검색용 텍스트

발행시장결산· Primary Market at a Glance
한국2025년결산
2025년, 한국발행시장이사상최대를넘어섬.
①IPO · EQUITY
주식신규상장
84 건
· 코스닥70 + 코스피14
· 공모4.5조원(코스닥, 4년만의최대)
· 공모가기준시총15.3조원
· 신규상장시초가수익률+92%
②ECM · SEO+CB
유상증자·전환사채
14.7 조원
· 2024년9.5조원→ +54% 증가
· LG디스플레이1.3조· LG CNS 등
· SK리츠제3자배정485억(2024.6)
· 대표주관1위KB증권(IPO·ECM)
③회사채· CORP BOND
공모회사채
200 조원+
· 2025 상반기145.7조(+9.3%)
· 사상최대치경신(연간)
· AAA 비중14→17% 확대
· 사모사채비중22.4% (2024.9)
④국고채· GOVT BOND
국고채발행한도
197.6 조원
· 2024년158.4조→ +39.2조원
· 국가채무1,301.9조(2025)
· 전문딜러(PD) 18개사(증권11+은행7)
· 차등가격낙찰(DPA -4bp)
· 발행프로세스공통골격· Common Skeleton
①준비— 발행자IR·주관사선정·감독당국인가(DART 증권신고서). ②수요확인— 기관투자자수요예측·IOI 접수(가격밴드결정). ③배정·납입— 확정공모가·기관·개인
청약. ④상장·유통개시— KRX 상장식·첫거래.
주식(IPO)과채권(낙찰)은동일한4단계를밟음. 차이점은"가격결정방식": 주식은수요예측→ 확정공모가, 채권은수요예측없이낙찰금리로즉시결정(국고채는차등가격방식).
출처: PwC K-IPO 2025, KRX 발표, thebell 리그테이블, e-나라지표(idx_cd=1081·1084), 기재부국채시장, KDI 국고채발행계획.
Advanced 심화· Shelf Registration
미국SEC Rule 415(1983.11)은일괄신고(Shelf Registration)를도입하여발행후2년간필요시즉시발행가능케함. 한국은2013년자본시장법으로일괄신고서제도도입. 회사채200조
시장의속도인프라가이제도임. 발행총량(연간)이아니라발행유연성이실제시장규모를결정함.

S04 · PDF 5쪽

S04 PDF 5쪽

이 페이지 검색용 텍스트

1970년과1985년, 두논문이유통시장을재정의함.
1956
대한증권거래소
개장
1970
Fama
EMH
1985
Kyle
시장미시구조
1996
KOSDAQ
개장
2005
통합KRX
출범
2013
Nobel
Fama·Hansen
Shiller
2025
KRX +ATS
다중유통소
Fama 1970 · Efficient Market Hypothesis
"Efficient Capital Markets: A Review of Theory and Empirical Work."
Journal of Finance, Vol. 25, No. 2 (May 1970), pp. 383–417. 
DOI: 10.1111/j.1540-6261.1970.tb00518.x
3형태의효율성을정의함:
· 약형(Weak) — 과거가격정보모두반영
· 준강형(Semi-Strong) — 공개된모든정보반영
· 강형(Strong) — 내부정보포함모든정보반영
→ 가격= 정보의즉시반영(유통시장의존재이유)
Kyle 1985 · Market Microstructure
"Continuous Auctions and Insider Trading."
Econometrica, Vol. 53, No. 6 (Nov. 1985), pp. 1315–1336. JSTOR: 1913210
3주체모형을정립함:
· Informed Trader — 내부정보보유
· Noise Trader — 유동성목적매매
· Market Maker — 호가게시·재고부담
→ 시장조성자의정보프리미엄이스프레드로표출됨
Advanced 심화· Nobel 2013
2013년노벨경제학상은자산가격실증분석에대한세학자에게수여됨— Fama(EMH)·Hansen(GMM)·Shiller(과열/거품). 세시각이상충되지않고단기효율·장기비효율이라는통합프레임으로
이어짐. 이통합관점이부동산가치평가모형의이론적뿌리가됨.

S04 · PDF 6쪽

S04 PDF 6쪽

이 페이지 검색용 텍스트

가격= 시장미시구조가결정하는함수.
Pmarket = F ( 발행조건, 호가창, 정보)
가격(P)은W02의세축(만기·발행자·청구권)에추가로거래인프라3요소가결합해결정됨
①발행· PRIMARY (낙찰금리)
P낙찰= F / (1 + y낙찰)T
F = 액면가(10,000원, 기획재정부)
y낙찰= 가중평균낙찰금리(차등가격-4bp)
T = 만기(3년)
P낙찰= 발행가격(원)
→ 낙찰금리결정방식: PD 응찰가격→ 4bp 그룹핑→ 
그룹내동일, 그룹간차등적용
②유통· SECONDARY (시장가격)
P시장= ∑t CFt / (1 + y시장)t
CFt = 미래캐시플로(쿠폰·원금)
y시장= 시장YTM (매순간변동)
P시장= 유통시장매매가
※ 발행후y시장≠ y낙찰→ 가격변동
→ 유통스프레드= y시장− y낙찰(정보유입크기)
③가격형성· MICROSTRUCTURE
Spread = 2 · λ · σ · √( Q / V )
λ = Kyle 정보반영계수
σ = 기초자산변동성
Q = 주문크기, V = 거래량
→ 스프레드는정보프리미엄
→ Kyle(1985): 시장조성자의재고부담이스프레드로
표출됨
Advanced 심화· 통합논리
세식이공통으로담는골격은"미래캐시플로의위험조정할인가치+ 유동성프리미엄"임. 발행시장에서는y낙찰, 유통시장에서는y시장, 가격형성단계에서는Spread로반영됨. 다음슬라이드부터
국고채3년물(2025.6.9 실제낙찰)로이세식이한자산위에서어떻게동시에작동하는지검증함.

S04 · PDF 7쪽

S04 PDF 7쪽

이 페이지 검색용 텍스트

Worked Example Setup — 국고채3년물낙찰
상황— 2025.6.9 국고02250-2806 실제낙찰결과.
①주어진값· Given
발행자· Issuer
대한민국정부(기획재정부)
종목· Issue Code
국고02250-2806 (25-1차재개) — 표면금리2.250%
발행예정액· Planned Issuance
3.9조원(390억× 100 unit)
입찰방식· Auction Method
차등가격낙찰방식(DPA, 4bp 그룹핑) — 2009.9 도입
응찰액· Total Bid
≈ 10.29조원(응찰률263.9%)
입찰시간· Bidding Window
매월10:40 ~ 11:00 (20분간) · BOK-Wire 전자입찰
참여자· Participants
PD (Primary Dealer, 국고채전문딜러) 18개사(증권11 + 은행7), PPD (Preliminary 
Primary Dealer, 예비국고채전문딜러) 6개사
②구할값· To Find
①낙찰액·낙찰률산정
②DPA (Differential Price Auction, 차등가격낙찰방식) 4bp 그룹핑후가중
낙찰금리산출
③발행가격P낙찰= F/(1+y)T 계산
④유통스프레드= y시장− y낙찰
⑤W01 CBD 캡레이트4.1%·W02 시장YTM 2.70%와비교
③자료출처· Data Source
· 발행공고— 기재부국채시장(ktb.moef.go.kr/isuMth.do)
· 낙찰결과— Newskom 2025.6.9 보도
· PD 명단— 기재부영문PPD/PD 페이지
· ADB AsianBondsOnline — 시장YTM 3Y 2.5–2.7%
· KOFIABOND — 장외유통실거래참조
풀이계획· Solution Plan [Advanced 심화]
Step 1 응찰액·응찰률·낙찰액3대지표를도출함→ Step 2 DPA 4bp 그룹핑개념도로가중낙찰금리2.420% 검증함→ Step 3 P낙찰계산후시장YTM·CBD 캡레이트와비교하여스프레드해석함.
Advanced 심화· 왜국고채3년물인가
한국국고채3년물은벤치마크금리(무위험이자율)로사용됨. 회사채·MBS·PF ABS·리츠배당의공통기준선. 국고채3년물의경우유동성최상위자산이므로유통시장·발행시장데이터가모두확보됨. 
실물부동산캡레이트(W01)와비교시부동산리스크프리미엄이수치로드러남.

S04 · PDF 8쪽

S04 PDF 8쪽

이 페이지 검색용 텍스트

Step 1 — 응찰액과낙찰액
단위(조원, 배, %)를모든줄에표기함
1단계— 응찰액10.29조원, 응찰률263.9%.
①응찰률산정
응찰률= 응찰액/ 발행예정액
= 10.29조원/ 3.9조원= 2.639 = 263.9%
→ 응찰이발행예정액의2.64배몰림. 우량낙찰신호(수요초과).
②낙찰액및부분낙찰률
낙찰액= 3.9조원(100% 발행)
부분낙찰률= 25.2% (최저낙찰가그룹)
부분낙찰이란: 최저낙찰금리그룹에서응찰량이잔여발행량을초과할때비율배정. 
25.2%는해당그룹의응찰4분의1만낙찰.
③가중낙찰금리(미리보기)
y낙찰= 2.420% 연리(다음슬라이드에서DPA 그룹핑으로도출)
Sanity Check · 단위검산· [Advanced 심화]
[응찰률] = 조원/ 조원= 배(dimensionless) ✓. 응찰률263.9%는수요초과의지표이며낙찰금리를하향압력.

S04 · PDF 9쪽

S04 PDF 9쪽

이 페이지 검색용 텍스트

Step 2 — 차등가격낙찰방식(DPA)
4bp 그룹핑→ 가중낙찰금리
2단계— 4bp로그룹화, 그룹내동일금리적용.
①3대낙찰방식비교· Auction Types
방식· Method
작동원리
한국국고채
단일가격
Dutch
PD 모두에게최저낙찰금리동일적용
도입실험후미적용
차등가격
Differential 
(DPA)
4bp 간격그룹핑
— 그룹내동일·그룹간차등
2009.9 도입· 현재표준
복수가격
Conventional
각PD 응찰금리그대로적용
2009 이전방식
②가중낙찰금리도출· Weighted Yield
⚫Group 1 (최저): 2.400% × 낙찰량w1
⚫Group 2 (+4bp): 2.440% × w2
⚫Group 3 (+8bp): 2.480% × w3
y가중= Σ (yi × wi) = 2.420% 연리
Sanity Check · [Advanced 심화]
극한검증: 만약응찰량이각그룹에서균등(33.3%×3)이라면y_가중= (2.400+2.440+2.480)/3 = 2.440%. 실제값2.420%가이보다낮은것은최저그룹(2.400%)에응찰이집중됨을의미
— 수요초과방증. 그룹핑수(각그룹의비중)는표기값예시임

S04 · PDF 10쪽

S04 PDF 10쪽

이 페이지 검색용 텍스트

Step 3 — 발행가격및세시장비교
3단계— 발행가9,538원, 부동산스프레드+168bp.
①발행가격P_낙찰산출
P낙찰= 액면× (1 + c/2)2T / (1 + y낙찰/2)2T
= 10,000 × (1.01125)6 / (1.01210)6
= 10,000 × 1.06967 / 1.07473
= 9,952.9원(0.5% 할인발행)
c=2.25%(표면), y_낙찰=2.42%, T=3(년), 반기6회지급. 낙찰금리> 표면금리→ 할인발행.
②스프레드스택
y_국고3Y(발행) = 2.420% · y_국고3Y(유통) = 2.700%
→ 유통스프레드= +28bp (정보·시간프리미엄)
Cap Rate(CBD 프라임) = 4.100%
→ 부동산리스크프리미엄= 4.10 − 2.42 = +168bp
→ 부동산투자가국고채발행수익대비168bp 초과수익을요구함. 
이스프레드가유동성·관리·공실리스크의대가임.
Sanity Check · Spread Decomposition · [Advanced 심화]
[스프레드검산] W03 → W02 (28bp) = 발행후시장조정. W02 → W01 (140bp) = 실물자산리스크(유동성·공실·관리). 합계168bp를포트폴리오이론(위험프리미엄)과연결. 
부동산초과수익은무위험이아닌대가임.

S04 · PDF 11쪽

S04 PDF 11쪽

이 페이지 검색용 텍스트

Variation — 상장K-REITs 3대IPO 사례
같은3단계, 부동산자산으로재현
상장리츠23개중3대사례로3단계검증.
①신한알파리츠· SHINHAN ALPHA
최초스폰서형리츠
종목코드293940 · KOSPI
발행(Primary)
· 상장일: 2018.8.8
· 공모가: 5,000원(액면가동일)
· 조달금액: 약1,140억원
· 주관사: 신한금융투자
유통(Secondary)
· 상장첫날종가: 5,200원(+4.0%)
· 자산총계2025: 3조1,449억원
· 편입자산: 판교크래프톤타워·용산더프라임등
가격형성(Discovery)
· 2025 시가배당률: 6.5% (개별)
· NAV 대비할인율관측(2025.11)
②SK리츠· SK REIT
분기배당도입
종목코드395400 · KOSPI
발행(Primary)
· 상장일: 2021.9.14
· 공모가: 5,000원
· 조달금액: 2,326억원
· SK그룹스폰서형(SK서린빌딩등)
유통(Secondary)
· 자산총계2025: 5조624억원
· SK-P타워편입(LTV 60% 미만)
· 2024.6 제3자배정485억(@4,650원)
가격형성(Discovery)
· 국내최초분기배당리츠
· 자산재평가+18% 반영(2025.6)
③롯데리츠· LOTTE REIT
선호매수협상권구조
종목코드330590 · KOSPI
발행(Primary)
· 상장일: 2019.10.30
· 편입: 백화점4 + 마트4 + 아울렛2
· 감정가: 1조원(총63.9만㎡)
유통(Secondary)
· 자산총계2025: 2조6,155억원
· 선호매수협상권: 8.5조원(백12+아5+마67)
· 신용등급담보부AA-
가격형성(Discovery)
· 2025 회사채1,300억원발행
· 8월2.885% · 10월3.097%
Advanced 심화· Structural Distinction
세리츠모두공모가5,000원액면가로시작. 차이는자산소싱방식: 신한알파(오피스다변화)·SK(그룹자산스폰서)·롯데(그룹자산+ 선호매수협상권). 
2025 KRX 리츠TOP 10 +10.5%, 국내형+17.7% vs 해외형-5.6%. 국내스폰서형이시장의중심축.

S04 · PDF 12쪽

S04 PDF 12쪽

이 페이지 검색용 텍스트

Limits (1/2) — 2000년코스닥버블붕괴
EMH 약형효율성실패사례
2,834pt → 525pt, 9개월만에−81.5%.
사건시계열· Timeline
1996.7.1
KOSDAQ 시장개장(시총3조원)
1999.1
새롬기술(솔본) 상장→ 6개월+150배폭등
1999.5
벤처법시행— 코스닥등록법인세50% 감면(5년)
1999.7~2000.2
코스닥거래대금KOSPI 추월— 일평균2조원+
2000.3.10
KOSDAQ 사상최고2,834.4pt (현재산식283.4pt × 10)
2000.4.17
코스닥−11.4% 폭락("버블붕괴신호탄")
2000.12
연말525pt — 연초대비−81.5% 소멸
2001~2002
코스닥443pt까지추락, 20년회복지연
2017~2018
카카오·셀트리온KOSPI 이전(대규모이탈)
Advanced 심화· Model Breakdown
P시장= Σ CF/(1+y)t 모형은CF가합리적예상치일때만유효함. 1999-2000년의벤처CF 예상은수십배과대추정이었음(대다수상장기업실제이익0원). 모형이아니라입력값(기대CF)이시장붕괴의
근본원인. Fama 효율성은사후검증에서약형조차실패했음.

S04 · PDF 13쪽

S04 PDF 13쪽

이 페이지 검색용 텍스트

Limits (2/2) — 2023 SG 발CFD 사태
Kyle(1985) 정보비대칭성극단사례
2023년4월24일, 8개종목이동시에하한가.
①사건요약· SG-CFD Event
2023.4.24 오전, SG증권창구를통해8개종목(다우데이타·삼천리·서울가스·대성홀딩스등)이
동시에하한가매도세.
라덕연일당은2019.5~2023.4 (4년간) 통정매매·시세조작진행. CFD(차액결제거래)를사용
해익명·고레버리지(5~10배)로포지션을은닉함.
②부당이득및조치· Damages
· 주식매매부당이익7,305억원
· CFD 수수료1,944억원→ 합계9,250억원+
· 총56명기소, 라덕연2심징역8년(2025.6.25)
· 2026.5.20 대법파기환송— CFD도시세조종인정
③제도적대응· Regulation
· CFD 잔고2.77조(2023.3) → 1.20조(2024.7) = −60%
· 금융위: 개인CFD 월5,000만원요건·투자자실명공개
· 2024년이상거래실시간감시(AI) 도입
Advanced 심화· 부동산시장과의연결
부동산시장에서이에상응하는사건은2011 저축은행PF 사태·2024 부동산PF 부실기. 두경우모두익명·레버리지·집중의3중조합이유동성붕괴를초래함. 부동산증권화의CDO·CMBS 시장이
2008 이후소멸한것도정확히같은원리. 규제= 정보대칭성회복.

S04 · PDF 14쪽

S04 PDF 14쪽

이 페이지 검색용 텍스트

흔한실수· Common Mistakes
발행·유통·가격형성에서자주헛디디는9가지지점.
GROUP A · 학생개념오해3개
수강생절반이상헷갈림
A-1 · 발행가≠ 상장첫날종가
"IPO 공모가5,000원이상장첫날종가가아님." 신한알파
리츠공모5,000원→ 첫날5,200원(+4.0%). 공모가는
수요예측확정가, 종가는유통시장첫균형가.
A-2 · 시장가≠ 지정가
"시장가주문은반드시현재가로체결"이라오해. 시장가매
수는매도최우선호가부터소진해가며체결됨. 유동성얕은
종목에서슬리피지급증.
A-3 · T+2 결제일착각
"매도즉시현금인출가능"으로잘못인식. 주식은T+2 결
제(체결후2 영업일). 2026년KRX T+1 도입추진중.
→ 퀴즈: "5.1일KOSPI에서삼성전자매도→ 언제현금인출
가능?"
답: 5.3일(공휴일·주말제외).
GROUP B · 교재적오해3개
이론과실무갭
B-1 · EMH 3형태순서혼동
"강형이가장어렵고약형이가장쉬움"이아니라강형이가
장강한주장. 순서: 약형⊂준강형⊂강형. 검증난이도와주
장강도는반비례.
B-2 · IPO 저가발행논쟁오독
"저가발행= 발행자의실수"가아님. Rock(1986) 정보비
대칭이론에서정보열위투자자유인을위한합리적선택. 
2025 한국IPO 시초가+92% 평균이이이론의실증.
B-3 · Bid-Ask Spread = 거래비용
"스프레드가좁을수록좋다"만배움. Kyle(1985) 관점에
서스프레드는정보프리미엄. 스프레드0이면시장조성자
참여유인이사라져유동성붕괴.
→ 퀴즈: "한국KOSPI200 지수상위5종목의스프레드는왜
좁은가?"
답: 유동성공급자·시장조성자다수참여+ 정보반영속도빠름.
GROUP C · AI 시대신종3개
2025년이후관찰함
C-1 · AI 로보어드바이저과신
"AI 추천포트폴리오는EMH를이긴다"라는착각. 대부분
의로보어드바이저는과거데이터기반최적화로, 준강형·강
형효율성벽앞에서지속적초과수익부재.
C-2 · 소셜미디어밈주식추종
"커뮤니티추천= 정보"라는오인. 2021 
GameStop·2024 국내밈리츠사례에서관찰됨. Kyle 
모형의Noise Trader 폭증시시장조성자의λ 급등→ 스프
레드폭발.
C-3 · AI 생성가짜IR 자료
2025 초미국사례: LLM으로조작된IR·재무제표가유통. 
DART 원문검증없는인용은자본시장법상위법. 실습과제
수행시모든수치1차출처재확인필수.
→ 원칙: AI 사용시URL·기관·날짜3요소없는인용은
무효로처리.
What Loses Points · 채점관점
Group A: 부분점수−30% · Group B: 부분점수−50% · Group C: 0점+ 학습윤리위반조치. 실습과제채점시특히B-3(스프레드의미)와C-3(1차출처)가자주감점요인.

S04 · PDF 15쪽

S04 PDF 15쪽

이 페이지 검색용 텍스트

다음시간예고및실습과제
이번주배운것을다음주어떻게쓰는가
한문장요약— "증권거래= 발행·유통·가격형성3단계시스템"
NEXT — 부동산수익률의측정
예습힌트
Q1 — 오늘계산한국고채3Y 낙찰금리2.420%를다음주부동산수익률과비교할때, 왜y_시장2.700%가아닌y_낙찰2.420%를벤치마크로삼는가?
(힌트: 무위험이자율의정확한정의— 발행vs 유통)
Q2 — 총수익률(Total Return)과자기자본수익률(ROE)의차이가발생하는조건은?
(힌트: 레버리지비율과부채비용y_debt)
Q3 — 3주차리츠3대사례(신한알파·SK·롯데)의시가배당률7~9%가실물오피스캡레이트4.1%보다높은이유는? 두지표는동일자산클래스인가?
[Advanced 심화]
y_낙찰2.420% → 부동산총수익률r = (NOI + ΔV) / V₀의무위험벤치마크가됨. 스프레드168bp가포트폴리오이론의부동산위험프리미엄으로이어짐.

S05 · Lecture Notes 04_부동산 공간시장 자산시장 시스템(1).pdf · 15쪽 — 원문 펼치기

S05 · PDF 1쪽

S05 PDF 1쪽

이 페이지 검색용 텍스트

부동산투자론· Real Estate Investments · 3학점
단국대학교도시계획부동산학부· 2026-2학기
부동산의이중시장구조
"부동산은두시장위에서있음— 공간(임대료)과자산(가격)."
공간시장· 자산시장
시스템
Space Market ⇌Asset Market · DiPasquale-Wheaton 4-Quadrant
상품카탈로그→ 거래3단계→ 공간·자산시장의결합→ 수익률측정.
Space × Asset × 4-Quadrant

S05 · PDF 2쪽

S05 PDF 2쪽

이 페이지 검색용 텍스트

잠깐— 같은빌딩이두개의가격표를동시에가짐.
①SPACE MARKET · 공간시장
"여기서얼마내고쓸까?"
이빌딩을쓰고싶은사람과공간을임대주려는사람이만나는시장. 결정되는값은임대료
(Rent). 단위: 원/평/월.
참여자: 임차인(로펌·스타트업·리테일) 
임대인(빌딩소유자)
공급: 기존빌딩재고, 신규준공
수요: 지역경제활동, 고용, 인구, 재택근무비중
서울CBD 2025: 127,200원/평/월(Savills, +5.1% yoy)
②ASSET MARKET · 자산시장
"얼마주고이빌딩살까?"
이빌딩을소유하려는투자자와팔려는소유자가만나는시장. 결정되는값은자산가격(P)과
캡레이트. 단위: 원/ %.
참여자: 리츠·기관투자자·연기금
개발사·자산운용사
공급: 매물, 신규개발파이프라인
수요: 자본유동성, 국고채금리, 리스크프리미엄
서울CBD 2025 Q3: 캡레이트4.2% (GenstarMate)
· 두시장을연결하는다리· The Bridge
임대료가오르면(공간시장) → 미래수익이커짐→ 자산가격이오름(자산시장). 반대로자산가격이오르면신규개발이늘어남→ 공간재고증가→ 임대료하락압력.
두시장은반드시균형점을찾아감. 이순환이곧DiPasquale-Wheaton 4분면모델.
한문장— "두시장은하나의시스템". 오늘의나머지슬라이드는이문장의정리·수식·데이터검증.

S05 · PDF 3쪽

S05 PDF 3쪽

이 페이지 검색용 텍스트

The 15-Week Map
W01
투자환경
이해
W02
금융상품
3축
W03
증권거래
3단계
W04
공간·자산
시스템
W05
수익률
측정
W06-08
가치평가
DCF·NAV
W09-13
포트폴리오
CAPM·APT
W14-15
사례분석
기말고사
PART I · SLIDES 04-06
공간시장· Space Market
· 시장세분화(Segmentation)
· 수요·공급함수
· Kinked Supply Curve
· 오피스임대료실증(서울3대권역)
키워드: LRMC · 재고· 재택근무20% 이슈
PART II · SLIDES 07-10
자산시장· Asset Market
· DiPasquale-Wheaton 역사
· REITs 구조
· Cap Rate 정의·계산·결정요인
· Worked Example (CBD 프라임)
키워드: Cap Rate 4.2% · NOI · V=NOI/Cap
PART III · SLIDES 11-15
시스템통합· Integration
· DiPasquale-Wheaton 4분면모델
· 경기시나리오분석
· Limits (재택근무·PF 부실기)
· Common Mistakes 9개
· W05(수익률) 예고
키워드: 4-Quadrant · Shock 전파

S05 · PDF 4쪽

S05 PDF 4쪽

이 페이지 검색용 텍스트

PART I · 공간시장세분화· Segmentation
"왜부동산은단일시장이아닌가"
부동산은위치와용도가고정되어시장이쪼개짐.
Key Characteristics · 3대특징
①수요는특정공간·특정위치를요구함
로펌은창고를쓸수없음. 강남로펌이지방으로이전하면고객기반소실. 공간의종류(사무·
물류·주거)와위치가대체불가능함.
②공급은특정물리적유형·고정위치임
빌딩은이동불가능. 창고를프라임오피스로개조어려움. 공급조정에수년단위시차가있음
(개발·인허가·준공).
③결과: 고도로세분화된시장
서울오피스= CBD·GBD·YBD 3개독립시장. 강남A급오피스와잠실물류창고는다른
시장. 임대료·공실률·캡레이트모두이질적.
④2020년대변화: 재택근무의충격
수요측공간유연성급증(Post-COVID). 그러나공급은여전히고정→ 구조적미스매치
발생. 특히미국·유럽오피스시장심화. 한국은상대적완화.
서울3대오피스권역실측(2025 Q3)
권역
임대료
공실률
캡레이트
CBD
광화문·시청
131,000
원/평/월
5.5%
4.2%
GBD
강남·테헤란
128,600
원/평/월
2.8%
3.8%
YBD
여의도
112,000
원/평/월
4.5%
3.9%
관찰: 3권역임대료스프레드19,000원/평/월· 공실률스프레드2.7%p · 캡레이트스프레드
40bp. 각시장은독립적동학을가짐.
출처: Savills 2025 Q3 · Cushman & Wakefield · GenstarMate 253Q Report · 명목임대료(3.3㎡기준)
Advanced 심화· Substitution Elasticity
대체탄력성(σ)이낮을수록시장이세분화됨. CBD 
GBD의σ ≈ 0.3 (낮음), CBD 
오사카오피스의σ ≈ 0 (별개시장). 세분화된시장은수요충격이국지적으로남음. 
이특성이부동산포트폴리오다각화의이론적근거가됨.

S05 · PDF 5쪽

S05 PDF 5쪽

이 페이지 검색용 텍스트

오피스수요·공급함수· Demand & Supply
수요와공급— 함수로정식화함.
①수요함수· Office Space Demand
QD = α − β·R + γ·E + δ·(1−WFH)
QD = 수요량(평) · R = 임대료(원/평/월) · E = 지역고용(명)
WFH = 재택근무비중(0~1) · β,γ,δ = 각요인의탄력성계수
α = 절편(기본수요)
→ R 상승시QD 감소, E 상승시QD 증가, WFH 상승시QD 감소
②공급함수· Space Supply
QS(R) = Q0 + f(R)
Q0 = 기존재고(Stock, 평) · f(R) = R에반응하는신규공급
R < LRMC: f(R) ≈ 0 (신규공급없음)
R ≥ LRMC: f(R) > 0 (개발시작)
LRMC = 장기한계개발비용
→ 이비대칭반응이다음슬라이드의Kinked Supply Curve
③시장균형· Market Equilibrium
QD(R*) = QS(R*) ⇒R*, Q*
수요·공급곡선의교점(R*, Q*)가균형임대료·균형공간량임. 서울CBD 2025 Q3 실측: R* = 131,000원/평/월, Q* = CBD 재고의94.5% (공실률5.5%). 
다음슬라이드에서곡선을그려균형을시각화.
Advanced 심화· 수요·공급탄력성
한국오피스시장실증연구: 임대료탄력성β ≈ 0.15 (매우비탄력적), 고용탄력성γ ≈ 0.6~0.8. 재택근무계수δ ≈ -0.20 (2020~2023 관찰). 공급탄력성은단기0에가까움. 
이비대칭이부동산사이클의진폭을키움.

S05 · PDF 6쪽

S05 PDF 6쪽

이 페이지 검색용 텍스트

Kinked Supply Curve · 꺾인공급곡선
부동산시장의고유한형태
공급곡선이꺾이는이유— 건물은부수기어려움.
두국면의해석· Two Regimes
①하강기(R < LRMC · 하락국면)
빌딩은부수기어려움. Q는고정된채R만하락함. 공실률상승·임대료인하로조정됨.
실증사례: 2020 코로나초기서울오피스· 미국·유럽2023-2024 재택근무충격.
②확장기(R ≥ LRMC · 상승국면)
임대료가개발비용을웃돌면신규공급이시작됨. R은LRMC에서정체되고Q(재고)만
증가함.
실증사례: 2010년대후반판교·마곡지구개발· 2023-2024 광명·구로데이터센터.
③정책함의· Policy Implication
수요억제정책은하강기에는R을더낮춤(역효과). 확장기에는공급규제가R을급등
시킴. 정책은사이클국면에따라달리설계해야함.
Advanced 심화· Wheaton(1987) Modeling
Wheaton(1987) "The Cyclic Behavior of the National Office Market"에서Kinked Supply가오피스사이클의진폭을설명함을실증. 
미국30년오피스데이터에서과잉공급(overshoot) 사이클이반복관측됨. 한국서울오피스도2000년대초·2016~2018·2024 3번의사이클확인. 
출처: Wheaton, W. C. (1987). The cyclic behavior of the national office market. Real Estate Economics, 15(4), 281-299.

S05 · PDF 7쪽

S05 PDF 7쪽

이 페이지 검색용 텍스트

1996년, MIT에서두시장을하나로묶은책이나옴.
1987
Wheaton
사이클모형
1992
DiPasquale·
Wheaton
JEP 논문
1996
Urban Economics
and Real Estate
Markets
2001
Geltner·Miller
교재확산
2008
GFC 검증
모형강화
2020~
코로나이후
WFH 확장
Denise DiPasquale · William Wheaton
"Urban Economics and Real Estate Markets"
Prentice-Hall, 1996. Ch. 1-2에서4-Quadrant 모델정립.
JEP 6(3) 그림최초발표: DiPasquale·Wheaton(1992) "The Markets for Real 
Estate Assets and Space"
· MIT Center for Real Estate 학파의창시자
· 이전에는공간시장≠ 자산시장으로분리연구되던것을하나의4분면그래프로통합
· 이프레임이부동산학의표준언어가됨
핵심통찰· Key Insight
"The space market and the asset market are two sides
of the same coin."
한국도입경로:
· Geltner·Miller(2001) 상업용부동산분석·투자교재번역·확산
· 한국의REITs 도입(2001) · 부동산펀드활성화와시기적결부
· 국토연구원·건설산업연구원실증연구다수축적
Advanced 심화· 학술적위치
DiPasquale-Wheaton 모형은Rosen(1974) hedonic pricing·Muth(1969) urban housing·Wheaton(1974) monocentric city의계승. 그러나공간시장균형(단기)과자산시장
균형(중장기)을한프레임안에서동시시각화한것이학문적기여. Ball et al.(2012)은이모형이영국·독일·일본에서도재현됨을실증.

S05 · PDF 8쪽

S05 PDF 8쪽

이 페이지 검색용 텍스트

PART II · 자산시장· Asset Market
자산= 미래캐시플로의현재가치
자산시장— 부동산이주식·채권과겨루는자본시장.
자산시장의정의· Definition
자산시장이란투자자가부동산자산을매수·매도하는시장. 매매가는미래예상캐시플로를
반영하여결정됨.
핵심특징· Key Traits
①투자자에게부동산자산= 미래캐시플로임
②부동산은주식·채권과자본시장에서경쟁함
③자산가치는공간시장의임대료와요구수익률에의해결정됨
④결과: 자산가격(P)과캡레이트(Cap Rate)가산출됨
한국시장규모· 2024-2025
· 2024년상업용총거래액: 22조원(+49%)
· 2025년누적거래액: 33.7조원(+53%)
· 섹터비중: 오피스60% · 물류23% · 호텔·리테일각9%
· 상장리츠시가총액합: 약8조3,600억원
Advanced 심화· REITs 구조
K-REITs는자산시장의대표참여자. 상장리츠23개·전체리츠469개·AUM 127.49조원(2025.12). 리츠는배당가능이익의90% 의무배당규정으로개인투자자에게부동산노출을제공. 
개별자산매입·매각없이KRX에서즉시거래가능한유동성채널.

S05 · PDF 9쪽

S05 PDF 9쪽

이 페이지 검색용 텍스트

Cap Rate 정의·계산·결정요인
부동산가치의열쇠지표
Cap Rate = 미래NOI를즉시자산가치로변환하는배율.
Cap Rate = NOI / V
NOI = 순영업이익(연간, 원/평/년) · V = 자산가치(원/평)
①결정요인· 무위험이자율
rf · Risk-Free Rate
국고채3년낙찰금리
2025 Q3: 2.420%
rf 상승→ 캡레이트상승→ 자산가치하락(금리·부동산
반대방향).
출처: 기재부국고채낙찰공고(2025.6.9 · 국고02250-2806)
②결정요인· 리스크프리미엄
RP · Risk Premium
유동성·공실·관리·개발리스크의대가.
한국CBD 프라임오피스RP ≈ +180bp
RP = 캡레이트− rf
= 4.20 − 2.42 = 1.78%p (178bp)
자산유형·권역·건물등급에따라100~400bp 스펙트럼
③결정요인· 성장률기대
g · Growth Rate
NOI 장기성장률(Gordon 모형).
Cap = rf + RP − g
g 상승→ 캡레이트하락→ 자산가치상승. 성장기대
반영.
한국오피스g ≈ 1.5~2.5% (물가+ α)
Advanced 심화· Gordon Growth Model 도출
V = NOI / (r − g)에서r = rf + RP. 따라서Cap = NOI/V = rf + RP − g. g가크면캡레이트가낮아짐(성장주프리미엄유사). 성장기강남오피스가CBD보다캡레이트가낮은이유. 
다음슬라이드에서서울CBD 실측데이터로이식을검증.

S05 · PDF 10쪽

S05 PDF 10쪽

이 페이지 검색용 텍스트

Worked Example — CBD 프라임오피스
자산가치V = NOI / Cap — 세단계로검증.
STEP 1 · 임대료확인(공간시장데이터)
R = 131,000원/평/월(Savills 2025 Q3, CBD 명목임대료)
실효임대율= 95% (임차인센티브반영) → Reff = 124,450원/평/월
STEP 2 · NOI 산출(자산시장으로의변환)
EGI = Reff × 12개월× (1 − 공실률5.5%)
= 124,450 × 12 × 0.945 = 1,411,062원/평/년
NOI = EGI × (1 − OER) = 1,411,062 × 0.60 = 846,637원/평/년
OER (Operating Expense Ratio) 40% 가정· Geltner-Miller Ch. 11 표준가정
STEP 3 · 자산가치V 도출
V = NOI / Cap = 846,637 / 0.042
= 20,158,024원/평≈ 2,016만원/평
→ 시장실측CBD 프라임매매가3,362만원/평(W01) 대비40% 저평가계산.
시장가와의갭이Cap Rate Compression(시장기대성장)·희소성프리미엄임.
Sanity Check · 단위·차원검증· [Advanced 심화]
[단위] V = NOI/Cap = (원/평/년)/(%/년) = 원/평✓· [극한] Cap→0 시V→∞ (성장주유사), Cap→∞ 시V→0 (부실자산). 계산값2,016만원은기본캡레이트만반영한값, 시장가3,362만원과의
40% 갭이기대성장(g)·희소성프리미엄임. 다음슬라이드에서4분면모델로이두시장을하나로통합.

S05 · PDF 11쪽

S05 PDF 11쪽

이 페이지 검색용 텍스트

PART III · 4분면모델· 4-Quadrant
두시장이하나의그림으로
부동산의지도— 네개분면이한시스템을이룸.
4분면순환· Four-Quadrant Cycle
Q1 (우상) · 공간시장임대료결정
수요·공급곡선의교점→ 균형임대료R*와균형재고Q* 결정. 임대료= 공간의사용가치.
Q2 (좌상) · 자산시장가치평가
V = R / Cap. 캡레이트= 무위험이자율+ 리스크프리미엄− 성장률. 
임대료가자산가치를결정.
Q3 (좌하) · 자산시장신규건설
V > LRMC일때개발업자가신규착공. 자산가치가신규공급을유발.
Q4 (우하) · 공간시장재고조정
ΔQ = C − δ·Q. 신규건설(C)에서감가상각(δ·Q)을차감한만큼총재고가증가. 이새재
고가Q1으로되돌아가임대료하락압력이됨. 순환완성.
Advanced 심화· 균형의존재
4분면모델의균형은Q4 → Q1 폐환이만족될때만존재함. 즉신규재고유입이감가상각과정확히일치할때정상상태(steady state). 균형에서벗어나면다음슬라이드의사이클시나리오가시작됨. 
Wheaton(1999) 실증: 미국오피스균형회복평균소요7~10년.

S05 · PDF 12쪽

S05 PDF 12쪽

이 페이지 검색용 텍스트

시나리오분석· Cycle Scenarios
경기확장· 하강· 재택근무3가지
경기가바뀌면4분면균형점이어떻게이동하는가.
시나리오1 · 경기확장기
수요증가(D → D')
Q1 (임대료): 수요곡선우측이동→ R ↑
Q2 (자산가치): R 상승→ V ↑ (Cap 고정가정)
Q3 (건설): V > LRMC → 신규착공↑
Q4 (재고): 신규완공→ Q ↑ (지연3~5년)
새균형점: R ↑ · V ↑ · Q ↑
사례: 2015-2018 판교판교테크노밸리오피스붐. 임대료
30% 상승, 신규준공400,000㎡, 캡레이트5%→4% 압축.
→ 위험: 공급시차로과잉공급사이클진입가능
출처: 판교부동산통계연보(2019) · 국토연구원
시나리오2 · 금리인상기
Cap Rate 상승(Cap → Cap')
Q2 (자산가치): Cap ↑ → V ↓ (즉시)
Q3 (건설): V < LRMC → 신규착공중단
Q4 (재고): 감가만진행→ Q ↓ (매우느림)
Q1 (임대료): Q 감소→ R ↑ (수년뒤)
새균형점: V ↓ (즉시) · R ↑ (지연) · Q ↓
사례: 2022-2023 미국·유럽오피스. 캡레이트4%→6% 
확대, 자산가치-30%, 착공중단.
→ 위험: PF 부실· 리츠배당축소· 대체투자유입급감
출처: CBRE Global Office Report 2024
시나리오3 · 재택근무확산
수요축소(D → D'')
Q1 (임대료): 수요곡선좌측이동→ R ↓
Q2 (자산가치): R ↓ → V ↓
Q3 (건설): V < LRMC → 신규착공중단
Q4 (재고): 감가만→ Q ↓ (매우느림)
→ Q1 재조정: Q ↓ → R 회복(10+ 년)
새균형점: R ↓ · V ↓ · Q ↓ (장기)
사례: 2020-2024 샌프란시스코오피스. 공실률34%, 
임대료-20%, 가치-50%. 한국은완화됨.
→ 위험: 오피스구조적하락(기존재고Q0가영구적과잉)
출처: SF Chronicle 2024 Office Report
· 한국CBD 공실률5.5%로안정
Advanced 심화· Cycle Amplitude
4분면모델의결정적통찰은공급의시차(3~5년)와재고의지속성(20~30년) 때문에사이클이자기증폭된다는점. 확장기에는과잉공급이오고, 하강기에는과잉재고가남음. 
Wheaton-Torto(1988): 오피스사이클진폭은GDP 사이클의3~4배. 이특성때문에부동산은포트폴리오다각화필수자산군.

S05 · PDF 13쪽

S05 PDF 13쪽

이 페이지 검색용 텍스트

Limits — 모델이안맞을때
2020-2024 관측사례3건
4분면모델이예측하지못한3가지이슈.
ISSUE 1 · 재택근무구조전환
수요함수의영구적좌측이동
Post-COVID 재택근무관행이일시적충격이아닌구조
변화임이확인됨. 모델은D가원위치로복귀한다고가정하
나, 실제로는D''가새정상상태.
미국CBD 오피스실측:
· 샌프란시스코공실률: 5% → 34% (2020-2024)
· 자산가치: -50%~-60% 하락
· 회복예상기간: 10년+
한국은완화: 대기업대면근무회귀· 공실률CBD 5.5% 유
지(Cushman & Wakefield 2025 Q4). 그러나중형
오피스(B급이하)는유사압력.
→ 모델수정: WFH 항을시간의존적구조파라미터로재정의필요
ISSUE 2 · PF 부실기
Q3 (건설) 유동성붕괴
4분면모델은V > LRMC이면자동착공가정. 그러나
2024 한국PF 부실기에는자금조달봉쇄로착공자체가불
가능.
한국PF 시장실측:
· 익스포저: 202조→ 174.3조(-27조원, 2024-2025)
· 연체율: 4.24% → 3.88%
· 정리사업장: 16.5조원→ 18.5조원
· 신규착공: 전년대비-35%
모델확장: Q3에자금조달제약항(finance constraint)
추가필요. 
→ 정책함의: 금리·자본조건이공간시장에직접개입
ISSUE 3 · 자산유형분화
오피스vs 물류·데이터센터
원본모델은단일자산군가정. 그러나2020s에는자산군
간양극화가극심.
한국2025 실측:
· 오피스캡레이트: 4.1%
· 물류캡레이트: 4.8% (+70bp)
· 데이터센터캡레이트: 5.2% (+110bp)
· 리테일캡레이트: 5.8% (+170bp)
e-커머스·AI·물류산업이각자산군의수요함수를다르게
이동시킴. 단일4분면으로표현불가.
→ 확장: 자산군별별도4분면(오피스·물류·리테일·주택·데이터센터)
Advanced 심화· Model Extensions
Wheaton·DiPasquale의원본4분면은토대프레임. 실무적용을위해서는①자산군별별도4분면(오피스·물류·리테일·주택·데이터센터), ②Q3에자본시장조건반영, ③Q1의수요함수에재택
근무·인구고령화항추가필요. 이확장모형이부동산가치평가와사례분석에서사용됨.

S05 · PDF 14쪽

S05 PDF 14쪽

이 페이지 검색용 텍스트

흔한실수· Common Mistakes
공간·자산분석에서자주헛디디는9가지지점.
GROUP A · 학생개념오해3개
시장개념헷갈림
A-1 · 임대료= 자산가격오해
임대료(원/평/월)와자산가격(원/평)은단위·시장완전다름. 
임대료는공간시장, 자산가격은자산시장. V = R / Cap으로
연결만됨.
A-2 · Cap Rate = 수익률오해
"Cap = 총수익률"이아님. Cap은연간NOI ÷ 자산가치임. 
총수익률은(NOI + ΔV) / V0. Cap은성장률(g)과자본이득
을제외.
A-3 · 명목vs 실효임대료혼동
명목임대료(Face Rent)는계약서상액수. 실효임대료
(Effective Rent)는인센티브(무상임대·리노베이션)를
반영한실질치. 한국프라임오피스갭5~10%.
→ 퀴즈: "CBD 명목131,000원/평/월, 3개월무상임대시
실효는?"
답: 131,000 × 9/12 = 98,250원/평/월(연기준)
GROUP B · 교재적오해3개
이론과실무갭
B-1 · 4분면= 완전균형오해
4분면모델은이론적정상상태(steady state)임. 실제시장은
수년~수십년조정지연. 균형점은목표이지현재상태가아님. 
Wheaton(1987) 오피스사이클7-10년.
B-2 · LRMC 단일값오해
LRMC는지역·시점·건물등급에따라다름. CBD 프라임
LRMC ≈ 3,500만원/평, 판교A급LRMC ≈ 2,800만원/
평. 단일값가정은오도적.
B-3 · Cap Rate 고정가정
"Cap이고정"이아니라매순간시장이캡레이트를재발견함. 
2021 CBD Cap 3.4% → 2025 4.2%로확대(80bp 상승). 
Cap 변동이자산가치의최대변동요인.
→ 퀴즈: "NOI 84.6만원고정, Cap 3.4→4.2 시V 변화?"
답: -19% (2,488만원→ 2,014만원)
GROUP C · AI 시대신종3개
2025년이후관찰함
C-1 · AI 부동산밸류에이션과신
"AI가매물가치자동산정"이라는착각. 대부분의AI 모델은
과거실거래회귀에불과. 캡레이트변동성·건물별이질성반
영불가. 인간감정평가대체불가.
C-2 · 프롬프트잘못→ 오답
"서울오피스캡레이트?"라는모호한질문은
CBD·GBD·YBD 평균만반환. 권역·자산등급·시점을명시
해야정확. 프롬프트= 데이터요구사양.
C-3 · AI 생성가짜시장데이터
LLM이존재하지않는리츠·거래·수치를그럴듯하게만들어
냄. Savills·CBRE·GenstarMate 등원본리포트직접확
인필수.
→ 원칙: 모든부동산수치는1차리포트·기관·날짜3요소병기.
What Loses Points · 채점관점
Group A: 부분점수−30% · Group B: 부분점수−50% · Group C: 0점+ 학습윤리위반조치. 실습과제(부동산시장환경분석) 채점시특히A-1(임대료vs 가격)과C-3(1차출처)가자주감점요인.

S05 · PDF 15쪽

S05 PDF 15쪽

이 페이지 검색용 텍스트

다음시간예고및실습
이번주배운것을다음주어떻게쓰는가
한문장— "공간시장(R) ⇌자산시장(V·Cap)이4분면으로순환한다"
NEXT — 부동산수익률의측정
예습힌트
Q1 — 오늘계산한V = NOI/Cap은순간가치. 그러나실제투자는여러해에걸침. 
총수익률r = (NOI + ΔV) / V0에서ΔV는어떻게예측하나?
(힌트: g와Cap 압축)
Q2 — 리츠시가배당률7-9%가실물Cap 4.2%보다높은이유는? 두지표는다른의미인가?
(힌트: 레버리지효과· Debt-to-Equity)
Q3 — 4분면균형점이10년걸려회복된다면, 투자자의연복리수익률(IRR)은어떻게계산되나?
부동산시장환경분석
서울3대오피스권역중1개선정, 4분면프레임을적용해분석
Region A · CBD (광화문·시청) — 정부·금융업집중
Region B · GBD (강남·테헤란) — 대기업·IT 집중
Region C · YBD (여의도) — 증권·자산운용사집중
[Advanced 심화]
V = NOI/Cap → r = (NOI + ΔV) / V0로동적확장됨. Cap 압축(ΔCap < 0)은자본이득의원천, Cap 확대(ΔCap > 0)는자본손실의원천. 4분면시나리오가수익률시나리오로이어짐.

S06 · Lecture Notes 05_부동산 수익률의 측정(1).pdf · 20쪽 — 원문 펼치기

S06 · PDF 1쪽

S06 PDF 1쪽

이 페이지 검색용 텍스트

부동산투자론· Real Estate Investments · 3학점
단국대학교도시계획부동산학부· 2026-2학기
부동산수익률의측정
Real Estate Return Measurement — Geltner 3분해식과서울GBD 3년보유IRR
r = y + g
총수익률(r) = 현재수익률(y, Current Yield) + 성장률(g, Growth) · 3중분해
r = y + g · r = rf + RP · r = R + I
학습목표· 부동산수익률을세가지성분으로분해하고, 서울GBD 프라임오피스3년보유IRR을도출한다.
2025 Q3 · 핵심실측데이터
3.8%
GBD 프라임오피스Cap
Savills·GenstarMate Q3 2025
2.45%
국고채3Y (rf 기준)
→ 부동산RP ≈ 150-250bp
+10.5%
2025 K-REITs vs KOSPI +75.6% → 
-65.1%p 언더퍼폼

S06 · PDF 2쪽

S06 PDF 2쪽

이 페이지 검색용 텍스트

Physical Intuition
부동산수익률은두가지물줄기가합쳐진강이다.
①임대료물줄기· Current Yield (y)
y
매년임차인이통장에넣는돈.
— 계약서에적힌임대료
— 관리비·공실률차감후실효액
— 지금이순간측정가능한수익
GBD 2025 Q3 → y ≈ 3.8% (Cap)
②가격물줄기· Growth (g)
g
5년뒤자산자체의가격이오른만큼.
— 임대료인상→ NOI ↑
— 캡레이트변동→ V = NOI/Cap
— 미래에만실현되는수익
임대료+3%·Cap 3.8%→4.0% → g ≈ -1~+3%
핵심· Key Insight
r = y + g. 두물줄기중어느쪽이우세한지가자산의투자성격을결정한다.
채권형자산→ y 우세· 주식형자산→ g 우세· 부동산→ 두물줄기가균형을이룬다.

S06 · PDF 3쪽

S06 PDF 3쪽

이 페이지 검색용 텍스트

학습로드맵
개념에서계산, 그리고한계까지.
§ 1 · CONCEPT
투자시스템·자산군
⚫부동산투자시스템
(실물→상품→투자자)
⚫4대자산군비교
(Stocks·RE·Bonds·Cash)
→ 한국실측2020-2025
§ 2 · EQUATION
수익률3분해식
⚫Geltner 3-way
r = y + g
r = rf + RP
r = R + I
→ Geltner-Miller Ch.9
→ Fisher 1930
§ 3 · WORKED
GBD 3년IRR
⚫Setup (100억·LTV 50%)
⚫Step 1 · NOI 3년
⚫Step 2 · 레버리지
⚫Step 3 · Equity IRR
→ GBD Cap 3.8%
→ Modigliani-Miller 1958
§ 4 · VARIATION
K-REITs 실증
⚫상장리츠5개y+g
신한알파·SK·롯데
이지스·마스턴
→ 리츠연속
→ 배당7-11% · 주가부진
§ 5 · LIMITS
한계·실수
⚫2024 REITs
언더퍼폼
⚫이자율·PF
⚫9가지실수
⚫다음주예고
→ NAREIT vs 
S&P
Learning Path · [Advanced 심화]
Concept(§1) → Equation(§2) → Worked Example(§3) → Variation(§4, K-REITs) → Limits(§5). 매슬라이드마다원본페이지매핑과한국실측데이터가병기됨.

S06 · PDF 4쪽

S06 PDF 4쪽

이 페이지 검색용 텍스트

부동산투자시스템· Real Estate Investment System
부동산은실물→ 상품→ 투자자의3계층시스템이다.
Real Estate Investment System · 국내실측매핑
LAYER 1 · UNDERLYING ASSETS · 실물자산
Bricks & Mortar · 임대료창출실물
프라임오피스· 리테일· 물류센터· 호텔· 데이터센터· 헬스케어· 한국R-ONE 100+ 지수대상
↓
LAYER 2 · INVESTMENT PRODUCTS · 투자상품
사모· 공모· 상업용모기지
Private (사모)
LP · CREF · Private REITs
Public (공모)
REITs (K-REITs 23개상장) · CMBS
↓
LAYER 3 · INVESTORS · 투자자
Individual · Institutional
개인(소액리츠) · 기관(연기금·보험·자산운용사) · SI(전략적투자자)
▸왜3계층인가
실물자산은분할할수없다. 그래서투자상품계층이자산을지분
(equity) · 부채(debt)로쪼개어투자자에게판다. 이쪼갬이수익률
구조자체를바꾼다.
▸자산vs 상품vs 투자자예시
실물케이스퀘어강남2 (5,349만원/평)
상품코람코블라인드2호펀드(Private)
투자자한웰그룹(SI, 2026 Q1 인수)
출처: Cushman & Wakefield Seoul Capital Markets Q1 2026
수익률에미치는함의· Return Implication
같은실물(GBD Cap 3.8%)이라도
· 직접보유IRR = 프로젝트수익률
· LP 지분= 성과보수차감후
· 리츠지분= 배당7~11% + 주가변동±20%
Source
국토교통부리츠정보시스템reits.molit.go.kr

S06 · PDF 5쪽

S06 PDF 5쪽

이 페이지 검색용 텍스트

자산군비교· Asset Classes Comparison
부동산은중간위험· 높은현재수익률의고유프로파일.
평가지표· Concern
Stocks (KOSPI)
Real Estate*
국고채10Y
Cash (CD 91)
①위험· Risk
Annualized σ
HIGH
σ ≈ 22%
MODERATE
σ ≈ 12% (K-REITs)
MODERATE
σ ≈ 1.5%
LOWEST
σ ≈ 0.5%
②총수익률· r
2025 실측
+75.6%
2025 YTD
+10.5%
KRX 리츠TOP10
3.39%
2025 avg
3.55%
2025 avg
③현재수익률· y
배당·이자·NOI
LOW
KOSPI 배당2.0%
HIGH
K-REITs 배당7.7%
HIGHEST
쿠폰100%
MODERATE
단리이자
④성장률· g
자본이득
HIGH
주가상승우세
LOW
임대료인상3%/yr
NONE
액면가고정
NONE
재투자시y만
⑤인플레이션헤지
Inflation Protection
LR GOOD
장기실질+
GOOD
임대료·가치재조정
BAD
실질가치하락
BEST (재투자)
단기이자율반영
Key Insight · 부동산의고유프로파일· [Advanced 심화]
부동산은y가큰자산(K-REITs 7.7%, 직접Cap 3.8%)이지만g가작다(임대료3%/yr). Stocks는반대. 두자산군을y vs g 축으로배치할때부동산은채권과주식
사이의균형점에위치한다.
* Real Estate 열은KOSPI 상장K-REITs 기준. 직접사모부동산은Cap Yield 3.8~4.5% + Capital Appreciation 1~3%.
출처: KRX·KAREIT·BOK ECOS·통계청CPI 2020-2025

S06 · PDF 6쪽

S06 PDF 6쪽

이 페이지 검색용 텍스트

The Equation · 수익률3분해식
총수익률(r)을세가지방식으로분해.
①INCOME vs GROWTH
현재수익률+ 성장률
r = y + g
y · Current Yield
= NOI / Property Value
= Cap Rate (정적)
g · Growth
= 자본이득(동적)
= 임대료인상· Cap 변동
한국GBD 2025 Q3
y = 3.8% · g = 임대료3%/yr → r ≈ 6.8%
②RISK-FREE + PREMIUM
무위험이자율+ 위험프리미엄
r = rf + RP
rf · Risk-Free Rate
= 국고채수익률
= 국고채3Y 2.45%
RP · Risk Premium
= 자산유형위험대가
= 150~350bp
한국GBD 2025 Q3
Cap 3.8% - rf 2.45% = RP 135bp (face)
effective rent 기준RP ≈ 200bp
③REAL + INFLATION
실질수익률+ 인플레이션
r = R + I
R · Real Return
= 인플레이션차감순수익
I · Inflation Premium
= 명목- 실질
= 부동산헤지기능
한국2025
Cap 3.8% - CPI 2.1% = 실질1.7%
→ 부동산인플레헤지실증

S06 · PDF 7쪽

S06 PDF 7쪽

이 페이지 검색용 텍스트

Worked Example
서울GBD 프라임오피스3년보유IRR 시나리오.
자산프로파일· Property Profile
GBD 프라임오피스A동
강남·테헤란로·삼성동등GBD 권역표본자산(가상)
2025 Q3 매입→ 2028 Q3 매각(3년보유)
매입가(Purchase Price)
매입Cap Rate
초년도NOI
임대료상승률(g)
공실률
운영비율(of EGI)
Exit Cap Rate
보유기간(Hold Period)
100억원
3.80% (Savills·GenstarMate Q3'25)
3.8억원(100억× 3.8%)
+3.0% / yr (2023-25 YoY 평균)
2.0% (GBD 1.7% + 안전마진)
12% (Cushman 표준)
4.00% (+20bp 확대가정)
3년
※ 실측매매사례: 아크플레이스3,950만원/평· 코레이트타워4,205만원/평
· 케이스퀘어강남2 5,349만원/평
자본구조· Capital Stack
LTV 50% · 대출4.5%
자기자본· Equity · 50억원(50%)
차입금· Debt · 50억원(50% LTV)
대출금리(Interest)
대출만기(Maturity)
DSCR (Year 1)
Debt 상환방식
Capex Reserve
4.50% (기준2.5% + 가산2.0%)
5년(원금만기일시)
1.46 (NOI/이자= 3.279/2.250)
만기일시상환(Bullet)
NOI의3%
Modigliani-Miller (1958) · 레버리지예측
ROE = rproject + LTV × (rproject − rdebt)
→ rproject > rdebt 시양의레버리지· 반대시음의레버리지
Step 1 Year 1-3 NOI + Exit Value 산정→ Step 2 레버리지적용· DSCR 검증→ Step 3 Equity IRR · Cash-on-Cash · Equity Multiple 계산→ r = y + g 분해로결과해석

S06 · PDF 8쪽

S06 PDF 8쪽

이 페이지 검색용 텍스트

STEP 1 · NOI 3년산정& Exit Value
Cushman Korea NOI 표준식
임대료3%↑ · Cap 3.8→4.0% → Exit Value 89.5억.
항목· Line Item
Year 1 (2025)
Year 2 (2026)
Year 3 (2027)
Year 4 · Exit
잠재총임대료· GPR
3.800억
3.914억
4.031억
3.581억*
공실차감(−2%)
-0.076
-0.078
-0.081
—
유효총수익· EGI
3.724억
3.836억
3.950억
—
운영비(−12% EGI)
-0.447
-0.460
-0.474
—
NOI · 순영업이익
3.279억
3.376억
3.477억
3.581억
Capex Reserve (−3%)
-0.114
-0.114
-0.131
—
NCF · 순현금흐름
3.165억
3.262억
3.346억
89.53억*
* Exit Value 계산(Year 4 NOI 기준)
Exit NOI = 3.477 × 1.03 = 3.581억
Exit Value = 3.581 / 0.040 = 89.53억원
관찰· Observation
NOI는3년간+6.0% 성장(3.279→3.477). 그러나Cap이3.8→4.0% 확대되
면서Exit Value는매입가100억대비-10.5%. → g 성분이음(-)이되는사례.
단위: 억원· Cushman Korea NOI 표준식

S06 · PDF 9쪽

S06 PDF 9쪽

이 페이지 검색용 텍스트

STEP 2 · 레버리지· DSCR
이자2.25억차감→ CF Y1 = 0.915억, DSCR 1.46.
이자비용· Interest Expense
Interest = Debt × Rate
= 50억× 4.5% = 2.250억/ yr
· 원금상환방식: 만기일시상환(Bullet)
· 3년보유동안매년이자2.250억고정
· Year 3 종료시점대출원금50억잔존, Exit 시상환
DSCR · Debt Service Coverage Ratio
DSCR = NOI / Debt Service
= 3.279 / 2.250 = 1.46 (Y1)
· 은행기준DSCR ≥ 1.25~1.50 통과
· Y3 DSCR = 3.477/2.250 = 1.55 (개선)
· 스트레스테스트(금리+200bp): DSCR = 3.279/3.250 = 1.01 → 경보
자기자본현금흐름· Cash Flow to Equity (CFTE)
항목
Year 1
Year 2
Year 3
CoC 수익률
NCF (Step 1)
3.165
3.262
3.346
—
이자비용(−)
-2.250
-2.250
-2.250
—
CFTE · 자기자본현금
0.915
1.012
1.096
1.83 → 2.19%
Cash-on-Cash Return · CoC = CFTE / Equity(50억)
CoC Y1 = 0.915/50 = 1.83% · CoC Y2 = 2.02% · CoC Y3 = 2.19%. 초기CoC가국고채(2.45%)보다낮음→ Cap 3.8% < 대출금리4.5%로음(-)의레버리지진입초기.
※ Cash-on-Cash Return (CoC Return) : 부동산투자에서가장널리사용되는수익성지표중하나로, 투자한자기자본(Equity) 대비실제현금수익이얼마나발생했는지를측정

S06 · PDF 10쪽

S06 PDF 10쪽

이 페이지 검색용 텍스트

STEP 3 · Equity IRR · 3-way 분해
Equity IRR = -5.8% (보수) · +2.0% (중립) · +8.5% (낙관).
자기자본현금흐름· Equity Cash Flow (기본시나리오)
t = 0   -50.000억(자기자본투입)
t = 1   +0.915억(Y1 CFTE)
t = 2   +1.012억(Y2 CFTE)
t = 3   +1.096억+ 39.53억
= +40.626억(Y3 CFTE + 매각순회수)
Year 3 Exit · 자기자본회수계산
Exit Value = 3.581 / 0.040 = 89.53억
− Loan Payoff (Bullet 원금) = -50.00억
────────────
Net Equity Proceeds = +39.53억
※ 거래세·중개보수·양도세미반영(단순모델). 실제시거래비용1~2% 추가차감.
시나리오3종· Equity IRR · Equity Multiple · Geltner 분해
A · 보수(Cap 3.8→4.0%)
-5.8%
Equity Multiple 0.85x (자본손실)
y = 3.8% · g = -3.68%
r = 3.8 + (-3.68) = +0.12% (unlevered)
→ 대출금리4.5% > Cap 3.8% 음의레버리지
B · 중립(Cap 3.8% 유지)
+2.0%
Equity Multiple 1.06x (소폭이익)
y = 3.8% · g = +3.0%
r = 3.8 + 3.0 = +6.8% (unlevered)
→ 레버리지-4.8%p (Cap ≈ 대출)
C · 낙관(Cap 3.8→3.5%)
+8.5%
Equity Multiple 1.28x
y = 3.8% · g = +8.5% (Cap 압축)
r = 3.8 + 8.5 = +12.3% (unlevered)
→ 양의레버리지· Cap 압축효과
Key Takeaway · r = y + g 분해로본IRR의본질
y (임대수익률)는안정적(3.8%). g (자본이득)가IRR을좌우. Cap이20bp 벌어지면IRR -8%p, 30bp 좁혀지면+7%p. 부동산투자의본질= 진입/청산Cap의방향예측이다.

S06 · PDF 11쪽

S06 PDF 11쪽

이 페이지 검색용 텍스트

-15%
-83%
-80%+
Variation · 상장K-REITs 5개y+g 분해
K-REITs는y가크지만g가작다.
종목· Code
상장일
y · 배당수익률
g · 주가(2025)
r = y + g
특징
신한알파리츠
293940
2018-08
6.98%
+5.0%
+12.0%
일관된배당·정책· 안정성1위· 신한카드사옥7,000억인수추진
SK리츠
395400
2021-09
5.25%
+8.0%
+13.3%
SK-P타워자산재평가+18% · 회사채1,300억· LTV 60% 미만
롯데리츠
330590
2019-10
6.96%
-8.0%
롯데쇼핑앵커· 리테일편중· 자산총계2조6,155억원
이지스밸류플러스리츠
334890
2020-09
9.78%
±0%
+9.8%
최고배당수익률· 특별배당빈번· 오피스5개자산편입
마스턴프리미어리츠
357430
2021-07
축소
배당축소152→86→44원· 주가폭락· 리스크사례
Key Insight · 실물자산vs 상장지분(Common Mistake #7 예방)
y는실물부동산의Cap과비슷(7~10% 배당vs Cap 3.8%). 그러나g는주식시장변동성에노출(±20% 이상). 상장리츠총수익률은실물부동산수익률과동일하지않다—
두자산군을별개로평가할것.
출처: KRX·Investing.com·DART 2025 Q4 · KAREIT 평균y 7.7%

S06 · PDF 12쪽

S06 PDF 12쪽

이 페이지 검색용 텍스트

Limits Part 1 · 2024-25 REITs 언더퍼폼
REITs가주식지수를20%p 이상하회한해.
미국· 2024 총수익률(FTSE Russell)
NAREIT vs S&P 500 = -20.1%p 갭
FTSE Nareit All Equity
+4.9%
S&P 500 Total Return
+25.0%
Gap · 20.1%p 언더퍼폼
원인
· 미Fed FFR 5.25~5.50% 고금리지속
· 미국오피스공실률18.8% (2025 Q3 역대최고)
· 재택근무구조변화→ 오피스REIT -6.7% YoY
출처: FTSE Russell Fact Sheet 2026-06-30 · S&P Global 2026-01-08
한국· 2025 총수익률(서울파이낸스)
KRX 리츠vs KOSPI = -65.1%p 갭
KRX 리츠TOP10
+10.5%
KOSPI (2025 YTD)
+75.6%
Gap · 65.1%p 언더퍼폼(역대최대)
원인(한국특수요인)
· 유상증자연속발행→ 주가희석
· 국내PF 부실174.3조· 연체율3.88%
· KOSPI 4,000pt 시대· 리츠소외
· 배당수익률평균7.7%에도총수익률부진
출처: 서울파이낸스2025 K리츠시장리뷰· KAREIT 2025
금리+100bp → Cap +50~100bp → 자산가치-15~25%. 리츠는채권처럼Duration 25년급민감성. 코스피상승기리츠는대체투자자금유출로이중타격.

S06 · PDF 13쪽

S06 PDF 13쪽

이 페이지 검색용 텍스트

Limits Part 2 · 이자율민감도· PF 리스크
거시리스크요인3종
수익률"3분해식"이통하지않는순간들.
①INTEREST RATE SENSITIVITY
이자율민감도
V = NOI / (r − g)
▸감응도시나리오(NOI = 3.8억고정)
Cap 3.5% → V = 108.6억(+8.6%)
Cap 3.8% → V = 100.0억(기준)
Cap 4.0% → V = 95.0억(-5.0%)
Cap 4.5% → V = 84.4억(-15.6%)
Cap 5.0% → V = 76.0억(-24.0%)
한국· BOK 기준금리변동
2021 0.50% → 2023 3.50% (+300bp)
2025 2.50% (-100bp)
→ 프라임Cap 4.5% → 3.8% 압축· 가격회복
②PF INSOLVENCY RISK
한국PF 부실
시공사·PF·개발→ 리츠전이
▸PF 익스포저·연체율시계열
2022 Q4 · PF 202조· 연체1.19%
2024 Q4 · PF 180조· 연체3.65%
2025 Q2 · PF 175조· 연체4.39%
2025 Q3 · PF 175조· 연체4.65%
2026 Q1 · PF 174.3조· 연체3.88%
수익률함의
시공사부도→ 개발자산헐값처분
→ 완공/미완공리츠자산가치재평가-10~30%
→ r = y + g 예측실패(g 급감)
③US OFFICE STRUCTURAL SHOCK
미국오피스구조충격
재택근무→ 공실→ Cap 폭등
▸US Office 공실률시계열
2019 · 공실률12%
2022 · 공실률15%
2024 · 공실률17.5%
2025 Q3 · 공실률18.8% (역대최고)
SF 다운타운· 34%
한국과대조
서울GBD 공실률1.7%
대면근무문화· 주거-직장근접
→ 미국데이터로한국판단금지(Mistake #8)
Key Takeaway · Geltner 3분해식의한계
r = y + g는정상시장에서통한다. 이자율급등·PF 부실·구조충격시g의분산이y의200배로폭발. 스트레스테스트(금리+200bp, 공실+5%p)를필수로병행할것.

S06 · PDF 14쪽

S06 PDF 14쪽

이 페이지 검색용 텍스트

Common Mistakes · 3그룹9개
수익률측정에서반복되는9가지실수.
GROUP A · MEASUREMENT ERRORS
측정오류
①NOI에Capex 미공제
인플레이션Capex 누락→ IRR 3~5%p 과대
→ NCREIF NPI 표준FFO 산정으로수정
②Cap과IRR 혼동
Cap = 정적· IRR = 다년동적
→ 두지표를각각별도계산
③명목vs 실효임대료혼동
Cap ±50bp 오차유발
→ Effective Rent 기준통일(Savills)
GROUP B · RISK BLINDNESS
리스크무시
④레버리지부작용무시
LTV 50% → 침체기DSCR ↓ → 부도위험
→ DSCR ≥ 1.5 유지· 금리+200bp 스트레스
⑤유동성프리미엄미반영
사모부동산· 25~50bp 유동성할인
→ 리츠와마찰비용별도산정
⑥세후vs 세전혼동
리츠법인세면제vs 직접종부·양도세
→ 리츠Inc · Direct Tax Shield 계산
GROUP C · BENCHMARKING
벤치마킹오류
⑦K-REITs = 실물부동산
2025 리츠+10.5% ≠ 실물Cap 3.8%
→ 두자산군별개로평가
⑧미국데이터로한국판단
US 공실18.8% vs GBD 1.7%
→ R-ONE·KRX 한국데이터우선
⑨금리↑ 시수익률하락무시
Cap 4% × +100bp → -25% (Duration 25년)
→ DL = Cap / (r − g) 감응도측정
Key Takeaway · 시험& 과제감점예방
Group A (측정) → 데이터정합성· Group B (리스크) → 스트레스테스트· Group C (벤치마킹) → 자산군분리평가. 세그룹모두채점감점항목.

S06 · PDF 15쪽

S06 PDF 15쪽

이 페이지 검색용 텍스트

한문장요약· 다음주예고.
한문장요약· One-Sentence Summary
부동산총수익률r = y + g는임대현금흐름(y)과자본이득(g)
의합이며, Cap Rate의방향이자산가치와IRR을결정한다.
K-REITs 수익률y+g 분해실증
· 상장K-REITs 1개선택(5개후보제시)
· 2022-2025 3년총수익률y + g 분해
· KOSPI 대비상대성과· Sharpe · Beta 도출
· KRX·DART·Investing.com 데이터기반
다음섹션예고
레버리지+ 모기지
Leverage & Mortgage
▸Core Message
Borrower 관점(r·CF) → Lender 관점(모기지·Duration).
▸다룰주제
· 레버리지원리rE = rA + (rA−rD)(D/E)
· Positive/Negative — Cap vs 대출금리비교
· LTV·DSCR — 은행50-60% · 리츠40-65% · PF 65-70%
· Mortgage Basics — 채권자관점자산
· Duration — Dmod = DMacaulay/(1+r)
· CMBS 시장— 미국$108B (2024)

S06 · PDF 16쪽

S06 PDF 16쪽

이 페이지 검색용 텍스트

LEVERAGE · 레버리지와부동산투자
Positive vs Negative Leverage
Cap > rD이면Positive · Cap < rD이면Negative.
핵심산식· Leverage & Equity Return
Equity Return (WACC 역산)
rE = rA+ (rA − rD) × (D/E)
rA = 자산수익률(Cap) · rD = 대출금리· D/E = 부채자본배율
✓POSITIVE Leverage
rA > rD → rE ↑ · LTV 증가시IRR 확대
예: Cap 6% > 대출4% → 스프레드2%p × 레버리지배수
✗NEGATIVE Leverage
rA < rD → rE ↓ · LTV 증가시IRR 침식
예: GBD Cap 3.8% < 대출4.5% → 초기CoC 마이너스
Modigliani-Miller (1958) · 세금·거래비용무시시
Prop I: VL = VU — 자본구조무관(완전시장)
Prop II: rE = rA + (rA − rD)(D/E) — 레버리지= 위험이전
→ 현실: 세후절감(iTC)·파산비용·PF 리스크가최적자본구조결정
3-Case Numerical Example · 자산100억· Cap 6%
시나리오
LTV
Equity
이자(4%)
rE
A · No 부채
0%
100
—
6.0%
B · 50% LTV
Positive
50%
50
2.0억
8.0%
C · 70% LTV
Positive 극대
70%
30
2.8억
10.7%
D · GBD Cap 3.8%
Negative (rD=4.5%)
50%
50
2.25억
3.1%
관찰· Observation
· Positive 확대: Cap 6% - rD 4% = 2%p 스프레드× D/E
→ 70% LTV 시rE가자산수익률의1.78배
· Negative 진입: GBD 프라임오피스사례
→ Cap 3.8% < 4.5%면초기CoC 저조
· 보완: 미래임대료성장g로Cap → rD 초과기대
Key Insight · 레버리지= 위험이전, 수익증폭의대가
Positive Leverage = Cap > 대출금리확실할때만유효. Negative Leverage 진입시미래임대료성장(g)이유일한회복경로.

S06 · PDF 17쪽

S06 PDF 17쪽

이 페이지 검색용 텍스트

LEVERAGE · LTV · DSCR · 한국표준
은행· 리츠· PF 3층대출구조
LTV 40-70% · DSCR 1.20-1.50 · 채널마다다른표준.
채널· Channel
LTV 표준
DSCR 요구
대출금리(2025 Q4)
대표자산
주요특징· Note
①은행권
Commercial 
Real Estate Loan
50-60%
1.25-1.50
(보수적)
4.5-5.5%
국고채3Y + 
200-300bp
프라임오피스담보
케이스퀘어·NC타워·판교
감독당국규제(BIS·SR 위험가중치)
스트레스테스트표준· 만기3-5년· Bullet 상환
②상장리츠
K-REITs
40-65%
1.30
(중간)
4.2-5.0%
회사채A 스프레드
다자산리츠
(오피스·물류·리테일)
신한알파· ESR켄달· 롯데
DART 공시표준화· 회사채발행병용
롯데리츠LTV 41% (감평가) / 49.9% (매입가)
③사모PF
Project Financing
65-70%
1.20
(공격적)
6.0-8.0%
고금리프리미엄
개발사업·저온물류·비주력
둔포센트럴파크· 부천저온
2024 부실174.3조· 연체율3.88%
증권사PF채무보증13.73% · 저축은행9.66%
DSCR · Debt Service Coverage Ratio
DSCR = NOI / Debt Service
· DSCR ≥ 1.50: 매우안전(은행프라임담보)
· 1.25-1.50: 표준(한국은행권CRE 대출)
· 1.20-1.25: 공격적(사모PF 하한)
· < 1.20: Distress · 리파이낸싱압박
Stress Test · 케이스퀘어강남2 · 금리+200bp
DSCR 1.46 → 1.01 (경보) → 0.71 (Default)
· 기준: NOI 3.279억/ Debt Service 2.250억
· 금리+100bp (4.5→5.5%): Debt Service 2.750억→ DSCR 1.19
· 금리+200bp (→6.5%): Debt Service 3.250억→ DSCR 1.01 경보
· 금리+400bp (→8.5%): Debt Service 4.250억→ DSCR 0.77 Default
실무적용· Rule of Thumb
은행스크린3-Line: (1) LTV ≤ 60% (2) DSCR ≥ 1.30 (3) 만기시리파이낸싱여력· 스트레스: 금리+200bp 시DSCR ≥ 1.00 유지
Sources: 금감원CRE Loan 통계· BOK 부동산PF 데이터· 롯데리츠DART 공시· 대신증권K-REITs 2026 Q1

S06 · PDF 18쪽

S06 PDF 18쪽

이 페이지 검색용 텍스트

MORTGAGE · 채권자관점에서본모기지
부동산담보로확보된고정수익증권.
정의· Definition & Structure
What is a Mortgage?
특정부동산의담보(collateral)로보증된채무증권. 차입자는사전에확정된
일련의상환을이행할의무를진다.
핵심특징· 4-Point
✓부동산담보로보증(Secured by real property)
✓장기만기5-30년(Long-term)
✓원금+ 이자정기상환(P&I payments)
✓증권화가능→ CMBS·MBS 상품화(Securitizable)
투자자관점· Investment Perspective
모기지= 고정수익증권— 3대고유특성
· Prepayment Risk (조기상환· 금리하락시)
· Extension Risk (연장· 금리상승시)
· Property-Specific Credit Risk (담보자산신용)
분류4축· Types of Mortgages
①By Property Type · 자산유형
Residential vs Commercial
주거(아파트담보) · 상업용(오피스·리테일·물류·개발)
한국: 은행CRE Loan (230조) + 리츠부채(117조) + PF (134-174조)
②By Rate Structure · 금리구조
Fixed-rate vs Floating-rate
한국상업용대출은변동금리우세(CD91 + 스프레드) · 미국은고정중심
③By Amortization · 상환방식
Amortizing vs Non-amortizing
· Amortizing: 원리금균등분할(30년표준)
· Interest-only / Balloon: 만기일시상환(사모PF·3-5년)
④By Recourse · 상환책임
Recourse vs Non-recourse
· Recourse (소구권): 차입자개인·법인자산까지청구
· Non-recourse (비소구): 담보자산으로만회수(미국상업용표준)
한국리츠·SPC 대출은대부분Non-recourse 지향
Key Insight · Borrower 
Lender · 관점의전환
지금까지는Borrower(자본가) 관점. 이제Lender(채권자) 관점으로시각전환.

S06 · PDF 19쪽

S06 PDF 19쪽

이 페이지 검색용 텍스트

MORTGAGE · Duration + CMBS 개요
Modified Duration = Macaulay / (1 + r) · 금리1%↑ → 가격D%↓.
Duration Analysis · 이자율민감도
Modified Duration · Bond-Equivalent
Dmod = DMacaulay / (1 + r)
가격변동률≈ − Dmod × Δr · (30-yr, 8% amortizing 사례)
만기· Maturity
Macaulay D
Modified D
Δr +100bp
5년(Bullet)
4.5
4.2
−4.2%
10년(Amortizing)
6.8
6.3
−6.3%
30년Amortizing 8% ★
8.7
8.0
−8.0%
핵심관찰· Duration ≠ Maturity
· Amortizing 모기지: Duration << Maturity
(30년만기→ Duration 8년, 비선형수렴)
· Bullet 상환: Duration ≈ Maturity (5년→ 4.5년)
· Prepayment Option 시실효Duration 축소
· Extension Risk 시실효Duration 확대
· 실무규칙: 5년Duration 모기지· 금리1%↑ → 가격약5% 하락
미국CMBS 시장· 2019-2024 (Trepp)
$108B
2024 총발행규모· 2023 대비+168% 회복
SASB 70.7B + Conduit 5.9B + Large Loans 32.2B
Issuance Trends 2019-2024 (Billion $)
2019 · $98.8B
2020 · $57.7B (-42%, 팬데믹)
2021 · $118.2B(+105% 반등)
2022 · $46.6B (금리인상)
2023 · $40.3B (최저점)
2024 · $108.8B(+168%)
AAA 스프레드안정화
100bp (2024)
Rate Hiking Cycle 정점(2022 Q2 175bp) → 정상화
Conduit AAA vs SASB AAA 스프레드격차축소
한국대응· Korea CRE Debt Market
한국은CMBS Conduit·SASB 부재→ PF 134-174조+ 은행CRE 230조+ 리츠117조+ ABS 51.7조가분절운영. Duration 공식은동일적용.
Sources: Trepp CMBS Research 2024 · JP Morgan · Freddie Mac Outlook 2025 · BOK · 금감원· 국토부

S06 · PDF 20쪽

S06 PDF 20쪽

이 페이지 검색용 텍스트

SUMMARY · 레버리지+모기지통합
레버리지·모기지3-Line Summary
핵심3줄요약· Three-Line Recap
①레버리지원리
rE = rA + (rA − rD) × (D/E)
Cap > 대출금리= Positive Leverage · Cap < 대출금리= Negative
→ 레버리지= 수익증폭+ 위험이전(MM 1958)
②한국대출표준(3층)
은행50-60% · 리츠40-65% · PF 65-70%
DSCR: 은행1.25-1.50 · 리츠1.30 · PF 1.20
→ 스트레스테스트: 금리+200bp 시DSCR ≥ 1.00 유지필요
③모기지= 고정수익증권
Dmod = DMacaulay / (1 + r)
· Amortizing: Duration << Maturity (30년→ 8년)
· Prepayment · Extension · Property-Specific Credit 3대리스크
· 미국CMBS $108B(2024) · AAA 스프레드100bp
다음주예고
Mortgages from an
Investment Perspective
CMBS 시장· 자산유형별성과· Credit Analysis 
▸다룰주제
①Total Yield 6-Factor 분해
(Real rf + Infla + Yld Crv + Default + Dgr + Illiq)
②Duration Analysis 심화· Interest Rate Sensitivity
③Credit Analysis Framework (LTV·DCR·Monte Carlo)
④미국CMBS 시장추이
⑤Property Type Performance (Office 33%→14.8%)
⑥한국리츠부채구조실증(신한알파·ESR·롯데)

S07 · Lecture Notes1_Introduction.pdf · 11쪽 — 원문 펼치기

S07 · PDF 1쪽

S07 PDF 1쪽

이 페이지 검색용 텍스트

 
1
LECTURE NOTE – INTRODUCTION 
Professor: Jung-Suk Yu, Ph.D. 
 
THE REAL ESTATE INVESTMENT ENVIRONMENT 
 
OVERVIEW 
In this lecture note, you are introduced to the general concept of investing, i.e., foregoing 
spending cash today in the hopes of increasing wealth in the future. Real assets are 
differentiated from financial assets, and the major categories of financial assets are 
defined. An overview of the financial markets is presented along with a description of the 
needs of the various participants in the economy. The lecture note describes how the 
financial institutions have met the needs of investors and issuers of securities and 
describes ongoing innovation in the markets.    
LEARNING OBJECTIVES 
After studying this lecture note you should understand differences in financial and real 
assets and be able to identify the major participants in the financial markets. You should 
be able to describe the role of financial assets and markets in the economy and 
understand how the financial system meets the needs of economic participants. You 
should be able to describe ongoing innovation in the financial markets. 
 
1.  REAL ASSETS VS. FINANCIAL ASSETS 
 Real assets: the land, buildings, knowledge, and machines that are used to produce 
goods and the workers whose skills are necessary to use those resources.   
 Financial assets: claims to the income generated by real assets.  
o Bondholders are entitled to a flow of income based on the interest rate and par 
value of the bond.

S07 · PDF 2쪽

S07 PDF 2쪽

이 페이지 검색용 텍스트

 
2
o Equityholders or stockholders are entitled to any residual income after 
bondholders and other creditors are paid.  Most of us cannot personally own auto 
plants (a real asset), but we can hold shares of General Motors or Ford (financial 
assets), which provide us with income derived from the production of automobiles.     
 
2.  THE ROLE OF FINANCIAL MARKETS 
 Consumption timing (Intertemporal consumption)  
 
                                                                                                            
 
 
 
  
 
 
The theory of intertemporal consumption can be understood by concentrating on only 
two time periods, the current period (
0
t =
) and next period (
1
t = ).  Specifically, suppose 
an individual has income of 
0y  today and anticipates an income of 
1y  next period.  Also, 
let 
0c  be current spending on a composite good and 
1c  spending next period.   
If 
0
0
c
y

, then the consumer is spending more than his current income; i.e., he must 
be borrowing from future income.  On the other hand, if 
0
0
c
y

, then he must be saving 
for future consumption.  The set of bundles (
)
0
1
,
c c
 satisfying the intertemporal budget 
constraint are those for which the present value of spending equals the present value of 
income.  
1
1
0
0
1
1
c
y
c
y
r
r
+
=
+
+
+
 
$100,000 $190,909.09 
Consumption next year 
Consumption this year 
$210,000 
Slope = -1.10 (i.e., r = 10%) 
$100,000 
Y (Consumption endowment) 
X (Lending) 
Z (Borrowing)

S07 · PDF 3쪽

S07 PDF 3쪽

이 페이지 검색용 텍스트

 
3
If we plot current spending on the horizontal axis and spending next period on the 
vertical, then we can put this in slope-intercept form as  
(
)
(
)
1
0
1
0
1
1
c
r c
y
r y
= −
+
+
+
+
 
The relative price of a unit of consumption today is (
)
1 r
+
 units of consumption next 
period.  Also, notice that the vertical intercept is 
(
)
1
0
1
y
r y
+
+
, the future value of 
income.  The horizontal intercept is 
(
)
0
1 / 1
y
y
r
+
+
, the present value of income.  The 
point (
)
0
1
,
y
y
 is always on the intertemporal budget line because an individual can 
always decide not to save or borrow and just consume his income in each period.  The 
bundle (
)
0
1
,
y
y
 is called the individual’s endowment bundle.   
When r  rises (falls), the intertemporal budget line rotates clockwise 
(counterclockwise) holding fixed the endowment point; i.e., the vertical intercept rises 
(falls) while the horizontal intercept falls (rises).  
 
 Allocation of Risk 
o The more optimistic or risk-tolerant investors buy shares of stock in GM.  The 
stockholders bear most of the business risk, but reap potentially higher rewards.   
o The more conservative individuals buy GM bonds, which promise to provide a 
fixed payment.   
 
 Separation of ownership and management 
o Agency problem: Managers, who are hired as agents of the shareholders, may 
pursue their own goals not in the best interest of shareholders. 
o Several mechanisms to mitigate potential agency problems  
− Compensation schemes that link the success of the manager to that of the firm 
(e.g., stock options).

S07 · PDF 4쪽

S07 PDF 4쪽

이 페이지 검색용 텍스트

 
4
− Oversight by the board of directors as well as outsiders such as security 
analysts, creditors, or large institutional investors such as pension funds 
monitor firms 
− The threat of a proxy contest in which unhappy shareholders attempt to 
replace the current management team 
− The threat of takeover by another firm

S07 · PDF 5쪽

S07 PDF 5쪽

이 페이지 검색용 텍스트

 
5
FINANCIAL INSTRUMENTS 
 
OVERVIEW 
This lecture note describes the financial instruments traded in the primary and secondary 
markets.  It contains an overview discussion of money market, capital market instruments 
and derivative securities.  The various market indexes that are used as indicators of “the 
market” are also described.  The lecture note concludes with a discussion of options and 
futures. 
LEARNING OBJECTIVES 
After studying this lecture note you should have a thorough understanding of the various 
financial instruments available to the potential investor.  You should have an insight as to 
the interpretation, composition, and calculation process involved in the various market 
indexes presented on the evening news. Finally, you should have some understanding of 
the basics of options and futures contracts. 
 
1.  MONEY MARKETS 
 Money markets include short-term (less than 1 year), marketable, liquid, and low-risk 
debt securities.  However, although most money market securities are of low risk, 
they are not risk-free.  Therefore, the securities of the money market such as 3-month 
CD or CP promise yields greater than those on default-free T-bills. 
o Treasury bills (T-bills): Unlike most other money market instruments, which sell 
in minimum denominations of $100,000, T-bills sell in minimum denominations 
of only $10,000.   
o Certificate of deposit (CD): The bank pays interest and principal to the depositor 
only at the end of the fixed term of the CD. 
o Commercial paper (CP): Large, well-known companies often issue their own 
short-term unsecured debt notes (CP) rather than borrow directly from banks.

S07 · PDF 6쪽

S07 PDF 6쪽

이 페이지 검색용 텍스트

 
6
o Bankers’ acceptances: A money market asset consisting of an order to a bank by a 
customer to pay a sum of money at a future date.  They are used widely in foreign 
trade where the creditworthiness of one trader is unknown to the trading partner. 
o Eurodollars: Dollar-denominated deposits at foreign banks or foreign branches of 
American banks.  These accounts need not be in European banks. 
o Repos (RPs) and reverses: Short-term, often overnight, sales of government 
securities with an agreement to repurchase the securities at a slightly higher price. 
A reverse repo is a purchase with an agreement to resell at a specified price on a 
future date.  
o Federal funds: Funds in a bank’s reserve account.  The federal funds rate is the 
rate of interest on very short-term loans among financial institutions.  
o The LIBOR market: The London Interbank Offered Rate (LIBOR) is the rate that 
most creditworthy banks charge one another for large dollar-denominated loans of 
Eurodollars in the London market.  It serves as a reference rate for a wide range 
of transactions.  Ex.  A corporation might borrow at a floating rate equal to 
LIBOR + 2%. 
 
2.  CAPITAL MARKETS 
 Capital markets include longer-term (longer than 1 year) and riskier securities. 
o Long-term bond markets 
− Treasury notes (1 < maturity < 10 yrs) and bonds (10 < maturity < 30 yrs): 
Debt obligations of the federal government that make semiannual coupon 
payments and are issued at or near par value.  Although notes and bonds are 
sold in denominations of $1,000, the prices are quoted as a percentage of par 
value.  Ex.  The bid price of 107.7813 should be interpreted as 107.7813% of 
par, or $1,077.813, for the $1,000 par value security.   
− Federal agency debt: Some government agencies (e.g., FNMA, Fannie Mae, 
and Freddie Mac) issue their own securities to finance their activities.

S07 · PDF 7쪽

S07 PDF 7쪽

이 페이지 검색용 텍스트

 
7
− International bonds: A Eurobond is a bond denominated in a currency other 
than that of the country in which it is issued.  A Yankee bond is a dollar-
denominated bond sold in the United States by a non-U.S. issuer.  Samurai 
bonds are yen-denominated bonds sold in Japan by non-Japanese issuers. 
− Municipal bonds: Tax-exempt bonds issued by state and local governments, 
generally to finance capital improvement projects. 
− Corporate bonds: Private firms can borrow money directly from the public by 
issuing corporate bonds.  Callable bonds give the firm the option to 
repurchase the bond from the holder at a stipulated call price.  Convertible 
bonds give the bondholder the option to convert each bond into a stipulated 
number of shares of stock. 
− Mortgage securities: Mortgage pass-through securities are pools of mortgages 
sold in one package. Owners of pass-throughs receive the principal and 
interest payments made by the borrowers. The originator that issued the 
mortgage merely services the mortgage, simply “passing through” the 
payments to the purchasers of the mortgage. A federal agency may guarantee 
the payment of interest and principal on mortgages pooled into these pass-
through securities.   
o Stock or equity markets:  
− The two most important characteristics of common stock as an investment are 
its residual claim and limited liability features.   
− Preferred stock usually pays fixed dividends for the life of the firm; it is a 
perpetuity.  A firm’s failure to pay the dividend due on preferred stock, 
however, does not precipitate corporate bankruptcy.  Instead, unpaid 
dividends simply cumulate.  Newer varieties of preferred stock include 
convertible and adjustable-rate issues. 
− Many stock market indexes measure the performance of the overall market.  
The Dow Jones Averages (DJIA), the oldest and best-known indicators, are 
price-weighted indexes.  Today, many broad-based, market-value-weighted

S07 · PDF 8쪽

S07 PDF 8쪽

이 페이지 검색용 텍스트

 
8
indexes are computed daily.  These include the Standard & Poor’s 500 Stock 
Index, the NYSE index, the Nasdaq index, the Wilshire 5000 Index, and 
indexes of many non-U.S. stock markets. 
o Derivative markets for options and futures: Contingent claims 
− A call option is a right to purchase an asset at a stipulated exercise price on or 
before a maturity date.  A put option is the right to sell an asset at some 
exercise price.  Calls increase in value while puts decrease in value as the 
price of the underlying asset increases. 
− A futures contract is an obligation to buy or sell an asset at a stipulated futures 
price on a maturity date.  The long position, which commits to purchasing the 
asset on the delivery date, gains if the asset value increases while the short 
position, which commits to delivering the asset at contract maturity, loses.

S07 · PDF 9쪽

S07 PDF 9쪽

이 페이지 검색용 텍스트

 
9
HOW SECURITIES ARE TRADED 
 
OVERVIEW 
This lecture note discusses how securities are traded on both the primary and secondary 
markets, with detailed coverage of both organized exchange and over the counter 
activities.  Margin trading and short selling are discussed along with detailed examples of 
margin arrangements.  The lecture note discusses elements of regulation and ethics issues 
associated with security transactions. 
LEARNING OBJECTIVES 
After studying this lecture note you should have considerable insight as to how securities 
are traded on both the primary and secondary markets.  You should understand the 
mechanics, risk, and calculations involved in both margin trading and short selling.  You 
should begin to understand some of the implications, ambiguities, and complexities of 
insider trading and the regulations concerning these issues. 
 
1.  HOW FIRMS ISSUE SECURITIES 
When firms need to raise capital, they may choose to sell (or float) new securities.  
 Primary market: New issues of securities are offered to the public here. 
o Public offering is an issue of stock or bonds sold to the general investing public 
that can then be traded on the secondary market.  
− Initial public offerings are stock issued to the public for the first time by a 
formerly privately owned company.   
− Seasoned new issues are offered by companies that already have floated 
equity.  For example, a sale by IBM of new shares of stock would constitute a 
seasoned new issue. 
o Shelf registration allows firms to register securities and gradually sell them the 
public for 2 years after the initial registration.  The securities are “on the shelf”,

S07 · PDF 10쪽

S07 PDF 10쪽

이 페이지 검색용 텍스트

 
10 
ready to be issued and sold in small amounts without incurring substantial 
flotation costs, which has given rise to the term shelf registration. 
o Private placement is a primary offering in which shares are sold directly to a small 
group of institutional or wealthy investors. 
 
Relationship among a firm issuing securities, the underwriters, and the public 
 
Issuing Firm
Lead Underwriter
Investment 
Banker A
Investment 
Banker B
Investment 
Banker C
Investment 
Banker D
Private Investors
Underwriting 
Syndicate
 
 
2.  WHERE SECURITIES ARE TRADED 
 Secondary market: Already existing securities are bought and sold on the exchanges 
or in the over-the-counter (OTC) market.  OTC market is an informal network of 
brokers and dealers who negotiate sales of securities (not a formal exchange). 
o Stock exchanges 
− The New York Stock Exchange (NYSE) is by far the largest single exchange.  
It accounts for about 85-90% of the trading that takes place on U.S. stock 
exchanges.

S07 · PDF 11쪽

S07 PDF 11쪽

이 페이지 검색용 텍스트

 
11 
− The American Stock Exchange (Amex) focuses on listing smaller and younger 
firms than does the NYSE. 
 
o Over-the-counter (OTC) market 
− The National Association of Securities Dealers Automated Quotation system 
(Nasdaq): Many large firms eligible to list their shares on the NYSE now 
choose to list on Nasdaq.  Some well-known firms trading on the Nasdaq are 
Microsoft, Intel, Apple Computer, and Sun Microsystems. 
▪ Bid price: The price at which a dealer is willing to purchase a security. 
▪ Ask price: The price at which a dealer will sell a security. 
 
o Electronic communication network (ECN): A computer-operated trading network 
offering an alternative to formal stock exchanges or dealer markets for trading 
securities.  ECNs have been highly successful and have captured about 40% of the 
trading volume in Nasdaq-listed stocks.

S08 · 국내 리츠 자금조달 방안에 관한 연구_ 한국 유상증자와 미국 상환전환우선주 사례를 중심으로.pdf · 39쪽 — 원문 펼치기

S08 · PDF 1쪽

S08 PDF 1쪽

이 페이지 검색용 텍스트

 주택도시금융연구 2025; 10(1):59-97
 pISSN: 2508-3872 | eISSN: 2733-4139
 https://doi.org/10.38100/jhuf.2025.10.1.59
 https://www.ejhuf.org
국내 리츠 자금조달 방안에 관한 연구: 
한국 유상증자와 미국 상환전환우선주 사례를 중심으로
김현중*, 정희형**, 노상윤***
요 약
본 연구는 국내 상장 리츠의 자금조달 문제를 해결하기 위한 대안으로 상환전환우선주(redeemable convertible 
preferred stock, RCPS)의 도입 가능성과 효과를 분석하였다. 기존 유상증자 방식은 투자자 신뢰 저하, 주가 하
락, 지분 희석 등 구조적 한계가 존재하며, 이에 따라 미국 리츠의 RCPS 발행 사례를 조사하여 시사점을 도출
하였다. Alexandria, Digital Realty 등 사례 분석을 통해 RCPS가 안정적인 배당 제공, 전환 및 상환 기능을 통
해 투자 유인을 높이고 자본 재구조화에 기여함을 확인하였다. 국내 적용을 위해 Cap. Rate 기반 배당모델, 청
산우선권, initial public offering(IPO) 래칫 조항 등을 반영한 구조를 제안하였으며, 리스크 및 제도적 요건도 
검토하였다. RCPS는 리츠의 대형화와 ETF 편입 요건 충족을 지원하며, 국내 리츠 시장 활성화 및 투자 다변
화에 기여할 수 있는 실효성 있는 수단으로 평가된다.
주제어: 리츠, 상환전환우선주, 자금조달, 유상증자, 우선주
Ⅰ. 서론
1. 연구배경 및 필요성
리츠(real estate investment trust, 이하 REITs)는 
1960년 아이젠하워 대통령(President Dwight D. 
Eisenhower)이 소액 투자자들의 소득 창출 수단으
로 부동산과 주식투자의 우수한 속성을 결합하는 
새로운 접근법을 위한 법안인 부동산투자신탁법
에 서명하면서 미국에서 처음 시작되었다. 1961년 
6개의 리츠가 설립되었고, 1965년 콘티넨탈 모기
지(continental mortgage)가 뉴욕증권거래소(New 
York Stock Exchange, 이하 NYSE)에 최초로 상장
하였다.
국내에는 1997년 외환위기 이후 기업들이 보유
한 부동산을 유동화하여 기업구조조정을 촉진하
* (제1저자) 국민연금 기금운용본부 아시아사모투자팀 팀장, E-mail: hjkim@nps.or.kr
** 한국은행 기획협력국 디지털혁신실 과장, E-mail: hhjung@bok.or.kr
*** (교신저자) 전북대학교 대학원 연금관리학과 교수, E-mail: dennis@jbnu.ac.kr
© Copyright 2025 Korea Housing & Urban Guarantee Corporation. This is an Open Access article distributed under the terms of the 
Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0/) which permits 
unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

S08 · PDF 2쪽

S08 PDF 2쪽

이 페이지 검색용 텍스트

60    주택도시금융연구 제10권 제1호
https://doi.org/10.38100/jhuf.2025.10.1.59
기 위하여 2001년 5월 7일 부동산투자회사법(이
하. 부투법)을 제정하면서 도입되어 국내에서는 
부동산투자회사를 리츠라고 칭한다.
미국리츠협회(National Association of Real Estate 
Investment Trusts, 이하 NAREITs)에 의하면, 전 
세계적으로 약 50억 명 이상의 인구를 가진 40개 
이상의 국가와 경제권역에 리츠 시장이 조성되어 
있고, 2022년 기준 상장 리츠는 총 893개이고, 지
분형(equity) 리츠의 시가총액은 약 1.9조 달러로 
추산된다.
우리나라 리츠 시장과 큰 차이를 보이는 미국 
상장 리츠의 주요 특징과 현황들을 정리하면 다음
과 같다.
첫째, 미국 상장 리츠는 총 14개 섹터로 분류된 
경제 및 산업활동에 필요한 다양한 종류의 부동산 
또는 인프라 자산에 투자한다. 따라서 상장 리츠를 
통해 불특정 다수의 투자자가 다양한 수익형 자산
(income producing property)에 분산 투자하는 기
회를 제공하는 동시에, 그 개발이익과 순운영소득
(net operating income, 이하 NOI)을 공유함으로써 
투자자들의 투자수익 증대와 가계 및 국가 경제적 
파급효과를 창출하고 있다.
둘째, 미국 상장 리츠는 월 또는 분기 주기로 배
당하는 종목이 모기지 리츠(mortgage REITs, 이하 
mREITs)와 우선주(preferred stock)를 중심으로 
다수 존재한다. 이에 투자자는 정기 배당을 꾸준히 
재투자하여 월 복리 또는 분기 복리의 효과를 창출
하면서 안정적인 노후 생활자금을 조달하는 포트
폴리오를 보유하고 있다. 하지만 국내의 경우 단 3
개의 분기 배당 종목 이외에는 단순히 반기 또는 
연간 1회만 배당하고 있어 가계와 국가 경제적 파
급효과 측면에서 큰 차이가 있다. 
셋째, 미국 상장 리츠는 연 8.22% 이상의 고배당 
누적적 지급 상환우선주(cumulative high-dividend 
redeemable preferred stock, 이하 CHRP Stock) 시
장도 조성되었다. 이러한 특성에 의해 해당 주가의 
변동폭도 국내 리츠 주가에 비해 상대적으로 적어 
안정적인 투자 성과를 기대할 수 있다. 
넷째, 미국 상장 mREITs가 투자자에게 연 10% 
대의 약정 배당을 매월 일정하게 나누어 지급하면
서 미국 전체 1백만 가구의 주택 공급을 위한 자금
조달을 지원하였다(NAREITs1)). 이에 반해 국내 
정책 리츠라 부르는 공공임대주택 리츠는 임대 운
영 기간 낮은 배당수익률로 인해 상장(listing)하지 
못하고 있다.
이러한 특성들에 기초할 때 미국 상장 리츠 시
장은 투자자의 실질적인 권익이 잘 보호된 투자 환
경이 조성되어 있다고 판단된다. NAREITs에 따
르면, 미국 192개 상장 리츠 지분 시가총액은 전 세
계 시장(1.9조 달러)의 약 73.7%에 해당하는 약 1.4
조 달러이고, 이들이 보유한 총 575,000개 자산의 
가치는 약 4조 달러이며, 2022년 1년간 배분한 배
당금은 미국 GDP(25.74조 달러)의 0.43%에 해당
하는 총 1,099억 달러로 집계되었다. 또한 2022년 
미국 리츠 시장은 총 340만 명의 풀타임(full-time) 
고용을 창출하였고, GDP의 1.02%(2,630억 달러)
에 해당하는 근로소득을 창출한 것으로 조사되었
다. 특히 2023년 기준 미국 전 국민의 51.5%(약 
1.7억 명)가 이러한 상장 리츠를 보유하여 든든한 
노후생활 자금을 준비하고 있다.
1) https://www.reit.com/what-reit/types-reits/guide-mortgage-reits

S08 · PDF 3쪽

S08 PDF 3쪽

이 페이지 검색용 텍스트

국내 리츠 자금조달 방안에 관한 연구    61
https://www.ejhuf.org
부투법 제1장 총칙 제1조(목적)에 “이 법은 부
동산투자회사의 설립과 부동산투자회사의 자산운
용 방법 및 투자자 보호 등에 관한 사항을 정함으
로써 일반 국민이 부동산에 투자할 수 있는 기회를 
확대하고 부동산에 대한 건전한 투자를 활성화하
여 국민경제의 발전에 이바지함을 목적으로 한
다.”라고 명시하고 있다. 하지만 국내 리츠의 현황
은 아직 미흡하다. 전체 운용 리츠 수에 비해 상장 
리츠의 수는 24개에 불과하며, 투자 섹터는 오피
스, 리테일, 물류, 호텔, 주택에 국한된다. 
부동산을 중심으로 한 대체투자가 주목받기 전
에 글로벌 기관투자자는 주로 주식과 채권, 두 자
산군을 중심으로 투자 포트폴리오를 구성하였다. 
이때 주식은 상대적으로 큰 리스크를 감수하면서 
포트폴리오의 가치 증대를 주로 담당하였고, 채권
은 상대적으로 낮은 리스크 속에 운용기관 또는 위
탁자가 원하는 안정적인 정기 현금흐름을 창출하
는 기능을 주로 담당하였다. 그러나, 장기간 저금
리 시대가 지속되면서 필요한 현금흐름 확보가 불
안정해지자 채권투자의 대안으로 등장한 것이 부
동산과 인프라 시설을 중심으로 한 대체투자 자산
군이다. 부동산과 인프라 시설은 매월 정기적인 임
대료와 사용료 수입을 창출하고, 이를 배당 가능 재
원으로 지급되는 배당 현금흐름은 과거 고금리 채
권의 현금흐름을 대체할 수 있었다. 이러한 특징으
로 특히 정기적으로 연금이나 보험 급여를 지급하
기 위해 부채 지향 투자(liability driven investment, 
이하 LDI)전략을 추구해야 하는 기관투자자에게 
매력적인 투자 대상이 되었다. 아울러 중장기적으
로 투자자산의 자본가치도 꾸준히 상승하여 주식 
자산군의 역할도 보완할 수 있었고, 저금리 시대에 
낮은 자본조달 비용을 활용하여 소위 레버리지
(leverage) 수익을 추구할 수도 있었다. 그러나 저
금리 시대가 막을 내리고 최근 급격한 금리 인상 
뒤 불안한 금리 리스크가 투자시장에 큰 충격을 주
었고, 특히 그동안 레버리지 수익률을 위해 타인자
본 비중이 높았던 리츠들은 채무상환의 자본 재구
조화를 위한 자금조달은 큰 과제에 직면했다.
아울러 공적 연기금과 공제회, 개인연금 및 퇴직
연금 자금을 운용하는 outsourced chief investment 
officer(이하 OCIO) 펀드의 투자를 유치하고, ETF
에 편입되기 위해 리츠의 대형화는 필수적인 요건
이며, 이는 국내 대부분 상장 리츠의 오랜 현안 과
제이다. 따라서 자본 재구조화와 리츠 대형화를 위
한 효율적인 자본조달 방안은 매우 중요한 연구과
제라고 할 수 있다. 
2. 연구 목적 및 구성
본 연구는 국내 상장 리츠의 자금조달 문제를 해
결하기 위해 상환전환우선주(redeemable convertible 
preferred stock, 이하 RCPS)2)를 새로운 수단으로 
제시하고, 그 도입 가능성과 기대효과를 검토하는 
것을 목적으로 한다. 구체적인 연구 목적은 다음과 
같다. 국내 상장 리츠의 기존 유상증자 방식의 한
계를 진단하고, 미국 리츠의 RCPS 발행 사례를 분
석하여 성공 요인을 도출하며, 국내 리츠에 적합한 
RCPS 구조(배당, 전환권, 상환권, 청산우선권 등)
2) 이하에서 전환우선주(convertible preferred stock, 이하 CPS)와 상환전환우선주(RCPS)를 포괄하여 설명이 필요한 
경우 (R)CPS로 표기함.

S08 · PDF 4쪽

S08 PDF 4쪽

이 페이지 검색용 텍스트

62    주택도시금융연구 제10권 제1호
https://doi.org/10.38100/jhuf.2025.10.1.59
를 제안하였다. 아울러 RCPS를 통한 리츠의 자본
재구조화 및 대형화 실현 가능성을 논의하고, 향후 
정책적, 제도적 개선과 실증연구 과제를 제시하였
다. 이를 위해 본 연구는 다음과 같이 구성하였다. 
제Ⅰ장 서론에서 리츠의 정의, 역사, 국내․외 시장
을 비교하여 설명하였고, 국내 리츠의 자금조달 구
조의 문제를 제기하였으며, RCPS 도입 필요성과 
연구 목적을 제시하였다. 제Ⅱ장은 문헌 고찰 및 이
론적 배경을 유상증자의 경제적 효과를 가격압박
가설, 정보전달가설 등으로 설명하고, 우선주와 
RCPS의 개념 및 특성을 소개한 후 국내외 관련 학
술연구를 검토하였다. 제Ⅲ장에서 국내 상장 리츠 
유상증자 사례 분석을 통해 유상증자 시행 리츠의 
시가총액, 공모가, 할인율 등을 정량적으로 분석하
고, 유상증자 성과 및 한계를 ETF 편입 실패, 주가 
하락 등으로 설명하였다. 아울러 미국 리츠의 RCPS 
발행 사례로 Alexandria, Digital Realty, RPT Realty, 
Wheeler 등의 사례를 발행 조건, 배당률, 전환 조
건, 전략적 효과 분석 등을 심도있게 분석하였다. 
제Ⅳ장에서 국내 리츠에의 적용 가능성 및 구조설
계 방안을 제안하였다. Cap Rate 기반 배당모델, 
1.5배 청산우선권 설계, initial public offering(이하 
IPO) 래칫 조항 삽입 등 구체적 구조를 제안하고, 
리스크 요소 및 제도 도입 요건을 검토하였다. 제
Ⅴ장 결론에서 주요 연구 결과와 정책적 함의 및 
시사점을 제시하였다. RCPS 도입 실익과 기대효
과를 요약하고, 제도적 정비, 기관투자자 유치, 지
분 희석 방지 방안 등을 제안하였다. 연구 한계로 
국내 RCPS 실증 사례 부족에 따른 한계, 회계․
세무적 이슈, 시범사업 필요성 등을 제시하였다. 
Ⅱ. 문헌고찰 및 이론적 배경
1. 유상증자의 배경 및 기대효과
유상증자가 주가에 미치는 영향은 가격 압박가설
(price pressure hypothesis), 부의 이전가설(wealth 
transfer hypothesis), 정보전달가설(information 
signaling hypothesis) 등 세 가지로 설명할 수 있다
(이용환, 1994). 첫째, 가격압박가설에 따르면 유
상증자로 인해 주식 공급이 일시적으로 증가하면
서 수요-공급 불균형이 발생하여 주가가 하락한
다. 주가 하락은 일시적이지만, 시장의 수용 능력
을 초과하면 영구적인 하락으로 이어질 수 있다. 
둘째, 부의 이전가설에 따르면 유상증자로 자본이 
증가하면 부채의 위험이 줄어들고, 이는 채권자에
게 유리하게 작용하여 주주의 부가 감소한다. 셋
째, 정보전달가설에 따르면 유상증자는 기업 내부
자가 주가가 고평가되었다고 판단하여 자금을 조
달하려는 신호로 해석될 수 있어 투자자들이 부정
적으로 반응한다. 이용환(1994)은 이 가설을 검정
하기 위해 내부자순매수, 유상증자 규모, 부채비율 
변화 등을 독립변수로 한 실증분석을 통해 유상증
자에 대한 시장의 부정적 반응은 정보전달 효과이
고, 내부자거래는 기업의 내부정보를 시장에 전달
하는 중요한 수단이 될 수 있으며, 유상증자 공시 
전 내부자 매수/매도 패턴을 분석함으로써 투자자
들은 기업의 내재가치를 정확히 판단할 수 있음을 
설명하였다.
2. 보통주와 우선주
리츠가 우량한 수익부동산 매입과 대형 개발사

S08 · PDF 5쪽

S08 PDF 5쪽

이 페이지 검색용 텍스트

국내 리츠 자금조달 방안에 관한 연구    63
https://www.ejhuf.org
업을 위해 자기자본 조달 수단으로 발행하는 주식
은 크게 보통주(common stock)와 우선주로 구분
할 수 있다. 하지만 국내 상장 리츠는 글로벌 선진 
상장 리츠 시장과 비교할 때 우선주의 유형이 단순
하여 다양한 우선주가 지니는 장점들을 충분히 활
용하지 못하고 있다. 특히 미국과 캐나다 등 주요 
상장 리츠 우선주를 살펴보면 국내 상장 리츠 시장
과 비교할 때 매우 다양한 혜택을 제공하고 있음을 
알 수 있다.
우선주는 일반적으로 기업 지배 구조에서 투표
권이 없거나 제한적이다. 통상 의결권이 없지만, 
보통주와 달리 특정 혜택들을 제공함으로써 자금
수요자인 리츠와 주주 양측 모두에게 다양한 이점
을 제공할 수 있다. 우선주는 회사 소유권과 회사 
운영 수익 청구권을 나타내는 보통주와는 다른 유
형의 지분이고, 우선주는 배당금 등 배분 청구권이 
보통주보다 더 크다.
청산(liquidation)될 경우, 우선주의 자산 청구권
(claim)은 보통주보다 크지만, 채권 보유자보다 작
다. 우선주는 채권과 보통주의 특성을 모두 지녀 
이를 선호하는 투자자에게 더 매력적이라 평가된
다. 우선주 배당수익률은 일반적으로 보통주보다 
높고, 월별 또는 분기별로 지급될 수 있다. 배당금
은 고정되거나, 벤치마크(benchmark) 금리에 따라 
연동하여 백분율로 설정되고, 발행 설명서(issuing 
description)에 제시된다. 특히 조정금리우선주
(adjustable-rate preferred stock, 이하 ARPS)는 배
당률이 단기국채 금리(T-bill rate)나 LIBOR 금리
와 같은 벤치마크 금리에 따라 변동하는 우선주 유
형이다. 이는 배당률이 일정하게 유지되는 전통적
인 고정금리 우선주와 대조된다. ARPS의 배당률
은 일반적으로 벤치마크 금리에 연동된 미리 정해
진 공식에 따라 분기별로 조정된다.
우선주는 정기적인 고정 또는 변동 배당금을 지
급한다는 점에서 부채(Debt)의 특징과 가격이 상
승할 가능성이 있다는 점에서 지분의 특징이 결합
한 장점이 있다. 이는 미래 잠재적인 현금 흐름에
서 안정성을 추구하는 투자자에게 매력적인 특징
이다.
모든 유형의 우선주는 배당이나 청산 시 순위에
서 우선권을 가지지만, 모든 우선주가 동일한 순위
를 갖는 것은 아니며, 각 우선주는 다른 순위 또는 
유형의 우선주와 비교했을 때 상이한 특징을 포함
할 수 있다.
선순위 또는 1종 우선주(prior preferred stock, 
이하. 1종 우선주)는 여타 차순위 우선주와 함께 
보통주보다 배당이나 청산 배분 순위에 있어서 우
선하지만, 1종 우선주는 가장 앞선 순위가 부여된 
우선주이다. 예를 들어, 오직 한 계층(tier)의 주식
만 배당금을 지급할 수 있는 재무적 역량이 있는 
회사는 오직 1종 우선주부터 발행해야 한다. 차순
위(preference) 우선주는 배당과 청산 분배 시에 우
선순위 측면에서 1종 우선주 다음 계층의 주식이
며, 1종 우선주보다는 후순위이지만, 차순위(2종) 
우선주는 다른 차순위 우선주(3종) 발행에 비해 순
위가 앞선다. 여러 계층의 우선주가 있는 경우 각 
발행 우선주는 일반적으로 순위 즉, 최상위 1종, 
차상위 2종 등으로 순위가 지정된다.
일부 유형의 우선주는 채권과 매우 유사하게 원
래 투자한 자본이 주주에게 반환되는 고정된 종료
일(fixed end date)을 갖지만, 대부분 우선주는 영구 
존속하는 영구(perpetual) 우선주이다. 즉, 투자한

S08 · PDF 6쪽

S08 PDF 6쪽

이 페이지 검색용 텍스트

64    주택도시금융연구 제10권 제1호
https://doi.org/10.38100/jhuf.2025.10.1.59
초기 자본은 상환되지 않아 투자자는 투자금 상환
을 원할 경우, 시장에 보유 주식을 매도하면 된다.
대부분 전환(convertible)우선주는 우선주를 보
통주로 전환하여 거래할 수 있다. 투자자가 원할 
때 전환할 수 있고, 주가에 상관없이 전환할 수 있
으며, 일단 전환하면 우선주 권리를 포기한 것으로 
취급되고, 보통주를 우선주로 다시 전환할 수는 없
다. 전환우선주의 보통주로 교환할 수 있는 주식 
수, 전환 비율은 사전에 제시된 지침(guideline)에 
의해 적용된다.
회사가 일정 수준의 배당금을 지속하여 지급할 
수 있다면 누적적 우선주를 발행할 수 있다. 이 경
우 만약 특정 시점에 약정 배당금을 지급하지 못하
면 미지급 배당금은 누적되어 이후 배당 시점에 누
적 미지급분을 합산한 배당금이 지급된다. 따라서 
누적적 우선주는 차순위 주식이 배당금을 받기 전
에 이전 미지급 누적 배당금을 우선 수취하게 된다.
비누적적(non-cumulative) 우선주임을 명시할 
수도 있다. 비누적 우선주는 특정 시점에 지급하지 
못한 배당금은 이후 배당 시점에 보충되지 않는다. 
회사가 모든 배당 지급이 가능한 충분한 재원이 
있다고 가정할 때 회사가 ‘일반 배당금(normal 
dividends)’으로 지급하는 것 외에도 추가적인 배
당금을 지급할 수도 있다. 첨가부(participating) 우
선주는 보유자에게 지정된 우선 배당률에 상응하는 
배당금과 보통주 또는 회사 전체의 실적에 따른 추
가 배당금을 받을 권리를 부여하는 우선주 유형이
다. 즉, 이러한 첨가 배당금은 총매출액(total sales), 
수익(earnings) 또는 특별이익(specific margins)과 
같은 회사 성과에 따라 달라질 수 있다. 또한 일반
적으로 청산 우선권을 가지는데, 이는 회사가 청산
될 경우, 우선주가 초기 투자금을 먼저 회수하고, 
종종 배당금의 배수(1.2×, 1.5× 등)를 적용하여 추
가로 회수할 수 있다는 의미이다. 
코스피/코스닥 상장사 정관을 통해 개정상법 이
후 종류 주식의 도입 현황을 살펴보면, 우선주가 
아닌 종류 주식에 관한 조항을 도입한 회사는 
25.33%(441개)였고(이수정, 2016), 종류 주식을 
도입한 대부분의 회사는 정관에 ‘주식의 종류’에 
대한 조항에서 상법이 허용한 종류주식 대부분이 
발행 가능하다고 명시하고 있다. 그러나 구체적인 
조항을 보면, 대부분 무의결권부 이익배당 우선주
에 상환권 또는 전환권을 추가한 것을 알 수 있다. 
3. 상환전환우선주
전술한 것처럼 RCPS는 기업이 발행하는 주식 
중에서 상환권과 전환권이 함께 부여된 우선주이
다. 투자회사의 사업이 성공하면 상장 등을 통하여 
보통주로 전환할 기회를 얻고 사업이 실패하면 일
정 기간 경과 후 상환권을 행사하여 투자 원금을 안
정적으로 회수하는 것이 가능한 종류주이다(임정
하, 2015). 또한 RCPS는 그동안 사모 출자(private 
equity, 이하 PE)나 벤처캐피탈(venture capital, 이
하 VC) 투자 시에 비중 있게 활용되고 있는 우선
주 발행 방식이다. VC와 비교할 때 PE 투자의 
RCPS발행에 있어 공통점과 차이점을 설명하면 
다음과 같다. PE는 VC와 같이 RCPS의 핵심 구조
인 우선주, 상환권, 전환권을 동시에 부여하고, 투
자자의 리스크 헷지(hedge)와 수익 극대화를 목적
으로 하는 공통점을 지닌다. 이에 비하여 다음과 
같은 차이점을 지닌다. 
첫째, 투자 목적에 있어 VC가 고성장을 기대하
고, IPO와 M&A를 통해 청산(exit)을 추구하는 반

S08 · PDF 7쪽

S08 PDF 7쪽

이 페이지 검색용 텍스트

국내 리츠 자금조달 방안에 관한 연구    65
https://www.ejhuf.org
면, PE는 구조조정, 경영권 확보 등을 통해 안정적 
수익을 추구한다는 것이다. 둘째, RCPS 사용 배경
이 VC의 경우 리스크를 회피하고 상장 시에 수익
을 극대화하기 위한 것이라면, PE는 자본의 유연
성을 확보하는 동시에 레버리지(leverage) 구조를 
설계하기 위해 RCPS를 활용한다는 것이다. 셋째, 
VC는 전환권의 비중이 IPO를 대비하여 매우 중요
하게 작용하는 반면 PE는 전환권의 비중은 덜 중
요하게 생각하여 때로는 이를 포함하지 않는다는 
것이다. 넷째, VC의 협상 강도는 창업자와 균형이 
필요한 수준이지만, PE는 강한 협상력과 협상 조
건도 강하다는 것이다. 다섯째, 배당 및 우선권 조
항에 있어서 VC의 경우 배당은 거의 요구되거나 
제공되지 않지만, PE의 경우 일반적으로 고정 배
당률을 요구한다는 것이다. 
결과적으로 VC에서는 RCPS가 투자자의 손실 
회피 및 회수 유연성을 위한 도구로 활용되는 반면
에, PE에서는 RCPS가 자본조달 전략의 하나로 사
용되는 경우가 많고, 특히 PE는 배당률이나 강제 
상환 조건 등을 더 강하게 요구하는 경우가 있다.
상환전환우선주는 부채와 비슷한 특성을 갖지
만, 특정 조건을 충족하면 회계 처리상 자본으로도 
분류될 수 있어 발행회사의 재무구조개선의 효과
가 있고, 상환우선주, 전환우선주 및 이익배당 우
선주가 조합된 것으로 이를 이해하기 위해서는 그 
구성요소인 각 유형의 종류 주식을 이해할 필요가 
있다(임정하, 2015).
기업의 자금조달 방식 선택 시, 우선주 발행 방
식의 자금조달이 채권 발행 방식에 비해 수월한 면
이 있다. 이에 따라 채권을 통한 추가적인 자금조
달이 어려운 기업은 상대적으로 수월한 우선주를 
발행하려는 유인이 있다. 또한 기업의 추가적인 차
입능력과 차입약정을 지키지 못할 가능성을 고려
한다면, 기업은 부채비율이 높을수록 부채를 통한 
자금조달보다는 우선주 발행을 더 선호할 것이고, 
기업의 추가 차입능력이 클수록 우선주보다는 채권 
발행을 선호할 것이다(Barclay and Smith, 1995). 
또한 기업은 자본구조 변경 시 목표 부채비율로 조
정하려는 경향이 있다. 이는 우선주 발행을 통해 
자금을 조달하는 기업이 다른 자금조달 방식을 선
택한 기업보다 부채 비중이 높을 수 있어 자금조달
에 있어서 우선주와 부채는 상호 보완적인 관계라 
할 수 있다(Hovakimian et al., 2001).
미국의 경우 해외 세액공제의 활용을 극대화하
기 위해 1986년 조세개혁법은 기업의 우선주 발행
에 영향을 미쳤고, 1989년 은행업에 대한 자본 규
제(basel banking accord)는 은행이 우선주를 발행
하는 데에 영향을 주었으며, 기업의 특성이 우선주 
발행에 영향을 주었다. 따라서 우선주 발행의 선택
은 세금, 규제 및 기업별 상황에 의해 영향을 받음
을 알 수 있다(Callahan et al., 2001). 우선 성장 기
회가 높은 기업이 자금조달을 하는 경우, 경영권 
유지를 위해 지배권이 있는 경영진은 보통주 발행
을 통한 자금조달보다는 우선주 발행을 통한 자금
조달을 선호할 수 있다. 특히, 성장률이 높은 기업
일수록 우선주 발행이 기업 가치에 긍정적인 영향
을 준다(Alchian and Demsetz, 1972). 그리고 기업
은 투자 기회가 있으나 부채 조달 능력에 제한이 
있는 경우, 부채 조달 능력을 향상하는 수단으로 
우선주를 발행함으로써 과소 투자 문제를 해소하
는, 투자 기회와 우선주 발행 유인 사이에 정(+)의 
관계에 있다(Heinkel and Zechner, 1990).

S08 · PDF 8쪽

S08 PDF 8쪽

이 페이지 검색용 텍스트

66    주택도시금융연구 제10권 제1호
https://doi.org/10.38100/jhuf.2025.10.1.59
하지만 재정적 어려움에 있는 기업이 우선주를 
발행할 수도 있다. 우선주의 발행자가 미발행자보
다 상대적으로 기업 가치, 이익 잉여금 수준, 자기
자본 비율이 낮았고, 기업의 부채 비중이 높을수록 
이를 우선주로 대체하려는 유인이 발생한다. 이는 
향후 기업의 성과가 저조하여 배당금을 지급하지 
못하더라도 이러한 이유로 우선주는 부채처럼 기
업을 파산위험으로 몰고 가지는 않는다. 따라서 부
채 비중이 높은 기업은 파산위험을 피하고자 부채
를 우선주로 대체하는 것을 시도할 수 있다(Moyer 
et al., 1987).
의결권이 배제되거나 제한된 주식을 발행할 경우, 
지배권이 있는 경영자는 비교적 안정적인 경영권을 
유지하며 자금조달을 할 수 있다(이수정, 2016). 아
울러 투자자 중에는 경영에 관여하고 싶지 않고 안
정적 배당만을 원하는 재무적 투자자도 있어 이와 
같은 다양한 투자자나 경영자의 요구를 반영하기 
위해서는 다양한 종류 주식의 발행이 필요하다
(Cahn and Donald, 2010). 다양한 주식을 발행한 
기업의 경영자는 의결권이나 배당 현금흐름 등 특
정 하나의 목적에 더 비중을 둔 주식을 선택할 수
도 있다. 평균적으로 56.9%의 경영진과 특수관계
자가 의결권 주식을 보유하였지만, 미래 현금흐름
에 대한 청구권은 24.0%만 보유한 것으로 조사된 
미국 사례를 통해 경영진은 경영권 유지를 위하여 
다양한 주식을 발행함을 알 수 있다(DeAngelo and 
DeAngelo, 1985). 
국내 유가증권시장 상장 기업 중 우선주를 자본
조달 방식으로 이용하는 기업들의 특성을 기업 지
배구조와의 관계를 중심으로 살펴보면, 기업의 지
배주주 지분율이 높을수록, 외국인 투자자 지분이 
낮을수록 보통주보다 우선주 발행을 선호하고, 중
소기업일수록, 부채비율이 낮은 기업일수록 우선
주 발행 유인이 높은 것을 알 수 있다(김재각․최
문수, 2011). 또한 기업의 자금조달 수단으로 장기
채보다 우선주를 발행하는 의사결정에 정부 규제
와 세금 및 기업 특성 요인들도 영향을 미칠 수 있
다. 1980년대 후반에 우선주 발행이 증가하였던 
배경에 정부의 규제가 작용하였고, 한계세율 감소
도 우선주 발행을 확대하였으며, 기업 특성 요인 
중 부채 수준, 성장성이 장기채와 우선주 발행 사
이의 선택에 영향을 미쳤다(고종권, 2003). 
기업의 인수합병이 쉽도록 자주 사용하는 전환
우선주를 포함해서 모든 유형의 우선주를 발행한 
회사들에서 예상 한계세율은 기업의 자금조달 방
식에 있어서 장기채권 대신에 우선주 발행을 선택
하도록 영향을 주는 세금효과가 나타났다. 따라서 
기업은 세금혜택을 최대한 사용하기 위하여 만약 
조세 유인인 예상 한계세율이 감소하면 장기채권
보다 우선주를 발행할 가능성이 증가한다(Ely et 
al., 2002). 과거 한계소득세율을 대폭 인하한 1986
년 미국의 조세개혁법(Tax Reform Act)은 엄격한 
이자 배분 규칙과 해외 납부 세액공제의 제한을 통해 
미국의 다국적 기업에 부채가 가지는 세금 유인을 감
소시켰고, 의회는 대안적 금융 수단인 우선주에 혜택
을 제공하여 해외 납부 세액을 법인세에서 더 많이 
공제받기 위해 다국적 기업이 채권보다는 우선주를 
발행하도록 유도하였다(Collins and Shackelford, 
1992). 또한 의무상환우선주는 채권과 현금흐름이 
유사하고 투자자가 금융상품에 주장할 수 있는 권
리 또한 유사하여 채권의 대안이 될 수 있다. 그러
나, 세금에 있어서는 중요한 차이점이 존재한다.

S08 · PDF 9쪽

S08 PDF 9쪽

이 페이지 검색용 텍스트

국내 리츠 자금조달 방안에 관한 연구    67
https://www.ejhuf.org
따라서 부채에서 발생할 수 있는 이자 비용의 공제
를 최대한 활용할 수 없는 한계세율이 낮은 기업이 
부채보다 의무 상환우선주를 더 선호하게 된다
(Carter and Manzon, 1995). 아울러 회계상의 감가
상각비와 충당금 및 투자 세액공제 등의 부채를 대
체하는 감세 수단이 많은 기업은 부채의 이자 비용 
추가 없이 법인세를 절감하기 위한 수단이 충분하
므로, 상대적으로 채권을 발행하려는 유인이 적고 
우선주를 발행하여 자금을 조달하려는 유인이 커
진다(DeAngelo and Masulis, 1980). 
4. 리츠 자금조달 관련 학술연구 동향
리츠의 자금조달 및 자본구조와 관련된 해외 주
요 학술연구는 크게 리츠의 자금조달 전략, 시장 
반응, 은행 관계, 위기 대응 등 다양한 측면을 다루
고 있다. 하지만 리츠의 자금조달 방안으로 상환전
환우선주를 직접적으로 다룬 연구는 국내외에서 
거의 찾을 수 없었다. 각 측면에서 대표적인 연구
를 살펴보면, 첫째, 리츠의 자본구조와 기업 가치 
간의 관계를 규명한 대표적인 연구로 Hung et al. 
(2023)은 2000년부터 2021년까지의 미국 리츠 데
이터를 분석하여, 레버리지 비율과 기업 가치 지표
(총수익, 순이익, 종가 등) 간의 관계를 조사하였
다. 분석 결과, 레버리지 비율이 일정 수준까지는 
기업 가치와 양의 상관관계를 보이나, 그 이상에서
는 음의 영향을 미치는 비선형 관계가 나타났다. 
이는 리츠가 최적의 자본구조를 추구함을 시사한
다. 둘째, 자금조달 준비의 중요성과 관련한 대표
적 연구로 Pavlov et al.(2018)은 2007~2009년 금
융 위기 이전에 레버리지를 줄이고 부채 만기를 연
장한 미국 리츠들이 경제위기 동안 더 나은 누적 
수익률을 기록하였음을 발견하였다. 이는 사전적
인 자본구조 조정이 위기 대응에 효과적임을 보여
준다. 셋째, 시장 반응과 자금조달 목적의 중요성
에 관한 대표적인 연구인 Mansley et al.(2023)은 
2000년부터 2020년까지의 미국 리츠 자금조달 사
례를 분석하여, 자금 사용 목적에 따라 시장 반응
이 달라짐을 확인하였다. 특히, 수익성 있는 자산 
인수와 같은 긍정적 성장을 위한 부채 조달은 주가
에 긍정적인 영향을 미쳤으나, 비효율적인 확장 등
과 같은 부정적 성장을 위한 부채 조달은 부정적인 
영향을 미쳤음을 제시하였다. 넷째, 은행 관계와 
자금조달 조건에 대한 대표연구인 Chang et al. 
(2020)은 리츠와 은행 간의 지속적인 관계가 자금
조달 조건에 긍정적인 영향을 미침을 발견하였다. 
구체적으로, 기존 은행 관계가 있는 리츠는 더 낮은 
대출 금리, 더 큰 대출 한도, 그리고 덜 엄격한 담보 
요구 조건을 제공받았다. 이러한 혜택은 2007~ 
2009년 글로벌 금융위기 기간에도 유지되었다.
다섯째, 시장 타이밍과 목표 레버리지에 대한 
대표연구인 Ooi et al.(2010)은 리츠의 자금조달 결
정에서 시장 타이밍이 목표 레버리지 보다 더 중요
함을 발견하였다. 즉, 리츠는 자본 시장의 조건에 
따라 자금조달 시기와 방법을 결정하며, 이는 때때
로 목표 레버리지 수준에서 벗어나게 한다는 것이
다. 여섯째, 시장 가치와 레버리지의 관계에 대한 
대표연구인 Feng et al.(2007)은 시장 대비 장부 가
치 비율이 높은 리츠는 높은 레버리지를 유지하는 
경향이 있고, 이러한 경향은 장기적으로 지속됨을 
발견하였다. 이는 리츠의 자금조달 결정이 일반 기
업과는 다르게 작용할 수 있음을 시사한다. 
이러한 연구들은 리츠의 자금조달 전략이 기업 
가치, 시장 반응, 은행 관계, 그리고 위기 대응 능

S08 · PDF 10쪽

S08 PDF 10쪽

이 페이지 검색용 텍스트

68    주택도시금융연구 제10권 제1호
https://doi.org/10.38100/jhuf.2025.10.1.59
력 등에 중요한 영향을 미침을 보여준다.
Ⅲ. 리츠의 자금조달 사례 분석
1. 국내 리츠 유상증자 사례  
1) 국내 리츠의 대형화 관련 이슈
서론에서 언급한 바와 같이 국내 리츠의 현황은 
글로벌 선진 리츠 시장과 비교할 때, 상대적으로 
빈약하여 운용 중인 리츠의 수에 비해 상장된 리츠
의 수는 적고, 투자 섹터는 오피스, 리테일, 물류, 
호텔, 주택에 국한되어 있다. 이를 보다 상세히 설
명하면, 2024년 말 기준 국내 운용 중인 리츠의 수
는 무려 400개나 되지만 상장된 리츠는 고작 24개
에 불과하고, 운용 중인 전체 리츠의 운용자산
(asset under management, 이하 AUM)은 약 100조 
원으로 리츠 당 평균 2,500억 원이고, 상장 리츠 시
가총액은 7조 8,997억 원으로 상장 리츠 당 평균 
3,291억 원이며, AUM은 약 23조 원으로 상장 리
츠 당 약 1조 원인 상황이다. 또한 2023년 상장 리
츠의 배당수익률은 7.4%로 양호하지만, 운용 중인 
전체 리츠의 평균 배당수익률은 4.0%이다.
한편 국내 리츠 상장지수펀드(exchange traded 
fund, 이하 ETF)에 편입되기 위해서는 상장 리츠
의 시가총액이 일정 수준 이상을 유지해야만 하는
데, 대표적으로 2019년 7월 상장하여 2024년 8월 
기준 펀드 순자산 규모가 5천억 원으로 국내 리츠
에 투자하는 가장 큰 규모의 ETF인 TIGER 리츠
부동산인프라ETF를 비롯한 주요 ETF의 가이드라
인에서 제시된 편입 요건 중 시가총액 요건은 2천
억 원 이상이다. 하지만 2024년 말 기준 총 24개 상
장 리츠 중 50%(12개)는 아직 시가총액이 2천억 
원에 미달하고, 29%(7개)는 1천억 원을 넘지 못하
는 소형 상장 리츠이다. 따라서 이러한 12개 상장 
리츠들이 ETF에 편입되기 위해서는 모두 큰 규모
의 양적 성장이 필요한 상황이다. 
2) 유상증자의 현황
경영자는 정보의 비대칭성 하에서 잠재적 투자
자보다 기업의 가치에 대해 더 많이 알고 있다. 그
래서 경영자의 선택을 보고 투자자들은 간접적으로 
기업의 가치를 해석한다(Myers and Majluf, 1984).
자본조달 순서이론(pecking order theory)에 의
하면 경영자가 선호하는 자금조달 방식은 내부자
금 활용, 채권발행, 주식발행의 순이고, 이처럼 자
본조달 방식을 선택하는 것은 기업 가치에 대한 정
보를 시장에 전달하게 되는데, 기업 가치에 대해 
채권발행은 긍정적 정보효과를, 주식발행은 부정
적 정보효과를 제공한다. 즉, 자본을 조달하는 방
식의 선택이 기업 가치에 대한 정보를 시장에 제공
하는 역할을 하여 타인자본의 이용이 자기자본보
다 기업 가치에 더 긍정적인 신호를 제공한다는 것
이다.
그동안 국내 리츠 AMC들이 운용 리츠의 자본 
재구조화와 리츠 대형화를 목적으로 신규 자산을 
편입하기 위한 자금조달 방안으로 주로 활용한 수
단들은 기존 투자자산의 매각 자금을 활용하거나, 
유상증자, 주식 담보대출, 또는 전환사채를 발행하
는 방식 등이었다. 
최근 추가 자산편입을 위해 국내 리츠의 유상증
자도 활발해졌다. 과거 국내 리츠는 하나의 기초자
산을 보유하고 이를 약 5년 전후의 단기 운용 후 
자산 매각 시점에 청산되는 것이 일반적이었기에

S08 · PDF 11쪽

S08 PDF 11쪽

이 페이지 검색용 텍스트

국내 리츠 자금조달 방안에 관한 연구    69
https://www.ejhuf.org
유상증자 필요성이 적었다. 그러나 2018년부터 영
속형을 지향하는 리츠들이 본격적으로 상장되면
서 리츠의 유상증자 역시 활발해지기 시작했다(장
문준, 2023).
이와 관련하여 리츠 공시자료를 수집하여 분석
한 결과, 2018년부터 2024년까지 상장 리츠가 진
행한 유상증자는 총 24회이고, 이를 통해 총 2.1조 
원의 자금이 모집된 것으로 집계되었다. 아울러 국
내 상장 리츠들이 활용한 유상증자 방식은 크게 주
주배정, 일반공모, 제3자 배정으로 분류할 수 있다.
첫째, 주주배정 유상증자는 기존 주주에게 신주 
인수권을 부여하여 일정 비율로 신주를 우선 청약
하도록 하는 방식이다. 일정 기간 내에 기존 주주가 
신주 인수 여부를 결정한 후, 미청약물량이 발생하
면 일반투자자를 대상으로 추가 공모하기도 한다. 
이 방식은 기존 주주의 지분 희석을 방지하고, 회사
가 안정적으로 자금을 조달할 수 있다는 점에서 선
호된다. 또한, 투자자에게 일정한 할인 가격으로 신
주를 취득할 기회가 제공된다는 장점이 있다.
둘째, 일반공모방식의 유상증자는 기존 주주에
게만 인수권을 제공하지 않고, 불특정 다수를 대상
으로 신주를 모집하는 방식이다. 기업은 시장의 수
요예측을 통해 공모가를 결정하고, 투자자들이 공
모 절차를 통해 청약을 진행한다. 이 방식은 신규 
투자자의 유입을 유도할 수 있지만, 시장가격 수준
보다 낮게 공모가격을 설정해야 할 가능성이 크고, 
청약 미달 위험도 존재한다. 또한, 기존 주주의 지
분가치가 희석될 수 있어, 기업이 주주 친화적인 
정책을 중시하는 경우, 상대적으로 선호하지 않는 
방식이다. 특히, 상장 리츠의 경우 모집 총액을 사
전에 확정하기 어렵다는 점에서 더 큰 리스크를 수
반할 수 있다.
셋째, 제3자 배정 방식의 유상증자는 기관 또는 
전략적 투자자 등 특정 투자자를 대상으로 하여 신
주를 발행하는 방식이다. 전략적 제휴나 투자 이익
만을 목적으로 하는 재무적 투자 유치 등의 목적으
로 활용된다. 계획되지 않은 특정 투자자가 경영권
에 영향을 미칠 수 있는 지분을 확보할 가능성이 
있어 지배구조 측면에서 신중한 접근이 필요한 방
식이다. 이 방식은 신속한 자금조달이 가능하다는 
장점이 있는 반면에, 기존 주주의 지분가치를 훼손
할 우려가 있고, 대주주의 경영권을 약화할 수 있
으며, 신규 주주로의 참여 가능 인원이 제한되거나 
신주 보유를 제한(lock-up)하여 유동성이 저하될 
수 있다는 단점이 있다.
그동안 국내 상장 리츠는 유상증자 시 주로 주
주배정 방식을 선택해 왔다. 최근 2024년 한 해 동
안 총 7개 상장 리츠가 유상증자를 통해 총 9,500
억 원 이상의 자금을 조달하였다. 대표적인 사례가 
한화리츠(약 4,736억 원), 신한알파리츠(약 1,905
억 원), 롯데리츠(약 1,640억 원) 등이다. 이들은 모
두 주주배정 방식을 활용하였고, 이는 상장 리츠가 
신규 자산편입을 위한 자본조달의 가능성을 높이
는 주요 전략으로 사용되었다. 주주배정 방식은 일
반공모 및 제3자 배정 방식과 비교했을 때, 기존 
주주의 참여를 유도함으로써 자금조달의 안정성
을 높이는 장점이 있다. 또한, 리츠의 투자자가 지
속적인 배당 현금흐름을 기대하는 기관과 개인 투
자자로 구성된 경우가 많아 기존 주주들의 신뢰를 
유지하면서도 안정적인 증자 참여를 유도하는 데 
효과적일 수 있다. 이러한 이유로 주주배정 방식은 
상장 리츠에서 가장 많이 활용되는 유상증자 방법

S08 · PDF 12쪽

S08 PDF 12쪽

이 페이지 검색용 텍스트

70    주택도시금융연구 제10권 제1호
https://doi.org/10.38100/jhuf.2025.10.1.59
으로 자리 잡아 왔다(이동진, 2024).
3) 유상증자의 파급효과
유상증자가 성공적으로 평가받기 위해서는 유
상증자 전과 비교할 때, 유상증자 이후에 주가를 
안정적인 성장시킬 수 있는 발판으로 작용하였다
는 공감대가 형성되어야 할 것이다. 이러한 유상증
자의 파급효과를 살펴보기 위해 본 연구에서는 총 
24회에 걸쳐 이루어진 국내 상장 리츠들의 유상증
자와 관련한 자료들을 수집하여 다음과 같이 분석
하였다. 우선 유상증자 결의 전후의 주가 동향을 
분석하기 위해 이사회의 유상증자 결의 일자를 조
사하였고, 기존 및 신규 발행주식 수, 청약주식 수, 
신규 발행가, 최초 증자 예정 금액, 청약률을 조사
하여 유상증자 비율, 유상증자 금액, 발행 규모, 청
약률을 산출하여 분석하였다. 분석결과는 다음과 
같다. 첫째, 발행 규모가 100% 이상인 경우가 2건
에 불과하여 최초 증자 예정 금액 이상의 자금조달
에 성공한 사례가 적었다. 
둘째, 청약률이 높을수록 신주에 대한 투자자들
의 관심과 수요가 많다는 것을 의미하고, 이는 신
주 발행의 성공적인 결과를 예측할 수 있다. 하지
만 총 24회 유상증자 중 약 33.3%(8건)의 청약률
이 100%에 미달하여 유상증자에 대한 투자자의 
관심과 수요가 크지 않았다(<표 1> 참조).
유상증자 신주 발행가액의 산정 방식은 부동산
투자회사법(이하. 부투법) 제18조와 부투법 시행
령 제15조에 의거하여 청약일 전 제3거래일부터 
제5거래일까지의 가중산술평균주가의 70% 이상
으로 산정할 수 있다. 
가중산술평균주가 = 

해당기간총거래량
해당기간총거래금액
<식 1>
아울러 증권의 발행 및 공시 등에 관한 규정(이
하. 증권발행규정) 제5-16조(적용범위 및 용어의 
정의) 및 제5-18조(유상증자의 발행가액 결정)에 
의하면 주권상장법인이 일반 공모 증자 방식 및 제
3자 배정 증자 방식으로 유상증자 경우 그 발행가
액은 청약일 전 과거 제3거래일부터 제5거래일까
지의 가중산술평균주가를 기준주가로 하여 주권
상장법인이 정하는 할인율을 적용하여 산정할 수 
있다. 다만, 일반 공모 증자 방식은 그 할인율을 
30% 이내로, 제3자 배정 증자 방식의 경우에는 그 
할인율을 10% 이내로 정할 수 있다. 본 연구에서
는 신주 발행가의 할인율을 산출하여 그 분포를 분
석하였다(<표 2> 참조). 
가장 많은 37.5%(9건)의 신주 발행가 할인율은 
5% 이하이고, 5% 이상 10% 미만 할인율이 적용
된 사례는 29.2%(7건)로 두 번째로 많았으며, 15% 
이상 20% 미만인 사례가 16.7%(4건), 10% 이상 
15% 미만과 20% 이상의 할인율이 적용된 사례가 
각각 8.3%(2건)로 집계되었다. 
다음으로 비록 할인된 신규 발행가이지만 이를 
기준으로 증자 후 상장 리츠(지분)의 공정가치를 
산출하고, 이를 잠재적인 시가총액으로 간주하여 
그 규모별 분포를 분석하였다(<표 2> 참조). 
유상증자를 진행하였음에도 시가총액이 1천억 
원을 밑도는 사례는 12.5%(3건)이고, 1천억 원 이
상 2천억 원 미만인 사례는 12.5%(3건)로 이상 
25%의 사례는 증자 후에도 시가총액 2천억 원 이
상의 주요 ETF 편입 요건을 갖추지 못하였다. 증

S08 · PDF 13쪽

S08 PDF 13쪽

이 페이지 검색용 텍스트

국내 리츠 자금조달 방안에 관한 연구    71
https://www.ejhuf.org
자 후 시가총액 2천억 원 이상을 유지할 가능성이 
높은 사례는 75%(18건)로 집계되었다. 
그동안 유상증자의 목적은 신규 자산편입만을 
목적으로 하지 않고, 채무상환을 목적으로 이루어
구분
이사회결의
유상증자 내용
방식
비율1)(%)
금액2)(원)
발행규모3)(%)
청약률4)(%)
A1
2024-10-10
주주배정
37.3
65,400,000,000
85.6
105.0
A2
2024-08-08
주주배정
9.9
39,559,955,600
98.9
106.0
A3
2023-11-20
주주배정
24.4
13,118,881,400
93.7
124.5
A4
2021-11-19
3자배정
28.6
39,999,998,640
100.0
100.0
B1
2023-10-05
주주배정
36.3
24,677,499,600
76.5
29.0
B2
2022-02-28
주주배정
27.2
118,215,462,500
102.8
143.5
B3
2021-01-08
주주배정
41.3
333,345,000,000
93.3
100.4
C1
2024-06-26
주주배정
17.8
64,212,500,000
98.0
107.0
D1
2023-03-02
주주배정
19.3
74,346,700,000
83.4
138.4
D2
2022-02-16
주주배정
41.1
156,520,000,000
94.9
120.6
D3
2020-03-17
주주배정
9.9
27,542,000,000
92.9
105.8
D4
2018-11-29
주주배정
25.0
48,572,400,000
97.0
109.1
E1
2024-08-28
주주배정
37.3
185,874,400,000
92.9
107.9
E2
2022-05-30
 3자배정
19.0
34,999,998,680
100.0
100.0
F1
2021-10-18
주주배정
48.7
442,023,900,000
102.6
 97.3
G1
2024-09-13
주주배정
154.4
383,680,000,000
81.0
 80.2
G2
2024-09-11
주주배정
18.9
147,200,000,000
87.9
101.2
G3
2023-07-27
주주배정
37.4
306,086,976,000
92.8
80.3
G4
2023-06-05
주주배정
40.0
62,761,032,180
93.7
107.2
G5
2022-06-16
주주배정
26.8
210,159,747,820
80.8
112.1
G6
2022-05-18
주주배정
19.2
137,748,960,000
81.0
158.0
H1
2024-10-28
주주배정
14.8
9,125,896,014
76.0
 63.9
H2
2024-08-07
주주배정
30.0
31,988,519,600
97.7
111.5
H3
2022-06-28
 3자배정
37.7
44,999,978,600
100.0
100.0
주: 1) 유상증자 비율(%)=신규 발행주식 수/기존 발행주식 수.
2) 유상증자 금액(원)=신규 발행주식 수×신규 발행가.
3) 발행규모(%)=유상증자 금액/최초 증자 예정 금액.
4) 청약률(%)=(청약주식수/신규 발행주식 수)×100.
<표 1> 상장 리츠 유상증자 개관

S08 · PDF 14쪽

S08 PDF 14쪽

이 페이지 검색용 텍스트

72    주택도시금융연구 제10권 제1호
https://doi.org/10.38100/jhuf.2025.10.1.59
진 경우도 적지 않았다. 이 경우 발행규모와 청약
률에 따라 할인율은 높게 설정할 수밖에 없다. 이
에 반해 신규 우량자산의 편입을 위한 유상증자의 
경우 발행 규모와 청약률이 상대적으로 높고 할인
구분
발행가
(A, 원)
할인율1)(%)
 실제 발행주식 수
사후증자비중
(=B/C, %)
리츠 공정가치2)
(E=A×C, 억 원)
증자(B)
증자 후(C)
A1
2,725 
14.4
24,000,000 
88,400,000 
27.1
 2,409
A2
4,495 
1.1
8,800,880 
97,335,354 
9.0
 4,375
A3
2,680 
6.3
4,895,105 
24,995,105 
19.6
   670
A4
5,820 
0
6,872,852 
30,872,852 
22.3
 1,797
B1
2,340 
23.5
10,545,940 
39,605,940 
26.6
   927
B2
6,250 
-2.8
18,914,474 
88,534,474 
21.4
 5,533
B3
4,695 
6.7
71,000,000 
242,968,884 
29.2
11,407
C1
4,670 
2.0
13,750,000 
91,050,000 
15.1
 4,252
D1
5,210 
16.6
14,270,000 
88,100,123 
16.2
 4,590
D2
7,280 
5.1
21,500,000 
73,830,123 
29.1
 5,375
D3
5,860 
7.1
4,700,000 
52,330,123 
 9.0
 3,067
D4
5,100 
3.0
9,524,000 
47,630,123 
20.0
 2,429
E1
5,660 
7.1
32,840,000 
120,940,123 
27.2
 6,845
E2
5,960 
0
5,872,483 
36,745,335 
16.0
 2,190
F1
6,330 
-2.6
69,830,000 
213,089,000 
32.8
13,489
G1
3,520 
19.0
109,000,000 
179,600,000 
60.7
 6,322
G2
3,200 
12.1
46,000,000 
288,968,884 
15.9
 9,247
G3
4,160 
7.2
73,578,600 
270,132,679 
27.2
11,238
G4
4,270 
6.3
14,698,134 
51,443,469 
28.6
 2,197
G5
5,060 
19.2
41,533,547 
196,554,079 
21.1
 9,946
G6
4,335 
19.0
31,776,000 
197,376,000 
16.1
 8,556
H1
1,486
24.0
3,925,307 
30,505,307 
12.9
  453
H2
3,760 
2.3
8,507,585 
36,866,202 
23.1
 1,386
H3
5,800 
0
7,758,617 
28,358,617 
27.4
 1,645
주: 1) 할인율=1-(실제 발행가÷최초 증자예정금액 산정 시에 추정 발행가).
2) 증자 후 상장 리츠의 공정가치(Fair Valuation)=증자 후 전체 발행주식 수×신규 발행가=신규 발행주식의 총
가치/총 발행주식 대비 신규 발행주식 비중(사후증자비중).
<표 2> 유상증자 결과에 따른 상장 리츠 지분의 가치추정

S08 · PDF 15쪽

S08 PDF 15쪽

이 페이지 검색용 텍스트

국내 리츠 자금조달 방안에 관한 연구    73
https://www.ejhuf.org
율은 낮게 설정되었다(<표 3> 참조).
주가는 투자기업의 장기적인 내재가치를 반영
한 시장참여자들의 투자심리에 의해 결정된다. 따
라서 유상증자가 투자심리를 긍정적으로 자극하
여 유상증자 이후 조달된 자금을 활용하여 신규로 
투자된 수익형 부동산에 대한 장기적인 자본 이익
(capital gains)과 배당 이익(income gains)에 대한 
기대와 이를 반영한 리츠의 내재가치가 장기적인 
성장이라는 긍정적으로 전망이 공감대를 형성하
면 주가는 상승할 것이고, 그렇지 않다면 유상증자 
후 하락할 것이다. 이에 다음의 산출식을 통해 유
상증자의 주가 부양 효과를 분석하였다.
주가 부양 효과 =





<식 2>
: 이사회결의 전(Before) 20일 동안 평균
주가(종가 기준)
: 이사회결의 후(After) 20일 동안 평균주
가(종가 기준)
: 신주(New Shares) 발행가
: 이사회 결의(Resolution)일 종가
: 할인율[=1-(신주 발행가÷최초 증자 
예정 금액 산정 시에 추정 발행가)]
이 산출식은 유상증자에 대한 이사회결의 당일 
종가가 이사회결의 전 1개월(20일) 동안 종가를 
기준으로 한 평균주가보다 얼마나 높거나 낮은지
와 이사회결의 후 1개월(20일) 동안 종가를 기준
으로 한 평균주가가 신주 발행가보다 얼마나 높거
나 낮게 형성되는지를 측정하여 유상증자에 대한 
시장 반응을 간접적으로 평가하기 위한 것이다. 분
석 결과, <표 4>에서 유상증자에 대한 이사회결의 
당일 종가가 이사회결의 전 평균주가보다 높았던 
사례는 41.7%(10건)에 불과하였지만, 이사회결의 
후 평균주가가 신규 발행가를 상회한 사례는 
87.5%(21건)로 대부분 유상증자 결정 이후 신규 
발행가 이상의 주가 수준이 유지되었다. 아울러 신
규 발행가격이 일정 수준 이상의 할인율이 적용된 
점을 반영하여 주가 부양 효과를 산출한 결과도 긍
정적인 양(+)의 주가 부양 효과를 나타낸 사례가 
62.5%(15건)로 집계되었다(<표 4> 및 <표 5> 참조).
주가 부양 효과에 더하여 유상증자를 통한 리츠
(AMC)의 자금조달 활동이 주가의 변동성에는 어
떠한 영향을 미쳤는지 파악하기 위해 종가 시계열
을 기초로 이사회결의 전과 후 20일 동안 주가의 
표준편차를 산출하여 다음과 같은 변동성 완화 효
과를 분석하였다. 분석결과, 37.5%(9건)의 사례에
서 유상증자 결정 후 주가변동성이 유상증자 결정 
이전에 비해 완화된 효과도 확인할 수 있었다(<표 
5> 참조).
변동성 완화 효과 =
이사회결의후 20일 동안 
주가의 표준편차
<식 3>
이사회결의전 20일 동안 
주가의 표준편차
이상의 국내 상장 리츠의 유상증자 사례 분석결
과와 시사점을 요약하면 다음과 같다. 
첫째, 최초 증자 예정 금액 이상의 자금조달에 
성공한 사례의 비중은 작았고, 둘째, 청약률이 높
을수록 신주에 대한 투자자들의 관심과 수요가 많
아 신주 발행의 성공적인 결과를 예측할 수 있지만

S08 · PDF 16쪽

S08 PDF 16쪽

이 페이지 검색용 텍스트

74    주택도시금융연구 제10권 제1호
https://doi.org/10.38100/jhuf.2025.10.1.59
(단위: %)
구분
발행규모1)
청약률
할인율2)
증자 목적
용도 및 취득자산
A1
85.6
105.0
14.4
타법인증권취득자금
DDI명동엔타워우선주
A2
98.9
106.0
1.1
DF타워우선주
A3
93.7
124.5
6.3
마제스타시티타워1우선주
A4
100.0
100.0
0
이천물류, 북미데이터센터,
분당호스트웨이
B1
76.5
29.0
23.5
운영자금
미국휴스턴물류센터
B2
102.8
143.5
-2.8
남청라스마트로지스틱물류
B3
93.3
100.4
6.7
롯데백화점안산, 중동 및
아울렛, 마트 등
C1
98.0
107.0
2.0
영업양수자금
삼성화재판교사옥
D1
83.4
138.4
16.6
타법인증권취득자금 
및 운영자금
캠브릿지및일부대출상환
D2
94.9
120.6
5.1
와이즈타워, 역삼빌딩
D3
92.9
105.8
7.1
그레이츠청계
D4
97.0
109.1
3.0
용산더프라임타워
E1
92.9
107.9
7.1
타법인증권취득자금,
채무상환자금
및 운영자금
씨티스퀘어, GS 서초타워
E2
100.0
100.0
0
이수화학반포사옥
F1
102.6
 97.3
-2.6
타법인증권취득자금 및
채무상환자금
김해, 안성, 이천물류
(2호리츠)
G1
81.0
 80.2
19.0
채무상환자금
및 운영자금
한화장교빌딩
G2
87.9
101.2
12.1
L7HOTELS강남타워
G3
92.8
80.3
7.2
이천수처리센터
G4
93.7
107.2
6.3
트윈트리타워
G5
80.8
112.1
19.2
SK-U타워
G6
81.0
158.0
19.0
미국맨해튼오피스
H1
76.0
 63.9
24.0
타법인증권취득자금
채무상환
H2
97.7
111.5
2.3
채무상환자금 및 운영자금
H3
100.0
100.0
0
타법인증권취득 
및 운영자금
주: 1) 발행규모(%)=유상증자 금액/최초 증자 예정 금액.
2) 할인율=1-(신주 발행가÷최초 증자 예정 금액 산정 시에 추정 발행가).
<표 3> 상장 리츠의 유상증자 목적, 용도 및 취득자산

S08 · PDF 17쪽

S08 PDF 17쪽

이 페이지 검색용 텍스트

국내 리츠 자금조달 방안에 관한 연구    75
https://www.ejhuf.org
유상증자에 대한 투자자의 관심과 수요가 많지 않
았으며, 셋째, 유상증자의 대부분이 10% 미만 할
인율이 적용되었다. 넷째, 적지 않은 사례가 증자 
후에도 시가총액 2천억 원 이상의 주요 ETF 편입 
구분
평균주가(원)
주가변동성(원)
이사회
결의일 종가
(원, PR)
신주
발행가
(원, PN)
이사회결의 전후 
주가 동향(%)
이사회결의
PR-PB
PA-PN
전(PB)
후(PA)
전(VE)
후(VA)
A1
3,120
3,008
77.30
56.46
3,055
2,725 
-2.1
10.4
A2
4,780
4,749
96.66
96.12
4,865
4,495 
1.8
5.6
A3
3,077
3,002
54.71
43.90
3,210
2,680 
4.3
12.0
A4
5,874
5,789
26.01
60.17
5,860
5,820 
-0.2
-0.5
B1
3,177
2,755
62.29
156.74
2,995
2,340 
-5.7
17.7
B2
6,469
6,552
117.71
117.66
6,590
6,250 
1.9
4.8
B3
5,379
5,161
79.69
89.71
5,390
4,695 
0.2
9.9
C1
5,059
5,068
25.11
23.37
5,050
4,670 
-0.2
8.5
D1
6,828
6,163
182.15
349.86
6,740
5,210 
-1.3
18.3
D2
8,061
7,918
23.60
101.09
8,080
7,280 
0.2
8.8
D3
7,168
6,580
209.05
274.20
6,800
5,860 
-5.1
12.3
D4
5,600
5,682
51.30
37.36
5,650
5,100 
0.9
11.4
E1
6,577
6,178
101.63
176.21
6,270
5,660 
-4.7
9.2
E2
5,963
5,689
118.80
326.37
6,010
5,960 
0.8
-4.5
F1
6,506
6,571
136.32
132.25
6,440
6,330 
-1.0
3.8
G1
4,966
4,391
37.06
326.39
5,000
3,520 
0.7
24.7
G2
3,920
3,642
76.50
124.86
3,875
3,200 
-1.1
13.8
G3
4,983
4,432
78.31
147.10
4,715
4,160 
-5.4
6.5
G4
4,800
4,710
86.79
100.92
4,995
4,270 
4.1
10.3
G5
6,991
5,862
159.79
293.97
6,670
5,060 
-4.6
15.8
G6
5,763
5,598
96.14
108.04
5,630
4,335 
-2.3
29.1
H1
2,225
1,755
71.28
61.23
1,999
1,486
-10.1
18.1
H2
4,177
4,014
38.73
41.32
4,190
3,760 
0.3
6.7
H3
5,558
4,731
262.25
203.92
5,210
5,800 
-6.3
-18.4
<표 4> 상장 리츠 유상증자 전후의 주가 동향

S08 · PDF 18쪽

S08 PDF 18쪽

이 페이지 검색용 텍스트

76    주택도시금융연구 제10권 제1호
https://doi.org/10.38100/jhuf.2025.10.1.59
요건을 갖추지 못하였고, 다섯째, 신규 우량자산의 
편입을 위한 유상증자의 경우 발행 규모와 청약률
이 상대적으로 높고 할인율은 낮게 설정되었다. 여
섯째, 대부분 유상증자 결정 이후 신규 발행가 이
상의 주가 수준이 유지되었고, 신규 발행가격이 일
정 수준 이상의 할인율이 적용된 점을 반영한 주가 
부양 효과는 긍정적으로 나타났으며, 일부 사례에
서 유상증자 결정 후 주가변동성이 완화된 효과도 
구분
리츠 공정가치
(억 원)
할인율
(%)
발행규모
(%)
청약률
(%)
주가 부양 효과
(%)
변동성 완화 효과
(%)
A1
 2,409
14.4
86.0
105.0
-6.1
-27.0
A2
 4,375
1.1
99.0
106.0
6.3
-0.6
A3
   670
6.3
94.0
124.5
10.0
-19.8
A4
 1,797
0
100.0
100.0
-0.8
131.3
B1
   927
23.5
76.0
29.0
-11.5
151.6
B2
 5,533
-2.8
103.0
143.5
9.5
0.0
B3
11,407
6.7
93.0
100.4
3.4
12.6
C1
 4,252
2.0
98.0
107.0
6.3
-6.9
D1
 4,590
16.6
83.0
138.4
0.4
92.1
D2
 5,375
5.1
95.0
120.6
3.9
328.4
D3
 3,067
7.1
93.0
105.8
0.1
31.2
D4
 2,429
3.0
97.0
109.1
9.3
-27.2
E1
 6,845
7.1
93.0
107.9
-2.6
73.4
E2
 2,190
0
100.0
100.0
-3.8
174.7
F1
13,489
-2.6
103.0
97.3
5.4
-3.0
G1
 6,322
19.0
81.0
80.2
6.4
780.7
G2
 9,247
12.1
88.0
101.2
0.6
63.2
G3
11,238
7.2
93.0
80.3
-6.0
87.8
G4
 2,197
6.3
94.0
107.2
8.1
16.3
G5
 9,946
19.2
81.0
112.1
-7.9
84.0
G6
 8,556
19.0
81.0
158.0
7.8
12.4
H1
  453
24.0
76.0
63.9
-16.0
-14.1
H2
 1,386
2.3
98.0
111.5
4.8
6.7
H3
 1,645
0
100.0
100.0
-24.7
-22.2
<표 5> 상장 리츠 유상증자의 파급효과

S08 · PDF 19쪽

이 페이지 검색용 텍스트

국내 리츠 자금조달 방안에 관한 연구    77
https://www.ejhuf.org
확인할 수 있다.
이상의 연구 결과에 기초할 때, 신규 우량 수익
형 부동산을 편입하고 상장 리츠 대형화를 실현하
기 위해서는 기존의 유상증자 방법 이외에 추가적
인 대안이 필요하고 이를 위한 정책적 지원과 제도
적 기반 마련도 필요하다고 판단된다.
2. 국내 리츠 상환전환우선주 사례
국내 리츠 시장에서 상환과 전환 조건이 모두 
명시된 RCPS를 활용한 자금조달 사례는 공식적
으로 보고된 바가 없다. 다만, 일부 리츠들은 전환
사채(convertible bond, 이하 CB)나 상환권 또는 
전환권만 부여된 우선주를 활용하여 자금을 조달
한 사례가 있다. 이러한 사례들은 RCPS와 유사한 
메자닌(Mezzanine) 금융 구조로 볼 수 있어, 향후 
RCPS 도입 가능성을 시사한다. 특히, 금리 변동성
과 부동산 시장의 불확실성이 증가하는 상황에서 
RCPS는 투자자와 발행사 모두에게 유연한 자금
조달 수단이 될 수 있다.
조건이 정확하게 공개되어 있지 않지만 2021년 
12월 마스턴투자운용이 발행한 상환전환우선주가 
국내 유일한 사례로 간주된다(마스턴투자운용, 
2021).
기명식 A종 종류주로 사모방식으로 184만 주를 
발행가액 50,000원(액면가 5,000원)으로 총 920억 
원을 모집하였는데, 이는 전체 지분의 72.44% 규
모에 해당하였다. 배당 구조 및 수익률은 운영기간 
중 매 6개월 결산(4월, 10월) 기준으로 A종 종류주 
발행금액의 6.6%, B종 종류주 8.5%, 보통주 발행
금액의 10%를 배당하고, 잔여 배당금은 투자비율
에 따라 배분하며, 처분이익 배당은 A종 55%, B종 
25%, 보통주 20%로 설정하였다. 상환 및 전환 조
건으로 우선매수권 행사 가능 시점과 방식은 30개
월 이후 보통주 또는 그 지정 제3자가 회사 주식 
또는 부동산 매입이 가능하도록 하였다. 그러나 보
통주로의 전환 비율, 전환 시점, 전환가액 등 명시
적인 전환 조건 등을 명확히 제시하지 않았다. 48
개월 이후 주주총회 결의로 공개입찰을 통한 부동
산 매각이 가능하도록 설정하였고, 우선매수권 행
사 가격은 36개월 이하일 경우 4,200억 원, 36~48
개월 동안 4,300억 원, 48~60개월 동안 4,400억 원 
또는 감정평가액 중 높은 금액으로 설정하였다. 
상환우선주 발행의 대표적인 사례로는 자리츠
를 통한 상환우선주를 발행한 이지스자산운용의 
사례가 있다. 2023년 이지스자산운용은 SK하이닉
스 수처리센터 인수를 위해 자리츠를 설립하고, 해
당 자리츠에서 상환우선주를 발행하여 자금을 조
달하였다. 이는 국내 상장 리츠 중 최초로 상환우선
주를 활용한 사례이다(김보겸, 2023). 코람코자산
신탁 등 기관투자자들이 약 300억 원 규모의 상환
우선주를 인수하였다. 상환우선주는 일정 기간 후 
투자자에게 원금 상환을 보장하면서도, 보통주로의 
전환 옵션은 포함하지 않는 구조로 설계되었다. 다
음으로 코람코라이프인프라리츠 사례로 2025년 4
월 코람코라이프인프라리츠는 코람코더원강남제1
호리츠가 발행한 우선주 2,000만 주 중 790만 주를 
취득하였다. 이는 보통주 합산 지분율의 19.75%에 
해당하는 것으로 해당 우선주는 상환권이 부여되
어 있어 일정 기간 후 투자자에게 원금 상환이 이
루어지는 구조로 설계되었다(KIND, 2025).

S08 · PDF 20쪽

S08 PDF 20쪽

이 페이지 검색용 텍스트

78    주택도시금융연구 제10권 제1호
https://doi.org/10.38100/jhuf.2025.10.1.59
3. 미국 리츠 상환전환우선주 대표 사례
미국도 상환전환우선주(RCPS)는 우선주에 전
환권과 상환권이 결합된 하이브리드 증권으로 정
의한다. 발행사는 일정 기간 후 우선주를 보통주로 
전환하거나 상환(call)할 수 있고, 투자자도 조건에 
따라 보통주로 전환할 수 있는 권리를 갖는다. 최
근 10년간 미국 리츠의 주요 사례를 조사한 결과, 
미국 리츠는 이러한 전환우선주를 자본조달 수단
으로 활용하여 부채비율 개선과 성장 자금 확보를 
도모해 왔음을 알 수 있다. 전환우선주를 통해 투
자자에게 향후 주가 상승 시 추가 이익을 기대할 
수 있게 하여 일반 우선주보다 낮은 배당률로 발행
이 가능하였고, 발행사의 자본조달 비용을 절감할 
수 있었다. 또한 보통주 즉각 발행에 따른 지분 희
석을 연기하면서, 주가 상승 시 높은 가격에 지분
발행 효과를 창출하여 리츠의 NAV 주당가치를 
제고하는 긍정적 영향을 창출하였다.
다음은 이와 관련한 미국 리츠들의 대표적인 상
환전환우선주 활용 사례들을 조사하여 각 증권의 
구조와 발행 목적, 시장 반응, 재무적 성과를 구체
적으로 정리한 것이다.
1) Alexandria Real Estate Equities(ARE)–
7.00% 상환전환우선주(Series D)
Alexandria Real Estate Equities(이하 ARE)는 
생명과학 부동산 분야의 대형 리츠로, 2008년 3월 
재무구조 강화와 개발자금 조달을 위해 7.00% 누
적 상환전환우선주(시리즈 D)를 발행하였다. 약 1
천만 주를 주당 $25에 발행하여 총 $2.5억 달러를 조
달하였고, 순수입금은 신용한도 상환 및 신규 개발․
인수 자금으로 사용되었다(PASADENA, 2008). 이 
우선주는 연 7.00% 배당(분기 누적 지급) 조건이
었고, 보통주 전환권이 부여되어 투자자들은 보통
주 잠재 상승분을 공유할 수 있었다. 초기 전환조
건은 1주당 보통주 0.2513주로 전환(전환가격 약 
$99.48)이었는데, 이는 발행 시점 보통주가치 대비 
상당한 프리미엄(발행 당시 ARE 주가는 약 $70 
수준)으로 설정되었다. 한편 이 우선주는 만기 없
는 영구종목으로 발행사가 자의적으로 상환할 수 
없고, 다만 보통주가 일정 수준 이상 상승하면 발
행사가 강제전환(mandatory conversion) 시킬 수 
있는 조항이 포함되었다. 실제로 2019년까지 보통
주 주가가 크게 상승하여, 2019년 10월 회사는 해
당 우선주 약 229만 주 전부를 보통주로 강제 전환 
시켰다. 전환 비율은 기존 조건대로 1:0.2513이 적
용되어, 우선주 1주당 약 0.25주의 보통주가 배정
되었다(quantumonline, 2019). 발행 목적이 금융위
기 직전 불확실성에 대비해 유동성 확보 및 부채상
환이었고, 또한 생명과학 연구시설 캠퍼스 개발과 
같은 개발 프로젝트를 위한 자금 마련이었기에 시
장 반응은 대체로 긍정적이었다(Joel, 2008). 전환
우선주는 보통주 대비 현금배당이 확정되어 있고, 
부채처럼 만기상환의무가 없어 재무안정성을 높
였다는 평가를 받았다. 투자자들도 7% 배당에 더
해 주가 상승 시 이익을 공유할 수 있다는 점에 관
심을 보여, 해당 우선주는 발행 후 프리미엄에 거
래되기도 했다(<표 6> 참조). 실제로 2017년 말 
ARE 전환우선주는 액면가 대비 약 47.8% 프리미
엄에 거래되었다(BNK Invest, 2017). 재무적 성과
로, 2019년 보통주 전환이 완료되면서 회사 입장
에서는 연간 $1.75/주씩 지급하던 우선주 배당 부
담을 없앴으며, 자본구조가 단순화되어 보통주와 
부채로 구성된 체제가 되었다. 보통주 전환으로 약

S08 · PDF 21쪽

S08 PDF 21쪽

이 페이지 검색용 텍스트

국내 리츠 자금조달 방안에 관한 연구    79
https://www.ejhuf.org
57만 주(=229만 주×0.2513)의 신규 보통주가 발행
되었으나, 이는 전환가격이 높았던 덕분에 기존 주주 
가치 희석을 최소화하였다. 결과적으로 Alexandria
는 낮은 비용으로 위기 시 자본을 조달했고, 주가 
상승에 힘입어 우선주를 자연스레 자기자본으로 
전환함으로써 재무유연성을 확보하는 전략적 효
과를 거두었다.
2) Digital Realty Trust(DLR)–5.50% 전환
우선주(Series D)
Digital Realty Trust(이하 DLR)는 데이터센터
리츠로서, 2009년 초기성장자금 확보와 재무구조 
강화를 위해 5.50% 누적 상환가능 전환우선주(시
리즈 D)를 발행하였다. 약 1,380만 주를 주당 $25
에 발행하여 순조달자금 약 $3.45억 달러를 확보하
였고, 이는 기존 부채 상환 및 신규 데이터센터 인
수․개발 자금으로 활용되었다. 특히 2008년 금융
위기 상황에서 비교적 낮은 금리로 대규모 자본을 
확충한 사례에 해당한다(reit.com). 해당 우선주의 
배당률은 5.5%로, 당시 일반 리츠 우선주 프리미
엄(67%대)보다 낮았는데, 이는 전환권 부여로 투
자자들이 주가 상승 시 이익을 얻을 수 있어 요구
수익률이 낮아졌기 때문이다(Ralph Block, 2013). 
초기 전환비율은 우선주 1주당 보통주 0.6360주이
었고, 전환가격 약 $39.30이었다. 이 전환가격은 발
행 시점 DLR 보통주가($27~28) 대비 약 40% 프
리미엄으로 설정되어, 당장 보통주를 발행하는 것
보다 희석의 정도가 낮은 조건이었다. 상환 및 전환 
조건으로 발행사는 일정 기간(약 4년) 경과 후 보통
주 주가가 전환가 대비 130% 이상으로 상승하면 우
선주를 강제 전환할 수 있는 권리가 부여되었다.
발행 목적이 글로벌 금융위기 국면에서 유동성 
비축 및 사업확장 대비였고, 당시 공격적인 인수와 
신축을 통해 자산을 확장하고 있었는데, 주식시장 
침체로 보통주 발행이 부담되자 전환우선주를 통
해 자본을 선 조달한 것으로 투자자 반응은 우호적
구분
내용
발행 시기/규모
2008년 3월 발행, 1천만 주(~$2.5억 달러 조달)
배당 및 전환조건
연 7.00% 누적 배당
보통주로 전환권(1주당 보통주 0.2513주로 전환 = 전환가 약 $99.48)
상환(전환) 규정
만기 없음 (영구우선주), 임의상환 불가. 
단, 2019년 주가 상승으로 발행사가 모든 우선주 강제전환 실행
발행 목적
부채 상환 및 개발/인수자금 조달(생명과학 부동산 개발 투자)
시장/투자자 반응
7% 배당+전환옵션 조합에투자자 호응, 발행 후 우선주가 액면 대비 프리미엄 거래, 
보통주 희석 우려 적어 주가에 큰 충격 없음
전략적 효과
위기 국면에 자본확충으로 재무안정성 제고. 
이후 주가 상승으로 우선주→보통주 전환 완료, 
우선주 배당부담 해소 및 자본구조 개선(지분희석 최소)
ARE, Alexandria Real Estate Equities.
<표 6> ARE–7.00% 상환전환우선주(Series D)발행 사례

S08 · PDF 22쪽

S08 PDF 22쪽

이 페이지 검색용 텍스트

80    주택도시금융연구 제10권 제1호
https://doi.org/10.38100/jhuf.2025.10.1.59
이었다. 5.5%의 비교적 낮은 배당에도 불구하고, 
데이터센터 산업의 성장성과 주가 상승 가능성을 
공유하려는 투자 수요가 있었다. 발행 후 DLR 보통
주는 지속 상승하여, 2013년 초 결국 회사는 보통주 
가격 상승 조건이 충족된 것을 계기로 시리즈 D 우
선주를 모두 보통주로 전환한다고 발표하였다. 
2013년 2월 26일 전환일에 우선주 1주당 0.6360주
의 보통주가 배정되었고, 총 약 305만 주의 신주가 
발행되어 우선주 480만 주 발행잔액 전부가 소멸되
었다. 전환으로 인해 우선주에 지급하던 연간 배당
($1.375/주)을 절감함으로써 현금흐름이 개선되었
고, 자기자본 비중이 증가하여 재무건전성 지표도 
향상되었다. 당시 보통주 주가는 전환가($39)를 
크게 상회하는 약 $60대 수준이어서, 우선주 투자
자들은 전환을 통해 액면 $25당 $38~$40 상당의 
주식 가치를 얻어 상당한 이익을 실현하였다. 재무
적 성과로 Digital Realty는 위기 당시 조달한 자본
을 성장에 투입해 자산 및 운영현금흐름(Funds 
From Operations, 이하 FFO) 확대를 이루었고, 후
속 주가 상승으로 전환우선주를 지분으로 전환하
여 고정배당부담을 제거하는 선순환을 만들었다
(Stein and Garibaldi, 2013; <표 7> 참조).
3) Ramco-Gershenson Properties Trust 
(RPT) Realty–7.25% 전환우선주(Series D)
舊 Ramco-Gershenson Properties Trust(이하 
RPT Realty)는 쇼핑센터 중심의 리츠로, 2011년 4
월 포트폴리오 투자자금 마련을 위해 7.25% 누적 
전환우선주(시리즈 D)를 발행하였다. 발행 규모는 
비교적 작은 40만 주를 주당 $50(청산선취권 액면
가)로 발행하여 총 2천만 달러를 조달하였다. 배당
률은 연 7.25%(주당 연 $3.625)였고, 보통주 전환
권이 부여되어 1주당 보통주 3.4699주로 전환될 
수 있는 조건이었다. 이는 전환가격으로 환산하면 
약 $14.41로, 발행 직전 보통주 시장가격(~$12.84) 
대비 약 12% 프리미엄 수준이었다. 해당 우선주는 
상환권이 없는 영구종목이라 발행사가 임의로 현
금상환(Call)을 할 수 없었지만, 2018년 4월 20일 
구분
내용
발행 시기/규모
2009년 2월경 발행, 1,380만 주(약 $3.45억 달러 조달)
배당 및 전환조건
연 5.50% 누적 배당 
보통주 전환권 (1주당 보통주 0.6360주로 전환=전환가 ~$39.30)
상환(전환) 규정
만기 없음, 발행 4년 후부터 보통주 주가가 전환가의 130% 이상 시 발행사 콜 옵션으로 
우선주 강제전환 가능. 2013년 조건 충족으로 전량 보통주 전환
발행 목적
위기 대응 유동성 확보 및 데이터센터 인수·개발 재원 마련(부채비율 관리와 사업확장 병행)
시장/투자자 반응
낮은 프리미엄에도 전환 상승잠재력으로 투자자 참여 양호
보통주 주가 지속 상승으로 4년 내 전환 조건 충족
전략적 효과
저렴한 준자본 조달로 위기 극복 및 성장 가속. 보통주 전환 완료로 우선주 배당부담 소멸, 
자본구조 단순화 및 주당수익 개선 달성.
DLR, Digital Realty Trust.
<표 7> DLR–5.50%전환우선주(Series D)발행 사례

S08 · PDF 23쪽

S08 PDF 23쪽

이 페이지 검색용 텍스트

국내 리츠 자금조달 방안에 관한 연구    81
https://www.ejhuf.org
이후 보통주 주가가 전환가의 130%(약 $18.73)를 
30거래일 중 20일 이상 상회할 경우 우선주를 보
통주로 강제전환 시킬 수 있는 조항이 포함되었다. 
투자자 보호 장치로 회사 인수합병 등과 같은 
Fundamental Change가 발생 시 Make-Whole 프리
미엄을 제공하는 조건도 명시되었다. 발행 목적이 
당시 리테일 부동산 시장에서의 투자 기회에 대응
할 자금 확보와 재무융통성 증대였고, 2010년대 
초 Ramco는 일부 쇼핑센터를 매각하고 포트폴리
오를 재편하면서, 향후 성장 투자를 위한 자기자본 
성격의 자금이 필요했는데, 주당 $14 이상에서 지
분을 발행하는 효과를 얻기 위해 전환우선주를 선
택한 것이어서 시장 반응은 비교적 중립적이었다. 
발행 규모가 작아 보통주에 미치는 희석 영향이 크
지 않았고, 투자자들은 7%대 배당에 더해 향후 전
환 가능성에 관심을 보였다. 다만 RPT의 보통주 
주가는 이후에도 전환 조건인 $18.73를 넘지 못해 
회사가 강제전환을 실행하는 일은 없었다. 해당 우
선주는 상장되어 거래되었고, 금리 변동과 회사 상
황에 따라 액면가 대비 소폭의 프리미엄 또는 디스
카운트에서 등락하였다. 2019년 초기에 이 전환우
선주의 시가배당률은 약 7% 초반으로, 동일 업종 
우선주 평균과 유사하거나 다소 낮은 수준에서 안
정적으로 거래되었다. 재무적 성과로, RPT는 이 
전환우선주 덕분에 약 7년 이상 적은 보통주 희석
으로 자본을 운용할 수 있었다. 2021~2023년 사이 
RPT의 경영진은 회사의 전략을 재편하였고, 2023
년 Kimco Realty가 RPT를 인수합병하는 거래가 
성사되었다. 이 과정에서 시리즈 D 전환우선주에 
대해서는 인수 기업 주식으로의 전환 등의 조치가 
이루어졌다. 즉, 합병 계약에 따라 RPT 우선주 1주
당 Kimco 우선주 혹은 현금으로 교환지급하였다. 
전환우선주 투자자들은 RPT 보통주로의 전환 기
회는 얻지 못했으나, 합병 프리미엄에 상응하는 처
우를 받아 원금과 일부 수익을 확보하였다. 전반적
으로 RPT 사례는, 소규모 REIT가 전환우선주를 통
해 필요 자금을 조달하고 주가 상승 시점까지 지분 
희석을 늦추는 전략을 보여준다. 다만 리테일 부동
산 침체 등 시장환경이 우호적이지 않을 경우 보통
주 전환 기회 없이 우선주를 유지해야 하고, 결국 
타사에 인수되면서 청산되는 시나리오도 발생할 수 
있음을 시사한다(Ramco-Gershenson, 2011; <표 8> 
참조).
4) Wheeler Real Estate Investment Trust 
(WHLR)–8.75% 상환전환우선주(Series D)
Wheeler Real Estate Investment Trust(이하 
WHLR) 리츠는 소형 상업용 부동산 리츠로 2018
년 1월 부채재조정과 자산 인수를 위해 8.75% 누
적 전환우선주(시리즈 D)를 발행하였다. 발행 규
모는 약 130만 주로, 액면가 $25인 우선주를 주당 
$16.50로 액면 대비 많은 디스카운트로 공모하여 
순조달자금 약 $2,012만 달러를 확보하였다(<표 
9> 참조). WHLR는 당시 이 자금을 버지니아 소재 
대형 쇼핑센터(JANAF Shopping Yard) 인수 자금
의 일부로 사용한다고 밝혔다(Wheeler, 2018). 시
리즈 D 우선주의 배당률은 8.75%로 높았고, 상장 
후 WHLRD 티커로 나스닥 거래되기 시작하였다. 
전환 조건은 초기에는 액면가 기준으로 보통주 전
환가격 약 $16 수준으로 설정되었으나 구체적인 
전환비율을 공개하지는 않았다. 이 우선주는 특이
하게도 투자자에게 매월 상환전환 청구권을 부여

S08 · PDF 24쪽

S08 PDF 24쪽

이 페이지 검색용 텍스트

82    주택도시금융연구 제10권 제1호
https://doi.org/10.38100/jhuf.2025.10.1.59
한 것이 큰 특징이었다(SEC, 2025). 즉, 일정 요건 
하에서 우선주 보유자가 매월 정해진 날에 회사에 
우선주 상환을 요구할 수 있고, 회사는 이를 현금 
또는 주식으로 지급할 수 있게 하는 구조였다. 사
실상 투자자 주도로 보통주 전환이 단계적으로 이
루어지는 메커니즘으로, 이는 발행 당시 회사의 유
동성 위험을 우선주 투자자가 어느 정도 부담하지
만, 동시에 보통주 가격 하락 시 투자자가 상환을 
구분
내용
발행 시기/규모
2011년 4월 발행, 40만 주($2,000만 달러 조달)
배당 및 전환조건
연 7.25% 누적 배당
보통주 전환권 (1주당 보통주 3.4699주로 전환=전환가 ~$14.41)
상환(전환) 규정
영구 비상환식, 발행사 콜옵션 없음. 
단, 2018년 4월 이후 보통주가 전환가 130% 이상 시 강제전환 가능 조항
(조건 미충족으로 강제전환 미실시)
발행 목적
포트폴리오 재편 및 성장자금 조달(쇼핑센터 투자 재원 확보 및 부채비율 관리)
시장/투자자 반응
발행규모 작아 희석 우려 적음, 투자자는 7.25% 배당+전환옵션에 보통의 반응, 
우선주 시세는 액면 부근 안정적 거래
전략적 효과
지분희석 최소화하며 자기자본 확보 효과, 전환 조건 미충족으로 보통주 전환 없이 유지, 
2023년 합병 시 우선주 청산/교환으로 마무리
RPT Realty, Ramco-Gershenson Properties Trust.
<표 9> WHLR– 8.75% 상환전환우선주(Series D)발행 사례
구분
내용
발행 시기/규모
2018년 1월 발행, ~130만 주 ($2,012만 달러 조달)
(공모가 $16.50로 액면대비 할인)
배당 및 전환조건
연 8.75% 누적 배당
보통주 전환권 부여. 매월 투자자 상환청구권 존재 – 우선주 1주당 $25+ 누적배당을 
보통주로 상환 가능 (전환가 약 $16, 추후 주가 하락에 따라 조정)
상환(전환) 규정
만기 없음. 투자자 청구 시 회사가 현금 또는 주식으로 상환 가능. 2022~2025년 다수 투자
자가 상환 청구, 회사는 주식교부로 대응 (매월 보통주 신규발행)
발행 목적
긴급 자본조달 (부채상환 및 쇼핑센터 인수자금 마련) 
기존 부채 구조조정 및 자산확대 위한 고육지책 조달
시장/투자자 반응
발행 당시부터 신용 우려로 공모가 할인, 이후 보통주 폭락으로 투자자 조기상환 행렬, 
보통주 과다 발행으로 주가 98% 폭락, 기존 주주에 매우 부정적
전략적 효과
단기 유동성 확보했으나, 전환우선주 상환→보통주 희석→주가 하락 악순환 자본구조 악화 
및 주주가치 희석 심화, 전환우선주의 잠재 위험 현실화 사례
WHLR, Wheeler Real Estate Investment Trust.
<표 8> RPT Realty–7.25%전환우선주(Series D)발행 사례

S08 · PDF 25쪽

S08 PDF 25쪽

이 페이지 검색용 텍스트

국내 리츠 자금조달 방안에 관한 연구    83
https://www.ejhuf.org
서둘러 요구할 위험도 있는 구조였다. 발행 목적은 
분명하였다. WHLR는 2010년대 후반 재무구조가 
이미 악화하였고, 고금리 부채를 상환하고 신규 부
동산 인수를 위한 자본이 필요하였다. 일반 주식의 
추가 발행은 주가가 낮아 부담되었고, 채권시장 접
근도 어려워 전환우선주로 눈을 돌린 것이다. 그러
나 시장 반응은 부정적이었다. 공모가가 액면 대비 
크게 할인($16.50)될 정도로 투자자 신뢰가 낮았
고, 우선주에 월상환권을 부여해야 할 만큼 자금조
달 여건이 열악하였다. 발행 후에도 WHLR의 보
통주 주가는 지속 하락하여, 전환우선주 투자자들
이 속속 상환을 청구하는 상황이 벌어졌다. 계약에 
따라 WHLR는 현금 대신 보통주 교부로 상환에 
응했는데, 우선주 1주당 상환가 $25 + 미지급배당
을 당시 보통주 시세로 환산한 주식을 지급하는 방
식이었다. 예컨대 2025년 5월까지 총 163만 주의 
우선주(발행량의 상당 부분)가 상환 청구되어, 회
사는 약 158만 주의 보통주를 신규 발행해 지급하
였다. 이 과정에서 WHLR 보통주 가치가 극심하게 
희석되었고, 2025년 초까지 주가가 연초 대비 98% 
폭락하는 등 기존 주주가치가 크게 훼손되었다. 우
선주 투자자들은 보통주로 전환받을 때 적용되는 
전환가격이 주가 급락에 따라 지속 조정되었는데, 
2025년 5월 전환가격이 주당 $1.97에서 $0.67로 
조정되기도 하였다(SEC, 2025).
이는 전환우선주 투자자들이 남은 상환 과정에
서도 더 많은 주식을 받아낼 수 있게 함으로써 추가 
희석 압력을 가중시켰다. 재무적 성과로, WHLR의 
시리즈 D 전환우선주 사례는 양날의 검이 되었다. 
단기적으로는 2018년에 긴급 자금을 확보하여 부
채를 일부 상환하고 자산을 인수할 수 있었지만, 
장기적으로 보통주 성과가 부진하자 전환우선주
가 지속적인 주식 추가발행 요인이 되어 악순환을 
낳았다. 결국 2023년 이후 회사는 남은 우선주 처
리를 위해 전환조건 변경, 신규 자본 재구성 등을 
모색하는 상황에 몰렸다. 이 사례는 전환우선주의 
위험성을 여실히 보여주는데, 회사의 기초여건이 
악화하면 전환우선주 투자자들이 권리를 행사하
여 기존 주주에게 큰 희석 부담을 지울 수 있으며, 
시장은 이를 미리 반영해 주가를 급락시킬 수 있다
는 것이다. 특히 WHLR처럼 소규모 리츠의 경우 
전환우선주 발행이 근본 해결책이 되지 못하고 단
기 연명에 그칠 위험이 있음이 드러났다.
이상의 네 가지 사례는 미국 리츠들이 상환 전
환우선주를 활용한 다양한 성과를 보여준다. 
Alexandria(ARE)와 Digital Realty(DLR) 사례에
서는 비교적 재무 건전성이 양호한 대형 리츠들이 
위기나 성장 국면에서 전략적으로 전환우선주를 
활용하여 낮은 비용으로 자본을 조달하고, 이후 기
업 가치 상승 시 우선주를 성공적으로 보통주로 전
환함으로써 장기 주주가치에 기여한 모습을 볼 수 
있다. 반면 RPT Realty처럼 중형 리츠의 경우 전환
우선주를 통해 일정 기간 자본을 확보했지만, 보통
주 주가가 정체되어 기대했던 전환 효과를 보지 못
하고 타 기업에 인수되며 마무리되었다. 
마지막으로 Wheeler(WHLR) 리츠 사례는 재무
적 난관에 직면한 소형 리츠가 전환우선주로 응급
처방식의 자금조달을 했을 때 나타날 수 있는 부정
적 결과를 극명하게 보여준다. 결국 전환우선주의 
효과는 기업 기초여건과 주가 추이에 크게 좌우됨
을 알 수 있다. 전환우선주 구조를 잘 설계하고 기
업이 안정적 성장을 지속한다면 저비용 자본확충

S08 · PDF 26쪽

S08 PDF 26쪽

이 페이지 검색용 텍스트

84    주택도시금융연구 제10권 제1호
https://doi.org/10.38100/jhuf.2025.10.1.59
과 지분가치 상승의 선순환을 기대할 수 있지만, 
기초여건이 악화되면 전환우선주가 지속적인 희
석과 주가 부담 요인으로 작용해 오히려 기존 주주
가치에 해가 될 수 있음을 유의해야 한다.
이상과 같이, 상환전환우선주는 리츠들이 자본
조달 전략으로 활용할 수 있는 양면의 도구이다. 
기업 상황에 부합하는 구조로 설계하고 성장 국면
에서 활용한다면 자본 비용 절감과 주주가치 제고
를 동시에 달성할 수 있지만, 무리한 조건으로 자
금조달 시에 오히려 주주가치 희석과 재무상태 악
화가 초래될 수도 있다. 궁극적으로 전환우선주의 
성공 여부는 발행 후 회사의 기초여건 개선과 주가 
상승으로 결정된다.
Ⅳ. 국내 리츠의 Redeemable Convertible 
Preferred Stock(RCPS) 활용 방안
이제 유상증자를 통해 자본조달을 보완하거나 
대체하는 수단으로 RCPS를 활용하는 방안에 대
해 논하고자 한다. 이에 앞서 리츠의 투자 가능성
을 평가하는 주요 지표를 소개하고 그 함의와 활용 
방안을 설명하고자 한다. 
1. 리츠 투자 의사 결정 지표
투자자들이 리츠 투자에 대한 의사결정에 있어 
중요한 지표이자 투자 성과를 평가할 때 활용할 수 
있는 대표적인 지표에는 배당가능이익 배율(Price 
to Funds From Operations, 이하 P/FFO), 순자산가
치 배율(Price to Net Asset Value, 이하 P/NAV), 
자본환원율(Capitalization, 이하 Cap. Rate), 시가
배당률, 리츠의 운용자산 규모(AUM) 등이다. 이
중 특히 P/FFO,  P/NAV, Cap. Rate는 투자에 대한 
의사결정과 성과평가의 핵심 지표다. 
첫째, FFO는 리츠의 배당 가능 이익을 나타내
어 P/FFO는 주가 대비 얼마나 많은 배당 가능 이
익을 기대할 수 있는지를 나타내고, 시가배당률을 
진단할 수 있어 P/FFO가 낮아지면 배당가능이익
이 증대하였거나, 이전보다 시가배당률이 높아진 
상황을 의미한다. 
둘째, NAV는 리츠의 순자산가치를 나타내어 
P/NAV는 주가 대비 리츠 보유자산의 순가치가 얼
마나 높거나 낮은지를 나타낸다. 따라서 P/NAV는 
향후 리츠 투자부동산 가치에 대한 시장의 전망을 
간접적으로 진단할 수 있다. 만약 P/NAV가 1보다 
작을 경우, 주가에 의한 시가총액보다 리츠가 투자
한 부동산의 내재가치가 더 상승하였거나, 그 가치
수준에 비해 현재 주가가 시장에서 저평가되어 자
본차익을 기대할 수 있는 매력적인 주가 상황임을 
의미한다.
셋째, Cap. Rate은 부동산 투자수익률을 대표적 지
표로 다음과 같이 수익형 부동산의 NOI를 부동산의 
자본가치 또는 매매가격(V)으로 나누어 산출한다.


     
<식 4>
아울러 이 식은 특정 가격에 수익형을 매입하여 
1년 동안 NOI에 기초한 운용수익률을 의미한다. 
일정한 NOI 수준에서 특정 섹터의 시장 Cap. Rate
가 높아질수록 낮은 부동산 가치에 상대적으로 많
은 수익이 실현되는 시장 상황을 의미한다.
상기 식을 다음과 같이 변환하면, 만약 특정 시

S08 · PDF 27쪽

S08 PDF 27쪽

이 페이지 검색용 텍스트

국내 리츠 자금조달 방안에 관한 연구    85
https://www.ejhuf.org
장, 예를 들어 강남의 주택시장에 대한 Cap. Rate
과 순수 민간임대주택의 NOI를 파악한다면 부동
산 가치평가 3 방식 중 수익환원법에 기초한 거래
가격을 산출할 수 있다. 



<식 5>
실무적으로 매입 시에 활용하는 시장 Cap. Rate
은 매입 Cap. Rate라고 하고, 매도 시에 활용하는 
시장 Cap. Rate를 매도 Cap. Rate라 한다.
NOI가 고정되었다는 가정하에 Cap. Rate가 높
을 때 임대주택을 매입하고 낮을 때 매도하면 자본
차익을 기대할 수 있고, 이 식을 활용하여 그 차익 
규모도 추정할 수 있다. 
이상의 핵심 지표를 종합하면, P/NAV가 1보다 
작을수록 P/FFO가 작을수록 리츠의 투자 매력은 
상승하게 된다. 또한 일정한 NOI 수준에서 특정 
섹터의 시장 Cap. Rate가 높아질수록 해당 섹터 시
장에 투자한 리츠의 투자 매력은 상승하게 된다. 
이상의 내용은 이후 RCPS 발행 과정에서도 중요
하게 활용된다.
2. Redeemable Convertible Preferred Stock 
(RCPS) 발행 및 공모 방안
이제 유상증자에 추가하여 국내 상장 리츠의 대
형화를 위한 자금조달 수단으로서 앞서 소개한 
RCPS 발행 및 공모 방안을 소개하고자 한다. 
RCPS는 통상적인 우선주 투자 방식에 상환권과 
전환권이 첨가되는 방식으로 발행하여 공모할 수 
있다. 우선 상환권(redemption right)은 일정 조건
이 충족되면 투자자가 리츠에 주식을 되팔아 투자
금을 회수할 수 있는 권리이다. 리츠가 기업공개
(IPO)나 기상장 리츠에 인수․합병(merger and 
acquisition, 이하 M&A)되지 않을 때를 대비하여 
투자자의 손해를 보호하기 위해 상환권을 추가할 
수 있다. 이어서 전환권(conversion right)은 투자자
가 우선주를 보통주로 전환할 수 있는 선택권이다. 
투자자는 IPO나 M&A 등 리츠 가치가 상승했을 때 
우선주를 보통주로 바꿔 수익을 극대화할 수 있다.
우선 북미와 유럽의 레지던스(residence) 리츠
와 성격을 같이하는 국내 순수 민간임대주택3) 리
츠를 가정한다. 이 리츠의 RCPS의 발행과 공모 방
안은 다음과 같이 영구 임대 또는 장기 임대 운영 
후 매각을 계획하는 신규 우량 주택을 편입하기 위
한 RCPS 발행을 가정하여 설명할 수 있다. 우선 
투자자들이 신규로 편입하는 임대주택 투자의 리
스크가 크다고 판단할 가능성이 큰 경우, 보통주보
다 우선적인 보호 장치를 제공할 수 있다. 이때, 
RCPS 형태로 자금조달 시 제시할 수 있는 투자 조
건을 요약하면 <표 10>과 같다. 실제 RCPS 계약서
에 삽입되는 조항들은 다음과 같이 명시할 수 있
다. 첫째, 상환권에 관한 조항으로 “투자자는 본 우
선주의 발행일로부터 5년이 경과한 날 이후 언제
든지 리츠에 대해 주당 발행가액에 연 복리 5%의 
이자를 가산한 금액으로 상환을 청구할 수 있다.”
와 같이 명시할 수 있다.
둘째, 전환권에 관한 조항으로 “투자자는 본 우
3) 현재 국내 리츠 시장의 상당 비중을 차지하는 공공 민간임대주택 리츠가 아닌 정부의 어떠한 규제도 받지 않은 북미
와 유럽의 순수 민간임대주택 리츠와 성격을 같이하는 것으로 정의함.

S08 · PDF 28쪽

S08 PDF 28쪽

이 페이지 검색용 텍스트

86    주택도시금융연구 제10권 제1호
https://doi.org/10.38100/jhuf.2025.10.1.59
선주를 보통주로 1:1 비율로 전환할 수 있고, IPO
나 분양 매각 시에는 본 우선주는 자동으로 보통주
로 전환된다.”와 같이 명시할 수 있다. 
셋째, 청산 우선권에 관한 조항으로 “리츠 청산, 
매각, 자산 처분 등의 이벤트 발생 시 우선주 투자
자는 보통주에 앞서 우선주의 발행가액 및 미지급 
배당금을 우선적으로 수령한다.”와 같이 명시할 
수 있다. 
넷째, 희석 방지 조항(Anti-Dilution)으로 “리츠
가 향후 더 낮은 가격에 신주를 발행할 경우, 투자
자의 보유 주식 수를 조정하여 지분 희석을 방지한
다.”와 같이 명시할 수 있다.
이제 8천만 주의 주식(보통주)을 발행하여 발기
인 50%(4천만 주), 일반투자자를 비롯한 초기 투
자자들이 나머지 50%를 보유하고 있는 순수 민간
임대주택 A리츠가 있다고 가정한다. 그리고 자산
가치 2천억 원인 신규 임대주택을 편입하기 위해 
2천만 주의 보통주 신주를 주당 1만 원에 추가 발
행하여 2,000억 원의 투자를 유치하는 단순한 사
례를 가정한다(<표 11> 참조).
투자가 완료된 후 상장 리츠의 총 발행주식은 1
억 주가 되고, 발기인과 초기 투자자는 각각 40%, 
신규 자금을 투자한 투자자는 20%를 보유한 주주
가 된다. 신주 주당 1만 원의 가격이 기존 주주의 
가치를 유지되고 있는다는 전제하에 이 20% 지분
에 대하여 2,000억 원을 투자했기 때문에 A리츠의 
공정가치는 최소 1조 원으로 추정된다.
유상증자를 통한 A리츠 공정가치(억 원):
2,000 / 20% = 10,000
<식 6>
이것은 대외적으로 발표되는 리츠의 공정가치
(Reported or Post-Money Valuation)가 결정되는 
직관적이고 명료한 산출 방식으로 간주할 수 있다. 
이 방식은 새로 발행되어 일반투자자들이 보유하
게 된 신주가 발기인과 초기 투자자가 보유하고 있
는 주식과 같은 보통주인 경우 문제가 발생하지 않
는다. 하지만 일반투자자들로부터 자금을 조달할 
때 보통주가 아닌 (R)CPS를 발행한다면, 이들 종
류 주식은 우선주로서 상장 리츠의 현금흐름에 대
하여 보통주보다 선순위(senior)의 배당청구권을 
가지고, 여기에 보통주로 전환할 수 있는 전환청구
항목
내용
투자금
1,000억 원
주식 형태
RCPS
상환 조건
특정 시점(3~5년 후) IPO 또는 기존 상장 리츠와 M&A 미달성 시, 
투자 원금 + 일정한 배당(예. 5~8%) 추가 지급
전환 조건
IPO 또는 매각 분양을 실행할 때 RCPS는 보통주로 1:1 자동 전환 
우선 청구권
IPO 또는 M&A 없이 전체 리츠를 청산 시 보통주보다 우선 변제
보호 조항
희석방지조항, 동반매도청구권(Tag-along), 공동매도권(Drag-along) 등
RCPS, redeemable convertible preferred stock; IPO, initial public offering.
<표 10> RCPS 형태로 자금조달 시 순수 민간임대주택 리츠 투자 조건(예시)

S08 · PDF 29쪽

S08 PDF 29쪽

이 페이지 검색용 텍스트

국내 리츠 자금조달 방안에 관한 연구    87
https://www.ejhuf.org
권, 사전에 정해진 금액(예를 들어 투자원금+이
자)을 돌려받을 수 있는 상환청구권이라는 옵션이 
부착된다면 보통주 및 일반적인 우선주와는 그 가
치가 다르게 된다.
만약 보통주가 아니고 RCPS와 같은 보호 장치
가 부착된 주식 1,500만 주를 주당 약 13,333원에 
발행하여 같은 2,000억 원의 자금을 조달한 순수 민
간임대주택 B리츠를 가정한다면, B리츠의 공정가
치는 약 1조 2,667억 원으로 추정된다. 이는 RCPS 
1,500만 주를 발행하면 발기인과 초기 투자자의 
지분율은 각각 42.11%가 되고, 신규 RCPS 투자자
의 지분율은 15.79%이다. 15.79%에 대하여 2,000
억 원을 투자했기에 공정가치가 약 1조 2,667억 원
으로 추산된다.
RCPS 발행에 따른 B리츠 공정가치(억 원):
 2,000 / 15.79% ≃12,667
<식 7>
이에 앞서 A리츠의 공정가치 추정 과정에서 암
묵적으로 모든 발행주식이 보통주라고 가정한 사
례와 발행된 신주가 (R)CPS인 B리츠의 사례를 비
교하면, 발행 방식에 따라 추산된 리츠의 공정가치
가 서로 다르고, 자본조달 방식에 따라 실제 가치 
또는 본질적 가치와 큰 괴리가 발생하여 리츠의 가
치가 과대 평가될 수도 있음을 제시한다.
물론 앞서 설명한 시장의 Cap. Rate와 신규 편
입 예정인 임대주택의 NOI 정보를 활용한다면 적
정 매입가를 추정할 수 있다. 그리고, 해당 임대주
택시장의 중장기 Cap. Rate 추이를 기반으로 전환
권 또는 상환권 이행 가능 시점으로 설정한 미래 
특정 시점, 예를 들어 3년 또는 5년 후 임대주택시
장 Cap. Rate를 추정할 수 있다. 따라서 그동안 주
로 활용한 보통주 유상증자에 비해 RCPS를 활용
하면 다음의 설계 과정을 수행하여 자금조달을 효
율적이고 성공적으로 이행할 수 있다. 
첫째, 편입 예정 임대주택의 NOI 정보를 확보
한다. 둘째, 매입 시점의 임대주택시장 Cap. Rate
을 매입 Cap. Rate로 활용하여 임대주택의 매입가
를 산출하고 이를 기초로 필요한 자금조달 규모를 
결정한다.
가정 및 공정가치 산출
지분율(%)
초기
유상증자 후
발기인 보통주 4,000만 주 보유
50
40
42.11
일반투자자 등 보통주 4,000만 주 보유
50
40
42.11
주당 1만 원에 보통주 2,000만 주 추가 발행
20
증자 후 리츠 공정가치 2,000/20% = 10,000억 원
주당 13,333원에 RCPS 1,500만 주 추가 발행
15.79
증자 후 리츠 공정가치 2,000/15.79% = 12,667억 원
RCPS, redeemable convertible preferred stock.
<표 11> 증자 방식에 따른 리츠 공정가치 산출 예시

S08 · PDF 30쪽

S08 PDF 30쪽

이 페이지 검색용 텍스트

88    주택도시금융연구 제10권 제1호
https://doi.org/10.38100/jhuf.2025.10.1.59
셋째, RCPS를 발행 함에 있어 미국 상장 리츠처
럼 매분기 또는 매월 발행가 기준으로 연환산 매입 
Cap. Rate 수준의 배당률에 기초한 배당금을 RCPS 
공모 시점에 공시한다. 기관투자자의 기준수익률
(Hurdle Rate)을 초과하는 배당수익률 수준이 제시
된다면, 중장기적으로 안정적인 현금흐름 창출이 필
요한 일반 개인 투자자뿐만 아니라 연기금 등의 기
관투자자에게 매우 매력적인 포인트가 될 수 있다. 
넷째, 미래 특정 시점 상환권 내용인 투자 원금
에 추가되는 배당은 임대주택의 매도 Cap. Rate을 
반영하여 산정한 후 사전 공시한다. 즉, 특정 권역 
임대주택시장의 과거 Cap. Rate 추이를 기초로 향
후 투자 기간 그 변화를 추정하여 예측된 임대주택
의 매도 Cap. Rate에 연동한 자본차익을 반영한 청
산배당 가능액을 추산하여 RCPS 공모 시에 공시
하는 것이다.
다섯째, 리츠(AMC)의 노력을 통해 신규 편입 
임대주택을 최유효 활용(highest and best use, 이하 
HABU)원칙에 기초한 가치부가형(Value-Added) 
개선 사업을 통해 자본가치를 제고하고, NOI를 성
장시키면, RCPS 투자자들은 우선주를 보통주로 
전환하면서 순수 민간임대주택 리츠 보통주의 시
가총액 대형화 목표를 달성할 수 있게 된다. 
3. Redeemable Convertible Preferred Stock 
(RCPS) 부가 보호 장치
리츠의 자금조달 과정에서 RCPS는 시장 상황
과 투자 의사 결정 과정에서 투자자들이 부담하는 
투자 리스크를 줄이고, 발기인 또는 리츠(AMC)에 
대한 규율(discipline)을 강화하기 위하여 (R)CPS
를 통한 투자를 선호하고 다양한 추가적 보호 장치
(downside protection)를 요구할 수 있다. 
리츠(AMC)의 입장에서는 순수 민간임대주택
과 같은 수익형 부동산 투자 리스크에 대한 어느 
정도의 보호 장치를 투자자에게 제공함으로써 투
자 유치의 성공 가능성을 높이기 위하여 (R)CPS
를 발행하고, 경우에 따라 추가적인 보호 장치도 
제공할 수 있다. 또한 보통주에 비하여 적은 수의 
(R)CPS 발행을 통하여 동일 규모의 투자를 유치
할 수 있어 지분 희석의 정도가 낮고, 리츠 공정가
치를 제고하는 효과도 기대할 수 있다. 따라서 상
장 리츠가 이른 시일에 대형 상장 리츠로 성장하기
를 원하는 리츠(AMC)는 (R)CPS의 발행 및 추가
적 보호 장치 제공을 통한 투자 유치를 선호할 유
인이 존재한다.
리츠 시장의 하방 위험 방어(downside risk 
protection)를 위해 RCPS 투자자에게 제공할 수 있
는 추가적인 보호 장치로는 크게 청산 우선권, IPO 
래칫(ratchet), 자동 전환(automatic conversion) 면
제(exemption) 또는 거부권(veto)을 고려할 수 있다.
첫째, 청산 우선권(liquidation preference)은 
RCPS에 투자한 주주들이 리츠가 청산 또는 다른 
리츠나 펀드 등의 투자수단(vehicle)에 편입이나 
매각될 때 보통주 주주에 앞서 약정 금액을 수취할 
권리이다. 우선 수취 규모가 투자 원금과 일치하는 
경우 ‘1× 청산 우선권’이라 하고, 1× 전환우선주를 
보유한 투자자는 리츠가 청산 또는 편입, 매각될 
때 주당 매각가가 주당 투자금보다 작은 경우에는 
전환우선주를 유지하면서 투자금을 회수하고, 반
대로 주당 매각가가 주당 투자금을 초과하면, 보통
주로 전환하여 기존 보통주 주주들과 함께 지분율
에 따라 매각 대금의 분배에 참여하는 선택권을 갖
게 된다. 결과적으로 청산 우선권을 내재한 전환우

S08 · PDF 31쪽

S08 PDF 31쪽

이 페이지 검색용 텍스트

국내 리츠 자금조달 방안에 관한 연구    89
https://www.ejhuf.org
선주를 보유한 투자자는 하방 리스크 방어책을 확
보하는 동시에 주식이 갖는 자본차익 가능성도 유
지하는 효과를 얻는다. 
만약 RCPS를 통해 조달된 자금으로 신규 투자
한 임대주택의 Cap. Rate이 점진적으로 하락할 것
이 예상된다면, 장기적인 수익성은 높게 평가된다. 
이 경우 시장으로부터 원활한 자금조달을 위해 리
츠(AMC)는 투자금의 1.2배(1.2×) 또는 1.5배(1.5×) 
등으로 투자자 보호 규모를 확대한 청산 우선권, 
보통주뿐만 아니라 이전에 발행한 모든 우선주보
다 선순위 청산 우선권, 보통주 배정에 참여할 수 
있는 권리의 추가 부여 등 강화된 청산 우선권을 
제공할 수도 있다.
둘째, 비상장 리츠의 경우 IPO 래칫을 추가할 
수도 있다. IPO 주당 공모가격이 이전 투자 라운드
에서 정해진 일정한 가격수준(threshold)에 미달하
면, 해당 투자자에게 추가적 주식을 부여받을 권리
를 줌으로써 최소한 투자 원금 수준의 가치 유지를 
보장하는 것이다. 이 경우 해당 투자자의 투자 가
치는 유지되나 기존 주주들에게는 지분가치 희석
이 발생하게 된다.
셋째, 자동 전환 면제 또는 거부권을 추가할 수
도 있다. 신규 임대주택의 투자를 위해 발행되는 
전환우선주를 투자계약에 정해진 전환권 행사 기
간을 만료하거나, 시장제도 개선을 통해 우선주만 
별도로 IPO를 실시하는 경우 자동 보통주로 전환
하게 설정할 수도 있다. 그러나 가장 최근 라운드 
투자자들이 보유한 전환우선주에 대해서 IPO 공
모가격이 RCPS 주주의 기대 수준 이상에서 결정
되지 않을 경우, 자동 전환을 면제하거나 자동 전
환에 대한 거부권을 부여할 수 있다.
4. Redeemable Convertible Preferred Stock 
(RCPS)와 추가 보호 장치의 타당성
서울 및 수도권의 주요 역세권에 같은 순수 민간
임대주택과 같은 신규 우량 부동산 투자를 위한 리
츠의 자본조달을 RCPS 및 추가적 보호 장치들이 
사용될 수 있는 타당성을 설명하면 다음과 같다. 
RCPS 투자자는 자신이 부담하는 투자 손실 위험
에 대한 어느 정도의 보호 장치(downside protection)
를 확보하는 동시에, 지분투자에 내재된 임대주택의 
가치 상승 가능성(upside potential)은 계속 유지하
려는 니즈(needs)가 있다. 또한 리츠(AMC)가 임대
주택과 같은 투자부동산의 본질적 가치를 제고하
기 위해 최선의 노력을 유도하는 규율 장치의 기능
도 있다. 기업공개(IPO)나 인수․합병(M&A)을 
통해 투자회수(exit)가 이루어질 때 리츠가 투자한 
임대주택과 같은 수익형 부동산의 본질적 가치가 
높게 평가받지 못하면 발기인 및 초기 투자자에게 
귀속되는 배당이 줄어들기 때문이다. 
한편 발기인 또는 리츠(AMC)의 입장에서는 리
츠의 생존 또는 성장에 필요한 자본을 충분히 조달
하기 위해 RCPS 투자자에게 더 나은 유인을 제공
하는 데에 공감할 가능성이 높다는 것이 가장 중요
하다. 리츠의 AUM 및 시가총액 등 리츠의 규모와 
가치를 이른 시일 내에 대형화하고자 하는 발기인 
및 초기 투자자들은 이를 위하여 RCPS 투자자에
게 기꺼이 보호 장치를 제공할 유인을 가질 수 있
다. 이는 리츠의 초기 투자자를 비롯한 기존 주주 
역시 자신이 보유하고 있는 리츠가 대형 리츠가 되
어 일례로 풍부해진 유동성을 기반으로 국민연금
과 같은 연기금 및 공제회의 투자 비중이 확대되거
나, 우량한 ETF에 편입될 경우, 느끼게 될 존재감

S08 · PDF 32쪽

S08 PDF 32쪽

이 페이지 검색용 텍스트

90    주택도시금융연구 제10권 제1호
https://doi.org/10.38100/jhuf.2025.10.1.59
(visibility)과 대외적 이미지 제고, 잠재적 성장 경
쟁력 강화 등을 통해 보유 지분 가치의 상승 등 제
반 효과에 대한 기대감으로 리츠(AMC)의 RCPS
를 활용한 자본조달 계획에 동의할 수 있는 것이
다. 반대로 신규 자본조달이 실패하여 리츠 대형화
가 이루어지지 않는다면 국민연금과 같은 연기금 
및 공제회의 투자, ETF 편입 등이 어렵게 되고 리
츠의 생존 가능성이 위협을 받는 경우라면 자신들
이 불리할 수 있는 조건임에도 불구하고 RCPS를 
활용한 자본조달 계획에 동의할 것이다. 
요약하면, 신규 우량 부동산 투자를 위한 RCPS 
투자 구조는 리츠 발기인(AMC), 기존 주주, 그리
고 신규 투자자 모두 사용할 유인이 있고, RCPS 
발행을 통한 자금조달은 이들 3자 간의 협상과 합
의를 거쳐 도출된 결과일 것이다. 
5. Redeemable Convertible Preferred Stock 
(RCPS) 발행 관련 쟁점 사항
리츠의 신규 투자, 즉 신규 자산편입을 위한 자
금조달 방식으로 (R)CPS 발행과 관련하여 몇 가
지 논점들이 존재한다. 
첫째, (R)CPS 발행으로 투자된 자산이 편입됨
과 동시에 기존 리츠와 M&A 되면, 보통주를 보유
한 발기인과 초기 투자자들은 (R)CPS 및 추가 보
호 장치를 보유한 (R)CPS 주주보다 배당 등 이익 
배분에 있어 후순위에 놓이게 된다. 이후 전체 리
츠를 청산하거나 다른 상장 리츠에 편입되거나 
M&A 될 때 매각 가격이 일정 수준을 넘지 못하는 
경우 발기인과 초기 투자자들에게 귀속되는 몫은 
제한되고, 투자 초기 기대 투자수익을 달성하지 못
할 수 있다. (R)CPS 주주에게 투자에 대한 보호 장
치를 제공했기 때문이다. 이는 (R)CPS 주주가 원
하는 발기인 또는 리츠(AMC)에 대한 규율 체계지
만, 발기인 또는 리츠(AMC)의 입장에서는 시장 
상황에 따라 큰 후회의 원인이 될 수도 있다. 그러
나 리츠(AMC)가 신규 편입 및 기존 편입 자산에 
대한 내재가치 제고를 위한 노력에 실효를 거둔다
면 후회할 상황은 방지될 것이다. 
둘째, RCPS 발행에 의한 자금조달은 회계상의 
문제를 발생시킬 수 있다. 국내 일반적인 비상장 
기업은 일반기업회계기준(K-GAAP)이 적용되는
데, 이때, RCPS는 자기자본으로 인정된다. 반면에 
일반 상장 기업에 적용되는 한국채택 국제회계기
준(K-IFRS)은 경제적 실질에 따라 RCPS를 자기
자본 또는 부채로 처리한다. K-IFRS에서는 우선
주에 부착된 전환가격 조정(Refixing) 조항이 없는 
전환우선주(CPS)와 전환가격 조정 조항이 없으면
서 상환청구권을 발행한 리츠가 보유하는 RCPS
는 자기자본으로 인정될 수 있다. 만약 비상장 리
츠가 발행한 (R)CPS 중에서 전환가격 조정 조항
이 있거나 상환청구권을 투자자들이 갖는 구조의 
우선주들은 추후 상장 리츠가 되었을 때 모두 부채
로 처리된다. 이에 만약 비상장 리츠가 (R)CPS 발
행으로 자본을 조달하여 신규 투자를 도모한 후에 
거래소 상장을 계획한다면 RCPS보다 CPS를 활용
하는 것이 회계처리 문제와 상장 시에 부채비율 요
건 충족을 위해 유리하다. 
만약 RCPS를 다량 발행한 비상장 리츠가 상장
을 시도하면 부채비율이 크게 올라 자기자본 규제
가 엄격한 현 상장제도에서 RCPS의 존재는 리츠 
상장 시에 장애요인이 될 수도 있다. 하지만 RCPS 
발행 시에 약속된 정기 배당이 안정적으로 지속되
고, 시장 Cap. Rate이 매입 Cap. Rate을 하회하는

S08 · PDF 33쪽

S08 PDF 33쪽

이 페이지 검색용 텍스트

국내 리츠 자금조달 방안에 관한 연구    91
https://www.ejhuf.org
추세가 지속된다면, 상환권이 아닌 전환권이 실행
될 가능성이 높다. 이 경우 리츠의 RCPS는 타인자
본이 아닌 자기자본으로 인식됨이 합리적이고, 이 
경우 상장 심사 시에 부채비율이 상승하는 것을 방
지해 주는 특례 마련이 필요하다.
셋째, 리츠의 가치평가에 있어 과대평가 문제이
다. 리츠 가치의 과대평가 가능성은 IPO 또는 상장
을 거쳐 공개 시장(public market)에 진입한 리츠 
중 상장 후에 P/FFO가 부진하여 안정적인 배당 현
금흐름을 창출하지 못하는 동시에 P/NAV이 불안
정하여 향후 자본손실 가능성이 높아질 때 부상할 
수 있다. 이와 관련하여 다른 가상의 사례로 발기
인이 보통주 100%를 보유하고 있는 순수 민간임
대주택 C리츠를 가정해 보자(<표 12> 참조). 이 C
리츠는 발행 후(post-money) 지분율 20%에 해당
하는 1X 청산 우선권이 부착된 RCPS_z를 공모 발
행하여 1,000억 원의 투자를 유치한다면 리츠의 
공정가치는 5,000억 원이 된다. 이 C리츠가 투자
한 임대주택을 다른 D리츠에 매각할 때, 임대주택
의 가격이 1,000억 원 이하로 하락하면 모든 매각 
수익은 RCPS_z 주주에게 귀속되고 발기인의 배
당금은 소멸한다. 만약 임대주택의 매각 가격이 
1,000억 원과 5,000억 원 사이가 되면 RCPS_z 주
주에게 1,000억 원이 우선 배당되고, 남은 매각금
액이 발기인의 배당금을 형성하게 된다. 발기인의 
지분율이 80%이기 때문에 발기인은 자신의 지분
율에 미달하는 배당금을 받게 되는 것이다. 임대주
택의 매각 가격이 5,000억 원을 초과하면, RCPS_z 
주주는 전환권을 행사하여 보통주 주주가 되고, 발
기인과 함께 전체 투자부동산 매각금액을 8:2의 
비율로 나누어 배당금액을 증액할 수 있게 된다. 
만약 RCPS_z 발행 이후에 발행되는 RCPS 시리즈
(RCPS_i)의 투자 유치에서 신규 투자자 RCPS_a
에게 발기인 및 기존 RCPS 주주(RCPS_z)에 앞선 
청산 우선권이 부착된 전환우선주를 발행한다면, 
C리츠의 매각시 RCPS_a 주주뿐만 아니라 발기인
과 RCPS_z 주주에게도 돌아가는 배당이 존재하
려면 투자부동산의 매각가치가 최소 RCPS_a과 
가정 및 공정가치 산출
지분율(%)
초기
유상증자 후
발기인 보통주 100% 보유
100
80
1X 청산 우선권이 부착된 RCPS_z 공모발행 1,000억 원 투자
0
20
리츠 공정가치 1,000억 원/20% = 5,000억 원
리츠 보유 임대주택 매각가격대별 리츠 청산 시 RCPS 상환전환 및 배당 규모
임대주택 매각가격대
보통주 배당금
RCPS 상환전환 및 배당금
1,000억 원 이하
0
매각가 전액 상환
1,000억 원 이상 5,000억 원 미만
(매각가 – 1,000억 원)
1,000억 원
5,000억 원 이상
매각 수익 80%
보통주 전환 매각 수익 20%
RCPS, redeemable convertible preferred stock.
<표 12> 임대주택 매각가격대별 보통주와 청산우선권이 부착된 RCPS의 청산배당 시나리오

S08 · PDF 34쪽

S08 PDF 34쪽

이 페이지 검색용 텍스트

92    주택도시금융연구 제10권 제1호
https://doi.org/10.38100/jhuf.2025.10.1.59
RCPS_z의 투자 규모를 합한 것보다 커야 한다. 따
라서 RCPS의 발행이나 청산 우선권의 부여와 같
은 우선주에 부착되는 보호 장치들은 리츠 발기인 
또는 AMC가 운영 중인 리츠가 투자한 부동산들
의 본질적 가치 극대화를 위한 최선의 노력을 기울
이도록 하는 규율 장치로서 기능을 할 수 있다. 
만약 자본조달을 통해 신규 투자한 수익형 부동
산의 자본차익이나 정기 배당을 통한 누적 현금흐
름이 매각 시점에 목표로 하는 수준에 도달하지 못
할 경우, 발기인과 기존 주주에게는 불리한 구조가 
될 수 있다. 하지만 RCPS를 통해 원활한 자금조달
에 성공하고, 이를 통한 우량한 수익형 부동산에 
대한 신규 투자를 확대하며, 리츠 AUM의 대형화
를 이른 시일 내에 이루어 대형 리츠의 반열에 오
르게 된다면, 발기인이 불리할 수 있는 투자 구조
를 받아들이는 것은 투자시장의 긍정적인 공감대
를 형성할 가능성이 커진다. 다양한 불확실성 속에 
그 성장 가능성과 기업 가치에 대한 리스크가 높은 
벤처기업이나 일반 기업에서 RCPS를 활용한 자
본구조 확충에 비해 리츠의 경우 신규 투자 부동산
에 대한 자본차익과 운용수익에 기반한 정기적인 
배당을 통한 누적 현금흐름에 대한 확신 하에 자본
조달을 시도하는 경우가 일반적이기 때문이다.
Ⅴ. 결론
1. 연구 결과의 함의 및 정책적 시사점
본 연구는 국내 상장 리츠의 자본 재구조화와 
대형화를 위한 효율적인 자금조달 수단으로 상환
전환우선주(RCPS)의 도입 필요성과 활용 방안을 
제안하였다. 기존의 유상증자 방식은 주가 하락, 
ETF 편입 요건 미달, 기관투자자 유치 실패 등의 
한계를 보여왔고, 이를 대체할 수 있는 수단으로 
RCPS가 미국 리츠 시장에서 효과적으로 활용되
고 있음을 분석하였다.
본 연구를 통해 다음과 같은 정책적 시사점을 
도출할 수 있다. 국내 상장 리츠의 유상증자는 자
금조달 수단으로서 몇 가지 문제점을 확인할 수 있
었다. 연구 결과, 전체 상장 리츠 중 절반 이상이 
유상증자 이후에도 시가총액이 2,000억 원에 미달
하여 ETF 편입 기준을 충족하지 못하였다. 또한 
유상증자는 정보전달가설(information signaling 
hypothesis)에 따라 기업 내부자의 부정적 신호로 
해석되어 주가에 부정적인 영향을 미쳤고, 지분 희
석 및 투자자 신뢰 하락 등의 부작용을 초래하였
다. 반면에 미국 리츠시장에서 RCPS는 상환권과 
전환권이 결합된 하이브리드 증권으로, 투자자는 
일정 기간 후 보통주 전환을 통해 성장성과 수익을 
기대할 수 있고, 사업 실패 시 상환을 통해 원금을 
회수할 수 있어 투자 리스크를 효과적으로 헷지할 
수 있었다. 미국에서는 다양한 리츠들이 RCPS를 
활용하여 저비용 자본조달, 자본구조 개선, 투자자 
유치 등에 성공한 사실을 확인할 수 있었다. 
Alexandria(이하 ARE)은 2008년 7% 배당의 RCPS 
발행하여 주가 상승 후 강제전환을 통해 배당부담
을 제거하였고, digital realty(DLR)는 2009년 5.5% 
RCPS 발행, 데이터센터 확장 자금 확보 후 보통주 
전환을 완료하였으며, RPT Realty는 2011년 7.25% 
RCPS 발행하여 장기 보유 후 인수합병 과정에서 
보통주로 전환되었고, Wheeler는 2018년 8.75% 
RCPS 발행하여 자금조달에 성공했으나 보통주 
전환으로 인한 주가 희석 문제는 다소 발생하였다.

S08 · PDF 35쪽

S08 PDF 35쪽

이 페이지 검색용 텍스트

국내 리츠 자금조달 방안에 관한 연구    93
https://www.ejhuf.org
이들 사례는 RCPS가 리츠의 자금조달 목적, 재무
구조 안정화, 주가 관리에 효과적으로 기여했음을 
보여주었다. 
결과적으로 국내 리츠시장에 다음과 같은 정책
적 과제들을 제시할 수 있다. 첫째, 법제도 정비가 
필요하다. RCPS의 회계상 자기자본 분류 인정 요
건(K-IFRS), 발행 조건, 투자자 보호 장치에 대한 
법적․제도적 기반 마련이 필요하다.
둘째, 기관투자자 유치 전략이 필요하다. 연기
금, 공제회, OCIO 펀드 등 장기 투자자의 니즈에 
맞춰 고정 배당, 청산 우선권(예: 1.5배), Cap Rate 
연동 배당 모델 등의 설계가 필요하다. 셋째, 지분 
희석을 최소화하는 구조설계가 필요하다. 전환 조
건을 일정 주가 이상 시 강제전환으로 제한하거나, 
IPO 래칫 조항 등 보호장치 삽입을 통해 기존 주주
가치 훼손을 방지해야 한다. 넷째, 신뢰 기반 구축
이 필요하다. 리츠 운용사(AMC) 및 발기인의 투
명한 정보공개와 투자자 중심 설계를 통해 RCPS
의 신뢰성과 시장 수용성을 제고할 필요가 있다.
2. 연구의 한계 및 향후 과제
본 연구는 국내 상장 리츠의 유상증자 사례를 
중심으로 자본조달 방식의 성과를 분석하고 
RCPS 도입 가능성을 제시하였다. 
상환전환우선주(RCPS)는 유상증자의 단점을 
보완하며 국내 리츠의 자본조달 유연성과 대형화 
전략을 실현할 수 있는 중요한 수단이 될 수 있다. 
그러나 실제로 RCPS를 활용하여 자본조달을 진
행한 국내 리츠 사례가 부재한 상황에서, 기대효과
에 대한 검토가 이론적 분석에 주로 의존할 수밖에 
없는 한계는 존재할 것으로 보인다.
향후 과제로는 RCPS 도입에 따른 회계와 세무 
측면의 쟁점 검토, 국내 시범 발행 사례 개발, 실증
적 성과 분석 등이 필요하고, RCPS 발행 이외 여
타 자금조달 대안을 마련하는 연구 확대를 통해 리
츠 시장의 원활한 자금조달을 위한 제도적 기반 마
련과 함께 시장 교육 및 정책 지원이 병행되어야 
한다.
참고문헌
고종권. (2003). 우선주와 장기부채 간의 자금조달
에 영향을 미치는 규제, 세금 및 기업 특성 
요인. 증권학회지, 32(2), 1-30. 
김보겸. (2023년 11월 03일). 이지스운용, SK하이
닉스 수처리센터 인수에 우선주 베팅…이
유는? 이데일리. Retrieved from https://
www.edaily.co.kr/News/Read?mediaCode
No=257&newsId=01246406635802112&
utm_source=chatgpt.com
김재각, 최문수. (2011). 글로벌 비즈니스 기업의 
우선주 발행 특성에 대한 실증연구. e비즈
니스연구, 12(3), 351-369. 
마스턴투자운용. (2021년 12월 10일). 유상증자 신
주발행 공고문 [Website]. Retrieved from 
https://www.mastern.co.kr/upload/gongsi/
2021/12/fd7a86e8-3ade-42b7-add2-5a2d0
1170d61.pdf
이동진. (2024), 상장리츠 유상증자, 3개월의 시간
은 필연적인가? 효율성 제고 방안 모색, 
REITs Journal, 53, 4-18.
이수정. (2016). 상법상 종류주식의 도입 및 발행
현황과 문제점. ERRI 경제개혁연구소,

S08 · PDF 36쪽

S08 PDF 36쪽

이 페이지 검색용 텍스트

94    주택도시금융연구 제10권 제1호
https://doi.org/10.38100/jhuf.2025.10.1.59
2016(1), 1-25. 
이용환. (1994). 유상증자의 주가변화-가격압박가
설, 부의 이전가설, 정보전달가설. 재무관
리연구, 11(2), 161-173.
임정하. (2015). 상환전환우선주의 발행현황과 문
제. 상사법연구, 34(1), 121-182. 
장문준. (2023). 유상증자 공시가 한국 리츠의 초
과수익률에 미치는 영향 분석: 일반 상장
회사와 비교를 중심으로(석사학위논문), 
건국대학교, 서울.
KIND. (2025년 04월 14일). 코람코라이프인프라
위탁관리부동산투자회사 반기보고서 [Web
site]. Retrieved from https://kind.krx.co.kr/
common/disclsviewer.do?acptno=2025041
4000537&method=search&utm_source=c
hatgpt.com
Alchian, A. A., & Demsetz, H. (1972). Production, 
information costs, and economic organization. 
The American Economic Review, 62(5), 
777-795. 
Barclay, M. J., & Smith, C. W. Jr. (1995). The 
priority structure of corporate liabilities. 
The Journal of Finance, 50(3), 899-917.
BNK Invest. (2017, October 30). Alexandria Real 
Estate Equities’ series D preferred stock shares 
cross 5% yield mark. nasdaq.com [Website]. 
Retrieved from https://www.nasdaq.com/a
rticles/alexandria-real-estate-equities-serie
s-d-preferred-stock-shares-cross-5-yield-m
ark-2017-10#:~:text=above%20the%205,93
Cahn, A., & Donald, D. C. (2010). Comparative 
company law: Text and cases on the laws 
governing corporations in Germany, the 
UK and the USA. Cambridge, UK: 
Cambridge University Press.
Callahan, C. M., Shaw, W. H., & Terando, W. D. 
(2001). Tax and regulatory motivations for 
issuing non-voting, non-convertible preferred 
stock. Journal of Accounting Research, 
39(3), 463-480. 
Carter, M. E., & Manzon, G. B. Jr. (1995). 
Evidence on the role of taxes on financing 
choice: Consideration of mandatorily 
redeemable preferred stock. The Journal of 
Financial Research, 18(1), 103-114.
Chang, Y., Hsieh, Y. T., Seah, K. Y., & Sing, T. F. 
(2020). Banking relationships and financial 
decisions of REITs. Retrieved from https://
ssrn.com/abstract=3757788
Collins, J. H., & Shackelford, D. A. (1992). 
Foreign tax credit limitations and preferred 
stock issuances. Journal of Accounting 
Research, 30, 103-124.
DeAngelo, H., & DeAngelo, L. (1985). Managerial 
ownership of voting rights: A study of 
public corporations with dual classes of 
common stock. Journal of Financial 
Economics, 14(1), 33-69.
DeAngelo, H., & Masulis, R. W. (1980). Optimal 
capital structure under corporate and personal 
taxation. Journal of Financial Economics, 
8(1), 3-29.
Ely, D. P., Houston, A. L. Jr., & Houston, C. O. 
(2002). Taxes and the choice of issuing 
preferred stock vs. debt. Journal of the 
American Taxation Association, 24(1),

S08 · PDF 37쪽

S08 PDF 37쪽

이 페이지 검색용 텍스트

국내 리츠 자금조달 방안에 관한 연구    95
https://www.ejhuf.org
29-45.
Feng, Z., Ghosh, C., & Sirmans, C. F. (2007). On the 
capital structure of real estate investment 
trusts (REITs). The Journal of Real Estate 
Finance and Economics, 34, 81-105.
Heinkel, R., & Zechner, J. (1990). The role of debt 
and preferred stock as a solution to adverse 
investment incentives. The Journal of 
Financial and Quantitative Analysis, 25(1), 
1-24. 
Hovakimian, A., Opler, T., & Titman, S. (2001). 
The debt-equity choice. The Journal of 
Financial and Quantitative Analysis, 36(1), 
1-24. 
Hung, C. H., Chung, H., Cheng, C. C., & Hsing, H. 
(2023). Capital structure and firm value: 
Evidence from US reits. Retrieved from 
https://ssrn.com/abstract=4600237
Joel, S. M. (2008, March 18). Alexandria Real Estate 
Equities, Inc. announces public offering of 
10,000,000 shares of series D cumulative 
convertible preferred stock. Alexandria Real 
Estate Equities, Inc. [Website]. Retrieved 
from https://investor.are.com/news-events-
and-webcasts/news/news-details/2008/Ale
xandria-Real-Estate-Equities-Inc-Announc
es-Public-Offering-of-10000000-Shares-of
-Series-D-Cumulative-Convertible-Preferr
ed-Stock/default.aspx#:~:text=The%20Co
mpany%20intends%20to%20use,acquisitio
n%20of%20life%20science%20properties
Mansley, N., Wang, Z., Weng, X., & Zhang, W. 
(2023). Good growth, bad growth: Market 
reaction to capital raising for REIT 
expansion. International Review of Financial 
Analysis, 86, 102499.
Moyer, R. C., Marr, M. W., & Chatfield, R. E. 
(1987). Nonconvertible preferred stock 
financing and financial distress: A note. 
Journal of Economics and Business, 39(1), 
81-89.
Myers, S. C., & Majluf, N. S. (1984). Corporate 
financing and investment decisions when 
firms have information that investors do 
not have. Journal of Financial Economics, 
13(2), 187-221.
Ooi, J. T. L., Ong, S. E., & Li, L. (2010). An 
analysis of the financing decisions of 
REITs: The role of market timing and 
target leverage. The Journal of Real Estate 
Finance and Economics, 40, 130-160.
PASADENA. (2008). Alexandria Real Estate Equities, 
Inc. announces public offering of 10,000,000 
shares of series D cumulative convertible 
preferred stock. Alexandria Real Estate 
Equities, Inc. [Website]. Retrieved from 
https://investor.are.com/news-events-and-
webcasts/news/news-details/2008/Alexand
ria-Real-Estate-Equities-Inc-Announces-P
ublic-Offering-of-10000000-Shares-of-Ser
ies-D-Cumulative-Convertible-Preferred-S
tock/default.aspx#:~:text=The%20Compa
ny%20intends%20to%20use,acquisition%
20of%20life%20science%20properties
Pavlov, A., Steiner, E., & Wachter, S. (2018). 
REIT capital structure choices: Preparation

S08 · PDF 38쪽

S08 PDF 38쪽

이 페이지 검색용 텍스트

96    주택도시금융연구 제10권 제1호
https://doi.org/10.38100/jhuf.2025.10.1.59
matters. Real Estate Economics, 46(1), 
160-209.
Quantumonline. (2019, October 7). Alexandria Real 
Estate Equities, Inc.: 7.00% Series D cumulative 
convertible preferred stk. Alexandria Real 
Estate Equities, Inc. [Website]. Retrieved 
from https://www.quantumonline.com/sear
ch.cfm?tickersymbol=AREEP&sopt=sym
bol#:~:text=in%20the%20immediately%2
0preceding%20sentence%29,New%20Yor
k%20Stock%20Exchange%20underInfom
ation for Income Investors
Ralph Block. (2013, July 17). Convertible preferreds: 
Something for everyone. Nareit [Website]. 
Retrieved from https://www.reit.com/news
/reit-magazine/july-august-2013/convertibl
e-preferreds-something-everyone#:~:text=
First%2C%20a%20convertible%20preferr
ed%2C%20because,points%20versus%20
a%20straight%20preferred
Ramco-Gershenson. (2011, April 27). 400,000 Shares: 
7.25% Series D cumulative convertible perpetual 
preferred shares of beneficial interest. sec 
[Website]. Retrieved from https://www.sec.
gov/Archives/edgar/data/842183/0000950
12311041057/f50335b5e424b5.htm#:~:tex
t=We%20are%20offering%20400%2C00
0%C2%A0shares%20of,The%20Series%
C2%A0D%20Preferred
SEC. (2025, May 06). Wheeler REIT adjusts convertible 
notes conversion price. Investing.com [Web
site]. Retrieved from https://www.investing.
com/news/sec-filings/wheeler-reit-adjusts-
convertible-notes-conversion-price-93CH-
4024672
Stein, A. W., & Garibaldi, P. M. (2013, February 19). 
Digital realty trust announces conversion of 
5.500% series D cumulative convertible pr
eferred stock. Digital Realty Trust [Websit
e]. Retrieved from https://s29.q4cdn.com/1
06493612/files/doc_news/2013/02/19/6a5
59ceb-2b1e-4aba-8688-dc8af8f0a112.pdf
#:~:text=,Stock%20on%20the%20New%2
0York
Wheeler. (2018, January 11). Wheeler Real Estate 
Investment Trust, Inc. prices series D convertible 
preferred stock follow-on offering. globe
newswire.com [Website]. Retrieved from 
https://www.globenewswire.com/news-rel
ease/2018/01/11/1287469/37152/en/Wheel
er-Real-Estate-Investment-Trust-Inc-Price
s-Series-D-Convertible-Preferred-Stock-F
ollow-On-Offering.html
논문접수일: 2025.05.02
논문심사일: 2025.06.02
게재확정일: 2025.06.04

S08 · PDF 39쪽

S08 PDF 39쪽

이 페이지 검색용 텍스트

국내 리츠 자금조달 방안에 관한 연구    97
https://www.ejhuf.org
 Journal of Housing and Urban Finance 2025; 10(1):59-97
 pISSN: 2508-3872 | eISSN: 2733-4139
 https://doi.org/10.38100/jhuf.2025.10.1.59
A study on domestic REIT financing methods: Focusing on 
the cases of Korean paid-in capital increase and 
U.S. redeemable convertible preferred stocks
Hyeon Joong Kim*, Hee Hyoung Jung**, Sang Youn Roh*** 
Abstract
This study explores the introduction of RCPS (redeemable convertible preferred stocks) as an alternative 
financing tool to address the capital-raising challenges faced by listed REITs (real estate investment trusts) in 
Korea. Traditional rights offerings have shown structural limitations such as reduced investor confidence, stock 
price declines, and equity dilution. To derive practical insights, this study analyzes RCPS issuance cases in the 
U.S., including Alexandria and Digital Realty, confirming that the RCPS enhances investor appeal and supports 
capital restructuring through stable dividend, conversion, and redemption features. For domestic applications, 
this study proposes a tailored RCPS model incorporating a cap rate-based dividend model, liquidation 
preference, and IPO (initial public offering) ratchet provisions, while also examining the related risks and 
regulatory requirements. The RCPS is evaluated as a viable instrument to promote REIT scale-ups, meet the 
ETF inclusion criteria, and revitalize the Korean REIT market through diversified investment opportunities.
Key words: REITs (real estate investment trusts), redeemable convertible preferred stock, financing, rights 
issue, preferred stock
* (First author) Head of Asia PE & VC Team, PE & VC Investment Division, National Pension Service Investment 
Management, E-mail: hjkim@nps.or.kr
** Manager, Bank of Korea, Strategy & Coordination Department, Office of Digital Innovation, E-mail: hhjung@bok.or.kr
*** (Corresponding author) Professor, Graduate School of Pension Management, Jeonbuk National University, E-mail: 
dennis@jbnu.ac.kr
© Copyright 2025 Korea Housing & Urban Guarantee Corporation. This is an Open Access article distributed under the terms of the 
Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0/) which permits 
unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

S09 · 머신 러닝 방법을 이용한 오피스 임대료 산정.pdf · 31쪽 — 원문 펼치기

S09 · PDF 1쪽

S09 PDF 1쪽

이 페이지 검색용 텍스트

머신 러닝 방법을 이용한 오피스 임대료 산정*
-랜덤 포레스트, 인공 신경망, 서포트 벡터 머신 활용을 중심으로-
A Study on the Office Rent Estimation by the Machine Learning Methods
-Focusing on the Use of Random Forests, Artificial Neural Networks, 
Support Vector Machines-
정 성 훈 (Jeong, Sung-Hoon)**
진 창 하 (Jin, Changha)***
1)
I. 서론
오피스 임대료는 업무 공간에 대한 가격으로, 오피
스 운영 수익의 가장 큰 부분을 차지하기 때문에 이를 
물건으로 한 리츠나 부동산 펀드의 기대수익률을 산정
하는데 있어 중요한 정보이다. 즉 상업용 부동산 투자 
분석 간 예상 현금흐름을 파악하기 위해 적정한 임대료
  * 본 논문은 주저자의 석사 학위 논문을 바탕으로 작성되었음을 밝힙니다.
 ** 한양대학교 경상대학 응용경제학과 석사과정, jshoon@hanyang.ac.kr, 주저자
*** 본 학회 정회원, 한양대학교 경상대학 경제학부 부교수, cjin@hanyang.ac.kr, 교신저자
< Abstract >
We estimate office market rent using random forests, artificial neural networks, and support 
vector machines, which are commonly used in recent studies related to automatic evaluation 
models. We examine each method and compare the performances based on our sample data of the 
507 offices located in Seoul, and depict PD(Partial Dependence) Plots to identify the influence of 
variables on predicted values. Using random forests, artificial neural networks, and support vector 
machines method, we estimate office market rent determinant model based on 507 office rental 
information data in Seoul. We attempt to identify the best performed model and also adopt the 
Partial Dependence(PD) Plots to examine the relative impact of research variables on predicted 
value. We classify the sample data into Class A, Class B, Class C, and the below Class C group. We 
apply the same method for each of those group. In general, we find that the support vector 
machines model performs best followed by random forests model and artificial neural networks 
model. The results indicate that the rent has a positive relation with rentable/usable ratio, floor, 
building age, and number of elevator. The number of parking vehicles showed the quadratic curve 
on rent in the model. Our study contributes to compare and allows appraisers to have a cross 
validation process with traditional valuation model against the finding from a machine learning 
method on office market. 
Keyword : Office Rent Model, Machine Learning Methods, Random Forests, Artificial Neural Networks, Support 
Vector Machines  
부동산학연구 제26집 제2호, 2020. 6, pp. 23~53
http://dx.doi.org/10.19172/KREAA.26.2.2
Journal of the Korea Real Estate Analysts Association
Vol.26, No.2 2020. 6, pp. 23~53

S09 · PDF 2쪽

S09 PDF 2쪽

이 페이지 검색용 텍스트

24  부동산학연구 제26집 제2호
를 산정해야하는데, 전통적인 임대료 산정 방법으로 
주로 임대사례비교법과 적산법이 사용되어 왔다. 하지
만 이러한 방법들에는 몇 가지 문제가 존재하는데, 먼
저 임대사례비교법은 보정치를 설정할 때 평가자의 주
관이 포함되므로 평가자들마다 매우 큰 편차를 나타낼 
수 있어 객관성을 유지하기 어렵다는 점과 상업용 부동
산 특성 상 건물주들이 물건의 임대 정보를 공개하기 
꺼려하기 때문에 평가자가 대상 물건의 주변 임대사례 
정보를 수집하는 데 어려움이 있다는 문제가 존재한
다. 적산법은 기초가액으로서 시장가치를 산정하는 과
정에서 뿐만 아니라 기대이율을 설정하는 과정에서 평
가자의 주관이 포함될 수 있으므로 이 또한 객관적인 
방법이라고 보기 힘들다는 문제가 존재한다. 이렇듯 
기존의 방법들을 통해 산정된 임대료에는 평가자의 주
관적인 부분이 다소 포함되기 때문에 이와 상호 보완할 
객관적으로 산정된 임대료가 필요하다.
축적된 데이터를 이용하여 객관적이고 효율적으로 
부동산 가치를 평가하는 자동 평가 모형(automated 
valuation model, AVM)에 대해 지금까지 많은 연구
들이 이루어져왔고, 독일과 스웨덴 등 여러 유럽 국가
들은 가치 평가 프로세스와 관련한 AVM 법률을 도입
하여 가치 평가 작업에 해당 모형을 활용하는 것을 법
적으로 인정하고 있다. 자동 평가 모형은 부동산의 시
장 가치나 시장 임대료 산정을 위해 개발된 수학적 모
형(mathematical model)으로, 대부분 다중 회귀 분
석(multiple regression analysis)이나 인공 신경망
(artificial neural networks)이 적용되고 있다
(Johnson, 2019). 하지만 전통적인 통계 기법인 다중 
회귀 분석에는 갖가지 엄격한 가정들을 한다는 점, 이
상치(outlier)에 민감하게 반응한다는 점, 비선형적 관
계를 고려하기 힘들다는 점, 최적 회귀식을 선택하였
는지에 대한 의문점이 제기될 수 있다는 점(김태훈ㆍ
홍한국, 2004), 그리고 데이터 수에 민감하다는 점(김
선주ㆍ이상엽, 2008) 등 많은 문제들이 지적되어 왔다. 
이에 최근에는 기존 AVM에서 활용하던 인공 신경망
뿐만 아니라, 랜덤 포레스트(random forests, RF)나 
서포트 벡터 머신(support vector machines, SVM)
과 같은 다양한 머신 러닝(machine learning) 방법을 
적용하여 주거용 부동산의 가격 산정이나 예측을 시도
한 연구들이 활발히 등장하고 있다. 머신 러닝은 회귀 
분석과 같이 데이터 속에서 어떤 관계를 찾거나 의미 
있는 정보를 밝혀내는 데이터 마이닝(data mining)에 
접목이 가능하고, 특히 다중 회귀 분석의 여러 문제로
부터 자유롭기 때문에 오피스 시장 자료에 적용하기 
적합하다고 판단되며 가치평가나 임대료 산정 등과 같
은 연구에서 이들의 실제 활용 가능성을 검토해볼 필요
가 있다.
최근 서울 오피스 시장에서는 권역을 벗어나는 임차
인의 이동이 늘고 있어 시장 분석 시 권역보다는 등급
이나 투자스타일을 기준으로 한 하위시장 관점의 분석
이 더욱 중요해지고 있다. 이에 등급별 하위시장의 특
성 분석과 관련한 연구들이 속속히 등장해왔으며, 현
재 많은 부동산 투자 컨설팅 업체들이 권역별 시장 분
석뿐만 아니라 등급별 시장 분석을 수행하고 있다. 또
한 오피스 등급은 임대료 산정에 주요한 기준이 되기도 
하고 투자자로 하여금 투자 판단을 위한 기초자료로 
활용되어 오고 있다(장상규ㆍ김민철, 2018). 현재 국내
에는 오피스 등급을 설정하는 통합적인 세부 지표가 
존재하지 않아 각 컨설팅 업체마다 등급을 심사하는 
기준이 다소 상이하지만(윤여신, 2012), 동일 권역 내
에서도 건물의 규모에 따라 시장 특성이 세분화되는 
모습을 보이고 있어(이재우, 2005) 컨설팅 업체들은 
공통적으로 건물 규모를 주요 요소로 고려하여 오피스
의 등급을 구분하고 있다. 따라서 오피스 가치 산정이
나 시장 분석과 관련한 연구에서 규모를 기준으로 한 
등급별 분석의 필요성 제시 등과 같은 하위시장에 대한 
논의가 필요한 시점이라고 판단된다. 
본 연구에서는 오피스 임대료 산정 모형과 관련하여 
머신 러닝 방법의 적용 가능성을 검토하고자 하며, 이
에 다음과 같은 세 가지 목적을 갖는다. 
첫째, 객관적인 적정 임대료를 산정할 수 있는 최적의 
머신 러닝 모형을 구축하고자 한다. 머신 러닝 모형은 다
중 회귀 모형의 여러 문제점으로부터 자유롭고 예측 중심 
모형으로서 객관적이고 효율적인 임대료 산정을 가능케 
하기 때문이다. 본 연구는 다양한 머신 러닝 방법 중 앙상
블 기법1)인 랜덤 포레스트(random forests, RF) 방법, 
인공 신경망(artificial neural networks, ANN), 그리고 
서포트 벡터 머신(support vector machines, SVM)을 
적용하고자 한다. 해당 알고리즘들은 사회과학 분야에 적
용된 머신 러닝 방법들 중 가장 보편적이며 다양한 선행 
1) 주어진 데이터로부터 여러 예측 모형들을 생성하고 이들의 예측 결과들을 종합함으로써 하나의 최종 예측치를 도출해내는 방법으로, 
배깅(bagging), 부스팅(boosting), 랜덤 포레스트가 대표적이다.

S09 · PDF 3쪽

S09 PDF 3쪽

이 페이지 검색용 텍스트

머신 러닝 방법을 이용한 오피스 임대료 산정  25
연구들로부터 검증이 이루어진 방법들이다. 본 연구는 각 
방법들의 초모수(hyper-parameter)를 다양하게 조정
하며 일반화 오차가 가장 작은 최적 모형을 도출하고자 
한다.
둘째, 각 머신 러닝 방법별 최적 모형의 성능
(performance)을 비교하여 임대료 산정에 적용 가능성
을 검토하고자 한다. 이때 성능이란 새로운 데이터에 대
한 모형의 예측력(predictive power)을 의미하는데, 본 
연구는 훈련 데이터 셋(train data set)과 검정 데이터 
셋(test data set)을 일정한 비율로 나누어 훈련 데이터 
셋으로 모형을 형성한 후, 검정 데이터 셋에 대한 모형의 
평균제곱근오차(root mean square error, RMSE)와 
평균절댓값오차(mean absolute error, MAE)를 도출
하여 각 최적 모형의 성능을 비교하고자 한다.
셋째, 각 설명변수들과 산정 임대료 간의 관계를 시
각화하여 제시하고자 한다. 머신 러닝 모형들은 알고
리즘과 모형 자체의 복잡성 때문에 이해하기 어렵고 
해석이 힘들다는 측면에서 블랙박스 모형(black-box 
model)으로 여겨져 기존의 관련 연구들에서 대부분 
예측 중심의 모형으로 활용되어 왔다. 하지만 특정 투
입변수(input variable)가 모형의 예측값과 어떠한 관
계를 갖고 있는지 확인할 수 있는 부분 의존성 플롯
(partial dependence plot, PD plot)과 같이 머신 러
닝 모형을 해석할 수 있는 방법이 존재한다. 이에 본 
연구는 각 설명변수들에 대한 PD plot을 확인하여 모
형의 학습 결과를 해석하고자 한다.
마지막으로, 규모 등급별 최적의 임대료 산정 모형
을 각각 구축하여 등급별로 서로 다른 임대료 산정 모
형 구축의 필요성을 제시하고자 한다.
II. 선행연구
1. 머신 러닝 방법을 이용한 주거용 부동산 가치 
산정 관련 연구
머신 러닝 방법을 이용하여 부동산의 가치 산정을 
시도한 연구는 국내외적으로 다양하게 존재한다. 먼
저, 이와 관련한 해외 연구들은 대부분 주거용 부동산 
대량 감정(mass appraisal)을 위한 자동평가모형 구
축에 있어 머신 러닝 방법의 적용 가능성을 확인하고자 
하였다는 공통점을 가지고 있다.
Peterson and Flanagan(2009)은 부동산 가치 산
정에 있어 헤도닉 모형(hedonic model)에 대한 OLS 
(ordinary least square) 방법은 제1종 오류(type 1 
error), 제2종 오류(type 2 error), 표본 오차(sampling 
error), 특정화의 오류(specification error)에 노출
되어 있다는 점을 지적하고 이를 대체할 방법으로 인공 
신경망 분석을 제시하였다. 해당 연구는 1999년부터 
20005년까지 웨이크 카운티에서 발생한 주거용 부동
산 거래 자료를 활용하여 다중 회귀 모형과 인공 신경
망 모형의 설명력 및 예측력 차이를 비교하였고, 모형 
간 가격 오차(pricing error)의 차이를 연도 간 비교하
여 인공 신경망 모형의 유용성(usefulness)이 증가하
고 있음을 나타냈다.
Kontrimas and Verikas(2011)는 이전서부터 선
형 회귀 모형과 신경망 모형 간 예측력을 비교하고자 
한 다양한 연구들이 이루어져왔지만 부동산 가치 산정 
작업에 신경망을 적용하는 것에는 상당히 조심스러워
야 한다고 주장하였다. 해당 연구는 리투아니아의 한 
도시에서 발생한 주택 거래건 자료를 활용하여 다중 
회귀 모형, 신경망 모형, 서포트 벡터 머신, 그리고 모
형 통합(committees of models) 방법의 예측력을 비
교하였고, 인공신경망과 다중 회귀 모형의 예측력이 
다소 떨어진다는 결과를 제시하였다.
Kok et al.(2017)은 부동산 가치 평가에 상당한 비
용이 소모되고 있다는 점과 평가액과 실제 거래액 간의 
괴리가 다소 크다는 문제를 제기하였고, 이러한 비효
율성(inefficiency)와 부정확성(imprecision)을 해결
할 방법으로 머신 러닝 방법을 적용한 자동 평가 모형
을 제안하였다. 해당 연구는 2011년부터 2016년 까지 
캘리포니아, 플로리다, 텍사스 소재의 다가구(multifamily) 
주거용 부동산의 운영 소득(net operating income, 
NOI) 및 거래 자료를 활용하여 OLS, 랜덤 포레스트, 
그래디언트 부스티드 트리(gradient boosted tress), 
XGBoost(extreme gradient boosting) 방법의 설명
력 및 예측력 차이를 비교하였고, 머신 러닝 모형들이 
OLS 모형보다 예측력이 더 뛰어난 것으로 나타났다.
부동산 가치 평가에 머신 러닝 방법의 적용 가능성
을 확인하고자 한 국내 연구들을 살펴보면, 우선 인공 
신경망을 활용한 연구들이 비교적 이전에 등장하였으
며, 최근에 들어 다양한 머신 러닝 방법을 적용하여 
모형의 성능을 비교한 연구들이 등장하고 있다.

S09 · PDF 4쪽

S09 PDF 4쪽

이 페이지 검색용 텍스트

26  부동산학연구 제26집 제2호
김태훈ㆍ홍한국(2004)은 기존의 회귀 모형에는 엄
격한 가정들이 필요하다는 점과 이상치에 민감하게 반
응한다는 점, 그리고 모수의 비선형을 고려하기 힘들
다는 점 등 여러 문제점들을 지적하고, 이와 상호 보완
할 모형으로 인공 신경망 모형을 제시하였다. 해당 연
구는 2004년 6월의 서울시 송파구와 도봉구 소재 아파
트 매매 자료를 활용하여 다중 회귀 모형과 인공 신경
망 모형의 예측력을 비교하였고, 인공 신경망의 예측 
성능이 더 우수하게 나타났다. 하지만 인공 신경망 모
형을 과용하기보다는 두 모형의 추정 가격을 적절하게 
결합하여 사용하거나, 인공 신경망 모형은 해석하기 
어렵다는 단점이 있으므로 인공 신경망 모형에 근거하
여 가격을 추정하였을 시 회귀 모형을 이용하여 설명하
는 등 두 모형의 상호 보완적인 측면을 고려해야할 것
을 당부하였다.
이창로ㆍ박기호(2016)는 기존 사회과학 연구들이 
분석의 주요 초점을 이론 또는 가설을 검증하거나 변수 
간의 관계를 규명하고자 하는 것에 맞춰 설명 중심의 
모형(exploratory modeling)을 설정해왔지만 설명력
이 좋은 모형이 예측 성능 또한 좋은 것이 아니기 때문
에 부동산의 가치를 추정할 때 모수 모형(parametric 
mode)을 사용하는 것은 다소 문제가 있다고 주장하였
다. 이에 해당 연구는 다중 회귀 모형과 더불어, 일반가
산모형(generalized additive model, GAM), 랜덤 포
레스트, MARS(multivariate adaptive regression 
splines), 서포트 벡터 머신과 같이 머신 러닝 분야에
서 고안된 비모수 모형(non-parametric model)들의 
적용 가능성을 검토하고자 하였고, 2011년부터 2014
년까지의 강남구 소재 단독주택의 매매건 자료를 이용
하여 각 방법 간 예측력 차이를 비교한 결과 모든 머신 
러닝 모형이 다중 회귀 모형보다 예측력이 뛰어난 것으
로 확인되었다.
오지훈ㆍ김정섭(2018)은 선형 회귀 모형을 기반으
로 하는 헤도닉 가격 모형은 결과가 명료하고 해석이 
용이하다는 장점이 있지만, 주택 가격과 특성 간의 비
선형적 관계를 포착하기 어렵다는 점을 지적하였다. 이
에 해당 연구는 비선형적 관계를 효과적으로 찾아낼 
수 있는 머신 러닝 방법인 MARS(Multivariate Adaptive 
Regression Spline)를 활용하여 서울시 주택 가격 모
형을 구축하였다. 이를 통해 가격에 대한 특성 변수들
의 영향력이 달라지는 변곡점을 찾아 기존 연구들이 
설정하였던 더미변수들의 적절성을 검토하였다. 특히 
경과연수의 경우 21년, 39년을 변곡점으로 하는 3차 
함수 형태의 가격 변화를 보여 헤도닉 가격 모형에서 
경과연수 3차 다항식을 도입함으로써 모형의 설명력을 
개선할 수 있을 것이라고 주장하였다. 
배성완ㆍ유정석(2018)은 앙상블 방법이나 딥 러닝
(deep learning)과 같은 새로운 방법들이 개발되고 있
고 하드웨어 성능 또한 계속해서 발전하고 있기 때문
에, 다량의 부동산의 과세 평가에 있어 정교하고 효율
적인 부동산의 가격 산정 작업에 기계 학습의 적용 가
능성이 매우 높다고 주장하였다. 이에 해당 연구는 
2016년의 아파트 실거래가 자료를 활용하여 다중 회
귀 분석, 서포트 벡터 머신, 랜덤 포레스트, 그래디언트 
부스티드 트리, 심층 신경망(deep neural networks, 
DNN) 각각의 모형 예측력을 비교하였고, 그 결과로 
다중 회귀 분석이 성능이 가장 낮은 것으로 나타났으며 
머신 러닝 방법들의 성능은 대체로 비슷한 수준인 것으
로 나타났다. 또한 예측력이 우수한 것으로 나타난 머
신 러닝 모형을 이용하여 실거래가반영률 분석 또한 
추가적으로 수행하였다.
나성호ㆍ김종우(2019)는 주택 가격 모형 구축에 가
장 많이 활용되어 온 다중 회귀 모형은 오차의 정규성, 
독립성, 등분산성 등 여러 엄격한 가정들을 충족시키
기 어렵고 머신 러닝에 비해 예측 성능이 떨어진다는 
문제점이 있음을 지적하였다. 이에 해당 연구는 강남
구 아파트의 실거래가 자료를 바탕으로 랜덤 포레스트 
모형과 서포트 벡터 머신 모형을 구축하고 이들과 다중 
회귀 모형의 예측 성능을 비교하였다. 그 결과 모형의 
예측 성능은 랜덤 포레스트 모형, 서포트 벡터 머신 
모형, 다중 회귀 모형 순으로 나타났으며 두 머신 러닝 
모형의 성능이 다중 회귀 모형의 성능을 크게 앞서는 
것으로 나타났다. 
최근 머신 러닝을 통한 부동산 가치 산정에서 한 
단계 더 나아가 이를 활용하여 부동산 가격 지수를 
도출하고자 한 연구 또한 등장하였다. 배성완ㆍ유정
석(2018)은 주택 가격 지수의 정확성을 위해서 표본 
주택에 대한 정확한 가격 산정이 필수적이지만 기존
에 활용하던 표본 주택 가격 자료에는 조사자의 성
향, 경험 등에 의한 오류 또는 편의가 존재할 수 있다
는 점을 지적하고 이러한 문제를 해결할 수 있는 방
안으로써 머신 러닝의 활용 가능성에 주목하였다. 
해당 연구는 서울 강남구 아파트 실거래가 자료를 
바탕으로 랜덤 포레스트, 심층 신경망을 활용하여

S09 · PDF 5쪽

S09 PDF 5쪽

이 페이지 검색용 텍스트

머신 러닝 방법을 이용한 오피스 임대료 산정  27
주택 가격을 산정하고, 제본스 지수(Jevons index) 
산정 방법을 통해 인공지능 가격에 기반한 부동산 
가격 지수를 도출하였다. 분석 결과, 랜덤 포레스트 
지수와 심층 신경망 지수는 시장 상황을 적절히 반영
한다고 인정하기에는 어려움이 있지만, 기존의 가격 
지수들에 비해 변동성이 크고 표본 주택의 가격 산출 
과정에서 조사자의 주관이 개입될 여지가 없어 객관
적으로 산출되기 때문에 이를 기존 부동산 가격 지수
의 참고자료로써 활용할 수 있을 것이라고 주장하였
다.
2. 머신 러닝 방법을 이용한 비주거용 부동산 가
치 산정 관련 연구
주거용 부동산을 대상으로 한 연구들과는 달리 상업
용 부동산과 같은 비주거용 부동산을 대상으로 한 관련 
연구는 자료 수집의 어려움으로 국내외 모두 찾아보기 
힘든 편이다. 
김선주ㆍ이상엽(2008)은 헤도닉 함수를 활용한 오
피스 임대료 결정 모형 관련 연구들이 축적됨에 따라 
새로운 방법론에 대한 필요성이 제기되고 있으며, 인공 
신경망은 관측치 수가 적거나 불규칙한 경우에도 적용
이 가능하다는 장점을 가지고 있기 때문에 오피스 임대
료 추정에 관한 연구에 적합한 방법이라고 주장하였다. 
이에 해당 연구는 회귀 모형과 상호 보완적인 모형으로
서 인공 신경망 모형의 적용 가능성을 검토하기 위해 
서울시 소재의 오피스 251동에 대한 2004년 임대사례
조사 자료를 활용하여 임대료 추정 모형을 각 방법별로 
구축하였고, 이들의 설명력 및 예측력을 비교하여 인공 
신경망의 성능이 더 좋다는 결과를 제시하였다. 다만 
김태훈ㆍ홍한국(2004)과 마찬가지로 인공 신경망 모형
의 경우 모형에 대한 해석이 어렵기 때문에 이들을 상
호 보완하여 활용하여야 한다는 점을 강조하였다.
문근식 외(2015)는 오피스 가격결정모형과 관련한 
기존 연구들이 회귀 모형에 편중되어 있다는 점을 지적
하고 연구방법에 대한 다양화가 필요하다고 주장하였
다. 이에 해당 연구는 2006년 1월부터 2013년 8월까
지 발생한 강남구 소재 중소형 오피스의 매매건 1,056
건에 해당하는 자료를 활용하여 다중 회귀 모형, 의사
결정나무 모형, 인공 신경망 모형을 구축하고, 모형별 
중요변수 비교, 설명력 및 예측력을 비교, 이득도표
(gain chart, response chart) 비교를 수행하였다. 
중요변수는 모형별로 순위나 정도가 다소 상이하게 나
타났으며, 설명력 및 예측력, 그리고 이득도표 비교 결
과 인공 신경망, 의사결정나무, 다중 회귀 순으로 설명
력 및 예측력이 우수한 것으로 확인되었으나, 각 분석
방법의 장단점이 다르기 때문에 세 가지 분석 방법을 
함께 고려하는 것이 바람직하다고 주장하였다.
3. 선행연구와의 차별성
본 연구는 기존 선행연구들과 다음과 같은 점에서 
차별성을 갖는다.
첫째, 다양한 머신 러닝 방법을 사용하여 최적의 오
피스 임대료 산정 모형을 구축한다. 상업용 부동산에서 
발생하는 주요 수익인 임대료는 해당 부동산의 가치를 
결정하며, 이를 물건으로 한 직접투자나 간접투자의 기
대 수익률 산정에 있어 상당히 중요한 정보이기 때문에 
보다 객관적인 임대료 추정이 필요하다. 하지만 최근 
국내외적으로 머신 러닝 기법을 활용한 비모수 추정 
연구가 주목받고 있음에도 불구하고, 부동산 관련 연구
에서는 주로 주거용 부동산의 가치 평가 문제에 머신 
러닝 방법의 적용 가능성을 확인하고자 한 연구들이 
주를 이루고 있기 때문에 상업용 부동산의 적정 임대료 
산정에 적용 가능성을 검토하는 것 또한 의미가 있을 
것으로 판단된다. 이와 관련하여 기존의 임대료 결정모
형을 도출한 연구들(변기영ㆍ이창수, 2004; 김의준ㆍ
김용환, 2006; 양영준ㆍ오세준, 2017 등)을 살펴본 결
과, 이들은 결정요인 및 한계효과(marginal effect) 규
명을 위해 설명 중심의 모수 모형을 설정하였다. 하지
만 모수 모형은 설명변수의 독립성(independence), 
자료의 정규성(normality), 종속변수와 설명변수 간의 
선형성(linearity) 등 갖가지 엄격한 가정들을 하며(이
창로ㆍ박기호, 2016에서 재인용), 이상치에 민감하게 
반응하고 회귀식 선택 자체에 대한 의문이 제기될 수 
있어(김태훈ㆍ홍한국, 2004) 이를 통해 예측된 추정 가
격은 신뢰성에 한계가 존재한다. 따라서 본 연구는 이
러한 제약에서 자유로운 머신 러닝 방법을 사용하여 
최적의 오피스 임대료 산정 모형을 구축하며, 이때 보
편적인 머신 러닝 방법인 랜덤 포레스트, 인공 신경망, 
그리고 서포트 벡터 머신을 사용하여 각 방법별로 최적 
모형을 구축하고 성능 비교를 통해 각각의 적용 가능성
을 검토한다.
둘째, PD plot을 도출하여 각 설명변수들과 산정된

S09 · PDF 6쪽

S09 PDF 6쪽

이 페이지 검색용 텍스트

28  부동산학연구 제26집 제2호
임대료 간의 관계를 확인하고 이를 해석한다. 다양한 
머신 러닝 방법을 사용한 선행연구들은 대부분 예측 
중심의 연구로서 각 최적 모형들의 성능을 비교 및 제
시하는 것에 집중되어있다. Kok et al.(2017), 김선주
ㆍ이상엽(2008), 문근식 외(2015) 등 몇몇 연구에서 변
수의 중요도(variable importance)를 제시함으로써 
모형을 해석하고자 한 시도는 있었지만, 기존의 회귀 
분석 연구와 같이 설명변수와 종속변수 간의 관계를 
확인하고자 한 연구는 찾아보기 힘든 실정이다. 이에 
본 연구는 블랙 박스 모형에서 입력 변수와 예측값 간
의 관계를 직관적으로 이해할 수 있도록 도식화한 PD 
plot을 도출하여 모형의 학습 결과를 해석한다.
III. 방법론 및 분석자료
1. 방법론
1) 랜덤 포레스트(random forests, RF)
랜덤 포레스트는 과적합(overfitting) 문제와 같은 
기존의 나무 모형(tree model)의 한계점을 개선하기 
위해 Breiman(2001)이 고안한 앙상블 기법으로, 기
존의 훈련 데이터로부터 추출한 부트스트랩 샘플
(bootstrap samples)로 다양한 나무 모형을 형성하는 
방법이다. 즉, 여러 나무 모형을 형성하는 과정에서 임
의성(randomness)을 부여하여 서로 상관되지 않은
(uncorrelated) 나무들을 형성하고 이들의 분류 결과
나 회귀 결과를 종합하여 예측력을 향상시키는 개념으
로, 나무 모형보다 예측력이 크게 개선되고 안정적인 
모형을 제공해주고(배성완ㆍ유정석, 2018), 무작위성
으로부터 비롯된 대수의 법칙(law of large numbers)
에 의해 과적합 문제를 피할 수 있다는 장점을 지닌다
(Breiman, 2001). 
랜덤 포레스트의 알고리즘(algorithm)은 다음과 같
다. 먼저, 훈련 데이터로부터  크기를 갖는 부트스트
랩 샘플 를 복원 추출한다. 그리고 이를 이용하여 
나무 를 성장시키는데, 입력변수 총 개에서 무작위
적(randomly)으로 개의 변수를 선택하고 그 중 분
할 개선도(goodness of split)2)가 가장 높은 변수와 
그 분기점을 찾아 이를 기준으로 데이터를 이진 분할
(binary split)하는 두 하위 노드를 형성하고, 각 노드
마다 이러한 분할 과정을 거치되 단말 노드의 크기가 
min에 도달하면 나무 의 성장이 완료된다. 그리고 
위의 과정을 부터 까지 반복하여 나무 앙상블이 
형성되면 새로운 데이터 값 에 대한 예측값은 식 (1)
과 같이 앙상블을 이루고 있는 모든 나무들의 평균값을 
취해 도출된다.







            (1)
결국, 랜덤 포레스트에서의 학습(train)은 위와 같
이 여러 나무 모형을 형성하여 하나의 숲을 만드는 것
이며, 이를 위해 연구자가 설정해야 하는 주요 초모수
(hyper-parameter)는 숲을 이루는 나무 수 ntree와 
노드 분할 시 무작위적으로 선택하는 변수의 개수인 
mtry이다. 머신 러닝과 관련된 기존 연구들에서 밝히
는 최적의 초모수들은 경험법칙(rule of thumb)을 통
해 도출된 것으로, 분석에 사용되는 자료의 특성에 따
라 최적의 초모수 값이 상이할 가능성이 있다. 결국 
궁극적으로 시행착오(trial and error)를 통해 연구에 
맞는 초모수 값을 찾아 모형을 구성하는 과정을 거쳐야 
한다(Heaton, 2008).
2) 인공 신경망(artificial neural networks, ANN)
인공 신경망 모형은 뉴런(neuron)과 뉴런이 연결되어 
서로 정보를 교환하는 동물의 신경계 구조를 모사한 수학
적 모형으로, 1958년 Rosenblatt의 퍼셉트론(perceptron) 
학습 규칙이라는 개념으로 등장하여 인공지능 개발 분야
에서 큰 기대와 주목을 받았다. 그 후 1969년 Minsky 
and Papert에 의해 퍼셉트론이 간단한 XOR 분류조차 
수행할 수 없다는 것이 수학적으로 증명되어 그 한계가 
밝혔지만, 1986년 Rumelhart et al.이 은닉층을 가진 다
층 퍼셉트론(multi-layer perceptron, MLP)을 학습할 
수 있는 방법으로 역전파 알고리즘(backpropagation 
algorithm)을 소개함으로써 인공 신경망에 대한 다양한 
연구와 적용이 발전되어왔다. 
인공 신경망은 보편적으로 <그림 1>과 같이 다층 
퍼셉트론 구조를 가진다. 입력층(input layer)은 각 입
2) 회귀 문제에서는 분할 개선도를 가장 높은 경우를 선택한다는 것은 두 하위 노드에서의 출력변수의 잔차제곱합(residual sum of 
squares, RSS)이 최소가 되도록 하는 분기점을 선택하는 것이다.

S09 · PDF 7쪽

S09 PDF 7쪽

이 페이지 검색용 텍스트

머신 러닝 방법을 이용한 오피스 임대료 산정  29
력변수(input variables)에 대응되는 노드로 구성되
며, 이때 입력노드의 수는 입력변수의 수와 같다. 은닉
층(hidden layer)은 입력층으로부터 전달되는 변수값
들의 선형결합을 비선형함수로 처리하고 이를 출력층 
또는 다른 은닉층에 전달하는 기능을 수행한다. 출력
층(output layer)은 목표변수에 대응되는 노드로 구성
된 층으로 예측 또는 분류된 결과를 나타낸다.
자료 : 김태훈ㆍ홍한국(2004).
<그림 1> 인공 신경망 구조
<그림 1>은 입력층과 두 개의 은닉노드를 가지는 
하나의 은닉층, 그리고 출력층으로 이루어져 있는데, 
해당 모형의 내부에서 이루어지는 선형결합과 비선형 
처리를 식 (2)와 같이 수식으로 나타낼 수 있다. 
⋯    
⋯        (2)

외부로부터의 입력 가 연결 가중치 와 곱해진 
후 일들의 선형결합 값이 다음 노드로 전달된다. 그 
후 활성함수(activation function) 를 통해 값을 선
형결합 값을 노드의 활성화 여부 또는 활성화 정도로 
변환하고 이를 신호(signal)로서 다음 층으로 전달한
다. 이러한 일련의 과정을 거쳐 최종적인 출력값 를 
얻을 수 있다.
신경망 모형에서의 학습은 비용함수(cost function)
를 최소화하는 가중치 를 찾는 최적화(optimization) 
과정이다. 비용함수는 실제 값인 와 인공 신경망을 
통해 도출된 값인 간의 차이(discrepancy) 를 측
정하기 위해 식 (3)과 같이 오차 제곱(square error)로 
정의한다.


   (3)
그리고 전방향(feed-forward) 신경망 모형에서 비
용함수 을 최소화하는 를 찾기 위해 경사하강법
(gradient descent method)을 사용한다. 이는 식 (4)
와 같이 초기값 를 설정 한 후 매 스탭(step)에서 
비용함수의 기울기(gradient)만큼 가중치를 점진적으
로 변화시켜 점차 최적점(convergence)에 도달시키
는 방법론이다. 
 ∙′   ()   (4)
이때, 는 학습률(learning rate)로, 해당 값이 클
수록 가중치를 갱신(update)할 때 가중치 변화의 폭이 
커져 학습속도는 빨라지지만 전역 최솟값(global 
minima)에 도달하지 못할 수 있고, 반대로 해당 값이 
작을수록 가중치 변화의 폭이 작아져 학습속도는 느려
지고 이 또한 전역 최솟값에 도달하지 못하고 지역 최
솟값(local minima)에 수렴하게 될 수 있다. 이는 연
구자가 선택해야 하는 초모수이다.
경사하강법 사용 시 비용함수의 기울기 ′을 
계산하는 알고리즘으로는 오류 역전파 알고리즘(error 
backpropagation algorithm)을 사용한다. 이는 오
류를 출력층에서 입력층 방향으로, 즉 역방향으로 전
파하는 방식인데, 국소적(local) 계산과 연쇄법칙
(chain rule)을 통해 미분 문제를 단순화 할 수 있다는 
장점이 있다. 
인공 신경망의 학습 과정을 정리하면 다음과 같다. 
첫째, 초기 가중치 를 임의로 생성한다. 둘째, 입력
층과 은닉층 사이의 값을 이용하여 입력변수 값을 
선형결합한 후 이를 활성함수에 투입하여 은닉노드의 
값을 얻는다. 셋째, 은닉층과 출력층 사이의 값을 이
용하여 은닉노드의 값을 선형결합한 후 이를 활성함수
에 투입하여 출력노드의 값을 얻는다. 넷째, 출력노드
의 값과 실제 출력변수의 값의 차이를 줄일 수 있도록 
은닉층과 출력층 사이의 값을 업데이트(update)한
다. 다섯 번째, 출력노드의 값과 실제 출력변수의 값의 
차이를 줄일 수 있도록 입력층과 은닉층 사이의 값을 
업데이트(update)한다. 마지막으로, 오차가 충분히 줄
어들 때까지 위의 과정을 반복한다.

S09 · PDF 8쪽

$S09 PDF 8쪽$

이 페이지 검색용 텍스트

30  부동산학연구 제26집 제2호
인공 신경망 모형은 입력변수와 출력변수와의 상호
관계를 해석하기 어렵다는 단점이 있지만(남영우ㆍ이
정민, 2006), 변수들의 선형결합과 이들의 비선형 처리
가 다계층적으로 이루어지기 때문에 입력변수와 출력
변수가 복잡한 구조를 가진 자료에서의 예측 문제를 
해결할 수 있는 유연한 비선형 모형(nonlinear model)
로 분류될 수 있고(김선주ㆍ이상엽, 2008), 활성함수와 
은닉층 구조가 적절히 선택될 때 학습을 통해 모든 비
선형 곡선을 상당히 정확하게 근사시킬 수 있다는 강점
을 갖는다(김태훈ㆍ홍한국, 2004). 인공 신경망에서의 
주요 초모수는 활성함수 3), 은닉노드 수 size, 그리
고 학습률 4)이며, 연구자는 이를 다양하게 변화시켜
가며 일반화 오차가 가장 작은 최적 모형을 선택하는 
과정을 거쳐야 한다.
3) 서포트 벡터 머신(support vector machines, 
SVM)
서포트 벡터 머신은 데이터를 고차원(high dimension)
의 형상 공간(feature space)로 사상(mapping)하여 
최적의 의사결정 영역(decision boundary)을 구해내는 
방법이다. 본 개념은 1963년 Vapnik and Chervonenkis
에 의해 선형 분류기(linear classifier)로 처음 등장하
였고, 1992년 Boser et al.에 의해 커널 트릭(kernel 
trick)이 적용된 비선형 분류기가 고안되었다. 그 후 1997
년 Vapnik et al.이 ε-무감도 손실함수(ε-insensitive 
loss function)를 도입한 SVM 모형을 제시함으로써 
회귀 문제의 영역까지 적용이 확장되었다. 서포트 벡
터 머신은 구조적 위험에 대한 최소화 원칙
(structural risk minimization, SRM)을 구현함으로
써 과적합 문제에 자유롭다는 점, 전역 최적해를 구할 
수 있다는 장점이 있다(김성진 외, 2012에서 재인용).
  

∥∥


 
   





〈〉≤
〈〉≤

≥
      (5)
서포트 벡터 머신은 마진(margin)을 최대화하는 초
평면(hyperplane)을 찾는 모델이다. 마진을 최대화 
하는 문제는 식 (5)와 같이 초평면의 와 를 최소화하
는 문제로 나타낼 수 있다.
  


if≤


   (6)
회귀 문제에서의 서포트 벡터 머신이 분류 문제에서
의 서포트 벡터 머신과 다른 점은 식 (6)과 같은 ε-무감
도 손실함수 개념을 추가되었다는 것이다. 이는 학습된 
함수로부터의 예측값과 실제값의 차이의 크기가 ε을 
초과할 경우만 이를 손실로 인정한다는 것이다. 즉 ε은 
ε-무감도 지역(ε-insensitive zone)의 너비를 나타내
며, 손실을 최대한으로 줄이기 위해 ε-무감도 지역에 
최대한 많은 관측치가 속하도록 학습을 진행하게 된다. 
식 (5)에서 목적함수의 첫 번째 항은 함수의 편평함
(flatness)와 관련된 항으로(김희훈, 2012), 추정된 함
수의 진동에 의해 예측력이 떨어지는 룽게현상(Runge 
phenomenon)을 방지하기 위해 를 최대한으로 
편평하게 해야 한다(Deng et al., 2012). 의 편평
함은 초평면의 법선 벡터 에 의해 결정이 되며 의 
노름(norm) ∥∥이 작을수록 는 편평해진다. 
목적함수의 두 번째 항에서 는 학습하는 과정에서 어
느 정도 오차를 허용함으로써 모형의 유연함을 증진시
키고 성능을 높이는 역할을 한다. 는 허용된 오차에 
대한 패널티(penalty)를 할당함으로써, 에 의해 결정
되는 모형의 복잡도와 오차 허용 정도에 대한 트레이드
오프(trade-off)를 결정하는 상수로 가 높을수록 오
차 허용 정도가 낮아지므로 복잡한 모형이 형성된다.
식 (5)에 대한 계산을 용이하게 하기 위해 라그랑지 
승수법(Lagrange multiplier method)을 이용하여 
본 원 문제(primal problem)식을 쌍대 문제(dual 
problem)식으로 변환하고, Karush-Kuhn-Tucker 
조건을 적용하여 최적해를 도출한다5). 쌍대 문제에서
의 최적해인 라그랑지 승수 와 가 0이 아닌 경우와 
대응되는 관측치를 서포트 벡터로 칭하며, 이를 이용
하여 식 (7)과 같이 선형 추정함수를 얻을 수 있다. 
3) 본 연구는 인공 신경망 연구에서 주로 사용되는 시그모이드 함수(sigmoid function)를 활성함수로 사용하였다. 본 활성함수는 S자 형
태의 비선형함수로서 출력값을 0과 1사이의 값으로 변형시키는 미분가능한 함수이다. 미분한 결과를 다시 본 함수의 형태로 표현이 가
능하다는 점에서 학습 과정을 용이하게 한다는 장점이 있다.
4) 다만 본 연구에서는 분석의 효율성을 위해 통계 프로그램이 자동적으로 찾은 값을 사용하였다.
5) 자세한 풀이과정은 Smola and Schölkopf(2004), 김희훈 외(2012)를 참고하길 바란다.

S09 · PDF 9쪽

S09 PDF 9쪽

이 페이지 검색용 텍스트

머신 러닝 방법을 이용한 오피스 임대료 산정  31



〈〉        (7)
그 후 식 (7)에 커널 함수(kernel function) 
를 적용함으로써 식 (8)과 같은 최종 비선형 추정함수
를 도출한다. 이는 입력값을 고차원의 커널 형상 공간
으로 사상하여 새로운 형상 공간에서 선형 함수를 찾는 
것과 같은 효과를 가진다. 



       (8)
이때, 커널 함수 로는 선형 커널(linear Kernel), 
다항식 커널(polynominal Kernel), 가우시안 방사 기
저함수(Gaussian radial basis function, RBF), 라플
라스 방사 기저함수(Laplace radial basis function), 
쌍곡탄젠트 
커널(hyperbolic 
tangent 
Kernel), 
ANOVA 커널 등이 사용된다. 
서포트 벡터 머신에서의 주요 초모수는 ε, , 커널 
함수 이다. 또한 커널 함수 선택에 따라 추가적으로 
설정해야 되는 초모수의 종류가 상이한데, 본 연구에
서는 커널 함수로 가장 보편적으로 사용되는 RBF 커널 
함수를 분석에 사용하기 때문에 가 초모수로 추가된
다. 여타 머신 러닝 방법과 마찬가지로 시행 착오를 
통해 연구에 맞는 최적의 초모수 값을 찾아 모형을 구
축하는 과정을 거친다.
4) 부분 의존성 플롯(partial dependence plot, 
PD plot)
머신 러닝 방법을 통해 구축한 모형은 복잡하고 해
석이 용이하지 않다는 의미로 블랙박스 모형(black- 
box modle)으로 여겨지는데, PD plot은 이러한 블랙
박스 모형의 해석 방법 중 하나이다. 이는 모델의 예측
값이 특정 입력값과 어떠한 관계를 갖고 있는지 나타내
는 일원(one-way) 플롯으로, 그 개념이 간단하며 도식
화를 통해 직관적인 해석을 가능케 한다. 이를 통해 
머신 러닝 모형의 예측 결과값에 대한 특정한 속성
(feature)의 한계 효과(marginal effect)를 확인할 수 
있다(Friedman, 2001).





         (9)
PD 함수(partial dependence function, PD function)
는 식 (9)와 같다. 이때, 는 관심 변수, 
는 그 외의 
변수에 대한 훈련 데이터 값을 의미한다. PD값은 고정
된 에 대해 모든 
의 속성 공간(feature space)에
서 예측값의 평균값이다. 그리고 를 변화시켜가며 
PD값을 플롯함으로써 하나의 선을 도출할 수 있으며, 
이를 통해 에 따른 예측값 평균의 변화 모습을 시각
적으로 확인할 수 있다.
2. 분석자료
본 연구에서는 머신 러닝 방법을 사용하여 임대료 
산정 모형을 구축하기 위해 서울시에 소재한 연면적 
3,000평 이상의 오피스 507동을 분석대상으로 하였
다. 분석에 사용된 변수 구성 및 정의는 <표 1>과 
같다. 먼저 종속변수인 임대료는 각 오피스 기준층
에 대한 호가 임대료이며 단위는 원/평이다. 공실률
은 임대가 가능한 면적 중 공실면적이 차지하는 비율
을 나타낸다. 전용률은 계약면적 중 전용면적이 차
지하는 비율로 임차인이 지불한 금액이 업무공간으
로 환산되는 정도를 나타낸다. 연면적은 총 바닥면
적의 합으로 건물의 규모를 나타내며 단위는 평이
다. 층수는 지하층을 제외한 지상층수이다. 연식은 
건물 사용승인일로부터 2017년 12월 31일까지의 경
과월수를 의미한다. 승강기수는 승용승강기 대수, 
주차대수는 주차가능 대수를 나타낸다. 녹색건축 인
증여부는 해당 오피스가 녹색건축 3등급 이상의 건
물일 경우 1의 값을, 그 외에는 0의 값을 부여한 더미
변수이다. 권역은 강남권역, 도심권역, 여의도권역, 
기타권역으로 나누었으며, 강남권역은 해당 오피스
가 강남구 또는 서초구 소재의 건물일 경우, 도심권
역은 해당 오피스가 종로구 또는 중구 소재의 건물일 
경우, 여의도권역은 여의도 또는 마포구 소재의 건
물일 경우, 기타권역은 그 외에 소재할 경우를 나타
내는 더미변수이다. 임대료와 공실률은 국내 부동산 
자산관리회사의 임대 조사 자료를 통해, 전용률은 
여러 부동산 중개회사 사이트 및 블로그(blog)를 통
해, 그 외 특성 정보들은 서울시 건축물 대장을 통해 
구득하였다.

S09 · PDF 10쪽

S09 PDF 10쪽

이 페이지 검색용 텍스트

32  부동산학연구 제26집 제2호
변수명
단위
변수설명
자료출처
임대료
원/평
평당 월 임대료(호가)
부동산 
자산관리
회사
공실률
비율
총 임대면적 중 공실면적 
비율
전용률
비율
계약면적 중 전용면적이 
차지하는 비율
부동산 
중개회사
연면적
평
총 바닥면적의 합
서울시 
건축물 
대장
　
　
　
　
　
　
　
　
층수
층
지하층을 제외한 
지상층수
연식
개월
사용승인일로부터 
2017년 12월 31일까지 
경과월수
승강기수
대
승용승강기 대수
주차대수
대
주차가능 대수
녹색건축 
인증여부
1 
또는 
0
녹색건축 3등급 이상의 
건물 = 1, 그 외 = 0
권
역
강남
권역
1 
또는 
0
강남구ㆍ서초구 소재의 
건물 = 1, 그 외 = 0
도심
권역
종로구ㆍ중구 소재의
 건물 = 1, 그 외 = 0
여의도
권역
여의도ㆍ마포구 소재의 
건물 = 1, 그 외 = 0
기타
권역
기타 서울지역 소재의 
건물 = 1, 그 외 = 0
<표 1> 변수 구성 및 정의
전체 표본에 대한 기초통계량은 <표 2>에 제시되어 
있다. 먼저 임대료는 평당 평균적으로 약 66,191원이
며, 공실률은 평균적으로 약 9%인 오피스로 표본이 
구성되어 있다. 전용률은 평균 약 55%, 연면적은 평균 
약 11,122평, 층수는 평균 약 18층, 연식은 평균 약 
256개월, 승강기수는 평균 약 6대, 주차대수는 약 266
대인 것으로 나타났다. 전체 표본 중 약 4.5%의 오피스
가 녹색건축 인증을 받은 것으로 확인되었으며, 강남
권역에 소재한 오피스가 약 36%, 도심권역에 소재한 
오피스가 약 26%, 여의도권역에 소재한 오피스가 약 
18%, 그리고 그 외의 권역에 소재한 오피스가 약 21%
인 것으로 확인되었다. 
변수명(단위)
관측수
평균값
표준
편차
최솟값
최댓값
임대료(원/평)
507
66,191
22,419
25,000
146,500
공실률(비율)
507
0.09
0.14
0
0.89
전용률(비율)
507
0.55
0.07
0.31
0.99
연면적(평)
507
11,122
10,118
3,002
98,959
층수(층)
507
18.02
8.23
5
123
연식(월)
507
256.09
130.13
1
659
승강기수(대)
507
5.58
5.14
1
36
주차대수(대)
507
266
389
5
4,032
녹색건축 
인증여부
(1=녹색인증)
507
0.045
0.208
0
1
권
역
(1=
해
당
지
역)
강남
권역
507
0.36
0.48
0
1
도심
권역
507
0.26
0.44
0
1
여의도
권역
507
0.18
0.38
0
1
기타
권역
507
0.21
0.41
0
1
<표 2> 기초통계량 - 전체
본 연구는 규모 등급별 임대료 산정 모형을 각각 구
축하기 위해 전체 표본을 규모를 기준으로 하여 총 4개
의 등급(초대형, 대형, 중대형, 중형)으로 나누었다. 먼
저 연면적이 20,000평 이상인 오피스를 초대형 등급으
로 분류하였고 총 65동이 해당 등급에 속한다. 연면적
이 10,000평 이상, 20,000평 미만인 오피스를 대형 등
급으로 분류하였고 총 136동이 해당 등급에 속한다. 
연면적이 5,000평 이상, 10,000평 미만인 오피스를 중
대형 등급으로 분류하였고 총 176동이 해당 등급에 속
한다. 마지막으로 연면적이 3,000평 이상, 5,000평 미

S09 · PDF 11쪽

S09 PDF 11쪽

이 페이지 검색용 텍스트

머신 러닝 방법을 이용한 오피스 임대료 산정  33
만인 오피스를 중형 등급으로 분류하였고 총 130동이 
해당 등급에 속한다. 위 기준은 자산관리회사 젠스타
의 오피스 등급 분류 기준을 참고한 것이다.
변수명(단위)
관측수평균값
표준
편차
최솟값
최댓값
임대료(원/평)
65
88,172
28,793
31,800
146,50
0
공실률(비율)
65
0.12
0.19
0
0.83
전용률(비율)
65
0.54
0.07
0.43
0.71
연면적(평)
65
32,116
13,452
20,005
98,959
층수(층)
65
28.71
15.57
7
123
연식(월)
65
196.52
145.91
1
564
승강기수(대)
65
15.43
8.15
4
36
주차대수(대)
65
819
761
167
4,032
녹색건축 
인증여부
(1=녹색인증)
65
0.12
0.33
0
1
권
역
(1=
해
당
지
역)
강남
권역
65
0.23
0.42
0
1
도심
권역
65
0.34
0.48
0
1
여의도
권역
65
0.15
0.36
0
1
기타
권역
65
0.28
0.45
0
1
<표 3> 기초통계량 - 초대형 오피스
변수명(단위)
관측수평균값
표준
편차
최솟값
최댓값
임대료(원/평)
136
72,224 21,051
31,000
138,000
공실률(비율)
136
0.09
0.12
0
0.64
전용률(비율)
136
0.53
0.08
0.31
0.99
연면적(평)
136
13,224
2,622
10,007
19,735
층수(층)
136
20.31
4.67
9
37
연식(월)
136
233.28 130.90
9
593
승강기수(대)
136
6.33
2.02
3
14
주차대수(대)
136
296
230
50
2,566
녹색건축 
인증여부
(1=녹색인증)
136
0.07
0.25
0
1
권
역
(1=
해
당
지
역)
강남
권역
136
0.32
0.47
0
1
도심
권역
136
0.33
0.47
0
1
여의도
권역
136
0.14
0.35
0
1
기타
권역
136
0.21
0.41
0
1
<표 4> 기초통계량 - 대형 오피스

S09 · PDF 12쪽

S09 PDF 12쪽

이 페이지 검색용 텍스트

34  부동산학연구 제26집 제2호
변수명(단위)
관측수평균값
표준
편차
최솟값
최댓값
임대료(원/평)
176
61,667
17,060
27,778
104,60
0
공실률(비율)
176
0.08
0.14
0
0.89
전용률(비율)
176
0.56
0.07
0.38
0.78
연면적(평)
176
7,060
1,441
5,023
9,999
층수(층)
176
15.72
3.76
5
26
연식(월)
176
265.58
120
2
530
승강기수(대)
176
3.73
1.07
1
7
주차대수(대)
176
166
190
34
1,832
녹색건축 
인증여부
(1=녹색인증)
176
0.02
0.15
0
1
권
역
(1=
해
당
지
역)
강남
권역
176
0.36
0.48
0
1
도심
권역
176
0.24
0.43
0
1
여의도
권역
176
0.19
0.39
0
1
기타
권역
176
0.21
0.41
0
1
<표 5> 기초통계량 - 중대형 오피스
각 규모 등급별 기초통계량은 <표 3>부터 <표 6>에 
제시되어 있다. 초대형 등급 오피스의 임대료는 평당 
평균 약 88,172원, 공실률은 평균 약 12%로, 대형 등급 
오피스의 임대료는 평당 평균 약 72,224원, 공실률은 
평균 약 9%, 중대형 등급 오피스의 임대료는 평당 평균 
약 61,667원, 공실률은 평균 약 8%, 중형 등급 오피스
의 임대료는 평당 평균 약 55,014원, 공실률은 평균 약 
8%로 나타났다. 규모 등급이 높을수록 임대료 수준과 
공실률 수준이 높은 것 외에도, 규모 등급이 높을수록 
연식이 낮고, 주차대수가 많았으며, 녹색건축 인증 오피
스 비율이 높은 것으로 확인되었다. 권역 분포 또한 등
급별로 다소 상이한 모습을 보였다. 초대형 등급 오피스
는 도심권역에 가장 많이(약 34%) 분포되어 있는 것으
로 나타났고, 그 다음 기타권역(약 28%), 강남권역(약 
23%), 여의도권역(약 15%) 순으로 분포되어 있는 것으
로 나타났다. 대형 등급 오피스는 도심권역에 가장 많이
(약 33%) 분포되어 있는 것으로 나타났고, 또한 강남권
역에 많이(약 32%) 분포되어 있는 것으로 나타났으며, 
그 다음 기타권역(약 21%), 여의도권역(약 14%) 순으로 
변수명(단위)
관측수평균값
표준
편차
최솟값
최댓값
임대료(원/평)
130
55,014 16,309
25,000
96,429
공실률(비율)
130
0.08
0.12
0
0.81
전용률(비율)
130
0.56
0.07
0.4
0.8
연면적(평)
130
3,926
597
3,002
4,980
층수(층)
130
13.4
3.43
5
20
연식(월)
130
296.91 119.38
3
659
승강기수(대)
130
2.38
0.64
1
4
주차대수(대)
130
92
47
5
480
녹색건축 
인증여부
(1=녹색인증)
130
0.02
0.12
0
1
권
역
(1=
해
당
지
역)
강남
권역
130
0.46
0.5
0
1
도심
권역
130
0.15
0.36
0
1
여의도
권역
130
0.22
0.41
0
1
기타
권역
130
0.17
0.38
0
1
<표 6> 기초통계량 - 중형 오피스

S09 · PDF 13쪽

S09 PDF 13쪽

이 페이지 검색용 텍스트

머신 러닝 방법을 이용한 오피스 임대료 산정  35
분포되어 있는 것으로 나타났다. 중대형 등급 오피스는 
강남권역에 가장 많이(약 36%) 분포되어 있는 것으로 
나타났고, 그 다음 도심권역(약 24%), 기타권역(약 
21%), 여의도권역(약 19%) 순으로 분포되어 있는 것으
로 나타났다. 중형 등급 오피스는 강남권역에 가장 많이
(약 46%) 분포되어 있는 것으로 나타났으며, 그다음으
로 여의도권역(약 22%), 기타권역(약 17%), 도심권역
(약 15%) 순으로 분포되어 있는 것으로 나타났다.
3. 분석방법
본 연구에서는 랜덤 포레스트, 인공 신경망, 서포트 
벡터 머신 방법 각각에 대한 최적의 임대료 산정 모형
을 구축하고, 각 최적 모형들의 성능을 비교한다. 
먼저, 머신 러닝에 사용되는 변수들의 단위가 상이
할 경우 학습되는 모형의 성능이 저하될 수 있으므로 
모든 변수를 0과 1사이의 값을 갖도록 정규화
(normalization)를 한다.
그 후, 모형의 과적합 문제를 피하기 위해 전체 데이
터 셋에서 관측치의 약 70%를 훈련 데이터 셋(train 
data set)으로 모형을 학습한다. 이때 k겹 교차 검증
(k-fold cross validation)을 수행하는데, k겹 교차 검
증이란 훈련 데이터를 k등분한 후, 등분된 데이터 중 
k-1개를 학습에 사용하고 나머지 1개를 모형에 투입
하여 학습된 모형의 오차를 측정하고, 이러한 학습과 
검증 과정을 k번 반복함으로써 도출된 k개의 오차를 
평균하여 일반화 오차를 측정하는 방법이다. 오차는 
검증 데이터(validation data)에 대한 평균제곱근오차
(root mean square error, RMSE)와 평균절댓값오
차(mean absolute error, MAE)로 측정하며, 본 연구
는 각 방법별 초모수를 다양하게 변화시켜가며 10겹 
교차 검증을 수행하여 가장 일반화 오차가 작은 최적의 
모형을 구축한다6).
이어, 모형의 학습에 사용되지 않은 남은 데이터 셋
인 실험 데이터 셋(test data set)으로 최적 모형의 성
능을 검증한다. 이는 새로운 데이터가 주어졌을 때 학
습된 모형이 얼마만큼 예측 또는 추정을 정확하게 수행
하는지 확인하기 위한 것이다. 성능은 실험 데이터에 
대한 RMSE와 MAE로 측정하고, 각 최적 모형별 성능 
비교를 통해 임대료 산정 모형 구축에 있어 각 머신 
러닝 방법들의 적용 가능성을 검토한다7).
가장 성능이 좋은 최종 모형이 선정되면 모형 해석을 
위한 PD plot을 도출한다. 해당 방법은 블랙박스 모형
을 해석하는 대표적인 방법으로, 모형의 예측값과 특정 
투입변수와의 관계를 시각적으로 나타내어 결과가 기
존 선행연구나 직관에 어긋나지 않는지 확인한다.
추가적으로, 표본을 규모 등급별로 나누어 오피스 등급
별 최적 모형 구축, 성능 비교, PD plot 도출 또한 수행한다.
IV. 분석결과
1. 오피스 임대료 산정 모형 구축 결과
1) 최적 모형의 성능 비교
랜덤 포레스트 방법을 이용하여 최적 모형을 도출하
기 위해 ntree(나무 수)를 10, 20, 50, 100, 200, 300, 
400, 500, 1000, 2000, 5000으로, mtry(노드 분할 시 
무작위적으로 선택하는 변수의 개수)를 1부터 12까지 
조절하였고, 그 결과로 ntree가 1,000, mtry가 11인 
경우와 ntree가 2,000, mtry가 12인 경우에 가장 일반
화 오차가 낮은 것으로 나타나 본 연구는 해당 두 모형
을 랜덤 포레스트 방법의 최적 모형으로 선정하였다.
인공 신경망 방법을 이용하여 최적 모형을 도출하기 
위해 size(은닉노드 수)를 5, 10, 15, 20, 25, 30, 35, 
40, 45, 50, 55, 60, 65, 70으로 조절하였고, 그 결과로 
size가 5인 경우와 size가 60인 경우에 가장 일반화 
오차가 낮은 것으로 나타나 본 연구는 해당 두 모형을 
인공 신경망 방법의 최적 모형으로 선정하였다.
서포트 벡터 머신을 이용하여 최적 모형을 도출하기 
위해 ε(ε-무감도 지역의 너비)을 0.01, 0.02, 0.03, 
0.04, 0.05, 0.06, 0.07, 0.08, 0.09, 0.1, 0.2, 0.3, 0.4, 
0.5, 0.7, 0.9로, (허용된 오차에 대한 페널티 상수)
를 0.125, 0.25, 0.5, 1, 2, 4, 8, 16, 32로, (RBF 커널 
함수의 초모수)를 2^(-9), 2^(-8), 2^(-7), 2^(-6), 
2^(-5), 2^(-4), 2^(-3), 2^(-2), 2^(-1)로 조절하였고, 
그 결과로 ε이 0.5, 가 2, 가 2^(-6)인 경우와 ε이 
0.09, 가 2, 가 2^(-6)인 경우에 가장 일반화 오차
6) 본 연구는 논의의 편의성을 위해 RMSE를 기준으로 최적 모형을 선정한다.
7) 최적 모형 선정과 마찬가지로, 본 연구는 논의의 편의성을 위해 RMSE를 기준으로 모형의 성능을 비교한다.

S09 · PDF 14쪽

S09 PDF 14쪽

이 페이지 검색용 텍스트

36  부동산학연구 제26집 제2호
가 낮은 것으로 나타나 본 연구는 해당 두 모형을 서포
트 벡터 머신 방법의 최적 모형으로 선정하였다.
<표 7>은 실험 데이터 셋에 대한 최적 모형들의 성능
을 비교한 결과를 나타낸 것이다. RMSE를 기준으로 
할 때, 먼저 랜덤 포레스트 최적 모형의 경우 ntree가 
2,000, mtry가 12인 최적 모형의 성능이 더 좋은 것으
로 나타났고, 인공 신경망 최적 모형의 경우 size가 5인 
최적 모형의 성능이 더 좋은 것으로 나타났으며, 서포트 
벡터 머신 최적 모형의 경우 ε이 0.09, 가 2, 가 
2^(-6)인 최적 모형의 성능이 더 좋은 것으로 나타났다. 
구분
최적 모형별 
초모수
일반화 오차
성능 검증
RMSE
MAE
RMSE
MAE
RF
ntree=1,000
, mtry=11
0.11796 0.09335 0.13348 0.09730
ntree=2,000
, mtry=12
0.11798 0.09316 0.13289 0.09689
ANN
size=5
0.13066 0.10245 0.13416 0.09985
size=60
0.13190 0.10363 0.13610 0.10036
SVM
ε=0.5, C=2, 
σ=2^(-6)
0.11971 0.09722 0.13015 0.09837
ε=0.09, C=2, 
σ=2^(-6)  0.11973 0.09386 0.12723 0.09577
<표 7> 최적 모형별 성능 비교
각 방법별로는 서포트 벡터 머신의 최적 모형의 
성능이 가장 우수하였고, 그 다음으로는 랜덤 포레
스트의 최적 모형의 성능이 좋게 나타났으며, 인공 
신경망의 최적 모형의 경우 다른 방법의 최적 모형들
보다는 성능이 상대적으로 떨어지는 것으로 확인되
었다.
2) 속성 선택(feature selection) 및 최종 모형
<그림 2>는 ntree가 2,000, mtry가 12인 랜덤 
포레스트 모형, size가 5인 인공 신경망 모형, 그리
고 ε이 0.09, 가 2, 가 2^(-6)인 모형으로부터 
각각 변수 중요도(variable importance)를 도식화
한 결과이다. 이는 다양한 머신 러닝 모형에 일관적
으로 적용할 수 있는 변수 중요도 도출 방법인 순열 
특성 중요도(permutation importance)8)를 나타
낸 것이다. 
(a) 랜덤 포레스트 모형(ntree=2.000, mtry=12)
<그림 2> 변수 중요도
8) 순열 특성 중요도는 Breiman(2001)이 랜덤 포레스트 모형에서의 변수 중요도를 도출하기 위해 제안한 방법으로, Fisher et al.(2018)
이 이 외의 다양한 예측 모형에도 적용이 가능한 모형-불구속적(model-agnostic)인 개념으로 발전시켰다. 이는 기존의 오류와 특정한 
특성(feature)을 셔플링(shuffling)하여 훈련된 모형에 투입하였을 때의 오류의 차이 또는 그 변화 정도로 변수 중요도를 측정하는 것
으로, 만약 모형의 예측 오류가 크게 증가한다면 이는 모형의 성능이 해당 변수에 상당히 의존한다는 의미이기 때문에 해당 변수를 중
요한 변수로 판단하는 것이다. 본 방법은 다양한 머신 러닝 모형에 일관적인 방법으로 적용이 가능하다는 점과 최적화된 모형에 곧바
로 적용이 가능하여 효율적으로 결과를 얻어낼 수 있다는 장점을 가진다.

S09 · PDF 15쪽

S09 PDF 15쪽

이 페이지 검색용 텍스트

머신 러닝 방법을 이용한 오피스 임대료 산정  37
(b) 인공 신경망 모형(size=5)
(c) 서포트 벡터 머신 모형(ε=0.09, C=2, σ=2^(-6))
<그림 2> 계속
<그림 2>에 따르면 랜덤 포레스트 모형의 경우 기타
권역(ETC), 연면적(area), 층수(floor), 연식(month), 
승강기수(elevator), 전용률(rentable/usable ratio), 
여의도권역(YBD), 주차대수(parking), 도심권역(CBD), 
강남권역(GBD), 공실률(vacancy), 녹색건축 인증여부
(green) 변수 순으로 변수 중요도가 도출되었다. 인공 
신경망 모형의 경우 기타권역, 여의도권역, 연면적, 승
강기수, 도심권역, 강남권역, 연식, 전용률, 층수, 주차
대수, 녹색건축 인증여부, 공실률 순으로 변수 중요도
가 도출되었다. 서포트 벡터 머신 모형의 경우 기타권
역(ETC), 층수, 도심권역, 연면적, 연식, 승강기수, 전
용률, 여의도권역, 강남권역, 주차대수, 공실률, 녹색건
축 인증여부 순으로 변수 중요도가 도출되었다. 세 모
형 모두 공통적으로 기타권역 더미변수(ETC)가 모형들
의 성능에 가장 큰 영향을 주는 것으로 나타났고, 연면
적 변수(area) 또한 모형의 성능에 큰 영향을 주는 것으
로 나타났다. 하지만 녹색건축 인증여부 더미변수
(green)와 공실률(vacancy) 변수는 모형들의 성능에
는 큰 영향을 주지 않는 것으로 나타났다. 이에 본 연구
는 녹색건축 인증여부와 공실률을 투입변수에서 제외
하고 나머지 변수로 다시 모형을 학습하는 속성 선택
(feature selection) 과정을 수행하였으며, 이를 통해 
구축된 최적 모형의 성능을 <표 8>과 같이 나타내었다.
<표 7>과 <표 8>에 따르면 세 가지 머신 러닝 방법 
모두 녹색건축 인증여부 변수를 제외하고 모형을 학습
시켰을 때 최적 모형의 성능이 개선되는 것으로 나타났
다. 인공 신경망의 경우에는 속성 선택 전 최적 모형
(size=5)의 RMSE가 0.134156이었던 반면에 속성 선
택 후 최적 모형(size=45)의 RMSE는 0.124274으로 
성능 개선 정도가 가장 크게 나타났다. 서포트 벡터 
머신의 경우에는 속성 선택 전 최적 모형(ε=0.09, 
=2, =2^(-6))의 RMSE가 0.127234이었고, 속성 선택 
후 최적 모형(ε=0.2, =4, =2^(-6))의 RMSE는 
0.122910으로 성능 개선이 다소 이루어진 것으로 나
타났다. 랜덤 포레스트의 경우에는 속성 선택 전 최적 
모형(ntree=2,000, mtry=12)의 RMSE가 0.132893, 
속성 선택 후 최적 모형(ntree=300, mtry=10)의 
RMSE는 0.132509로 성능 개선 정도가 미미한 것으로 
나타났다. 녹색건축 인증여부와 공실률을 함께 제외한 
경우에도 세 방법 모두 성능이 다소 개선되는 것으로 
나타났지만, 녹색건축 인증여부만을 제외한 후 구축된 
최적 모형의 성능이 가장 좋은 것으로 확인되었다. 이
에 본 연구는 녹색건축 인증여부를 투입변수에서 제외
하였을 때의 최적 모형 중 랜덤 포레스트는 ntree가 
300, mtry가 10인 모형, 인공 신경망은 size가 45인 
모형, 서포트 벡터 머신은 ε이 0.2, 가4, 가2^(-6)
인 모형을 각 방법별 최종 임대료 산정 모형으로 선정
하였다.

S09 · PDF 16쪽

S09 PDF 16쪽

이 페이지 검색용 텍스트

38  부동산학연구 제26집 제2호
구분
제외변수
최적 모형별 
초모수
성능 검증
RMSE
MAE
RF
녹색건축 
인증여부
ntree=300, 
mtry=10
0.132509
0.097491
ntree=400, 
mtry=10
0.133104
0.097754
녹색건축 
인증여부, 
공실률
ntree=400, 
mtry=9
0.132938
0.097000
ntree=500, 
mtry=9
0.132837
0.096685
ANN
공실률
size=70
0.139113
0.101837
size=65
0.140969
0.103090
녹색건축 
인증여부
size=5
0.127030
0.095667
size=45
0.124274
0.096639
녹색건축 
인증여부, 
공실률
size=50
0.136275
0.101465
size=55
0.125686
0.097950
SVM
녹색건축 
인증여부
ε=0.2, C=4,
σ=2^(-6)
0.122910
0.092384
ε=0.5, C=8,
σ=2^(-7)
0.127856
0.096438
녹색건축 
인증여부, 
공실률
ε=0.5, C=2,
σ=2^(-5)
0.128763
0.096779
ε=0.2, C=4,
σ=2^(-6)
0.125172
0.093847
<표 8> 속성 선택 후 구축된 최적 모형의 성능
본 연구는 각 최종 임대료 산정 모형의 적용 가능
성을 검토하기 위해 모형별 성능 비교와 더불어, 자
동 평가 모형에 주로 적용되어 왔던 다중 회귀 모형
과의 비교를 실시하였고 그 결과는 <표 9>에 제시되
어 있다.
구분
제외변수
모형별 
초모수
RMSE
MAE
RF
녹색건축 
인증여부
ntree=300, 
mtry=10
0.132509
0.097491
ANN
size=45
0.124274
0.096639
SVM
ε=0.2, C=4, 
σ=2^(-6)
0.122910
0.092384
다중
회귀
-
-
0.127708
0.099873
<표 9> 각 방법별 최종 모형의 성능 비교
실험 데이터에 대한 성능은 서포트 벡터 머신 방법으로 
구축된 최종 모형이 가장 좋은 것으로 나타났고, 그 다음으로 
인공 신경망 방법으로 구축된 최종 모형의 성능이 좋은 것으
로 나타났다. 두 모형의 RMSE 모두 다중 회귀 모형의 RMSE
인 0.127708보다 낮은 것으로 나타난 반면에, 랜덤 포레스트 
방법으로 구축된 최종 모형의 RMSE는 다중 회귀 모형의 
RMSE 보다 높은 것으로 나타났다. 하지만 MAE를 기준으로 
성능을 비교할 시 랜덤 포레스트의 최종 모형이 다중 회귀 
모형보다 더 좋은 성능을 보인다고 할 수 있기 때문에 실제 
적용 가능성이 떨어진다고는 판단할 수는 없다.
3) Partial Dependence(PD) plot
본 연구는 <표 9>에서 가장 성능이 좋은 것으로 확인된 
서포트 벡터 머신 모형으로부터 PD plot을 도출하였고, 
그 결과는 <그림 3>과 같다. 
(a) 공실률
<그림 3> PD plot

S09 · PDF 17쪽

S09 PDF 17쪽

이 페이지 검색용 텍스트

머신 러닝 방법을 이용한 오피스 임대료 산정  39
  (b) 전용률
(c) 연면적
(d) 층수
(e) 연식
<그림 3> 계속
  (f) 승강기수
  (g) 주차대수
  (h) 강남권역
  (i) 도심권역

S09 · PDF 18쪽

S09 PDF 18쪽

이 페이지 검색용 텍스트

40  부동산학연구 제26집 제2호
  (j) 여의도권역
  (k) 기타권역
<그림 3> 계속
먼저, 공실률은 모형의 예측값과 양의 관계를 갖는 
것으로 확인되었다. 이는 투입되는 공실률 값이 높을수
록 모형이 높은 임대료를 산출한다는 것인데, 현재 서울
시 오피스 임대시장에서 건물의 공실이 발생하더라도 
임대인들이 물건의 가치 하락을 막기 위해 표면적인 순
운영소득을 어느 정도 유지하고자 오히려 호가 임대료
를 올리는 그러한 행태를 모형이 학습한 것으로 추정된
다. 만약 렌트 프리(rent free) 제공이나 실내 인테리어 
공사비 지원(tenant improvement) 등과 같이 공실을 
줄이기 위한 여러 노력에 따른 비용을 임대료에서 제한
다면 이와 반대되는 결과가 나타날 것으로 예상된다.
전용률은 모형의 예측값과 양의 관계를 갖는 것으로 
확인되었다. 이는 임차인이 임대료가 실제 업무공간으
로 환산되는 효율이 높은 건물을 선호하기 때문에 이에 
대한 지불의사금액이 높게 나타나는 것을 모형이 학습
한 것으로 추정된다. 
이 외에도 건물의 규모를 나타내는 연면적은 모형의 
예측값과 양의 관계, 건물의 랜드마크적 특성을 나타내
는 층수는 모형의 예측값과 양의 관계, 건물의 물리적 
노후화 정도의 대리변수인 연식은 모형의 예측값과 음
의 관계, 건물의 이용 편의성과 관련된 변수인 승강기수
는 모형의 예측값과 양의 관계를 갖는 것으로 나타났다. 
다만, 주차대수는 예측값과 2차 곡선 형태의 관계를 갖
는 것으로 나타났다. 이는 임대인의 입장에서 주차비가 
기타수익으로 발생하지만, 주요 주차공간이 지하 주차
장인 것을 고려한다면 주차 공간 마련에 따른 공사비 
증가 수준이 계속해서 상승하기 때문에 임대료 증가 수
준 또한 커지는 것을 모형이 학습한 것으로 추정된다.
권역 변수의 PD plot을 살펴보면, 해당 모형은 강남
권역에 소재한 오피스의 임대료를 그 외 오피스의 임대
료보다 더 높게, 도심권역에 소재한 오피스의 임대료를 
그 외 오피스의 임대료보다 더 높게, 여의도권역에 소재
한 오피스의 임대료를 그 외 오피스의 임대료보다 더 
낮게, 기타권역에 소재한 오피스의 임대료를 그 외 오피
스의 임대료보다 더 낮게 산정하는 것으로 나타났다.
구분
계수
표준오차
P값
상수항
20,761.99***
7,750.59
0.008
공실률
6,407.83
6,519.16
0.326
전용률
44,696.74***
13,026.65
0.001
연면적
0.203
0.223
0.362
층수
574.57***
196.43
0.004
연식
-32.26***
8.43
0.000
승강기수
1,295.27***
400.08
0.001
주차대수
-8.63**
3.67
0.019
녹색건축 
인증여부
-969.80
4,348.84
0.824
권역
강남
권역
16,358.81***
2,557.76
0.000
도심
권역
22,899.91***
2,767.07
0.000
기타
권역
-7,324.78**
2,979.60
0.015
Adj R²
0.5409
관측수
355
F값
34.85
주: 1) ***, **, * : 1%, 5%, 10% 이내에서 통계적으로 
유의함
    2) 전체 데이터 셋 관측치의 70%를 분석에 활용함
3) 권역변수의 기준은 여의도권역이며 이는 생략(omit)됨
<표 10> 다중 회귀 결과

S09 · PDF 19쪽

S09 PDF 19쪽

이 페이지 검색용 텍스트

머신 러닝 방법을 이용한 오피스 임대료 산정  41
본 연구는 추가적으로 PD plot과 다중 회귀 결과를 
비교하였다. 다중 회귀 결과는 <표 10>에 제시되어 있다. 
PD plot에서 나타난 영향 관계의 방향성은 다중 회귀 
계수의 부호와 대부분 유사하며 해석에 있어 주목해야 
할 부분이나 기존 연구들과의 큰 차이점은 없는 것으로 
나타났는데, 이는 구축된 머신 러닝 모형이 데이터로부
터 나타나는 오피스 임대 시장의 전반적인 특성을 적절히 
반영하고 있음을 의미한다. 하지만 종속변수와 설명변수 
간의 선형 관계를 가정하는 다중 회귀 모형에서는 발견할 
수 없는 비선형적 관계가 PD plot을 통해 확인되었다. 
더미 변수인 권역 변수들을 제외한 모든 특성 변수들은 
예측값과 완만한 곡선 형태의 관계를 갖는 것으로 나타났
는데, 특히 다중 회귀 결과 주차대수의 추정계수는 음의 
값으로 나타난 반면에 머신 러닝 모형의 PD plot에서는 
2차 곡선 형태를 보여 다중 회귀 계수로부터 단순히 해당 
변수가 임대료와 음의 영향 관계를 갖는다고 해석하기에
는 문제가 있는 것으로 확인되었다. 결과적으로 다중 회
귀 모형은 선형 가정으로 인해 계수가 과대 또는 과소 
추정되어있을 가능성이 있는 반면에 머신 러닝 모형은 
이러한 비선형적 관계를 반영하고 있어 상대적으로 성능
이 더 우수하게 나타난 것으로 판단된다. 
2. 규모 등급별 오피스 임대료 산정 모형 구축 결과
1) 초대형 오피스
초대형 등급 오피스에 대한 임대료 산정 모형의 구
축 결과는 <표 11>에 제시되어 있다. 
먼저 랜덤 포레스트의 경우 변수 중요도가 낮은 변
수들 중 여의도권역, 녹색건축 인증여부, 강남권역 변
수를 제외하였을 때 ntree가 200, mtry가 4인 최적 
모형의 성능이 가장 좋은 것으로 확인되었으며, 해당 
모형의 RMSE 값은 약 0.177713인 것으로 나타났다. 
인공 신경망의 경우 변수 중요도가 낮은 변수들 중 연
면적, 녹색건축 인증여부를 제외하였을 때 size가 10
인 최적 모형의 성능이 가장 좋은 것으로 확인되었으
며, 해당 모형의 RMSE 값은 약 0.245050으로 나타났
다. 서포트 벡터 머신의 경우 변수 중요도가 낮은 변수
들 중 녹색건축 인증여부를 제외하였을 때 ε이 0.5, 
가 4, 가 2^(-5)인 최적 모형의 성능이 가장 좋은 
것으로 확인되었으며, 해당 모형의 RMSE 값은 약 
0.184918으로 나타났다.
구분
제외변수
모형별 초모수
RMSE
MAE
RF
여의도
권역, 
녹색건축 
인증여부, 
강남권역
ntree=200,
mtry=4
0.177713
0.146459
ANN
연면적,
녹색건축 
인증여부
size=10
0.245050
0.193475
SVM
녹색건축 
인증여부
ε=0.5, C=4, 
σ=2^(-5)
0.184918
0.137292
다중
회귀
-
-
0.219610
0.170403
<표 11> 초대형 등급 오피스 임대료 산정 모형 구축 결과
머신 러닝 모형별 성능의 순위는 랜덤 포레스트 모
형, 서포트 벡터 머신 모형, 인공 신경망 모형 순으로 
나타났으며, 인공 신경망 모형은 다른 머신 러닝 모형
과 다중 회귀 모형보다 성능이 크게 떨어져 적용 가능
성이 낮은 것으로 확인되었다. 이에 본 연구는 가장 
성능이 좋은 것으로 확인된 랜덤 포레스트 모형으로부
터 PD plot을 도출하였고 그 결과는 <그림 4>와 같다.
  (a) 공실률
  (b) 전용률
<그림 4> PD plot - 초대형 오피스

S09 · PDF 20쪽

S09 PDF 20쪽

이 페이지 검색용 텍스트

42  부동산학연구 제26집 제2호
(c) 연면적
(d) 층수
(e) 연식
(f) 승강기수
<그림 4> 계속
(g) 주차대수
(h) 도심권역
(i) 기타권역
먼저, 공실률과 모형의 예측값 간의 관계는 특정
할 수 없는 것으로 나타났다. 이는 초대형 오피스들
의 특질(characteristics)이 상당히 상이하기 때문
에 임대시장에서 임대인들이 공실에 대해 각기 다른 
반응과 전략을 취하고 있다는 것을 모형이 학습했기 
때문이다. 전용률과 모형의 예측값 간의 관계는 구
간마다 다르지만 대략적으로 양의 관계를 갖는 것으
로 확인되었다. 연면적은 모형의 예측값과 대략적으
로 양의 관계를 갖는 것으로 확인되었다. 층수는 모
형의 예측값과 대략적으로 양의 관계를 갖는 것으로

S09 · PDF 21쪽

S09 PDF 21쪽

이 페이지 검색용 텍스트

머신 러닝 방법을 이용한 오피스 임대료 산정  43
확인되었다. 연식은 모형의 예측값과 대략적으로 음
의 관계를 갖는 것으로 확인되었다. 승강기수와 모
형의 예측값 간의 관계는 구간마다 다르지만 대략적
으로 양의 관계를 갖는 것으로 확인되었다. 주차대
수와 모형의 예측값 간의 관계는 일정구간에서 음의 
관계를 가진 후 다시 대략적으로 양의 관계를 갖는 
것으로 확인되었다. 권역 변수의 PD plot을 살펴보
면, 해당 모형은 도심권역에 소재한 오피스의 임대
료를 그 외 오피스의 임대료보다 더 높게, 기타권역
에 소재한 오피스의 임대료를 그 외 오피스의 임대
료보다 더 낮게 산정하는 것으로 나타났다.
2) 대형 오피스
대형 등급 오피스에 대한 임대료 산정 모형의 구축 결
과는 <표 12>에 제시되어 있다. 세 가지 머신 러닝 방법 
모두 제외한 변수가 없을 때의 최적 모형이 가장 성능이 
좋은 것으로 나타났다. 먼저 랜덤 포레스트의 경우 ntree
가 50, mtry가 8인 최적 모형의 성능이 가장 좋은 것으로 
확인되었으며, 해당 모형의 RMSE 값은 약 0.129731인 
것으로 나타났다. 인공 신경망의 경우 size가 5인 최적 
모형의 성능이 가장 좋은 것으로 확인되었으며, 해당 모
형의 RMSE 값은 약 0.158508인 것으로 나타났다. 서포
트 벡터 머신의 경우 ε이 0.1, 가 8, 가 2^(-7)인 최적 
모형의 성능이 가장 좋은 것으로 확인되었으며, 해당 모
형의 RMSE 값은 약 0.147432로 나타났다.
구분
제외변수
모형별 
초모수
RMSE
MAE
RF
-
ntree=50,
mtry=8
0.129731
0.103064
ANN
-
size=5
0.158508
0.119305
SVM
-
ε=0.1, C=8,
σ=2^(-7)
0.147432
0.112890
다중
회귀
-
-
0.187580
0.130274
<표 12> 대형 등급 오피스 임대료 산정 모형 구축 결과
머신 러닝 모형별 성능의 순위는 랜덤 포레스트 모형, 
서포트 벡터 머신 모형, 인공 신경망 모형 순으로 나타났으
며, 세 모형 모두 다중 회귀 모형보다 성능이 좋은 것으로 
확인되었다. 특히 랜덤 포레스트 모형의 성능은 다른 모형
의 성능보다 크게 앞서는 것으로 나타났다. 이에 본 연구는 
가장 성능이 좋은 것으로 확인된 랜덤 포레스트 모형으로
부터 PD plot을 도출하였고 그 결과는 <그림 5>와 같다.
(a) 공실률
(b) 전용률
(c) 연면적
(d) 층수
<그림 5> PD plot - 대형 오피스

S09 · PDF 22쪽

S09 PDF 22쪽

이 페이지 검색용 텍스트

44  부동산학연구 제26집 제2호
(e) 연식
  (f) 승강기수
  (g) 주차대수
  (h) 녹색건축 인증여부
<그림 5> 계속
(i) 강남권역
(j) 도심권역
(k) 여의도권역
(l) 기타권역

S09 · PDF 23쪽

S09 PDF 23쪽

이 페이지 검색용 텍스트

머신 러닝 방법을 이용한 오피스 임대료 산정  45
먼저, 공실률과 모형의 예측값 간의 관계는 특정할 
수 없는 것으로 나타났다. 이는 초대형 오피스와 마찬
가지로 대형 오피스의 임대인들이 물건의 공실에 대해 
저마다 상이한 태도를 보이고 있다는 것을 의미한다. 
전용률은 모형의 예측값과 대략적으로 양의 관계를 갖
는 것으로 확인되었다. 연면적과 모형의 예측값 간의 
관계는 음인 구간도 몇몇 존재하지만 대략적으로 양의 
관계를 갖는 것으로 확인되었다. 층수와 모형의 예측
값 간의 관계는 대략적으로 양의 관계를 보이다 약 
0.387218지점 이후 음의 관계를 보이는 것으로 나타
났다. 연식은 모형의 예측값과 대략적으로 음의 관계
를 갖는 것으로 확인되었다. 승강기수와 모형의 예측
값 간의 관계는 대략적으로 양의 관계를 보이다 0.6지
점에서 단절이 발생하는 것으로 나타났다. 주차대수는 
모형의 예측값과 대략적으로 음의 관계를 갖는 것으로 
확인되었다. 해당 모형은 녹색건축 인증 오피스의 임
대료를 비인증 오피스의 임대료보다 더 높게 산정하는 
것으로 나타났다. 권역 변수의 PD plot을 살펴보면, 
해당 모형은 강남권역에 소재한 오피스의 임대료를 그 
외 오피스의 임대료보다 더 높게, 도심권역에 소재한 
오피스의 임대료를 그 외 오피스의 임대료보다 더 높
게, 여의도권역에 소재한 오피스의 임대료를 그 외 오
피스의 임대료보다 더 낮게, 기타권역에 소재한 오피
스의 임대료를 그 외 오피스의 임대료보다 더 낮게 산
정하는 것으로 나타났다.
3) 중대형 오피스
중대형 등급 오피스에 대한 임대료 산정 모형의 구
축 결과는 <표 13>에 제시되어 있다. 먼저 랜덤 포레스
트의 경우 변수 중요도가 낮은 변수들 중 녹색건축 인
증여부, 도심권역 변수를 제외하였을 때 ntree가 100, 
mtry가 10인 최적 모형의 성능이 가장 좋은 것으로 
확인되었으며, 해당 모형의 RMSE 값은 약 0.161520
인 것으로 나타났다. 인공 신경망의 경우 변수 중요도
가 낮은 변수들 중 녹색건축 인증여부, 주차대수를 제
외하였을 때 size가 5인 최적 모형의 성능이 가장 좋은 
것으로 확인되었으며, 해당 모형의 RMSE 값은 약 
0.174484인 것으로 나타났다. 서포트 벡터 머신의 경
우 변수 중요도가 낮은 변수들 중 공실률, 녹색건축 인
증여부를 제외하였을 때 ε이 0.3, 가 8, 가 2^(-6)
인 최적 모형의 성능이 가장 좋은 것으로 확인되었으
며, 해당 모형의 RMSE 값은 약 0.148856로 나타났다. 
구분
제외변수
모형별 
초모수
RMSE
MAE
RF
녹색건축 
인증여부, 
도심권역
ntree=100, 
mtry=10
0.161520
0.130699
ANN
녹색건축 
인증여부, 
주차대수
size=5
0.174484
0.136855
SVM
공실률,
녹색건축 
인증여부
ε=0.3, C=8, 
σ=2^(-6)
0.148856
0.121768
다중
회귀
-
-
0.202637
0.145645
<표 13> 중대형 등급 오피스 임대료 산정 모형 구축 결과
머신 러닝 모형별 성능의 순위는 서포트 벡터 머신 모형, 
랜덤 포레스트 모형, 인공 신경망 모형 순으로 나타났으며, 
세 모형 모두 다중 회귀 모형보다 성능이 좋은 것으로 확인
되었다. 특히 서포트 벡터 머신 모형의 성능은 다른 모형의 
성능보다 크게 앞서는 것으로 나타났다. 이에 본 연구는 
가장 성능이 좋은 것으로 확인된 서포트 벡터 머신 모형으
로부터 PD plot을 도출하였고 그 결과는 <그림 6>과 같다.
(a) 전용률
(b) 연면적
<그림 6> PD plot - 중대형 오피스

S09 · PDF 24쪽

S09 PDF 24쪽

이 페이지 검색용 텍스트

46  부동산학연구 제26집 제2호
(c) 층수
(d) 연식
(e) 승강기수
(f) 주차대수
<그림 6> 계속
(g) 강남권역
(h) 도심권역
(i) 여의도권역
(j) 기타권역

S09 · PDF 25쪽

S09 PDF 25쪽

이 페이지 검색용 텍스트

머신 러닝 방법을 이용한 오피스 임대료 산정  47
먼저, 전용률은 모형의 예측값과 양의 관계를 갖는 
것으로 확인되었다. 연면적은 모형의 예측값과 양의 
관계를 갖는 것으로 확인되었다. 층수는 모형의 예측
값과 양의 관계를 갖는 것으로 확인되었다. 연식은 모
형의 예측값과 음의 관계를 갖는 것으로 확인되었다. 
승강기수는 모형의 예측값과 양의 관계를 갖는 것으로 
확인되었다. 주차대수는 모형의 예측값과 2차 곡선 형
태의 관계를 갖는 것으로 확인되었다. 권역 변수의 PD 
plot을 살펴보면, 해당 모형은 강남권역에 소재한 오피
스의 임대료를 그 외 오피스의 임대료보다 더 높게, 
도심권역에 소재한 오피스의 임대료를 그 외 오피스의 
임대료보다 더 높게, 여의도권역에 소재한 오피스의 
임대료를 그 외 오피스의 임대료보다 더 낮게, 기타권
역에 소재한 오피스의 임대료를 그 외 오피스의 임대료
보다 더 낮게 산정하는 것으로 나타났다.
4) 중형 오피스
중형 등급 오피스에 대한 임대료 산정 모형의 구축 
결과는 <표 14>에 제시되어 있다. 
구분
제외변수
모형별 
초모수
RMSE
MAE
RF
녹색건축 
인증여부
ntree=500, 
mtry=2
0.140644
0.121333
ANN
 주차대수
size=50
0.206544
0.166937
SVM
주차대수,
녹색건축 
인증여부, 
승강기수, 
공실률
ε=0.1, C=16,
σ=2^(-9)
0.133084
0.107672
다중
회귀
-
-
0.141731
0.112353
<표 14> 중형 등급 오피스 임대료 산정 모형 구축 결과
먼저 랜덤 포레스트의 경우 변수 중요도가 낮은 변
수들 중 녹색건축 인증여부를 제외하였을 때 ntree가 
500, mtry가 2인 최적 모형의 성능이 가장 좋은 것으
로 확인되었으며, 해당 모형의 RMSE 값은 약 
0.140644인 것으로 나타났다. 인공 신경망의 경우 변
수 중요도가 낮은 변수들 중 주차대수를 제외하였을 
때 size가 50인 최적 모형의 성능이 가장 좋은 것으로 
확인되었으며, 해당 모형의 RMSE 값은 약 0.206544
인 것으로 나타났다. 서포트 벡터 머신의 경우 변수 
중요도가 낮은 변수들 중 주차대수, 녹색건축 인증여
부, 승강기수, 공실률을 제외하였을 때 ε이 0.1, 가 
16, 가 2^(-9)인 최적 모형의 성능이 가장 좋은 것으
로 확인되었으며, 해당 모형의 RMSE 값은 약 
0.133084로 나타났다.
머신 러닝 모형별 성능의 순위는 서포트 벡터 머신 
모형, 랜덤 포레스트 모형, 인공 신경망 모형 순으로 나
타났으며, 인공 신경망 모형은 다른 머신 러닝 모형과 
다중 회귀 모형보다 성능이 크게 떨어져 적용 가능성이 
낮은 것으로 확인되었다. 이에 본 연구는 가장 성능이 
좋은 것으로 확인된 서포트 벡터 머신 모형으로부터 PD 
plot을 도출하였고 그 결과는 <그림 7>과 같다.
(a) 전용률
(b) 연면적
<그림 7> PD plot - 중형 오피스

S09 · PDF 26쪽

S09 PDF 26쪽

이 페이지 검색용 텍스트

48  부동산학연구 제26집 제2호
(c) 층수
(d) 연식
(e) 강남권역
(f) 도심권역
<그림 7> 계속
(g) 여의도권역
(h) 기타권역
먼저, 전용률은 모형의 예측값과 양의 관계를 갖는 
것으로 확인되었다. 연면적은 모형의 예측값과 양의 
관계를 갖는 것으로 확인되었다. 층수는 모형의 예측
값과 양의 관계를 갖는 것으로 확인되었다. 연식은 모
형의 예측값과 음의 관계를 갖는 것으로 확인되었다. 
권역 변수의 PD plot을 살펴보면, 해당 모형은 강남권
역에 소재한 오피스의 임대료를 그 외 오피스의 임대료
보다 더 높게, 도심권역에 소재한 오피스의 임대료를 
그 외 오피스의 임대료보다 더 높게, 여의도권역에 
소재한 오피스의 임대료를 그 외 오피스의 임대료보
다 더 낮게, 기타권역에 소재한 오피스의 임대료를 
그 외 오피스의 임대료보다 더 낮게 산정하는 것으로 
나타났다.
<표 15>는 등급별 모형별 PD plot으로부터 확인 가
능한 예측값과 투입변수 간 영향 관계를 종합ㆍ비교한 
표이다. 먼저 공실률의 경우 PD plot이 진동하는 형태
를 보여 예측값과의 관계를 특정할 수 없거나 사전에 
속성 선택 과정에서 제외되었다. 이는 공실에 대해 임
대인들이 각기 상이한 전략을 취하고 있기 때문이며 
본 연구에서 사용한 분석자료의 임대료 정보가 호가

S09 · PDF 27쪽

S09 PDF 27쪽

이 페이지 검색용 텍스트

머신 러닝 방법을 이용한 오피스 임대료 산정  49
임대료라는 한계로부터 기인한 것으로 추정된다. 임차
인이 지불하는 임대료가 실제 업무공간으로 치환되는 
정도를 나타내는 전용률과 건물의 규모를 나타내는 연
면적은 네 모형에서 모두 예측값과 양의 관계를 갖는 
것으로 확인되었고 이는 기존 연구들의 분석 결과 및 
직관에 어긋나지 않는 결과이다. 층수의 경우 대형 오
피스 모형을 제외하고 예측값과 양의 관계를 갖는 것으
로 나타났고 대형 오피스 모형에서는 양의 관계를 보이
다 특정 지점 이후 음의 관계를 보이는 것으로 나타났
다. 이는 대형 오피스가 중대형 오피스와 중형 오피스
에 비해 건물 규모가 더 크기 때문에 점유자(occupier)
수가 많아 층수 증가에 따른 랜드마크적 효과보다는 
승강기 이용 증가에 따른 불편성이 임차 수요에 더 큰 
영향을 미치고 있음을 모형이 학습한 것으로 추정되
며, 초대형 오피스 모형의 PD plot에서도 초기 구간을 
제외하고는 층수 증가에 따른 예측값 증가 오름세가 
크지 않은 것도 이러한 점에 연유하는 것으로 추정된
다. 건물의 노후화 정도를 나타내는 연식은 네 모형에
서 모두 예측값과 음의 관계를 갖는 것으로 확인되었고 
이 또한 기존 연구들의 분석 결과 및 직관에 어긋나지 
않는 결과이다. 승강기수는 초대형 오피스 모형과 중
대형 오피스 모형에서 예측값과 양의 관계를 갖는 것으
로 확인되었다. 대형 오피스 모형의 경우 승강기수는 
예측값과 양의 관계를 보이다 약 0.39지점에서 단절이 
발생하였고 이를 역변환하여 승강기수 약 7대에서 단
절이 이루어졌다고 볼 수 있다. 이는 적정 수준 이상의 
승강기수는 대형 오피스에 대한 임차 수요에 영향을 
미치지 못하며 초대형 오피스 모형의 승강기수 PD 
plot에서도 이러한 점을 발견할 수 있다. 중형 오피스
의 경우 층수가 상대적으로 높지 않기 때문에 승강기수 
변수의 중요도가 떨어져 속성 선택 과정에서 제외되었
다. 주차대수의 경우 초대형 오피스 모형과 중대형 오
피스 모형에서는 예측값과 음의 관계를 보이다 양의 
관계로 전환되는 것으로 나타났고, 이는 임대인에게 
주차비가 기타수익으로 발생하는 반면에 주차 공간 마
련을 위한 지하 주차장 공사비 증가 수준이 계속해서 
상승하여 임대료 수준 또한 상승하기 때문인 것으로 
추정된다. 대형 오피스 모형에서는 주차대수가 전반적
으로 예측값과 음의 관계를 보였지만 PD plot상 초기 
구간의 하락세 이후 큰 하락세가 나타나지 않는 것도 
이러한 점에서 연유하는 것으로 추정된다. 중형 오피
스의 경우 주차대수 변수의 중요도가 떨어져 속성 선택 
과정에서 제외되었다. 녹색건축 인증여부 변수는 대형 
오피스 모형을 제외한 세 모형에서 변수의 중요도가 
떨어지는 것으로 나타나 속성 선택 과정에서 제외되었
다. 대형 오피스 모형에서는 녹색건축 인증여부가 예
측값과 양의 관계를 갖는 것으로 나타났는데, 이는 대
형 오피스 임대 시장에서는 친환경 건물에서 나타나는 
에너지 효율성에 따른 관리비 감소분을 임대인들이 차
지하고 있음을 의미한다. 권역 변수의 경우 공통적으
로 강남권역 변수는 예측값과 양의 관계를, 도심권역 
변수는 예측값과 양의 관계를, 여의도권역 변수는 예
측값과 음의 관계를, 기타권역 변수는 예측값과 음의 
관계를 갖는 것으로 나타났다. 다만 초대형 오피스 임
차 수요자들의 경우 권역을 벗어나는 이동이 늘고 있어 
강남권역, 여의도권역에 위치한 것에 따른 임대료 프
리미엄은 존재하지 않는 것으로 나타났다.
변수명
초대형 
오피스
대형 
오피스
중대형 
오피스
중형 
오피스
공실률
특정할 
수 없음
특정할 
수 없음
제외
제외
전용률
+
+
+
+
연면적
+
+
+
+
층수
+
+ → -
+
+
연식
-
-
-
-
승강기수
+
+ 이후 
단절 
+
제외
주차대수
- → +
-
- → +
제외
녹색건축 
인증여부
제외
+
제외
제외
권역
강남
권역
제외
+
+
+
도심
권역
+
+
+
+
여의도
권역
제외
-
-
-
기타
권역
-
-
-
-
<표 15> 등급별 모형별 PD plot 결과 종합

S09 · PDF 28쪽

S09 PDF 28쪽

이 페이지 검색용 텍스트

50  부동산학연구 제26집 제2호
Ⅴ. 결론
전통적인 오피스 임대료 산정 방식인 임대사례비교
법과 적산법은 평가자의 주관이 다소 반영된다는 문제
점이 있어 이와 상호 보완할 객관적인 산정 방법의 필
요가 제기되고 있다. 이에 본 연구는 최근 주거용 부동
산을 대상으로 한 AVM 관련 연구에서 보편적으로 활
용되고 있는 랜덤 포레스트, 인공 신경망, 서포트 벡터 
머신을 사용하여 오피스 임대료 산정 모형을 구축하고 
이들의 적용 가능성을 검토하였다.
먼저, 표본 전체 507동의 오피스를 대상으로 하여 
각 방법별로 초모수를 다양하게 조절함으로써 최적 모
형을 구축한 결과, 최적 모형별 성능의 순위는 서포트 
벡터 머신 모형, 랜덤 포레스트 모형, 인공 신경망 모형 
순으로 나타났다. 이어 각 최적 모형별로 변수 중요도
가 상대적으로 낮은 변수들을 제외하는 속성 선택을 
수행하였고, 그 결과 인공 신경망의 성능 개선 정도가 
가장 크게 발생한 반면에 랜덤 포레스트의 성능 개선 
정도는 미미하여 성능의 순위가 서포트 벡터 머신 모
형, 인공 신경망 모형, 랜덤 포레스트 모형 순으로 바뀌
었다. 다만 랜덤 포레스트 모형의 경우 다중 회귀 모형
보다 RMSE가 다소 높은 것으로 나타났는데, MAE는 
더 낮은 것으로 나타나 실제 적용 가능성이 떨어진다고 
판단할 수는 없었다.
또한 모형의 학습 결과를 해석하기 위해 가장 성능
이 좋은 것으로 나타난 서포트 벡터 머신 모형을 대상
으로 PD plot을 도출하였다. 해당 모형은 공실률이 높
을수록, 전용률이 높을수록, 연면적이 클수록, 층수가 
높을수록, 연식이 낮을수록, 승강기수가 많을수록 임
대료를 높게 산출하는 것으로 나타났고, 주차대수가 
높을수록 임대료를 낮게 산출하다 그 기울기가 점차 
증가하여 특정 지점 이후 높게 산출하는 2차 곡선의 
형태를 보이는 것으로 나타났다. 그리고 강남권역과 
도심권역에 소재한 오피스의 임대료를 더 높게 산출하
는 것으로, 여의도권역과 기타권역에 소재한 오피스의 
임대료를 더 낮게 산출하는 것으로 나타났다.
추가적으로 표본을 초대형, 대형, 중대형, 중형 등급
으로 나누어 각 등급별 임대료 산정 모형을 각각 구축
하였다. 초대형 등급의 경우 인공 신경망 모형은 성능
이 크게 떨어져 적용 가능성이 낮은 것으로 확인되었
고, 랜덤 포레스트 모형의 성능이 가장 우수한 것으로 
나타났다. 본 모형에서 전용률, 연면적, 층수, 승강기
수는 예측값과 대략적으로 양의 관계를, 연식은 예측
값과 대략적으로 음의 관계를 갖는 것으로 나타났고, 
주차대수는 음의 관계를 가진 후 다시 대략적으로 양의 
관계를 갖는 것으로 나타났다. 공실률과 예측값 간의 
관계는 특정할 수 없었다. 그리고 도심권역에 소재한 
오피스의 임대료를 더 높게 산출하는 것으로, 기타권
역에 소재한 오피스의 임대료를 더 낮게 산출하는 것으
로 나타났다.
대형 등급의 경우 세 가지 머신 러닝 모형 모두 다중 
회귀 모형보다 성능이 좋은 것으로 나타났고, 특히 랜
덤 포레스트 모형의 성능은 다른 모형의 성능보다 크게 
앞서는 것으로 나타났다. 본 모형에서 전용률과 연면
적은 예측값과 대략적으로 양의 관계를, 연식과 주차
대수는 음의 관계를 갖는 것으로 나타났다. 층수는 예
측값과 대략적으로 양의 관계를 보이다 특정 지점 이후 
음의 관계를 갖는 것으로 나타났고, 승강기수는 예측
값과 대략적으로 양의 관계를 보이다 특정 지점에서 
단절이 발생하는 것으로 나타났다. 공실률과 예측값 
간의 관계는 특정할 수 없었다. 그리고 녹색건축 인증 
오피스의 임대료를 더 높게 산출하는 것으로, 강남권
역과 도심권역에 소재한 오피스의 임대료를 더 높게 
산출하는 것으로, 여의도권역과 기타권역에 소재한 오
피스의 임대료를 더 낮게 산출하는 것으로 나타났다.
중대형 등급의 경우 세가지 머신 러닝 모형 모두 다
중 회귀 모형보다 성능이 좋은 것으로 나타났고, 특히 
서포트 벡터 머신 모형의 성능은 다른 모형의 성능보다 
크게 앞서는 것으로 나타났다. 본 모형에서 전용률, 연
면적, 층수, 승강기수는 예측값과 양의 관계를, 연식은 
음의 관계를 갖는 것으로 나타났고, 주차대수는 2차 곡
선 형태의 관계를 갖는 것으로 나타났다. 그리고 강남
권역과 도심권역에 소재한 오피스의 임대료를 더 높게 
산출하는 것으로, 여의도권역과 기타권역에 소재한 오
피스의 임대료를 더 낮게 산출하는 것으로 나타났다.
중형 등급의 경우 인공 신경망 모형은 성능이 크게 
떨어져 적용 가능성이 낮은 것으로 확인되었고, 서포
트 벡터 머신 모형의 성능이 가장 우수한 것으로 나타
났다. 본 모형에서 전용률, 연면적, 층수는 예측값과 
양의 관계를, 연식은 음의 관계를 갖는 것으로 나타났
다. 그리고 강남권역과 도심권역에 소재한 오피스의 
임대료를 더 높게 산출하는 것으로, 여의도권역과 기
타권역에 소재한 오피스의 임대료를 더 낮게 산출하는

S09 · PDF 29쪽

S09 PDF 29쪽

이 페이지 검색용 텍스트

머신 러닝 방법을 이용한 오피스 임대료 산정  51
것으로 나타났다. 
본 연구의 의의는 다음과 같다. 첫째, 다양한 머신 
러닝 방법을 사용하여 오피스 임대료 산정 모형을 구축
하고자 하였다는 점이다. 회귀 문제에 적용이 가능한 
머신 러닝 방법들을 이용하여 주거용 부동산의 가치 
산정을 시도한 연구들이 최근 활발히 이루어졌던 반면
에 상업용 부동산을 대상으로 한 관련 연구는 찾아보기 
힘든 실정이다. 이에 본 연구는 객관적으로 오피스 임
대료를 산정할 방법으로 랜덤 포레스트, 인공 신경망, 
서포트 벡터 머신의 적용 가능성을 검토하고자 하였다
는 점에서 의의를 갖는다. 시장 참여자들은 다양한 머
신 러닝 방법을 통해 임대료를 산정하고, 이를 전통적
인 방법으로 산정된 임대료와 적절히 상호 보완하여 
활용함으로써 다양한 의사결정을 내릴 수 있을 것이
다. 둘째, PD plot을 통해 모형의 학습 결과에 대한 
해석을 시도하였다는 점이다. 기존의 선행연구들이 대
부분 예측 중심의 연구였다면, 본 연구는 PD plot을 
통해 모형의 예측값과 특정 투입변수 간의 관계를 시각
적으로 나타내어 이를 해석함으로써 학습이 제대로 이
루어졌는지 확인하였다는 점에서 의의를 갖는다. 마지
막으로, 규모 등급별 임대료 산정 모형을 각각 구축하
여 그 결과를 제시하였다는 점이다. 본 연구는 건물의 
규모에 따라 시장 특성이 세분화되고 있다는 것에 착안
하여 규모를 기준으로 하위시장을 나누고 각 하위시장 
별로 서로 다른 산정 모형을 구축하고자 하였다. 그 
결과, 각 등급별로 가장 좋은 성능을 보였던 방법과 
그에 대한 초모수 및 제외변수가 각기 상이하였고 PD 
plot 또한 차이를 보였다는 점을 통해 규모 등급별 분
석의 필요성을 입증하였다는 점에서 의의를 갖는다.
본 연구는 다양한 머신 러닝 방법 중 3가지 알고리즘 
랜덤 포레스트, 인공 신경망, 서포트 벡터 머신을 활용
하여 오피스 임대료 산정 모형을 구축하고자 하였다. 
하지만 최근 그래디언트 부스티드 트리, XGBoost, 
MARS, DNN 등 새로운 머신 러닝 알고리즘들이 속속
히 등장하고 있기 때문에 이러한 신규 방법론들의 적용 
가능성을 검토하는 후속 연구가 필요하다. 
또한 본 연구에서 모형의 해석에 활용한 PD plot은 
방법론 자체의 한계점이 존재한다. PD값은 고정된 관
심 변수 에 대해 모든 
의 속성 공간에서의 예측값
의 평균값이다. 즉 PD값을 플롯함으로써 도출된 그래
프인 PD plot은 평균 효과만을 나타내기 개별 관측치
별 이질적 효과를 고려하지 못하고, 평균을 취하는 과
정에서 효과가 상쇄되었을 가능성 또한 존재한다. 따
라서 ICE plot(Individual Conditional Expectation 
Plot)을 통해 관측치별 이질적인 효과를 검토하는 후속 
연구 또한 필요하다.
머신 러닝 방법은 데이터 특성에 따라 최적 모형의 
초모수와 성능이 상당히 상이할 수 있다. 즉 연구자마
다 최적 모형을 구축하기위한 일련의 과정들을 반드시 
거쳐야 하며, 이에 각 방법별로 변수 중요도, 성능 순
위, PD plot의 결과 또한 달라질 수 있다는 한계점을 
가진다. 따라서 연구자들은 초모수를 최대한으로 세밀
하게 조절해가며 모형을 구축해야 할 것이다. 또한 각 
머신 러닝 방법별로 특성이 다르기 때문에 성능을 기준
으로 최종 모형을 선택하는 것에서 더 나아가, 모형별 
결과를 가중평균 하는 등 여러 방법들의 결과를 함께 
적절히 활용하여 의사결정을 내릴 필요가 있다.
논문접수일 : 2020년  2월 21일
논문심사일 : 2020년  2월 24일
게재확정일 : 2020년  4월  6일

S09 · PDF 30쪽

S09 PDF 30쪽

이 페이지 검색용 텍스트

52  부동산학연구 제26집 제2호
참고문헌
1. 김선주ㆍ이상엽, “오피스 임대료 결정 모형에 관한 연구 - 회
귀분석과 신경망 이론을 중심으로 -”, ｢지역연구｣ 제24권 제2
호, 2008, pp. 3-26
2. 김성진ㆍ유은정ㆍ정민규ㆍ김재경ㆍ안현철, “감정예측모형의 
성과개선을 위한 Support Vector Regression 응용”, ｢지능
정보연구｣ 제18권 제3호, 2012, pp. 185-202
3. 김의준ㆍ김용환, “서울시 오피스 임대료 결정요인의 변화분
석”, ｢지역연구｣ 제22권 제2호, 2006, pp. 79-96
4. 김태훈ㆍ홍한국, “회귀모형과 신경망모형을 이용한 아파트 
가격 모형에 관한 연구”, ｢The Korea Spatial Planning 
Review｣ 제43권, 2004, pp. 183-200
5. 나성호ㆍ김종우, “공공데이터를 활용한 아파트 매매 가격 결
정 모형의 예측능력 비교”, ｢한국지적정보학회지｣ 제21권 제
1호, 2019, pp. 3-12
6. 남영우ㆍ이정민, “아파트시장예측을 위한 신경망분석 적용가
능성에 대한 연구”, ｢한국건설관리학회논문집｣ 제7권 제2호, 
2006, pp. 162-170
7. 문근식ㆍ최재규ㆍ이현석, “데이터마이닝기법을 활용한 강남
구 중소형 오피스빌딩의 매매가격 결정요인 분석”, ｢한국콘텐
츠학회논문지｣ 제15권 제7호, 2015, pp. 414-427
8. 배성완ㆍ유정석, “기계 학습을 이용한 공동주택 가격 추정: 
서울 강남구를 사례로”, ｢부동산학연구｣ 제24권 제1호, 2018, 
pp. 69-85
9. 배성완ㆍ유정석, “표본 주택 가격 기반 부동산 가격지수 산정: 
머신 러닝 방법의 활용을 중심으로”, ｢주택연구｣ 제26권 제4
호, 2018, pp. 53-74
10. 변기영ㆍ이창수, “서울시 오피스 임대료 결정구조에 관한 연
구”, ｢국토계획｣ 제39권 제3호, 2004, pp. 205-219
11. 양영준ㆍ오세준, “서울시 오피스의 임대료 결정요인 분석 
- 호가임대료와 실질임대료를 대상으로-”, ｢부동산학보｣ 제
71권, 2017, pp. 134-146
12. 오지훈ㆍ김정섭, “머신러닝을 활용한 서울시 아파트 물리적 
특성 변수들의 비선형 영향 분석: 다변량 적응 회귀 스플라
인 모형의 적용”, ｢감정평가학 논집｣ 제17권 제3호, 2018, 
pp. 5-26
13. 윤여신, “오피스 빌딩의 등급 표준화 필요성에 관한 소고”, 
｢부동산연구원 부동산포커스｣ 제54권, 2012, pp. 39-50
14. 이재우, “빌딩규모 구분에 의한 서울 오피스시장 현황과 특
성차이”, ｢부동산연구｣ 제15권 제2호, 2005, pp. 51-65
15. 이창로ㆍ박기호, “단독주택가격 추정을 위한 기계학습 모형
의 응용”, ｢대한지리학회지｣ 제51권 제2호, 2016, pp. 219- 
233
16. 장상규ㆍ김민철, “오피스 빌딩 임대관리 Insight”, 보성인쇄
기획, 2018
17. Breiman, L., “Random forests”, Machine Learning, vol. 
45 no. 1, 2001, pp. 5-32
18. Deng, N., Tian, Y., and Zhang, C., “Support Vector 
Machines: Optimization Based Theory, Algorithms, and 
Extensions”, CRC Press, 2012
19. Fisher, A., Rudin, C., and Dominici, F., “All Models are 
Wrong, but Many are Useful: Learning a Variable’s 
Importance by Studying an Entire Class of Prediction 
Models Simultaneously”, Journal of Machine Learning 
Research, vol. 20 no. 177, 2019, pp. 1-81
20. Friedman, J. H., “Greedy function approximation: A 
gradient boosting machine”, Annals of Statistics, vol. 
29 no. 5, 2001, pp. 1189-1232
21. Hastie, T., Tibshirani, R., and Friedman, J., “The 
Elements of Statistical Learning: Data Mining, 
Inference, and Prediction, Second Edition”, Springer 
Series in Statistics, 2009
22. Heaton, J., “Introduction to Neural Networks with 
Java, 2nd Edition”, Heaton Research, 2008
23. Johnson, L., AVMs: An international comparison of the 
opportunities and challenges, In 26th Annual European 
Real Estate Society Conference, 2019
24. Kim, H. H., Kang, S. H., Park, J. H., Ha, H. H., and Lim, 
D. H., “Noise Removal using Support Vector 
Regression in Noisy Document Images”, Korean 
Journal of Applied Statistics, vol. 25 no. 4, pp. 2012, 
pp. 669-680
25. Kok, N., Koponen, E. L., and Martinex-Barbosa, C. A., 
“Big Data in Real Estate?”, The Journal of Portfolio 
Management, vol. 43 no. 6, 2017, pp. 202-211
26. Kontrimas, V. and Verikas, A., “The mass appraisal of 
the real estate by computational intelligence”, Applied 
Soft Computing Journal, vol. 11 no. 1, 2011, pp. 
443-448
27. Peterson, S. and Flanagan, A. B., “Neural network 
hedonic pricing models in mass real estate appraisal”, 
Journal of Real Estate Research, vol. 31 no. 2, 2009, 
pp. 147-164
28. Rumelhart, D. E., Hinton, G. E., and Williams, R. J., 
“Learning internal representations by error propagation”, 
parallel distributed processing: explorations in the 
microstructure of cognition, vol. 1, 1986, pp. 318-362
29. Smola, A. J. and Scholkopf, B., “A tutorial on support 
vector regression”, Statistics and Computing, vol. 14, 
2004, pp. 199-222
30. Vapnik, V., Golowich, S. E., and Smola, A., “Support 
vector method for function approximation, regression 
estimation, and signal processing”, Advances in Neural 
Information Processing Systems, vol. 9, 1997, pp. 
281-287

S09 · PDF 31쪽

S09 PDF 31쪽

이 페이지 검색용 텍스트

머신 러닝 방법을 이용한 오피스 임대료 산정  53
본 연구는 최근 자동 평가 모형과 관련한 연구에서 보편적으로 활용되고 있는 랜덤 포레스트, 인공 신경망, 서
포트 벡터 머신을 사용하여 오피스 임대료 산정 모형을 구축하고 이들의 적용 가능성을 검토하였다. 이를 위해 
서울시에 소재한 507동 오피스의 임대 조사 자료를 활용하여 각 방법별 최적 모형을 구축하고 이들의 성능을 비
교하였고, 가장 좋은 성능을 보인 모형으로부터 PD plot을 도출하였다. 표본 전체를 대상으로 하여 임대료 산정 
모형을 구축한 결과, 모형별 성능의 순위는 서포트 벡터 머신 모형, 인공 신경망 모형, 랜덤 포레스트 모형 순으로 
나타났고, 서포트 벡터 머신 모형으로부터 PD plot을 도출하여 해당 모형이 공실률이 높을수록, 전용률이 높을수
록, 연면적이 클수록, 층수가 높을수록, 연식이 낮을수록, 승강기수가 많을수록 임대료를 높게 산출하는 것을 확
인하였다. 주차대수는 모형의 예측값과 2차 곡선의 형태를 보이는 것으로 나타났다. 추가적으로 표본을 초대형, 
대형, 중대형, 중형 등급으로 나누어 각 규모 등급별 임대료 산정 모형을 각각 구축하고 이들의 PD plot을 도출하
였다. 본 연구는 다양한 머신 러닝 방법을 사용하여 오피스 임대료 산정 모형을 구축하고자 하였다는 점, PD plot
을 통해 모형의 학습 결과에 대한 해석을 시도하였다는 점, 규모 등급별 임대료 산정 모형을 각각 구축하여 그 
결과를 제시함으로써 규모 등급별 분석의 필요성을 입증하였다는 점에서 의의를 갖는다.
주 제 어 : 오피스 임대료 모형, 머신 러닝 방법, 랜덤 포레스트, 인공 신경망, 서포트 벡터 머신
<국문요약>
머신 러닝 방법을 이용한 오피스 임대료 산정
-랜덤 포레스트, 인공 신경망, 서포트 벡터 머신 활용을 중심으로-
정 성 훈 (Jeong, Sung-Hoon)
진 창 하 (Jin, Changha)

S10 · 몸 키우는 상장리츠, 유상증자·회사채로 ‘실탄 장전’.pdf · 2쪽 — 원문 펼치기

S10 · PDF 1쪽

S10 PDF 1쪽

이 페이지 검색용 텍스트

08   www.econovill.com
| COVER STORY | 금리인하에 뭉칫돈…덩치 키우는 리츠
최근 금리 인하기 유망 투자처로 ‘리츠주’가 떠오른 가
운데, 국내 상장리츠들이 잇따라 유상증자 계획을 발
표하는 등 몸집 불리기를 본격화하고 있다.
9월 27일 금융투자업계에 따르면, 현재 유상증자를 
진행 중인 상장리츠는 롯데리츠(1674억원), 삼성FN리
츠(655억원), 이지스레지던스리츠(328억원), 코람코라
이프인프라리츠(400억원), 신한알파리츠(2000억원), 
한화리츠(4736억원)등으로 총 6곳이다.
통상 일반 상장사가 유상증자를 발표할 경우, 주식 
수가 늘어나 주주들의 지분가치가 희석될 수 있어 주
가를 끌어내리는 요인으로 여겨진다.
반면 리츠의 경우는 유상증자를 통해 확보한 자금으
로 우량한 신규 자산을 편입하는 사례가 많아, 주가 
부양의 효과가 있다는 평가를 받는다.
특히 최근 미국 연방준비제도의 금리 인하로 글로벌 
저금리 기조가 공고해진 만큼, 증권업계에서는 국내 
상장리츠들의 유상증자 계획을 더욱 긍정적으로 평가
하고 있다. 조달금리가 낮아지며 국내외 부동산 시장
이 되살아날 것이란 기대감이 커진 시기에 맞춰, 적극
적으로 우량 자산을 편입하면서 적절한 몸집 불리기
에 나서고 있다는 의미다.
상장리츠, 유상증자로 우량 자산 확보에 ‘힘’ 롯데리츠
는 유상증자에서 확보한 자금을 활용해 L7호텔 강남
타워를 3300억원에 편입하기로 했다. 특히 이 과정에
서 롯데물산이 유상증자에 670억원을 출자하겠다고 
밝히면서, 향후 롯데리츠의 자산이 더 다양화될 것이
란 기대감도 커지고 있다.
이경자 삼성증권 연구원은 “롯데물산은 잠실월드타워
를 소유하고 있으며 해당 임대수익이 주요 비즈니스
로, 그 외에도 부동산을 개발하는 역할을 하고 있는 
몸 키우는 상장리츠, 유상증자·회사채로 ‘실탄 장전’
롯데·신한알파리츠 등 6곳 유증 예정…확보 자금으로 우량 신규 자산 편입
주요 계열사”라며 “장기적으로 롯데그룹이 보유한 잠
재력 높은 부지 개발과 부동산 유동화 과정에서 롯데
리츠의 역할이 커질 것으로 예상한다”고 설명했다.
삼성FN리츠 역시 이번 유상증자를 통해 삼성화재 판
교사옥을 자산으로 편입할 전망이다. 
박세라 신영증권 연구원은 “국내 상장 리츠가 적극적
인 자산 편입을 통해 덩치 키우기에 나서고 있다”며 
“향후 부동산 거래시장에서 리츠의 영향력이 확대되는 
국면으로, 자산시장의 성숙도에 따라 조달 규모가 대
형화되면서 공모 시장을 통한 자금 조달은 비중이 더
욱 커질 것으로 전망된다”고 설명했다. 
그러면서 “성장 과도기에서 금리 인하 기조에 따른 매
크로 변화와 안정적 임대수익이 갖는 상대 매력 상승
에 주목해야 한다”고 덧붙였다.
SK리츠, 회사채 발행해 체질 개선을 통해 실탄 확보
에 나서는 상장리츠도 있다.
SK리츠는 지난 9월 25일 제5회 무보증 회사채 1000
마스턴투자운용
롯데리츠에서 신규 편입한 
L7 호텔 강남타워.

S10 · PDF 2쪽

S10 PDF 2쪽

이 페이지 검색용 텍스트

09
억원 발행을 위한 수요예측에서 2배 이상에 달하는 
6150억원의 주문을 받았다. 지난 5월에 이어 2회 연속 
언더발행에 성공한 것이다.
2년물(모집액 600억원) 4050억원, 3년물(400억원)에
는 2100억원의 주문이 몰렸다. 민평금리 대비 2년물 
-13bp(1bp=0.01%포인트) 3년물은 -9bp에서 모집 물
량을 모두 채웠다.
현재 SK리츠는 최대 1500억원까지 증핵 발행을 검토 
중이다. 회사채는 10월 4일 발행된다.
모집된 자금은 4% 중후반의 담보대출 중도상환에 전
액 사용될 계획이다.
그간 SK리츠는 적극적인 이자비용 절감을 위해 회사
채 비중 확대를 추진하는 등 꾸준한 차입 구조 안정
화 노력을 이어왔다. 앞서 올해 세 차례 발행을 통해 
전체 차입금의 17%까지 규모를 늘렸으며, 내년 말에는 
25%까지 확대할 계획이다.
SK리츠 관계자는 “지난 24일자 SK리츠의 2년물 개별
민평이 3.6% 수준이고 가산금리가 -13bp임을 고려하
면 향후 큰 폭의 이자비용 절감이 가능할 것”이라고 
전망했다.
증권가에서도 SK리츠의 이같은 체질 개선 노력을 긍
정적으로 평가하고 있다.
이경자 연구원은 SK리츠에 대해 “2024년 상반기 발
행한 회사채 금리가 예상을 크게 하회한 3.9~4.2%에 
결정되며 조달금리 하락기에 진입했다”며 “10월에는 5
회차 회사채 발행도 추진 중. 1200억원의 담보대출을 
중도 상환함으로써 연 11억원 이상의 이자비용 절감이 
예상된다”고 설명했다.
그러면서 “10월에는 5회차 회사채 발행도 추진 중이
다. 이번 회사채 발행이 완료되면 가중 평균 금리는 
4.57%에서 4.5%로 하락할 것”이라며 “금리 인하 시점
과 맞물려 즉각적인 이자비용 하락과 배당 여력이 상
승할 것으로 보인다”고 덧붙였다.
금융증권부, 은행·증권 담당 
윤주혜 기자(bethy1027@econovill.com)
국내 상장리츠 코스피 대비 수익률 
종목
Valuation(2024F)
Retutn
Relative Return
시가총액
십억원
배당률
(%)
P/B
(배)
ROE
(%)
P/FFO
(배)
1W
(%)
1M
(%)
1Y
(%)
YTD
(%)
1W
(%)
1M
(%)
1Y
(%)
YTD
(%)
SK리츠
1,459
4.9
1.0
1.6
40.2
1.3
6.1
19.5
35.7
6.2
7.0
19.6
39.9
디앤디플랫폼리츠
241
7.1
0.8
3.3
12.5
0.3
3.7
22.8
17.1
5.1
4.7
23.0
21.2
ESR켈달스퀘어리츠
1,085
5.4
1.0
2.7
17.0
-1.0
2.4
29.7
39.5
3.9
3.4
29.8
43.6
신한알파리츠
552
12.1
1.0
11.8
8.4
-0.2
-6.1
-0.2
-2.2
4.7
-5.2
0.0
2.0
롯데리츠
921
5.5
0.9
1.6
16.2
-4.1
-1.7
10.5
20.1
0.8
-0.7
10.7
24.3
제이알글로벌리츠
715
10.6
0.8
5.6
8.5
-0.5
-6.0
-9.5
-11.3
4.3
-5.0
-9.3
-7.1
이리츠코크렙
335
6.8
1.5
6.9
15.1
-1.7
-1.5
5.6
9.0
3.2
-0.6
5.7
13.1
이지스밸류리츠
266
15.7
0.6
16.7
3.8
-1.0
-1.7
20.2
13.8
3.9
-0.8
20.4
17.9
이지스레지던스리츠
113
6.7
0.5
5.4
15.1
-2.0
-4.5
11.4
6.1
2.9
-3.6
11.6
10.3
KB스타리츠
447
8.0
0.9
8.8
10.6
0.1
0.3
28.6
11.0
5.0
1.3
28.8
15.1
코람코라이프인프라
417
8.9
0.9
5.1
14.1
-0.3
-3.6
-16.0
-8.8
4.5
-2.6
-15.8
-4.6
NH올원리츠
157
9.7
0.8
6.2
7.6
-0.7
-2.2
15.1
9.9
4.2
-1.3
15.3
14.1
미래에셋글로벌리츠
120
8.8
0.8
3.2
14.1
-1.8
0.8
-3.5
12.4
3.1
1.8
-3.3
16.6
삼성FN리츠
378
5.7
1.3
3.5
16.9
-0.1
4.1
-3.1
-2.5
4.8
5.1
-2.9
1.7
한화리츠
346
5.7
1.3
3.5
16.9
-0.1
4.1
-3.1
-2.5
4.8
5.1
-2.9
1.7
신한서부티엔디리츠
207
6.7
0.8
3.5
16.0
-4.6
-10.2
13.0
0.7
0.2
-9.3
13.2
4.9
코람코더원리츠 
206
6.6
1.0
5.2
14.7
-1.2
-1.4
13.8
-4.2
3.7
-0.4
14.0
0.0
참고: 9/6 종가 기준, Relative return은 KOSPI 대비 수익률.  출처: FnGuide, 삼성증권

S11 · 부동산금융투자_CapRate_리포트_2026-10-07.pdf · 6쪽 — 원문 펼치기

S11 · PDF 1쪽

S11 PDF 1쪽

이 페이지 검색용 텍스트

부동산금융투자 뉴스 & 권역별 Cap Rate 추이
기준일 2026년 10월 7일 (개정판) · Genspark for Telegram 리서치 요약
한눈에 보는 핵심
금리 인상 누적 — 기준금리 2.50→2.75%(7월)→3.00%(8월)로 두 달 연속 인상. 국고채 3년도 3.9%대(10월 초)까지
상승하며 Cap Rate 추가 압축 여력은 제한적.
스프레드 축소 — 서울 평균 Cap Rate 4.41%(‘26 Q2)와 국고채 3년 3.93%(‘26.10) 간 스프레드는 약 48bp로, 8월
(79bp) 대비 축소.
권역 양극화 — GBD·YBD는 초저공실·임대료 상승, CBD는 신규공급(G1서울·르네스퀘어)으로 공실 12%대까지 급등.
임대료는 전년 대비 상승.
자본구조 재편 — PF 위축 속 프로젝트리츠(자기자본 33%)·앵커리츠 등 자기자본 기반 개발금융으로 이동.
글로벌 온도차 — 도쿄 3.10%·서울 4.2% vs 미국 오피스 7%대. 기관들은 해외 전략을 엑시트·리츠 중심으로 재편.
3.00%
한국은행 기준금리
(‘26.8.27, 두 달 연속 인
상)
▲ 0.25%p
3.93%
국고채 3년
(‘26.10.2, 시장금리)
▲ 0.31%p
4.41%
서울 오피스 평균 Cap
Rate
(RSQUARE, ‘26 Q2)
▲ 0.05%p QoQ
4.2%
서울 A급 오피스 Cap
Rate
(CBRE, ‘26 Q2 보합)
6.6%
서울 A급 공실률
(JLL, ‘22년 이후 최고)
1. 최근 부동산금융투자 뉴스
2026.10.02
금리·거시
정부, 초과세수로 10월 국채 발행 5조 원 축소…금리 안정 시도
국고채 금리 급등에 대응해 발행 물량을 줄이며 수급 안정을 도모. 국고채 3년은 10월 초 3.9%대까지 상승
(기획재정부·EBN).
2026.09.28
PF·정책
프로젝트 리츠(PJ리츠), 부동산 개발금융의 대안으로 부상
자기자본을 늘려 대출 의존도를 낮추는 구조로, 위축된 PF 시장의 대체 경로로 주목 (KB자산운용).
2026.09.22
PF·정책
KDI "부동산 PF 자본확충의 효과와 제도개선 방안" 발표
프로젝트리츠 자기자본 최소 33%, 부동산펀드 20% 규제와 PF 자기자본비율 20% 단계 상향 로드맵 점
검 (KDI).
2026.09.21
투자시장
세빌스코리아, 2026 서울 오피스 매각 자문 3.7조 원으로 1위
상반기 대형 딜을 휩쓸며 자문 실적 1위. 자문사 간 경쟁 심화와 대형 자산 중심 거래 지속 (매일경제).
• 
• 
• 
• 
•

S11 · PDF 2쪽

S11 PDF 2쪽

이 페이지 검색용 텍스트

2026.09.16
해외투자
해외 부동산 투자, '수익률'에서 '리스크 관리·엑시트'로 재편
글로벌 금리 상승과 오피스 구조 변화 속에 국내 기관의 해외 부동산 전략이 엑시트 중심으로 전환 (파이낸
셜뉴스).
2026.09.10
리츠
기관들, 해외 포트폴리오 일부를 리츠로 '전술적 자산배분'
환금성이 낮은 직접 투자 대신 상장 리츠로 유동성을 보완하는 전략이 부상 (이데일리).
2026.08.27
금리·거시
한국은행 기준금리 2.75→3.00% 인상 (두 달 연속)
7월에 이어 두 달 연속 인상, 1년 9개월 만의 3%대 복귀. 조달비용 상승으로 하반기 Cap Rate 상방 압력
확대 (한국은행·연합뉴스).
2026.08.25
시장
RSQUARE '26 Q2 서울 오피스 평균 Cap Rate 4.41% (+0.05%p)
국고채 3년(3.62%)과의 스프레드 79bp. 공실률 상승에도 임대료는 견조 (RSQUARE).
2026.08.25
PF·정책
'PF 마중물' 개발앵커리츠, 출범 1년째 투자 0원
재원은 마련됐지만 실제 PF 사업장 투자로 이어지지 못해 실행력 논란 지속 (머니투데이).
2026.08.13
PF·정책
정부, 수도권 23만 호+α 추가 공급…부동산 PF 보증·자금지원 확대
PF 보증공급과 자금지원을 늘려 주택공급을 뒷받침. 개발금융 정상화가 관건 (정책브리핑).
2026.06.17
PF·정책
정부, 1조 원 규모 'PF 개발앵커리츠' 본격 가동
국토부가 AMC 2곳을 선정해 각 1천억 원 투입, 민간 4천억 원 매칭해 총 5천억 원 규모로 조성 (KBS).
2026.06.11
리츠
리츠, 6년 만에 일반공모 재개
공공택지 기반 주택개발리츠가 PF 한파 속에 일반 투자자 대상 공모에 나섬 (뉴데일리).

S11 · PDF 3쪽

S11 PDF 3쪽

이 페이지 검색용 텍스트

2. 서울 주요 권역별 Cap Rate
권역
2025 Q3
2025 Q4
증감
평당 거래가('25 Q4)
CBD (도심)
4.2%
3.9%
▼ 0.3%p
3,319만 원
GBD (강남)
3.8%
3.8%
—
3,920만 원
YBD (여의도)
3.9%
4.1%
▲ 0.2%p
2,852만 원
기타 (성수·마곡 등)
4.4%
4.2%
▼ 0.2%p
2,480만 원
서울 평균
4.1%
4.0%
▼ 0.1%p
3,143만 원
출처: 젠스타메이트 부동산연구소 Korea Office Market Report(2025 Q3·Q4). 2026 Q2 기준 CBRE 서울 A급 오피스 Cap Rate는 4.2%로 전 분기 보합,
RSQUARE 서울 평균은 4.41%.

S11 · PDF 4쪽

S11 PDF 4쪽

이 페이지 검색용 텍스트

3. 서울 오피스 Cap Rate 추이와 금리
2025년 하락(4.5%→4.0%) 후 2026년 반등(4.41%). 7·8월 두 차례 기준금리 인상(현 3.00%)과 국고채 3년 상승(‘26.10.2 기준 3.93%)이 하반기 Cap Rate
상방 요인. 기관·표본 정의가 달라 수치가 상이할 수 있음.

S11 · PDF 5쪽

S11 PDF 5쪽

이 페이지 검색용 텍스트

4. 글로벌 주요 시장 오피스 Cap Rate
도쿄는 사상 최저 수준의 NOI 수익률(3.10%)로 자본 유입이 이어지는 반면, 미국 오피스는 7%대까지 리프라이싱. 서울·도쿄(저수익률·안정)와 미국(고수익률·
리스크)의 온도차가 뚜렷.
5. 권역별 공실률과 수급
CBD 신규 공급이 공실률을 끌어올린 반면 GBD는 1% 안팎의 초저공실을 유지. JLL 코리아 기준 서울 Grade A 실질임대료는 평당 152,800원(전년 대비
+4.9%)으로 공실과 임대료가 동반 상승. 기관별 등급·표본 정의 차이로 수치가 상이함에 유의.

S11 · PDF 6쪽

S11 PDF 6쪽

이 페이지 검색용 텍스트

6. 시사점 & 관전 포인트
금리 사이클 전환: 7·8월 연속 인상으로 기준금리 3.00%, 국고채 3년 3.9%대. 조달비용 상승 → Cap Rate 추가
압축 여력 제한, 스프레드 축소(79→48bp)로 자산가격 부담 확대. 임대 안정성·NOI 성장성이 확보된 프라임 자산
과 비우량 자산의 양극화 심화.
권역 차별화: GBD·YBD는 공급 제약과 견조한 임차수요로 방어력 유지, CBD는 신규 공급 흡수 속도가 관건(단기
공실 8~10%대 전망). 임대료는 상승세지만 공실 동반 상승에 유의.
개발금융 구조 전환: PF 축소 → 프로젝트리츠(자기자본 최소 33%)·앵커리츠 등 자기자본 기반 구조. 정책 자금의
실제 집행 속도가 핵심 변수.
글로벌 자본 이동: 미국 오피스 고수익률 구간과 아시아 코어 자산 저수익률 구간 사이에서 국내 기관의 해외투자·
엑시트 전략 재편, 리츠 활용 확대.
하반기 체크리스트: ① 10월 22일 금통위 추가 인상 여부 ② 국고채 금리 방향과 국채 발행 물량 ③ CBD 공실 흡수
속도 ④ 2017~2020년 조성 펀드 만기 매물 사이클.
자료: 한국은행 기준금리 추이, 기획재정부·EBN, RSQUARE, 젠스타메이트 부동산연구소, CBRE, JLL, Cushman & Wakefield, Savills, Colliers, KDI, KBS·머
니투데이·뉴데일리·파이낸셜뉴스 등 언론 보도 종합. 기준 시점(as-of)은 각 항목에 표기.
Cap Rate는 기관별 표본·자산 등급·측정 방식(명목/실질) 차이로 동일 시장에서도 수치가 다를 수 있습니다. 투자 판단 전 원자료 교차 확인을 권장합니다. 
• 
• 
• 
• 
•

S12 · 부동산금융투자_주간뉴스레터_2026-10-12.pdf · 5쪽 — 원문 펼치기

S12 · PDF 1쪽

S12 PDF 1쪽

이 페이지 검색용 텍스트

R E A L  E S TAT E  F I N A N C E  &  I N V E S T M E N T  ·  W E E K LY
부동산금융·투자 주간 뉴스레터
Vol. 1  |  2026년 10월 12일 (월)  |  대상 학부 · 대학원 강의지원  |  발행 Genspark for Telegram
이번 주 리드
두 달 연속 인상으로 기준금리는 3.00%, 국고채 3년은 3.93%('26.10.06)까지 올라 조달비용 부담이 커졌다.
그럼에도 3분기 서울 오피스 거래는 6.4조 원으로 반등(G1서울 1.5조 원)했고, 10월 22일 금통위의 동결 여부
가 하반기 Cap Rate 방향의 최대 변수다.
3.00%
한국은행 기준금리
(’26.8.27, 두 달 연속 인상)
▲ 0.25%p
3.93%
국고채 3년
(’26.10.6)
▲ 0.31%p
4.41%
서울 오피스 평균 Cap Rate
(RSQUARE ’26 Q2)
▲ 0.05%p
6.4조
’26 Q3 서울·분당 오피스
거래규모
▲ 2.2조 QoQ
4.65%
금융권 PF대출 연체율
(’26.3말)
▲ 0.77%p
시장 브리핑 RATES · CAP RATE · RENT · VOLUME
’26.10.06
국고채 3년 3.93% — 글로벌 금리 발작 동조
공통
국고채 3년 3.934%(10.06), 5년 4.12%, 10년 4.37~4.40%. 미국 10년물이 5.23%(10.08)까지 급등한 가운데 국
내 대출금리 상승 압력이 확대. 출처: smbs.biz, 한국경제 데이터센터, 뉴스핌 (2026-10-07~08)
’26.08.27
기준금리 2.75→3.00% — 두 달 연속 인상, 3%대 복귀
공통
7월에 이어 두 달 연속 인상으로 1년 9개월 만에 3%대에 복귀. 다음 금통위는 10월 22일이며, 시장은 동결(3.00%
유지) 전망이 우세. 출처: 한국은행, 연합뉴스·MBC (2026-08-27)
’26 Q2
서울 A급 오피스 Cap Rate 4.2% 보합, 평균은 4.41%
공통
CBRE 서울 A급 4.2%(전분기 보합), RSQUARE 서울 평균 4.41%(+0.05%p QoQ). 권역별로는 CBD 3.9% · GBD
3.8% · YBD 4.1% · 기타 4.2%. 국고채 3년 3.93% 기준 스프레드는 약 48bp로 8월(79bp) 대비 축소. 출처: CBRE 코
리아 Seoul Figures (2026-07-22), RSQUARE (2026-08-25), 젠스타메이트
’26 Q2
공실률 상승 · 임대료도 상승 — 권역 양극화
공통
서울 3대 권역 A급 공실률 4.2%(+1.4%p QoQ, CBRE). GBD는 1.3% 초저공실, CBD는 신규공급(G1서울·르네스퀘
어)으로 6%대. 한국부동산원 오피스 공실률은 9.0%(+0.2%p). 서울 A급 실질임대료는 평당 152,800원(JLL,
+4.9% YoY). 출처: CBRE·JLL 코리아 ’26 Q2, 한국부동산원 임대동향조사 (2026-07-30)
’26 Q3
3분기 서울 오피스 거래 6.4조 원 — Grade A가 견인
공통
서울·분당 오피스 21건·약 6.4조 원으로 2분기 대비 2.2조 증가. Grade A는 8건·4.5조 원. 누적 14조 원, 연간
16~17조 원 전망. 출처: 알스퀘어·컬리어스 코리아 (2026-10-08 보도)
’26.09
주택: 서울 아파트 85주 연속 상승, 거래는 급감
학부
서울 아파트 매매가격은 0.13%(9.21 기준) 상승하며 85주째 오름세. 반면 9월 거래량은 449건으로 5월(약 9,000
건) 대비 급감. 전국주택가격(8월) 전국 0.39%·서울 1.05%. 출처: 한국부동산원 주간·월간 가격동향, 서울부동산정보광장
(2026-09)

S12 · PDF 2쪽

S12 PDF 2쪽

이 페이지 검색용 텍스트

그림 1. 기준금리·국고채 3년 추이 — 7·8월 연속 인상 이후 조달비용 상승 국면. (한국은행·공개 시장금리)
그림 2. 서울 권역별 오피스 Cap Rate·공실률(’26 Q2). GBD 저공실·저수익률, CBD 고공실. 기관별 표본 차이로 수치 상이.

S12 · PDF 3쪽

S12 PDF 3쪽

이 페이지 검색용 텍스트

그림 3. 서울·분당 오피스 분기 거래규모 — 3분기 대형 딜로 반등. (알스퀘어·컬리어스)
자본시장 REITs · FUNDS · PF · CMBS
’26.09.28
상장리츠 23개 시총 약 8.4조 원, 평균 배당수익률 7%대
공통
SK리츠(약 1.6조)·롯데리츠(약 1.2조)·한화리츠 순. 배당수익률 8% 이상 종목이 15개로 고배당 매력 지속. 다만 주
가는 연초 대비 부진. 출처: 한국리츠협회 상장리츠 시장현황, 조세일보·네이트 (2026-07)
’26.08.20
부동산펀드: 이지스 1위, 미래에셋운용 설정액 10조 돌파
대학원
이지스자산운용이 설정액 1위 유지, 미래에셋자산운용이 상반기 10조 3,156억 원으로 사상 첫 10조 원 돌파. 자본시
장연구원은 2026년 부동산펀드 시장 6.0% 성장을 전망. 출처: 더벨 (2026-08-20), 자본시장연구원 (2026-02)
’26.07.03
PF 연체율 4.65% — 10년 만의 최고 수준
대학원
3월 말 금융권 PF대출 잔액 115.5조 원, 연체율 4.65%(+0.77%p QoQ). 연체채권 규모는 5.37조 원으로 전분기 대
비 소폭 감소. 출처: 금융위원회 PF 상황점검회의 (2026-07-03)
’26.01
미국 CMBS 만기벽 — 2026년 1,000억 달러 도래
대학원
2026년 만기 도래하는 고정·변동금리 CMBS 대출이 1,000억 달러를 넘고, 절반 이상이 리파이낸싱에 어려움을 겪을
것으로 전망. 출처: Morningstar DBRS (2026-01-12), KBRA
정책·규제 LTV/DSR · TAX · SUPPLY
’26.08.13
8·13 금융 종합대책 — 규제 유지 + 청년 지원 확대
공통
LTV·DSR 규제비율과 주담대 한도는 확고히 유지. 청년미래보금자리론 신설(2027.1, 39세 이하·4억 이하 비아파트
LTV 최대 80%), 청년 전월세 결합보증 도입. 청년 특례 전세대출보증 확대는 2026년 10월 시행. 출처: 금융위원회 「부동
산 시장 안정을 위한 금융 종합대책」 (2026-08-13)
’26.10.10
공급대책 1년 — 수도권 착공 135만→150만 가구로 확대
학부
10·15 대책 1년을 맞아 2030년까지 수도권 주택 착공 물량 목표를 135만 가구에서 150만 가구 이상으로 상향.
8·13 대책으로 수도권 23만 호+α 추가 공급(서울 염창동 등 2.7만 호 우선). 출처: 연합뉴스 (2026-10-10), 국토교통부
·YTN (2026-08-13)

S12 · PDF 4쪽

S12 PDF 4쪽

이 페이지 검색용 텍스트

’26.01
세제 — 배당소득 분리과세 3년 한시 시행
대학원
2026년 수령 배당금부터 분리과세가 적용(2028년까지 3년 한시). 다만 리츠·ETF는 분리과세 대상에서 제외되어 리
츠 투자 유인은 제한적. 출처: 매일경제 (2025-12-01), 재정경제부 2026 세제개편안
딜 하이라이트 DEAL OF THE WEEK
’26.07
종결
G1 서울 — 약 1조 5,000억 원, 3분기 최대 오피스 거래
대학원
CBD 신축 프라임 자산(연면적 14만 3,432㎡, A동 25층·B동 11층)을 미래에셋자산운용이 우정사업본부 출자 블라
인드펀드를 활용해 약 1조 5,000억 원(평당 약 3,701만 원)에 인수, 7월 소유권 취득. PFV 보유 일부 면적을 제외한
13만 6,032㎡가 거래 대상이며, 메트라이프생명 이전으로 공실 일부가 해소됐다. 출처: 딜사이트·알스퀘어·컬리어스 코리
아 (2026-10-08), 연합뉴스 (2026-09-21)
보조 사례 — 신한카드 사옥 파인에비뉴 A동은 MDM자산운용이 약 8,000억 원에 인수하고 신한카드가 전면 마스터
리스(세일앤리스백)로 계속 사용. 출처: 딜사이트·연합뉴스 (2026-09)
연구·논문 RESEARCH
2025
「The Commercial Real Estate Ecosystem」 — Koijen et al. (SSRN)
상업용 부동산의 가격과 거래량이 함께 움직이는 동학을 하나의 프레임워크로 설명. 임대료·Cap Rate·거래량의 상호
작용을 이론·실증으로 연결. SSRN abstract_id=5120847
2025
「The Size and Composition of Global Commercial Real Estate」 — Hoesli et al. (SSRN)
글로벌 상업용 부동산 투자시장의 규모와 구성을 추정. 시장 규모의 국제 비교와 자산군 분포를 제시. SSRN
abstract_id=5581850
KCI
「해외 오피스 리츠의 투자수요 결정 요인: 3개국 패널데이터」
국채 수익률 상승이 리츠 거래량 감소에 유의미한 영향을 미치며, 환율 변동의 효과는 국가별로 상이함을 실증. 한국학
술지인용색인(KCI) ART003153244
강의 연결 SEMINAR QUESTIONS
학부 — 지표·개념·사례
기준금리 인상이 무위험금리 → 요구수익률 → Cap Rate →
부동산 가격으로 이어지는 경로를 그림으로 설명해 보라.
CBD는 공실률이 오르는데 임대료는 왜 오르는가? 신규공급
(CBD)과 초저공실(GBD)의 차이로 설명하라.
신한카드가 사옥(파인에비뉴)을 팔고 다시 빌리는 '세일앤리
스백'은 왜 하는가? 기업과 매수자 각각의 이득·비용은?
대학원 — 딜 구조·모델링·논문
G1서울 딜에서 출자자(우정사업본부)와 운용사(미래에셋)
의 블라인드펀드 구조상 이해상충·수수료(AM fee·성과보
수) 설계를 제안하라.
기준금리 +25bp · 공실률 +2%p · 임대료 -3% 시나리오별
IRR·DSCR 민감도를 추정하고, 48bp로 축소된 스프레드가
엑시트 밸류에 미치는 영향을 논하라.
미국 CMBS 만기벽(2026년 $100bn)과 국내 PF 연체율
4.65%를 비교해 리파이낸싱 리스크의 전이 경로를 분석하
라.
Koijen(2025)의 가격·거래량 공동동학 모형을 국내 오피스
에 적용할 때의 데이터 제약(거래 표본·평가가격)을 논하라.
연속성 — 직전 발간물 대비 주요 변화
기준금리: 직전 10/6 리포트의 2.75%(구자료) → 3.00%로 정정 반영(8/27 인상).
• 
• 
• 
• 
• 
• 
• 
•

S12 · PDF 5쪽

S12 PDF 5쪽

이 페이지 검색용 텍스트

국고채 3년: 3.62% → 3.93%('26.10.6)로 상승, 서울 평균 Cap Rate와의 스프레드 79bp → 약 48bp로 축소.
거래: 3분기 서울·분당 오피스 거래규모 6.4조 원 신규 반영(2분기 대비 +2.2조), G1서울 1.5조 원이 견인.
소스 목록 SOURCES
연구기관·시장 데이터
· 한국은행 기준금리 추이 — https://www.bok.or.kr/portal/singl/baseRate/list.do
· 국고채 금리 — smbs.biz 채권시장, 한국경제 데이터센터
· CBRE 코리아, Seoul Figures Q2 2026 (서울 A급 Cap Rate·공실률) — https://www.cbre.co.th/insights/figures/seoul-figures-q2-2026
· RSQUARE '26 Q2 서울 오피스 마켓리포트 (평균 Cap Rate 4.41%)
· 젠스타메이트 부동산연구소 Korea Office Market Report (권역별 Cap Rate) — https://blog.genstarmate.com
· JLL 코리아 '26 Q2 서울 오피스 동향 (실질임대료) — https://www.jll.com/ko-kr/newsroom/seoul-office-market-trends-for-q2-2026
· 한국부동산원 R-ONE 상업용부동산 임대동향조사 (2026 Q2, 2026-07-30) — https://www.reb.or.kr
· 알스퀘어·컬리어스 코리아 '26 Q3 서울·분당 오피스 거래 (2026-10-08) — https://www.dealbook.co.kr
· CBRE Japan Cap Rate Survey June 2026 (도쿄 프라임 3.10%) — https://www.cbre.com/insights/reports/japan-cap-rate-survey-
june-2026
· 한국리츠협회 상장리츠 시장현황 — https://www.kareit.or.kr/invest/page2.php
· 금융위원회 부동산 PF 상황점검회의 (2026-07-03) — https://www.fsc.go.kr
언론보도·정책자료
· 연합뉴스(2026-10-10) 10·15 대책 1년 / (2026-09-21) 서울 오피스 매각 자문 실적 / (2026-07-30) 2분기 임대동향 · MBC(2026-08-27)
기준금리 3.0% · 뉴스핌(2026-10-07) 미국 국채 금리 · 금융위원회(2026-08-13) 8·13 금융 종합대책 · 재정경제부 2026 세제개편안 · 매일경
제(2025-12-01) 배당 분리과세 · 더벨(2026-08-20) 부동산펀드 설정액 · Morningstar DBRS(2026-01-12) US CMBS Outlook.
학술논문
· Koijen, R.S.J. et al., "The Commercial Real Estate Ecosystem," SSRN (2025) — https://papers.ssrn.com/sol3/papers.cfm?
abstract_id=5120847
· Hoesli, M. et al., "The Size and Composition of Global Commercial Real Estate," SSRN (2025) — https://papers.ssrn.com/sol3/
papers.cfm?abstract_id=5581850
· 「해외 오피스 리츠의 투자수요 결정 요인: 3개국 패널데이터」, KCI (ART003153244)
본 뉴스레터는 2026-10-12(월) 발송 시점 기준으로 각 지표를 새로 조회해 작성했습니다. 모든 수치는 항목별 as-of 시점을 표기했으며, Cap Rate·공실률·임대료는
기관별 표본·자산 등급·측정 방식 차이로 동일 시장에서도 값이 다를 수 있습니다. 투자 판단 전 원자료 교차 확인을 권장합니다.
발행: Genspark for Telegram · 문의: 유정석 교수 DM 
• 
•

S13 · 부동산금융투자_주간뉴스레터_2026-10-19.pdf · 6쪽 — 원문 펼치기

S13 · PDF 1쪽

S13 PDF 1쪽

이 페이지 검색용 텍스트

R E A L  E S TAT E  F I N A N C E  &  I N V E S T M E N T  ·  W E E K LY
부동산금융·투자 주간 뉴스레터
Vol. 2  |  2026년 10월 19일 (월)  |  대상 학부 · 대학원 강의지원  |  발행 Genspark for Telegram
이번 주 리드
10월 22일 금통위는 동결 전망이 우세하지만(전문가 6명 전원) 11월 추가 인상과 최종금리 3.50~3.75% 논
의가 커지고 있다. 국고채 3년은 3.85%('26.10.16)로 소폭 내렸고, 2분기 PF대출 연체율은 4.56%로 1년 만
에 처음 하락 전환했다.
3.00%
한국은행 기준금리
(’26.8.27, 10/22 동결 전
망)
동결 우세
3.85%
국고채 3년
(’26.10.16, 재정경제부)
▼ 0.08%p
4.41%
서울 오피스 평균 Cap Rate
(RSQUARE ’26 Q2)
▲ 0.05%p
4.56%
금융권 PF대출 연체율
(’26.6말, 금융위)
▼ 0.09%p
6.4조
’26 Q3 서울·분당 오피스
거래규모
▲ 2.2조 QoQ
시장 브리핑 RATES · CAP RATE · RENT · VOLUME
’26.10.18
10/22 금통위 동결 전망 우세 — 11월 인상으로 무게
공통
경제전문가 6명 전원이 10월 22일 기준금리(3.00%) 동결을 예상. 9월 근원물가 2.8%(전월 3.4%) 둔화와 환율
1,330원대 안정이 여유를 준 반면, 물가가 목표(2%)를 웃돌아 11월 추가 인상 가능성이 크다는 관측. 최종금리는
3.25~3.75%로 전망이 갈린다. 출처: 연합뉴스 전문가 설문 (2026-10-18), 한국은행 신현송 총재 국정감사 발언 (2026-10-12)
’26.10.16
국고채 3년 3.85% — 4분기 들어 소폭 하락
공통
국고채 3년 3.854%(10.16, 재정경제부)·3.872%(10.15, smbs.biz), 5년 4.01%, 10년 4.19%(10.16). 유가·미
국채금리 변동성 속에 조달비용 부담은 완만하게 완화. 서울 평균 Cap Rate(4.41%)와의 스프레드는 약 56bp. 출처:
재정경제부 시장금리, smbs.biz 채권시장, Trading Economics (2026-10-16)
’26 Q2
서울 A급 오피스 Cap Rate 4.2% 보합, 평균은 4.41%
공통
CBRE 서울 A급 4.2%(전분기 보합), RSQUARE 서울 평균 4.41%(+0.05%p QoQ). 권역별로는 CBD 3.9% · GBD
3.8% · YBD 4.1% · 기타 4.2%. 국고채 3년 3.85% 기준 스프레드는 약 56bp로 8월(79bp)보다 축소됐다. 출처:
CBRE 코리아 Seoul Figures Q2 2026, RSQUARE (2026-08-25), 젠스타메이트
’26 Q2
공실률 상승 · 임대료도 상승 — 권역 양극화
공통
서울 3대 권역 A급 공실률 4.2%(+1.4%p QoQ, CBRE). 기관별로는 쿠시먼 5.8%·컬리어스 4.9%로 표본 차이가 크
다. GBD는 1.3% 초저공실, CBD는 신규공급(G1서울·르네스퀘어)으로 6%대. 서울 A급 실질임대료는 평당 152,800
원(JLL, +4.9% YoY). 출처: CBRE·쿠시먼앤드웨이크필드·컬리어스·JLL 코리아 ’26 Q2
’26 Q2
글로벌: 도쿄 프라임 3.10% 사상 최저, 미국은 보합
대학원
도쿄 프라임 오피스(오테마치) 기대 NOI 수익률 3.10%로 전분기 대비 5bp 하락(사상 최저, CBRE Japan 6월). 미국
은 H1 2026 Cap Rate가 보합을 유지했고, 응답자 약 60%가 향후 6개월 '변동 없음'을 전망. 출처: CBRE Japan Cap
Rate Survey (2026-06), CBRE US Cap Rate Survey H1 2026
’26.10.12
주택: 서울 아파트 86주 연속 상승, 소비심리 보합
학부
10월 2주(10.12 기준) 서울 아파트 매매가격 +0.16%, 전국 +0.10%, 수도권 +0.20%. 9월 서울 아파트 거래량은
2,923건. 9월 부동산시장 소비심리지수는 전국 112.0(+0.5p)으로 보합국면, 수도권 118.4(-0.6p)로 상승국면 유
지. 출처: 한국부동산원 주간 아파트가격동향 (2026-10-15), 서울부동산정보광장, 국토연구원 소비심리지수 (2026-10-15)

S13 · PDF 2쪽

S13 PDF 2쪽

이 페이지 검색용 텍스트

그림 1. 기준금리·국고채 3년 추이 — 7·8월 연속 인상 이후 조달비용 상승 국면, 10월 소폭 반락. (한국은행·재정경제부)
그림 2. 서울 권역별 오피스 Cap Rate·공실률(’26 Q2). GBD 저공실·저수익률, CBD 고공실. 기관별 표본 차이로 수치 상이.
자본시장 REITs · FUNDS · PF · CMBS
’26.6말
PF대출 연체율 4.56%로 하락, 잔액은 첫 증가
대학원
2분기 금융권 PF대출 잔액 115.8조 원(+0.3조, 2023년 말 이후 첫 증가), 연체율 4.56%(전분기 4.65% 대비
−0.09%p). 신규 취급 23.5조 원(+6.7조 QoQ), 유의·부실우려 여신 15.1조 원(비중 9.0%)으로 감소. 다만 토지담보
대출 연체율은 32.20%로 여전히 높다. 출처: 금융위원회·금융감독원 부동산 PF 상황 점검회의 (2026-10-13)
’26.9말
상장리츠 23개 시총 10조 원대, 배당수익률 7~8%대
공통
국내 상장리츠는 23개, 시가총액은 10조 원대(’26.9말). 자산총계 기준 SK리츠(5.4조)·롯데리츠(2.9조)·신한알파리
츠(3.1조)·ESR켄달스퀘어리츠(2.8조) 순. 평균 배당수익률은 7~8%대로 고배당 매력이 이어지는 가운데 주가는 부
진. 출처: 한국리츠협회 상장리츠 시장현황 (2026-10-19 조회), 조세일보 (2026-07-15)

S13 · PDF 3쪽

S13 PDF 3쪽

이 페이지 검색용 텍스트

’26.07.07
리츠 세제: 배당소득 분리과세 적용 요청
대학원
한국리츠협회가 내년 세제개편안에 상장리츠 배당소득 저율 분리과세를 포함해 달라고 정부에 요청. 현행 분리과세
(2026년 3년 한시)는 배당성향 40% 이상 기업 대상이며 리츠·ETF는 제외돼 있어, 리츠 투자 유인이 제한적이라는
지적이다. 출처: 연합뉴스 (2026-07-07), 한국리츠협회 보도자료
’26.08.20
부동산펀드: 미래에셋운용 상반기 설정액 10조 돌파
대학원
이지스자산운용이 설정액 1위를 유지한 가운데, 미래에셋자산운용이 2026년 상반기 10조 3,156억 원으로 사상 처
음 10조 원을 돌파. 자본시장연구원은 2026년 부동산펀드 시장 6.0% 성장을 전망. 출처: 더벨 (2026-08-20), 자본시장연
구원
’26.09.15
CMBS: 데이터센터 담보 발행이 시장 판도 바꾼다
대학원
데이터센터를 담보로 한 미국 CMBS가 2025년 이후 약 170억 달러(약 23조 원) 발행돼 직전 2년 발행액의 3배를 넘
어섰다. 오피스 CMBS 부진을 데이터센터·산업용이 대체하는 구조. 출처: 블룸버그 (2026-09-15), KBRA CMBS Trend
Watch (2026-06)
정책·규제 LTV/DSR · TAX · SUPPLY
’26.10.13
주거 PF 자기자본비율 규제 2년 유예 확정
대학원
금융위가 8·13 금융 종합대책 후속으로 주거사업장 PF 자기자본비율 규제를 2년 유예. 2029년 5%를 시작으로
2032년 20%까지 단계 적용하고, 비주거사업장은 계획대로 2027년부터 적용. 2027년부터 주거사업장 위험가중치
도 완화(은행 150%→100%)된다. 출처: 금융위원회·금융감독원 (2026-10-13), 이투데이
’26.10.13
수도권 주거사업장 279곳 금융 애로 점검
학부
정부는 수도권 규제지역 내 주거사업장 279곳에 담당자를 지정해 금융 애로를 점검하고, 주택금융공사 PF보증 확대
와 캠코 정상화펀드 신규 조성을 추진. 정상 사업장엔 신규자금, 부실 사업장엔 정리·재구조화를 속도감 있게 추진한다
는 방침. 출처: 금융위원회·금융감독원 (2026-10-13)
’26.10.10
10·15 대책 1년 — 공급 목표 확대, 대출규제 유지
공통
10·15 대책 1년을 맞아 수도권 주택 착공 목표를 2030년까지 135만 → 150만 가구 이상으로 상향. 서울 전역 등 토
지거래허가구역 지정과 규제지역 LTV 40%·스트레스 DSR 3단계는 유지. 출처: 연합뉴스 (2026-10-10), 국토교통부 2026
년 주택공급 업무계획
딜 하이라이트 DEAL OF THE WEEK
’26.10.12
우협
여의도 ABL타워 — 코람코자산신탁, 약 3,460억 원 인수 우선협상대상자
대학원
ABL생명이 여의도 ABL타워(연면적 3만 9,458㎡·약 1만 1,936평) 매각 우선협상대상자로 코람코자산신탁을 선정.
인수 희망가 약 3,460억 원(평당 약 2,900만 원)으로, 매도자가 기대한 평당 3,400만 원 안팎에는 못 미쳤다. 경쟁사
한국투자부동산신탁이 약 3,500억 원으로 더 높은 가격을 썼지만, 거래 조건 종합평가에서 밀렸다.
구조 — 코람코는 ① 한 저축은행을 전략적투자자(SI)로 유치해 실수요자(사옥)를 확보하고, ② 퍼시스가 출자한 블라
인드펀드(FI)로 참여했으며, ③ ABL생명의 세일앤리스백(약 6,500평 계속 사용) 조건과 ④ 약 20억 원의 하드디파짓
을 제시해 이행의지를 보였다. ABL생명(전 알리안츠생명)은 2001년 평당 633만 원(755억 원)에 매입한 뒤 25년 만
에 약 4.6배 가격에 매각을 추진 중이다. 출처: 연합뉴스 (2026-10-12)
보조 사례 — 세빌스코리아는 올해 서울 오피스 매각 자문 3조 6,554억 원(6건)으로 1위(MSCI RCA). 최대 거래는 G1
서울 1조 5,230억 원(6월), 서울스퀘어 1조 2,856억 원, 하나증권빌딩 8,112억 원 순. 출처: 연합뉴스·MSCI RCA
(2026-09-21)

S13 · PDF 4쪽

S13 PDF 4쪽

이 페이지 검색용 텍스트

연구·논문 RESEARCH
2026
「Investor Composition and Private Asset Prices」 — Z. Feng (SSRN)
상업용 부동산을 대상으로 투자자 구성(composition) 변화가 사모시장 가격·수익률에 미치는 영향을 실증. 투자자 구
성이 이후 사모시장 수익률을 예측하며, 그 효과가 자본이득(가치상승)에 집중됨을 보인다. SSRN abstract_id=7267898
(2026-08-15)
2024
「Determinants of Discount Rates, Capitalization Rates, and Implied Growth Rates」 — M. Hoesli
et al. (SSRN)
할인율·Cap Rate·내재 성장률의 결정요인을 국제 데이터로 분석. 금리·임대료 성장 기대·자산 특성이 Cap Rate에
미치는 상대적 기여를 정리해, 스프레드 해석의 이론적 틀을 제공한다. SSRN abstract_id=5042256
2026
「고정금리 주택담보대출 확대가 통화정책 파급에 미치는 영향」 — 박성경·강경훈
고정금리 주담대 비중 확대가 정책금리 전달 경로를 어떻게 약화·지연시키는지 분석. 금리 인상기의 가계 이자부담·소
비 반응 차이를 논의. 금융정보연구 2026, Vol.15 No.1 (KCI)
’26.07
국토연구원 「부동산시장 조사분석」 2026 여름호 (Vol.54)
상업용 부동산 시장 동향과 정책 이슈, 공실률·임대료 흐름을 정리한 정기 간행물. 권역별 오피스·리테일 수급 진단을
담아 강의 보조자료로 활용 가능. 국토연구원 부동산시장정책연구센터 (2026-07-31)
그림 3. 금융권 부동산 PF대출 연체율 추이 — 2026년 1분기 4.65%로 반등 후 2분기 4.56%로 하락 전환. (금융위원회·금융감독원)

S13 · PDF 5쪽

S13 PDF 5쪽

이 페이지 검색용 텍스트

그림 4. 서울·분당 오피스 분기 거래규모 — 3분기 대형 딜로 반등. (알스퀘어·컬리어스 코리아)
강의 연결 SEMINAR QUESTIONS
학부 — 지표·개념·사례
기준금리가 3.00%에서 동결될 때, 국고채 3년이 3.85%로
내려가면 서울 오피스 Cap Rate(4.41%)와의 스프레드는
어떻게 변하는가? 56bp의 의미를 설명하라.
ABL생명이 2001년 평당 633만 원에 사서 2026년 평당
2,900만 원에 파는 25년 보유 딜에서, 총수익을 임대수익과
자본이득으로 나눠 계산해 보라.
'세일앤리스백'과 '하드디파짓'은 각각 매도자와 매수자에게
어떤 이득·부담을 주는가?
대학원 — 딜 구조·모델링·논문
ABL타워 딜에서 SI(저축은행) 유치·FI(퍼시스) 블라인드펀
드·세일앤리스백 임대차 제약이 자금조달 구조와 IRR에 미
치는 영향을 민감도로 추정하라. 매도자 기대가(평당 3,400
만)와 실제(2,900만) 격차의 원인을 논하라.
PF 연체율 4.56% 하락과 PF대출 잔액의 3년 만의 첫 증가
가 시장에 주는 신호는? 유의·부실우려 여신 15.1조 원
(9.0%)의 재구조화 경로를 설계하라.
도쿄 프라임 Cap Rate 3.10%(사상 최저)와 서울 4.41%의
격차를 무위험금리·성장률·환율 기대 차이로 분해하고, 글
로벌 자본 배분 관점에서 평가하라.
Feng(2026)의 '투자자 구성' 관점을 국내 오피스 시장(블라
인드펀드·리츠·SI/FI 구조)에 적용할 때의 식별
(identification) 전략을 논하라.
연속성 — 직전 뉴스레터(Vol.1) 대비 주요 변화
기준금리: 3.00% 유지. 10/22 동결 전망이 우세해지고, 11월 인상·최종금리 3.50~3.75% 논의가 부상.
국고채 3년: Vol.1 3.93%(’26.10.6) → 3.85%(’26.10.16), −8bp. 스프레드는 48bp → 약 56bp로 소폭 확대.
PF 연체율: 4.65%(’26.3말) → 4.56%(’26.6말), 1년 만에 첫 하락. PF대출 잔액도 2023년 말 이후 첫 증가.
딜: 3분기 G1서울(1.5조) 중심 → 4분기 여의도 ABL타워(약 3,460억) 매각 진행.
정책: 8·13 금융대책 후속으로 주거 PF 자기자본비율 규제 2년 유예 확정(2029년부터 단계 시행).
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 
• 
•

S13 · PDF 6쪽

S13 PDF 6쪽

이 페이지 검색용 텍스트

소스 목록 SOURCES
연구기관·시장 데이터
· 한국은행 기준금리 추이 — https://www.bok.or.kr/portal/singl/baseRate/list.do
· 재정경제부 시장금리(국고채 3년 3.854%, 2026-10-16) — https://www.mofe.go.kr
· smbs.biz 채권시장(국고 3년 3.872%, 2026-10-15) · Trading Economics(10년 4.19%, 2026-10-16)
· CBRE 코리아 Seoul Figures Q2 2026 (서울 A급 Cap Rate·공실률) — https://www.cbre.com/insights/figures/seoul-figures-q2-2026
· RSQUARE ’26 Q2 서울 오피스 마켓리포트 (평균 Cap Rate 4.41%) — https://www.rsquare.co.kr
· 젠스타메이트 부동산연구소 Korea Office Market Report (권역별 Cap Rate) — https://blog.genstarmate.com
· JLL 코리아 ’26 Q2 서울 오피스 동향(실질임대료) · 쿠시먼앤드웨이크필드·컬리어스 코리아 ’26 Q2 서울 오피스
· CBRE Japan Cap Rate Survey (2026-06, 도쿄 프라임 3.10%) · CBRE US Cap Rate Survey H1 2026
· 한국부동산원 R-ONE 주간 아파트가격동향 (2026-10-15) — https://www.reb.or.kr
· 국토연구원 부동산시장 소비심리지수 (2026년 9월, 2026-10-15) — https://www.krihs.re.kr
· 한국리츠협회 상장리츠 시장현황 — https://www.kareit.or.kr/invest/page2.php
· 금융위원회·금융감독원 부동산 PF 상황 점검회의 (2026-10-13) — https://www.fsc.go.kr
· MSCI 리얼 캐피탈 애널리틱스(RCA) 2026년 서울 오피스 매각 자문 실적
언론보도·정책자료
· 연합뉴스: 금통위 전망(2026-10-18)·ABL타워 매각(2026-10-12)·세빌스 자문 실적(2026-09-21)·10·15 대책 1년(2026-10-10)·리츠 분
리과세(2026-07-07) · 이투데이 PF 점검(2026-10-13) · 블룸버그 데이터센터 CMBS(2026-09-15) · 더벨 부동산펀드(2026-08-20) · 조세
일보 리츠(2026-07-15) · KBRA CMBS Trend Watch(2026-06) · 국토교통부 2026년 주택공급 업무계획.
학술논문·보고서
· Feng, Z., "Investor Composition and Private Asset Prices: Evidence from Commercial Real Estate," SSRN (2026) — https://
papers.ssrn.com/sol3/papers.cfm?abstract_id=7267898
· Hoesli, M. et al., "Determinants of Discount Rates, Capitalization Rates, and Implied Growth Rates," SSRN (2024) — https://
papers.ssrn.com/sol3/papers.cfm?abstract_id=5042256
· 박성경·강경훈, 「고정금리 주택담보대출 확대가 통화정책 파급에 미치는 영향」, 금융정보연구 2026, Vol.15 No.1 (KCI)
· 국토연구원, 「부동산시장 조사분석」 2026 여름호(Vol.54, 2026-07-31)
본 뉴스레터는 2026-10-19(월) 발송 시점 기준으로 각 지표를 새로 조회해 작성했습니다. 모든 수치는 항목별 as-of 시점을 표기했으며, Cap Rate·공실률·임대료는
기관별 표본·자산 등급·측정 방식 차이로 동일 시장에서도 값이 다를 수 있습니다. 투자 판단 전 원자료 교차 확인을 권장합니다.
발행: Genspark for Telegram · 문의: 유정석 교수 DM

S14 · 서울 오피스 시장의 임대계약 사례를 이용한 렌트프리 기간의 결정요인 분석.pdf · 27쪽 — 원문 펼치기

S14 · PDF 1쪽

S14 PDF 1쪽

이 페이지 검색용 텍스트

｢도시행정학보｣ 제30집 제2호(2017. 6): 153-178
Journal of the Korean Urban Management Association, Vol.30 No.2
Ⅰ. 서 론
서울 오피스 시장은 2001년에 부동산투자회
사법이 제정되고 2004년에 간접투자자산운용법
이 제정되면서 전환점을 맞게 되었다. 직접투자
만 가능했던 부동산이 리츠(REITs)와 부동산펀
드(REF)와 같은 투자기구(Vehicle)를 통한 간접
투자가 가능해진 것이다. 부동산 투자에 대한 재
무적 투자자의 접근이 용이하게 되면서, 연기금, 
공제회 및 생명보험사와 같은 기관투자자들의 
부동산 간접투자상품에 대한 투자가 증가하였
다. 자본이익(Capital gain)을 추구해오던 서울 
오피스 투자시장은 점차 운영이익(Income gain)
에 초점을 맞춘 부동산 가치 평가 및 수익 분석
*** 이 연구는 2017학년도 단국대학교 대학연구비 지원으로 연구되었음. 이 논문 또는 저서는 2015년 대한민
국 교육부와 한국연구재단의 지원을 받아 수행된 연구임(NRF-2015 S1A3A2046715).
*** 제1저자, 단국대학교 일반대학원 도시계획및부동산학과 박사수료
*** 교신저자, 단국대학교 사회과학대학 도시계획부동산학부 부교수
서울 오피스 시장의 임대계약 사례를 이용한 렌트프리 
기간의 결정요인 분석*
황병훈**･유정석***
서울 오피스 임대시장은 2008년 글로벌 금융위기 이후 임차인 우위의 시장으로 전환되면서, 렌트프리
(Rent-free)의 사례가 증가하고 그 제공 기간도 늘어났다. 그러나 임대계약 자료 취득의 한계로 렌트
프리와 관련한 논의는 매우 제한적이다. 특히, 렌트프리 기간에 대한 연구는 이루어지지 않았다. 본 연
구는 렌트프리 기간이 시장현황 및 임대조건 등에 따라 차이를 보일 수 있는 점을 고려하여, 2009년부
터 2015년까지의 임대계약 사례 860건을 바탕으로 렌트프리 기간의 결정 요인을 Cox 비례위험모형
을 적용하여 분석하였다. 건물공실률, 임대기간, 임대면적 및 계약임대료는 모두 통계적으로 유의하
며, 렌트프리 기간에 영향을 미치는 주요 요인으로 확인되었다. 일반적으로 건물의 공실률이 증가할수
록, 임대기간이 길어질수록, 임대면적이 커질수록, 계약임대료가 높을수록 렌트프리 기간이 길어지는 
것으로 설명된다. 시장공실률과 시장임대료는 모두 유의한 결과를 보여, 렌트프리 기간이 임대시장의 
영향을 받는 것으로 판단된다. 시장공실률과 시장임대료는 분석 대상기간 동안 상승 추이를 나타냈으
며 이 기간 동안 렌트프리 기간도 증가된 것으로 이해된다. 업무권역별로는 도심권역만 유의한 결과를 
보인다. 이는 타권역보다 도심권역에 중대형 오피스의 신규 공급이 집중되어 공실 해소를 위해 적극적
으로 장기간의 렌트프리를 제공한 결과로 사료된다.
주제어: 렌트프리, 상업용 부동산, 서울 오피스 시장, 오피스 임대시장, 임대계약, 생존분석, Cox 비례
위험모형
  
1)
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 2쪽

S14 PDF 2쪽

이 페이지 검색용 텍스트

154 ｢도시행정학보｣ 제30집 제2호
이 일반화되었다. 상업용 부동산의 자산가치를 
결정하는 가장 중요한 요소 중의 하나는 임대수
입이며, 그 임대수입은 임대기간, 임대면적, 임
대료 등과 같은 임대계약의 조건에 따라 결정된
다. 임대계약 조건은 임대시장(Space Market)의 
상황을 고려하여 임대인과 임차인 간의 합의 과
정을 통해 정해지는 사항으로서, 동일한 건물 내
에서도 임대계약별로 다른 조건을 보이게 된다.
2008년 글로벌 금융위기 이전까지 서울 오피
스 임대시장은 낮은 공실률과 지속적인 임대 수
요로 임대료가 꾸준히 인상되는 임대인 우위의 
시장을 누려왔다. 그러나 금융위기 이후의 시장
은 반전되어 공실률은 증가하였고 경기 침체로 
임대 수요는 위축 되었다. 더욱이 공기업 지방 
이전, 대형 오피스의 신규 공급, 판교 테크노밸
리 기업 이전 등으로 인해 단기간에 임대 시장의 
회복은 어려운 상황에 직면하였다. 임대인 우위
의 시장에서 임차인 우위의 시장으로 빠르게 변
화된 것이다. 이에 대응하여 부동산 자산관리사
(Property management company)와 자산운용사
(Asset management company)는 안정적인 임대
수입을 확보하기 위해 기존 임차인을 유지하는
데 노력하고 신규 임차인 유치를 위한 더욱 다양
하고 적극적인 임대 마케팅을 실행하였다. 
상업용 부동산 시장에서는 임차인에게 렌트
프리(Rent-free)1), TI(Tenant Improvement)2), 
Fit-out3)과 같은 다양한 인센티브(Incentive)가 
제공되고 있으며 유럽 및 미국 등에서는 이미 
보편화 되었다(Brown, 1995; Hamilton 외, 
2006; Jeffries, 1994; Sheehan, 2006; Wheaton 
and Torto, 1994; 황병훈･유정석, 2016). 서울 
오피스 시장에서는 금융위기 이후 렌트프리의 
제공 사례가 증가하여(여태종 외, 2015; 젠스타, 
2015) 현재는 통상적인 인센티브로 인식되고 있
다. 최근에는 TI4)와 이사비용 지원5) 사례도 점
차 늘어나고 있다. 렌트프리는 임대계약 기간 
중에 임대료를 지불하지 않는 무상 임대기간을 
의미하며, 임차인은 렌트프리 기간 이외의 계약
1) 렌트프리는 임대기간 중 약정기간의 임대료가 면제되는 조건이며 일반적으로 관리비 등의 다른 조건은 변
동 없이 유지된다. 임차인은 실질적인 임대료의 감면을, 임대인은 표면적인 임대료의 유지 효과를 얻을 수 
있다.(여태종 외, 2015; 황병훈･유정석, 2016; 류강민･여태종, 2016; Wheaton and Torto, 1994). 
2) TI는 신규 임차인의 건물 입주를 위한 인테리어 비용을 임대인이 부담하는 것으로, 임대인이 인테리어 공사
를 수행하거나 임차인에게 비용의 일부 또는 전부를 지원한다. 서울 오피스 임대시장에서도 TI 명목으로 현
금이 제공된 사례가 알려졌다(양영준･임병준, 2014; 황병훈･유정석, 2016; Wheaton and Torto, 1994). 
3) Fit-out은 신규 임차인의 입주 공사 기간의 임대료 등을 면제하는 방법으로, 통상적으로 임대기간의 개시 
이전에 공사 기간을 무상 제공하여 임차인의 부담을 덜어 준다(양영준･임병준, 2014; 우철민 외, 2015; 황
병훈･유정석, 2016; Murdoch and Crosby, 1994). 
4) 서울 오피스 시장에서 렌트프리 외에 TI를 제공하는 사례가 점차 증가하고 있다. 임차인은 TI를 통해 인테리
어 공사비 등의 초기 입주비용을 충당할 수 있으며, 운영수익을 중시하는 상업용 오피스의 경우 임대수입을 
감소시키는 렌트프리를 추가 제공하기 보다는 임대 초기에 일시적인 비용이 발생하는 TI를 선호하기도 한다.
5) 우량 임차인을 유치하기 위한 마케팅의 일환으로, 임대인은 기존 건물에서 이전으로 인해 발생되는 임차인
의 비용을 보상해 준다. 기존 임대계약의 중도 해지로 인해 발생되는 잔여 임대료 보상, 손해배상 등을 부담
한다(양영준･임병준, 2014; 황병훈･유정석, 2016). 
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 3쪽

S14 PDF 3쪽

이 페이지 검색용 텍스트

서울 오피스 시장의 임대계약 사례를 이용한 렌트프리 기간의 결정요인 분석 155
기간 동안에는 명목임대료6) 수준으로 임대료를 
지불한다(류강민 외, 2015; 여태종 외, 2015). 따
라서 임대인은 렌트프리를 활용하여 명목임대
료를 유지한 채로 임차인이 부담하는 실질임대
료(Effective rent)는 인하해 줄 수 있어, 시장 상
황 또는 임차인에 따라 임대계약 조건을 탄력적
으로 조정 할 수 있다(류강민･이창무, 2012; 류
강민 외, 2015; 황병훈･유정석, 2016). 렌트프리
는 명목임대료를 유지하여 건물의 가치를 유지
하기 위한 방안 또는 신규 임대료 하락으로 인
한 기존 임차인과의 분쟁을 최소화하기 위한 방
안 등 여러 목적으로 제공되는 것으로 설명된다
(여태종 외, 2015; 우철민 외, 2015; 류강민･여
태종, 2016; 정원구･이호병, 2016). 
일반적으로 공실률이 증가하는 임차인 우위의 
시장에서는 임대료가 하락하여야 할 것이다. 그러
나 금융위기 이후 서울 오피스의 공실률 증가에도 
불구하고 임대시장에 공개되는 명목임대료는 꾸
준히 상승하였다. 그 주요 원인으로 금융위기 이
후 본격적으로 나타난 렌트프리가 지적되었다(류
강민 외, 2015; 여태종 외, 2015; 우철민 외, 2015; 
이병현, 2015; 정원구･이호병, 2016). 렌트프리는 
명목임대료와 실질임대료 간의 괴리를 발생시키
고, 명목임대료에 기초한 연구결과를 왜곡시키는 
원인이 될 수 있다(Wheaton and Torto, 1994; 
Brown, 1995). 그러나 렌트프리에 대한 연구는 매
우 제한적이다. 무엇보다도 임대계약은 사적 계약
으로서 외부 공개에 있어 제약이 크다. 특히, 렌트
프리와 같이 임차인 인센티브와 관련된 상세 조건
은 더욱 그러하다. 따라서 대다수의 연구는 자료 
취득의 한계를 내포한 채 렌트프리가 반영되지 않
은 명목임대료에 기초하여 연구되고 있다. 
렌트프리와 같은 임차인 인센티브는 공실률
이 낮은 임대인 우위의 시장인지 반대로 공실
률이 높은 임차인 우위의 시장인지에 따라 제
공 수준(기간)의 차이를 보인다(Brown, 1995; 
Gunnelin and Sönderberg, 2003; Fisher and 
Ciochetti, 2007). 서울 오피스 시장의 렌트프리 
제공 기간은 시장 침제가 지속됨에 따라 증가 
추이를 보이는 것으로 파악된다.7) 즉, 렌트프리 
기간(시간)이 시장현황 및 임대조건 등에 따라 
차이가 나타날 수 있다. 그러나 이와 관련한 논
의는 찾아보기 어렵다. 이를 규명하기 위해 본 
연구는 기존의 연구 방법과는 달리 종속변수가 
6) 임대료는 호가임대료(Asking Rent), 계약임대료(Contract Rent), 실질임대료(Effective Rent)로 구분할 수 
있다. 호가임대료는 임대인이 마케팅 목적으로 외부에 공개하는 임대료이며, 계약임대료는 임대계약에 반영
된 임대료이며, 실질임대료는 계약임대료 이외의 렌트프리나 TI 등이 차감된 임대료이다(민성훈, 2013; 류강
민･여태종, 2016; Brown, 1995; Wheaton and Torto, 1994; Webb and Fisher, 1996). 서울 오피스 시장
에서는 호가임대료, 계약임대료, 표면임대료(Face Rent), 명목임대료라는 용어가 명확하게 정의되지 않은 채 
혼용해서 사용되고 있다. 본 연구에서는 원활한 이해를 위해 이 용어들을 통칭하여 명목임대료라고 부른다. 
7) 서울 오피스 시장에서 렌트프리의 기간은 2009년부터 2012년까지 증가 추이를 보인 것으로 판단된다(우철
민 외, 2015; 류강민･여태종, 2016). 그리고 2013년 3분기 기준으로 서울 오피스 260개동을 조사한 결과는 
약55%가 렌트프리를 제공하며 전체 평균 기간은 1.12개월/연이다(여태종 외, 2015). 2014년 3분기에는 서
울 오피스의 약68%가 렌트프리를 제공하고 전체 평균 기간은 1.5개월/연으로 조사되었다(젠스타, 2015; 류
강민 외, 2015; 류강민･여태종, 2016). 
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 4쪽

S14 PDF 4쪽

이 페이지 검색용 텍스트

156 ｢도시행정학보｣ 제30집 제2호
어떤 사건의 발생시간(time to event)인 경우에 
적용 가능한 생존분석(Cox 비례위험모형)을 활
용한다. 그리고 렌트프리가 본격적으로 나타난 
2009년 이후부터 2015년까지 체결된 임대계약 
사례 860건에 기초하여, 선행 연구보다 가장 긴 
기간의 더 많은 표본을 대상으로 하고 있다. 
따라서 본 연구는 기존 연구와 대비하여 차별
되는 자료와 분석 방법을 통해서, 시장공실률 및 
시장임대료와 같은 시장현황과 임대기간, 임대
면적, 임대료와 같은 임대조건 등이 렌트프리 기
간의 결정에 미치는 영향을 실증 분석하고자 한
다. 이후 본 연구는 다음과 같이 구성된다. II장
에서는 오피스 임대계약 및 렌트프리와 관련한 
선행연구를 검토하고, 이를 바탕으로 본 연구의 
차별성에 대해 제시한다. III장에서는 본 연구의 
분석 자료 및 기초 통계를 제시하고 실증 분석 
방법을 설명한다. IV장에서는 실증 분석 결과와 
해석을 제시하여 렌트프리 기간의 결정 요인에 
대해 고찰한다. 마지막 V장에서는 실증 분석 결
과를 요약하고, 본 연구의 결과가 시사하는 의미
를 기술하며 향후 관련 연구의 방향을 제시한다. 
Ⅱ. 선행연구 검토 및 본 연구의 
차별성
1. 선행연구 검토
유럽 및 미국과 같이 상업용 부동산 시장이 발
달된 지역에서도 임대계약 자료에 대한 공개는 
제약이 따른다(Wheaton and Torto, 1994; Webb 
and Fisher, 1996; Gunnelin and Sönderberg, 
2003). 그러나 국내와 달리 해외 연구들은 실제 
임대계약 내용을 바탕으로 임대계약 내용을 분
석하고 렌트프리와 같은 임차인 인센티브를 반
영한 실질임대료를 변수로 반영하여 임대료 결
정 요인을 분석하는 등 다양한 접근이 이루어졌
다. 일반적으로 건물의 등급과 연한 같은 건물 특
성을 비롯하여 임대료, 임대기간, 임대면적, 렌트
프리 등의 임대계약 특성 그리고 공실률과 같은 
시장 특성은 밀접한 관계를 가지는 것으로 설명
하고 있다. 다만 상업용 오피스 시장에서 렌트프
리와 관련한 명확한 분석이나 관계 규명은 이루
어지지 못하였다는 한계를 보인다. 
Wheaton and Torto(1994)는 미국 50개 대도
시(Metropolitan)의 1979년부터 1990년까지의 
약60,000개 오피스 임대계약을 기초하여 임대
료 결정 모형을 제시하였다. 임대면적, 임대기
간, 건물 층수, 신축 여부 등을 독립변수로 선정
하고, 임차인에게 제공되는 인센티브가 실질임
대료를 감소시키는 점을 고려하여 렌트프리 및 
TI 등을 반영한 실질임대료를 종속변수로 설정
하였다. 
Webb and Fisher(1996)는 1985년부터 1991
년까지 미국 시카고 CBD(Central Business 
District) 지역의 오피스 임대계약 228건을 분석
하였으며, 1985년부터 1988년까지 실질임대료
는 50% 가까이 하락 후 다소 회복한 반면 계약
임대료는 동일 기간 동안 하락 없이 지속적으로 
유지되어 큰 차이를 보이는 점을 밝혀냈다. 실
질임대료는 계약임대료에서 렌트프리 뿐만 아
니라 TI, 중개수수료와 같은 상세 조건에 따른 
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 5쪽

S14 PDF 5쪽

이 페이지 검색용 텍스트

서울 오피스 시장의 임대계약 사례를 이용한 렌트프리 기간의 결정요인 분석 157
임대료 감소 요인까지 반영하여 산출하였다.
Gunnelin and Sönderberg(2003)는 스웨덴 스
톡홀름 오피스 시장의 861개 임대계약을 바탕
으로 실증 분석하였다. 분석대상은 스톡홀름 
CBD 지역의 1977년부터 1991년까지의 임대계
약 사례이며, 임대시장은 대체로 낮은 공실률
로 안정적이었다. 독립변수로 임대면적, 건축연
한, 건물소유자, 계약갱신, 임대기간 등을 선정
하고 임대료를 종속변수로 하는 계약구조 모형
을 설정하였다. 이 모형은 분석기간인 15년 중 
7년에 대해서는 적정하게 설명되나 그 외의 기
간은 그러하지 못하였다. 한편 임차인에게 제
공되어 실질적으로 임대료를 감소시키는 TI와 
같은 임차인 혜택 조건을 확인하지 못한 한계
를 내포하고 있다.
Sheehan(2006)은 TI, 임대계약 해지 옵션, 우
선임차권 등의 계약 조건이 임대료 결정에 미
치는 영향을 헤도닉 모델을 사용하여 분석하였
다. 2001년부터 2005년 사이에 체결된 오피스 
임대계약 4,494건에 기반한 실증 분석 결과, TI 
옵션이 포함된 임대계약의 경우 그렇지 않은 
경우에 비해 임대료가 높은 것으로 나타났으
며, 해지 옵션 및 우선임차권은 임대료에 (-)의 
영향을 주는 것으로 확인되었다. 또한 건물의 
점유면적이 높은 임차인일수록 임대료가 낮아
지는 경향이 확인되었다.
Bond 외(2007)는 영국 런던에 소재한 상업용 
오피스의 935개 임대계약 사례로 임대기간과 
임대료 간의 관계를 분석하였다. 임대계약 기간
이 1994년부터 2004년 사이의 해당되는 사례로
서 건물 등급, 건축연한, 임대면적, 임대기간, 계
약체결시점, 중도해지 불가 기간과 같은 임대계
약 특성을 변수로 한 모형을 구성하였다. 렌트
프리 기간은 전체 임대기간에 안분하여 실질임
대료를 산출한 후 반영하였다. 분석 결과 단기 
임차보다 장기 임차를 하는 임차인이 더 높은 
초기 임대료를 지불하는 것으로 나타났다. 
Fisher and Ciochetti(2007)는 미국 14개 지역
의 2001년부터 2005년 사이의 오피스 임대계약 
3,655건을 분석하였다. 분석 결과 임대기간, 임
대면적, TI의 수준 등의 조건이 지역별 시장상
황과 임차인에 따라 큰 차이를 보였다. 특히 임
대기간은 임대면적, TI 수준, 임차인 특성, 시장
상황 등과 밀접한 관계를 보이고 있는 것으로 
설명하였다.
서울 오피스 시장의 공실률과 임대료 간의 
조정 및 균형과 관련된 여러 연구가 수행되었
으며, 공실률과 임대료가 일반적으로 음(-)의 
관계를 보이는 것으로 설명하였다(김경민･박정
수, 2009; 류강민･이창무, 2012; 전해정, 2012; 
이무송･유정석, 2014). 그러나 금융위기 이후 
서울 오피스 임대시장에 공개되는 임대료는 공
실률의 상승에도 불구하고 꾸준히 상승하여 양
(+)의 관계를 나타냈다. 렌트프리가 그 원인으
로 지적되었으나 이에 대한 분석은 충분히 이
루어지지 못하였다(류강민 외, 2015; 여태종 외, 
2015; 우철민 외, 2015; 이병현, 2015). 
민성훈(2013)은 서울 오피스의 호가임대료, 
계약임대료 및 수취임대료8) 간의 유의한 차이
가 있으며, 호가임대료는 계약임대료에 비해 
8) 민성훈(2013)의 연구에서 수취임대료는 실질임대료와 유사한 개념이다.
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 6쪽

S14 PDF 6쪽

이 페이지 검색용 텍스트

158 ｢도시행정학보｣ 제30집 제2호
부동산시장의 경기가 좋지 않은 경우 더 높은 
경향을 보이는 것으로 설명하였다. 우철민 외
(2015)는 2008년부터 2013년 사이에 체결된 
117개 임대계약 사례를 기초하여, 공실률이 높
아지면서 표면임대료와 실질임대료의 차이가 
커지고 있음을 확인하였다. 그러나 이 현상의 
원인으로 추정되는 렌트프리와의 관계와 그 특
성에 대해서는 설명하지 못하였다.
여태종 외(2015)는 서울시 오피스 260개를 
대상으로 2013년 3분기에 조사된 임대 마케팅
용 렌트프리 자료에 기초하여 순서형 로짓 모
형을 적용하여 분석하였다. 렌트프리 결정요인
으로 공실률, 추정임대료, 연면적, 건축연한이 
유의하며 공실률이 가장 중요한 요인으로 나타
났다. 그러나 이 연구는 임대계약 자료가 아닌 
건물별 임대인의 호가(Asking)인 마케팅용 렌트
프리 자료를 분석하였는데, 임대마케팅 자료는 
임대인의 전략 등이 반영되어 실제 임대시장과
는 차이가 발생할 수 있다.9) 동일한 시점의 동
일한 건물에서도 임대마케팅 자료와는 달리 임
대계약별로 렌트프리가 다르게 적용될 수 있
음10)에도 불구하고, 임대기간 및 임대면적 등
과 같은 개별 임대계약의 주요 사항이 반영되
지 못한 채 동일 건물은 동일한 임대 조건으로 
간주한 한계를 내포하고 있다(황병훈･유정석, 
2016). 
정원구･이호병(2016)은 2014년을 기준으로 
유효한 서울시 오피스 임대계약 441건을 대상으
로 렌트프리 결정요인을 다중회귀분석(Log-log 
model)을 통해 설명하였다. 그 결과 임차인의 계
약기간, 임대료 부담수준, 외국계 임차인 여부, 
건물의 연면적 등에 따라 렌트프리 기간의 차이
가 통계적으로 유의함을 밝혔다. 그리고 공실률
과 임대면적은 주요한 변수가 아닌 것으로 분석
되었다. 도심권역은 양(+)의 계수를, 여의도권역
은 음(-)의 계수를 나타내어, 여의도권역이 다른 
권역에 비하여 렌트프리가 상대적으로 덜 활용
된 것으로 판단하였다. 
황병훈･유정석(2016)은 2010년부터 2014년
까지의 서울 오피스의 임대계약 사례 733건을 
바탕으로 렌트프리의 결정 요인을 분석하였다. 
이항 및 다항 로지스틱 회귀분석 결과 건물연
면적과 임대기간이 양(+)의 관계로 주요한 요인
이며, 공실률과 임대면적은 유의하지 않은 것
으로 나타났다. 그리고 렌트프리를 제공하는 경
우와 렌트프리를 제공하지 않는 경우가 양극화
9) 호가임대료는 수시로 조정이 가능하기 때문에 임대인은 임차인 모집을 위해 시장상황에 따라 호가임대료를 
조정할 것이다(류강민･이창무, 2012). 실질임대료가 상업용 부동산 시장의 상황을 정확하게 반영할 수 있을 
것이다(Webb and Fisher, 1996). 
10) 정보비대칭은 공급자와 소비자의 재화에 대한 정보의 불균형에서 나타나는 것으로 공급자가 정보를 더 많
이 획득하여 시장가격을 조정하는 것이다. 경제학에서 시작되었으며, Akerlof(1970)는 중고차 시장을 예
로 들면서 불완전 정보에 기초한 정보비대칭 현상을 설명하였다(문근식, 2016). Mooradian and 
Yang(2002)은 임대인은 임차인에 비해 해당 자산에 대한 많은 정보를 보유하게 되는데, 이로 인해 임대인
과 임차인간의 정보비대칭이 발생하게 되며, 임대인은 이를 활용하여 다양한 계약 조건을 임대계약에 포
함함으로써 다수 임차인들에게 차별적인 임대료를 적용할 수 있는 결정권을 갖게 됨을 확인하였다(황병
훈･유정석, 2016). 
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 7쪽

S14 PDF 7쪽

이 페이지 검색용 텍스트

서울 오피스 시장의 임대계약 사례를 이용한 렌트프리 기간의 결정요인 분석 159
되는 현상을 확인하였으며, 이 현상은 도심권
역에서 가장 뚜렷하게 드러났다. 정원구･이호
병(2016)과 황병훈･유정석(2016)의 연구는 임
대계약 상세내용을 바탕으로 렌트프리의 특성
을 실증 분석하였다는 데 중요한 의의를 가질 
수 있다. 그러나 렌트프리 결정의 주요 요인으
로 추정되는 임대면적과 공실률이 통계적으로 
유의하지 않게 나타났다.11) 
렌트프리 기간은 시장현황 및 임대조건 등에 
따라 차이를 보일 수 있다. 임대계약 시점의 임
대시장 현황을 고려하여 임대인과 임차인 간의 
개별적인 협상의 결과로서 렌트프리의 기간이 
결정되는 점을 감안하면, 렌트프리의 기간에 
영향을 미치는 요인은 선행연구의 분석결과와 
다를 수 있다. 이처럼 종속변수가 어떤 사건의 
발생시간(time to event)일 때, 이와 관련한 총
체적인 통계분석을 위해 생존분석(survival 
analysis)이 적용된다(김양진, 2013). 생존분석
은 의학 분야를 비롯하여 공학과 사회학 등 다
양한 분야에서 많이 활용되고 있으며, 도시계
획학 분야의 연구에서도 찾아볼 수 있다(우석
진, 2013) 
김태경 외(2008)는 주택 소유기간 결정요인
을 분석하기 위해서 소유지역, 정책성향, 소유
자의 경제사회학적 특성, 대상 아파트의 특성, 
물리적 접근성 등을 독립변수로 하여 Cox 비례
위험모형(Proportional Hazard Model)12)을 활
용한 생존분석을 수행하였고, 김태경(2010)은 
Cox 비례위험모형을 적용하여 주택의 소유기간
에 영향을 미치는 정책변수를 분석하였다. 마강
래･강은택(2011)은 결혼 이후 최초 주택구입 시
점까지의 기간에 영향을 미치는 요인을 실증분
석하기 위해서, 카플란-마이어(Kaplan-Meier) 
방법과 Cox 비례위험모형을 활용한 생존분석을 
수행하였다.
이창효･이승일(2012)은 가구 구성원 변화에 
따른 주거이동과 주거이동 시점까지 소요되는 
거주기간에 대한 영향 요인을 Cox 비례위험 모
형으로 분석하였고, 김대원･유정석(2013)은 
Cox 비례위험 모형을 사용하여 초기 주택가격 
형성이 가격 주기 지속기간에 미치는 영향을 
분석하였다. 강희만(2014)은 아파트 소유자의 
소유기간을 종속변수로 하고 금리와 아파트 매
매가격지수, 전세가 대비 매매가 비율, 소유자
의 연령, 매입 시 대출 여부를 독립변수로 하여 
Cox 비례위험모형을 적용해 실증분석을 하였
다. 김대원･유정석(2016)은 뉴스 기사가 아파트 
매매･전세 가격 국면 지속기간에 미치는 영향
11) 공실률이 유의하지 않은 것은 시차가 반영되지 않은 점이 주요 원인으로 추정된다. Wheaton(1987)은 오
피스 시장에서 임대료의 순환 주기와 공실률의 순환 주기는 밀접한 관계가 있으며 일정 시차를 가지는 것
으로 설명하였다. 김경민･박정수(2009)는 오피스의 임대료는 일반적으로 외부경제의 변화에 즉각적으로 
반응하지 않고 시차를 두고 변화하나, 공실률은 시장수급상황의 불균형 상태를 즉각적으로 반영하며 시장
여건의 변화에 보다 민감하게 반응하는 것으로 설명하였다(황병훈･유정석, 2016 인용). 임대료와 공실률
의 순환 주기에는 상당한 시차가 발생하는 점을 감안할 때, 임대료의 조정 방안인 렌트프리와도 일정 시차
가 존재할 것으로 추정된다(황병훈･유정석, 2016).
12) Cox가 만든 생존분석 방법으로 Cox 회귀분석(Regression Analysis)이라고도 부른다(최현철, 2016).
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 8쪽

S14 PDF 8쪽

이 페이지 검색용 텍스트

160 ｢도시행정학보｣ 제30집 제2호
을 Cox 비례위험 모형으로 분석하였으며, 강선
호(2017)는 토지수용 진행 단계별 영향 요인을 
분석하기 위해서 Cox 비례위험모형과 카플란-
마이어 방법을 사용하였다.
2. 본 연구의 차별성
2008년 글로벌 금융위기 이후 서울 오피스 
시장에서 렌트프리의 적용이 확대되고 있음에
도 불구하고 자료 취득이 제한되어 이와 관련
한 연구는 매우 드물다. 여태종 외(2015)의 연구
는 실제 임대계약 자료가 아닌 건물별 호가
(Asking)인 마케팅용 렌트프리 자료를 바탕으로 
분석되는 한계를 보이고 있으며, 정원구･이호
병(2016)과 황병훈･유정석(2016)의 연구 외에
는 임대계약 자료에 기초하여 렌트프리를 실증 
분석한 연구는 찾아보기 어렵다. 반면 본 연구
의 분석대상은 렌트프리가 나타나기 시작한 
2009년부터 2015년까지 체결된 임대계약 860
건으로서, 기존의 유사 연구보다 가장 긴 기간
과 가장 많은 표본을 대상으로 하고 있다. 마케
팅용 자료가 아닌 실제 임대계약 자료를 분석
하므로 개별 임대계약별로 임대기간, 계약임대
료, 렌트프리와 같은 임대계약의 주요 사항을 
비롯하여 개별 건물의 연면적 및 공실률 현황
을 반영할 수 있다. 그리고 계약 시점의 시장공
실률 및 시장임대료와 업무권역과 같은 임대시
장의 특성 요인을 포함하여 분석하고자 한다. 
렌트프리 기간은 시장현황 및 임대조건 등에 
따라 영향을 받을 수 있다. 서울 오피스 시장 현
황을 살펴보면, 2008년 금융위기 이후에는 주로 
1~2개월/연 수준의 단기간의 렌트프리가 제공
되었다. 그러나 임대시장의 침체가 지속됨에 따
라 5~6개월/연 수준의 장기간의 렌트프리를 제
공할 정도로 렌트프리 기간이 증가하고, 임대계
약별로 계약조건에 따라 렌트프리 기간이 차이
를 나타나는 것으로 판단된다. 정원구･이호병
(2016)과 황병훈･유정석(2016)의 연구가 렌트프
리 제공에 대한 결정요인을 분석한 것과는 달리 
본 연구는 렌트프리 기간(시간)에 영향을 미치
는 요인을 분석하고자 한다. 본 연구는 렌트프
리 기간을 종속변수로 하여 생존분석의 하나인 
Cox 비례위험모형을 적용하여 실증 분석한다. 
기존 연구의 분석방법인 로지스틱 회귀분석(로
짓 모형) 및 다중회귀분석 방법과는 다르게 생
존분석은 사건이 발생할 때까지의 시간의 길이
가 종속변수가 된다는 점에서 큰 차이가 있으며 
그 분석 결과도 다른 의미를 가지게 된다.
본 연구의 차별성은 선행연구와 본 연구를 
비교한 <표 1>에서도 나타난다. 차별되는 분석
자료로서, 여태종 외(2015), 정원구･이호병
(2016), 황병훈･유정석(2016)의 분석대상이 각
각 260건, 441건, 733건이나 본 연구는 가장 많
은 860건을 대상으로 하고 있다. 그 대상시점도 
선행연구가 2013년 3Q, 2014년도, 2010
년~2014년이나 본 연구는 가장 긴 기간으로서 
2008년 금융위기 직후인 2009년부터 가장 최근
인 2015년까지를 대상으로 하고 있다. 즉, 가장 
많고 가장 긴 기간의 표본을 대상으로 한다. 
또한 선행연구가 렌트프리를 종속변수로 설
정하고 순서형 로짓분석, 다중회귀분석, 로지스
틱 회귀분석을 분석방법으로 적용한 것과 달
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 9쪽

S14 PDF 9쪽

이 페이지 검색용 텍스트

서울 오피스 시장의 임대계약 사례를 이용한 렌트프리 기간의 결정요인 분석 161
리, 본 연구는 Cox 비례위험모형을 적용하여 
렌트프리 기간(시간)의 결정요인을 분석하였다.
따라서 본 연구는 기존 연구와 대비하여 차
별되는 분석자료와 분석방법을 통해 렌트프리
의 특성을 더욱 다각적으로 분석하였다. 즉, 임
대시장의 현황을 반영한 임대계약 사례에 기초
하여, 건물 특성(연면적, 공실률), 임대계약 특
성(임대기간, 임대면적, 계약임대료), 임대시장 
특성(시장공실률, 시장임대료, 업무권역)이 렌
트프리 기간에 미치는 요인을 Cox 비례위험모
형을 적용하여 분석하였다.
Ⅲ. 분석 자료 및 모형
1. 분석자료의 개요
본 연구는 서울시 상업용 오피스 시장을 분
13) 본 연구는 임대계약 관련자료(Rent-roll 등)를 부동산서비스회사, 부동산자산관리회사 및 자산운용사로부
터 구득하였으며, 황병훈･유정석(2016)의 분석대상을 포함한다. 건물별로 임대자료를 구득한 후 개별 임
대계약의 조건을 확인하여 데이터로 축적하였다. 현재 부동산 관련 전문회사에도 임대계약 관련 자료를 
취득하는데 제한이 있어서, 본 연구와 같은 데이터를 축적하지 못하고 있다. 
구 분
여태종 외(2015)
정원구･이호병(2016)
황병훈･유정석(2016)
본 연구
분석
자료
분석대상
마케팅자료 260건
임대계약 441건
임대계약 733건
임대계약 860건13)
건물수
260개동
-
52개동 
62개동 
건물연면적
14,900㎡ 이상
평균 88,904㎡
14,600㎡ 이상
14,000㎡ 이상
대상시점
2013년 3Q
2014년도
2010년 ~ 2014년
2009년 ~ 2015년
변수
선정
종속변수
렌트프리
렌트프리
렌트프리
렌트프리 기간
독립변수
연면적, 공실률, 
건물연한,
상대임대료, 추정임대료
연면적, 공실률,
임대기간, 임대면적, 
보증금, 임대료, 관리비, 
외국계임차인, 업무권역
연면적, 공실률,
임대기간, 임대면적, 
계약임대료, 업무권역, 
시장공실률, 시장임대료
연면적, 공실률,
임대기간, 임대면적, 
계약임대료, 업무권역, 
시장공실률, 시장임대료
분석모형
순서형 로짓분석
다중회귀분석
(Log-log model)
이항/다항 로지스틱 
회귀분석
Cox 비례위험모형
분석결과
- 연면적, 공실률, 건축
연한, 추정임대료 유
의함
- 공실률이 가장 중요한 
요인임
- 연면적, 임대기간, 임대
료 수준, 외국계 임차인 
여부가 유의함
- 임대면적, 공실률은 주
요한 요인 아님
- 도심권역은 양(+)의 계
수, 여의도권역은 음(-)
의 계수
- 연면적, 임대기간이 주
요 요인임
- 임대면적, 공실률은 유
의하지 않음
- 계약임대료 및 시장 임
대료가 높을수록 렌트
프리 제공 많음
- 렌트프리 개수에 따른 
양극화 현상 확인
- 공실률, 임대기간, 임대
면적, 계약임대료, 시장
공실률, 시장임대료, 도
심권역이 유의한 요인
임(해당 변수가 증가할
수록 렌트프리 기간 증
가할 확률 높음)
- 연면적은 유의하지 않음
<표 1> 렌트프리와 관련된 선행연구와 본 연구의 비교 (황병훈･유정석, 2016 인용)
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 10쪽

S14 PDF 10쪽

이 페이지 검색용 텍스트

162 ｢도시행정학보｣ 제30집 제2호
석 대상으로 하여, 공간적 범위는 서울시 업무
권역(도심권역, 강남권역, 여의도권역, 기타권
역)으로 한정하고, 시간적 범위는 2009년부터 
2015년까지로 하며 해당 기간에 실제 체결된 
임대계약을 실증분석 대상으로 하였다. 분석 
표본은 서울에 소재한 건물연면적 14,000㎡ 이
상의 오피스 빌딩 62개동에서 2009년부터 
2015년 사이에 체결된 총 860건의 임대계약 사
례이며, 임대계약별로 렌트프리 기간을 비롯하
여 계약시점, 임대기간, 임대면적, 계약임대료 
등의 상세 조건을 포함하였다. 상업용 오피스 
빌딩이 전문 투자기관을 중심으로 운영되는 점
을 감안하여 개인 소유 또는 사옥용의 오피스 
빌딩은 제외하고, 상업용 오피스 임대시장에서 
통상적인 계약 조건에 해당되지 않는 단기 임
차(1년 미만), 전세구조(보증금이 월임대료의 
15배 이상) 및 소형 임대면적(100㎡ 미만)의 계
약 사례도 제외하였다. 
건물연면적별 임대계약수는 실무적인 분
류15)에 따른 Prime급 오피스 빌딩(건물연면적 
50,000㎡ 이상)의 임대계약수가 전체 860건 중 
355건으로 41.3%를, A급 오피스 빌딩(건물연면
적 33,000㎡ 이상)의 임대계약수는 260건으로 
30.2%를, B급 오피스 빌딩(건물연면적 16,500
㎡ 이상)의 임대계약수는 211건으로 24.5%를, 
나머지 C급 오피스 빌딩(건물연면적 16,500㎡ 
미만)의 임대계약수는 34건으로 4.0%를 차지한
다. 서울 상업용 오피스 시장의 주요 대상인 B
급 이상의 중대형 오피스 빌딩을 중심으로 건
물연면적별로 고르게 구성되어 있다. 
임대계약 체결시점은 금융위기 직후인 2009
년부터 2015년까지로 해당 기간 동안의 렌트프
리 제공 사례를 포함하며, 2009년 표본이 다소 
적으나 그 외의 기간은 고르게 분포하고 있다. 
업무권역별로는 도심권역이 860건 중 356건으
로 41.4%를, 강남권역은 290건으로 33.7%를, 
14) 기타 업무권역은 서울시의 주요 업무권역(도심, 강남, 여의도)을 제외한 지역으로 신영에셋의 기준을 참고
하여 분류하였다. 본 연구의 표본 139건은 신도림동, 영등포동, 미근동, 상암동 등에 소재한 오피스의 사
례이다.
15) 국내 오피스의 등급 기준은 명확하게 정의되어 있지 않으며 실무적인 기준이 적용되고 있다. 신영에셋은 
오피스를 건물연면적 기준으로 50,000㎡ 이상은 Prime급으로, 33,000㎡ 이상은 A급으로, 16,500㎡ 이상
은 B급으로, 16,500㎡ 미만을 C급으로 분류하고 있다. 
건물연면적
서울시 업무권역
계
도심
강남
여의도
기타14)
50,000㎡ 이상(프라임급)
183
105
33
34
355(41.3%)
33,000㎡ 이상(A급)
104
109
22
25
260(30.2%)
16,500㎡ 이상(B급)
64
59
11
77
211(24.5%)
16,500㎡ 미만(C급)
5
17
9
3
34(4.0%)
계
356(41.4%)
290(33.7%)
75(8.7%)
139(16.2%)
860(100%)
<표 2> 건물연면적별 임대계약수
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 11쪽

이 페이지 검색용 텍스트

서울 오피스 시장의 임대계약 사례를 이용한 렌트프리 기간의 결정요인 분석 163
여의도권역은 75건으로 8.7%를, 기타권역은 
139건으로 16.2%에 해당된다.
분석대상은 오피스 규모별, 계약체결시점별, 
업무권역별로 전반적으로 고르게 분포되어 있
다. 따라서 서울 상업용 오피스 임대시장을 충
분히 대변하며 렌트프리 기간에 영향을 미치는 
요인에 대해 심도있는 분석이 가능할 것이다.
2. 분석모형
생존분석(survival analysis)은 ‘사망’ 또는 ‘생
존’의 여부와 생존기간(survival time)이라는 두 
가지 주요 정보를 활용하여, 그룹별 특성에 따
른 생존기간의 차이를 분석하는 기법을 의미한
다(마강래･강은택, 2011). 즉, 생존분석은 종속
변수가 사건의 발생시간(time to event)일 때 적
용 가능하며, 생존함수(survival function)의 추
정과 생존함수 또는 위험함수(hazard function)
에 영향을 주는 공변량(covariate) 또는 예측변
수를 찾아 그 연관정도를 구하는 분석 방법이
다. 그리고 생존분석이 다른 통계분석 방법들
과 구별되는 특징은 중도절단자료(Censored 
data)16)를 포함한다는 것이다(김양진, 2013).
생존분석17)의 유형은 크게 모수적(parametric) 
모형, 비모수적(non-parametric) 모형, 반모수적
(semi-parametric) 모형의 3가지로 분류된다. 모
수적 모형은 생존 함수가 특정 분포 형태를 갖는
다고 가정하는 모형으로, 지수(exponential) 모형, 
16) 생존분석은 선형회귀모형이나 로지스틱 회귀모형에서 고려하지 못하는 중도 절단된 자료를 분석할 수 있
는 특성을 지니고 있다. 중도 절단된 자료란 조사 대상자들을 관찰하는 과정에서 각 조사대상자들의 개인
적인 상황으로 인하여 도중에 조사가 종결되거나, 시간･경제적 이유로 모든 대상자가 사건(events)이 발생
하기 이전에 조사를 종료해야 하는 자료를 의미한다. 이 경우 일반적인 회귀모형에서는 중도 절단된 자료
의 처리 방법이 없으나, 생존분석에서는 중도절단 된 자료를 포함하여 분석함으로써, 이러한 자료를 제외
함으로써 발생하는 정보의 손실을 최소화 시킬 수 있다(마강래･강은택, 2011).
17) 지속 의존성 분석(duration dependence analysis)은 다양한 분야에서 다양한 명칭으로 사용되고 있으며, 
의학 분야에서는 생존 분석으로 불린다(김대원･유정석, 2016).
해당연도
서울시 업무권역
계
도심
강남
여의도
기타
2009년
7
15
1
4
27
2010년
23
34
7
20
84
2011년
83
49
3
20
155
2012년
88
60
14
24
186
2013년
81
53
11
23
168
2014년
58
54
35
28
175
2015년
16
25
4
20
65
계
356
290
75
139
860
<표 3> 계약체결시점별 임대계약수
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 12쪽

S14 PDF 12쪽

이 페이지 검색용 텍스트

164 ｢도시행정학보｣ 제30집 제2호
Weibull 모형, Gompertz 모형, Lognormal 모형, 
그리고 Loglogistic 모형 등이 여기에 속한다. 한편 
비모수 모형은 생존 함수의 형태에 대한 어떠한 
전제도 가정하지 않고 자료 자체를 통해 특정 이
벤트가 발생할 때까지의 지속 기간이 유지될 확률
을 구하는 방식을 사용하며, Kaplan-Meier 모형, 
Nelson과 Aalen 모형이 이에 속한다(김대원･유정
석, 2016).
많은 연구들이 모수적 방법보다는 비모수적 
방법을 주로 사용하고 있는데, 일반적으로 생
존기간에 대한 분포를 알 수 없는 경우가 많고 
모수적 방법에서 특정한 분포를 따르지 않는 
경우 특정 분포 가정에 위배되어 추정치의 오
차가 발생하기 때문이다(마강래･강은택, 2011). 
다만 비모수 모형은 분석 자료 자체가 특정 이
벤트가 발생할 때까지 지속되는 기간 또는 생
존 기간에 대한 확률을 구하는 경우에는 유용
한 정보를 제공할 수 있으나, 단변량 분석 모형
이라는 점과 연속형 변수를 모형 내에 투입할 
수 없다는 한계를 갖는다(송경일.최종수, 2011; 
김대원･유정석, 2016)
모수적 모형과 비모수적 모형의 장점과 한계
점을 절충한 모형으로, 반모수적 모형은 모수적 
특성의 독립변수와 비모수적 특성의 독립변수
를 동시에 모형 내에 포함할 수 있는 다변량
(multivariate)모형이라는 점과 연속형 자료를 
모형 내 포함할 수 있다는 특징을 갖는다. 반모
수적 모형은 Cox 비례위험모형(Proportional 
hazard model)18)으로도 불리며, 모형의 우수성
과 계산의 용이성으로 인하여 현재까지 널리 
이용되고 있는 분석방법이다(Cleves et al., 
2010; 김대원･유정석, 2016). 따라서 본 연구의 
종속변수가 렌트프리 기간(시간)이고 독립변수
는 여러 개의 연속형 또는 범주형 변수로서 본 
연구의 목적과 변수의 특성을 고려하여 Cox 비
례위험모형(Proportional Hazard Model)으로 
분석하였다. 
생존모형에서 위험함수 는 시점 의 순
간적인 사건 발생위험도를 의미하며, 시점 까
지 생존해 있는 개체를 대상으로 한 위험도로 
산정된다. 즉, 시점 까지 생존하였다는 조건 
하의 위험도를 의미한다. 위험함수는 <식 1>과 
같이 표현할 수 있으며, 위험함수는 사건과 관
련하여 단기간 에 관찰된 발생건수를 이용
하여 추정한다(이창효･이승일, 2012).
lim
→

Pr≤≺ <식 1>
Pr≥



단, : 시점 의 생존함수
: 추정 위험함수
: 시점 로부터 단기간의 사건수
: 시점 의 생존 개체수
Cox 
비례위험모형(Proportional 
Hazard 
Model)은 반모수적 모형으로 모수적 특성의 독
립변수와 비모수적 특성의 독립변수를 동시에 
18) 영국의 통계학자 Cox(1972)가 제시한 비례위험 모형이 곧 반모수적 모형을 의미한다(김대원･유정석, 
2016).
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 13쪽

S14 PDF 13쪽

이 페이지 검색용 텍스트

서울 오피스 시장의 임대계약 사례를 이용한 렌트프리 기간의 결정요인 분석 165
모형 내에 포함할 수 있다. Cox 비례위험모형
은 생존함수를 특정 모수적 분포로 제한하지 
않고 공변량의 효과를 모수화하여 기저
(Baseline) 생존함수를 변화시키는 방식을 사용
하여, 생존함수에 미치는 독립변수의 효과를 계
량적으로 측정한다(김대원･유정석, 2016).
Cox(1972)는 사건 발생시점까지의 시간과 
공변량들의 관계를 <식 2>와 같은 회귀방정식
으로 정의하였다. <식 2>에서 기저위험함수
(Baseline Hazard Function) 는 모든 공변
량 가 0일 때의 위험률을 의미하며, 는 지
속기간에 대한 회귀계수를 의미한다. <식 2>는 
<식 3>과 같이 변형될 수 있으며, 이는 독립변
수 의 1단위 변화에 따른 기저위험률 대비 위
험률의 변화를 측정할 수 있다(김대원･유정석, 
2016; 마강래･강은택, 2011). 본 연구는 아래 모
형식에 독립변수()로 건물 특성(연면적, 공실
률), 임대 특성(임대기간, 임대면적비율, 계약임
대료), 임대시장 특성(업무권역, 시장공실률, 시
장임대료)을 반영하였다. 
exp <식 2>
ln


 <식 3>
단, : 개체 의 시점에서의 위험률
: 기저위험함수
: 공변량
: 공변량 에 대한 회귀계수
3. 변수 선정
독립변수는 연면적, 공실률, 임대료, 업무권
역 등과 같이 오피스 임대시장에 대한 선행연
구에서 분석된 주요 변수들을 선정하였다. 그
리고 이 변수들을 건물 특성, 임대계약 특성 및 
임대시장 특성으로 <표 4>와 같이 구분하였다.
건물연면적과 건물공실률을 독립변수로 설
정하여 건물 특성이 렌트프리 기간에 미치는 
영향을 분석하였다.19) 오피스 임대계약을 기초
하여 분석한 선행연구(인채권･여홍구, 201320); 
Wheaton and Torto, 199421); Gunnelin and 
Sönderberg, 200322); Sheehan, 200623); Bond 
외, 200724))에서 사용된 임대계약의 주요 변수
19) 여태종 외(2015)는 서울시 오피스 260개동의 렌트프리 자료에 기초하여, 렌트프리 결정요인으로 (건물)공
실률, 추정임대료, (건물)연면적, 건축연한이 유의하며 공실률이 가장 중요한 요인으로 설명하였다. 
20) 인채권･여홍구(2013)은 상업용 부동산 임대계약 3,996건을 분석하여, 임대면적, 계약유형, 임대용도가 계
약기간에 대해 통계적으로 유의하며 임대면적이 넓은 임차인들이 장기임차 경향이 강한 점을 밝혔다. 
21) Wheaton and Torto(1994)는 미국의 약60,000개의 오피스 임대계약을 기초하여 임대료 결정 모형을 제시
하였다. 임대면적, 임대기간, 건물 층수, 신축 여부 등을 독립변수로, 실질임대료를 종속변수로 설정하였다. 
22) Gunnelin and Sönderberg(2003)는 스웨덴 스톡홀름의 오피스 임대계약 861건을 분석하였다. 독립변수
로 임대면적, 건축연한, 건물소유자, 계약갱신, 임대기간 등을 설정하고 임대료를 종속변수로 설정하였다.
23) Sheehan(2006)은 오피스 임대계약 4,494건을 분석하였다. TI 옵션이 포함된 임대계약의 경우 그렇지 않
은 경우에 비해 임대료가 높은 것으로 나타났으며, 해지 옵션 및 우선임차권은 임대료에 (-)의 영향을 주는 
것으로 확인되었다. 또한 건물의 점유면적이 높은 임차인일수록 임대료가 낮아지는 경향이 확인되었다.
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 14쪽

S14 PDF 14쪽

이 페이지 검색용 텍스트

166 ｢도시행정학보｣ 제30집 제2호
인 임대기간, 임대면적, 임대료를 독립변수로 
반영하여 임대계약 특성과 렌트프리 기간과의 
관계를 분석하였다. 그리고 시장 환경과의 관
계를 확인하고자 시장공실률, 시장임대료, 업무
권역을 임대시장 특성 변수로 구성하였다.29) 
임대계약의 주요 변수인 보증금 및 관리비는 
다중공선성 문제를 야기30)하여 제외하고, 건물
연면적은 더미 변수로 적용하였다.
종속변수인 렌트프리 기간의 평균값은 1.26
개월/년이고, 범위는 0개월/년부터 6.4개월/년
까지 분포하여 큰 차이를 보였다. 임차인에게 
렌트프리 6개월/년을 제공하는 것으로 가정하
24) Bond 외(2007)는 영국 런던의 935개 오피스 임대계약 사례로 임대기간과 실질임대료 간의 관계를 분석하
였다. 건물 등급, 건축연한, 임대면적, 임대기간, 계약체결시점, 중도해지 불가 기간과 같은 임대계약 특성
을 변수로 한 모형을 구성하였다. 
25) 렌트프리 기간의 단위는 연평균 개월수(렌트프리 총개월수/총임대기간 개월수×12개월)로 산정하였다. 렌
트프리는 일반적으로 1년당 제공되는 개월수를 기준하여 마케팅되고 있으며, 임대료 및 임대기간 등의 임
대계약 조건에 따라 협의･조정되고 있다(황병훈･유정석, 2016). Bond 외(2007)는 실질임대료 산정시 렌
트프리의 총 기간을 전체 임대기간에 안분하였다(Bond 외, 2007).
26) 오피스 등급에 대한 분류 기준은 명확하지 않으며, 부동산 관련회사 별로 연면적, 입지, 준공연도, 임대료 
등의 기준에 따라 등급을 분류하고 있다. 다만, 일반적으로 33,000㎡ 이상을 A급 오피스로 분류하고 있으
므로 이 기준을 건물연면적의 더미 변수 분류에 적용하였다(황병훈･유정석, 2016).
27) 시장공실률은 리츠 자산관리회사인 K사의 2009년부터 2015년까지의 분기별 데이터이다.
28) 시장임대료는 2009년부터 2015년까지의 K사의 분기별 데이터이며, 실질임대료가 아닌 시장에 공개되는 
호가임대료, 계약임대료, 표면임대료, 명목임대료로 작성된 자료이다. 
29) Fisher and Ciochetti(2007)는 미국의 임대계약 3,655건을 분석하였다. 분석 결과 임대기간, 임대면적, 
TI의 수준 등의 조건이 지역별 시장상황과 임차인에 따라 큰 차이를 보였다. 우철민 외(2015)는 2008년부
터 2013년 사이에 체결된 117개 임대계약 사례를 기초하여, (시장)공실률이 높아지면서 표면임대료와 렌
트프리 등을 반영한 실질임대료의 차이가 커지고 있음을 확인하였다.
30) 보증금 및 관리비는 계약임대료와 유의한 상관관계(.629 및 .845)를 나타내고 다중공선성 문제가 발생한다.
구분
변수명
단위
설명
종속변수
렌트프리 기간(연평균)
ARF
 월/연25)
(렌트프리 총개월수/총임대기간 개월수)X12
설명
변수
건물
특성
건물연면적
GFA_D
더미
33,000㎡이상=1, 33,000㎡미만=226)
건물공실률
Vacancy_B
%
건물별 공실률
임대계약
특성
임대기간
LTerm
월
임대계약 기간
임대면적(비율)
LeaseA_R
%
임대면적 / 건물연면적
계약임대료
URent
천원/㎡
단위면적당 계약임대료
임대시장
특성
시장공실률(권역별)
MVacancy_D
%
업무권역별 평균 공실률(분기)27)
시장임대료(권역별)
MRent_D
천원/㎡
업무권역별 평균 임대료(분기)28)
업무권역
District
더미
도심=1, 강남=2, 여의도=3, 기타=4
<표 4> 변수의 구성 및 설명
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 15쪽

S14 PDF 15쪽

이 페이지 검색용 텍스트

서울 오피스 시장의 임대계약 사례를 이용한 렌트프리 기간의 결정요인 분석 167
면, 임대인의 임대료 수입은 렌트프리 0개월/년 
대비 50%가 감소된다. 따라서 임차인에게 제공
되는 렌트프리의 기간이 증가할수록 계약임대
료와 임대인이 실제 수취하는 실질임대료 간의 
괴리는 더욱 심화된다.
독립변수인 건물공실률은 최소 0%부터 최대 
60.7%까지이며 평균값은 11.74%이다. 임대기
간은 최소 12개월부터 최대 228개월까지이며 
평균값은 46.18개월이다. 임대면적(비율)은 최
소 0.1%부터 최대 100%까지이며 평균값은 
5.54%이다. 렌트프리 기간을 비롯하여 건물공
실률, 임대기간 및 임대면적(비율)도 큰 편차를 
보이고 있다. 금융위기 이후 서울 오피스 임대
시장의 침체로 인해 임차수요가 감소하고 도심
권역을 중심으로 신규 공급이 증가되어 공실률
이 상승하는 시장 여건 하에서, 임대인이 공실 
해소를 위해서 다양한 임대 조건으로 임차인을 
유치한 것으로 추정된다. 특히 대형 면적을 사
용하거나 장기 임차하는 우량 임차인일수록 임
대인이 경쟁적으로 장기간의 렌트프리를 제공
한 것으로 보인다.
계약임대료는 평균 24,746원/㎡이며 최소 
13,010원/㎡부터 최대 38,880원/㎡까지 분포하
였다. 그리고 시장임대료의 평균은 22,593원/
㎡이며 최소 13,020원/㎡부터 최대 28,900원/
㎡까지 분포하였다. 계약임대료와 시장임대료
는 유사한 수준을 보여 서울 오피스 임대시장
을 대변하기에 적정한 것으로 사료된다. 시장공
실률의 평균값은 6.63%이며, 최소 1.36%부터 
최대 14.30%까지 시점과 권역에 따라 변동이 
크다. 다만 서울 전체 평균 공실률은 2009년 1
분기에 3.08%이고 2015년 4분기에는 8.04%를 
나타내어, 본 연구의 분석기간 동안 서울 오피
스 시장의 공실률은 지속적으로 증가한 것으로 
추정할 수 있다. 한편, 2009년 1분기의 서울 전
체 평균 임대료는 20,741원/㎡이고 2015년 4분
기의 평균값은 23,199원/㎡으로서, 해당 기간 
동안 서울 오피스 시장의 공실률이 증가함에도 
불구하고 시장임대료는 꾸준히 상승한 것으로 
추론할 수 있다.31) 
31) 서울 전체 공실률 및 임대료는 본 연구의 분석 자료인 K사의 분기별 데이터를 기준 한다. 
변수명
범위
최소값
최대값
평균
표준편차
렌트프리 기간(연평균)
ARF
6.400
0.000
6.400
1.264
1.181
건물연면적
GFA_D(더미)
1.000
1.000
2.000
1.285
0.452
건물공실률
Vacancy_B
60.740
0.000
60.740
11.741
11.511
임대기간
LTerm
216.000
12.000
228.000
46.178
25.802
임대면적(비율)
LeaseA_R
99.900
0.100
100.000
5.542
10.204
계약임대료
URent
25.870
13.010
38.880
24.746
5.514
시장공실률(권역별)
MVacancy_D
12.940
1.360
14.300
6.627
2.596
시장임대료(권역별)
MRent_D
15.880
13.020
28.900
22.593
4.773
업무권역
District(더미)
3.000
1.000
4.000
1.997
1.072
<표 5> 기초 통계량 
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 16쪽

S14 PDF 16쪽

이 페이지 검색용 텍스트

168 ｢도시행정학보｣ 제30집 제2호
Ⅳ. 실증분석
1. 모형의 구성
독립변수의 특성에 따라 <표 6>과 같이 3개
의 분석 모형으로 구성하였다. 모형 1에서는 건
물특성 변수로서 건물연면적 및 건물공실률을, 
임대계약특성 변수로서 임대기간, 임대면적(비
율) 및 계약임대료를 구성하여, 임대계약의 내
재적인 요인들이 렌트프리 기간에 미치는 영향
을 분석하였다. 그리고 외재적인 임대시장 환경
에 의한 영향을 파악하기 위해 추가적인 모형
을 구축하였다. 단, 시장임대료(권역별)와 업무
권역(더미)은 유의한 상관관계(-.961)를 보이고 
다중공선성 문제를 야기하여, 모형 2와 모형 3
으로 구분하여 분석하였다. 모형 2는 모형 1의 
독립변수에 임대시장의 대표적인 지표인 시장
공실률(권역별)과 시장임대료(권역별) 변수를 
추가하였고, 모형 3은 업무권역별 특성을 파악
하기 위해 권역별 더미 변수를 반영하였다.32) 
2. 모형별 분석 결과
1) 모형 1의 분석결과
모형 1을 분석한 결과는 건물연면적(GFA_D)
을 제외한 모든 변수가 유의한 것으로 나타났
다. 건물공실률(Vacancy_B)의 회귀계수(B)는 음
(-)의 값으로서 위험함수 값이 작아지는 것을 
의미하므로, 건물공실률이 증가할수록 렌트프
리의 기간이 증가할 확률이 높음을 설명하고 
있다.33)
임대계약의 특성 변수인 임대기간(LTerm), 
임대면적비율(LeaseA_R) 및 계약임대료(URent)
은 모두 음(-)의 관계로 유의하여 임대기간이 
증가할수록, 임대면적이 증가할수록, 계약임대
32) 각각의 모형 1, 2, 3은 다중공선성의 우려가 없는 것으로 나타났다. 
33) 회계계수에서 양의 부호(+)는 위험함수 값이 커지는 것을 의미하므로, 계수 값이 커질수록 기간이 짧아짐
을 의미한다. 반면 음의 부호(-)는 기간이 길어짐을 의미한다(마강래･강은택, 2011). 
구분
변수명
모형 1
모형 2
모형 3
종속변수
렌트프리 기간(연평균)
ARF
○
○
○
설명
변수
건물
특성
건물연면적
GFA_D
○
○
○
건물공실률
Vacancy_B
○
○
○
임대계약
특성
임대기간
LTerm
○
○
○
임대면적(비율)
LeaseA_R
○
○
○
계약임대료
URent
○
○
○
임대시장
특성
시장공실률(권역별)
MVacancy_D
-
○
-
시장임대료(권역별)
MRent_D
-
○
-
업무권역(더미)
District
-
-
○
<표 6> 분석모형별 변수의 구성
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 17쪽

S14 PDF 17쪽

이 페이지 검색용 텍스트

서울 오피스 시장의 임대계약 사례를 이용한 렌트프리 기간의 결정요인 분석 169
료가 증가할수록 렌트프리 기간이 증가할 가능
성이 커지는 것으로 나타났다. 이 결과는 동일
한 건물 내에서도 임대계약별로 다른 임대계약 
조건을 보이므로, 동일 건물에서도 임대기간, 
임대면적비율 또는 계약임대료가 높을수록 렌
트프리 기간이 더 긴 것으로도 이해할 수 있다. 
2008년 금융위기 이후 서울 오피스 시장에서 
렌트프리가 나타나기 시작한 초기에는 1~2개
월/연 수준의 렌트프리가 대부분이었던 시장 
현황을 고려하면, 임대면적, 임대기간, 임대료 
등과 같은 임대계약 조건에 따라 렌트프리 기
간의 차이가 크지 않았던 것으로 파악된다. 그
러나 임대시장의 침체가 지속됨에 따라 6개월/
연 수준의 렌트프리를 제공하는 등 임대계약별
로 계약조건에 따라 렌트프리의 기간이 뚜렷한 
차이를 보이는 것으로 판단된다. 
<그림 1>과 같이 평균공변량에 대한 누적위
험함수는 전반적으로 점진적인 증가 추이를 보
이고 있으나, 렌트프리가 4개월/연 수준에서 증
가폭이 크게 나타났다. 이는 장기간의 렌트프
리를 제공하는 경우와 제공하지 않는 경우가 
양극화(여태종 외, 2015; 젠스타, 2015; 황병훈･
구분
B
표준오차
Wald
유의확률
Exp(B)
건물 특성
[GFA_D=1]
.032
.085
.147
.701
1.033
Vacancy_B
-.018
.003
29.230
.000
  .982***
임대계약
특성
LTerm
-.004
.002
4.653
.031
  .996**
LeaseA_R
-.008
.004
5.025
.025
  .992**
URent
-.031
.007
20.749
.000
  .969***
주1) -2 Log 우도 : 10033.183 ; 카이제곱 : 75.421 ; 유의확률 : .000 
   2) * p < 0.1, ** p < 0.05, *** p < 0.01
   3) GFA_D는 범주 2(33,000㎡미만)가 참조(Reference) 범주임.
<표 7> 모형 1의 분석 결과
        <그림 1> 모형 1의 평균공변량 위험함수               <그림 2> 모형 1의 건물연면적별 위험함수
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 18쪽

S14 PDF 18쪽

이 페이지 검색용 텍스트

170 ｢도시행정학보｣ 제30집 제2호
유정석, 2016)된 현상의 영향으로 추정된다. 건
물연면적(더미)별 위험함수를 나타내는 그림 2
에서는 범주 1(33,000㎡ 이상)과 범주 2(33,000
㎡ 미만)의 그래프가 매우 유사하며, 분석 결과
와 같이 건물연면적은 렌트프리 기간에 대해 
주요한 요인은 아닌 것으로 사료된다. 
2) 모형 2의 분석결과
모형 1에 임대시장 특성 변수인 시장공실률
(Mvacancy_D)과 시장임대료(MRent_D)를 추가
한 모형 2는 건물연면적(GFA_D) 외의 모든 변
수가 유의한 결과를 보였다. 모형 1과 동일하게 
건물공실률(Vacancy_B), 임대기간(LTerm), 임
대면적비율(LeaseA_R) 및 계약임대료(URent)는 
음(-)의 관계로 유의하다.
모형 2에서 추가된 시장공실률과 시장임대료
는 음(-)의 관계로 유의하여, 시장공실률과 시장
　구분
B
표준오차
Wald
유의확률
Exp(B)
건물 특성
[GFA_D=1]
.124
.086
2.065
.151
1.132
Vacancy_B
-.014
.004
16.306
.000
  .986***
임대계약
특성
LTerm
-.004
.002
6.859
.009
  .996***
LeaseA_R
-.006
.004
2.864
.091
  .994*
URent
-.018
.008
5.504
.019
  .982**
임대시장
특성
MVacancy_D
-.046
.015
9.884
.002
  .955***
MRent_D
-.046
.009
24.879
.000
  .955***
주1) -2 Log 우도 : 9994.324 ; 카이제곱 : 117.544 ; 유의확률 : .000 
   2) * p < 0.1, ** p < 0.05, *** p < 0.01
   3) GFA_D는 범주 2(33,000㎡미만)가 참조(Reference) 범주임.
<표 8> 모형 2의 분석 결과
       <그림 3> 모형 2의 평균공변량 위험함수             <그림 4> 모형 2의 건물연면적별 위험함수
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 19쪽

S14 PDF 19쪽

이 페이지 검색용 텍스트

서울 오피스 시장의 임대계약 사례를 이용한 렌트프리 기간의 결정요인 분석 171
임대료가 증가할수록 렌트프리의 기간이 증가하
는 경향이 있음을 보여준다. 분석 대상 기간 동안 
시장공실률이 상승 추이를 보인 점을 고려하면, 
시장공실률이 상승하면서 렌트프리의 기간도 증
가 추이를 보인 것으로 이해된다. 시장임대료34)
도 대상기간 동안 지속적으로 상승하였으며 이
에 따라 렌트프리 기간도 증가하여서, 실질임대
료와의 차이가 더욱 커진 것으로 추론된다.
모형 2의 평균공변량 위험함수는 모형 1과 
같이 렌트프리 4개월/연 수준에서 증가폭이 크
게 나타나며 유사한 증가 추이를 보인다. 건물
연면적별 위험함수는 모형 1과 비교시 범주 
34) 시장임대료는 시장에 공개되는 호가임대료, 계약임대료, 표면임대료, 명목임대료를 기준하여 조사되므로 
실질임대료와는 차이를 보인다.
　구분
B
표준오차
Wald
유의확률
Exp(B)
건물 특성
[GFA_D=1]
.080
.086
.861
.354
1.083
Vacancy_B
-.014
.004
16.046
.000
  .986***
임대계약
특성
LTerm
-.004
.002
4.549
.033
  .996**
LeaseA_R
-.006
.004
2.991
.084
  .994*
URent
-.019
.008
5.914
.015
  .981**
업무권역
[District=1]
-.437
.128
11.693
.001
  .646***
[District=2]
-.162
.119
1.857
.173
  .851
[District=3]
-.051
.148
.117
.732
  .951
주1) -2 Log 우도 : 10015.943 ; 카이제곱 : 95.758 ; 유의확률 : .000 
   2) * p < 0.1, ** p < 0.05, *** p < 0.01
   3) GFA_D는 범주 2(33,000㎡미만)가 참조(Reference) 범주이며, District는 범주 4(기타권역)가 참조 범주임.
      <그림 5> 모형 3의 평균공변량 위험함수                   <그림 6> 모형 3의 업무권역별 위험함수
<표 9> 모형 3의 분석 결과
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 20쪽

S14 PDF 20쪽

이 페이지 검색용 텍스트

172 ｢도시행정학보｣ 제30집 제2호
1(33,000㎡ 이상)과 범주 2(33,000㎡ 미만)가 다
소 차이를 보이나, 모형 1의 결과와 같이 통계
적으로는 유의하지 않게 나타나 주요 요인이 
아닌 것으로 판단된다. 다만, 모든 모형에서 공
통되게 범주 1(GFA_D=1)은 양(+)의 계수를 보
이며 위험함수도 범주 1이 범주 2보다 큰 값을 
보이므로, 33,000㎡ 이상(A급 이상) 오피스의 
렌트프리 기간이 33,000㎡ 미만(B급 이하) 오피
스보다 짧은 경향이 있음을 추정해 볼 수 있다.
3) 모형 3의 분석결과
서울 오피스 업무권역별 특성을 파악하기 위
한 모형 3의 결과는 모형 1과 모형 2와 유사하
게 건물공실률(Vacancy_B), 임대기간(LTerm), 
임대면적비율(LeaseA_R) 및 계약임대료(URent)
는 음(-)의 관계로 유의하나, 건물연면적
(GFA_D)은 유의하지 않다. 
업무권역 중 도심권역(District_1)만 유의한 
결과를 
보이고 
상대적으로 
낮은 
승산비
(Exp(B)=0.646)로 음(-)의 관계를 보여, 도심권역
에서 렌트프리 기간이 증가할 가능성이 가장 높
은 것으로 이해된다. 다른 업무권역 대비 도심
권역은 금융위기 이후 대형 오피스의 신규 공급
이 집중되면서 공실률이 증가(우철민 외, 2015)
하였고, 임차인 유치 경쟁이 가속화되어 렌트프
리의 제공 기간이 증가한 결과로 보인다. 
모형 3의 평균공변량 누적위험함수도 모형 1 
및 2와 유사하며 렌트프리 4개월/연 수준에서 
증가폭도 크게 나타났다. 업무권역별 위험함수
는 타권역들은 유사한 반면 도심권역(범주 1)만 
뚜렷하게 낮은 증가 추이를 보인다.
3. 종합분석
렌트프리의 기간에 대해 건물연면적에 따른 
유의미한 차이는 없는 것으로 나타났다. 서울 
상업용 오피스 임대시장에서 렌트프리의 기간
을 결정하는 데 있어서, 건물연면적보다는 다
른 요인들이 더 큰 영향을 주는 것으로 해석된
다. 다만 본 연구의 대상이 14,000㎡ 이상의 중
대형 오피스에 한정되어 서울 전체 오피스에 
대해 설명하기에는 한계가 있다. 건물공실률의 
회귀계수(B)는 3개 모형에서 모두 음(-)의 값이
며 이는 위험함수의 값이 감소되는 것을 의미
한다. 따라서 건물공실률이 증가할수록 렌트프
리의 기간이 증가할 가능성이 높은 것으로 해
석된다. 일반적으로 건물의 공실률이 증가하는 
경우 임차인 유치를 위해 적극적인 마케팅 전
략을 수행하게 되며, 그 결과로 장기간의 렌트
프리를 제공하는 것으로 이해된다.
개별 임대계약의 특성변수인 임대기간, 임대
면적비율 및 계약임대료는 3개의 모형에서 모
두 유의하여, 이 변수들은 렌트프리의 기간에 
영향을 미치는 주요 요인임을 확인할 수 있다. 
임대기간의 회귀계수(B)는 3개 모형에서 동일
하게 음(-)의 값을 보여서, 임대기간이 증가할
수록 렌트프리 기간이 증가할 가능성이 높은 
것으로 나타났다. 서울 오피스 임대시장이 금
융위기 이후 위축되어 있는 상황에서 향후 빠
른 회복을 기대하기 어려운 시장여건을 고려하
여 임대계약이 장기간일수록 장기간의 렌트프
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 21쪽

S14 PDF 21쪽

이 페이지 검색용 텍스트

서울 오피스 시장의 임대계약 사례를 이용한 렌트프리 기간의 결정요인 분석 173
리를 제공하는 경우가 증가한 것으로 판단된다. 
임대면적비율도 모두 음(-)의 관계로 유의하
여, 임대면적비율이 증가할수록 렌트프리 기간
이 증가할 가능성이 높은 것으로 해석된다. 일
반적으로 개별 건물에서 점유하는 임대면적이 
큰 임차인일수록 임대인과의 협상력은 증대되
어 더욱 많은 렌트프리 기간을 요구하게 되며, 
공실이 증가한 임차인 우위의 시장에서 이와 
같은 현상이 더욱 심화된 결과로 사료된다. 모
든 모형에서 계약임대료가 상승할수록 렌트프
리 기간이 증가할 확률이 높은 것으로 나타났
다. 표면적인 계약임대료와 렌트프리에 따른 
임대수익의 감소를 반영한 실질임대료의 차이
가 계약임대료가 높을수록 더욱 심화된 것으로 
이해된다. 계약 임대료를 하향 조정하기보다는 
임차인에게 렌트프리와 같은 인센티브를 제공
하여 실질임대료를 하향 조정하는 임대 기법이 
높은 임대료를 보이는 임대계약에서 더욱 적극
적으로 적용된 결과로 추정된다.
대표적인 임대시장의 지표인 시장공실률과 
시장임대료는 모두 음(-) 관계로 유의하게 나타
났다. 시장공실률이 상승할수록 렌트프리 기간
도 증가하는 것으로 해석되며, 렌트프리 기간이 
시장 공실률에 영향을 받는 것으로 판단된다. 
시장공실률은 분석 대상기간 동안 상승 추이를 
나타냈으며, 이 기간 동안 렌트프리 기간도 증
가된 것으로 이해된다. 시장공실률의 상승에 대
응하여 임차인에게 더 많은 렌트프리를 제공한 
결과로 생각된다. 시장임대료도 증가할수록 렌
트프리 기간이 증가한 것으로 분석된다. 대상기
간 동안 시장임대료도 지속적으로 상승하였고 
이에 따라 렌트프리 기간도 증가하여 실질임대
료와의 괴리가 더욱 커진 것으로 추정된다. 업
무권역별 특성을 살펴보면 도심권역(District=1)
만 유의한 결과를 보이며 승산비(Exp(B)=0.646)
는 상대적으로 낮아서, 도심권역이 타 권역 대
변수명
모형 1
모형 2
모형 3
건물
특성
건물연면적(더미)
[GFA_D=1]
(+) 1.033
(+) 1.132
(+) 1.083
건물공실률
Vacancy_B
(-) .982***
(-) .986***
(-) .986***
임대계약
특성
임대기간
LTerm
(-) .996**
(-) .996***
(-) .996**
임차면적(비율)
LeaseA_R
(-) .992**
(-) .994*
(-) .994*
계약임대료
URent
(-) .969***
(-) .982**
(-) .981**
임대시장
특성
시장공실률(권역별)
MVacancy_D
-
(-) .955***
-
시장임대료(권역별)
MRent_D
-
(-) .955***
-
도심권역(더미)
[District=1]
-
-
(-) .646***
강남권역(더미)
[District=2]
-
-
(-) .851
여의도권역(더미)
[District=3]
-
-
(-) .951
주1) 계수가 음의 값 : (-), 계수가 양의 값 : (+) 
   2) * p < 0.1, ** p < 0.05, *** p < 0.01
   3) GFA_D는 범주 2(33,000㎡미만)가 참조 범주이며, District는 범주 4(기타권역)가 참조 범주임.
<표 10> 모형별 계수 방향 및 승산비 비교표
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 22쪽

S14 PDF 22쪽

이 페이지 검색용 텍스트

174 ｢도시행정학보｣ 제30집 제2호
비 렌트프리 기간이 증가할 가능성이 높은 것
으로 해석된다. 반면 다른 권역은 유의미한 차
이를 보이지 않고 있다. 도심권역에 중대형 오
피스의 신규 공급이 집중되어 공실 해소를 위
해 적극적으로 장기간의 렌트프리를 제공한 결
과로 사료된다.
Ⅴ. 결론 및 시사점
2000년대 초부터 지속적인 성장을 보이던 서
울 오피스 임대시장은 2008년 글로벌 금융위기 
이후 급격히 침체되어 임대 수요는 위축되고 
공실률은 증가하였다. 더욱이 공급 증가로 인
해 단기간에 임대 시장의 회복은 어려운 상황
이 되었고, 임차인 유치를 위해 다양하고 적극
적인 임대 마케팅이 급속히 확산되었다. 서울 
오피스 임대시장에서는 렌트프리의 제공사례
가 늘어나면서 현재는 일반적인 임차인 인센티
브로 인식되고 있다. 명목임대료를 하락시키지 
않는 대신 임차인에게 렌트프리를 제공하여 실
질임대료를 낮추는 방법이다. 서울 오피스의 
공실률 증가에도 불구하고 임대시장에 공개되
는 명목임대료는 꾸준히 상승하였는데, 렌트프
리가 그 주요 원인으로 추정되고 있다. 그러나 
자료 취득의 한계로 이와 관련한 연구는 매우 
제한적이다. 일부 연구가 렌트프리를 대상으로 
분석이 이루어졌으나 그 특성에 대한 명확한 
결과나 관계 규명은 이루어지지 못하였다. 
특히 렌트프리 기간(시간)이 시장현황 및 임
대조건 등에 따라 차이가 나타날 수 있음에도 
불구하고 이와 관련한 연구는 이루어지지 않았
다. 이를 규명하고자 본 연구는 기존 연구 방법
과는 다른 생존분석의 하나인 Cox 비례위험모
형을 적용하였다. 또한, 렌트프리가 본격적으로 
나타난 2009년 이후부터 2015년까지 체결된 임
대계약 사례 860건을 분석하여, 기존의 연구와
는 차별되는 표본을 대상으로 하고 있다. 따라
서 본 연구는 기존 연구와 대비하여 차별되는 
분석자료와 분석방법으로 렌트프리 기간의 결
정요인을 다각적으로 분석하였다. 
분석 결과를 살펴보면, 건물공실률은 통계적
으로 유의하여 건물공실률이 증가할수록 렌트
프리 기간이 증가할 가능성이 높은 것으로 해석
된다. 일반적으로 공실률이 증가하는 경우 임차
인 유치를 위해 적극적인 마케팅 전략을 수행하
게 되며, 그 결과로 장기간의 렌트프리를 제공
한 것으로 이해된다. 개별 임대계약의 특성변수
인 임대기간, 임대면적비율 및 계약임대료는 렌
트프리 기간의 결정에 주요 요인으로 확인되었
다. 서울 오피스 임대시장이 금융위기 이후 위
축되어 있는 상황에서 향후 빠른 회복을 기대하
기 어려운 시장여건을 감안하여, 임대기간이 길
어질수록, 임대면적이 커질수록, 계약임대료가 
높을수록 장기간의 렌트프리를 제공하는 것으
로 설명된다. 또한 계약임대료가 높을수록 렌트
프리 기간이 긴 것으로 나타나므로, 계약임대료
와 실질임대료의 차이가 계약임대료가 높을수
록 더욱 심화되는 것으로 추정된다.
임대시장의 지표인 시장공실률과 시장임대
료는 모두 유의한 결과를 보여, 렌트프리 기간
이 임대시장의 영향을 받는 것으로 나타났다. 
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 23쪽

S14 PDF 23쪽

이 페이지 검색용 텍스트

서울 오피스 시장의 임대계약 사례를 이용한 렌트프리 기간의 결정요인 분석 175
시장공실률과 시장임대료는 분석 대상기간 동
안 상승 추이를 나타냈으며 이 기간 동안 렌트
프리 기간도 증가된 것으로 판단된다. 따라서 
금융위기 이후 렌트프리 기간의 증가로 인해, 
명목임대료와 실질임대료 간의 괴리가 더욱 커
진 것으로 추정된다. 업무권역별로는 도심권역
만 유의한 결과를 보이며, 타권역보다 도심권역
에 중대형 오피스의 신규 공급이 집중되어 공
실 해소를 위해 적극적으로 장기간의 렌트프리
를 제공한 결과로 사료된다. 렌트프리 기간에 
대해 건물연면적에 따른 유의미한 차이는 없는 
것으로 나타났다. 서울 상업용 오피스 임대시
장에서 렌트프리의 기간을 결정하는 데 있어
서, 건물연면적보다는 다른 요인들이 더 큰 영
향을 주는 것으로 설명된다. 
본 연구는 서울 오피스 시장에서 구득이 제한
된 실제 임계계약 자료를 바탕으로, 선행연구에
서 논의되지 않은 렌트프리 기간의 결정요인을 
분석하기 위해서 Cox 비례위험모형을 적용하여 
생존분석을 수행한 연구로서 의의를 가질 것이
다. 그리고 오피스 시장의 실무자들이 렌트프리
와 관련해서 축적된 자료나 명확한 기준 없이 
주변 건물과 단순 비교한 렌트프리 기간을 바탕
으로 경험에 의존하여 판단할 수밖에 없는 현실
을 고려해보면, 본 연구는 실무적으로도 시사 
하는 바가 클 것이다. 경험적으로 추정되었던 
렌트프리 기간의 특성을 이해하고 그 영향 요인
들을 명확히 하는 데 도움이 될 것이다.
그러나 본 연구는 자료의 한계로 인해 횡단
면 분석에 제한되며 중대형 상업용 오피스에 한
정되어 있다. 또한 대상 기간은 서울 오피스 임
대시장이 침체를 보여 온 기간에 해당되므로, 
시장이 회복되어 임대인 우위의 시장이 형성되
는 경우 렌트프리의 특성이 본 연구 결과와는 
다르게 나타날 수 있다. 향후 자료가 축적되어 
서울 전체 오피스를 대상으로 시계열 분석 등
이 이루어지고 시장 환경에 따른 렌트프리의 
특성에 대한 연구가 더욱 심도있게 이루어지길 
바란다. 그리고 렌트프리로 인해 실질임대료와 
계약임대료 간의 괴리가 심화되고 있는 현상에 
대한 상호관계 및 조정에 관련한 연구로도 확
대되기를 기대한다.
참고 문헌
강선호, (2017), “공익사업을 위한 토지협의계약 및 
토지수용진행단계별 영향요인 분석: 서울지역 
택지개발사업지구를 대상으로”, 박사학위논
문, 단국대학교 대학원.
강희만, (2014), “아파트 소유자의 점유형태가 아파
트 가격과 소유기간에 미치는 영향에 관한 연
구”, 박사학위논문, 한성대학교 대학원.
김경민･박정수, (2009), “서울 오피스 시장의 임대
료조정메커니즘: 자연공실률과 실질임대료 관
계를 중심으로”, ｢국토연구｣, 62; 223-233.
김대원･유정석, (2013), “초기 주택가격 형성이 가
격 주기 지속기간에 미치는 영향 분석”, ｢부동
산학연구｣, 19(4); 87-107.
김대원･유정석, (2016), “뉴스 기사가 아파트 매매･
전세 가격 국면 지속기간에 미치는 영향 분석”, 
｢서울도시연구｣, 17(2); 29-46.
김양진, (2013), 생존분석: Survival Analysis, 자유
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 24쪽

S14 PDF 24쪽

이 페이지 검색용 텍스트

176 ｢도시행정학보｣ 제30집 제2호
아카데미.
김태경, (2010), “주택의 소유기간에 영향을 미치는 
정책변수에 관한 연구: 성남시와 안양시를 대
상으로”, ｢국토계획｣, 45(5); 105-116.
김태경･권대한･좌승희, (2008), “주택 소유기간 결
정요인에 관한 연구”, ｢경기개발연구원 기본연
구｣, 2008(11).
류강민･여태종, (2016), “서울 오피스 시장의 렌트
프리와 매매가격의 관계 분석”, ｢감정평가학 
논집｣, 15(2); 19-30.
류강민･이병현･이창무, (2015), “글로벌 금융위기 
이후 오피스 임대시장 구조변화 분석”, ｢국토
연구｣, 85; 175-188.
류강민･이창무, (2012), “서울시 오피스 임대시장
의 공실률과 임대료의 상호결정구조 분석”,
      ｢부동산학연구｣, 18(2); 91-102.
마강래･강은택, (2011), “최초 주택구입 기간에 영
향을 미치는 요인에 관한 연구: 생존분석을 중
심으로”, ｢국토계획｣, 46(1); 51-63.
문근식, (2016), “상업용부동산시장의 정보비대칭
효과에 관한 실증연구”, 박사학위논문, 건국대
학교 대학원.
민성훈, (2013), “오피스 호가임대료를 이용한 계약 
및 수취임대료 추정모형 연구”, ｢국토연구｣, 
79; 63-76.
송경일･최종수 (2011), 생존자료의 분석, 한나래.
양영준･임병준, (2014), “오피스 순영업소득(NOI)
에 대한 고찰: 오피스 특성변수를 이용하여”,   
｢부동산학연구｣, 20(1); 79-95.
여태종･류강민･김형주, (2015), “서울 오피스 임대
시장의 렌트프리 결정요인 분석”, ｢부동산학연
구｣, 21(3); 75-84.
우석진, (2013), 경제분석을 위한 STATA, (주)지필
미디어.
우철민･정인호･심교언, (2015), “서울시 간접투자
대상 오피스빌딩의 실질임대료 및 Cap. rate 
비교 연구”, ｢부동산학보｣, 62; 92-105.
이무송･유정석, (2014), “연립방정식 모형을 이용
한 서울 오피스 시장의 균형메커니즘 연구”,    
      ｢부동산학연구｣, 20(1); 19-38.
이병현, (2015), “글로벌금융위기 이후 오피스시장
의 구조적변화에 관한 연구: 서울시 오피스 시
장을 중심으로”, 석사학위논문, 한양대학교 대
학원.
이창효･이승일, (2012), “가구 구성원 변화에 따른 
주거이동의 영향 요인 분석: 수도권 거주가구
의 주택 거주기간을 고려하여”, ｢국토계획｣, 
47(4); 205-217.
인채권･여홍구, (2013), “상업용부동산 임대차계약
에 관한 실증연구”, ｢국토지리학회지｣, 46(4); 
381-395.
전해정, (2012), “오피스 임대료, 공실률 모형의 동
학적 분석에 관한 연구”, ｢부동산연구｣, 22(3); 
215-233.
정원구･이호병, (2016), “임대차계약사례분석을 
통한 서울 간접투자 오피스의 렌트프리 결정요
인 분석”, ｢부동산학연구｣, 22(2); 17-28.
젠스타, (2015), “렌트프리에 대한 6가지 이야기”, 
시장보고서.
최현철, (2016), 사회과학 통계분석, (주)나남.
황병훈･유정석, (2016), “실제 임대계약 사례를 이
용한 서울 오피스 임대시장의 렌트프리 결정요
인 분석”, ｢도시행정학보｣, 29(3); 231-252.
Akerlof, G. A., (1970), “The Market for 
“Lemons”:Quality 
Uncertainty 
and 
the 
Market Mechanism”, Quarterly Journal of 
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 25쪽

S14 PDF 25쪽

이 페이지 검색용 텍스트

서울 오피스 시장의 임대계약 사례를 이용한 렌트프리 기간의 결정요인 분석 177
Economics, 84(3); 488-500.
Brown, Gerald R., (1995), “Estimating effective 
rents”, Journal of Property Finance, 6(2); 33-42
Bond, S. A,, Loizou, P., and McAllister, P., (2007), 
“Lease Maturity and Initial Rent: Is There a 
Term Structure for UK Commercail Property 
Leases?”, Journal of Real Estate Finance and 
Economics, 36(1); 451-469.
Cleves, M., et al., (2010), An Introduction to Survival 
Analysis Using Stata, 3rd ed, Stata Press.
Cox, D. R., (1972), “Regression Models and 
Life-tables”, Journal of the Royal Statistical 
Society. Series B (Methodological), 34(2); 
187-220. 
Fisher, L. M. and Ciochetti, B. A., (2007), 
“Determinants of the Terms and Performance 
of Office Leases”, the Real Estate Research 
Institute.
Gunnelin, Å., and Sönderberg, B., (2003), “Term 
Structure in the Office Rental Market in 
Stockholm”, Journal of Real Estate Finance 
and Economics, 26(2/3); 241-265. 
Hamilton, M., Lim, L. C., and McCluskey, W., 
(2006), “The Changing Pattern of Commercial 
Lease Terms”, Property management, 24, 
2006; 31-46.
Jeffries, R. L., (1994), “Lease Incentives and 
Effective Rents: A Decapitalization Model”, 
Journal of Property Valuation & Investment, 
12(1), 1994; 21-42.
Mooradian, R. M. & Yang, S. X., (2002), “Commercial 
Real Estate Leasing, Asymmetric Information, 
and Monopolistic Competition”, Journal of Real 
Estate Economics, 30(2); 293-315.
Murdoch, S. and Crosby, N., (1994), “The Legal 
Implications of Rent-free Periods at Rent 
Review”, Journal of Property Valuation & 
Investment, 12(2); 43-50.
Sheehan, K. T., (2006), “The Value Of Contractual 
Terms in Office Leases”, Thesis, Massachussets 
Institute of Technology.
Webb, R. B. and Fisher, J. D., (1996), 
“Development of an Effective Rent (Lease) 
Index for the Chicago CBD”, the Journal of 
Urban Economics, 39; 1-19. 
Wheaton, William C, (1987), “The Cyclic Behavior 
of the National Office Market”, AREUEA 
Journal, 15(4); 281-299.
Wheaton, W. and Torto, R., (1994), “Office Rent 
Indices and Their Behavior Over Time”, 
Journal of Urban Economics, 35; 121-139.
논문투고일: 2017.04.01. 
논문수정일: 2017.06.17.
게재확정일: 2017.06.22.
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 26쪽

S14 PDF 26쪽

이 페이지 검색용 텍스트

178 ｢도시행정학보｣ 제30집 제2호
35)
황병훈: 한양대학교 건축공학과를 졸업하고, 미국 텍사스 A&M 대학교(Texas A&M University)에서 건설경영
관리학(Construction Management) 석사 학위를 받은 후, 동대학교에서 부동산개발학(Land and Property 
Development)을 전공하여 석사 학위를 취득하였으며, 현재 단국대학교 일반대학원 도시계획및부동산학과에
서 부동산학 박사과정을 수료하였다. 삼성엔지니어링(주), (주)코람코자산신탁 및 (주)코람코자산운용을 거쳐 
현재 (주)성담에서 부동산 투자 업무를 담당하고 있다. 주요 관심분야는 부동산 금융 및 자본시장, 상업용 부동
산 시장, 부동산 투자 및 자산관리 등이다(bhhwang.d@gmail.com).
유정석: 서울대학교 경제학부를 졸업하고, 미국 듀크 대학교(Duke University)에서 경제학석사 학위를 받은 
후, 미국 뉴올리언스 대학교(University of New Orleans)에서 금융경제학을 전공하여 석, 박사학위를 취득하
였다. 뉴올리언스 대학교 금융경제학과 조교수, 삼성경제연구소 거시경제실 수석연구원을 역임하였으며, 현재 
단국대학교 도시계획부동산학부 부교수로 재직 중이다. 부동산 금융/투자/경제, 국제금융시장, 자본시장 및 
부동산정책 등에 관한 연구논문을 국내외 주요 학술지에 다수 발표하였다(jsyu@dankook.ac.kr).
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S14 · PDF 27쪽

S14 PDF 27쪽

이 페이지 검색용 텍스트

Abstract 187
The Determinants on Duration of Rent-free in Lease Contracts of Seoul 
Office Market
Hwang, Byounghoon & Yu, Jung-Suk 
Since the global financial crisis in 2008, the office lease market of Seoul has been 
transformed into a tenant-dominated market, and the number of cases of providing 
Rent-free has increased. Moreover, the duration of Rent-free has also increased. However, 
studies related to Rent-free are very limited due to restrictions on acquiring lease contract 
data. In particular, no study has been conducted on the duration of Rent-free.
The duration of Rent-free may vary depending on the conditions of office market and 
lease contracts. This research analyzes the determinants on duration of Rent-free based on 
860 lease contract of Seoul Office Market from 2009 to 2015 by applying Cox proportional 
hazard model.
The building's vacancy rate, the lease term, the lease area, and the contract rent are all 
statistically significant and identified as major factors influencing the duration of 
Rent-free. In general, it is explained that the duration of Rent-free is longer when the 
vacancy rate is high, lease term is long, lease area is large, and the contract rent is high. 
The market vacancy rate and the market rent are both significantly correlated, and it 
indicates that the duration of Rent-free is affected by the lease market. Market vacancy 
rate and market rent shows an upward trend during analysis period, and it is estimated that 
the duration of Rent-free also increased during the same period. In business districts, only 
the central business district(CBD) shows significant result. It is considered that CBD offers 
longer duration of Rent-free as a way of decreasing the high vacancy rate caused by 
oversupply of offices in CBD. 
Keywords: Rent-free, Commercial real estate, Seoul office market, Office lease market, 
Lease contract, Survival analysis, Cox proportional hazard model
단국대학교 죽전캠퍼스 | IP: 220.149.255.*** | Accessed 2017/07/20 13:12(KST)

S15 · 서울 오피스 임대계약의 렌트프리 영향요인(박사학위논문).pdf · 149쪽 — 원문 펼치기

S15 · PDF 1쪽

S15 PDF 1쪽

이 페이지 검색용 텍스트

 
저작자표시-비영리-변경금지 2.0 대한민국 
이용자는 아래의 조건을 따르는 경우에 한하여 자유롭게 
l 이 저작물을 복제, 배포, 전송, 전시, 공연 및 방송할 수 있습니다.  
다음과 같은 조건을 따라야 합니다: 
l 귀하는, 이 저작물의 재이용이나 배포의 경우, 이 저작물에 적용된 이용허락조건
을 명확하게 나타내어야 합니다.  
l 저작권자로부터 별도의 허가를 받으면 이러한 조건들은 적용되지 않습니다.  
저작권법에 따른 이용자의 권리는 위의 내용에 의하여 영향을 받지 않습니다. 
이것은 이용허락규약(Legal Code)을 이해하기 쉽게 요약한 것입니다.  
Disclaimer 
 
  
  
저작자표시. 귀하는 원저작자를 표시하여야 합니다. 
비영리. 귀하는 이 저작물을 영리 목적으로 이용할 수 없습니다. 
변경금지. 귀하는 이 저작물을 개작, 변형 또는 가공할 수 없습니다.

S15 · PDF 2쪽

S15 PDF 2쪽

이 페이지 검색용 텍스트

박사학위논문
서울 오피스 임대계약의 렌트프리 영향요인
The Influencing Factors on the Free Rent in Lease Contracts
of Seoul Office Market
제 출 자：황 병 훈
지도교수：유 정 석
2019
도시계획 및 부동산학과
부동산학 전공
단국대학교 대학원

S15 · PDF 3쪽

S15 PDF 3쪽

이 페이지 검색용 텍스트

서울 오피스 임대계약의 렌트프리 영향요인
The Influencing Factors on the Free Rent in Lease Contracts
of Seoul Office Market
이 논문을 박사학위논문으로 제출함.
2019년 12월
단국대학교 대학원
도시계획 및 부동산학과
부동산학 전공
황  병  훈

S15 · PDF 4쪽

S15 PDF 4쪽

S15 · PDF 5쪽

S15 PDF 5쪽

이 페이지 검색용 텍스트

- i -
(국문초록)
서울 오피스 임대계약의 렌트프리 영향요인
단국대학교 대학원 도시계획 및 부동산학과
부동산학 전공
황 병 훈
지도교수：유 정 석
2000년대 초반부터 빠르게 성장한 서울 오피스 시장은 2008년 글로벌 금융
위기로 새로운 국면을 맞이하였다. 오피스 임대시장은 급격히 위축되어 수요
가 제한된 반면, 신규 공급은 증가하여 공실이 증가하게 되었다. 즉, 침체기
가 지속되어 단기간에 회복하기 어려운 상황이 된 것이다. 많은 공실을 보유
한 대형 오피스를 중심으로 임차인을 유치하기 위해서 공격적인 임대마케팅
이 수행되었고, 유럽 및 미국 등의 상업용 부동산 시장에서 사용되는 렌트프
리(무상임대)가 제공되기 시작했다. 
렌트프리는 표면적인 명목임대료(Nominal Rent)는 유지 또는 상승하되 임차
인의 실질임대료(Effective Rent)를 낮추는 방법으로서, 임대인은 임대수익의 
증가, 자산 가치의 유지 및 상승, 임차인과의 임차조건 협상력 증대 등의 목
적으로 렌트프리를 사용하는 것으로 추정된다. 한편, 렌트프리는 명목임대료
와 실질임대료 간의 차이를 발생시켜 실제 시장 현황을 왜곡하고 연구 결과
의 오류를 야기할 수 있다.
서울 오피스 시장에 렌트프리가 본격적으로 도입된 지 10여 년이 경과하면
서 그 사례는 많아지고 그 수준(기간)도 증가하고 있다. 그러나 렌트프리에 
대한 실무적인 추정과 단편적인 자료만 있을 뿐 체계적으로 데이터가 축적
되지 못하여, 렌트프리에 대한 연구는 매우 제한적이고 초보적인 수준에 머
물러 있다. 따라서 본 연구는 2009년부터 2018년까지 체결된 서울 오피스 계

S15 · PDF 6쪽

이 페이지 검색용 텍스트

- ii -
약사례를 직접 구득하여 데이터를 구축하였다. 최종적으로 서울 업무권역에 
소재한 오피스 90개 동에서 체결된 총 1,338건의 임대계약 사례를 대상으로 
분석하여 자료의 한계로 미흡한 선행연구와 차별성을 나타낸다. 
특히, 임대계약 자료에 기초하므로 설명변수로 임대계약의 주요 조건(임대
면적, 임대기간, 계약임대료, 계약연도)을 반영하였고, 각 계약시점의 건물 특
성(건물연면적, 신축여부, 건축연한, 건물공실률), 임대시장 특성(시장임대료, 
시장공실률, 업무권역) 및 거시경제 특성(경제성장률, 회사채 수익률)을 포함
하여, 렌프트리 여부 및 렌트프리 수준(기간)에 대한 영향요인을 다각적으로 
실증분석하였다. 
분석 결과, 서울 오피스의 렌트프리에 대해 임대기간, 계약임대료, 계약연
도, 건물연면적, 신축여부, 건축연한, 시장임대료(서울), 업무권역이 주요 영향
요인으로 나타났다. 임대기간이 길수록, 계약임대료가 높을수록, 건물연면적
이 클수록, 신축건물일수록, 건축연한이 짧을수록, 시장임대료(서울)가 높을수
록 렌트프리는 더 많이 포함되고 그 수준(기간)도 높은 경향이 있다. 도심권
역은 다른 업무권역보다 높은 수준의 렌트프리가 더 많이 제공된 반면, 여의
도권역은 반대로 나타났다. 한편, 임대면적, 시장공실률(권역), 경제성장률은 
통계적으로 유의하지 않아 통상적인 인식과는 다른 결과를 보였다. 
이를 종합적으로 살펴보면, 서울 오피스 시장에서 렌트프리는 i) 명목임대
료와 실질임대료를 조정하는 방법으로사용되며, ii) 임대계약별로 차별적인 
조건을 반영하기 위해 활용되며, iii) 각 건물의 특성과 임대현황에 영향을 
받으며, iv) 각 업무권역별로 차이가 있으며, v) 거시적인 경제 상황보다 직
접적인 임대시장 환경에 더 큰 영향을 받는 것으로 추정된다. 그리고 vi) 임
대관리 방식에 따라 렌트프리에 다른 영향을 줄 수 있으며, vii) 임대인이 렌
트프리를 통한 정보 비대칭을 이용하는 데 한계도 있는 것으로 추정된다. 
본 연구는 지난 10년 동안 체결된 임대계약 자료에 기초하여 렌트프리 여
부 및 렌트프리 수준(기간)에 대한 영향요인을 다각적으로 분석하였고, 그 특
성을 심도 있게 설명하였다. 따라서 본 연구의 결과는 서울 오피스 시장에서 
금융위기 이후 지속적으로 확대된 렌트프리에 대한 이해를 높이는 데 기여
할 것이다.

S15 · PDF 7쪽

S15 PDF 7쪽

이 페이지 검색용 텍스트

- iii -
감사의 글
2014년봄과 함께 시작한 박사과정은2019년 겨울에 학위논문을 마무리하
면서어느덧 길게만 느껴졌던박사학위의 마침표를찍게 되었습니다. 강의실 
창 너머로따뜻한 봄 햇살과 높은 가을 하늘을느끼며 2년의 시간을 보낸 
후, 집 근처 도서관과 카페구석에서 학술지와 학위논문 작성으로 주말을 헌
납하기를 4년여가 흘렀습니다. 짧지 않은 시간동안 제 자신에게도 많은 변화
와 성장이 있었으며, 그 과정에서주변의 많은 분들의 도움으로 현재에 이를
수 있었음을 깨닫게 되었습니다.
학문적으로더욱 성장할 수 있도록 끊임없는 조언과 가르침을 주시고연구 
방향을 이끌어 주신유정석 교수님께 진심으로 감사의 말씀을드립니다. 박
사과정 동안저의 부족한 소양을 다지고 학문적 열정을 일깨워 주신고석찬 
교수님, 김현수 교수님, 김호철 교수님, 송명규 교수님, 이호병 교수님, 조명
래 교수님께도감사드립니다. 그리고 학위논문 심사 과정에서 세심하고 예리
한 지적으로 논문의 완성도를 높여 주신 민성훈 교수님과원재웅 교수님께
도 깊이 감사드립니다.
항상 자신의 일처럼 관심을 가져주시고 격려해주신서원형 박사님, 강선호 
박사님, 이무송 박사님, 박재호 박사님, 김정선 박사님, 배성완 박사님그리
고 유사모 선·후배 여러분 모두 고맙습니다. 자료 제공이 부담될 수 있음에
도 불구하고, 제 논문을 위해서슴없이자료를 보내주신부동산 업계의 여러 
선·후배 동료들에게도감사드립니다. 항상 고민을 나누고 위로해준친구 채
영태와 이진우에게도 기쁜 마음을 나누고 싶습니다.
무엇보다도 언제나 저를 믿어 주고 부족함을 채워주며 제 곁을 지켜준사
랑하는 아내 박용주에게 가장 큰 고마움을 전합니다. 묵묵히 지켜봐주신 부
모님들께도 감사하며, 아들 재유와 딸 재린이에게는이제 미안한 마음을 조
금이나마 덜어 낼 수 있을 것 같습니다. 박사학위가단지학문적인 성과에만 
머물지 않았음을, 저를 둘러싼 많은 이들의 도움과 희생으로 이루어 진 것임
을 깨닫게 됩니다. 모든 분들께진심을 다해 다시 한번 감사의 마음을 드립
니다.

S15 · PDF 8쪽

S15 PDF 8쪽

이 페이지 검색용 텍스트

- iv -
목  차
표 목차 ···································································································································· ⅶ
그림 목차··································································································································· ⅸ
Ⅰ. 서  론·································································································································· 1
  1. 연구의 배경 및 목적·········································································································· 1
    1.1 연구의 배경··················································································································· 1
    1.2 연구의 목적··················································································································· 3
  2. 연구의 범위 및 방법·········································································································· 5
    2.1 연구의 범위··················································································································· 5
    2.2 연구의 방법··················································································································· 6
  3. 연구의 구성························································································································· 7
Ⅱ. 이론적 배경 및 선행연구 검토······················································································ 9
  1. 부동산 임대시장의 수요ㆍ공급의 균형············································································· 9
    1.1 부동산 임대시장의 균형과 조정··················································································· 9
    1.2 부동산 임대시장의 단기적 균형과 조정···································································· 11
  2. 부동산 임대시장의 정보 비대칭과 임대료 감면····························································· 13
    2.1 부동산 임대시장의 정보 비대칭················································································· 13
    2.2 부동산 임대시장의 임대료 감면··················································································· 15
  3. 부동산 임대시장의 렌트프리와 임대료 구분··································································· 17
    3.1 부동산 임대시장의 렌트프리······················································································ 17
    3.2 부동산 임대시장의 임대료 구분················································································· 20
  4. 선행연구 검토··················································································································· 22
    4.1 부동산 임대시장의 균형및조정에 관한 연구·························································· 22
    4.2 부동산 임대시장의 렌트프리 관련 연구···································································· 24
    4.3 오피스 임대시장의 렌트프리 관련 연구···································································· 28
    4.4 서울 오피스 임대시장의 렌트프리 관련 연구··························································· 29
    4.5 선행연구와의 차별성··································································································· 32
Ⅲ. 서울 오피스 임대시장 현황··························································································· 36

S15 · PDF 9쪽

S15 PDF 9쪽

이 페이지 검색용 텍스트

- v -
  1. 서울 오피스 시장의 개요 ······························································································· 36
    1.1 서울 오피스 시장의 성장···························································································· 36
    1.2 서울 오피스 시장의 업무권역····················································································· 39
  2. 서울 오피스의 공실률 및 공급 현황 ············································································· 42
    2.1 서울 오피스의 공실률 현황························································································ 42
    2.2 서울 오피스의 공급 현황···························································································· 44
    2.3 서울 오피스의 공실률과 공급 추이············································································ 45
    2.4 서울 오피스의 업무권역별 공실률과 공급 추이························································ 47
  3. 서울 오피스의 렌트프리 현황 ························································································ 50
    3.1 서울 오피스의 렌트프리 추이····················································································· 50
    3.2 서울 오피스의 연도별 렌트프리 수준········································································ 52
    3.3 서울 오피스의 업무권역별 렌트프리 수준································································· 54
  4. 서울 오피스의 명목임대료와 실질임대료 현황 ····························································· 56
    4.1 서울 오피스의 명목임대료 현황················································································· 56
    4.2 서울 오피스의 실질임대료 현황················································································· 57
    4.3 서울 오피스의 명목임대료와 실질임대료 추이·························································· 59
    4.4 서울 오피스의 업무권역별 명목임대료와 실질임대료 추이······································ 60
  5. 서울 오피스 임대계약의 특성 ························································································ 64
    5.1 서울 오피스 임대계약의 임대기간············································································· 64
    5.2 서울 오피스 임대계약의 임대면적············································································· 67
       
Ⅳ. 서울 오피스의 렌트프리 영향요인 실증분석····························································· 70
  1. 분석 모형·························································································································· 70
    1.1 로지스틱 회귀모형······································································································· 70
    1.2 이분형 로지스틱 회귀모형·························································································· 71
    1.3 순서형 로지스틱 회귀모형·························································································· 72
  2. 실증 분석 대상················································································································· 75
    2.1 조사 대상 ··················································································································· 75
    2.2 분석 대상 ··················································································································· 77
  3. 변수 선정·························································································································· 81
    3.1 종속 변수의 구성 및 기초통계량··············································································· 81
    3.2 설명 변수의 구성 및 기초통계량··············································································· 82
    3.3 설명 변수의 적정성 검정···························································································· 86

S15 · PDF 10쪽

S15 PDF 10쪽

이 페이지 검색용 텍스트

- vi -
    3.4 설명 변수의 상관관계 분석························································································ 88
    3.5 설명 변수의 선정 결과······························································································· 90
  4. 렌트프리 여부에 대한 영향요인 실증분석······································································ 91
    4.1 모형 1-1의 분석 결과·································································································· 92
    4.2 모형 1-2의 분석 결과·································································································· 93
    4.3 모형 1-3의 분석 결과·································································································· 94
    4.4 모형 1-4의 분석 결과·································································································· 95
    4.5 모형 1-5의 분석 결과·································································································· 96
    4.6 모형 1-6의 분석 결과·································································································· 97
    4.7 모형 1-7의 분석 결과·································································································· 98
    4.8 모형 1의 소결·············································································································· 99
  5. 렌트프리 수준에 대한 영향요인 실증분석···································································· 103
    5.1 모형 2-1의 분석 결과································································································ 104
    5.2 모형 2-2의 분석 결과································································································ 105
    5.3 모형 2-3의 분석 결과································································································ 106
    5.4 모형 2-4의 분석 결과································································································ 107
    5.5 모형 2-5의 분석 결과································································································ 108
    5.6 모형 2-6의 분석 결과································································································ 109
    5.7 모형 2-7의 분석 결과································································································ 110
    5.8 모형 2의 소결············································································································ 111
  6. 렌트프리 영향요인 종합분석·························································································· 115
Ⅴ. 결  론······························································································································ 120
  1. 연구의 요약····················································································································· 120
  2. 연구의 시사점················································································································· 123
  3. 연구의 의의 및 한계······································································································· 125
참고문헌································································································································· 127
  <부록 1> 분석대상의 분기별 임대계약수·········································································· 132
영문요약································································································································· 133

S15 · PDF 11쪽

S15 PDF 11쪽

이 페이지 검색용 텍스트

- vii -
표목차
<표 Ⅱ-1> 상업용 부동산 임대시장의 임대료 감면································································ 18
<표 Ⅱ-2> 종속변수가 렌트프리인 선행연구··········································································· 34
<표 Ⅲ-1> 서울 업무권역별 임차인 구성 현황······································································· 41
<표 Ⅲ-2> 서울 오피스의 공급 추이······················································································· 44
<표 Ⅲ-3> 임대계약 사례의 연도별 렌트프리 건수(비율) ······················································ 51
<표 Ⅲ-4> 임대계약 사례의 연도별 렌트프리 수준(연평균 개월수) ······································ 53
<표 Ⅲ-5> 임대계약 사례의 권역별 렌트프리 수준(연평균 개월수) ······································ 55
<표 Ⅲ-6> 임대기간별 계약 건수(비율) ··················································································· 65
<표 Ⅲ-7> 연도별 임대기간······································································································ 66
<표 Ⅲ-8> 임대면적별 계약사례 건수······················································································ 68
<표 Ⅳ-1> 이분형 로지스틱 회귀모형의 값············································································· 71
<표 Ⅳ-2> 조사 대상의 연면적별 건물수··············································································· 75
<표 Ⅳ-3> 서울 상업용 부동산 시장보고서의 오피스 조사대상 비교·································· 77
<표 Ⅳ-4> 분석 대상의 건물연면적별 임대계약수································································· 78
<표 Ⅳ-5> 분석 대상의 연도별 임대계약수············································································ 79
<표 Ⅳ-6> 분석 모형별 종속변수의 범주 기준······································································· 81
<표 Ⅳ-7> 종속 변수의 기초통계량························································································· 82
<표 Ⅳ-8> 설명 변수의 구성 및 내용······················································································ 84
<표 Ⅳ-9> 설명 변수의 기초통계량························································································· 85
<표 Ⅳ-10> 연속 변수의 독립표본 t-검정················································································ 86
<표 Ⅳ-11> 더미 변수의 카이제곱 검정 결과········································································· 87
<표 Ⅳ-12> 상관관계 분석········································································································ 89
<표 Ⅳ-13> 설명 변수의 선정 결과 ······················································································· 90
<표 Ⅳ-14> 모형 1의 변수 구성······························································································· 91
<표 Ⅳ-15> 모형 1-1의 분석 결과···························································································· 92
<표 Ⅳ-16> 모형 1-2의 분석 결과···························································································· 93
<표 Ⅳ-17> 모형 1-3의 분석 결과···························································································· 94
<표 Ⅳ-18> 모형 1-4의 분석 결과···························································································· 95
<표 Ⅳ-19> 모형 1-5의 분석 결과···························································································· 96
<표 Ⅳ-20> 모형 1-6의 분석 결과···························································································· 97
<표 Ⅳ-21> 모형 1-7의 분석 결과···························································································· 98

S15 · PDF 12쪽

S15 PDF 12쪽

이 페이지 검색용 텍스트

- viii -
<표 Ⅳ-22> 모형 1의 분석 결과 요약···················································································· 102
<표 Ⅳ-23> 모형 2의 변수 구성····························································································· 103
<표 Ⅳ-24> 모형 2-1의 분석 결과·························································································· 104
<표 Ⅳ-25> 모형 2-2의 분석 결과·························································································· 105
<표 Ⅳ-26> 모형 2-3의 분석 결과·························································································· 106
<표 Ⅳ-27> 모형 2-4의 분석 결과·························································································· 107
<표 Ⅳ-28> 모형 2-5의 분석 결과·························································································· 108
<표 Ⅳ-29> 모형 2-6의 분석 결과·························································································· 109
<표 Ⅳ-30> 모형 2-7의 분석 결과·························································································· 110
<표 Ⅳ-31> 모형 2의 분석 결과 요약···················································································· 114
<표 Ⅳ-32> 모형 1과 2의 분석 결과 요약············································································· 119

S15 · PDF 13쪽

S15 PDF 13쪽

이 페이지 검색용 텍스트

- ix -
그림목차
<그림 Ⅰ-1> 연구 흐름도··········································································································· 8
<그림 Ⅱ-1> 부동산 임대시장의 균형······················································································· 9
<그림 Ⅱ-2> 공급 탄력에 따른 균형 가격의 변동·································································· 10
<그림 Ⅱ-3> 부동산 임대시장의 단기 균형············································································· 12
<그림 Ⅱ-4> 임대료 감면이 있는 단기 균형··········································································· 15
<그림 Ⅱ-5> 임대료의 구분······································································································ 20
<그림 Ⅲ-1> 리츠와 부동산펀드의 운용자산 규모 추이························································· 37
<그림 Ⅲ-2> 서울 상업용 부동산의 시설별 거래규모 추이·················································· 38
<그림 Ⅲ-3> 서울 상업용 부동산의 국내 및 해외 투자자별 거래규모 추이······················· 38
<그림 Ⅲ-4> 서울 오피스 시장의 업무권역············································································· 39
<그림 Ⅲ-5> 서울 오피스의 공실률 추이················································································ 43
<그림 Ⅲ-6> 서울 오피스의 공급 추이···················································································· 45
<그림 Ⅲ-7> 서울 전체 업무권역 오피스의 공실률과 공급 추이·········································· 46
<그림 Ⅲ-8> 서울 도심권역 오피스의 공실률과 공급 추이··················································· 47
<그림 Ⅲ-9> 서울 강남권역 오피스의 공실률과 공급 추이··················································· 48
<그림 Ⅲ-10> 서울 여의도권역 오피스의 공실률과 공급 추이·············································· 49
<그림 Ⅲ-11> 임대계약 사례의 계약시점별 렌트프리 수준··················································· 50
<그림 Ⅲ-12> 임대계약 사례의 연도별 렌트프리 건수(비율) ················································· 51
<그림 Ⅲ-13> 임대계약 사례의 연도별 렌트프리 수준(연평균 개월수) ································· 53
<그림 Ⅲ-14> 임대계약 사례의 권역별 렌트프리 수준(연평균 개월수) ································· 54
<그림 Ⅲ-15> 서울 오피스의 명목임대료 추이······································································· 57
<그림 Ⅲ-16> 서울 오피스의 실질임대료 추이······································································· 58
<그림 Ⅲ-17> 서울 전체 오피스의 명목임대료와 실질임대료 추이······································· 60
<그림 Ⅲ-18> 서울 도심권역 오피스의 명목임대료와 실질임대료 추이································ 61
<그림 Ⅲ-19> 서울 강남권역 오피스의 명목임대료와 실질임대료 추이································ 62
<그림 Ⅲ-20> 서울 여의도권역 오피스의 명목임대료와 실질임대료 추이···························· 63
<그림 Ⅲ-21> 임대계약 사례의 시점별 임대기간···································································· 64
<그림 Ⅲ-22> 임대기간별 계약 건수······················································································· 65
<그림 Ⅲ-23> 연도별 평균 임대기간······················································································· 67
<그림 Ⅲ-24> 임대면적별 계약 건수의 상자 수염 그림························································· 69
<그림 Ⅳ-1> 조사 대상의 연면적별 건물수············································································ 76

S15 · PDF 14쪽

S15 PDF 14쪽

이 페이지 검색용 텍스트

- x -
<그림 Ⅳ-2> 분석 대상의 건물연면적별 임대계약수····························································· 78
<그림 Ⅳ-3> 분석 대상의 연도별 임대계약수········································································ 80

S15 · PDF 15쪽

S15 PDF 15쪽

이 페이지 검색용 텍스트

- 1 -
Ⅰ. 서  론
1. 연구의 배경 및 목적
1.1 연구의 배경
국내 상업용 부동산 시장은 2001년 부동산투자회사법 및 2003년 간접투자자산운
용업법의 제정으로 리츠(REITs)와 부동산펀드(Real Estate Fund)와 같은 간접투자기
구를 활용한 부동산 투자 상품이 활성화되면서 성장하였다. 특히 연기금, 공제회, 
생명보험사 등의 기관 투자자를 중심으로 부동산 투자가 증가하였고, 부동산 시장
의 투명하고 체계적인 분석 및 관리에 대한 요구가 높아졌다. 이러한 시장의 변화
로 유럽 및 미국과 같은 선진 시장의 투자부터 운영에 이르는 전반적인 시스템이 
국내에 도입되었다. 현재 리츠의 자산관리회사와 부동산펀드의 자산운용사1)는 해외 
선진 시장 수준으로 부동산 자산을 투자․운영하고 있다. 부동산서비스회사2) 또한 세
밀하게 시장 분석을 수행하고 체계적인 건물관리와 매입․매각 컨설팅 업무 등을 제
공하고 있다.
기관 투자자의 부동산 시장 참여로 매각 차익(Capital Gain)이 주된 목적이었던 기
존의 투자 방식과는 달리 운영 수익(Income Gain)에 대한 중요성이 높아졌으며, 부
동산 시장이 성장하면서 투자 대상과 전략, 운영 방식 등의 기준도 점진적으로 정
립되었다. 그 결과, 투자 수익을 목적으로 한 상업용 부동산 시장(Commercial Real 
Estate Market)이 국내에서도 자리 잡게 되었으며, 그 주된 투자 대상은 안정적인 수
익과 체계적인 운영이 가능한 서울에 소재한 업무용 빌딩에 집중되었다. 즉, 서울 
오피스 시장은 국내 부동산 투자 시장의 가장 핵심적인 축이 되었다.
2000년대 초반부터 성장해오던 서울 오피스 시장은 2008년 금융위기로 급격히 위
1) 리츠의 자산관리회사로는 코람코자산신탁, 한국토지신탁, KB부동산신탁, 마스턴투자운용 등이 있으
며, 펀드의 자산운용사로는 이지스자산운용, 미래에셋자산운용, 삼성에스알에이자산운용, 하나대체
투자자산운용 등이 있다. 본 연구에서는 실무적인 사용을 고려하여 자산관리회사와 자산운용사를 
용어의 구별 없이 ‘자산운용사’로 통칭하여 부른다.
2) 국내 부동산서비스회사는 신영에셋, 젠스타, 메이트플러스 등이 있으며, 국내 진출한 글로벌 회사는 
CBRE, Savills, JLL, Cushman & Wakefield, Colliers 등이 있다. 규모가 가장 큰 것으로 알려진 CBRE
는 1906년 미국에서 창립한 상업용 부동산 서비스 및 투자 회사로서, 60여개국에서 75,000명 이상
의 전문인력이 종합적인 부동산 서비스를 제공하고 있다. CBRE Korea는 1999년에 설립되어 280명 
이상의 부동산 전문인력을 보유하고 있다(CBRE Korea).

S15 · PDF 16쪽

S15 PDF 16쪽

이 페이지 검색용 텍스트

- 2 -
축되면서 시장 환경은 빠르게 변화하였다. 금융위기 이전까지 국내 오피스 시장은 
낮은 공실률을 유지하고 임대료와 매매가는 지속적인 상승세를 보이면서 도심권역
을 중심으로 다수의 대형 오피스 개발 사업이 진행되었다. 그러나 금융위기 이후에 
임대시장은 침체되어 신축 건물에 대규모 공실이 발생하고 진행 중인 오피스 개발 
사업이 좌초되기도 하였다. 판교 테크노밸리 기업 이전, 공기업 지방 이전 등으로 
서울에 공실이 더해지면서 임대 시장은 단기간에 회복하기 어려운 상황에 이르게 
되었다. 
반면 금융위기 이후 경기 부양책으로 시작된 전 세계적인 금리 인하는 자금 유동
성을 풍부하게 만들었으며, 금융시장의 주요 투자 대상인 주식 및 채권의 낮은 수
익률을 대체하여 부동산 시장으로 투자금이 빠르게 유입되면서 상업용 부동산 투자 
시장의 확장을 견인하였다. 서울 오피스 시장은 공급 과잉으로 인해 공실률은 지속
적으로 증가하여 임대수익은 증가하지 않음에도 불구하고 투자금의 증가로 인해 매
매가는 계속 상승하는 현상이 2010년 이후 지속되고 있다. 한편, 상업용 부동산 시
장의 확장으로 오피스 외에도 대형할인점, 비즈니스호텔, 물류센터 등에 대한 투자
도 확대되기 시작하였다.
미국 및 유럽 등의 부동산 시장에서는 임차인에게 렌트프리(무상임대)3), Fit-out4), 
TI(Tenant Improvement)5) 등의 다양한 임대료 감면(Rent Concession) 조건이 제공되고 
있다(Brown, 1995; Jeffries, 1994; Murdoch and Crosby, 1994; Wheaton and Torto, 
1994). 금융위기 이후 자산운용사와 부동산서비스회사는 임차인 우위의 임대시장에
서 공실을 해소하고 임대 수입을 유지하기 위해 다양하고 적극적인 임대 마케팅을 
실행하였으며, 서울 오피스 시장에서도 렌트프리의 제공 사례가 증가하여(여태종 
외, 2015; 젠스타, 2015) 현재는 일반적인 임대계약 조건으로 인식되고 있다.
국내 상업용 부동산 시장에서 임대료, 공실률, 매매가 등의 기본적인 데이터가 장
기간 축적된 자산군은 서울 오피스가 거의 유일하다. 그 외의 자산군에 대한 데이
터는 매우 단편적이고 제한적인 실정이다. 서울 오피스 시장에 대한 데이터조차도 
통일된 기준 없이 부동산서비스회사 각각의 내부 기준에 따라 표본이 정해지고 자
료가 수집되고 있다. 따라서 서울 오피스 시장과 관련하여 여러 연구들이 수행되었
으나 이와 같은 분석 자료의 한계는 항상 내재되어 있을 수밖에 없다. 금융위기 이
3)
렌트프리는 임대기간 중 약정기간의 임대료를 면제하는 임대계약 조건이다(여태종 외, 2015; 
Jeffries, 1994; Murdoch and Crosby, 1994; Wheaton and Torto, 1994).
4) Fit-out은 임차인의 입주 공사 기간의 임대료 또는 관리비를 면제하는 임대계약 조건이다(양영준·임
병준, 2014; Jeffries, 1994; Murdoch and Crosby, 1994). 
5) TI는 임차인이 건물 입주 시 발생하는 입주 공사비용 등을 임대인이 부담하는 임대계약 조건이다
(양영준·임병준, 2014; 황병훈·유정석, 2017; Jeffries, 1994; Wheaton and Torto, 1994).

S15 · PDF 17쪽

S15 PDF 17쪽

이 페이지 검색용 텍스트

- 3 -
후 급변한 서울 오피스 임대시장에서 이러한 자료 수집의 한계가 더욱 여실히 드러
나게 되었다. 
일반적으로 공실률이 증가하면 임대료가 하락하여야 할 것이다. 그러나 금융위기 
이후 시장의 실무자들은 임대료 인상이 어렵고 실제 임대수익이 감소하는 점을 인
지하는 반면, 대부분의 시장보고서는 임대료가 인상되고 있는 것으로 나타나고 있
다. 이러한 현상은 금융위기 이후 확대되기 시작한 렌트프리가 주요 원인으로 추정
된다(류강민 외, 2015; 여태종 외, 2015; 정원구·이호병, 2016, 황병훈·유정석, 2017 
재인용). 시장보고서가 명목임대료(Nominal Rent)를 바탕으로 수집된 자료에 근거하
기 때문이다. 명목임대료에서 렌트프리 등이 차감된 실질임대료(Effective Rent)가 임
차인이 실질적으로 부담하는 임대료이자 임대인의 실질적인 임대 수입임에도 불구
하고 이에 대한 자료 구득의 제약으로 실질임대료 자료는 거의 축적되고 못하고 있
다. 
임대계약은 임대시장의 상황을 바탕으로 임대인과 임차인 간의 합의 과정을 통해 
체결되므로 동일 건물 내에서도 임대계약 협의시점과 임차인 별로 각각 다른 임대
계약 조건을 포함하게 된다. 실질임대료를 파악하기 위해서는 렌트프리 등이 반영
된 개별 임대계약 내용이 확인되어야 하는데, 계약 당사자인 임대인과 임차인은 일
반적으로 임대계약 별로 다르게 제공된 렌트프리 등의 내용이 외부에 공개되는 것
을 매우 부담스럽게 생각하며, 때로는 계약 상 비밀유지 조항에 위반될 수도 있다. 
따라서 국내 상업용 부동산 시장에서 렌트프리가 2008년 금융위기 이후 점차 확대 
적용되어 현재는 일반적인 조건이 되었음에도 불구하고, 이와 관련된 정보가 한정
되어 렌트프리에 대한 데이터 수집과 심도 있는 분석은 매우 제한적인 실정이다.
1.2 연구의 목적
금융위기 이후 국내 오피스 임대시장이 침체를 지속하는 가운데, 서울 오피스 시
장에 렌트프리가 본격적으로 도입된 지 10여 년이 경과하였다. 렌트프리 사례는 증
가하고 수준(기간)도 늘어나는 것으로 조사6)되고 있음에도 불구하고, 여전히 자료 
구득의 제약으로 인해 렌트프리의 목적과 특성 등에 대한 연구는 매우 미흡하다. 
6) 서울 오피스 시장에서 렌트프리의 기간은 2009년부터 2012년까지 증가 추이를 보인 것으로 판단된
다(우철민 외, 2015; 류강민･여태종, 2016). 2013년 3분기 기준으로 서울 오피스 260개동을 조사한 
결과, 약55%가 렌트프리를 제공하며 전체 평균 기간은 1.12개월/연이다(여태종 외, 2015). 2014년 3
분기에는 서울 오피스의 약68%가 렌트프리를 제공하고 전체 평균 기간은 1.5개월/연으로 조사되었
다(젠스타, 2015; 류강민 외, 2015; 류강민·여태종, 2016).

S15 · PDF 18쪽

S15 PDF 18쪽

이 페이지 검색용 텍스트

- 4 -
서울 오피스 시장에서 렌트프리는 명목임대료를 유지 또는 상승하되 실질임대료
를 낮추는 방법으로서 활용되며, 임대인은 i) 임대수익의 증가, ii) 자산 가치의 유지 
및 상승, iii) 임차인과의 임차조건 협상력 증대를 목적하는 것으로 추정된다. 오피스
의 공실 면적이 발생하는 경우, 임대인은 렌트프리 제공으로 인해 해당 면적의 실
질 임대료가 하락 하더라도 조속히 임차인을 유치하여 공실을 해소하는 것이 궁극
적으로는 건물 전체의 임대 수익을 높이는 데 더 나은 선택으로 판단할 수 있다. 
또한, 시장에 공개되는 명목임대료를 낮추어 건물의 가치를 훼손하기보다는 외부 
노출이 제한적인 실질임대료는 낮추되 명목임대료는 유지 또는 상승하여 자산 가치
를 유지 또는 상승시키는 데 더 유리하며, 향후 임대시장 회복 시에 렌트프리는 점
차 감소하여 실질임대료와 명목임대료가 같은 수준이 되어 자산 가치가 높아질 것
이라고 기대할 수 있다. 한편, 임대인은 임대시장에 대한 정보가 제한적인 임차인과 
협상 시 렌트프리 제공을 통해 최대한 유리한 계약 조건을 이끌어 내려고 할 것이
다. 동일 건물 내에서도 각각의 임차인 별로 렌트프리 조건을 다르게 적용하여, 건
물 운영 상황 및 시장 환경에 따라 탄력적인 임대 운영이 가능할 것이다.
상기와 같은 목적에 기초하여 서울 오피스 시장에서 렌트프리는 i) 대형 공실도 
빠르게 해소할 수 있는 대형 임차인에게 주로 제공되며, ii) 안정적인 임대수익을 확
보하기 위해서 장기의 임대 기간을 계약하는 임차인에게 주로 제공되며, iii) 소형 
오피스보다는 전문적인 임대 관리가 이루어지는 중⸱대형 오피스에서 주로 제공되며, 
iv) 안정적으로 운영되는 건물보다는 적극적인 공실 해소가 필요한 신축 건물 또는 
대형 공실 면적을 가진 건물에서 주로 제공되며, v) 시장임대료 및 시장공실률의 변
동에 영향을 받으며, vi) 업무권역에 따라 특성이 다르게 나타나며, vii) 금융위기 이
후 임대시장 침체가 지속되면서 확산된 것으로 추정된다.
서울 오피스 시장에서 렌트프리의 목적과 경향에 대한 실무적인 추정은 가능하나 
이와 관련한 자료와 연구는 거의 찾아보기 어렵다. 대부분의 자료와 선행연구는 각 
건물 별 마케팅 목적의 호가임대료 및 렌트프리에 기초하며, 특정 시점에 제한되어 
있다. 따라서 임대인과 임차인과의 협상 결과로 달라진 실제 계약 내용과는 차이가 
발생할 수 있으며, 지난 10여 년 동안 지속된 렌트프리의 특성을 특정시점 자료로 
설명하기에는 제약이 있을 수 있으며, 동일 건물 내에서도 임차인 및 계약시점 별
로 다르게 나타나는 계약 조건을 고려하지 못하는 한계를 보인다. 
이런 현황을 고려할 때, 본 연구가 렌트프리가 본격적으로 도입된 2009년부터 최
근 2018년 사이에 체결된 임대계약 1,338건을 표본으로 실증분석한 점이 선행연구
와 가장 큰 차별성을 나타낸다. 본 연구는 이 자료에 기초하여 i) 렌프트리 여부에 
영향을 미치는 요인과 ii) 렌트프리 수준(기간)에 영향을 미치는 요인을 실증분석하

S15 · PDF 19쪽

S15 PDF 19쪽

이 페이지 검색용 텍스트

- 5 -
고자 하였다. 렌트프리에 대한 영향요인인 독립 변수로 임대면적, 임대기간, 계약임
대료 및 계약연도를 포함하여 개별 임대계약의 주요 조건을 고려하여 분석하였다. 
이와 함께, 건물연면적, 신축여부, 건축연한 및 건물공실률과 같은 건물 특성 요인
을 비롯하여, 시장임대료, 시장공실률 및 업무권역과 같은 임대시장 특성 요인과 경
제성장률 및 회사채 수익률과 같은 거시경제 특성 요인도 반영하였다. 즉, 서울 오
피스 임대계약의 렌트프리 영향요인에 대해 임대계약, 건물 및 임대시장, 거시경제 
특성을 다각적으로 고려한 실증분석을 통해, 렌트프리의 특성을 심도 있게 설명하
고 렌트프리에 대한 이해를 높이고자 하였다.
2. 연구의 범위 및 방법
2.1 연구의 범위
본 연구는 국내 상업용 부동산 시장에서 가장 큰 비중을 차지하고 있는 서울시 
오피스 시장을 대상으로 한다. 오피스(업무시설) 외에도 상업시설, 물류시설, 숙박시
설, 주거시설 등도 국내 상업용 부동산 시장의 대상이 되고 있으나, 그 비중과 역사
를 고려하면 오피스 시장이 절대적인 우위에 있다. 그리고 국내 오피스 시장은 서
울 소재의 오피스에 집중되어 있다. 따라서 공간적 범위는 서울로 한정하고, 3대 업
무권역인 도심권역, 강남권역 및 여의도권역과 그 외의 기타권역으로 총 4개의 권
역으로 구분한다. 
본 연구는 서울 오피스의 실제 체결된 임대계약 사례를 분석 대상으로 한다. 분석 
표본은 연면적 7,600㎡ 이상의 오피스 90개동에서 체결된 총 1,338건의 임대계약 사
례이다. 일반적으로 오피스 빌딩이 자산운용사 또는 투자기관을 중심으로 보유되는 
점을 감안하여 사옥용 또는 개인 소유의 오피스 빌딩은 최대한 배제하고, 오피스 
임대시장에서 일반적인 계약에 해당되지 않는 1년 미만의 단기 임차, 보증금이 월
임대료의 15배 이상인 반/전세구조, 100㎡ 미만의 소형 임대면적의 계약 사례는 제
외한다. 
시간적 범위는 서울 오피스 시장에 렌트프리가 본격적으로 나타난 2009년 1분기
부터 최근 시점인 2018년 4분기까지로 설정하며, 해당 기간에 체결된 임대계약을 
실증분석 대상으로 한다. 임대계약별로 렌트프리 기간을 비롯하여 체결시점7)의 임
대면적, 임대기간, 계약임대료, 건축연한 등의 상세 조건을 포함한다. 시장공실률,

S15 · PDF 20쪽

S15 PDF 20쪽

이 페이지 검색용 텍스트

- 6 -
시장임대료, 경제성장률 및 회사채 수익률은 각 임대계약 체결시점의 분기별 자료8)
를 참고한다.
2.2 연구의 방법
본 연구는 서울 오피스 임대계약의 렌트프리 영향요인을 실증분석하는 것을 목
적으로 한다. 이를 위해 오피스 임대시장 및 렌트프리 등에 대한 문헌 연구를 통해 
관련 이론을 정립하고 서울 오피스 임대시장의 현황을 살펴 본 후, 연구 대상인 렌
트프리의 영향요인을 실증분석한다. 실증분석을 통해 렌트프리 여부에 영향을 미
치는 요인과 렌트프리의 수준(기간)에 영향을 미치는 요인을 확인하고자 한다.
본 연구를 수행하는 데 있어서 가장 큰 제약은 서울 오피스 시장의 렌트프리와 
관련한 자료를 구득하기가 매우 어렵다는 점이다. 부동산 관련회사들도 임대계약 
자료를 취득하는 데 제한이 있어서 관련 데이터를 축적하지 못하고 있다. 일부 부
동산서비스회사가 특정 시점에 건물별로 마케팅용 렌트프리를 조사한 사례는 있으
나, 여러 시점 동안 지속적으로 조사된 자료가 아니며 개별 임대계약 사례도 아니
다. 따라서 본 연구를 수행하기 위하여 여러 자산운용사, 부동산서비스회사 등으로
부터 각 건물별 임대내역 등을 구득하고 2009년부터 2018년까지 체결된 계약사례를 
정리하여 데이터를 구축하였으며, 최종적으로 서울 오피스 90개동에서 체결된 총 
1,338건의 임대계약 사례9)를 표본으로 분석하였다. 한편, 구축된 표본과 시장 데이
터를 바탕으로 서울 오피스 임대시장의 현황과 임대계약의 특징을 파악하고자 한
다.
렌트프리 영향요인을 분석하기 위한 모형으로서 로지스틱 회귀모형을 설명하고, 
다음과 같은 순서로 변수 선정 및 분석을 수행한다. 
첫째, 선행연구를 참고하여 임대계약 특성, 건물 특성, 임대시장 특성, 거시경제 
특성과 관련된 변수들을 선별하고, t-검정 및 검정과 상관관계 분석을 실시하여 
분석 모형에 적합한 독립 변수를 선정한다. 
둘째, 렌트프리 여부에 영향을 미치는 요인의 분석은 이분형 로지스틱 회귀 모형
을 적용한다. 렌트프리 여부를 종속변수로 하고, 임대계약 특성, 건물 특성, 임대시
7) 임대계약에 따라 임대계약의 체결시점과 임대기간의 시작시점은 다를 수 있으나, 본 연구에서 임대
계약의 체결시점은 임대기간의 시작시점을 의미한다.
8) 서울 오피스 시장의 임대료 및 공실률은 부동산 자산관리회사인 K사의 분기별 자료이다.
9) 본 연구의 분석 표본은 황병훈·유정석(2016, 2017)의 표본을 포함한다.

S15 · PDF 21쪽

S15 PDF 21쪽

이 페이지 검색용 텍스트

- 7 -
장 특성, 거시경제 특성으로 선정된 설명변수로 총 7개의 모형을 구성하고 이분형 
로지스틱 회귀분석을 실시한다.
셋째, 렌트프리 수준(연평균 개월수)에 대한 영향요인을 순서형 로지스틱 모형으
로 실증분석한다. 렌트프리 수준에 따라 종속변수를 0부터 6까지 7개의 구간(범주)
으로 구성하고, 위와 동일한 설명변수로 동일한 7개의 모형을 구성하고 순서형 로
지스틱 회귀분석을 실시한다.
넷째, 상기의 분석 결과를 바탕으로 렌트프리 영향요인을 설명한다. 
3. 연구의 구성
본 연구는 <그림 Ⅰ-1>의 연구 흐름도와 같이 전체 5장으로 구성되어 있다.
Ⅰ장의 서론에 이어 Ⅱ장에서 본 연구와 관련된 이론과 선행연구를 고찰하고 검
토한다. 부동산 임대시장의 수요ㆍ공급의 균형, 정보 비대칭, 임대료 감면 등에 대
한 이론적 배경을 검토하고, 부동산 임대시장에서 활용되는 렌트프리와 임대료의 
개념을 정의한다. 선행연구 검토에서는 부동산 임대시장의 조정과 렌트프리를 분석
한 연구와 국내외 오피스 임대시장의 렌트프리와 관련한 연구를 살펴본다. 마지막
으로 기존 선행연구들의 한계와 본 연구의 차별성을 서술한다.
Ⅲ장에서는 서울 오피스 임대시장에 대한 현황을 살펴본다. 서울 오피스의 성장  
및 업무권역에 대해 설명하고, 공실률 및 렌트프리의 추이를 주요 업무권역별로 살
펴보고, 렌트프리로 인한 명목임대료와 실질임대료간의 차이를 확인하고자 한다. 
그리고 본 연구의 실증분석 대상인 임대계약 자료를 바탕으로 임대기간 및 면적 등 
임대계약의 특성을 파악하여 서울 오피스 임대시장에 대한 이해를 높이고자 한다.  
Ⅳ장에서는 실증분석을 위한 연구모형으로 이항 로지스틱 및 순서 로지스틱 모형
을 검토하고 변수를 선정한다. 이후 렌트프리 여부에 대한 영향요인을 이항 로지스
틱 모형으로 실증분석하고, 렌트프리 수준에 대한 영향요인을 순서 로지스틱 모형
으로 실증분석한다. 실증분석 결과에 기초하여 렌트프리 영향요인을 종합적으로 
검토한다.
마지막 Ⅴ장은 결론으로서 분석된 연구 결과를 요약하고 시사점을 도출하며, 본 
연구의 의의와 한계점 등을 서술하여 향후 연구의 확장 방향을 제시한다.

S15 · PDF 22쪽

S15 PDF 22쪽

이 페이지 검색용 텍스트

- 8 -
Ⅰ. 서 론
연구의 배경 및 목적
연구의 범위 및 방법
Ⅱ. 이론적 배경 및 선행연구 검토
부동산 임대시장의 수요ㆍ공급의 균형
부동산 임대시장의 정보 비대칭과 임대료 감면
부동산 임대시장의 렌트프리와 임대료 구분
선행연구의 검토
Ⅲ. 서울 오피스의 임대시장 현황
서울 오피스 시장의 성장 및 업무권역
공실률 및 공급 현황 
렌트프리 현황
명목임대료와 실질임대료 현황
임대계약 특성
Ⅳ. 서울 오피스의 렌트프리 영향요인 실증분석
분석모형 및 변수 선정
렌트프리 여부에 대한 영향요인 실증분석
렌트프리 수준에 대한 영향요인 실증분석
렌트프리 영향요인 종합 분석
Ⅴ. 결 론
연구의 요약 및 시사점
연구의 의의 및 한계
<그림Ⅰ-1> 연구 흐름도

S15 · PDF 23쪽

S15 PDF 23쪽

이 페이지 검색용 텍스트

- 9 -
Ⅱ.  이론적 배경 및 선행연구 검토
1. 부동산 임대시장의 수요ㆍ공급의 균형
1.1 부동산 임대시장의 균형과 조정
수요·공급 모형에서 균형가격(P0)은 수요자들이 구입하려는 재화의 양인 수요량과 
공급자들이 판매하려는 재화의 양인 공급량이 일치하는 가격을 말한다. 즉 균형가
격(P0)은 수요 곡선(D)과 공급 곡선(S)이 교차하는 균형점(E0)의 가격이다. 만일 가격
이 P1이면 공급량이 수요량보다 많아서 초과 공급(Excess Supply) 상태이며, 가격이 
P2이면 수요량이 공급량보다 많아서 초과 수요(Excess Demand) 상태가 된다(김경환·
손재영, 2010, pp. 40-44; 윤재희·이재학, 2013, pp. 54-57).
   
P  
            
  P1
  P0
  P2
초과 공급
S
            
         
         E0
      
D
초과수요
                         Q0                             Q
    출처. 김경환·손재영(2010, p. 44) 인용
    주) P(Price): 가격, Q(Quantity): 수량, D(Demand): 수요 곡선, S(Supply): 공급 곡선
<그림Ⅱ-1> 부동산 임대시장의 균형

S15 · PDF 24쪽

S15 PDF 24쪽

이 페이지 검색용 텍스트

- 10 -
부동산의 수요가 증가할 경우, 수요 곡선은 D0에서 D1으로 이동하게 되며 공급의 
탄력 정도에 따라 새로운 균형점(E1 및 E2)을 형성하게 된다. 두 개의 공급 곡선 중  
S1은 균형점 E1을 형성하여 가격이 P0에서 P1으로 상승되는 데 비해서, S1보다 비탄
력적인 S2는 균형점 E2를 형성하여 가격이 P0에서 P2로 상승하게 된다. 즉 공급이 
비탄력적일수록 수요 증가에 따른 가격 변동 폭이 크다(김경환·손재영, 2010, pp. 
45-49; 윤재희·이재학, 2013, pp. 65-68).
부동산 시장에서 공간의 가격(The Price of Space)인 임대료는 수요ㆍ공급의 법칙
에 따라 시장 충격에 대해 즉시 조정되어 공실률은 항상 균형 공실률(Equilibrium 
Vacancy Rate) 또는 자연 공실률(Natural Vacancy Rate)과 일치할 것이다. Blank & 
Winnick(1953)은 자연 또는 균형 공실률을 어떠한 하락 또는 상승 압력이 없는 상태
의 임대료로 정의하였다. 높은 공실률은 임대인이 임대료 인상을 늦추거나 하락시
키도록 할 것이나 낮은 공실률은 반대의 상황을 만들 것이다.  
    
P  
     S2
            
  P2
  P1
  P0
      E2
                    
           E1
           S1
   
E0
  
             D1
       D0
               Q0                                    Q
       출처. 김경환·손재영(2010, p. 47) 인용
<그림Ⅱ-2> 공급 탄력에 따른 균형 가격의 변동

S15 · PDF 25쪽

S15 PDF 25쪽

이 페이지 검색용 텍스트

- 11 -
자연 공실률과의 편차는 단기간의 임대료 불균형으로 설명되는 초과 공급 또는 
초과 수요를 의미한다. 공실률이 자연 공실률보다 높을 때 초과 공급은 임대료를 
낮추고 임대시장의 수요와 공급 간의 균형이 이루어진다. 공실률이 자연공실률보다 
낮은 반대의 경우도 임대료가 높아지면서 균형 상태가 될 것이다(Chau and Wong, 
2016, p. 164; Smith, 1974). 부동산 시장의 균형 상태에서 공실률은 자연 공실률과 
같고 임대료는 균형 수준에 있으므로, 공급(개발)은 거의 없을 것이다. 만약 공실이 
자연 공실률 이하라면 임대료는 균형 수준 이상으로 인상될 것이며, 균형이 회복될 
때까지 공급을 유발하게 된다. 마찬가지로 공실이 자연 공실률 이상인 경우 임대료
는 균형 수준 이하로 인하될 것이며, 수요 증가로 균형이 회복될 때까지 공급은 제
한될 것이다(Hendershott 외, 2002, p. 169).
임대료는 부동산 경제학에 있어서 가장 중요한 변수임에 틀림없다. 그 가치는 현
재 그리고 미래의 임대료의 현재가치이다. 많은 연구들은 공실률과 자연 공실률 간
에 발생한 편차에 대해 임대료가 어떻게 조정되는지를 다루었다(Hendershott 외, 
2002, p.165). Blank and Winnick(1953)은 임대주택 시장의 균형을 다음과 같은 식으
로 표현하였다.
    ∆                       
<식 Ⅱ-1>
           ∆: 실제 임대료의 변화 비율
           
  : 자연 공실률
             : 지연된 공실률
           
  : 조정 인자(adjustment factor)
1.2 부동산 임대시장의 단기적 균형과 조정 
부동산의 신축은 인허가 및 공사 등으로 인해 장기간이 소요되고 기존 건물의 노
후 및 멸실 또한 장기간이 소요되기 때문에 임대시장의 공급10)은 단기적으로는 고
정된다. 따라서 임대시장의 조정은 비탄력적으로서 균형 수준에 이르기까지 시간 
지연11)이 발생하며, 단기적으로는 임대시장의 수요가 임대료를 결정한다(Frew and 
10) Frew and Jud(1988)는 “특정 시점의 공급=기존 공급+신규 공급(신축 및 용도 변경)-감소(멸실 등)”
로 설명하였다.
11) 임대시장의 임대료와 공실률 수준은 느리게 조정되는 경향이 있어서 초과 공급 또는 초과 수요가 
최적 수준으로 조정되는데 있어서 시간이 지연 될 수 있다(Frew and Jud, 1988; Sirmans 외, 1994).

S15 · PDF 26쪽

S15 PDF 26쪽

이 페이지 검색용 텍스트

- 12 -
Jud, 1988; Sirmans 외, 1994). 최초 공급재고(Q0)가 주어지면 임대수요(D0)에 따른 균
형임대료(R0)가 결정된다. 임대수요(D1)가 증가하게 되면 임대수요곡선은 D0에서 D1
으로 이동하고 임대료는 R1으로 상승하게 된다.
Rent
   S
R1
R0
        D1
        D0
                                        Q0               Quantity
출처. 윤재희·이재학(2013, p. 84) 인용
<그림Ⅱ-3> 부동산 임대시장의 단기 균형
오피스 임대시장의 수요는 아래와 같은 식으로 표현될 수 있다(Frew and Jud, 
1988; Sirmans 외, 1994). 
                                         
<식 Ⅱ-2>
     : 오피스 임대시장의 수요
     : 오피스의 임대료
     : 오피스의 특성(물리적 특성, 입지 특성 등)
     : 경제 및 인구 요인

S15 · PDF 27쪽

S15 PDF 27쪽

이 페이지 검색용 텍스트

- 13 -
오피스 임대시장의 수요와 공급 간의 관계는 공실 수준(Vacancy Level)로 측정된
다(Frew and Jud, 1988; Sirmans 외, 1994). 
                                           
<식 Ⅱ-3>
     : 오피스 임대시장의 공실 수준(Vacancy Level)
       : 오피스 임대시장의 공급(Supply)
반면, 임대 수준(Occupancy Level)은 다음과 같다.
                                      
<식 Ⅱ-4>
따라서 임대율(Occupancy Rate)은 다음과 같다.

        
<식 Ⅱ-5>
수요의 법칙에 따라 은 음수(-)를 나타내므로, 임대료는 임대율과 음(-)의 
관계를 가진다(Sirmans 외, 1994).12)
2. 부동산 임대시장의 정보 비대칭과 임대료 감면
2.1 부동산 임대시장의 정보 비대칭
정보의 비대칭(Asymmetry of Information)은 공급자와 소비자 간의 정보의 불균형
에서 나타나는 것으로서 합리적인 시장경제 시스템에서 시장 기능의 실패를 야기하
는 원인 중의 하나이다. Akerlof(1970)는 불완전 정보에 기초한 정보 비대칭 현상을 
중고차 시장을 예시로 설명하였고, 이후 보험, 금융, 자산 시장을 중심으로 연구 범
위가 확대되어 왔다(문근식, 2016, p. 10, p. 241). 
완전경쟁시장에서의 효율적 자원배분은 소비자들이나 생산자들이 모든 상품, 가격
12) 공실률은 로 표현된다. 수요의 법칙은 이 음수(-)이므로 임대료()는 공실률()과 
양(+)의 관계를 가지며, 로 정의된다(Frew and Jud, 1988)

S15 · PDF 28쪽

S15 PDF 28쪽

이 페이지 검색용 텍스트

- 14 -
과 질 등을 확실하게 알고 있다는 확실성의 가정을 바탕으로 한다. 그러나 소비자
가 소비하려는 상품의 가격, 품질 등에 관한 완벽한 정보를 가지는 것은 현실적으
로 불가능하다. 일반적으로 불확실성 하에서는 위험이 수반되며, 정보 수준이 서로 
다르게 되어 정보의 비대칭이 존재하게 된다. 
만약 불확실한 위험을 완벽하게 해결할 수 있는 보험이 있다면 효율적 자원배분
이 가능할 것이다. 그러나 이런 경우에도 정보의 비대칭 하에서는 도덕적 해이 및 
역선택(Adverse Selection)이 발생하여, 결국 자원배분의 비효율성이 초래될 수 있다. 
즉 완벽한 보험에 가입한 사람이라면 최선을 다해 사고를 방지하려는 노력을 하지 
않는 도덕적 해이가 발생할 수 있다. 그리고 사고 확률이 높은 사람들의 보험 가입
이 증가하는 역선택 현상이 발생할 수 있다. 결과적으로 보험지급률이 높아지고 보
험료 인상을 유발하여, 현실적으로는 완벽한 보험 제공이 어렵게 된다(윤재희·이재
학, 2013, p. 273).
부동산 시장은 높은 정보비용 및 거래비용을 발생시키는 이질적인 상품이며, 비탄
력적인 공급, 장기 계약 등과 같은 여러 마찰요인과 불완전성으로 인해서 조정은 
느려지고 실질적인 균형을 완전하게 이루지 못할 수도 있다(Rosen and Smith, 1983). 
정보 비대칭은 임대인과 임차인 간의 균형 임대료에 대한 합의를 더욱 어렵게 하여 
자연 공실률과의 일시적인 편차를 발생시킨다(Chau and Wong, 2016). 다른 유형의 
부동산보다 건설 기간이 길고 장기 임차계약을 하는 오피스 시장 특성으로 장기 균
형으로 회복하는데 있어서 오피스가 시간이 가장 오래 걸린다(Ibanez 
and 
Pennington-Cross, 2013).
부동산 임대 거래는 임대인이 요구하는 임대료만 고려하는 것이 아니라 잠재 임
차인을 탐색하고 그 둘의 조정 과정을 통한 결과물이다(Wheaton and Torto, 1988, 
pp. 430-436). 임대인은 임차인에 비해 해당 자산에 대한 많은 정보를 보유한다. 이
로 인해 임대인과 임차인 간의 정보 비대칭이 발생하게 되며, 임대인은 이를 활용
하여 다양한 계약 조건을 임대계약에 포함함으로써 다수 임차인들에게 차별적인 임
대료를 적용할 수 있는 결정권을 갖게 된다(Mooradian and Yang, 2002; 황병훈·유정
석, 2016 재인용).

S15 · PDF 29쪽

S15 PDF 29쪽

이 페이지 검색용 텍스트

- 15 -
2.2 부동산 임대시장의 임대료 감면
경쟁적인 상업용 부동산 시장에서 임대인은 외부에 공개될 수 있는 임대료를 낮
추기보다는 임차인에게 렌트프리와 같은 임대료 감면을 임대계약에 반영하기를 선
호한다. 임대료 감면의 제공을 통해서 시장 현황을 왜곡할 수 있으며, 실질적인 임
대수익이 낮은 경우에도 해당 자산이 높은 임대율과 임대료를 유지하며 우수하게 
운영되는 것처럼 보일 수 있다(Brown, 1995; Sirmans 외, 1992; Wheaton and Torto, 
1994).
Rent
   S
RC
R0
공실
수준
공실수준
        DC
        D0
                                  Q1    Q2    Q0        Quantity
출처. Sirmans 외(1994, p. 302) 인용
  S  : 단기 공급 곡선
  D0 : 임대료 감면 없는 단기 수요 곡선      DC : 임대료 감면 있는 단기 수요 곡선
  R0 : 임대료 감면 없는 균형 임대료       
  RC : 임대료 감면 있는 균형 임대료
  Q1 : 임대료 감면 없는 임대 수준           Q2 : 임대료 감면 있는 임대 수준
  Q0 - Q1 : 임대료 감면 없는 공실 수준
  Q0 - Q2 : 임대료 감면 있는 공실 수준
<그림Ⅱ-4> 임대료 감면이 있는 단기 균형

S15 · PDF 30쪽

S15 PDF 30쪽

이 페이지 검색용 텍스트

- 16 -
비탄력적인 오피스 임대시장은 단기적으로 공급(S)이 고정되며, 수요와 공급이 균
형을 이루는 공실 수준이 나타난다. 임대인은 수요를 완벽하게 예측할 수 없으며, 
공실 해소를 위해 임대료를 단기적으로 조정하지 않는 등의 이유로 일정 수준의 공
실을 유지하게 된다. 임대수익을 증대하고자 임대인은 임차인에게 임대료 감면 조
건을 제공할 수 있다. 임대료 감면을 반영하는 경우, 수요곡선이 D0에서 Dc로 이동
하면서 임대료는 인상되고 공실 수준은 감소(임대 수준은 증가)될 수 있다(Sirmans 
외, 1994). 
Sirmans 외(1994)는 임대료, 임대율, 임대료 감면의 관계를 다음과 같이 설명하였
다. 임대료 감면은 임대 수요에 영향을 주어 새로운 임대료 수준을 형성하게 한다. 
따라서 임대료 감면은 임대료의 결정 요인이다. 

       
<식 Ⅱ-6>
        : 임대료
        : 임대(율)
        : 임대료 감면
        : 물리적 특성, 입지, 편의시설 등
한편, 임대료 감면을 제공함으로써 임대율을 증가(공실률을 감소) 시킬 수 있으므
로 임대에 영향을 미친다. 

       
<식 Ⅱ-7>
그리고 임대인은 임차인에게 임대료 감면을 제공하되, 임대료와 임대율을 높여서 
최종적으로는 임대수익을 증대하고자 한다. 따라서 임대료 감면 규모(비용)는 임대
료와 임대율에 따라 좌우된다.

        
<식 Ⅱ-8>
상업용 부동산의 자산가격(Value)은 해당 자산에서 얻어지는 임대수익과 자본환원
율에 의해 결정된다. 임대수익은 일반적으로 순영업이익(Net Operating Income)으로 
측정된다(Sirmans 외, 1990).
                                    
<식 Ⅱ-9>
         : 임대수익, : 자본환원율(capitalization rate)

S15 · PDF 31쪽

S15 PDF 31쪽

이 페이지 검색용 텍스트

- 17 -
임대료 감면 비용은 실질적인 임대수익을 감소시키게 되며, 다음 식과 같이 표현
된다. 임차인에게 제공한 임대료 감면에 따른 비용보다 임대수익이 증가하지 않는
다면 자산가격은 하락할 것이다. 따라서 자산가격 하락을 피하기 위해서는 임대료 
감면을 제공하는 경우 임대율과(또는) 임대료가 인상되어, 임대료 감면 비용보다 임
대수익이 증가되어야 한다(Sirmans 외, 1990).
                 
<식 Ⅱ-10>
       : 임대수익, : 자본환원율(capitalization rate)
       : 임대료 감면, : 임대료 감면 제공 기간
3. 부동산 임대시장의 렌트프리와 임대료 구분 
3.1 부동산 임대시장의 렌트프리
상업용 부동산 시장에서는 임차인에게 다양한 임대료 감면(Rental Concessions)을 
제공하고 있으며, 이는 미국 및 영국 등의 해외 오피스 시장에서는 특별한 사례가 
아닌 보편적인 상황이다. 임대료 감면으로는 렌트프리 제공, TI(Tenant Improvement) 
제공, Fit-out 기간 제공, 임대료 인상(율) 제한, 관리비 인하, 재계약임대료 인하, 중
도해지 옵션, 건물명 권한(Building Naming Right) 등으로 다양한 조건이 임대계약에 
반영되고 있다. 일반적으로 렌트프리를 가장 대표적인 임대료 감면으로 볼 수 있다
(Barnes, 1986; Brown, 1995; Jeffries, 1994; Murdoch and Crosby, 1994; The Business 
Journals, 2015; Wheaton and Torto, 1994).
국내 부동산 시장에서는 일반적으로 렌트프리라고 호칭되고 있으나, 미국 및 영국 
등 해외 부동산 시장에서는 Free Rent(무상임대) 또는 Rent Abatement(임대료 감경)
라고 불리고 있다(Colliers International, 2016; Reoptimizer, 2013; The Business 
Journals, 2015). 해외에서 Rent-free Period(무상임대 기간)라는 용어가 국내에 도입되
면서 Rent-free13)로 축약되어 사용된 것으로 추정된다. 다만, 국내에서는 렌트프리로 
통용되고 있으므로 본 연구도 이에 따른다.
13) Rent-free는 영문법 상 형용사 및 부사이므로 명사로의 사용은 올바르지 않다(Cambridge Dictionary; 
Collins English Dictionary).

S15 · PDF 32쪽

S15 PDF 32쪽

이 페이지 검색용 텍스트

- 18 -
렌트프리는 무상 임대기간으로서 임대기간 중에 해당 기간의 임대료를 지불하지 
않는 것이며, 임차인은 해당 기간 이외에는 계약임대료를 지불한다. 일반적으로 관
리비 등의 다른 조건은 렌트프리 기간에도 동일하게 유지된다. 따라서 임대인은 렌
트프리를 활용하여 표면적인 계약임대료를 유지하면서 임차인이 부담하는 실질적인 
임대료(Effective Rent)는 인하해 줄 수 있어서, 임차인 또는 시장 상황에 따라 계약 
조건에 탄력적으로 대응할 수 있다(여태종 외, 2015; 류강민·여태종, 2016; Murdoch 
and Crosby, 1994; Wheaton and Torto, 1994). 
<표 Ⅱ-1> 상업용 부동산 임대시장의 임대료 감면
구분
내용
렌트프리
임대기간 중 약정기간의 임대료가 면제되는 조건이며 일반적으로 관
리비 등의 다른 조건은 변동 없이 유지된다. 임차인은 실질적인 임대
료의 감면을, 임대인은 표면적인 임대료의 유지 효과를 얻을 수 있다
(여태종 외, 2015; Jeffries, 1994; Murdoch and Crosby, 1994; Wheaton 
and Torto, 1994).
TI14)
임차인이 건물 입주 시 발생하는 입주 공사비용 등을 임대인이 부담
하는 것으로서 임대인이 직접 공사를 수행하거나 비용의 일부 또는 
전부를 임차인에게 지급한다. 서울 오피스 임대시장에서는 2011년에 
TI 제공 사례가 확인된 이후 점차 증가하고 있다(양영준·임병준, 2014; 
황병훈·유정석, 2017; Jeffries, 1994; Wheaton and Torto, 1994).
Fit-out
임차인의 입주 공사 기간의 임대료 또는 관리비를 면제하는 것으로, 
일반적으로 임대기간의 시작 이전까지 무상으로 하여 임차인의 부담
을 덜어 준다(양영준·임병준, 2014; Murdoch and Crosby, 1994; Jeffries, 
1994; Wheaton and Torto, 1994). 
이전비용 지원
임대인은 신규 임차인이 이전해 오기 위해 발생되는 비용을 보상해 
준다. 기존 임대계약의 중도 해지로 인해 발생되는 손해배상, 잔여 임
대료 보상 등도 포함된다(양영준·임병준, 2014; Jeffries, 1994).
기타 
임대료 인상(율) 제한, 관리비 인하, 재계약임대료 인하, 중도해지 옵
션, 건물명 권한, 무료주차 등을 임차인에게 유리한 조건을 반영한다
(Barnes, 1986; Jeffries, 1994).
출처. 황병훈·유정석, 2016 재작성
14) 임차인은 TI를 통해 인테리어 공사비 등의 초기 입주비용을 충당할 수 있으며, 운영수익을 중시하
는 오피스의 경우 임대수입을 감소시키는 렌트프리를 추가 제공하기 보다는 임대 초기에 일시적인 
비용이 발생하는 TI를 선호하기도 한다(황병훈·유정석, 2017).

S15 · PDF 33쪽

S15 PDF 33쪽

이 페이지 검색용 텍스트

- 19 -
서울 오피스 시장에서는 통상적으로 렌트프리를 연간 개월수로 표현하며 매년 지
정된 기간의 임대료를 면제한다. 예로, 연 2개월의 렌트프리를 포함한 임대 계약은 
매년 2개월의 렌트프리 적용 기간을 명시하여 해당 기간의 임대료가 면제된다. 결
과적으로 임차인의 실질임대료는 계약임대료 대비 16.67%(=2/12개월) 낮아진다. 
해외 상업용 부동산 시장에서 렌트프리의 수준과 시점은 다양하게 적용된다. 렌트
프리를 임대기간 초기에 모두 적용하거나, 전체 임대기간에 걸쳐 나누어 적용하거
나, 임대기간 말기에 집중해서 적용하는 등 임대계약에 따라 다르게 정해진다
(Colliers International, 2016). 다만, 렌트프리를 임대기간 초기에 모두 적용하는 것이 
일반적인 상황이다. 예로, 렌트프리를 연간 1개월로 기준할 경우 임대기간이 5년이
라면 총 5개월의 렌트프리를 임대기간의 시작시점에 5개월을 모두 적용한다(Tenant 
advisory group, 2013; The Business Journals, 2015). 국내에서는 임대기간 전체에 나누
어 적용하는 것이 일반적이나, 최근에는 임차인의 요구와 임대인의 운영 전략에 따
라 임대기간 초기에 렌프프리를 최대한 적용하는 임대계약 사례도 증가하고 있다. 
임차인의 입장에서는 임대기간 초기에 집중된 렌트프리를 통한 임대료 절감으로 
이전 비용, 인테리어 공사비 등의 초기 비용 지출에 따른 재무적 부담을 줄일 수 
있다. 반면, 임대인은 초기의 임대수익은 감소하지만 이러한 조건이 임차인 모집에 
더 유리하여 빠른 공실 해소에 도움이 되며, 결과적으로 수익이 증대될 수 있는 것
으로 판단한다. 그리고 임대인 입장에서 초기 집중된 렌트프리는 실질적인 비용 투
입은 없이 임대마케팅 또는 공실 기간으로 접근하고, 매각 시점의 임대수익 현금흐
름을 개선시켜 매각가를 높이는 전략으로 고려하고 있다(Oak Investment Manage 
-ment Group, 2013; Reoptimizer, 2013). 즉, 렌트프리는 임차인 유치를 통해 공실을 
해소하여 실질 수익을 증대하고자 하는 임대인과 초기 이전비 등 임차 비용을 절감
하기를 희망하는 임차인 간의 협상의 결과로 결정된다. 
한편, 해외뿐만 아니라 국내에서도 렌트프리가 포함된 임대계약은 일반적으로 임
차인에게 계약 해지에 대한 더 큰 부담이 따른다. 만약 중도해지, 임대료 연체 등과 
같은 임차인의 과실로 임대계약이 해지되는 경우에 임차인은 해지에 따른 보상 뿐
만 아니라 그 시점까지 적용된 렌트프리에 대해서도 임대인에게 보상하여야 한다. 
따라서 임대인은 렌트프리를 임차인이 계약만기까지 임대계약이 안정적으로 유지되
도록 강제하는 장치로도 활용하고 있다(Remax Niagara, 2019; Reoptimizer, 2016). 
따라서 임대인은 렌트프리 제공으로 실질임대료가 하락 하더라도 조속히 임차인
을 유치하여 공실을 해소하는 것이 궁극적으로는 건물 전체의 임대 수익을 높이는 
데 더 나은 선택으로 판단할 수 있다. 또한, 외부 노출이 제한적인 렌트프리를 통해 
명목임대료는 유지 또는 상승하여 자산 가치를 유지 또는 상승시키고자 하며, 향후

S15 · PDF 34쪽

S15 PDF 34쪽

이 페이지 검색용 텍스트

- 20 -
임대시장 회복 시에 렌트프리는 점차 감소하여 자산 가치가 높아질 것이라고 기대
할 수 있다. 한편, 임대인은 임대시장에 대한 정보가 제한적인 임차인과 협상 시 렌
트프리 제공을 통해 최대한 유리한 계약 조건을 이끌어 내려고 하며, 각각의 임차
인 별로 렌트프리 조건을 다르게 적용하여 탄력적인 임대 운영이 가능할 것이다. 
즉, 임대인은 렌트프리를 통해 i) 임대수익의 증가, ii) 자산 가치15)의 유지 및 상승, 
iii) 임차인과의 임차조건 협상력 증대를 목적하는 것으로 추정된다.
3.2 부동산 임대시장의 임대료 구분
임대료는 일반적으로 호가임대료(Asking Rent), 계약임대료(Contract Rent) 및 실질
임대료(Effective Rent)로 구분된다. 호가임대료는 마케팅 목적으로 임대인이 외부에 
공개하는 임대료이며, 계약임대료는 임대계약에 명시되어 외부 공개가 제한된 임대
료이며, 실질임대료는 계약임대료에서 렌트프리나 TI 등의 임대료 감면을 반영하여 
산정된 임대료이다(류강민·여태종, 2016; Brown, 1995; Wheaton and Torto, 1994; 황
병훈·유정석, 2017). 
  
  ③ 호가임대료
명목임대료
  
  ② 계약임대료
  ①
  ②
  ③
  ① 실질임대료
  
출처. 류강민·여태종, 2016 재작성
<그림 Ⅱ-5> 임대료의 구분
15) 임대계약은 임대료, 임대기간, 임대면적과 함께 각종 권리 및 의무사항을 규정하며, 상업용 부동산
의 투자 수익성에 중요한 영향을 끼치게 되며 가치분석의 기초자료가 된다(인채권·여홍구, 2013).

S15 · PDF 35쪽

S15 PDF 35쪽

이 페이지 검색용 텍스트

- 21 -
상기 3가지 임대료의 정의는 명확히 다르다고 할 수 있으나, 서울 오피스 시장에
서는 호가임대료와 계약임대료가 정확하게 구별되지 않은 채 표면임대료(Face 
Rent), 명목임대료 등의 용어와 함께 혼용되어 사용되고 있다. 호가임대료를 표면임
대료 또는 명목임대료로 부르기도 하며, 계약임대료를 동일한 용어로 호칭하는 경
우도 있다. 한편, 계약임대료를 조사하기 어려운 현실을 고려하여 호가임대료와 계
약임대료를 구별하지 않고 데이터를 축적하기도 하며, 이를 포괄적으로 표면임대료 
혹은 명목임대료라고 호칭하기도 한다. 따라서 본 연구에서는 호가임대료와 계약임
대료의 정의는 구별하여 사용하되, 실무적인 사용을 고려하여 이 용어들을 통칭하
여 명목임대료라고 명명한다.
실질임대료는 유효임대료, 수취임대료 등의 용어로도 불리며, 연구자의 정의에 따
라 의미하는 바가 같기도 하고 다르기도 하다. 연구 목적에 따라 임대료 감면 중 
렌트프리만 차감하거나 TI 등 기타 조건까지 포함하여 실질임대료를 산정하기도 한
다. 그러나 공통적으로 렌트프리가 가장 대표적인 임대료 감면으로 인지되고 있으
며, 서울 오피스 시장에서도 명목임대료에서 렌트프리를 차감하여 산정한 실질임대
료가 통용되고 있다. 
호가임대료는 수시로 조정이 가능하기 때문에 임대인은 임차인 모집을 위해 시장
상황에 따라 호가임대료를 조정할 것이다(류강민·이창무, 2012). 임대인은 공실 상태
인 임차인 모집 기간(Time on Market)을 최소화할 수 있는 임대료보다 다소 높은 호
가임대료를 제시하는 경우가 많다(Wheaton and Torto, 1988, pp. 430-436). 임대 시장
의 수요 증가 등 긍정적인 영향으로 임차인 모집 기간이 짧아지고 공실률은 적정 
수준보다 낮은 수준으로 하락하는 경우, 임대인은 이를 공급 부족 신호로 인지하여 
호가임대료를 높이기도 한다(Chau and Wong, 2016, p. 163). 한편, 임대료는 시장의 
수급에 대응하는 변수이나 렌트프리 등 임대료 감면으로 인해 명목임대료는 시장의 
적절한 지표로 볼 수 없을 것이다(Frew 외, 1991). 따라서 실질임대료가 상업용 부
동산 시장의 상황을 정확하게 반영할 수 있을 것이다(Webb and Fisher, 1996). 
렌트프리는 명목임대료와 실질임대료 간의 괴리를 야기하고 명목임대료에 기초한 
연구결과를 왜곡시키는 원인이 될 수 있다(Wheaton and Torto, 1994; Brown, 1995).
렌트프리로 인해 명목임대료와 실질임대료 간의 차이가 커질수록 정보가 제한된 시
장에서는 왜곡현상이 심화될 수 있으나, 실질임대료 자료 취득이 제한된 서울 오피
스 임대시장에 대한 연구는 대부분 명목임대료에 기초하는 한계를 보인다(황병훈·유
정석, 2017)

S15 · PDF 36쪽

S15 PDF 36쪽

이 페이지 검색용 텍스트

- 22 -
4. 선행연구 검토 
4.1 부동산 임대시장의 균형 및 조정에 관한 연구
부동산 임대시장에서 공실률과 임대료의 균형과 조정에 대한 선행 연구는 상대적
으로 시장 규모가 크고 자료 구득이 용이한 주택 임대시장을 대상으로 활발히 이루
어졌다. Blank and Winnick(1953)은 주택 임대시장에서 시장공실률과 자연공실률 간
의 차이가 발생하는 경우의 임대료 조정과정을 연구하였다. 대부분의 선행연구는 
자연공실률은 장기 균형(Long Term Equilibrium) 공실률로서 구조적인 변화가 없는 
한 장기간 안정적으로 지속되는 것으로 가정하였다(Wheaton and Torto, 1988; Chau 
and Wong, 2016, p. 165). 이후 장소와 시간에 따라 자연공실률이 변동 가능한 점에 
초점을 맞추어 후속 연구가 이루어졌으며, 자연공실률은 변동성이 매우 크며 시장
공실률과 자연공실률과의 차이는 장소와 시간에 따라 다르게 나타났다(Chau and 
Wong, 2016, p. 164). 
Rosen and Smith(1983)은 임대주택 자료를 바탕으로 자연공실률과 시장공실률의 
편차에 의해 발생하는 임대료 조정과정을 입증하였다. 미국 17개 도시의 자연공실
률이 6%에서 23%까지 큰 차이를 보이며, 시장공실률의 변동은 13개 도시에서 임대
료의 변동에 유의한 것으로 확인되었다. Gabriel and Nothaft(1988)의 연구도 미국 16
개 도시의 주택 임대시장의 자연공실률이 4%에서 10%까지 분포하여 유사한 결과를 
보였다. 
주택 시장에 이어 오피스 시장에 대한 연구도 확대되었으며, Shilling 외(1987)은 
1960년부터 1975년까지 미국 17개 도시의 오피스 임대료와 공실률 자료를 바탕으로 
자연공실률이 미국 도시별로 1%부터 20%까지 큰 차이를 보이며, 임대 수요가 증가
하면 시장공실률은 자연공실률 아래로 떨어지고 임대료는 인상되는 조정과정을 실
증분석하였다. 
Wheaton and Torto(1988)은 자연공실률의 장소와 시간에 따른 변동을 미국 오피스 
시장을 대상으로 분석하였다. 1968년부터 1986년까지의 미국의 오피스 자료를 시계
열 및 횡단면 분석하였으며, 시장공실률과 자연공실률 간에 큰 편차가 있으며 공실
률을 통한 실질임대료의 조정과정을 입증하였다. 오피스 공급의 증가로 인해 자연
공실률을 초과한 공실이 증가 추세에 있으며, 초과 공실 1%포인트 증가에 따라 실
질임대료는 매년 약 2%포인트씩 하락하는 것으로 설명하였다. 
일부 선행 연구는 오피스 시장의 정보 비대칭 및 임대계약 특성이 임대시장의 조

S15 · PDF 37쪽

S15 PDF 37쪽

이 페이지 검색용 텍스트

- 23 -
정 과정에 미치는 영향을 분석하였다. Wheaton 외(1997)는 영국 오피스 시장에서 공
실 해소가 지연되어 현재의 임대료에 부정적인 영향을 준 점을 밝혔으며 이는 장기 
임차와 관련된 것으로 보았다. 
Ibanez and Pennington-Cross(2013)은 1990년부터 2009년까지의 미국 34개 대도시에 
소재한 여러 유형의 상업용 부동산의 데이터를 실증분석하였다. 시장의 충격 이후 
장기 균형으로 회복하는 데 있어서 부동산의 유형별로는 오피스가 가장 오래 걸렸
다. 다른 유형의 부동산보다 상대적으로 건설 기간이 길고 장기 임차계약을 하는 
오피스 시장 특성이 반영된 것으로 판단하였다. 더욱이 임대료 감면의 제공이 임대
료 조정을 지연시키는 요인으로 추정하였다. 
한편 Ibanez and Pennington-Cross(2013)은 높은 등급의 오피스가 낮은 등급의 오피
스보다 빠르게 조정이 이루어지는 것으로 분석하였다. 홍콩 오피스 시장의 임대료 
조정 기간을 실증분석한 Chau and Wong(2016)의 연구 결과도 동일하게 나타났다. 
Chau and Wong(2016)은 등급별 조정 기간의 차이는 정보 비대칭에 따른 것으로 판
단하였다. 정보 비대칭은 임대인과 잠재임차인 간의 새로운 균형 임대료에 대한 합
의를 더욱 어렵게 하여 자연 공실률과의 일시적인 편차를 발생시킨다. 정보 비대칭
이 상대적으로 낮은 높은 등급(High-end)의 오피스가 정보 비대칭이 높은 낮은 등급
(Low-end)의 오피스보다 빠르게 조정이 이루어진다. 
오피스 임대시장의 조정 과정과 관련한 해외 연구는 다양하게 논의되어 왔다. 국
내 오피스 시장에 대해서도 여러 연구가 수행되었으나, 자료 축적이 한정적이고 취
득의 제약으로 인해 많은 한계를 내포하고 있다. 대부분의 선행연구에서 오피스 임
대시장의 대표적인 지표인 공실률과 임대료는 밀접한 관계를 가지며, 공실률이 하
락하면 임대료는 상승하는 음(-)의 관계를 보이는 것으로 나타났다(류강민·이창무, 
2012; 전해정, 2012; 이무송·유정석, 2014). 
류강민 외(2015)는 서울 오피스 임대시장에 글로벌 금융위기 이후 2009년 1분기부
터 구조적인 변화가 있는 것으로 분석하였다. 2009년 1분기 이전에는 임대료와 공
실률이 음(-)의 관계를 보여 왔으나, 2009년 1분기 이후에는 임대료와 공실률은 양
(+)의 관계에 있음을 밝혔다. 공실률이 증가하면 임대료가 하락하여야 할 것이나, 
금융위기 이후 공실률은 증가하였으나 시장에 공개되는 명목임대료는 지속적으로 
상승하였다. 이는 금융위기 이후 확대 적용되기 시작한 렌트프리가 주요 원인으로 
추정되고 있다(류강민 외, 2015; 여태종 외, 2015; 우철민 외, 2015).

S15 · PDF 38쪽

S15 PDF 38쪽

이 페이지 검색용 텍스트

- 24 -
4.2 부동산 임대시장의 렌트프리 관련 연구
Frew 외(1991)는 신규 아파트 단지의 과잉 공급에 따라 주택 임대시장의 경쟁이 
심화되면서 증가한 렌트프리 등 임대료 감면 제공에 대해 연구하였다. 임대인은 안
정적인 운영을 위해 5년 이상의 장기 임차인을 선호하며, 초기 임대료를 낮추는 임
대료 감면을 제공하여 장기 임차인을 유치하고자 노력한다. 한편, 신규 임차인의 임
대료를 낮출 경우 높은 임대료를 내는 기존 임차인과 임대료 차별로 인해 분쟁이 
발생할 수 있으나, 임대료 감면은 이에 대한 해소 방법이 될 수 있다. 임대료 차별
은 모든 임차인 간에도 발생한다. 즉, 임대인은 독점력과 불완전한 정보를 가지므로 
임차인에게 차별적인 임대료 감면을 제공할 수 있다. 예로, 임대인은 임차인에 따라 
이사비용 지원, 전자렌지 제공, 상품권 제공 등을 선택적으로 제공한다. 
Frew 외(1991)는 1988년 미국 노스캐롤라이나주 소재 155개 아파트 단지16)의 439
개 세대 유형의 임대사례를 대상으로, 임대료 감면은 임대인이 독점력을 가지며 충
분한 임대 활동이 있는 경우 제공된다고 전제하여 조건부 로짓 모형으로 분석하였
다. 임대인의 독점력은 대체수요와 관계가 있으며 이를 측정하기 위해 Haurin(1988)
의 비정형성 지수(Atypicality Index)17)를 독점력의 대리 변수로 적용하고, 규모가 작
은 아파트보다 큰 아파트 단지일수록 임대료 감면 제공의 효과가 더 유효할 것으로 
판단하여 단지의 세대수를 대리 변수로 적용하였다. 분석 결과는 임대료 감면은 비
정형성 및 단지 세대수에 유의한 양(+)의 관계를 나타낸다. 즉, 임대인이 독점력을 
가지며 총 임대수익을 증가시킬 수 있다면, 임대인은 임대료 감면을 적용할 것이라
고 설명하였다.   
Ln××
   
<식 Ⅱ-11>
  : 임대료 감면 여부(0 or 1)
  : Haurin 지수로 측정된 비정형성
  : 아파트 단지의 세대수
16) Greensboro/High Point/Winston-Salem(North Carolina) MSA의 257개 아파트단지를 조사하여 155개 단
지의 유효한 표본을 대상으로 분석하였다. 분석 대상의 29%는 임대료 감면을 제공하였다.
17) Haurin(1988)은 아파트 임대 시장의 비정형성 지수(Atypicality Index)를 헤도닉 가격 모형으로 추정
하였다. 개별 주택(h)의 물리적 특성 및 입지 특성이 일반적인 수준과 차이(Deviation)를 가질수록 
Haurin Index는 높은 값을 가진다. 지수는 가격(p)으로 측정되고 각각의 비정형성과 가격의 곱의 합
계로 구성된다. 




S15 · PDF 39쪽

S15 PDF 39쪽

이 페이지 검색용 텍스트

- 25 -
Frew 외(1991)는 동일한 표본으로 임대료 감면의 가치를 추정하기 위해 다음과 같
은 헤도닉 임대료 모형을 제시하였다. 분석 결과 임대료 감면은 명목임대료와 양(+)
의 관계를 나타내며, 임대료 감면으로 인해 명목임대료가 통계적으로 2.5%18) 높아
진 것으로 분석되었다. 따라서 불완전한 정보로 독점력을 가진 임대인은 임차인에
게 임대료 감면 제공을 통해 높은 임대료를 수취하고, 임대료 감면 비용이 지출되
더라도 높은 임대료를 수취하여 전체 수익은 유지하는 전략을 수행할 수 있다.   
                                  
<식 Ⅱ-12>
: 명목임대료    
: 주변 특성(도심까지 거리, 소득수준 등)
: 단위세대의 특성(면적, 화장실 개수, 건축연한, 임대기간, 세탁기 등)
: 단지 시설(수영장, 피트니스룸, 장애인용 세대, 노인시설 등)
: 임대료 감면 여부(0 or 1)
Sirmans 외(1990)는 1987년 미국 루이지애나주의 300개 아파트 단지에서 조사된 
544개 임대계약 사례를 바탕으로 임대료 감면이 임대료와 임대율에 미치는 영향을 
분석하였다. 임대료를 종속변수로 물리적 특성, 편의시설, 서비스, 입지, 임대율, 임
대료 감면을 설명변수로 하여 임대료 모형을 설정하고, 임대료와 임대율의 관계가 
상호 관계가 있음을 고려하여 아래와 같이 임대율 모형을 구성하여 2단계 최소자승
법(Two-stage Least Squares Regression Model)으로 분석하였다.   


        
<식 Ⅱ-13>

                               
<식 Ⅱ-14>
: 계약임대료    
: 물리적 특성(면적, 단지 규모, 방 개수, 건축연한, 계약일 등)
: 편의시설(피트니스룸, 파티오, 벽난로, 발코니, 세탁기 등)
: 서비스(보안, 애완동물 허용, 성인 전용)
: 입지        
: 임대율
: 임대료 감면
18) 월임대료는 평균 $393.14이며, 헤도닉 모형 분석결과 임대료 감면은 월임대료를 통계적으로 $9.91 
높인 것으로 나타났다. 2.52%=(9.91/393.14)*100.

S15 · PDF 40쪽

S15 PDF 40쪽

이 페이지 검색용 텍스트

- 26 -


       
<식 Ⅱ-15>
분석 결과 임대료와 임대율은 음(-)의 관계를 보였다. 면적, 단지규모, 건축연한과 
같은 물리적 특성을 비롯하여 피트니스룸, 벽난로, 세탁기, 성인전용, 애완동물 허용
과 같은 편의시설 및 서비스 관련 요인이 임대료와 임대율에 대한 영향요인으로 나
타났다. 그리고 임대료 감면은 임대료 및 임대율에 모두 양(+)의 관계를 보였다. 임
대인은 임대료 감면 제공을 통해 임대료를 인상하고 임대율을 높이는 것으로 보이
며, 임대수익의 증가로 자산가치에 긍정적인 영향을 미칠 수 있을 것으로 설명하였
다.     
Sirmans 외(1992)는 Sirmans 외(1990)와 동일한 표본인 544개 아파트 임대계약 사
례로 임대료 감면을 제공하지 않는 경우보다 임대료 감면을 제공하는 경우에 계약
임대료와 임대율이 모두 높은 점을 밝혔다. 임대료 감면이 있는 표본의 계약임대료
는 임대료 감면이 없는 것으로 추정된 시장임대료보다 평균 11.3% 높으며, 임대율
은 추정된 임대율보다 7.3% 높은 것으로 설명하였다. 

                                
<식 Ⅱ-16>
                                 
<식 Ⅱ-17>
시장임대료를 추정하기 위해서 상기와 같이 기존 모형에서 임대료 감면() 변수
를 제외한 임대료 모형을 구성하였다. 임대료 감면이 없는 표본과 임대료 감면이 
있는 표본의 시장임대료를 추정하여 분석한 결과, 임대료 감면이 없는 경우의 시장
임대료 대비 계약임대료의 비율(=계약임대료/시장임대료)은 1로 나타난 반면, 임대
료 감면이 있는 경우는 1.113으로 나타나 임대료 감면이 있는 계약임대료가 추정된 
시장임대료보다 평균 11.3% 높은 것으로 나타났다.19)
공실률을 추정하기 위해서 상기와 같이 임대율 모형에서 임대료 감면() 변수를 
제외하였다. 임대료 감면이 없는 경우 추정된 임대율 대비 표본의 임대율의 비율(=
표본임대율/추정임대율)은 1로 나타났으나, 임대료 감면을 포함한 경우의 비율은 
1.073로서 임대료 감면을 포함한 임대율이 추정 임대율보다 평균 7.3% 높은 것으로 
나타났다. 
19) 임대료 감면이 없는 표본의 실제 계약임대료와 추정 시장임대료는 평균 $343/월로 동일하다. 임대
료 감면이 있는 표본의 실제 계약임대료는 평균 $364/월이며 추정 시장임대료는 평균 $327/월로서, 
두 값의 비율(=계약임대료/시장임대료)은 1.113(=364/327)이다.

S15 · PDF 41쪽

S15 PDF 41쪽

이 페이지 검색용 텍스트

- 27 -
한편, 임대료 감면 제공으로 시장임대료 대비 높은 계약임대료가 임대율에 미치는 
영향을 살펴보기 위해서종속변수로 임대율을 설정하고 추정된 시장임대료 대비 계
약임대료의 비율(계약임대료/시장임대료)을 설명변수로 반영하였다. 임대료 감면이 
없는 경우는 임대료 비율이 임대율에 미치는 영향은 통계적으로 유의하지 않은 반
면20), 임대료 감면을 제공한 경우는 임대료 비율(OR/MR)과 임대율은 양(+)의 관계
를 나타내었다. 즉, 임대료 비율이 증가할수록 임대율도 높아지며, 시장 수준보다 
높은 계약임대료가 임대율을 떨어뜨리지 않는 것으로 설명하였다.
                         
<식 Ⅱ-18>
  : 계약임대료(Observed Rent)
  : 시장임대료(Market Rent)
Sirmans 외(1994)는 상기의 후속연구로서 임대료 감면, 임대료, 임대율이 상호 영
향을 받는 관계로 가정하고, 기존의 임대료 모형 및 임대율 모형에 임대료 감면 모
형을 
추가하여 
제한정보최우추정법(Limited 
Information 
Maximun 
Likelihood 
Estimation)을 이용하여 분석하였다. 분석결과, 임대료와 임대율은 상호 간에 음(-)의 
관계를 보였으며, 임대료 감면은 임대료와 임대율 모두 양(+)의 관계를 나타내었다. 
과잉공급으로 시장 경쟁이 심화된 여건 하에서 높은 임대료 및 높은 임대율을 가진 
임대인이 더 많은 임대료 감면을 제공한 것으로 설명되며, 임대료 감면이 임대율과 
임대료를 높이는 수단으로도 활용되는 것으로도 보인다. 한편, 임대료 감면은 물리
적 특성 중 세대 규모에 관련된 변수들21)과 음(-)의 관계를 나타내어 규모가 커질수
록 임대료 감면은 감소하며, 지역22)에 따라 임대료 감면 수준은 차이를 보였다.  

       
<식 Ⅱ-19>

             
<식 Ⅱ-20>

        
<식 Ⅱ-21>
        : 임대료 감면, : 임대료, : 임대(율)
        : 물리적 특성, 입지, 편의시설 등
20) 임대료비율과 임대율간의 관계를 분석한 모형으로서 임대료 감면이 없는 경우에는 계약임대료와 
시장임대료의 평균값이 동일하여 유의하지 않은 결과를 보이는 것으로 판단되며, 이 결과를 임대료 
수준이 임대율에 영향을 미치지 않는 것으로 해석할 수는 없다.
21) 해당변수는 SQFT/Bedroom, Bed2, Bed3이다. SQFT/Bedroom는 square feet per Bedroom를 의미하며, 
Bed2 및 Bed3는 bedroom 개수가 각각 2개 및 3개인 더미(dummy) 변수이다.
22) Census tract에 따라 4개의 지역으로 구분하였다.

S15 · PDF 42쪽

S15 PDF 42쪽

이 페이지 검색용 텍스트

- 28 -
4.3 오피스 임대시장의 렌트프리 관련 연구
상업용 부동산 시장이 성숙된 미국 및 유럽과 같은 지역에서도 임대계약 자료의 
구득 및 공개에는 많은 제약이 있다(Wheaton and Torto, 1994; Webb and Fisher, 
1996). 해외 연구는 자료 구득이 상대적으로 용이한 주택시장의 임대계약 사례를 중
심으로 렌트프리에 대한 여러 분석이 이루어졌으나, 오피스 시장의 렌트프리와 관
련한 연구는 제한적이다. 주로 오피스 임대계약 특성을 분석하고 렌트프리와 같은 
임대료 감면을 반영한 실질임대료의 영향요인을 분석하는 등의 연구가 이루어졌다. 
일반적으로 건물 등급, 건축 연한, 임대기간, 임대면적, 권역, TI 등이 실질임대료에 
유의한 관계를 가지는 것으로 설명하고 있다. 
Wheaton and Torto(1994)는 1979년부터 1990년까지 미국 50개 도시의 오피스에서 
체결된 약 60,000개의 임대계약에 기초하여 실질임대료 결정 모형을 제시하였다. 독
립변수로 임대기간, 임대면적, 신축 여부, 건물 층수, 지역 등을 설정하고, 각 임대
계약의 렌트프리를 전체 임대기간에 안분 차감된 실질임대료를 종속변수로 하여 헤
도닉모형을 구성하였다. 임대기간은 매우 유의한 변수로서 실질임대료와 양(+)의 관
계를 보였다. 신축 오피스 또는 고층 오피스의 실질임대료가 높게 나타났으며, 임대
면적은 일부 도시에서 실질임대료와 음(-)의 관계를 가진다. 그리고 실질임대료는 
지역별로 큰 편차를 보였다.  
Webb and Fisher(1996)는 미국 시카고 중심업무권역에 입지한 오피스의 1985년부
터 1991년까지 임대계약 228건을 헤도닉 모형으로 분석하였다. 실질임대료는 계약
임대료에서 렌트프리 등의 임대료 감면을 해당 임대기간의 평균값으로 차감하여 산
출하였다. 실질임대료는 1985년부터 1988년까지 50% 수준까지 하락한 후에 다소 회
복하였으나, 계약임대료는 하락하지 않고 동일 수준으로 유지되어 큰 차이를 보였
다. 결과적으로 실질임대료는 계약임대료보다 변동성이 높으며, 실질임대료가 계약
임대료보다 임대시장을 더욱 시의적이며 정확하게 나타내는 것으로 설명하였다. 


    
<식 Ⅱ-22>
        : 실질임대료(Effective Rent)
        : 건물 특성(입지, 규모, 등금, 소유자 등)
        : 임대계약 구분(신규, 재개약, 증평)
        : 임대면적의 위치 및 수준
        : 임대계약 조건(중개인 여부, 무상주차대수, 임대료인상 등)
        : 임대계약 체결시점

S15 · PDF 43쪽

S15 PDF 43쪽

이 페이지 검색용 텍스트

- 29 -
Sheehan(2006)은 TI, 우선임차권, 임대계약 해지 옵션 등의 임대계약 조건이 렌트
프리가 반영된 실질임대료에 미치는 영향을 헤도닉 모델로 분석하였다. 표본은 오
피스 임대계약 4,494건으로 2001년부터 2005년 사이에 체결되었으며, 약 44%가 렌
트프리를 포함하고 있다. 종속변수인 실질임대료는 여러 임대료 감면 조항 중 렌트
프리만 전체 임대기간의 평균값으로 차감하여 산정하였다. 분석 결과, TI가 포함된 
계약이 실질임대료와 양(+)의 관계를 나타내며, 우선임차권 및 해지옵션은 실질임대
료에 음(-)의 영향을 주는 것으로 확인되었다. 또한 임대면적이 클수록 실질임대료
가 낮아지는 경향이 있으며, 중심업무지구, A급 오피스 및 신축 오피스의 임대료가 
높게 나타났다.
Bond 외(2007)는 1994년부터 2004년까지 영국 런던 오피스의 임대계약 사례를 표
본으로 하여, 실질임대료와 임대기간 간의 관계를 분석하였다. 종속변수인 실질임대
료는 렌트프리를 임대기간에 안분하여 산출하였다. 935개의 임대계약 사례를 바탕
으로 임대면적, 임대기간, 건물 등급, 건축연한, 계약체결시점, 중도해지 불가 기간
을 독립변수로 한 모형을 구성하였다. 분석 결과는 장기 임차를 하는 임차인이 단
기 임차보다 초기 임대료가 더 높은 것으로 확인되었다. 
4.4 서울 오피스 임대시장의 렌트프리 관련 연구
민성훈(2013)은 서울 오피스 124개동의 2003년 1분기부터 2011년 4분기까지 조사
된 임대료를 호가임대료, 계약임대료 및 수취임대료23)로 나누어 그 차이와 관계를 
분석하고, 호가임대료를 이용하여 계약임대료 및 수취임대료 모형을 추정하였다. 분
석 결과 세 가지 임대료 간의 차이가 유의하며, 부동산 시장이 좋지 않은 경우 호
가임대료가 계약임대료에 비해 더 높은 경향이 있으며, 수취임대료는 호가임대료나 
계약임대료에 비해 낮은 점을 밝혔다. 실제 임대수익에 기초하여 임대료의 개념을 
구분하여 분석한 점은 큰 의의를 가지나, 분석표본이 제한되어 서울 오피스 시장을 
대변하기에는 부족한 한계를 나타낸다. 
류강민 외(2015)는 글로벌 금융위기 전후에 오피스 임대료의 결정 요인의 관계 변
화를 파악하였다. 금융위기 이후 오피스 공급 증가와 임차 수요의 한계로 공실률이 
상승하는 상황에도 오피스 명목임대료는 지속적으로 상승하였고, 2009년 1분기를 
기준으로 변수 간의 관계 변화가 있는 것으로 분석하였다. 무엇보다도 2009년 1분
기 이전에는 공실률과 임대료는 음(-)의 관계를 보였으나, 그 이후에는 양(+)의 관계
23) 민성훈(2013)의 수취임대료는 본 연구의 실질임대료와 유사하다.

S15 · PDF 44쪽

S15 PDF 44쪽

이 페이지 검색용 텍스트

- 30 -
를 나타낸다. 이는 오피스 임대계약 형태인 렌트프리와 관련이 있는 것으로 판단하
였다. 즉, 명목임대료는 유지 또는 상승시키나 렌트프리를 통해 실질임대료는 인하
시킴으로써공실률과 명목임대료 간의 관계 변화가 나타난 것으로 설명하였다.
서울 오피스 시장의 렌트프리에 대한 연구는 2015년 이후 본격적으로 이루어진다. 
우철민 외(2015)는 2008년 1분기부터 2013년 1분기 사이에 서울 오피스 10개동에서 
체결된 117개 임대계약 사례를 분석하여, 공실률이 높아지면서 렌트프리가 고려된 
실질임대료와 명목임대료 간의 차이가 발생하는 점을 확인하였다. 그러나 표본이 
10개동에 불과하며 렌트프리의 특성 등 심도 있는 분석은 이루어지지 못하였다.
여태종 외(2015)는 서울 오피스 260개를 대상으로 2013년 3분기에 조사된 마케팅
용 렌트프리 자료를 분석하였다. 공실률, 추정임대료, 연면적, 건축연한이 렌트프리
에 유의한 변수이며 공실률이 가장 유의한 것으로 나타났다. 렌트프리에 대한 정보
가 제한된 시장 여건 하에서 렌트프리의 결정 요인을 분석한 점은 의의를 가지나, 
임대인의 임대전략이 반영되어 최종적으로 체결된 임대계약 조건과는 차이가 나타
날 수 있는 마케팅용 자료가 분석대상인 한계를 내포하고 있다. 동일한 시점의 동
일한 건물에서도 임대마케팅 자료와는 달리 임대계약별로 렌트프리가 다르게 적용
될 수 있음에도 불구하고, 임대기간 및 임대면적 등과 같은 개별 임대계약의 주요 
사항이 반영되지 못한 채 동일 건물은 동일한 임대 조건으로 간주한 한계를 내포하
고 있다(황병훈·유정석, 2016). 
이준봉(2016)은 2014년 4분기부터 2015년 3분기 사이의 호가임대료와 렌트프리 자
료를 이용하여, 호가임대료와 렌트프리 및 공실률과의 영향관계를 분석하였다. 공실
률이 높을수록 임대료가 인하되어야 함에도 상관성이 낮다는 분석 결과에 대해 공
실률에 의한 임대료 조정이 호가임대료를 통해서가 아닌 렌트프리를 통해서 나타난 
것으로 판단하였다. 렌트프리와 임대료와의 관계는 단기적으로는 과거의 렌트프리
가 현재의 임대료 수준을 결정하는 데 영향을 미칠 것으로 생각되며, 임대인은 시
장 상황에 따라 단기적으로 임대료와 렌트프리의 즉각적인 보정보다는 렌트프리를 
먼저 보정하고 임대료를 차후에 보정하는 형태로 시장상황에 반응할 것으로 추정하
였다(이준봉, 2016). 본 연구의 표본은 실제 임대계약 사례가 아닌 마케팅 임대 자
료를 바탕으로 4분기 동안의 208개 빌딩에 대한 자료로 제한된 한계가 있다.
정원구·이호병(2016)은 2014년도의 서울 오피스 임대계약 441건을 대상으로 다중
회귀모형으로 렌트프리 결정요인을 분석하였다. 분석 결과 계약기간, 건물의 연면
적, 임대료 수준 및 외국계 임차인 여부가 유의하며, 임대면적과 공실률은 주요 변
수가 아닌 것으로 나타났다. 도심권역은 양(+)의 관계를, 여의도권역은 음(-)의 관계
를 보여, 여의도권역이 상대적으로 렌트프리가 적은 것으로 설명하였다. 그러나 이

S15 · PDF 45쪽

S15 PDF 45쪽

이 페이지 검색용 텍스트

- 31 -
연구는 분석대상이 2014년에 한정되어 2009년 이후 지속적으로 확대된 렌트프리의 
특성을 설명하기에는 한계가 있다. 
황병훈·유정석(2016)은 서울 오피스 임대시장에서 2010년부터 2014년 사이에 체결
된 계약 사례 733건을 대상으로, 이항 및 다항 로지스틱 회귀모형으로 렌트프리 결
정 요인을 분석하였다. 임대면적과 건물연면적이 양(+)의 관계로 주요 요인이며, 임
대면적과 공실률은 유의하지 않은 것으로 나타났다. 렌트프리가 있는 경우와 렌트
프리가 없는 경우가 양극화되는 현상이 도심권역에서 가장 뚜렷한 것을 확인하였
다. 정원구·이호병(2016) 및 황병훈·유정석(2016)은 임대계약 사례에 기초하여 렌트
프리 결정요인을 실증분석하여 중요한 의의를 가질 수 있다. 그러나 주요 요인으
로 추정되는 공실률과 임대면적이 유의하지 않은 결과를 보이며 그 원인이 명확하
게 설명되지 않았다. 
류강민·여태종(2016)은 렌트프리가 반영된 호가임대료와 매매가격의 관계를 서울 
오피스 시장을 대상으로 분석하였다. 매매가격의 변화를 설명하는 데 실질임대료보
다 호가임대료가 더 유의한 변수인 것으로 나타났다. 이는 렌트프리를 통해 실질임
대료보다 높게 유지되는 호가임대료 수준이 향후에 실현 가능하다는 임대인의 기대
를 매수자도 수용한 결과로 추정하였다. 그러나 표본의 제약을 나타내는 선행 연구
를 바탕으로 실질임대료를 산정하여서, 그 분석 결과를 일반화하는 데 한계가 있다
고 판단된다.
황병훈·유정석(2017)은 2010년부터 2015년까지 860건의 서울 오피스 임대계약 사
례를 바탕으로 렌트프리 기간의 결정 요인을 분석하였다. Cox 비례위험모형으로 분
석한 결과, 임대면적, 임대기간, 계약임대료 및 건물공실률이 유의한 요인으로 확인
되었다. 일반적으로 임대면적이 커질수록, 임대기간이 길어질수록, 계약임대료가 높
을수록, 건물의 공실률이 증가할수록 렌트프리 기간이 길어지는 것으로 설명하였다. 
시장임대료와 시장공실률은 상승 추이를 나타냈으며, 렌트프리 기간의 증가에 영향
을 끼친 것으로 판단하였다. 업무권역별로는 오피스 공급 증가로 인한 공실을 해소
하기 위해 적극적으로 장기 렌트프리를 제공한 도심권역만 유의한 결과를 보였다.
권희재(2018)는 2014년부터 2017년까지의 서울 오피스의 임대계약 사례 344건을 
대상으로 렌트프리 결정요인을 실증분석하였다. 다중회귀 분석 결과, 계약기간, 계
약면적, NOC(Net Occupancy Cost)가 주요 요인으로 확인되었다. 기존 연구와는 달리 
임대인유형(간접투자, 법인, 개인) 및 계약유형(신규, 재계약)을 독립변수를 추가하여 
분석하고 렌트프리에 유의하게 영향을 미치는 것을 확인하였다. 그러나 권역별 공
실률, 빌딩등급과 같은 경제적 변수 및 물리적 변수를 고려하지 못하였으며, 표본이 
제한된 한계를 나타낸다.

S15 · PDF 46쪽

S15 PDF 46쪽

이 페이지 검색용 텍스트

- 32 -
4.5 선행연구와의 차별성
오피스의 임대계약을 대상으로 한 실증연구는 자료 구득의 제약으로 매우 
제한적이다. 특히 2008년 금융위기 이후 서울 오피스 시장에서 렌트프리 사례가 
증가하고 있으나 이에 대한 정보 접근은 제한되며 축적된 자료는 거의 찾아보기 
어렵다. 그 결과로 렌트프리와 관련한 국내 선행연구는 아직 초보적인 수준에 
머물러 있다. 
여태종 외(2015)는 각 건물별 마케팅 목적의 호가임대료 및 렌트프리 260건을 
표본으로 2013년 4분기에 한정되어 분석하였다. 
호가임대료 및 렌트프리는 
임대인과 임차인과의 협상의 결과로서 실제 체결된 임대계약 조건과 다를 수 
있으며, 동일 건물 내에서도 임차인 및 계약시점 별로 다르게 나타나는 상세 
조건을 반영하지 못하며, 지난 10여 년 동안 확대되어온 렌트프리를 특정시점의 
표본으로 설명하기에는 한계가 있다. 
임대계약 사례를 바탕으로 렌트프리를 
실증분석한 정원구·이호병(2016), 황병훈·유정석(2016, 2017), 권희재(2018)의 연구가 
있으나 분석 표본 수는 각각 441건, 733건, 860건, 344건으로 한정된다. 본 연구는 
1,338건의 임대계약 사례를 표본으로 하여 선행연구와는 차별된다. 대상 기간은 
렌트프리가 나타나기 시작한 2009년부터 최근 2018년까지 10년간 체결된 임대계약 
사례를 포함한다. 즉, 본 연구는 유사 선행연구보다 가장 많은 표본과 가장 긴 
기간을 대상으로 하는 차별성을 보인다.
본 연구는 실제 임대계약 자료에 기초하므로 개별 임대계약별로 종속변수인 
렌트프리를 정확하게 확인 가능하며, 설명 변수로 임대면적, 임대기간, 계약임대료, 
계약연도 등 각 임대계약의 세부 조건을 반영할 수 있다. 또한 신축여부, 건축연한, 
시장임대료, 
시장공실률, 
경제성장률, 
회사채 수익률 등과 같은 변수를 각 
임대계약의 체결시점에 일치시킬 수 있다. 따라서 각 건물별로, 임대시장 및 
거시경제 상황별로 다르게 나타나는 임대계약 상세 조건과 각 시점에 해당하는 
변수들이 분석대상이 되므로 렌트프리에 미치는 직접적인 영향요인을 명확하게 
분석할 수 있을 것이다. 
렌트프리와 임대료 간의 인과관계에 대해서는아직 명확하게검증되지 않았다. 
Sirmans 외(1990)는 렌트프리를
임대료 및 임대율의 영향 요인으로 고려하였고, 
Sirmans 외(1994)는 렌트프리, 임대료, 임대율이상호 영향을 받는 관계로 가정하였
다. 반면, 서울 오피스시장을대상으로 연구한 여태종 외(2015)는렌트프리를 임대
료의 결정요인으로 해석하는데 한계가있음을 지적하고 렌트프리를 종속 변수로 고
려하여 연구를 수행하였다.

S15 · PDF 47쪽

S15 PDF 47쪽

이 페이지 검색용 텍스트

- 33 -
여태종 외(2015)는 호가임대료는 렌트프리의 영향을 받기 보다는 향후 시장상황을 
고려하여 미리 책정한 렌트프리의 기대치의 영향일 가능성이 있다고 설명하였다.
호가임대료의 변동이 연말과 연초에 집중된 반면 렌트프리는 동일한 빌딩이라도 분
기마다 차이를 보이고 있어서, 이는 호가임대료가 시장상황에 따라 조정되는 것이 
아니라 정해진 호가임대료와 시장상황의 차이를 렌트프리가 조정하는 것으로 볼 수 
있으므로, 렌트프리를 호가임대료의결정요인으로해석하는 것은 한계가있다고판
단하였다(여태종 외, 2015). 서울 오피스 임대시장에서명목임대료가단기적으로 조
정되기 보다는 렌트프리를 통해 실질임대료가조정되는 것으로 추정된다. 명목임대
료는 단기적으로 각 건물별로 유사한 수준을 나타내나, 렌트프리는 임대계약 별로 
차별적으로 적용되는 것으로 보인다. 즉, 동일 건물의 유사 시점 내에서는 렌트프리
가 명목임대료에 미치는 영향은 크지 않으나, 임대계약별로다른 임대조건이 렌트
프리에 영향을 줄 수 있다.
서울 오피스 임대시장에서임차인 모집및 협상 과정은임대료, 임대기간, 임대면
적 등의주요 임대조건이 선행적으로 결정된 후에 렌트프리가 결정되는 것으로 보
인다. 일반적으로 임대인은 명목임대료를 시장에 공개하여 임차인을 모집하며, 임차
인은 희망하는 임대료, 임대면적, 임대기간 등을 제시하고 여러 건물들의 임대조건
을 비교한 후 임대인과 협상하여 계약을 체결하고 있다. 예로, 임차인은 사업계획에 
따라 임대면적, 임대기간, 임대료 등의 수준을 정하므로 그 수준을 변동하는 데는 
제약이 있을 수 있다. 즉, 임대인이 임차인에게 렌트프리를많이 제공한다고 해도 
임차인이 필요 면적보다 더 큰 면적을 사용하거나, 계획된 임대기간보다 길게 조정
하는데는한계가 있을 것이다. 반면, 임대인의 운영 계획(임차인의 이전/증평, 리모
델링, 매각) 등으로 임대 조건을 변동하기 어려운 경우도 있다. 즉, 임대인과 임차인
은 주요 임대조건이 거의 정해진 후에 렌트프리 조건을 최종적으로 결정하는 것으
로 사료된다.
따라서 본 연구는 렌트프리 여부에 대한 영향요인과 렌트프리 수준에 대한 
영향요인을 각각 분석하고 렌트프리 영향요인을 다각적이고 종합적으로 살펴보고자 
한다. 렌트프리 여부에 대한 영향요인은 이분형 로지스틱 회귀 모형으로, 렌트프리 
수준에 대한 영향요인은 순서형 로지스틱 모형으로 실증분석한다.

S15 · PDF 48쪽

S15 PDF 48쪽

이 페이지 검색용 텍스트

- 34 -
구 분
분석
자료
분석대상
변수
선정
종속변수
분석모형
분석결과
건물수(지역)
건물연면적
독립변수
대상시점
여태종 외
(2015)
마케팅자료 260건
렌트프리
순서형
로짓분석
- 추정임대료, 연면적, 건물연한,
공실률 유의함
- 건물공실률이 가장 중요한 요인임
260개동(서울)
상대임대료,
추정임대료, 연면적,
건물연한, 건물공실률
14,900㎡이상
2013년 3Q
정원구·이호병
(2016)
임대계약 441건
렌트프리
다중
회귀분석
- 임대기간, 임대료 수준, 연면적,
외국계 임차인이 유의함
- 공실률 및 임대면적은 주요 요인 
아님
- 도심권역은 양(+)의 관계,
여의도권역은 음(-)의 관계
(서울)
임대면적, 임대기간,
보증금, 임대료, 관리비,
연면적, 공실률,
외국계임차인, 업무권역
평균 88,904㎡
2014년도
황병훈·유정석
(2016)
임대계약 733건
렌트프리
이항/다항 
로지스틱
회귀분석
- 연면적, 임대기간이 주요 요인임
- 공실률, 임대면적은 유의하지 않음
- 시장임대료 및 계약임대료가 
높을수록 렌트프리 수준도 높음
- 렌트프리 수준의 양극화 확인함
52개동(서울)
임대면적, 임대기간,
계약임대료,
연면적, 공실률,
시장임대료, 시장공실률,
업무권역 
14,600㎡이상
2010년 ~ 2014년
황병훈·유정석
(2017)
임대계약 860건
렌트프리(기간)
Cox
비례위험
모형
- 임대면적, 임대기간, 계약임대료,
공실률, 시장임대료, 시장공실률,
도심권역이 유의함 (해당 요인이 
증가할수록 렌트프리 기간 증가 
확률 높음)
- 연면적은 유의하지 않음
62개동(서울)
임대면적, 임대기간,
계약임대료,
연면적, 공실률,
시장임대료, 시장공실률,
업무권역 
14,000㎡이상
2009년 ~ 2015년
권희재
(2018)
임대계약 344건
렌트프리
다중
회귀분석
- 계약기간, 계약면적, NOC가 주요 
요인임
- 임대인유형(간접투자, 법인, 개인)
및 계약유형(신규, 재계약)이 
유의함
(서울,경기,인천)
임대인유형(간접투자/
법인/개인), 계약기간,
계약면적, 계약연도,
계약유형(신규/재계약),
노후도, 업무권역, NOC
-
2014년 ~ 2017년
본 연구
임대계약 1,338건24)
렌트프리(여부/수준)
이분/순서형
로지스틱
회귀분석
- 결론 참조
90개동(서울)
임대면적, 임대기간,
계약임대료, 계약연도,
연면적, 신축여부,
건축연한, 건물공실률,
시장임대료, 시장공실률,
업무권역, 경제성장률,
회사채 수익률
7,600㎡이상
2009년 ~ 2018년
<표 Ⅱ-2> 종속변수가 렌트프리인 선행연구
출처. 황병훈·유정석, 2017 재구성

S15 · PDF 49쪽

S15 PDF 49쪽

이 페이지 검색용 텍스트

- 35 -
황병훈·유정석(2016)의 연구도 이항 로지스틱 회귀모형으로 유사한 실증분석을 
수행하였으나, 다항로지스틱 회귀 모형과의 비교를 통해 렌트프리 영향요인을 
분석하기 위한 목적으로 각각 1개의 모형으로 구성하여 총 2개의 모형을 비교 
분석하였다. 따라서 이분형 로지스틱 회귀모형을 7개 모형으로 구성하여 분석하는 
본 연구와 차이를 보이며, 독립변수 구성도 다소 차이가 있다. 그리고 분석 표본은 
2010년부터 2014년까지의 733건으로서 본 연구의 표본과는 큰 차이가 있다. 
여태종 
외(2015)는 
본 
연구와 
동일한 
순서형 
로지스틱 
회귀모형으로 
분석하였으나, 본 연구는 호가임대료 및 렌트프리가 아닌 실제 임대계약 사례를 
대상으로 하고, 종속변수를 렌트프리 수준에 따라 4개의 범주로 구분한 여태종 
외(2015)의 연구보다 더욱 많은 7개의 범주로 구분하며, 분석 모형의 독립변수 
구성도 상당한 차이를 보이므로 분석 결과도 다른 의미로 설명된다.
서울 오피스 시장의 렌트프리에 대한 실무적인 추정과 단편적인 자료만 있을 뿐 
체계적인 자료 축적과 심도 있는 연구는 찾기 어렵다. 따라서 본 연구는 
선행연구보다 우월하게 축적된 분석 표본에 기초하며, 임대계약, 건물, 임대시장 및 
거시경제 특성 요인을 다각적으로 고려하여, 렌트프리 여부 및 수준에 대한 
영향요인을 실증분석한다. 본 연구의 결과는 렌트프리의 특성을 폭 넓고 깊이 
있게 설명 가능하므로, 실무 뿐만 아니라 학문적으로도 렌트프리에 대한 이해를 
높이는 데 기여하고자 한다.
24) 본 연구는 임대계약 관련 자료를 자산운용사, 부동산서비스회사 등으로부터 구득하였다. 건물별로 
임대내역 등을 구득하고 각 임대계약 조건을 확인하여 데이터로 축적하였으며, 황병훈·유정석(2016, 
2017)의 분석대상을 포함한다. 서울 오피스의 임대계약 관련 자료의 취득 제약으로, 부동산 관련회
사도 본 연구와 같은 데이터를 축적하지 못하고 있다.

S15 · PDF 50쪽

S15 PDF 50쪽

이 페이지 검색용 텍스트

- 36 -
Ⅲ.  서울 오피스 임대시장 현황
1. 서울 오피스 시장의 개요
1.1 서울 오피스 시장의 성장
서울 오피스 시장은 2001년 부동산투자회사법25) 및 2003년 간접투자자산운용업
법26)의 제정으로 리츠(REITs)와 부동산펀드(Real Estate Fund)와 같은 간접투자기구
를 활용한 부동산 투자 상품이 활성화되면서 성장하였다. 연기금, 공제회, 생명보험
사 등의 기관 투자자를 중심으로 간접투자기구를 통한 투자가 증가하면서 오피스 
시장은 지속적으로 성장하였다. 최근에는 상업시설, 물류시설, 숙박시설 등 다양한 
부동산에 대한 투자가 확대되면서 상업용 부동산 시장의 성장은 가속화되고 있다. 
국내 리츠의 운용자산 규모(총자산 기준)는 2002년에 약 5,600억원을 시작으로 꾸
준히 증가하여 2008년에 5조원 수준에 이르렀고, 부동산펀드 운용자산 규모(순자산 
기준)는 2004년 약 8,600억원에서 2008년 9조원 수준으로 리츠보다 높은 성장세를 
보였다. 글로벌 금융위기 이후 기관투자자들을 중심으로 부동산에 대한 대체투자 
수요가 지속적으로 증가하였고, 특히 2015년 이후 투자 규모가 급속히 증가하여 리
츠와 부동산펀드의 운용자산 규모는 급성장하였다. 리츠의 운용자산 규모는 2015년
말 약 18조원에서 2018년말에 약 42조원에 이르렀고, 부동산펀드의 운용자산 규모
는 2015년말 약 36조원에서 2018년말에 77조원을 상회하였다. 
서울 상업용 부동산 거래시장은 오피스를 중심으로 형성되었다. 2008년 이전까지 
거래대상은 대부분 오피스로 한정되었고, 리테일 및 물류시설은 매우 제한적이었으
며, 그 외의 시설은 투자 대상으로 거의 고려되지 않았다. 2009년 이후 대형마트에 
대한 투자가 확대되면서 리테일 비중이 증가하였고, 2013년부터 물류센터에 대한 
25)
2001년 4월에 제정된 부동산투자회사법에 따른 부동산투자회사(Real Estate Investment Trusts, 
REITs)는 다수의 투자자로부터 자금을 모아 부동산에 투자․운영하고 수익 배당하는 부동산 간접투
자기구인 주식회사로서, i) 외환위기 이후 기업들의 보유 부동산을 유동화(현금화)하여 기업구조조
정을 촉진하고 ii) 일반 국민의 부동산에 대한 간접투자 기회를 제공하며 iii) 투기적 부동산 시장을 
건전한 투자시장으로 전환하여 가격 안정을 도모하고자 한다(국토교통부).
26)  ‘간접투자자산운용업법’은 펀드 형태에 따라 증권투자신탁(증권투자신탁업법), 뮤추얼펀드(증권투
자회사법), 불특정금전신탁(신탁업법) 등 각각 상이한 법률에 따라 규제되고 있던 제도를 통합해 자
본시장의 간접투자(펀드)를 활성화하기 위해 2003년 10월에 제정되었다. 2007년 8월에 ‘자본시장과 
금융투자업에 관한 법률’의 제정으로 2009년 2월에 폐지 및 대체되었다(두산백과).

S15 · PDF 51쪽

S15 PDF 51쪽

이 페이지 검색용 텍스트

- 37 -
거래 규모가 증가하면서 주요 투자 대상이 되었다. 한편, 비즈니스호텔도 2013년부
터 거래가 꾸준히 이루어져 서울 상업용 부동산의 주요 시설로 자리매김하였다. 
2018년 서울 상업용 부동산 거래시장은 국내 및 해외 투자자의 꾸준한 수요와 시
장의 풍부한 유동성을 바탕으로 역대 최고인 총 12.9조원을 기록했다(서울 소재 100
억원 이상 거래 기준, 물류센터는 경기도 및 인천 소재 포함). 오피스가 전체의 80%
에 해당하며 여전히 가장 선호되는 자산으로 나타났다. 두 번째로 높은 비중을 차
지하고 있는 물류자산 거래 규모는 전년 대비 70% 상승하여 전체 투자 규모의 10%
를 차지하였다. 리테일 및 호텔 자산의 거래 규모는 총 1.2조원으로 전체 투자규모
의 약 10%를 차지했다(CBRE, 2019). 
한편, 해외 투자자들은 서울 상업용 부동산 시장의 상황에 따라 투자 규모가 변동
되나 상당한 비중의 거래 규모를 유지하고 있다. 해외 투자자들은 여러 투자 대상
에 대해 다양한 전략으로 투자를 지속하고 있으며, 최근에는 온라인 상거래 시장의 
성장에 대응하는 물류센터에 적극적으로 투자하고 있다. 2018년 물류자산 거래 중 
해외 투자자에 의한 거래가 80%를 차지하는 것으로 나타났다(CBRE, 2019). 미국 및 
유럽의 투자자들은 선진국 수준으로 국내 부동산을 투자 및 관리하고 있으며, 이러
한 기준은 국내 부동산 시장에도 직간접적으로 영향을 주고 있다.
(조원)
리츠 도입
(2001.4 제정)
부동산펀드 도입
(간투법 2003.10 제정)
자본시장법
(2007.8 제정)
자료. 금융투자협회 및 한국리츠협회
<그림Ⅲ-1> 리츠와 부동산펀드의 운용자산 규모 추이

S15 · PDF 52쪽

S15 PDF 52쪽

이 페이지 검색용 텍스트

- 38 -
출처. Real Estate Market Outlook(CBRE, 2019)
주) 서울 소재 100억원 이상 거래 기준(단, 물류센터는 경기도 및 인천 소재 포함)
<그림Ⅲ-2> 서울 상업용 부동산의 시설별 거래규모 추이
출처. Real Estate Market Outlook(CBRE, 2019)
주) 서울 소재 100억원 이상 거래 기준(단, 물류센터는 경기도 및 인천 소재 포함)
<그림Ⅲ-3> 서울 상업용 부동산의 국내 및 해외 투자자별 거래규모 추이

S15 · PDF 53쪽

S15 PDF 53쪽

이 페이지 검색용 텍스트

- 39 -
1.2 서울 오피스 시장의 업무권역
서울 오피스 시장의 업무권역에 대한 명확한 기준이나 정의는 정립되지 않았으나, 
대부분의 시장 보고서를 비롯하여 실무적으로 도심권역, 강남권역, 여의도권역의 3
대 업무권역과 그 외의 기타권역으로 구분하고 있다.  
도심권역
종로, 을지로, 광화문, 
새문안로(신문로), 남대문
여의도권역
동여의도, 서여의도, 마포
강남권역
테헤란로, 강남대로, 
잠실역, 양재역 등
주) 젠스타 및 신영에셋의 시장보고서를 참고하여 재작성
<그림Ⅲ-4> 서울 오피스 시장의 업무권역

S15 · PDF 54쪽

S15 PDF 54쪽

이 페이지 검색용 텍스트

- 40 -
도심권역은 1960년대 중반에 형성되어 가장 오래된 업무지구로서 대기업 사옥 및 
공공소유 건물이 많은 지역이다. 옛 도시 구조를 기반으로 형성되어 오래된 건물과 
부정형의 필지가 많다. 도심권역은 종로, 광화문, 을지로, 남대문을 세부권역으로 하
여 구성된다. 금융위기 이후 다수의 오피스가 신규 공급되면서 공실이 증가하는 등 
임대시장의 침체가 지속되고 있는 가운데, 최근 신규 공급은 감소세를 보이고 공실
이 점진적으로 해소되면서 임대시장의 회복을 기대하고 있다. 
강남권역은 1980년대 중반에 계획적으로 개발된 지역으로 정⸱장방형의 필지가 많
으며 개인소유의 건물이 많다. 세부권역인 테헤란로와 강남대로를 중심으로 선형으
로 오피스가 공급되었으며, 상대적으로 규모가 작은 신축 건물이 많다. 타 권역 대
비 안정적인 임대시장을 형성하고 있으며, 신규 공급이 제한적인 특징이 있다.
여의도권역은 금융업무지구로 1970년대 개발을 시작하여 1980년대 후반에 형성된 
지역으로 법인 또는 공공기관 소유의 건물이 많다. 세부권역은 동여의도, 서여의도, 
마포 지역으로 구성된다. 여의도권역은 파크원, 문화방송부지 등 대형 오피스 개발
사업이 진행 중으로 신규 공급에 따른 공실 우려가 높은 상황이다. 기타권역은 3대 
업무권역 외의 지역으로 동작구, 구로구, 양천구, 용산구, 서대문구, 강동구 등이 해
당된다. 
2017년말 기준 서울 3대 권역 오피스의 73.6%가 임대용인 것으로 조사되었다. 
강남권역이 87.7%로 가장 높은 비중을 보였으며, 여의도권역이 가장 낮은 57.1% 나
타났다. 즉, 여의도권역의 사옥용 오피스비중이 42.9%로가장 높게 나타났다. 임차
인 중 대기업비중은 여의도권역이 34.1%로 타 권역 대비 다소 높으며, 다른 권역
은 큰 차이 없이 30% 내외의 유사한 수준을 보였다. 비대기업은 강남권역이 67.1%
로 서울 전체 58.0% 보다 높은 수준이며, 여의도권역 49.8%과 큰 차이를 나타냈다. 
그리고 공공기관의 비중은 도심권역은 13.8%, 여의도권역은 16.1%이나 강남권역은 
3.3%로 매우 낮았다. 서울 오피스 시장의 외국계기업의 비중은 20.4%이며, 강남권
역이 가장 높은 27.1%, 도심권역이 19.1%, 여의도권역이 가장 낮은 13.2%인 것으로 
조사되었다.
서울 오피스 시장임차인의 업종별 분포를살펴보면, 금융⸱보험업이 35.2%로 가장 
높았다. 여의권역은 54.4%로 금융⸱보험업 비중이 매우 높으며 강남권역이 24.6%로 
가장 낮았다. 서울 오피스 시장에서 제조업 임차인은 16.1%로 금융⸱보험업 다음으
로 많은 비중을 차지하였다. 강남권역이 24.6% 가장 높았으며, 도심권역 12.0%, 여
의도권역 13.2% 보다 2배 수준의 높은 비중을 나타냈다. 그 외 서울의 임차인 업종
은 전문, 과학, 기술 서비스업이 9.4%, 출판, 영상, 방송통신, 정보 서비스업이 8.7%, 
도매⸱소매업이 6.2% 으로 나타냈다. 권역별로는 순위는 다르나 이 3개 업종이 큰 차

S15 · PDF 55쪽

S15 PDF 55쪽

이 페이지 검색용 텍스트

- 41 -
이 없이 구성되었다. 다만, 도심권역은 공공기관의 비중이 높아서 이에 연관된 공공
행정, 국방, 사회보장이 6.6%로 도매⸱소매업보다 높은 비중을 보였다. 
연도
서울 (3대 권역)
도심권역
강남권역
여의도권역
임대용 오피스
73.6%
71.5%
87.7%
57.1%
사옥용 오피스주1)
26.4%
28.5%
12.3%
42.9%
대기업
31.0%
30.6%
29.6%
34.1%
비대기업
58.0%
55.6%
67.1%
49.8%
공공기관
11.0%
13.8%
3.3%
16.1%
외국계기업
20.4%
19.1%
27.1%
13.2%
국내기업
79.6%
80.9%
72.9%
86.8%
임차인
업종주2)
1
금융⸱보험
(35.2%)
금융⸱보험
(34.2%)
제조
(24.6%)
금융⸱보험
(54.4%)
2
제조
(16.1%)
제조
(12.0%)
금융⸱보험
(24.6%)
제조
(13.2%)
3
전문,과학,기술서비스
(9.4%)
출판,영상,방송통신,
정보서비스 (9.5%)
전문,과학,기술서비스
(13.8%)
출판,영상,방송통신,
정보서비스 (7.6%)
4
출판,영상,방송통신,
정보서비스 (8.7%)
전문,과학,기술서비스
(8.4%)
도매⸱소매
(10.6%)
전문,과학,기술서비스
(4.8%)
5
도매⸱소매
(6.2%)
공공행정,국방,사회
보장(6.6%)
출판,영상,방송통신,
정보서비스 (8.2%)
도매⸱소매
(3.9%)
<표 Ⅲ-1> 서울 업무권역별 임차인 구성 현황  
출처. 서울 오피스 임차인 현황(CBRE, 2018) 27)
주1) 임대인의 직⸱계열사 및 자사의 임차면적이 70% 이상인 경우 사옥용 오피스로 분류
  2) 통계청 산업 분류 기준
27) CBRE(2018)가 작성한 서울 오피스 임차인 현황은 서울 3대 업무권역에 소재한 286개의 오피스빌
딩(도심권역 136개, 강남권역 98개, 여의도권역 52개)을 조사대상으로 한다. 임대용 및 사옥용 오피
스만 조사대상에 포함 되었으며, 근린시설 및 오피스텔 등이 공존하는 복합빌딩은 제외함

S15 · PDF 56쪽

S15 PDF 56쪽

이 페이지 검색용 텍스트

- 42 -
2. 서울 오피스의 공실률 및 공급 현황
2.1 서울 오피스의 공실률 현황
서울 오피스의 평균 공실률28)은 2008년 금융위기 이전까지는 일반적인 자연공실
률 기준인 5.0% 이하의 낮은 수준을 유지하였다. 2005년 3분기에 4.1%를 기록한 이
후 공실률은 하락 추이를 보여 2008년 3분기에 1.5%를 나타낼 정도로 금융위기 이
전까지는 안정적으로 유지되었다. 그러나 금융위기 이후 공실률이 급격히 증가하여 
2010년부터 2012년까지는 4.5%~6.8%의 범위를, 2013년부터 2017년까지는 7.4~9.3%
의 범위를 보였으며, 2018년 1분기 최고점인 9.3%를 기록한 후 2018년 4분기 기준 
7.2%로 하락하였다. 
서울의 3대 업무권역인 도심, 강남 및 여의도권역의 공실률은 권역별로 다소 다른 
변동 추이를 보이나, 3대 업무권역 모두 2008년 1분기부터 3분기 사이에 1.0% 이하
의 최저점(도심권역은 2008년 1분기에 0.2%, 강남권역은 2008년 3분기에 0.6%, 여의
도권역 2008년 2분기와 3분기에 0.1%)을 기록하고 금융위기 이후 빠르게 증가하는 
추이는 유사하게 나타내었다. 단, 그 증가 폭과 시점은 권역별로 차이를 보이고 있
으며, 여의도권역은 2013년에 급상승29) 후 하락을 보여 지속적인 증가 추이를 유지
한 타 권역과는 다른 움직임을 보였다. 
서울 도심권역 오피스의 공실률은 2005년 4분기에 4.1%를 나타낸 이후 하락하여 
2008년 1분기에 0.2%로 최저점을 기록하였다. 그러나 금융위기 이후 공실률은 2010
년 4분기 기준 10.3%까지 빠르게 증가하였고, 계속된 오피스 공급의 여파로 2011년 
이후 6.2~10.7% 범위 내에서 등락을 거듭하였다. 2018년 4분기 현재 8.4%를 나타내
고 있다. 
서울 강남권역 오피스의 공실률은 금융위기 이전까지 최고 3.8%, 최소 0.1%를 나
타내어 타 권역 대비 낮은 수준을 유지하였다. 금융위기 이후 공실률은 2010년에 
4~5% 수준으로 증가하였고 2011년에 3% 이하로 일시적으로 하락 하였으나, 다시 
증가하여 2013년 이후부터 5~8% 수준이 유지되고 있다. 2018년 4분기 현재 5.3%를 
28) 본 연구의 공실률 및 임대료는 리츠 자산관리회사인 K사의 2003년부터 2018년까지의 분기별 데이
터이다. 조사대상은 연면적 30,000㎡ 이상의 서울에 소재한 약350개 오피스 빌딩이다. 단, 투자기관
에 의해 거래된 30,000㎡ 미만의 오피스도 일부 포함된다. 업무권역별로 도심권역에 약110개, 강남
권역에 약110개, 여의도권역에 약50개, 기타권역에 약80개로 구성된다.
29) 대형 오피스 빌딩인 IFC와 전경련회관의 준공으로 여의도권역의 공실률이 급등하였다. 타 권역 대
비 오피스 재고량(Stock)과 조사 표본이 적은 여의도권역의 특성으로 공실 충격이 크게 나타난다.

S15 · PDF 57쪽

S15 PDF 57쪽

이 페이지 검색용 텍스트

- 43 -
나타내고 있다. 
서울 여의도권역 오피스의 공실률은 금융위기 이전까지 2007년 1분기에 최고 
3.8%, 2008년 2분기와 3분기에 최저 0.1%를 나타내어 타 권역 대비 안정적으로 낮
은 수준을 보였다. 금융위기 이후에도 타 권역과 달리 공실률은 크게 증가하지 않
아 2012년 3분기에 2.4%를 기록하였다. 그러나 2012년 4분기에 공실률은 12.8%로 
급격히 증가하였고, 2013년 3분기에는 모든 업무권역에서 최고점인 14.3%를 기록하
였다. 2014년부터 2017년까지 9~13% 수준에서 등락을 보였으며, 2018년 1분기 
12.5%를 기록한 후 하락하여 2018년 4분기 현재 6.6%를 나타내고 있다.
자료. 리츠 자산관리회사인 K사의 데이터
<그림Ⅲ-5> 서울 오피스의 공실률 추이

S15 · PDF 58쪽

S15 PDF 58쪽

이 페이지 검색용 텍스트

- 44 -
2.2 서울 오피스의 공급 현황
오피스 임대시장에서 신규 공급량30)은 수요과 공급에 의해 결정되는 공실률에 영
향을 주는 주요 요인이다. 그러나 오피스의 공급은 매우 비탄력적이며, 공급과 수요
의 균형을 이루기 위해서는 시차가 필연적으로 발생된다. 오피스 빌딩을 신축하기 
위해서는 토지 매입, 인허가 및 공사 등 여러 단계로 이루어진 장기의 사업 기간이 
필요하다. 대형 오피스 빌딩의 경우 더욱 긴 시간이 필요하여 인허가부터 준공까지 
5~6년 이상 소요되기도 한다. 
서울 오피스는 2003년부터 2006년까지 연간 389,730~629,293㎡ 수준에서 공급되었
고, 2007년에 1,506,963㎡으로 급증한 후에 2009년까지 586,838㎡로 하락하여 이전 
수준으로 낮아졌다. 이후 다시 증가한 공급량은 2012년에 1,228,964㎡을 나타낸 후 
2016년에 739,078㎡로 하락하고, 2017년에 최고점인 1,806,428㎡을 기록한 후 2018년
에 1,286,448㎡로 다소 감소하였다. 
업무권역별로 다른 공급 추이를 보이고는 있으나, 2007년에 공급이 증가한 이후 
대체로 금융위기 직후인 2009년을 전후로 공급량이 낮은 수준을 나타내었다. 이후 
2010년부터 2013년까지 공급량이 증가한 후, 2014년부터 2016년까지는 공급량이 다
소 감소한 것으로 보인다. 2017년과 2018년에 다른 권역과 달리 기타권역의 공급이 
급증31)하여 서울 전체 공급량이 증가되었다. 
연도
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2018
서울 전체 
390
499
629
528
1,507
804
587
978
1,098
1,229
1,183
813
901
739
1,806
1,286
도심권역
42
167
226
77
230
100
6
572
394
196
373
171
117
153
83
179
강남권역
263
238
240
293
449
457
318
193
327
277
219
241
513
319
471
395
여의도권역
12
65
124
15
75
0
0
12
214
240
184
5
0
12
64
150
기타권역
73
29
39
142
753
247
263
201
162
516
407
396
270
255
1,188
1,286
<표 Ⅲ-2> 서울 오피스의 공급 추이  
  (단위: 천㎡)
자료. 부동산종합서비스사인 S사의 데이터
30) 공급량은 부동산종합서비스사인 S사의 자료에 기초한다. 준공시점 연면적이 3,300㎡ 이상인 업무
빌딩이 조사대상이며, 복합시설은 업무시설 면적이 3,300㎡ 이상인 경우 해당 면적만 포함된다.
31) 기타권역인 마곡지구의 오피스 공급이 대량으로 이루어져, 2017년에 약685천㎡와 2018년에 약500
천㎡이 준공되었다.

S15 · PDF 59쪽

S15 PDF 59쪽

이 페이지 검색용 텍스트

- 45 -
공급량
(천㎡)
자료. 부동산종합서비스사인 S사의 데이터
<그림Ⅲ-6> 서울 오피스의 공급 추이
2.3 서울 오피스의 공실률과 공급 추이
2003년부터 금융위기가 발생한 2008년까지 서울 오피스의 연평균 공급량은 
726,096㎡이며, 공실률은 2003년부터 2008년까지 평균 2.5% 수준32)으로 낮게 유지되
었다. 특히 2005년 3분기에 공실률 4.1%를 기록한 이후 지속적으로 하락하여 2008
년 3분기에 1.5%로 최저 수준을 기록하였다. 
제한된 공급을 바탕으로 임대인 우위의 안정적인 임대시장을 유지하던 서울 오피
스 시장은 2009년부터 2013년까지의 연평균 공급량은 1,015,035㎡로 이전보다 
289,940㎡ 높아진 수준을 보였다. 공급이 급증한 반면, 금융위기로 인해 임대 수요
는 위축되어 공실률은 4% 이상으로 빠르게 증가하였다. 2014년부터 2016년까지의 
연평균 공급량은 817,585㎡로 이전보다 감소하였으나, 공실률은 동기간 동안 
32) 2003년 1분기부터 2008년 4분기까지 분기별 데이터의 평균값이다.

S15 · PDF 60쪽

S15 PDF 60쪽

이 페이지 검색용 텍스트

- 46 -
7.8%~9.1% 범위 내에서 등락하였고 2016년 4분기 기준 7.8%를 기록하였다. 누적된 
공실이 해소되지 못한 채 신규 공급이 지속되어 높은 공실률이 유지된 것으로 판단
된다. 2017년과 2018년의 오피스 공급 증가로 인해 2017년 4분기와 2018년 1분기의 
공실률은 9.3%로 최고점을 기록한 후 다소 안정되어 2018년 4분기 현재 7.2%를 나
타내고 있다.
서울 오피스의 공급량이 공실률의 변동에 영향을 미치는 것으로 판단되나 공실률
의 변동 시점이나 수준은 누적된 공급량과 임대 수요 등 시장 상황에 따라 결정되
며, 공실률 조정에 시차가 발생되는 것으로 추정된다. 한편 조사기관에 따라 준공 
시점을 기준으로 작성되는 공급 자료와는 달리, 공실 면적은 준공 후 임차 개시 가
능한 시점 또는 임대 마케팅이 진행되는 시점으로 기준 하는 등의 공실률 조사 방
법의 차이도 분석 자료의 시차를 발생시키는 것으로 판단된다. 조사기관에 따라 준
공 시점에 전체 공실인 오피스의 면적이 공급량에는 포함되지만 공실률 산정을 위
한 공실 면적에는 제외되기도 한다.33)  
연평균 공급량
726,096㎡
연평균 공급량
1,015,035㎡
연평균 공급량
1,109,126㎡
공급량
(천㎡)
자료. 부동산종합서비스사인 S사의 데이터
<그림Ⅲ-7> 서울 전체 업무권역 오피스의 공실률과 공급 추이
33) 2012년 8월에 준공된 여의도 Two IFC 및 Three IFC의 경우, 공급 시점은 2012년 3분기로 반영되
었으나 공실률 자료에는 2012년 4분기에 반영되어 1분기의 시차가 발생한다.

S15 · PDF 61쪽

S15 PDF 61쪽

이 페이지 검색용 텍스트

- 47 -
2.4 서울 오피스의 업무권역별 공실률과 공급 추이
서울의 3대 업무권역인 도심권역, 강남권역 및 여의도권역 오피스의 공급과 공실
률 추이는 권역별 시장 특성이 반영되어 차이를 보인다. 
도심권역 오피스의 2003년부터 2008년까지 연평균 공급량은 140,520㎡이며, 공실
률은 2008년 1분기에 0.2%로 최저점을 기록하였다. 이후 2009년부터 2013년까지의 
연평균 공급량은 308,355㎡로 급증하였다. 오피스 시장의 활황으로 2000년대 초반부
터 다수의 오피스 개발 사업이 추진되었고, 준공시점이 금융위기 이후에 집중된 결
과이다. 2010년에 페럼타워, 센터원, 트윈트리, 2011년에 시그니쳐타워, 남산스테이
트타워, 파인애비뉴, 2012년에 더케이트윈타워, 2013년에 그랑서울과 같은 대형 오
피스들이 준공되었다. 2014년부터 2018년까지의 연평균 공급량은 140,541㎡로 금융
위기 이전 수준으로 감소하였다. 그러나 단기간에 누적된 공급량 대비 임대수요의 
부족으로 공실률이 증가하여, 2014년 이후 8~10% 수준의 공실률을 유지하고 있다.
연평균 공급량 140,520㎡
연평균 공급량 308,355㎡
연평균 공급량 140,541㎡
공급량
(천㎡)
자료. 공급량은 부동산종합서비스사인 S사의 데이터, 공실률은 리츠 자산관리회사인 K사의 데이터
<그림Ⅲ-8> 서울 도심권역 오피스의 공실률과 공급 추이

S15 · PDF 62쪽

S15 PDF 62쪽

이 페이지 검색용 텍스트

- 48 -
강남권역 오피스는 삼성 서초사옥 등의 준공으로 2003년부터 2008년까지 연평균 
공급량 323,367㎡을 기록하여, 같은 기간의 도심권역 공급량보다 높은 수치를 나타
냈다. 상대적으로 높은 공급량에도 불구하고 높은 임대 수요를 바탕으로 공실률은 
2008년 3분기에 0.6%로 최저점을 기록하였다. 이후 2009년부터 2013년까지의 연평
균 공급량은 266,790㎡로 다소 감소하였으나 경기 침체로 인한 수요 감소로 공실률
은 5%대로 증가하였다. 2014년부터 2018년까지 연평균 공급량은 387,820㎡로 증가
하고, 공실률은 6%~8% 수준으로 증가하였다. IT 및 게임업체의 판교 테크노벨리 이
전과 같은 수요 감소와 2016년 파르나스타워, 2018년 강남N타워 등의 오피스 공급
이 주요원인이었던 것으로 판단된다.
연평균 공급량 323,367㎡
연평균 공급량 266,790㎡
연평균 공급량 387,820㎡
공급량
(천㎡)
자료. 공급량은 부동산종합서비스사인 S사의 데이터, 공실률은 리츠 자산관리회사인 K사의 데이터
<그림Ⅲ-9> 서울 강남권역 오피스의 공실률과 공급 추이

S15 · PDF 63쪽

S15 PDF 63쪽

이 페이지 검색용 텍스트

- 49 -
여의도권역은 타 권역보다 오피스 시장 규모가 작아서 공급량도 낮은 수준을 나
타낸다. 2003년부터 2008년까지 연평균 공급량은 48,393㎡으로 주요 업무권역 중 가
장 낮은 수준이었다. 금융위기 이후에도 안정적인 임대시장을 보이던 여의도권역은 
2011년부터 공급이 증가하면서 공실률이 급증하였다. 2011년에 One IFC와 2012년에 
Two IFC 및 Three IFC, 2013년에 전경련 회관 등이 준공되면서, 2009년부터 2013년
까지의 연평균 공급량은 130,157㎡로 급증하였고, 2013년도 공실률은 13% 수준으로 
급증했다. 2014년부터 2016년까지 연평균 공급량은 46,198㎡로 급격히 감소하였음에
도 불구하고 기존 오피스의 공실 해소가 지연되면서 공실률 하락은 제한적이었다. 
2018년 1분기 한국교직원공제회관의 공급으로 공실률 12.5%로 일시 상승한 후 2018
년 4분기는 하락하여 7.2%를기록하였다.
연평균 공급량 48,393㎡
연평균 공급량 130,157㎡
연평균 공급량 46,198㎡
공급량
(천㎡)
자료. 공급량은 부동산종합서비스사인 S사의 데이터, 공실률은 리츠 자산관리회사인 K사의 데이터
<그림Ⅲ-10> 서울 여의도권역 오피스의 공실률과 공급 추이

S15 · PDF 64쪽

S15 PDF 64쪽

이 페이지 검색용 텍스트

- 50 -
3. 서울 오피스의 렌트프리 현황
3.1 서울 오피스의 렌트프리 추이
서울 오피스 임대시장은 낮은 공실률과 임대료 상승이 지속되었으나, 2008년 금융
위기 이후 공실률이 증가하면서 임차인 우위의 시장으로 변화하였다. 그에 따른 영
향으로 임대인은 공실을 해소하기 위해 임차인에게 렌트프리를 제공하는 등 적극적
으로 임차인 유치에 노력을 기울였다. 서울 오피스 임대시장에서 렌트프리는 2008
년 금융위기 이후부터 본격적으로 도입되어 지속적으로 증가한 것으로 추정되며, 
현재 서울 오피스 임대시장에서 렌트프리는 일반적인 계약 조건이 되었다. 렌트프
리가 보편적인 상황임에도 불구하고 관련 자료에 대한 공개는 매우 제한적이며, 기
존 연구 및 시장 보고서는 대부분 제한적인 시점의 사례이거나 실제 계약 사례가 
아닌 마케팅 자료를 기초로 하고 있다. 따라서 본 연구의 임대계약 자료로 렌트프
리 추이를 살펴보는 것이 서울 오피스 임대시장을 정확하게 이해하는 데 도움이 될 
것으로 생각된다. 
연평균 
개월수
주)
자료. 본 연구의 표본인 임대계약 1,338건
주) 렌트프리 추세선(y=-3E-14x4+5E-09x3-0.0003x2+9.5502x-100162)
<그림Ⅲ-11> 임대계약 사례의 계약시점별 렌트프리 수준

S15 · PDF 65쪽

S15 PDF 65쪽

이 페이지 검색용 텍스트

- 51 -
본 연구의 표본인 1,338건의 임대계약을 살펴보면, 렌트프리가 포함된 임대계약 
건수와 렌트프리의 수준(연평균 개월수34))이 2009년부터 2018년까지 지속적으로 증
가 추이를 보였다. 즉, 렌트프리를 포함한 임대계약 건수가 증가하고 계약된 렌트프
리의 수준(연평균 개월수)도 증가하였다.
구 분
2009년
2010년
2011년
2012년
2013년
2014년
2015년
2016년
2017년
2018년
계
RF 있음
16건
55건
124건
151건
137건
146건
117건
102건
73건
41건
962건
(비율)
(41.0%)
(57.9%)
(70.5%)
(69.3%)
(66.5%)
(71.6%)
(81.8%)
(84.3%)
(80.2%)
(91.1%)
(71.9%)
RF 없음
23건
40건
52건
67건
69건
58건
26건
19건
18건
4건
376건
(비율)
(59.0%)
(42.1%)
(29.5%)
(30.7%)
(33.5%)
(28.4%)
(18.2%)
(15.7%)
(19.8%)
(8.9%)
(28.1%)
계
39건
95건
176건
218건
206건
204건
143건
121건
91건
45건
1,338건
<표 Ⅲ-3> 임대계약 사례의 연도별 렌트프리 건수(비율)
자료. 본 연구의 표본인 임대계약 1,338건
자료. 본 연구의 표본인 임대계약 1,338건
<그림Ⅲ-12> 임대계약 사례의 연도별 렌트프리 건수(비율) 
34) 렌트프리 기간의 단위는 연평균 개월수(렌트프리 총개월수/총임대기간 개월수×12개월)로 산정하였
다. 렌트프리는 일반적으로 1년당 제공되는 개월수를 기준하여 마케팅 되고 있으며, 임대료 및 임
대기간 등의 임대계약 조건에 따라 협의･조정되고 있다(황병훈･유정석, 2016). Bond 외(2007)는 실
질임대료 산정시 렌트프리의 총 기간을 전체 임대기간에 안분하였다(Bond 외, 2007).

S15 · PDF 66쪽

S15 PDF 66쪽

이 페이지 검색용 텍스트

- 52 -
2009년의 임대계약 사례(임대기간의 시작일 기준35))에서는 총 39건 중 16건이 렌
트프리를 포함하여 41%의 비율을 보였다. 이후 렌트프리 제공 비율은 증가하여, 
2011년부터 2014년까지 약 70% 내외의 수준을 유지하였다. 이후 렌트프리 제공 비
율은 더욱 증가하여 2015년에는 82%에 해당하는 총 143건 중 117건이 렌트프리를 
포함하였고, 2016년에는 121건 중 102건(84%)이, 2017년에는 91건 중 73건(80%)이 
렌트프리를 포함하였다. 증가 추이는 지속되어 2018년 총 45건 중 41건이 렌트프리
를 제공하여 91%를 기록하였다. 2009년부터 2018년까지의 임대계약 1,338건 중 962
건, 약 72%가 렌트프리를 제공하여 서울 오피스 임대시장에서 임차인에게 렌트프리
를 제공하는 것은 특수한 경우가 아니라 보편적인 계약 조건이 되었다. 
3.2 서울 오피스의 연도별 렌트프리 수준
렌트프리 비율의 증가와 더불어 렌트프리 수준(연평균 개월수)도 빠르게 증가하였
다. 2009년 임대계약 사례에서 0.2~2.1개월/년의 범위 내에서 제공된 렌트프리의 평
균은 0.9개월/년이며, 렌트프리를 제공하지 않은 경우를 포함한 전체 평균은 0.4개월
/년을 나타낸다. 렌트프리 제공 수준은 전년 대비 소폭 감소한 2012년과 2016년을 
제외하고 계속 증가하였다. 2013년까지 렌트프리 제공 수준은 2.0개월/년 이하였으
나, 2014년 이후 6.0개월/년 이상의 렌트프리 사례가 있을 정도로 제공 수준도 증가
하였고 평균값은 2.0개월/년을 초과하였다. 지속적인 증가는 유지되었으며 2017년 
이후에는 평균 3.0개월/년을 초과하였다. 2017년에는 3.2개월/년을, 2018년 현재 최고
점인 3.9개월/년을 나타내고 있다. 
앞서 논의한 바와 같이 렌트프리 사례의 비율이 증가한 결과, 렌트프리가 없는 임
대계약을 포함한 임대시장 전체의 렌트프리 평균도 2009년 이후 2018년까지 증가 
추이를 보였다. 2009년과 2010년의 렌트프리는 1.0개월/년 미만인 0.4개월/년과 0.7개
월/년을 각각 기록한 이후, 2011년부터 2014년까지는 1.0~1.6개월/년 범위 내의 렌트
프리를 나타냈다. 2015년에 증가 폭을 높여 2.4개월/년을 기록하고 2016년 2.4개월/
년과 2017년에 2.6개월/년을 기록한 데 이어서 2018년 현재 3.5개월/년으로 최고점을 
나타낸다. 
서울 오피스 임대시장에서 렌트프리의 수준(연평균 개월수)의 증가로 인해 명목임
대료와 실질임대료 간의 차이가 커지고 있음을 유추할 수 있다. 예를 들면, 2018년 
35) 임대계약의 계약 체결일과 임대기간의 시작일은 시차가 다소 발생할 수 있다. 임대기간이 임대계
약의 실질적인 기준일이므로, 본 연구는 임대기간의 시작일을 각 임대계약의 기준일로 간주한다.

S15 · PDF 67쪽

S15 PDF 67쪽

이 페이지 검색용 텍스트

- 53 -
렌트프리의 전체 평균 3.5개월/년은 해당 표본의 명목임대료 대비 실질임대료가 
29.2%(=3.5개월÷12개월×100) 낮은 것으로 추정할 수 있다. 따라서 명목임대료를 기
준하여 작성된 서울 오피스의 시장 자료는 금융위기 이후 점차 커지고 있는 명목임
대료와 실질임대료 간의 차이로 인해 현재의 임대시장을 설명하기 어려울 수 있다.
구 분
2009년
2010년
2011년
2012년
2013년
2014년
2015년
2016년
2017년
2018년
계
RF
제공
범위
0.2-2.1
0.3-4.3
0.1-5.4
0.1-3.6
0.1-4.0
0.3-6.4
0.5-6.0
0.3-6.0
1.0-5.1
0.5-5.5
0.1-6.4
평균
0.9
1.3
1.6
1.5
1.9
2.2
2.9
2.8
3.2
3.9
2.2
전체 평균
(RF없음 포함)
0.4
0.7
1.1
1.0
1.2
1.6
2.4
2.4
2.6
3.5
1.6
<표 Ⅲ-4> 임대계약 사례의 연도별 렌트프리 수준(연평균 개월수)
자료. 본 연구의 표본인 임대계약 1,338건
연평균 
개월수
자료. 본 연구의 표본인 임대계약 1,338건
<그림 Ⅲ-13> 임대계약 사례의 연도별 렌트프리 수준(연평균 개월수)

S15 · PDF 68쪽

S15 PDF 68쪽

이 페이지 검색용 텍스트

- 54 -
3.3 서울 오피스의 업무권역별 렌트프리 수준
임대계약 사례의 렌트프리 수준(연평균 개월수)은 각 권역별로 다소 다른 변동을 
보이고 있으나, 전반적으로는 유사한 증가 추이를 보이고 있다. 
도심권역은 서울 전체 평균과 유사한 상승 추이를 보이나 전반적으로 타권역 대
비 높은 수준의 렌트프리를 제공하고 있다. 2009년에 평균 0.5개월/년을 나타낸 이
후 2015년까지 계속 증가하여 평균 3.4개월/년을 기록하였다. 2016년과 2017년에 각
각 3.0개월/년, 2.8개월/년으로 감소한 후에 2018년 3.5개월/년으로 다시 증가하였다. 
강남권역은 서울 전체 평균과 유사한 증가 추이와 렌트프리 수준을 보인다. 2009
년에 평균 0.2개월/년인 렌트프리는 2011년에 평균 1.1개월/년까지 증가하고 2012년
에 0.7개월/년으로 감소한 이후, 2013년부터 빠르게 증가하여 2016년에 2.6개월/년을 
기록하였다. 2017년에 다소 감소한 후에 2018년에 3.2개월/년으로 최고점을 나타내
었다.
연평균 
개월수
자료. 본 연구의 표본인 임대계약 1,338건
<그림 Ⅲ-14> 임대계약 사례의 권역별 렌트프리 수준(연평균 개월수)

S15 · PDF 69쪽

S15 PDF 69쪽

이 페이지 검색용 텍스트

- 55 -
전체평균
(RF 없음 포함)
2009년
2010년
2011년
2012년
2013년
2014년
2015년
2016년
2017년
2018년
계
서울주)
(계약건수)
0.4
0.7
1.1
1.0
1.2
1.6
2.4
2.4
2.6
3.5
1.6
(39건)
(95건)
(176건)
(218건)
(206건)
(204건)
(143건)
(121건)
(91건)
(45건)
(1,338건)
도심
(계약건수)
0.5
0.8
1.3
1.5
1.9
2.4
3.4
3.0
2.8
3.5
2.0
(7건)
(23건)
(86건)
(89건)
(86건)
(65건)
(36건)
(38건)
(22건)
(22건)
(474건)
강남
(계약건수)
0.2
0.8
1.1
0.7
0.8
1.6
2.3
2.6
2.5
3.2
1.3
(27건)
(44건)
(49건)
(75건)
(67건)
(61건)
(53건)
(38건)
(24건)
(6건)
(444건)
여의도
(계약건수)
0
0
1.6
0.8
0.7
0.8
1.6
2.1
3.4
3.9
1.4
(1건)
(7건)
(15건)
(25건)
(14건)
(40건)
(9건)
(13건)
(11건)
(9건)
(144건)
<표 Ⅲ-5> 임대계약 사례의 권역별 렌트프리 수준(연평균 개월수)
자료. 본 연구의 표본 임대계약 1,338건
주) 서울은 도심, 강남, 여의도 권역과 기타권역(총276건)을 모두 포함함.
여의도권역은 2009년부터 렌트프리가 나타난 타 권역과 달리 2011년도부터 렌트
프리 사례가 확인되었다. 2009년과 2010년에 렌트프리 사례가 없었으나, 2011년에 
1.6개월/년으로 급증한 후 하락하여 2014년까지 0.7~0.8개월/년 수준에서 유지되었고, 
2015년 이후 빠르게 증가하여 2018년 현재 3.9개월/년을 기록하고 있다. 여의도권역
은 타 권역의 추이보다 변동 폭이 크나 전반적으로 증가 추이를 나타내는 것으로 
보인다. 여의도권역의 표본 수는 총 144건으로 도심권역의 총 474건과 강남권역의 
총 444건 보다 적어서 상대적으로 변동 폭이 크게 나타난 것으로 추정된다. 여의도
권역은 타 권역 대비 시장 규모가 작아서 표본 수도 제한적인 한계가 있다.
2009년부터 2018년까지 렌트프리가 없는 경우도 포함한 서울 전체 렌트프리는 평
균 1.6개월/년(1,338건)을 나타낸다. 권역별로는 도심권역이 가장 높은 2.0개월/년(474
건), 여의도권역이 1.4개월/년(144건), 강남권역이 가장 낮은 1.3개월/년(444건)을 기
록하였다.

S15 · PDF 70쪽

S15 PDF 70쪽

이 페이지 검색용 텍스트

- 56 -
4. 서울 오피스의 명목임대료와 실질임대료 현황
4.1 서울 오피스의 명목임대료 현황
서울 오피스 임대시장이 2008년 금융위기 이후 공실률 증가에도 불구하고 명목임
대료가 지속적으로 상승하게 된 배경에는 렌트프리의 영향이 주요 원인으로 추정되
고 있다. 표면적인 명목임대료는 인상하면서 임차인에게는 렌트프리 제공을 늘려 
실질임대료는 감소한 것으로 추정된다. 따라서 명목임대료를 기준하여 작성된 임대
료 데이터와 시장 보고서는 공실률 증가와 상관없이 임대료가 증가하는 추이를 보
인 것으로 판단된다. 
서울 전체 오피스의 공실률이 금융위기 이후 큰 변동을 보이며 증가함에도 불구
하고, 임대시장에 노출되는 표면적인 명목임대료36)는 하락하지 않고 지속적인 상승 
추이를 보인다. 2003년 1분기를 100으로 기준한 명목임대료 지수37)는 2003년 2분기
에 99.2로 최저점을 기록한 이후, 직전 분기 대비 일시적인 소폭 하락을 보인 경우
는 있으나 전반적으로 하락 추이 없이 지속적으로 상승하였고, 2018년 4분기 현재 
임대료 지수는 139.4를 나타내고 있다. 권역별 명목임대료는 수준의 차이는 나타나
고 있으나 유사한 상승 추이를 보인다. 
서울 도심권역 명목임대료는 서울 평균 대비 높은 수준을 유지하고 있으나, 명목
임대료 지수는 서울 명목임대료 지수와 유사한 상승 추이를 보이고 있다. 도심권역
의 명목임대료 지수는 2003년 4분기에 126.1로 최저점을 기록한 이후 상승 추이를 
보였고, 금융위기와 도심권역의 오피스 신규 공급에도 불구하고 명목임대료 지수는 
계속 상승하여 2018년 4분기 현재 178.6을 나타내고 있다.
서울 강남권역 명목임대료 지수는 서울 전체 평균과 비슷한 수준으로서 유사한 
추이를 보인다. 강남권역의 명목임대료 지수는 2003년 2분기에 90.6으로 최저점을 
기록한 이후 금융위기 이전까지 상승 추이를 보였다. 금융위기 이후 강남권역의 공
실률 변동이 크게 나타난 반면, 명목임대료 지수는 2011년까지 120 수준에서 등락
을 보이다가 2012년부터 상승 추이를 보여 2018년 4분기에 140.6을 기록하고 있다.
서울 여의도권역 명목임대료는 서울 전체 평균보다 낮은 수준을 보이고 있으나, 
36) 본 연구의 임대료는 리츠 자산관리회사인 K사의 2003년부터 2018년까지의 분기별 데이터이며,  
시장에 공개되는 명목임대료로 작성된 자료이다.
37) 임대료 지수는 2003년 1분기의 서울 평균 임대료를 100으로 기준하여 환산하였으며, 서울의 업무
권역(도심, 강남, 여의도, 기타)에 입지한 오피스를 대상으로 한다.

S15 · PDF 71쪽

S15 PDF 71쪽

이 페이지 검색용 텍스트

- 57 -
명목임대료 지수는 상승 추이는 유사하게 보이고 있다. 여의도권역의 명목임대료 
지수는 2003년 1분기에 79.6로 최저점을 기록한 이후 금융위기에도 불구하고 지속
적으로 상승 추이를 보여 2013년 2분기에 122.7을 나타냈다. 2013년 3분기 이후 130 
수준에서 등락을 보였으며, 2018년 현재 130.8을 기록하고 있다. 
자료. 리츠 자산관리회사인 K사의 데이터
<그림Ⅲ-15> 서울 오피스의 명목임대료 추이
4.2 서울 오피스의 실질임대료 현황
서울 오피스 시장에서 렌트프리가 명목임대료와 실질임대료 간의 차이를 발생시
키는 가장 큰 영향요인으로 인지되고 있다. 따라서 명목임대료에서 렌트프리 제공 
분을 차감하면 매우 근접한 실질임대료를 추정할 수 있을 것이다.38) 서울 오피스 
38) 해당연도의 렌트프리 전체 평균값(렌트프리 없는 임대계약도 포함)을 반영하여 명목임대료를 보정
한다. 해당연도의 렌트프리 평균값이 1개월/년인 경우, 해당시점의 실질임대료는 명목임대료 대비 
7.7%(=1개월÷12개월×100) 감소한다.

S15 · PDF 72쪽

S15 PDF 72쪽

이 페이지 검색용 텍스트

- 58 -
시장에 렌트프리가 금융위기 이후 2009년부터 본격적으로 나타나기 시작한 점을 고
려하여, 2009년부터 명목임대료에서 렌트프리 제공 분을 차감하여 실질임대료를 추
정하고자 한다. 서울 오피스의 명목임대료에서 본 연구의 표본에 기초한 렌트프리 
제공 분을 반영하여 추정된 실질임대료 추이를 살펴보면, 모든 권역에서 명목임대
료가 지속적인 상승 추이를 보인 것과는 달리, 실질임대료는 공실률 등 시장 환경
에 따라 렌트프리 제공 수준이 변동되어 조정된 것으로 추정된다.
서울 전체 오피스의 공실률이 금융위기 이후 증가 추이를 보임에 따라 실질임대
료도 지속적인 하락 추이를 보인다. 실질임대료 지수는 2008년 4분기에 118.9를 기
록하고 2011년 1분기에 113.1까지 하락한 후, 2013년 4분기까지 상승하여 최고점인 
120.4를 나타낸 이후 다시 하락한다. 2014년도에 115.7~116.6의 범위에서 등락을 보
이고 2015년부터 2017년까지 107.8~109.1 수준으로 유지하나 2018년에 더욱 하락하
여 2018년 1분기에 97.5로 최저점을 기록하며, 2018년 4분기 현재 98.7을 나타낸다. 
권역별 실질임대료는 수준과 변동의 차이는 보이고 있으나, 하락 추이는 유사하게 
나타난다.  
자료. 리츠 자산관리회사인 K사의 데이터
<그림Ⅲ-16> 서울 오피스의 실질임대료 추이

S15 · PDF 73쪽

S15 PDF 73쪽

이 페이지 검색용 텍스트

- 59 -
4.3 서울 오피스의 명목임대료와 실질임대료 추이 
서울 전체 오피스의 공실률은 금융위기 시점인 2008년 3분기에 1.5%로 최저 수준
을 나타낸 이후, 최고점인 9.3%를 기록한 2018년 1분기까지 지속적인 증가 추이를 
보였다. 공실률 증가에도 불구하고 명목임대료는 지속적인 상승 추이를 보였다. 그
러나 렌트프리를 차감한 실질임대료는 금융위기 이후 명목임대료와의 차이가 점점 
커지며 하락 추이를 나타내고 있다.
금융위기 이후 공실률은 2008년 4분기 2.0%로 증가하였고, 2009년도 1분기 3.1%
에서 4분기 5.1%로 빠르게 증가하였으나, 명목임대료 지수는 2008년 4분기 118.9보
다 2009년도에 상승하여 120.4~121.6 수준을 나타냈다. 그러나 2009년도 실질임대료 
지수는 명목임대료 지수 대비 3.3%39) 낮은 116.4~117.5 수준을 나타내어 금융위기 
이후 하락한 것으로 추정된다. 2010년부터 2012년까지 공실률이 4.5~6.8% 범위 내에
서 등락하는 동안 명목임대료 지수는 2010년 1분기 122.4에서 2012년 4분기 129.4로 
계속 상승하였으나, 실질임대료 지수는 명목임대료 지수와 차이가 커지면서 
113.1~118.6 수준에서 변동하였다. 
이후 공실률은 2013년도에 7.4~7.7%, 2014년도에 7.9~8.3%, 2015년도에 8.0~9.1% 
범위로 변동하며 증가 추이를 보였고, 명목임대료 지수는 2013년 1분기 130.1에서 
2015년 4분기 135.6으로 계속 상승 추이를 유지하였다. 반면, 렌트프리 제공 수준이 
증가하면서 명목임대료와 실질임대료 간의 격차가 더욱 커지게 되었다. 실질임대료 
지수는 명목임대료 지수 대비 2013년도에 10.0%40) 낮은 117.1~120.4, 2014년도에 
13.3%41) 낮은 115.7~116.6, 2015년도에 20.0%42) 낮은 107.8~108.5의 범위를 보이며 
지속적인 하락 추이를 나타내었다. 
명목임대료 지수가 2016년 1분기 135.8에서 2017년 4분기 139.0으로 상승하는 동
안에도 실질임대료 지수는 108.1~109.1 수준으로 유지되었고, 공실률이 9.3%로 최고
점을 기록한 2018년 1분기에 실질임대료 지수는 명목임대료 지수 137.6 대비 29.
2%43) 낮은 97.5로 최저점을 나타내었다. 2018년 4분기 현재 명목임대료 지수는 
139.4로 최고점이나, 실질임대료 지수는 98.7로 금융위기 이전 최저점인 2003년도 2
분기 99.2보다도 낮은 수준이다.  
39) 3.3% = 0.4개월(2009년 서울 전체 렌트프리 평균) ÷ 12개월 × 100
40) 10.0% = 1.2개월(2013년 서울 전체 렌트프리 평균) ÷ 12개월 × 100
41) 13.3% = 1.6개월(2014년 서울 전체 렌트프리 평균) ÷ 12개월 × 100
42) 20.0% = 2.4개월(2015년 서울 전체 렌트프리 평균) ÷ 12개월 × 100
43) 29.2% = 3.5개월(2018년 서울 전체 렌트프리 평균) ÷ 12개월 × 100

S15 · PDF 74쪽

S15 PDF 74쪽

이 페이지 검색용 텍스트

- 60 -
자료. 리츠 자산관리회사인 K사의 데이터
<그림Ⅲ-17> 서울 전체 오피스의 명목임대료와 실질임대료 추이
4.4 서울 오피스의 업무권역별 명목임대료와 실질임대료 추이
서울 도심권역 오피스의 공실률은 2008년 1분기에 최저점인 0.2%를 나타낸 이후 
증가 추이를 보였고, 2011년 이후 공실률이 더욱 증가하여 6~10% 수준을 유지하였
다. 공실률 변동에도 불구하고 서울 전체 오피스와 유사하게 도심권역의 명목임대
료 지수는 꾸준히 증가하는 반면, 실질임대료 지수는 하락하여 그 차이는 점점 커
지게 되었다. 도심권역 공실률이 6% 중반 수준을 유지하던 2012년부터 2014년까지
는 렌트프리가 연평균 1.5~2.4개월로 실질임대료 지수는 명목임대료 지수보다 
12.5~20.0% 낮은 131.8~139.7을 나타냈다. 이후 공실률이 증가하여 9% 전후 수준인 
2015년부터 2017년까지는 렌트프리가 연평균 2.8~3.4개월로 증가하였고, 실질임대료 
지수는 명목임대료 지수보다 23.3~28.3% 낮은 120.2~132.8을 나타내어 그 차이가 더
욱 커졌다. 2018년 4분기 현재 실질임대료 지수는 126.5로서 명목임대료 지수 178.6 
보다 29.2%44) 낮은 수준으로 가장 큰 차이를 나타낸다.

S15 · PDF 75쪽

S15 PDF 75쪽

이 페이지 검색용 텍스트

- 61 -
자료. 리츠 자산관리회사인 K사의 데이터
<그림Ⅲ-18> 서울 도심권역 오피스의 명목임대료와 실질임대료 추이
서울 강남권역 오피스의 평균 공실률은 2008년 3분기에 최저 0.6%를 기록한 이후 
증가하여, 2009년과 2010년에 3~5% 수준, 2011년에 2% 수준으로 감소, 2012년 이후 
증가하여 2017년까지 5%에서 7% 중반 수준에서 등락을 거듭해 왔다. 그러나 강남
권역의 명목임대료 지수는 금융위기 이후에도 큰 변동 없이 완만한 상승 추이를 유
지하여 2008년 4분기 기준 118.9는 2018년 4분기 현재 140.6을 기록하고 있다. 명목
임대료 지수와는 달리, 실질임대료 지수는 2013년 4분기에 최고점 119.8을 기록한 
이후 하락 추이를 보였으며, 2018년 4분기 현재 103.1을 나타낸다. 명목임대료와 실
질임대료 간의 차이는 지속적으로 커진 것으로 나타났다. 2015년에 렌트프리 기간
이 연평균 2.3개월으로 상승하면서 실질임대료 지수는 명목임대료 지수 대비 19.
2%45) 낮은 104.2~104.4를 나타냈고, 2016년도에 21.7%46) 낮은 101.7~104.1, 2017년도
에 20.8%47) 낮은 108.2~109.8, 2018년도에 26.7%48) 낮은 102.1~103.1을 나타냈다.
44) 29.2% = 3.5개월(2018년 서울 도심권역 렌트프리 평균) ÷ 12개월 × 100
45) 12.2% = 2.3개월(2015년 서울 강남권역 렌트프리 평균) ÷ 12개월 × 100
46) 21.7% = 2.6개월(2016년 서울 강남권역 렌트프리 평균) ÷ 12개월 × 100

S15 · PDF 76쪽

S15 PDF 76쪽

이 페이지 검색용 텍스트

- 62 -
자료. 리츠 자산관리회사인 K사의 데이터
<그림Ⅲ-19> 서울 강남권역 오피스의 명목임대료와 실질임대료 추이
서울 여의도권역 오피스 시장은 금융위기 이후 공실률이 빠르게 증가한 타 권역
과는 달리 2012년 3분기까지 타 권역 대비 낮은 2~4% 수준의 공실률을 유지하였고,  
2011년부터 렌트프리 사례가 확인되었다. 따라서 2011년 이후부터 명목임대료와 실
질임대료 간의 차이기 발생된 것으로 추정된다. 2011년에 확인된 렌트프리 평균값
은 2011년의 타 권역 대비 높은 1.6개월/년이며, 2011년도에 실질임대료 지수는 명
목임대료 지수 108.3~111.9보다 13.3%49) 낮은 93.9~97.0을 기록하였다. 2012년 4분기 
공실률이 12.8%로 급격히 상승한 이후 2013년까지 10~14% 수준을 유지하였다. 렌
트프리는 상대적으로 낮은 수준인 2012년 연평균 0.8개월, 2013년 연평균 0.7개월, 
2014년 연평균 0.8개월이 제공되었고, 
실질임대료 지수는 명목임대료 지수 
113.0~128.8 대비 5.8~6.7% 낮은 105.5~120.6을 기록하였다. 2015년 이후 공실률은 
10%대 이하로 다소 하락하였으나, 렌트프리는 빠르게 증가하면서 명목임대료와 실
47) 20.8% = 2.5개월(2017년 서울 강남권역 렌트프리 평균) ÷ 12개월 × 100
48) 26.7% = 3.2개월(2018년 서울 강남권역 렌트프리 평균) ÷ 12개월 × 100
49) 13.3% = 1.6개월(2011년 서울 여의도권역 렌트프리 평균) ÷ 12개월 × 100

S15 · PDF 77쪽

S15 PDF 77쪽

이 페이지 검색용 텍스트

- 63 -
질임대료의 격차는 점점 더 크게 나타났다. 명목임대료 지수는 2015년 1분기 129.0
에서 2018년 4분기 130.8로 유사한 수준으로 유지되었다. 그러나 실질임대료 지수는 
명목임대료 지수 대비 2015년 13.3%, 2016년 17.5%, 2017년 28.3%, 2018년 32.5% 낮
은 수준으로서, 2015년 1분기 111.8에서 2018년 4분기 88.3으로 빠르게 하락하였다.
자료. 리츠 자산관리회사인 K사의 데이터
<그림Ⅲ-20> 서울 여의도권역 오피스의 명목임대료와 실질임대료 추이

S15 · PDF 78쪽

S15 PDF 78쪽

이 페이지 검색용 텍스트

- 64 -
5. 서울 오피스 임대계약의 특성
5.1 서울 오피스 임대계약의 임대기간
임대기간은 임대료, 임대면적과 같이 임대계약의 주요 조건으로서 국가, 지역, 시
점, 건물용도 등에 따라서 다르게 나타난다. 그러나 서울 오피스의 임대계약 관련 
내용은 구득에 제약이 많아서 사례 조사나 연구는 매우 제한적이다. 따라서 본 연
구의 표본인 1,338건의 임대계약 사례에 기초하여 서울 오피스의 임대 기간을 확인
해 보고자 한다.
자료. 본 연구의 표본인 임대계약 1,338건
<그림Ⅲ-21> 임대계약 사례의 시점50)별 임대기간 
50) 임대계약의 계약 체결일과 임대기간의 시작일은 시차가 다소 발생할 수 있다. 임대기간이 임대계
약의 실질적인 기준일이므로, 본 연구는 임대기간의 시작일을 각 임대계약의 기준일로 간주한다.

S15 · PDF 79쪽

S15 PDF 79쪽

이 페이지 검색용 텍스트

- 65 -
임대기간
24월 이내
24월 초과
36월 이내
36월 초과
48월 이내
48월 초과
60월 이내
60월 초과
72월 이내
72월 초과
84월 이내
84월 초과
96월 이내
96월 초과
120월 이내120월 초과
계
도심권역
(권역내 비율)
110건
111건
23건
160건
14건
9건
6건
34건
7건
474건
(23.2%)
(23.4%)
(4.9%)
(33.8%)
(3.0%)
(1.9%)
(1.3%)
(7.2%)
(1.5%)
(100.0%)
강남권역
(권역내 비율)
137건
131건
30건
106건
16건
5건
3건
15건
1건
444건
(30.9%)
(29.5%)
(6.8%)
(23.9%)
(3.6%)
(1.1%)
(0.7%)
(3.4%)
(0.2%)
(100.0%)
여의도권역
(권역내 비율)
40건
32건
8건
35건
14건
2건
1건
4건
8건
144건
(27.8%)
(22.2%)
(5.6%)
(24.3%)
(9.7%)
(1.4%)
(0.7%)
(2.8%)
(5.6%)
(100.0%)
기타권역
(권역내 비율)
71건
75건
8건
97건
13건
4건
2건
4건
2건
276건
(25.7%)
(27.2%)
(2.9%)
(35.1%)
(4.7%)
(1.4%)
(0.7%)
(1.4%)
(0.7%)
(100.0%)
계
(비율)
358건
349건
69건
398건
57건
20건
12건
57건
18건
1,338건
(26.8%)
(26.1%)
(5.2%)
(29.7%)
(4.3%)
(1.5%)
(0.9%)
(4.3%)
(1.3%)
(100.0%)
<표 Ⅲ-6> 임대기간별 계약 건수(비율)
자료. 본 연구의 표본인 임대계약 1,338건
자료. 본 연구의 표본인 임대계약 1,338건
<그림 Ⅲ-22> 임대기간별 계약 건수

S15 · PDF 80쪽

S15 PDF 80쪽

이 페이지 검색용 텍스트

- 66 -
임대기간은 최대 360개월인사례도 있으나, 대체로 24개월, 36개월 및 60개월에 
집중되어 있는 것으로 보인다. 48개월 초과 60개월 이내가 29.7%(398건)로 가장 높
은 비중을 나타내고, 24개월 이내가 26.8%(358건), 24개월 초과 36개월 이내가 
26.1%(349건)의 비중을 보인다. 이 3개의 임대기간이 전체 1,338건 중 1,105건으로 
82.6%에 해당한다. 
60개월 초과의 경우 12.3%(164건) 수준인 반면, 60개월 이내가 87.7%(1,174건)로서 
대다수를 차지하고 있다. 업무권역별 임대기간도 유사하게 60개월 이내가 도심권역 
85.2%(404건), 강남권역 91.0%(404건), 여의도권역 79.9%(115건), 기타권역 90.9%(251
건)로 높은 비중을 차지하고 있다. 따라서 서울 오피스의 임대기간은 대체로 60개월 
이내로, 주로 24개월, 36개월 및 60개월 수준에서 결정되는 것으로 추정할 수 있다.
2009년부터 2018년까지 계약사례 1,338건의 임대기간은 평균 46.8개월이며, 2016
년에 최대 360개월을 기록한다. 2009년에 임대기간이 평균 35.5개월을 나타내고  
2011년까지 평균 52.9개월로 증가한 이후, 2015년까지 42.3개월로 감소한다. 2016년
과 2017년에 각각 46.4개월, 40.4개월로 이전과 유사한 수준을 유지하나, 2018년에 
대폭 증가하여 65.1개월을 기록한다. 이는 2009년부터 2017년까지의 평균 46.1개월 
대비 19개월 높은 수준이다. 최근 공유오피스의 확장으로 15년 이상의 장기 임대계
약 사례가 증가하고, 임대인이 장기 임대계약을 선호하는 시장 상황이 반영된 것으
로 추정된다.  
임대기간은 계약 체결 시점의 시장 환경, 임대인의 판단 및 임차인의 요구에 따라 
변동될 수 있다. 임대인은 임대시장이 불안정할 것으로 예측하는 경우, 임차인에게 
전략적으로 장기의 임대기간을 제시할 수 있으며, 우량 임차인에게는 더욱 적극적
으로 제안할 수도 있다. 반대로 임대시장이 호황일 것으로 예상하는 경우, 임대인은 
임대 만기 시점에 높은 임대료 인상을 위해 임대기간을 단기로 운영하는 방안도 가
능하다. 따라서 서울 오피스 시장에서 임대기간은 시장 환경 등에 대응하여 변동되
는 것으로 유추할 수 있다.
구 분
2009년
2010년
2011년
2012년
2013년
2014년
2015년
2016년
2017년
2018년
전체
임대
기간
(월)
최대
120.0
165.0
228.0
136.0
178.8
168.0
152.5
360.0
120.0
240.0
360
평균
35.5
47.8
52.9
49.8
45.5
43.2
42.3
46.4
40.4
65.1
46.8
계약건수
39건
95건
176건
218건
206건
204건
143건
121건
91건
45건
1,338건
<표 Ⅲ-7> 연도별 임대기간
자료. 본 연구의 표본인 임대계약 1,338건

S15 · PDF 81쪽

S15 PDF 81쪽

이 페이지 검색용 텍스트

- 67 -
2009년~2017년 평균 46.1개월
자료. 본 연구의 표본인 임대계약 1,338건
<그림 Ⅲ-23> 연도별 평균 임대기간
5.2 서울 오피스 임대계약의 임대면적
임대면적은 임대계약의 주요 조건으로서 임차인의 수요를 파악하여 임대 시장을 
이해하는데 중요한 자료가 될 수 있다. 일반적으로 임차인의 업종, 규모 등에 따라 
임대 수요는 다른 특성을 보이고 업무권역별로 다른 임대 구성이 나타난다. 따라서 
서울 오피스 시장에서 임대계약내용을 구득하기 어려운 점을 감안하여, 제한적일 
수 있으나 본 연구의 1,338건의 임대계약 사례로 서울 오피스 시장에서 나타나는 
임대면적의 특성에 대해 검토해 보고자 한다.
임대면적별 전체 계약사례 건수를 분류해 보면, 500㎡ 초과 1,000㎡ 이하의 임대
면적이 348건으로 26.0%를 차지하여 가장 높은 비중을 나타낸다. 다음으로 1,000㎡ 
초과 2,000㎡ 이하가 320건으로 23.9%이며, 500㎡ 이하가 294건으로 22.0%로 높은 
비중을 차지한다. 따라서 2,000㎡ 이하의 임대면적이 총 71.9%(962건)로서 대부분을 
차지한다. 각 업무권역도 유사하게 2,000㎡ 이하의 임대면적이 70% 내외 수준을 차

S15 · PDF 82쪽

S15 PDF 82쪽

이 페이지 검색용 텍스트

- 68 -
지하여, 도심권역이 총 69.0%(327건), 강남권역이 총 72.7%(323건), 여의도권역이 총 
72.2%(104건), 기타권역이 총 75.4%(208건)을 나타낸다.
전체 계약사례의 임대면적은 최소 102㎡부터 최대 76,880㎡로 큰 편차를 나타낸
다. 각 권역별 최대값은 강남권역이 76,880㎡ 로 가장 높으며, 도심권역이 65,372㎡, 
여의도권역 27,302㎡이며, 기타권역이 19,240㎡로 가장 낮다. 전체 계약사례의 중앙
값은 도심권역과 강남권역이 유사한 수준으로 1,098㎡과 1,115㎡을 나타내며, 기타
권역 992㎡이며 여의도권역이 897㎡로 가장 낮다. 전체 평균 임대면적은 2,384㎡이
며, 도심권역이 2,865㎡로 가장 높고, 강남권역 2,200㎡, 여의도권역 2,369㎡이며, 기
타권역이 1,863㎡로 가장 낮다.
평균 임대면적이 가장 크고 중앙값이 높은 수준인 도심권역이 타 권역보다 각 임
차인의 임대면적이 대체로 큰 것으로 판단된다. 오피스의 규모가 소형부터 초대형
까지 공급되어 있으며, 대기업, 외국기업, 정부기관, 금융사 등 다양한 임대 수요와 
규모를 보이는 도심권역의 특성이 반영된 것으로 추정된다. 
임대면적
서울시 업무권역
계
도심
강남
여의도
기타
500㎡이하
119건 (25.1%)
79건 (17.8%)
43건 (29.9%)
53건 (19.2%)
294건 (22.0%)
1,000㎡이하
100건 (21.1%)
124건 (27.9%)
37건 (25.7%)
87건 (31.5%)
348건 (26.0%)
2,000㎡이하
108건 (22.8%)
120건 (27.0%)
24건 (16.7%)
68건 (24.6%)
320건 (23.9%)
3,000㎡이하
53건 (11.2%)
40건 (9.0%)
12건 (8.3%)
24건 (8.7%)
129건 (9.6%)
4,000㎡이하
19건 (4.0%)
27건 (6.1%)
4건 (2.8%)
11건 (4.0%)
61건 (4.6%)
5,000㎡이하
14건 (3.0%)
13건 (2.9%)
4건 (2.8%)
15건 (5.4%)
46건 (3.4%)
6,000㎡이하
7건 (1.5%)
11건 (2.5%)
8건 (5.6%)
3건 (1.1%)
29건 (2.2%)
6,000㎡초과
54건 (11.4%)
30건 (6.8%)
12건 (8.3%)
15건 (5.4%)
111건 (8.3%)
소  계
474건 (100%)
444건 (100%)
144건 (100%)
276건 (100%)
1,338건 (100%)
최소값
102㎡
136㎡
103㎡
114㎡
102㎡
최대값
65,372㎡
76,880㎡
27,312㎡
19,240㎡
76,880㎡
중앙값
1,098㎡
1,115㎡
897㎡
992㎡
1,045㎡
평  균
2,865㎡
2,200㎡
2,369㎡
1,863㎡
2,384㎡
<표 Ⅲ-8> 임대면적별 계약사례 건수
자료. 본 연구의 표본인 임대계약 1,338건

S15 · PDF 83쪽

S15 PDF 83쪽

이 페이지 검색용 텍스트

- 69 -
자료. 본 연구 표본인 임대계약 1,338건
<그림 Ⅲ-24> 임대면적별 계약 건수의 상자 수염 그림 
서울 주요 업무권역(기타권역 제외) 중 강남권역은 2,000㎡ 이하의 임대면적 비중
이 가장 높으며 임대면적 평균도 가장 작게 나타난다. 강남권역은 테헤란로를 따라
서 중⸱소형 오피스를 중심으로 형성되어 대형 임대가 제한된 반면, 다양한 중⸱소형 
임대 수요를 보이는 특징이 반영된 것으로 보인다. 
한편 여의도권역은 도심권역 다음으로 높은 평균을 나타내고 있으나, 중앙값은 가
장 낮다. 오피스의 규모가 소형부터 초대형 오피스까지 공급되어 있으며, 금융사를 
중심으로 다수의 중소형 임차인과 일부 대형 임차인이 혼재된 결과로 추정된다. 기
타권역의 경우 최대값과 평균이 가장 낮고 중앙값은 낮은 수준을 보여, 타 권역보
다 각 임차인의 임대면적이 작은 것으로 판단된다. 주요 업무권역 외의 지역으로서 
제한된 임대수요와 중소형 오피스를 중심으로 구성된 특성이 반영된 것으로 보인
다.

S15 · PDF 84쪽

S15 PDF 84쪽

이 페이지 검색용 텍스트

- 70 -
Ⅳ. 서울 오피스의 렌트프리 영향요인 실증분석
1. 분석 모형
1.1 로지스틱 회귀모형
종속변수인 렌트프리는 범주형 변수이며, 설명변수는 범주형 또는 연속형 변수들
이므로 본 연구의 목적을 고려하여 로지스틱 회귀모형(Logistic Regression Model)으
로 분석하고자 한다. 로지스틱 회귀모형은 일반적인 회귀분석과 동일하게 독립변수
들에 대한 회귀계수 추정과 유의성을 검증하나, 종속변수의 값을 설명하는 일반적
인 회귀분석과 달리 로지스틱 회귀분석은 종속변수가 특정범주에 속할 확률을 설명
한다는 점에서 차이가 있다(김순귀 외, 2012). 
회귀분석이란 종속변수 또는 반응변수와 하나 이상의 독립변수 또는 설명변수들 
사이의 함수 관계를 설명하려는 통계적인 기법으로서, 종속변수의 변화에 영향을 
미치는 여러 개의 변수들을 이용하여 다른 변수의 변화를 예측하는 방법으로 가장 
대표적인 종속관계에 관한 분석이다(김순귀 외, 2012, p. 9). 회귀분석은 독립변수의 
수에 따라 독립변수가 1개이면 단순회귀분석, 2개 이상이면 다중회귀분석이라고 하
며, 독립변수 와 종속변수 간의 관계를 설명하기 위하여 수학적으로 도식화하면 
다음과 같이 표현할 수 있다(강선호, 2017).

<식 Ⅳ-1>
하지만 종속변수가 연속변수가 아닌 범주형(두 개 또는 그 이상의 값)인 경우 일
반 선형회귀분석의 기본 가정인 오차항의 등분산성과 독립성 그리고 오차항의 정규
분포 가정을 위배하기 때문에 선형회귀분석 대신 로지스틱 회귀분석을 적용한다(김
순귀 외, 2012, p. 10). 선형회귀분석은 “0”과 “1” 사이의 값을 취하도록 제한하지 않
아서 예측된 값들을 확률로 해석할 수 없다는 한계가 있다. 로지스틱 회귀분석은 
종속변수가 특정범주에 속할 확률을 설명하는데, 확률이 0.5보다 크면 해당 사건이 
발생하고 확률이 0.5보다 작으면 사건이 발생하지 않는 것으로 예측한다. 로지스틱 
회귀분석도 종속변수와 독립변수들 사이의 함수관계를 설명하는 통계기법으로서 하
나의 종속변수와 한 개 이상의 독립변수 사이의 관계를 표현하기 위해 가장 잘 적
합되고 모수의 수를 절약한 모형을 찾는 것을 목표로 한다(강선호, 2017).

S15 · PDF 85쪽

S15 PDF 85쪽

이 페이지 검색용 텍스트

- 71 -
1.2 이분형 로지스틱 회귀모형
본 연구는 렌트프리 제공 여부에 영향을 미치는 요인을 분별하고 그 특성을 확인
하고자 종속변수가 두 개의 범주인 이분형 로지스틱 회귀모형(Binary Logistic 
Regression)으로 분석하고자 한다. 이분형 로지스틱 모형은 <식 Ⅳ-2>와 같다. 종속
변수가 취하는 명목형 범주 는 0, 1 이고 이항 분포를 따른다고 가정하면, 종속변
수가 범주 에 속할 확률은 <식 Ⅳ-3>과 같다(김순귀 외, 2012, p. 22).
log

⋯
<식 Ⅳ-2> 
  

exp
exp
<식 Ⅳ-3> 
이분형 로지스틱 회귀모형은 일반적으로 연관성 기준인 승산(Odds Ratio)을 적용
한 계수를 해석한다. 편의상 독립변수 가 “0” 또는 “1”로 코드화 되었다고 가정할 
때 = 1과  = 0에 대한 로짓의 차이는 다음과 같다. 즉, 이 경우의 로짓의 차이
는 과 같다(김순귀 외, 2012, p. 22).
  

<식 Ⅳ-4>
<표 Ⅳ-1>은 독립변수가 이분형인 경우의 교차표로서 4개의 로지스틱 확률 값을 나
타낸다. 
<표 Ⅳ-1> 이분형 로지스틱 회귀모형의 값
종속변수()
독립변수()
=1
=0
= 1

exp
exp

exp
exp
= 0

exp


exp

계
1.0
1.0
출처. 김순귀 외, 2012 참고

S15 · PDF 86쪽

S15 PDF 86쪽

이 페이지 검색용 텍스트

- 72 -
=1인 경우 종속변수 가 “1”이 될 승산(odds)은 


로 정의하며, =0인 경
우 종속변수 가 “1”이 될 승산은 


로 정의한다. 이 때 =0에 대한 =1의 
승산의 비를 승산비라고 정의하며 <식 Ⅳ-5>와같이 표현한다.



<식 Ⅳ-5>
  <표 Ⅳ-1>의 4개의 식을 <식 Ⅳ-5>에 대입하면, 독립변수가 “0”과 “1”인 이분형
인 로직스틱 회귀모형에서 승산비와 회귀계수의 관계는 <식 Ⅳ-5>과 같다.


exp
exp
/ 
exp


exp
exp
/ 
exp


exp
exp

exp
<식 Ⅳ-6>
1.3 순서형 로지스틱 회귀모형
어떤 구간 내의 임의의 값을 가지는 변수이거나 측정 범위 내에서 그 차이들이 
서로 동일한 척도변수는 통상적인 선형회귀모형이 적용된다. 그러나 병세의 정도(없
음, 다소 있음, 심각함), 일 성취도(부적절, 만족함, 우수함), 정치 후보자의 대한 의
견(강력 반대, 반대, 찬성, 강력 찬성)과 같은 변수는 각 범주의 차이가 근접하더라
고 서로 다를 것이다. 또 다른 예로 교육연수를 측정한 변수는 시간은 분명히 연속
이지만 교육적인 중대 시점이 있다는 점을 착안하면 시간과 교육의 성취도 개념과
의 관계는 달라진다. 학교 교육 12년 후 졸업장을 취득하기 때문에 교육연수 12년
과 11년 사이의 차이는 10년과 11년 사이의 차이보다 크다고 볼 수 있다. 이와 같

S15 · PDF 87쪽

S15 PDF 87쪽

이 페이지 검색용 텍스트

- 73 -
이 각 범주들 간에 경계 효과(Threshold Effect)를 나타내고 순서가 있는 변수를 순서
형 변수(Ordinal Variable)라 한다(김순귀 외, 2012). 
임대계약에 반영된 렌트프리는 임대인과 임차인 간의 협상의 결과로 볼 수 있다. 
일반적으로 임대인은 연 1, 2, 3개월과 같이 연평균 개월 수를 기준으로 렌트프리를 
제시하며 마케팅을 진행하고, 임차인과 협의하여 최종 계약 체결에 이르게 된다. 임
대인에게는 렌트프리 제공은 임대수익의 감소로 직결되므로 최대한 렌트프리를 줄
이고자 노력하며, 시장 상황에 대비하여 렌트프리를 단 1개월이라도 추가하는 데는 
신중할 수밖에 없다. 예로, 인근 경쟁 빌딩이 연평균 1~2개월을 제공하는 데 반해, 
특별한 사정이 없는 한 3~4개월을 제공하기는 어려운 것이다. 
본 연구의 종속변수인 렌트프리의 연평균 개월 수는 0, 1, 2, 3, 4, ⋯같이 순서
의 경향을 보이며, 각 범주가 일정한 차이가 아니므로 순서형 변수로 볼 수 있다. 
따라서 본 연구는 렌트프리 제공 수준(연평균 개월수)에 영향을 미치는 요인을 분별
하고 그 특성을 확인하고자 순서형 로지스틱 회귀모형(Ordinal Logistic Regression)으
로 분석하고자 한다. 
종속변수가 취하는 범주가 1, 2, ⋯, 일 때, 종속변수가 범주 값을 가지고 설명
변수 , , ⋯, 가 ⋯를 취했을 때의 확률은 <식 Ⅳ-7>와 같다.
⋯
<식 Ⅳ-7>
그리고 첫 번째 범주부터 번째 범주까지의 확률의 합을 <식 Ⅳ-8>로 정의하면, 
순서형 로지스틱 모형은 <식 Ⅳ-9>와 같다.
⋯
<식 Ⅳ-8>
log

⋯
  
<식 Ⅳ-9>
     단, ⋯
log

≤log

이므로 ≤의 관계를 만족한다. <식 Ⅳ-9>의 
모형으로부터 종속변수가 어느 한 범주에 속할 확률은 <식 Ⅳ-10>과 같이 계산될 
수 있다(서혜선 외, 2013, pp. 234-235).

S15 · PDF 88쪽

S15 PDF 88쪽

이 페이지 검색용 텍스트

- 74 -

exp′
exp′

exp′
exp′

exp′
exp′

exp′
exp′

exp′
exp′
⋮
⋯
           단, ′ ⋯⋯
<식 Ⅳ-10>
본 연구는 상기 모형식에 독립변수()로 임대계약 특성(임대면적, 임대기간, 계약
임대료, 계약연도), 건물 특성(건물연면적, 신축여부, 건축연한, 건물공실률), 임대시
장 특성(시장임대료, 시장공실률, 업무권역), 거시경제 특성(경제성장률, 회사채 수익
률)을 반영한다.

S15 · PDF 89쪽

S15 PDF 89쪽

이 페이지 검색용 텍스트

- 75 -
2. 실증 분석 대상
본 연구는 서울시 업무권역(도심권역, 강남권역, 여의도권역, 기타권역)에 소재한 
오피스 빌딩의 실제 체결된 임대계약 사례를 분석 대상으로 한다. 분석 대상은 서
울에 소재한 연면적 7,600㎡ 이상의 오피스 빌딩 90개동에서 2009년부터 2018년 사
이에 체결된 총 1,338건의 임대계약 사례이다. 
2.1 조사 대상
조사대상인 오피스 90개동은 서울시의 3대 업무권역(도심권역, 강남권역, 여의도
권역) 및 기타권역에 고르게 분포되어 있다. 도심권역이 34개동(37.8%)으로 가장 많
으며, 강남권역이 27개동(30.0%)으로 두 번째로 많으며, 여의도권역이 기타권역보다 
적은 11개동(12.2%)으로 구성된다. 이는 오피스 재고량이 타 권역 대비 낮은 여의도
권역의 특성이 반영된 것으로 판단된다. 건물연면적51)별로는 50,000㎡ 이상이 23개
동(25.6%), 33,000㎡ 이상 50,000㎡ 미만이 30개동(33.3%), 16,500㎡ 이상 50,000㎡ 미
만이 26개동(28.9%)으로 고르게 분포하는 반면, 16,500㎡ 미만은 11개동(12.2%)으로 
감소한다. 서울 상업용 부동산 시장에서 중대형 오피스 빌딩이 주요 대상인 점이 
반영된 것으로 보인다.
건물연면적
서울시 업무권역
계
도심
강남
여의도
기타
50,000㎡이상
13
4
3
3
23 (25.6%)
33,000㎡이상
14
8
5
3
30 (33.3%)
16,500㎡이상
3
11
2
10
26 (28.9%)
16,500㎡미만
4
4
1
2
11 (12.2%)
계
34 (37.8%)
27 (30.0%)
11 (12.2%)
18 (20.0%)
90 (100%)
<표 Ⅳ-2> 조사 대상의 연면적별 건물수
51) 국내 오피스의 등급에 대한 명확한 정의는 없으며 실무적인 기준이 적용되고 있다. 부동산종합서
비스회사인 ㈜신영에셋은 오피스를 건물연면적 기준으로 50,000㎡ 이상은 Prime급으로, 33,000㎡ 이
상은 A급으로, 16,500㎡ 이상은 B급으로, 16,500㎡ 미만을 C급으로 분류하고 있다.

S15 · PDF 90쪽

S15 PDF 90쪽

이 페이지 검색용 텍스트

- 76 -
<그림 Ⅳ-1> 조사 대상의 연면적별 건물수
상업용 부동산 관련 전문기관이 작성하는 시장보고서의 조사대상을 살펴보면, 서
울 소재 오피스 표본은 최소 97개부터 최대 903개이다. 본 연구의 조사대상 건물수 
90개는 시장보고서 표본의 최소값과 유사한 수준이며 최대값의 10% 수준이다. 그리
고 일부 업체는 25,000㎡ 이상의 오피스만 대상으로 하는 반면, 본 연구는 7,600㎡ 
이상의 건물도 포함하여 폭 넓은 건물 규모를 대상으로 한다. 시장보고서의 표본은 
업무권역별로 도심권역이 23%~49%, 강남권역이 37%~41%, 여의도권역이 10%~19% 
수준을 보여 본 연구의 권역별 비중과 유사하게 나타났다. 일부 시장보고서는 서울 
3대 권역만 대상으로 하는 반면 본 연구는 기타권역까지 포함한 서울 전체를 대상
으로 한다. 따라서 본 연구의 조사대상은 전문기관의 조사 표본과 유사하게 서울 
업무권역에 고르게 분포되어 있으며, 건물 규모 기준과 건물수를 고려시 서울 오
피스 시장을 충분히 대변하는 것으로 판단된다.

S15 · PDF 91쪽

S15 PDF 91쪽

이 페이지 검색용 텍스트

- 77 -
구분
에비슨영
젠스타
교보리얼코
CBRE
세빌스
신영에셋
본 연구
조사 지역
서울, 분당,
6대광역시
서울
서울,분당,
6대광역시
서울 
3대 권역
서울 
3대 권역
서울, 분당
서울
연면적 기준1,500㎡이상1,500㎡이상3,300㎡이상
-
30,000㎡이상25,000㎡이상7,600㎡이상
건물규모
5층 이상
-
-
A/B급
-
10층 이상
10층 이상
조사 건물수
총 1,136개
총 539개
총 1262개
총 286개
총 97개
총 409개
총 90개
서울 소재
건물수(개)
843
(100%)
539
(100%)
903
(100%)
286
(100%)
97
(100%)
-
90
(100%)
업무
권역
도심
193
(22.9%)
138
(25.6%)
219
(24.3%)
136
(47.6%)
47
(48.5%)
-
34
(37.8%)
강남
315
(37.4%)
194개
(36.0%)
370
(41.0%)
98
(34.3%)
32
(33.0%)
-
27
(30.0%)
여의도
101
(12.0%)
95개
(17.6%)
92
(10.2%)
52
(18.2%)
18
(18.6%)
-
11
(12.2%)
기타
234
(27.8%)
112개
(20.8%)
222
(24.6%)
-
-
-
18
(20.0%)
기준일
2019. 2Q
2018. 4Q
2019. 2Q
2017. 4Q
2019. 2Q
2018. 2Q
-
<표 Ⅳ-3> 서울 상업용 부동산 시장보고서의 오피스 조사대상 비교
출처. 각 기관의 인터넷 홈페이지에 수록된 시장 보고서를 참조
2.2 분석 대상
본 연구의 분석 대상은 오피스 90개동의 총 1,338건의 임대계약 사례로서, 각 임
대계약의 렌트프리 기간을 비롯하여 임대면적, 임대기간, 계약임대료 등의 상세 조
건을 포함한다. 상업용 부동산 시장에서 오피스 빌딩을 수익 목적으로 투자 및 운
영하는 점을 고려하여 개인 소유의 빌딩 또는 사옥용 빌딩은 최대한 배제하고, 오
피스 임대시장에서 일반적이지 않은 단기 임차(1년 미만), 소형 임대면적(100㎡ 미
만) 및 반/전세구조(보증금이 월임대료의 15배 이상)의 계약 사례는 제외한다.
임대계약 1,338건은 업무권역별로 도심권역 474건(35.4%), 강남권역 444건(33.3%), 
여의도권역 144건(10.8%), 기타권역 276건(20.6%)으로 구성된다. 주요 업무권역인 도
심권역과 강남권역이 높은 비중을 보이나, 여의도권역은 오피스 재고량이 낮아서 
표본 개수도 상대적으로 적은 것으로 판단된다. 건물연면적 별로 살펴보면, 16,500
㎡ 미만의 임대계약은 58건으로 4.3%에 불과한 반면, 건물연면적 50,000㎡ 이상의 
임대계약은 전체 1,338건 중 534건(39.9%)으로 가장 많으며, 33,000㎡ 이상 50,000㎡ 
미만은 399건(29.8%), 16,500㎡ 이상 33,000㎡ 미만은 347건(25.9%)을 나타낸다.

S15 · PDF 92쪽

S15 PDF 92쪽

이 페이지 검색용 텍스트

- 78 -
따라서 본 연구의 분석 대상은 서울의 주요 업무권역 전체를 대상으로, 서울 오피
스 시장의 주 대상인 16,500㎡ 이상의 중대형 오피스 빌딩에 고르게 분포되어, 서울 
오피스 임대시장을 충분히 대변하는 것으로 판단된다.
건물연면적
서울시 업무권역
계
도심
강남
여의도
기타
50,000㎡이상
251
130
65
88
534 (39.9%)
33,000㎡이상
138
141
59
61
399 (29.8%)
16,500㎡이상
76
139
11
121
347 (25.9%)
16,500㎡미만
9
34
9
6
58
(4.3%)
계
474 (35.4%)
444 (33.2%)
144 (10.8%)
276 (20.6%)
1,338 (100%)
<표 Ⅳ-4> 분석 대상의 건물연면적별 임대계약수
주) 임대계약 상 임대기간의 시작 시점을 기준하여 작성함.
<그림 Ⅳ-2> 분석 대상의 건물연면적별 임대계약수

S15 · PDF 93쪽

S15 PDF 93쪽

이 페이지 검색용 텍스트

- 79 -
임대계약 1,338건을 임대기간의 개시 시점을 기준으로 분류하면, 금융위기 이후 
렌트프리가 나타나기 시작한 2009년 1분기부터 2018년 4분기까지의 최근 사례로 구
성된다. 이를 연도별로 살펴보면, 2012년도부터 2014년도 사이의 임대계약이 연도별
로 15% 이상을 차지하여 다른 연도에 비해 상대적으로 많다. 2011년도와 2015년도
가 10% 이상을 보이며, 2011년도부터 2015년도 사이의 임대계약이 전체 1,338건 중 
947건으로 70.8%를 차지한다. 2009년도와 2018년도의 임대계약은 2.9%(39건) 및 
3.4%(45건)의 비중으로 적은 편이다. 각 권역의 임대계약수는 연도별로 차이가 있으
며 각 연도별 비중도 편차가 있으나, 대체로 도심권역과 강남권역이 높고 여의도권
역이 가장 낮게 유지된다. 
연도
서울시 업무권역
계
도심
강남
여의도
기타
2009
7
27
1
4
39 (2.9%)
2010
23
44
7
21
95 (7.1%)
2011
86
49
15
26
176 (13.2%)
2012
89
75
25
29
218 (16.3%)
2013
86
67
14
39
206 (15.4%)
2014
65
61
40
38
204 (15.2%)
2015
36
53
9
45
143 (10.7%)
2016
38
38
13
32
121 (9.0%)
2017
22
24
11
34
91 (6.8%)
2018
22
6
9
8
45 (3.4%)
계
474 (35.4%)
444 (33.2%)
144 (10.8%)
276 (20.6%)
1,338 (100%)
<표 Ⅳ-5> 분석 대상의 연도별 임대계약수
주) 임대계약 상 임대기간의 시작 시점을 기준하여 작성함.

S15 · PDF 94쪽

S15 PDF 94쪽

이 페이지 검색용 텍스트

- 80 -
<그림 Ⅳ-3> 분석 대상의 연도별 임대계약수
연도별로 임대계약 수의 차이는 자료 구득에 대한 제약에서 비롯한 점도 있으나, 
서울 오피스 임대시장의 변동에 따른 영향도 있는 것으로 추정된다. 임대계약 체결 
수는 신규 오피스의 공급 증가에 따라 증가할 수 있으나, 임대기간의 증가로 인해 
감소할 수도 있다. 경제 상황에 따른 임대수요의 증가 또는 감소에 따라 계약 체결 
수는 변동할 수 있으며, 각 권역별 특성이 영향을 끼칠 수도 있다.
본 연구의 분석대상은 오피스 규모, 계약 시점, 업무권역 별로 전반적으로 고르게 
구성되어 있으므로, 서울 오피스 임대시장을 대변하여 렌트프리 영향요인에 대한 
심도있는 분석이 가능할 것이다.52)
52) CBRE(2016)가 작성한 시장보고서는 서울 주요 3대 업무권역 및 기타 업무권역에 소재한 총 373개
의 오피스빌딩(도심권역 128개, 강남권역 90개, 여의도권역 52개, 판교권역 77개, 상암권역 26개)으
로 총연면적 16,770,980㎡(도심권역 6,348,889㎡, 강남권역 3,884,164㎡, 여의도권역 2,603,330㎡, 판교
권역 2,547,551㎡, 상암권역 1,387,046㎡)을 대상으로 한다. 본 연구의 조사대상 건물 수는 90개로 
상기 대비 약 24.1%이며, 총임대면적은 3,190,132㎡으로 상기 대비 19.0% 수준이다. 한편, 세빌스
(2019)가 작성한 시장보고서는 서울 주요 3대 업무권역에 소재한 총 97개 오피스빌딩의 총임대면적 
6,830,000㎡를 조사대상으로 하여, 본 연구의 조사대상 건물수는 상기 대비 약 92.8%이며 총임대면
적은 46.7% 수준이다.

S15 · PDF 95쪽

S15 PDF 95쪽

이 페이지 검색용 텍스트

- 81 -
3. 변수 선정
3.1 종속 변수의 구성 및 기초통계량
본 연구는 렌트프리를 종속변수로 하며, 모형별로 아래의 표와 같이 구성한다. 모
형 1은 이분형 로지스틱 모형을 적용하여 렌트프리 여부에 대한 영향요인 분석을 
위해 2개의 범주로 구성한다. 모형 2는 렌트프리의 수준(연평균 개월수53))에 따른 
영향요인을 분석하기 위한 것으로서, 순서형 로지스틱 모형을 적용하기 위해 렌트
프리의 범위에 따라 7개의 범주로 구성한다. 
모형 1은 렌트프리의 범위를 없음(범주 0)과 있음(범주 1)으로 구분하고, 모형 2는 
0초과의 렌트프리를 연평균 1개월 단위로 범주 1에서 범주 6까지 분류한다. 1,338개
의 임대계약 중 376개는 렌트프리가 없으며, 모형 1과 2에 공통되게 범주 0에 해당
된다. 렌트프리가 있는 표본은 962개로 모형 1의 범주 2에 해당되며, 모형 2는 이를 
세분하여 범주 1부터 6로 구성한다.  
모형 1. 이분형 로지스틱
모형 2. 순서형 로지스틱
범주
렌트프리 여부
표본수
범주
렌트프리 수준
(연평균 개월수)
표본수
0
없음
376(28.1%)
0
없음
376(28.1%)
1
있음
962(71.9%)
1
0 초과 ~ 1.00 이하
235(17.6%)
2
1.00 초과 ~ 2.00 이하
343(25.6%)
3
2.00 초과 ~ 3.00 이하
192(14.3%)
4
3.00 초과 ~ 4.00 이하
121(9.0%)
5
4.00 초과 ~ 5.00 이하
53(4.0%)
6
5.0 초과
18(1.3%)
계
1,338(100%)
계
1,338(100%)
<표 Ⅳ-6> 분석 모형별 종속변수의 범주 기준 
53) 렌트프리의 단위는 오피스 시장에서 통상적으로 연평균 개월수(렌트프리 총개월수/총임대기간 개
월수×12개월)로 산정한다.

S15 · PDF 96쪽

S15 PDF 96쪽

이 페이지 검색용 텍스트

- 82 -
임대계약별로 렌트프리는 최소 0개월부터 최대 95개월까지 큰 차이를 보이며, 평
균 6.71개월, 표준편차 8.28개월을 나타낸다. 연평균으로 환산한 렌트프리는 최소 0
개월부터 최대 6.40개월로서 평균 1.57개월이며 표준편차는 1.45개월이다. 렌트프리
가 있는 경우, 모형 2의 범주 2(1.00초과~2.00이하)가 343개로 가장 많으며 이어서 
범주 1이 235개, 범주 3이 192개이다. 범주 4 이상(3.00 초과)은 표본수가 작아지고, 
연평균 5.00초과인 렌트프리는 그 표본수가 제한적이므로 범주 6에 모두 포함되며 
렌트프리가 연평균 5.07~6.40인 표본 18개가 이에 해당된다. 
종속 변수명
단위
최소값
최대값
평균
표준편차
총렌트프리(임대계약별)
TRF
월
0.00
95.00
6.71
8.28
연평균 렌트프리
ARF
월/년
0.00
6.40
1.57
1.45
모형 1. 범주 2개
ARF_2
더미
0.00
1.00
0.72
0.45
모형 2. 범주 7개
ARF_7
더미
0.00
6.00
1.76
1.52
<표 Ⅳ-7> 종속 변수의 기초통계량(N=1338)
3.2 설명 변수의 구성 및 기초통계량
설명변수는 임대계약 특성, 건물 특성, 임대시장 특성, 거시경제 특성으로 구분하
고 선행연구에서 오피스 임대시장을 분석하는 데 사용된 주요 변수들을 설정하며, 
2개의 분석 모형에 동일하게 반영한다. 각각의 특성별 설명 변수와 각 변수에 대한 
설명은 <표 Ⅳ-8>과 같다.
오피스 임대시장에 대한 선행연구에서 반영된 주요 변수들을 고려하여, 임대계약 
특성으로 임대면적, 임대면적비율, 임대기간, 계약임대료, 관리비, 임대보증금 및 임
대보증금 비율, 계약연도를 설명변수로 구성하고, 건물 특성으로 개별 건물의 연면
적 및 연면적(더미), 신축여부, 건축연한, 공실률을 설명변수로 구성하고, 임대시장 
특성으로 서울 전체 임대료 및 권역별 임대료, 서울 전체 공실률 및 권역별 공실률, 
업무권역을 설명변수로 구성하고, 거시경제 특성으로 경제성장률과 회사채 수익률
을 설명변수로 구성한다(여태종 외, 201554); 우철민 외, 201555); 인채권･여홍구, 201
54) 여태종 외(2015)는 서울시 오피스 260개동의 마케팅 렌트프리 자료를 분석하여, 렌트프리 영향요인
으로 추정임대료, (건물)공실률, (건물)연면적, 건축연한, 공실률이 유의한 것으로 설명하였다. 
55) 우철민 외(2015)는 2008년부터 2013년까지의 117개 임대계약 사례를 바탕으로, (시장)공실률이 높

S15 · PDF 97쪽

S15 PDF 97쪽

이 페이지 검색용 텍스트

- 83 -
356); Fisher and Ciochctti, 200757); Bond 외, 200758); Sheehan, 200659); Gunnelin and 
Sönderberg, 200360); Wheaton and Torto, 199461)).
임대계약 상의 주요 조건인 임대면적, 임대기간, 계약임대료, 관리비, 임대보증금, 
계약연도를 임대계약의 특성 변수로 구성하고, 해당 건물연면적 대비 임대면적으로 
산정된 임대면적 비율과 계약임대료 대비 임대보증금 비율을 추가한다. 임대면적
(LeaseA)은 최소 100㎡부터 최대 76,880㎡, 임대면적 비율(LeaseA_R)은 최소 0.10%
부터 최대 100%로 큰 차이를 나타낸다. 임대기간(LTerm)은 최소 12개월부터 최대 
360개월까지 포함하고 있다. 단위면적당 계약임대료(Urent)는 최소 월10,350원/㎡부
터 최대 월39,930원/㎡까지, 단위면적당 관리비(UCam)는 최소 월4,810원/㎡부터 최대 
월14,620원/㎡까지, 단위면적당 임대보증금(UDeposit)은 최소 없음부터 최대 449,210
원/㎡까지 나타난다. 임대보증금 비율(UDeposit_R)은 최소 0%부터 최대 14.75%이다. 
계약연도는 임대기간의 시작일이 해당하는 연도를 2009년부터 2018년까지 총 10개
로 구분한 더미로 반영하였다. 임대계약 특성과 관련한 변수들의 범위가 폭 넓게 
나타나므로 서울 오피스의 다양한 임대계약 사례가 포함된 것으로 판단된다. 
종속변수인 렌트프리와 유의한 관계가 있을 수 있는 건물의 특성 변수로서 건물
연면적, 건축연한, 건물공실률을 구성하고 33,000㎡를 기준하여 구분한 건물연면적 
더미와 건축연한 3년을 기준한 신축여부 더미를 추가한다. 각 건물의 연면적(GFA)
은 최소 7,670㎡부터 최대 212,620㎡까지로, 임대기간 개시 시점의 준공 경과일인 
건축연한(Built_D)은 최소 0.03개월부터 최대 405.07개월까지이며, 각 건물의 공실률
은 최소 0%부터 최대 62.95%까지 나타나 임대계약별로 건물 특성의 차이가 큰 것
으로 추정된다. 
아지면서 렌트프리를 반영한 실질임대료와 표면임대료 간의 차이가 커지고 있음을 확인하였다.
56) 인채권·여홍구(2013)는 2008년부터 2012년까지의 상업용 부동산 임대계약 3,996건을 분석하였다. 
임대면적, 계약유형, 임대용도가 계약기간에 대해 유의하고, 임대면적이 넓은 경우 장기임차 경향이 
높은 것으로 설명하였다. 
57) Fisher and Ciochetti(2007)는 2001년부터 2005년까지의 미국 오피스 임대계약 3,655건의 사례를 바
탕으로, 임차인 업종과 지역에 따라 임대면적 및 임대기간, TI 조건에 차이가 있음을 밝혔다. 
58) Bond 외(2007)는 영국 런던의 935개 오피스 임대계약을 대상으로 건물 등급, 건축연한, 임대면적, 
임대기간, 계약체결시점 등의 변수로 모형을 구성하여 실질임대료와의 관계를 분석하였다.
59) Sheehan(2006)은 2001년부터 2005년 사이의 오피스 임대계약 4,494건을 대상으로, TI가 포함된 임
대계약의 실질임대료가 높으며, 건물의 점유면적이 높은 임차인일수록 실질임대료가 낮아지는 경향
을 확인하였다.
60) Gunnelin and Sönderberg(2003)는 스웨덴 스톡홀름의 오피스 임대계약 861건을 분석하였다. 건축연
한, 건물소유자, 임대면적, 임대기간, 계약갱신 등을 독립변수로, 임대료를 종속변수로 설정하였다.
61) Wheaton and Torto(1994)는 60,000여개 미국 오피스 임대계약에 기초하여, 임대기간, 임대면적, 신
축 여부, 건물 층수 등을 독립변수로 한 (실질)임대료 결정 모형을 제시하였다.

S15 · PDF 98쪽

S15 PDF 98쪽

이 페이지 검색용 텍스트

- 84 -
임대계약 특성과 건물 특성과 같이 내재적인 요인뿐만 아니라 시장 환경에 대한 
영향을 분석하기 위해 시장 특성 변수로서 시장임대료(서울/권역별), 시장공실률(서
울/권역별), 업무권역(더미)을 구성한다. 
특성요인
변수명
단위
내용
임대계약
특성
임대면적
LeaseA
천㎡
임대면적
임대면적(비율)
LeaseA_R
%
임대면적 / 건물연면적
임대기간
LTerm
월
임대계약 기간
계약임대료
URent
천원/㎡
단위면적당 계약임대료(월)
관리비
UCam
천원/㎡
단위면적당 관리비(월)
임대보증금
UDeposit
천원/㎡
단위면적당 임대보증금
임대보증금(비율)
UDeposit_R
%
임대보증금 / 계약임대료(월)
계약연도
Year
더미
임대기간 개시일의 해당 연도
건물
특성
건물연면적
GFA
천㎡
해당 건물의 연면적
건물연면적(더미)
GFA_D
더미
33,000㎡이상=1, 33,000㎡미만=262)
신축여부
Built_N
더미
준공 3년 이내=1, 3년 초과=2
건축연한
Built_D
월
임대기간 개시 시점의 준공 경과일
건물공실률
Vacancy_B
%
해당 건물별 공실률
임대시장
특성
시장임대료(서울)
MRent_A
천원/㎡
서울 전체 평균 임대료(분기)63)
시장임대료(권역별)
MRent_D
천원/㎡
업무권역별 평균 임대료(분기)
시장공실률(서울)
MVacancy_A
%
서울 전체 평균 공실률(분기)64)
시장공실률(권역별)
MVacancy_D
%
업무권역별 평균 공실률(분기)
업무권역
District
더미
도심=1, 강남=2, 여의도=3, 기타=4
거시경제
특성
경제성장률
GDP
%
전기대비, 분기(한국은행)
회사채 수익률
Interest
%
장외 3년, AA- 등급, 분기(한국은행)
<표 Ⅳ-8> 설명 변수의 구성 및 내용
62) 오피스 등급에 대한 명시된 기준은 없으며, 부동산 서비스회사 별로 연면적, 입지, 준공연도, 임대
료 등의 기준에 따라 등급을 분류하고 있다. 통상적으로 서울 오피스 시장에서는 33,000㎡ 이상을 
A급 오피스로 분류하고 있다(황병훈･유정석, 2017).
63) 시장임대료는 리츠자산관리회사인 K사의 2009년부터 2018년까지의 분기별 데이터이며, 명목임대
료를 참고하여 작성된 자료이다. 
64) 시장공실률은 리츠 자산관리회사인 K사의 2009년부터 2018년까지의 분기별 데이터이다.

S15 · PDF 99쪽

S15 PDF 99쪽

이 페이지 검색용 텍스트

- 85 -
서울 전체 평균 임대료(MRent_A)는 최소 월20,610원/㎡부터 최대 월23,860원/㎡까
지, 서울 업무권역별 평균 임대료(MRent_D)는 최소 월13,020원/㎡부터 최대 월
30,570원/㎡까지로 나타난다. 서울 전체 공실률(MVacancy_A)는 최소 3.08%부터 최대 
9.34%까지, 서울 업무권역별 공실률(MVacancy_D)는 최소 1.36%부터 최대 14.30%까
지 나타난다. 업무권역 더미는 서울 3대 업무권역인 도심권역(1), 강남권역(2), 여의
도권역(3)과 기타권역(4)으로 구분하여 총 4개로 구성한다.
거시경제 변화에 따른 영향을 확인하기 위한 변수로서 경제성장률(GDP)과 회사채 
수익률(Interest)을 반영한다. 경제성장률은 최소 –0.1%부터 2.8%까지, 회사채 수익률
은 최소 1.67%부터 6.85%까지로 나타난다.
특성요인
설명 변수명
단위
최소값
최대값
평균
표준편차
임대계약
특성
임대면적
LeaseA
천㎡
0.10
76.88
2.38
4.86
임대면적(비율)
LeaseA_R
%
0.10
100.00
5.86
10.79
임대기간
LTerm
월
12.00
360.00
46.75
29.62
계약임대료
URent
천원/㎡
10.35
39.93
24.25
5.83
관리비
UCam
천원/㎡
4.81
14.62
10.62
1.72
임대보증금
UDeposit
천원/㎡
0.00
449.21
218.57
75.59
임대보증금(비율)
UDeposit_R
%
0.00
14.75
9.09
2.38
건물
특성
건물연면적
GFA
천㎡
7.67
212.62
60.59
50.76
건축연한
Built_D
월
0.03
405.07
131.89
96.76
건물공실률
Vacancy_B
%
0.00
62.95
11.99
12.90
임대시장
특성
시장임대료(서울)
MRent_A
천원/㎡
20.61
23.86
22.45
0.85
시장임대료(권역별)
MRent_D
천원/㎡
13.02
30.57
22.22
5.04
시장공실률(서울)
MVacancy_A
%
3.08
9.34
6.94
1.55
시장공실률(권역별)
MVacancy_D
%
1.36
14.30
7.03
2.59
거시경제
특성
경제성장률
GDP
%
-0.10
2.80
0.77
0.40
회사채 수익률
Interest
%
1.67
6.85
3.29
1.00
<표 Ⅳ-9> 설명 변수의 기초통계량 (N=1338)

S15 · PDF 100쪽

S15 PDF 100쪽

이 페이지 검색용 텍스트

- 86 -
3.3 설명 변수의 적정성 검정 
본 연구에서 구성한 설명변수들의 적합성을 검정하기 위해 각각의 설명변수가 종
속변수인 렌트프리 제공 여부에 대해 통계적 특성 차이가 있는지를 검토한다. 먼저 
연속변수에 대한 독립표본 t-검정을 실시한다. Levene의 등분산 검정결과 설명변수 
중 임대면적(비율), 임대기간, 건축연한, 건물공실률 및 시장임대료(서울)은 유의확률
(p-value)이 0.05를 초과하므로, 두 집단의 오차변량이 같다(

; 즉, 두 집단
의 추출된 모집단이 같다)는 귀무가설을 기각하지 못하여 등분산 가정이 충족된다. 
그 외의 설명변수는 유의확률(p-value)이 0.05 이내로서, 귀무가설은 기각되어 등분
산은 가정되지 않는다. 
특성
요인
설명 변수명
Levene의 등분산 검정
평균의 동일성에 대한 t-검정
등분산
가정
F
유의확률
t
자유도
유의확률 
(양쪽)
평균차
임대계약
특성
임대면적
LeaseA
가정되지 
않음
9.79
0.00**
-3.62
1201.12
0.00**
-0.84
임대면적(비율)
LeaseA_R
가정됨
0.12
0.73
0.09
1336.00
0.93
0.06
임대기간
LTerm
가정됨
0.10
0.75
-7.04
1336.00
0.00**
-12.46
계약임대료
URent
가정되지 
않음
63.76
0.00**
-10.36
943.64
0.00**
-3.10
관리비
UCam
가정되지 
않음
26.53
0.00**
-9.85
788.72
0.00**
-0.93
임대보증금
UDeposit
가정되지 
않음
10.34
0.00**
-7.29
791.86
0.00**
-30.84
임대보증금(비율)
UDeposit_R
가정되지 
않음
7.14
0.01**
-1.25
614.86
0.21
-0.19
건물
특성
건물연면적
GFA
가정되지 
않음
96.52
0.00**
-10.36
1117.51
0.00**
-25.30
건물공실률
Vacancy_B
가정됨
2.27
0.13
-3.02
1336.00
0.00**
-2.36
임대시장
특성
시장임대료(서울)
MRent_A
가정됨
0.88
0.35
-6.48
1336.00
0.00**
-0.33
시장임대료(권역별)
MRent_D
가정되지 
않음
10.81
0.00**
-7.68
739.30
0.00**
-2.23
시장공실률(서울)
MVacancy_A 가정되지 
않음
11.62
0.00**
-5.01
649.10
0.00**
-0.48
시장공실률(권역별) MVacancy_D 가정되지 
않음
22.67
0.00**
-2.44
578.93
0.01*
-0.42
거시경제
특성
경제성장률
GDP
가정되지 
않음
4.66
0.03*
3.51
602.62
0.00**
0.91
회사채 수익률
Interest
가정되지 
않음
5.61
0.02*
6.76
623.22
0.00**
0.42
<표 Ⅳ-10> 연속 변수의 독립표본 t-검정
주) **. 0.01 수준에서 유의함;  *. 0.05 수준에서 유의함.

S15 · PDF 101쪽

S15 PDF 101쪽

이 페이지 검색용 텍스트

- 87 -
설명변수에 따라 등분산 가정 여부가 다르므로, 각각 해당되는 t-검정 결과를 기
준하여 분석한다. 대부분의 변수가 유의확률(p-value)이 0.05 이내로서, 두 집단의 평
균이 동일하다()는 귀무가설을 기각한다. 즉, 렌트프리 제공 여부(범주 0 
및 범주 1)에 따른 두 집단의 평균 차이가 통계적으로 유의하게 나타난다. 다만, 임
대계약 특성 중 임대면적(비율)과 임대보증금(비율)의 유의확률(p-value)은 0.05를 초
과하여 귀무가설을 기각하지 못하여, 렌트프리에 대해 통계적으로 유의하지 않은 
변수로 해석된다. 따라서 임대면적(비율)과 임대보증금(비율)은 설명변수로서 적정하
지 않은 것으로 판단되므로 본 연구의 분석 모형에서 제외하고자 한다. 
계약연도, 건물연면적, 신축여부, 업무권역 더미 변수에 대해서 렌트프리 제공 여
부와의 관계를 조사하기 위해 카이제곱() 검정을 실시하였다. 모든 더미 변수가 
유의확률(p-value)이 0.05 이내로서, 렌트프리와의 관계가 독립적이다라는 귀무가설
이 기각되어 렌트프리와 통계적으로 유의한 관계가 있는 것으로 나타난다.
구 분
교차표
렌트프리 제공
카이제곱 (Pearson )
없음
있음
전체
값
자유도
유의확률
계약연도
Year
2009년
4 (8.9%)
41 (91.1%)
45 (100.0%)
59.036
9
.000**
2010년
18 (19.8%)
73 (80.2%)
91 (100.0%)
2011년
19 (15.7%)
102 (84.3%)
121 (100.0%)
2012년
26 (18.2%)
117 (81.8%)
143 (100.0%)
2013년
58 (28.4%)
146 (71.6%)
204 (100.0%)
2014년
69 (33.5%)
137 (66.5%)
206 (100.0%)
2015년
67 (30.7%)
151 (69.3%)
218 (100.0%)
2016년
52 (29.5%)
124 (70.5%)
176 (100.0%)
2017년
40 (42.1%)
55 (57.9%)
95 (100.0%)
2018년
23 (59.0%)
16 (41.0%)
39 (100.0%)
전체
376 (28.1%)
962 (71.9%)
1338 (100.0%)
건물연면적(더미)
GFA_D
33,000㎡이상
201 (21.5%)
732 (78.5%)
933 (100.0%)
65.615
1
.000**
33,000㎡미만
175 (43.2%)
230 (56.8%)
405 (100.0%)
전체
376 (28.1%)
962 (71.9%)
1338 (100.0%)
신축여부
Built_N
3년 이내
57 (17.6%)
266 (82.4%)
323 (100.0%)
23.033
1
.000**
3년 초과
319 (31.4%)
696 (68.6%)
1015 (100.0%)
전체
376 (28.1%)
962 (71.9%)
1338 (100.0%)
업무권역
District
도심권역
76 (16.0%)
398 (84.0%)
474 (100.0%)
53.822
3
.000**
강남권역
148 (33.3%)
296 (66.7%)
444 (100.0%)
여의도권역
53 (36.8%)
91 (63.2)
144 (100.0%)
기타권역
99 (35.9%)
177 (64.1%)
276 (100.0%)
전체
376 (28.1%)
962 (71.9%)
1338 (100.0%)
<표 Ⅳ-11> 더미 변수의 카이제곱 검정 결과
주) **. 0.01 수준(양쪽)에서 유의함.

S15 · PDF 102쪽

S15 PDF 102쪽

이 페이지 검색용 텍스트

- 88 -
3.4 설명 변수의 상관관계 분석 
임대계약, 건물, 임대시장, 거시경제 특성을 나타내는 변수를 선정하고 다중공선성 
문제를 야기할 수 있는 변수를 탐색하여 배제하고자 상관관계 분석을 실시한다. t-
검정 결과 렌트프리에 대해 통계적으로 유의하지 않은 변수인 임대면적(비율) 
LeaseA_R은 임대면적 LeaseA과 높은 상관계수 0.812를 나타낸다. 임대보증금(비율) 
Udeposit_R도 임대보증금 Udeposit과 0.706으로 상대적으로 높은 상관계수를 나타낸
다. 따라서 통계적 유의성이 낮은 임대면적(비율) 및 임대보증금(비율)은 제외하고, 
임대면적 및 임대보증금을 이에 대한 대용 변수로 고려한다. 임대계약 특성 중 계
약임대료 URent, 관리비 Ucam, 임대보증금 Udeposit는 상호 간의 상관계수는 
0.511~0.842 수준으로 상대적으로 높다. 계약임대료의 수준에 따라 임대보증금 및 
관리비의 수준도 결정되는 임대시장의 특성이 반영된 것으로 추정된다. 따라서 다
중공선성을 야기 가능한 임대보증금 및 관리비를 분석모형의 설명변수에서 제외하
고, 계약임대료만 설명변수로 선정하고자 한다.  
건물 특성 중 건물연면적 GFA는 건물연면적(더미) GFA_D와의 상관계수가 0.490
으로 높은 편이다. 한편, 계약임대료 및 관리비와의 상관계수가 각각 0.498 및 0.561
으로 다소 높은 경향이 있다. 이는 대형 빌딩 일수록 임대료 및 관리비가 높은 점
에서 기인한 것으로 판단된다. 따라서 설명변수로서 계약임대료 및 관리비와 높은 
상관관계를 보이는 건물연면적을 배제하고 건물연면적(더미)를 채택한다. 
임대시장 특성 중 시장임대료(권역) MRent_D은 계약임대료 및 관리비에 각각 상
관계수 .603 및 .484로 높은 경향이 있으며, 업무권역(더미) District와는 .956으로 매
우 높다. 업무권역별 특성이 영향을 미치는 것으로 추정된다. 따라서 시장임대료 
(권역)은 배제하고 시장임대료(서울) 
MRent_A을 채택한다. 
시장공실률(서울) 
MVacancy_A와 시장공실률(권역) MVacancy_D 간의 상관계수는 .558로 높은 편으로 
두 변수 중 하나의 변수를 채택하고자 한다. 한편 두 변수는 시장임대료(서울)과 
.887 및 .498의 상관계수를 보인다. 따라서 상관계수가 매우 높은 시장공실률(서울)
을 제외하고 시장공실률(권역)을 분석 모형에 반영하고자 한다. 업무권역(더미) 
District는 상기에 선정된 변수 중 계약임대료와 높은 상관계수 -.618을 보이나, 공선
성 진단 결과 문제가 없는 것으로 판단되어 설명변수로서 선정한다. 
마지막으로, 설명변수로 채택된 시장임대료(서울) MRent_A와 시장공실률(권역) 
MVacancy_D는 계약연도 Year 및 회사채 수익률 Interest와 높은 상관관계를 보이며, 
계약연도 Year과 회사채 수익률 Interest 간에도 높은 상관관계를 나타낸다. 신축여
부 Built_N와 건축연한 Built_D의 상관계수도 0.692로 높은 수준이다. 따라서 해당

S15 · PDF 103쪽

S15 PDF 103쪽

이 페이지 검색용 텍스트

- 89 -
변수들이 중첩되지 않는 분석모형을 구성하여 다중공선성이 야기되지 않도록 할 필
요가 있다.
구분
LeaseA LeaseA
_R
LTerm URent
Ucam Udepos
it
Udepos
it_R
Year
GFA
GFA_D Built_N Built_D Vacanc
y_B
MRent_
A
MRent_
D
MVaca
ncy_A
MVaca
ncy_D District
GDP
Interest
임대면적
LeaseA
1
.812** .257** .092** .084**
.022
-.038
.001
.035 -.089** -.083** -.105** -.080** -.005 .077**
.004
.025 -.071** .006
-.006
임대면적
(비율)
LeaseA_R
.812**
1
.191** -.073** -.104** -.046
.008
.004 -.207** .142** -.023
-.004 -.120** -.009
.002
.010
.010
-.005
.033
-.008
임대기간
LTerm
.257** .191**
1
.244** .218**
.038 -.139** -.020 .138** -.164** -.279** -.244** -.035
-.042
.068*
-.031
-.007
-.053
-.053
.030
계약
임대료
URent
.092** -.073** .244**
1
.842** .573** -.131** -.083** .498** -.279** -.275** -.128** .151** -.059* .603** -.075** -.253** -.618** -.039 .075**
관리비
Ucam
.084** -.104** .218** .842**
1
.511** -.081** -.036 .561** -.250** -.261** -.129** .082** -.009 .484** -.016 -.135** -.469** -.037
.021
임대보증금
Udeposit
.022
-.046
.038
.573** .511**
1
.706** -.112** .269** -.163** -.147** .009
.078** -.085** .382** -.097** -.239** -.415** -.004 .086**
임대보증금
(비율)
Udeposit_R
-.038
.008 -.139** -.131** -.081** .706**
1
-.051 -.091** .033
.055* .115** -.021
-.042
-.026
-.046 -.068*
.005
.030
.036
계약연도
Year
.001
.004
-.020 -.083** -.036 -.112** -.051
1
-.046 -.090** .205** .188** .200** .966** .066* .833** .490** .126** -.261** -.891**
건물연면적
GFA
.035 -.207** .138** .498** .561** .269** -.091** -.046
1
-.490** -.145** -.265** .035
-.018 .142** -.027
-.024 -.144** -.078** .028
건물연면적
(더미)
GFA_D
-.089** .142** -.164** -.279** -.250** -.163** .033 -.090** -.490**
1
.132** .132** -.116** -.098** -.224** -.056* -.080** .177** .100** .099**
신축여부
Built_N
-.083** -.023 -.279** -.275** -.261** -.147** .055* .205** -.145** .132**
1
.692** .124** .194** -.168** .210** -.066* .152**
.010 -.184**
건축연한
Built_D
-.105** -.004 -.244** -.128** -.129** .009
.115** .188** -.265** .132** .692**
1
.045
.181**
.008
.182** -.091** -.005
-.014 -.149**
건물공실률
Vacancy_B -.080** -.120** -.035 .151** .082** .078** -.021 .200**
.035 -.116** .124**
.045
1
.190** .354** .151** .068* -.294** -.041 -.108**
시장임대료
(서울)
MRent_A
-.005
-.009
-.042 -.059* -.009 -.085** -.042 .966** -.018 -.098** .194** .181** .190**
1
.080** .887** .498** .112** -.286** -.910**
시장임대료
(권역)
MRent_D
.077**
.002
.068* .603** .484** .382** -.026
.066* .142** -.224** -.168** .008
.354** .080**
1
.034
-.033 -.956** -.084** -.046
시장공실률
(서울)
MVacancy_A
.004
.010
-.031 -.075** -.016 -.097** -.046 .833** -.027 -.056* .210** .182** .151** .887**
.034
1
.558** .134** -.157** -.855**
시장공실률
(권역)
MVacancy_D
.025
.010
-.007 -.253** -.135** -.239** -.068* .490** -.024 -.080** -.066* -.091** .068* .498** -.033 .558**
1
.245** -.114** -.471**
업무권역
(더미)
District
-.071** -.005
-.053 -.618** -.469** -.415** .005
.126** -.144** .177** .152** -.005 -.294** .112** -.956** .134** .245**
1
.030 -.120**
경제성장률
GDP
.006
.033
-.053
-.039
-.037
-.004
.030 -.261** -.078** .100**
.010
-.014
-.041 -.286** -.084** -.157** -.114** .030
1
.273**
회사채
수익률
Interest
-.006
-.008
.030
.075**
.021
.086**
.036 -.891** .028
.099** -.184** -.149** -.108** -.910** -.046 -.855** -.471** -.120** .273**
1
<표 Ⅳ-12> 상관관계 분석 (Pearson 상관계수) 
주) **. 상관계수는 0.01 수준(양쪽)에서 유의함.
     *. 상관계수는 0.05 수준(양쪽)에서 유의함.

S15 · PDF 104쪽

S15 PDF 104쪽

이 페이지 검색용 텍스트

- 90 -
3.5 설명 변수 선정 결과
여러 설명변수 중에서 임대계약 특성 요인으로는 임대면적, 임대기간, 계약임대료, 
계약연도를, 건물 특성 요인으로는 건물연면적(더미), 신축여부, 건축연한, 건물공실
률을, 임대시장 특성 요인으로는 서울 전체 임대료, 권역별 공실률, 업무권역을, 거
시경제 특성 요인으로는 경제성장률, 회사채 수익률을 본 연구의 분석 모형에 적정
한 변수로 선정한다.
특성요인
변수명
단위
내용
임대계약
특성
임대면적
LeaseA
천㎡
임대면적
임대기간
LTerm
월
임대계약 기간
계약임대료
URent
천원/㎡
단위면적당 계약임대료(월)
계약연도
Year
더미
임대 개시일의 해당 연도(2009~2018년)
건물
특성
건물연면적(더미)
GFA_D
더미
33,000㎡이상=1, 33,000㎡미만=2
신축여부
Built_N
더미
준공 3년 경과 여부(임대 개시 시점)
건축연한
Built_D
월
임대기간 시작 시점의 준공 경과일
건물공실률
Vacancy_B
%
해당 건물별 공실률
임대시장
특성
시장임대료(서울)
MRent_A
천원/㎡
서울 전체 평균 임대료(분기)65)
시장공실률(권역별)
MVacancy_D
%
업무권역별 평균 공실률(분기)66)
업무권역
District
더미
도심=1, 강남=2, 여의도=3, 기타=4
거시경제
특성
경제성장률
GDP
%
전기대비, 분기(한국은행)
회사채 수익률
Interest
%
장외 3년, AA- 등급, 분기(한국은행)
<표 Ⅳ-13> 설명 변수의 선정 결과
65) 시장임대료는 리츠자산관리회사인 K사의 2009년부터 2018년까지의 분기별 데이터이며, 시장에 공
개되는 명목임대료를 참고하여 작성된 자료이다. 각 임대계약 사례의 임대기간 시작 시점에 해당하는 분
기별 데이터를 기준 한다.
66) 시장공실률은 리츠자산관리회사인 K사의 2009년부터 2018년까지의 분기별 데이터이며, 각 임대계
약 사례의 임대기간 시작 시점에 해당하는 분기별 데이터를 기준한다.

S15 · PDF 105쪽

S15 PDF 105쪽

이 페이지 검색용 텍스트

- 91 -
4. 렌트프리 여부에 대한 영향요인 실증분석
모형 1은 렌트프리 여부에 대한 영향요인 분석을 위해 이분형 로지스틱 모형을 
적용하며, 종속변수를 렌트프리 없음(범주0)과 있음(범주1)으로 2개의 범주로 구성한
다. 설명변수는 임대계약 특성 변수로서 임대면적, 임대기간, 계약임대료 및 계약연
도를, 건물 특성 변수로서 건물연면적(더미), 신축여부, 건축연한 및 건물공실률을, 
임대시장 특성 변수로서 시장임대료(서울), 시장공실률(권역) 및 업무권역을, 거시경
제 특성 변수로서 경제성장률 및 회사채 수익률을 선정한다. 모형 1은 각 특성별로 
설명변수를 조합하여 아래와 같이 7개의 모형으로 구성한다.
구분
변수명
단위
내용
1-1
1-2
1-3
1-4
1-5
1-6
1-7
종속변수
렌트프리
ARF_2
더미
범주 0 (없음)
범주 1 (있음)
O
O
O
O
O
O
O
임대계약
특성
임대면적
LeaseA
천㎡
임대면적
O
O
O
O
O
O
O
임대기간
LTerm
월
임대계약 기간
O
O
O
O
O
O
O
계약임대료
URent
천원/㎡
단위면적당 
계약임대료(월)
O
O
O
O
O
O
O
계약연도
Year
더미
임대개시일의
해당 연도
O
O
-
-
O
O
-
건물
특성
건물연면적(더미)
GFA_D
더미
33,000㎡이상=1,
33,000㎡미만=2
O
O
O
O
O
O
O
신축여부
Built_N
더미
준공 3년 이내=1
준공 3년 초과=2
O
-
-
O
O
-
-
건축연한
Built_D
월
준공 이후 임대 
개시까지 경과일
-
O
O
-
-
O
O
건물공실률
Vacancy_B
%
해당 건물별 
공실률
O
O
O
O
O
O
O
임대시장
특성
시장임대료(서울)
MRent_A
천원/㎡
서울 전체 평균 
임대료(분기)
-
-
O
O
-
-
-
시장공실률(권역)
MVacancy_D
%
업무권역별 평균 
공실률(분기)
-
-
O
O
-
-
-
업무권역
District
더미
도심=1, 강남=2,
여의도=3, 기타=4
-
-
-
O
O
O
O
경제성장률
GDP
%
경제성장률
(전기대비,분기)
-
-
-
-
-
O
O
거시경제
특성
회사채 수익률
Interest
%
회사채(장외3년,
AA-등급, 분기)
-
-
-
-
-
-
O
<표 Ⅳ-14> 모형 1의 변수 구성

S15 · PDF 106쪽

S15 PDF 106쪽

이 페이지 검색용 텍스트

- 92 -
4.1 모형 1-1의 분석 결과
모형 1-1의 설명변수는 임대계약 특성 변수로서 임대면적, 임대기간, 계약임대료 
및 계약연도를, 건물 특성 변수로서 건물연면적(더미), 신축여부 및 건물공실률을 반
영한다. 임대면적, 건물공실률 및 계약연도 2010년은 렌트프리 여부에 통계적으로 
유의하지 않은 것으로 나타났으나, 그 외 모든 변수는 유의한 것으로 나타난다. 
임대계약 특성 중 임대기간 및 계약임대료는 양(+)의 관계로 유의하여, 임대기간
이 길수록, 계약임대료가 높을수록 렌트프리가 포함될 가능성이 높다. 계약연도는 
2010년을 제외한 모든 연도가 양(+)의 관계로 유의하여, 기준 범주인 2009년 대비 
렌트프리 포함 가능성이 높은 것으로 나타난다. 2014년 이후의 승산비는 다른 변수
보다 높은 수준이며 2018년에는 가장 높은 승산비(Exp(B)=9.039)를 기록하여 영향력
이 큰 것으로 나타난다. 즉, 최근 계약연도일수록 렌트프리 포함 가능성이 높은 것
으로 판단된다. 건물 특성 중 건물연면적과 신축여부도 양(+)의 관계로 유의하여, 
건물연면적이 클수록, 신축일수록 렌트프리가 포함될 확률이 높다. 
구분
변수명
B
표준오차
Wals
유의확률
Exp(B)
임대계약
특성
임대면적
LeaseA
.020
.022
.831
.362
1.020
임대기간
LTerm
.014
.003
17.851
.000
1.014***
계약임대료
URent
.088
.014
39.260
.000
1.092***
계약
연도
Year
2018년
2.202
.645
11.655
.001
9.039***
2017년
1.951
.447
19.053
.000
7.037***
2016년
1.977
.435
20.669
.000
7.219***
2015년
1.978
.416
22.647
.000
7.227***
2014년
1.105
.386
8.198
.004
3.018***
2013년
.692
.382
3.270
.071
1.997*
2012년
.730
.383
3.637
.056
2.076*
2011년
.836
.393
4.529
.033
2.308**
2010년
.624
.413
2.282
.131
1.867
건물
특성
건물연면적
GFA_D (1)
.585
.142
17.048
.000
1.795***
신축여부
Built_N(1)
.517
.185
7.796
.005
1.677***
건물공실률
Vacancy_B
.008
.006
2.009
.156
1.008
상수항
-1.688
.357
22.389
.000
.185
<표 Ⅳ-15> 모형 1-1의 분석 결과
주1) -2 Log 우도 : 1364.914 ; 카이제곱 : 224.391 ; 유의확률 : .000 ; Cox & Snell R2 : .154 ; Nagelkerke R2 : .222
2) * p < 0.1, ** p < 0.05, *** p < 0.01
3) 종속변수는 범주 0(렌트프리 없음)이 참조 범주임.
4) 계약연도는 범주 2009년이, 건물연면적는 범주 2(33,000㎡미만)가, 신축여부는 범주 2(준공 3년 초과)가 참조 범주임.

S15 · PDF 107쪽

S15 PDF 107쪽

이 페이지 검색용 텍스트

- 93 -
4.2 모형 1-2의 분석 결과
모형 1-2는 모형 1-1과 동일한 변수로 구성하되, 신축여부 대신 건축연한을 반영
한다. 임대계약 특성 변수로 임대면적, 임대기간, 계약임대료 및 계약연도를, 건물 
특성 변수로 건물연면적(더미), 건축연한 및 건물공실률로 구성한다. 임대면적, 건물
공실률 및 계약연도 2010년은 렌트프리 여부에 통계적으로 유의하지 않은 것으로 
나타났으나, 그 외 모든 변수는 유의한 것으로 나타난다. 
임대계약 특성 중 임대기간 및 계약임대료는 양(+)의 관계로 유의하여, 임대기간
이 길수록, 계약임대료가 높을수록 렌트프리가 포함될 가능성이 높게 나타난다. 계
약연도는 2010년을 제외한 모든 연도가 양(+)의 관계로 유의하므로 기준 범주인 
2009년 대비 렌트프리 포함 가능성이 높다. 2014년 이후의 승산비가 다른 변수보다 
높은 수준이고 2018년에 가장 높은 승산비(Exp(B)=12.254)를 보이므로, 최근 계약사
례일수록 렌트프리 포함 가능성이 높은 것으로 판단된다. 건물 특성 중 건물연면적
은 양(+)의 관계로, 건축연한은 음(-)의 관계로 유의하다. 즉, 건물연면적이 클수록, 
건축연한이 짧을수록 렌트프리 제공 가능성이 높은 것으로 설명된다. 
구분
변수명
B
표준오차
Wals
유의확률
Exp(B)
임대계약
특성
임대면적
LeaseA
.018
.022
.628
.428
1.018
임대기간
LTerm
.013
.003
14.105
.000
1.013***
계약임대료
URent
.102
.014
49.767
.000
1.107***
계약
연도
Year
2018년
2.506
.650
14.848
.000
12.254***
2017년
2.100
.453
21.462
.000
8.163***
2016년
2.111
.443
22.723
.000
8.252***
2015년
2.039
.421
23.460
.000
7.680***
2014년
1.200
.391
9.408
.002
3.320***
2013년
.824
.388
4.507
.034
2.280**
2012년
.810
.387
4.374
.036
2.248**
2011년
.894
.397
5.068
.024
2.446**
2010년
.664
.418
2.526
.112
1.943
건물
특성
건물연면적
GFA_D (1)
.530
.143
13.767
.000
1.699***
건축연한
Built_D
-.003
.001
22.665
.000
.997***
건물공실률
Vacancy_B
.005
.006
.857
.354
1.006
상수항
-1.546
.356
18.827
.000
.213
<표 Ⅳ-16> 모형 1-2의 분석 결과
주1) -2 Log 우도 : 1349.959 ; 카이제곱 : 239.346 ; 유의확률 : .000 ; Cox & Snell R2 : .164 ; Nagelkerke R2 : .236
2) * p < 0.1, ** p < 0.05, *** p < 0.01
3) 종속변수는 범주 0(렌트프리 없음)이 참조 범주임.
4) 계약연도는 범주 2009년이, 건물연면적는 범주 2(33,000㎡미만)가 참조 범주임.

S15 · PDF 108쪽

S15 PDF 108쪽

이 페이지 검색용 텍스트

- 94 -
4.3 모형 1-3의 분석 결과
모형 1-3은 모형 1-2의 변수 중 계약연도를 제외하고 임대시장 특성 변수를 추가
하여 분석한다. 임대계약 특성 변수로 임대면적, 임대기간 및 계약임대료를, 건물 
특성 변수로 건물연면적(더미), 건축연한 및 건물공실률을, 임대시장 특성 변수로 시
장임대료(서울) 및 시장공실률(권역)을 반영한다. 모형 1-1 및 1-2와 동일하게 임대
기간, 계약임대료, 건물연면적 및 건축연한은 렌트프리 여부에 통계적으로 유의하
나, 임대면적 및 건물공실률은 유의하지 않은 것으로 나타났다. 추가된 시장임대료
(서울)은 유의하나 시장공실률(권역)은 유의하지 않은 결과를 보인다.  
임대계약 특성 중 임대기간 및 계약임대료는 양(+)의 관계로 유의하여, 임대기간
이 길수록, 계약임대료가 높을수록 렌트프리가 포함될 가능성이 높게 나타난다. 건
물 특성 중 건물연면적은 양(+)의 관계로, 건축연한은 음(-)의 관계로 유의하여, 건
물연면적이 클수록, 건축연한이 짧을수록 렌트프리가 포함되는 경향이 있다. 임대시
장 특성 중 시장임대료(서울)는 양(+)의 관계로 유의하여 시장임대료가 높을수록 렌
트프리가 존재할 확률이 높은 것으로 설명된다. 또한, 승산비(Exp(B)=1.770)가 가장 
높게 나타나 다른 변수보다 영향력이 큰 것으로 판단된다. 
구분
변수명
B
표준오차
Wals
유의확률
Exp(B)
임대계약
특성
임대면적
LeaseA
.016
.021
.583
.445
1.016
임대기간
LTerm
.014
.003
16.471
.000
1.014***
계약임대료
URent
.094
.015
41.392
.000
1.099***
건물
특성
건물연면적
GFA_D (1)
.519
.141
13.614
.000
1.680***
건축연한
Built_D
-.003
.001
21.351
.000
.997***
건물공실률
Vacancy_B
.004
.006
.509
.475
1.004
임대시장
특성
시장임대료(서울)
MRent_A
.571
.093
37.947
.000
1.770***
시장공실률(권역)
MVacancy_D
.009
.031
.083
.773
1.009
상수항
-14.366
1.988
52.200
.000
.000
<표 Ⅳ-17> 모형 1-3의 분석 결과
주1) -2 Log 우도 : 1371.478 ; 카이제곱 : 217.827 ; 유의확률 : .000 ; Cox & Snell R2 : .150 ; Nagelkerke R2 : .216
2) * p < 0.1, ** p < 0.05, *** p < 0.01
3) 종속변수는 범주 0(렌트프리 없음)이 참조 범주임.
4) 건물연면적은 범주 2(33,000㎡미만)가 참조 범주임.

S15 · PDF 109쪽

S15 PDF 109쪽

이 페이지 검색용 텍스트

- 95 -
4.4 모형 1-4의 분석 결과
모형 1-4은 모형 1-3의 변수 중 건축연한을 제외하고 신축여부를 포함하며, 임대
시장 특성 변수 중 업무권역을 추가하여 분석한다. 업무권역은 도심권역(1), 강남권
역(2), 여의도권역(3)과 참조범주인 기타권역(4)로 구성된다. 임대계약 특성으로 임대
면적, 임대기간 및 계약임대료를, 건물 특성으로 건물연면적(더미), 신축여부 및 건
물공실률을, 임대시장 특성으로 시장임대료(서울), 시장공실률(권역) 및 업무권역을 
반영한다. 
기존 모형과 동일하게 임대기간, 계약임대료, 건물연면적, 신축여부는 양(+)의 관
계로 유의하며, 임대면적, 건물공실률 및 시장공실률(권역)은 유의하지 않은 결과를 
보인다. 추가된 업무권역 변수는 여의도권역만 음(-)의 관계로 유의한 결과를 보여, 
여의도권역이 참조범주인 기타권역보다 렌트프리가 없을 확률이 높다. 한편, 건물연
면적의 승산비(Exp(B)=1.825)가 가장 높게 나타나 상대적으로 영향력이 큰 것으로 
해석된다. 
구분
변수명
B
표준오차
Wals
유의확률
Exp(B)
임대계약
특성
임대면적
LeaseA
.019
.022
.713
.399
1.019
임대기간
LTerm
.015
.003
19.647
.000
1.015***
계약임대료
URent
.078
.018
19.319
.000
1.081***
건물
특성
건물연면적
GFA_D (1)
.602
.144
17.409
.000
1.825***
신축여부
Built_N(1)
.386
.202
3.660
.056
1.471*
건물공실률
Vacancy_B
.001
.006
.010
.920
1.001
임대시장
특성
시장임대료(서울)
MRent_A
.580
.098
35.322
.000
1.786***
시장공실률(권역)
MVacancy_D
.005
.038
.021
.885
1.005
업무
권역
District
도심(1)
.326
.239
1.859
.173
1.386
강남(2)
-.191
.244
.611
.434
.826
여의도(3)
-.790
.249
10.110
.001
.454***
상수항
-14.683
2.060
50.800
.000
.000
<표 Ⅳ-18> 모형 1-4의 분석 결과
주1) -2 Log 우도 : 1364.431 ; 카이제곱 : 224.874 ; 유의확률 : .000 ; Cox & Snell R2 : .155 ; Nagelkerke R2 : .223
2) * p < 0.1, ** p < 0.05, *** p < 0.01
3) 종속변수는 범주 0(렌트프리 없음)이 참조 범주임.
4) 건물연면적은 범주 2(33,000㎡미만)가, 신축여부는 범주 2(준공 3년 초과)가, 업무권역은 범주 4(기타)가 참조 
범주임.

S15 · PDF 110쪽

S15 PDF 110쪽

이 페이지 검색용 텍스트

- 96 -
4.5 모형 1-5의 분석 결과
모형 1-5는 모형 1-4의 변수 중 시장임대료(서울) 및 시장공실률(권역)을 제외하고 
계약연도를 추가한다. 임대계약 특성으로 임대면적, 임대기간, 계약임대료 및 계약
연도를, 건물 특성으로 건물연면적(더미), 신축여부 및 건물공실률을, 임대시장 특성
으로 업무권역을 반영한다. 
기존 모형과 동일하게 임대면적, 건물공실률, 도심권역 및 강남권역은 유의하지 
않으며 임대기간, 계약임대료, 건물연면적, 신축여부, 여의도권역은 유의한 결과를 
보인다. 다만, 계약연도는 2013년이 유의하지 않아서 다소 다른 결과이나, 2010년은 
유의하지 않으며 승산비가 2014년 이후 높게 나타나고 2018년이 가장 높은 점은 다
른 모형과 유사하다. 즉, 2010년 및 2013년을 제외한 다른 계약연도는 기준 범주인 
2009년 대비 렌트프리 포함 가능성이 높은 결과를 보인다. 
구분
변수명
B
표준오차
Wals
유의확률
Exp(B)
임대계약
특성
임대면적
LeaseA
.021
.024
.797
.372
1.021
임대기간
LTerm
.014
.003
17.178
.000
1.014***
계약임대료
URent
.086
.018
22.726
.000
1.090***
계약
연도
Year
2018년
2.353
.658
12.799
.000
10.516***
2017년
1.983
.453
19.127
.000
7.265***
2016년
1.997
.443
20.369
.000
7.369***
2015년
1.974
.423
21.750
.000
7.202***
2014년
1.200
.397
9.137
.003
3.321***
2013년
.629
.390
2.595
.107
1.875
2012년
.677
.390
3.012
.083
1.968*
2011년
.703
.400
3.086
.079
2.020*
2010년
.622
.420
2.191
.139
1.862
건물
특성
건물연면적
GFA_D (1)
.630
.146
18.522
.000
1.878***
신축여부
Built_N(1)
.434
.202
4.629
.031
1.544**
건물공실률
Vacancy_B
.002
.006
.079
.778
1.002
임대시장
특성
업무
권역
District
도심(1)
.347
.242
2.054
.152
1.415
강남(2)
-.221
.221
.998
.318
.802
여의도(3)
-.790
.254
9.657
.002
.454***
상수항
-1.676
.433
14.955
.000
0.187
<표 Ⅳ-19> 모형 1-5의 분석 결과
주1) -2 Log 우도 : 1341.606 ; 카이제곱 : 247.700 ; 유의확률 : .000 ; Cox & Snell R2 : .169 ; Nagelkerke R2 : .243
2) * p < 0.1, ** p < 0.05, *** p < 0.01
3) 종속변수는 범주 0(렌트프리 없음)이 참조 범주임.
4) 계약연도는 범주 2009년이, 건물연면적은 범주 2(33,000㎡미만)가, 신축여부는 범주 2(준공 3년 초과)가, 업무권역은 
범주 4(기타)가 참조 범주임.

S15 · PDF 111쪽

S15 PDF 111쪽

이 페이지 검색용 텍스트

- 97 -
4.6 모형 1-6의 분석 결과
모형 1-6은 임대계약 특성으로 임대면적, 임대기간, 계약임대료 및 계약연도를, 건
물 특성으로 건물연면적(더미), 건축연한 및 건물공실률을, 임대시장 특성으로 업무
권역을 반영하고 거시경제 특성으로 경제성장률을 추가하여 분석한다. 
기존 모형과 유사하게 임대기간, 계약임대료, 건물연면적, 건축연한은 유의한 결과
를 보인다. 계약연도는 승산비가 2014년 이후 높아지며 2018년에 가장 높은 점은 
유사하나, 2010년부터 2012년까지 유의하지 않아서 다소 다른 결과를 나타낸다. 업
무권역 중 여의도권역은 음(-)의 관계로 유의하나 도심권역은 양(+)의 관계로 유의
하므로, 여의도권역은 렌트프리가 없는 반면 도심권역은 렌트프리 제공 확률이 높
은 것으로 설명된다. 한편, 경제성장률은 통계적으로 유의하지 않은 결과를 보인다.
구분
변수명
B
표준오차
Wals
유의확률
Exp(B)
임대계약
특성
임대면적
LeaseA
.019
.024
.608
.436
1.019
임대기간
LTerm
.013
.003
14.485
.000
1.013***
계약임대료
URent
.090
.018
24.658
.000
1.094***
계약
연도
Year
2018년
2.538
.680
13.938
.000
12.659***
2017년
2.009
.483
17.312
.000
7.456***
2016년
1.999
.474
17.823
.000
7.383***
2015년
1.937
.449
18.598
.000
6.936***
2014년
1.145
.428
7.164
.007
3.143***
2013년
.673
.409
2.714
.099
1.960*
2012년
.600
.427
1.975
.160
1.823
2011년
.593
.439
1.822
.177
1.810
2010년
.683
.426
2.571
.109
1.980
건물
특성
건물연면적
GFA_D (1)
.575
.147
15.304
.000
1.777***
건축연한
Built_D
-.003
.001
15.977
.000
.997***
건물공실률
Vacancy_B
-.001
.006
.029
.866
.999
임대시장
특성
업무
권역
District
도심(1)
.513
.248
4.282
.039
1.670**
강남(2)
-.048
.228
.045
.832
.953
여의도(3)
-.546
.259
4.445
.035
.579**
거시경제
특성
경제성장률
GDP
-.193
.217
.792
.373
.824
상수항
-1.161
.484
5.745
.017
.313
<표 Ⅳ-20> 모형 1-6의 분석 결과
주1) -2 Log 우도 : 1329.974 ; 카이제곱 : 259.331 ; 유의확률 : .000 ; Cox & Snell R2 : .176 ; Nagelkerke R2 : .253
2) * p < 0.1, ** p < 0.05, *** p < 0.01
3) 종속변수는 범주 0(렌트프리 없음)이 참조 범주임.
4) 계약연도는 범주 2009년이, 건물연면적은 범주 2(33,000㎡미만)가, 업무권역은 범주 4 (기타)가 참조 범주임.

S15 · PDF 112쪽

S15 PDF 112쪽

이 페이지 검색용 텍스트

- 98 -
4.7 모형 1-7의 분석 결과
모형 1-7은 모형 1-6의 변수 중 계약연도를 제외하고 거시경제 특성변수인 회사채 
수익률을 추가한다. 임대계약 특성으로 임대면적, 임대기간 및 계약임대료를, 건물 
특성으로 건물연면적(더미), 건축연한 및 건물공실률을, 임대시장 특성으로 업무권
역을, 거시경제 특성으로 경제성장률 및 회사채 수익률을 반영한다. 
모형 1-6과 동일하게 임대기간, 계약임대료, 건물연면적, 건축연한, 도심권역, 여의
도권역은 유의하고, 임대면적, 건물공실률, 강남권역, 경제성장률은 유의하지 않은 
결과를 보인다. 회사채 수익률은 음(-)의 관계로 유의하여 회사채 수익률이 낮을수
록 렌트프리 포함 가능성이 높은 것으로 설명된다. 금융위기 이후 시장금리가 하락 
추이를 보인 반면 렌트프리의 제공은 증가한 결과로 추정된다. 한편, 회사채 수익률
의 승산비(Exp(B)=.576)가 가장 낮게 나타나 다른 변수 대비 영향력이 낮은 것으로 
이해된다.
구분
변수명
B
표준오차
Wals
유의확률
Exp(B)
임대계약
특성
임대면적
LeaseA
.015
.022
.472
.492
1.015
임대기간
LTerm
.013
.003
15.855
.000
1.014***
계약임대료
URent
.081
.018
21.269
.000
1.084***
건물
특성
건물연면적
GFA_D (1)
.547
.145
14.304
.000
1.729***
건축연한
Built_D
-.003
.001
15.941
.000
.997***
건물공실률
Vacancy_B
.001
.006
.034
.853
1.001
임대시장
특성
업무
권역
District
도심(1)
.483
.245
3.881
.049
1.620**
강남(2)
-.022
.225
.010
.922
.978
여의도(3)
-.483
.252
3.668
.055
.617*
거시경제
특성
경제성장률
GDP
-.068
.169
.160
.690
.935
회사채 수익률
Interest
-.551
.075
53.508
.000
.576***
상수항
.601
.501
1.440
.230
1.825
<표 Ⅳ-21> 모형 1-7의 분석 결과
주1) -2 Log 우도 : 1346.702 ; 카이제곱 : 242.603 ; 유의확률 : .000 ; Cox & Snell R2 : .166 ; Nagelkerke R2 : .239
2) * p < 0.1, ** p < 0.05, *** p < 0.01
3) 종속변수는 범주 0(렌트프리 없음)이 참조 범주임.
4) 건물연면적은 범주 2(33,000㎡미만)가, 업무권역은 범주 4(기타)가 참조 범주임.

S15 · PDF 113쪽

S15 PDF 113쪽

이 페이지 검색용 텍스트

- 99 -
4.8 모형 1의 소결
렌트프리 여부(범주 0 또는 1)가 종속변수인 모형 1에서 공통되게 임대면적 변수
는 통계적으로 유의하지 않다. 이는 일반적으로 임대면적이 클수록 렌트프리 제공 
가능성이 높을 것이라는 추정과는 다른 결과로 볼 수 있다. 대형 임차인뿐만 아니
라 소형 임차인도 임대중개회사를 통해 임대계약을 협의하는 경우가 많아서 시장 
정보를 쉽게 취득할 수 있고, 렌트프리가 보편화된 임차인 우위의 시장 상황에서 
임대인이 임차인들에게 차별적으로 렌트프리를 제공하기에는 제약이 있는 것으로 
추정된다. 
임대계약 특성 변수인 임대기간은 모든 모형 1에서 양(+)의 관계로 유의하다. 이 
결과는 임대기간이 길수록 렌트프리가 포함될 확률이 높은 것으로 설명되며, 장기 
임차인일수록 렌트프리를 제공하는 시장 현황이 반영된 것으로 판단된다. 임대시장
의 침체가 지속되는 상황을 고려 시 임대인은 장기간의 임대계약 체결을 통해 임대
수익을 안정적으로 확보하고자 하므로, 렌트프리 제공을 통해 실질임대료를 낮추더
라도 장기 임차인을 유치하고자 희망한다.
계약임대료는 모든 모형 1에서 양(+)의 관계로 유의하여, 계약임대료가 높을수록 
렌트프리가 포함될 확률이 높은 것으로 나타난다. 임대인은 계약임대료를 높이면서 
렌트프리 제공을 통해서 실질임대료는 낮추는 임대 전략을 구현하는 것으로 판단된
다. 높은 계약임대료를 보이는 건물에서 렌트프리 제공이 많은 것으로 볼 수 있으
며, 동일 건물 내에서도 계약임대료가 높을수록 렌트프리를 제공하는 것으로도 이
해할 수 있다.
계약연도는 모든 모형 1에서 양(+)의 관계를 나타내며 전반적으로 유의한 결과를 
나타낸다. 2010년에는 모든 모형 1에서 유의하지 않았으나 2011년 이후부터는 전반
적으로 유의하게 나타나서, 기준 범주인 2009년 대비 렌트프리 포함 가능성이 높은 
것으로 나타난다. 계약연도의 승산비는 2014년 이후에 다른 변수 대비 높은 수준으
로 2018년까지 상승세를 유지하여 렌트프리 여부에 영향력이 큰 변수인 것으로 해
석된다. 즉, 과거보다 최근의 계약사례에서 렌트프리 포함 가능성이 높은 것으로 설
명된다. 시장의 침체가 지속되면서 임대시장에서 렌트프리의 제공 사례가증가하고 
렌트프리가 보편화된 시장 상황이 반영된결과로 이해된다.
건물 특성 중 건물연면적은 모든 모형 1에서 동일하게 양(+)의 방향으로 유의한 
결과를 보이고, 승산비도 계약연도를 제외하면 전반적으로 가장 높은 수준으로서 
영향력인 큰 변수로 판단된다. 즉, 연면적 33,000㎡ 이상의 오피스가 연면적 33,000
㎡ 미만의 오피스보다 렌트프리를 제공할 확률이 높음을 설명하고 있다. 대형 건물

S15 · PDF 114쪽

S15 PDF 114쪽

이 페이지 검색용 텍스트

- 100 -
일수록 전문적인 임대 관리가 이루어지므로 적극적인 임대마케팅을 통해 렌트프리 
제공 가능성이 높다고 볼 수 있다.
신축여부도 모든 모형에서 양(+)의 방향으로 유의하여, 신축 오피스일수록 렌트프
리가 포함될 확률이 높다. 승산비도 상대적으로 높은 결과를 보여 영향력이 큰 것
으로 설명된다. 금융위기 이후 임대수요는 제한된 반면 공급량은 증가하여 신축 오
피스의 경우 대형 공실 가능성이 높으며 공실 해소를 위해 적극적으로 렌트프리를 
제공하는 경향이 있는 것으로 이해된다.
건축연한은 모든 모형에서 음(-)의 방향으로 유의한 결과를 보여, 건축연한이 길수
록 렌트프리 가능성이 낮은 것으로 볼 수 있다. 이는 신축 오피스가 렌트프리 제공 
가능성이 높다는 분석 결과와 확장된 맥락으로 이해할 수 있다. 신축 오피스가 렌
트프리 제공 가능성이 높은 반면, 준공 후 운영기간이 증가할수록 임대가 안정화되
어 렌트프리를 제공할 필요성이 감소한 것으로 사료된다.
건물공실률은 모든 모형 1에서는 통계적으로 유의하지 않다. 일반적으로 공실률이 
임대시장의 주요 변수임에도 불구하고, 유의한 변수로 보기에는 어려운 분석 결과
를 나타낸다. 임대인은 해당 건물의 예측되는 공실률 증감에 대응하여 선제적으로 
임차인과 협상하므로 이로 인한 시차 발생이 유의하지 않은 결과의 원인이 될 수 
있다. 또는, 임대인의 성향 또는 판단에 따라 건물공실률과 관계없이 렌트프리 제공
을 선호하지 않을 수도 있다. 서울 오피스 시장에서 임대인의 운영 방식에 따라 렌
트프리를 적극적으로 제공하는 건물과 아닌 건물로 구분되며, 과거에 제공하지 않
았으나 시장 환경의 영향을 받아 점차 제공 사례가 늘어나는 추이를 확인할 수 있
다. 
임대시장 특성 중 시장임대료(서울)는 모형 1-3 및 1-4에서 모두 양(+)의 관계로 
유의하며, 승산비도 높은 수준으로 영향력이 큰 변수로 판단된다. 서울 오피스 임대
시장의 침체에도 불구하고 명목임대료인 시장임대료는 지속적으로 상승하였고, 렌
트프리 제공 사례도 증가 추이를 보인 결과로 판단된다. 서울 오피스 시장에서 명
목임대료를 높이면서 렌트프리를 제공하여 실질임대료를 조정하는 방식이 일반화 
된 것으로 추정된다. 
각 임대계약 체결시점67)의 시장공실률(권역)은 모든 모형에서 유의하지 않은 것으
로 나타난다. 건물공실률과 유사하게 시장공실률의 시차 발생68)으로 인한 결과이거
67) 임대계약 상 임대기간의 시작 시점을 기준함
68) Wheaton(1987)은 오피스 시장에서 임대료의 순환 주기와 공실률의 순환 주기는 밀접한 관계가 있
으며 일정 시차를 가지는 것으로 설명하였다. 김경민･박정수(2009)는 오피스의 임대료는 일반적으
로 외부경제의 변화에 즉각적으로 반응하지 않고 시차를 두고 변화하나, 공실률은 시장수급상황의 
불균형 상태를 즉각적으로 반영하며 시장여건의 변화에 보다 민감하게 반응하는 것으로 설명하였

S15 · PDF 115쪽

S15 PDF 115쪽

이 페이지 검색용 텍스트

- 101 -
나, 렌트프리 여부에 대해 시장공실률의 영향이 크지 않은 것으로 이해할 수도 있
다. 즉, 외적 요인인 시장공실률보다는 임대계약 및 건물 특성이 렌트프리 여부에 
직접적인 영향요인으로 고려될 수 있다.
업무권역 중 여의도권역은 업무권역 변수가 반영된 4개의 모형 전부에서 음(-)의 
방향으로 유의하여 타 업무권역보다 렌트프리가 없을 가능성이 높은 것으로 설명된
다. 여의도권역은 신규 공급된 대형 오피스에서 렌트프리를 제공하였으나, 대체로 
렌트프리가 없는 것으로 보인다. 도심권역은 4개의 모형 모두 양(+)의 방향을 보이
고 모형 1-6 및 1-7에서 유의하게 나타내어, 전반적으로 도심권역이 렌트프리의 제
공 가능성이 높은 것으로 이해된다. 도심권역은 금융위기 이후 신규 공급의 증가로 
공실률이 상승하였고, 타 권역보다 렌트프리 제공에 적극적인 모습을 나타내었다. 
금융위기 이후에도 상대적으로 안정적인 임대시장을 유지한 강남권역은 음(-)의 관
계를 나타내나 모두 유의하지 않은 결과를 보인다. 분석 결과, 서울의 주요 업무권
역은 렌트프리 여부에 대해 각 권역별로 다른 특성을 나타낸다.
거시경제 특성 변수인 경제성장률은 음(-)의 관계를 나타내나 유의하지 않은 결
과를 보인다. 오피스 임대시장이 거시경제의 영향을 받는 점을 고려하면 통상적인 
인식과는 다른 결과로 볼 수 있다. 렌트프리와 경제성장률간에내재된 시차로 인
한 분석의 한계일 수도 있으나, 단기적인 임대료 조정방안인 렌트프리는 거시 경제 
변수인 경제성장률의 영향은 매우 제한적인 것으로 이해된다.
회사채 수익률은 음(-)의 관계로 유의하여 회사채 수익률이 낮을수록 렌트프리 제
공 가능성이 높은 것으로 설명된다. 금융위기 이후 시장금리가 지속적으로 하락 추
이를 보였으나 렌트프리는 지속적으로 상승 추이를 나타낸 결과로 사료된다. 한편, 
회사채 수익률의 승산비는 다른 변수 대비 낮은 수준을 렌트프리 여부에 대한 영향
력이 낮은 변수로 이해된다.
다. 임대료와 공실률의 순환 주기에는 상당한 시차가 발생하는 점을 감안할 때, 임대료의 조정 방
안인 렌트프리와도 일정 시차가 존재할 것으로 추정된다(황병훈･유정석, 2017 재인용).

S15 · PDF 116쪽

S15 PDF 116쪽

이 페이지 검색용 텍스트

- 102 -
구분
변수명
모형 1-1
모형 1-2
모형 1-3
모형 1-4
모형 1-5
모형 1-6
모형 1-7
임대계약
특성
임대면적
LeaseA
(+)1.020
(+)1.018
(+)1.016
(+)1.019
(+)1.021
(+)1.019
(+)1.015
임대기간
LTerm
(+)1.014*** (+)1.013*** (+)1.014*** (+)1.015*** (+)1.014*** (+)1.013*** (+)1.014***
계약임대료
URent
(+)1.092*** (+)1.107*** (+)1.099*** (+)1.081*** (+)1.090*** (+)1.094*** (+)1.084***
계약
연도
Year
2018년
(+)9.039*** (+)12.254***
-
-
(+)10.516*** (+)12.659***
-
2017년
(+)7.037*** (+)8.163***
-
-
(+)7.265*** (+)7.456***
-
2016년
(+)7.219*** (+)8.252***
-
-
(+)7.369*** (+)7.383***
-
2015년
(+)7.227*** (+)7.680***
-
-
(+)7.202*** (+)6.936***
-
2014년
(+)3.018*** (+)3.320***
-
-
(+)3.321*** (+)3.143***
-
2013년
(+)1.997*
(+)2.280**
-
-
(+)1.875
(+)1.960*
-
2012년
(+)2.076*
(+)2.248**
-
-
(+)1.968*
(+)1.823
-
2011년
(+)2.308**
(+)2.446**
-
-
(+)2.020*
(+)1.810
-
2010년
(+)1.867
(+)1.943
-
-
(+)1.862
(+)1.980
-
건물
특성
건물연면적
GFA_D (1)
(+)1.795*** (+)1.699*** (+)1.680*** (+)1.825*** (+)1.878*** (+)1.777*** (+)1.729***
신축여부
Built_N(1)
(+)1.677***
-
-
(+)1.471*
(+)1.544**
-
-
건축연한
Built_D
-
(-).997***
(-).997***
-
-
(-).997***
(-).997***
건물공실률
Vacancy_B
(+)1.008
(+)1.006
(+)1.004
(+)1.001
(+)1.002
(-).999
(+)1.001
임대시장
특성
시장임대료(서울)
MRent_A
-
-
(+)1.770*** (+)1.786***
-
-
-
시장공실률(권역)
MVacancy_D
-
-
(+)1.009
(+)1.005
-
-
-
업무
권역
District
도심(1)
-
-
-
(+)1.386
(+)1.415
(+)1.670**
(+)1.620**
강남(2)
-
-
-
(-).826
(-).802
(-).953
(-).978
여의도(3)
-
-
-
(-).454***
(-).454***
(-).579**
(-).617*
거시경제
특성
경제성장률
GDP
-
-
-
-
-
(-).824
(-).935
회사채 수익률
Interest
-
-
-
-
-
-
(-).576***
<표 Ⅳ-22> 모형 1의 분석 결과 요약(승산비)
주1) (+)/(-) : 계수방향
2)* p < 0.1, ** p < 0.05, *** p < 0.01
3) 종속변수는 범주 0(렌트프리 없음)이 참조 범주임.
4) 계약연도는 범주 2009년이, 건물연면적은 범주 2(33,000㎡미만)가, 신축여부는 범주 2(준공 3년 초과)가, 업무권역은 
범주 4(기타)가 참조 범주임.

S15 · PDF 117쪽

S15 PDF 117쪽

이 페이지 검색용 텍스트

- 103 -
5. 렌트프리 수준에 대한 영향요인 실증분석
모형 2는 렌트프리 수준(연평균 개월수)에 대한 영향요인 분석을 위해 순서형 로
지스틱 모형을 적용하며, 종속변수를 연평균 렌트프리 수준에 따라 없음(범주0)부터 
연평균 1개월 단위로 범주 1(0개월 초과 1개월 이하), 범주 2(1개월 초과 2개월 이
하), 범주 3(2개월 초과 3개월 이하), 범주 4(3개월 초과 4개월 이하), 범주 5(4개월 
초과 5개월 이하), 범주 6(5개월 초과)으로 총 7개의 범주로 구성한다. 설명변수는 
임대계약 특성 변수로서 임대면적, 임대기간, 계약임대료 및 계약연도를, 건물 특성 
변수로서 건물연면적(더미), 신축여부, 건축연한 및 건물공실률을, 임대시장 특성 변
수로서 시장임대료(서울), 시장공실률(권역) 및 업무권역을, 거시경제 특성 변수로서 
경제성장률 및 회사채 수익률을 선정한다. 모형 2는 각 특성별로 설명변수를 조합
하여 아래와 같이 7개의 모형으로 구성한다.
구분
변수명
단위
내용
2-1
2-2
2-3
2-4
2-5
2-6
2-7
종속변수
렌트프리
ARF_7
더미
범주 0 ~ 6
O
O
O
O
O
O
O
임대계약
특성
임대면적
LeaseA
천㎡
임대면적
O
O
O
O
O
O
O
임대기간
LTerm
월
임대계약 기간
O
O
O
O
O
O
O
계약임대료
URent
천원/㎡
단위면적당 
계약임대료(월)
O
O
O
O
O
O
O
계약연도
Year
더미
임대개시일의
해당 연도
O
O
-
-
O
O
-
건물
특성
건물연면적(더미)
GFA_D
더미
33,000㎡이상=1,
33,000㎡미만=2
O
O
O
O
O
O
O
신축여부
Built_N
더미
준공 3년 이내=1
준공 3년 초과=2
O
-
-
O
O
-
-
건축연한
Built_D
월
준공 이후 임대 
개시까지 경과일
-
O
O
-
-
O
O
건물공실률
Vacancy_B
%
해당 건물별 
공실률
O
O
O
O
O
O
O
임대시장
특성
시장임대료(서울)
MRent_A
천원/㎡
서울 전체 평균 
임대료(분기)
-
-
O
O
-
-
-
시장공실률(권역)
MVacancy_D
%
업무권역별 평균 
공실률(분기)
-
-
O
O
-
-
-
업무권역
District
더미
도심=1, 강남=2,
여의도=3, 기타=4
-
-
-
O
O
O
O
거시경제
특성
경제성장률
GDP
%
경제성장률
(전기대비,분기)
-
-
-
-
-
O
O
회사채 수익률
Interest
%
회사채(장외3년,
AA-등급, 분기)
-
-
-
-
-
-
O
<표 Ⅳ-23> 모형 2의 변수 구성

S15 · PDF 118쪽

S15 PDF 118쪽

이 페이지 검색용 텍스트

- 104 -
5.1 모형 2-1의 분석 결과
모형 2-1의 설명변수는 임대계약 특성 변수로서 임대면적, 임대기간, 계약임대료 
및 계약연도를, 건물 특성 변수로서 건물연면적(더미), 신축여부 및 건물공실률을 반
영한다. 임대면적과 계약연도 2010년은 렌트프리 수준에 통계적으로 유의하지 않은 
것으로 나타났으나, 그 외 변수는 모두 유의한 것으로 나타난다. 
임대계약 특성 중 임대기간 및 계약임대료는 양(+)의 관계로 유의하여, 임대기간
이 길수록, 계약임대료가 높을수록 렌트프리 수준이 높아지는 것으로 설명된다. 계
약연도는 2010년을 제외한 모든 연도가 양(+)의 관계로 유의하며, 계수값(B)이 2018
년까지 증가 추이를 보이므로 계약연도가 과거보다 최근일수록 렌트프리의 수준이 
높아지는 것으로 해석된다. 건물 특성 중 건물연면적, 신축여부 및 건물공실률도 양
(+)의 관계로 유의하여, 건물연면적이 클수록, 신축일수록, 건물공실률이 높을수록 
렌트프리 수준이 높은 경향이 있다. 
구분
변수명
B
표준오차
Wals
유의확률
한계치
[ARF_7 = .00]
2.846
.302
88.757
.000
[ARF_7 = 1.00]
3.420
.306
124.702
.000
[ARF_7 = 2.00]
4.402
.313
198.167
.000
[ARF_7 = 3.00]
5.274
.319
273.218
.000
[ARF_7 = 4.00]
6.398
.334
365.956
.000
[ARF_7 = 5.00]
7.830
.393
397.831
.000
임대계약
특성
임대면적
LeaseA
.000
.006
.001
.975
임대기간
LTerm
.004
.001
10.855
.001***
계약임대료
URent
.070
.006
121.447
.000***
계약
연도
Year
2018년
2.208
.313
49.812
.000***
2017년
1.836
.288
40.525
.000***
2016년
1.691
.281
36.148
.000***
2015년
1.627
.279
34.128
.000***
2014년
.934
.275
11.489
.001***
2013년
.607
.277
4.801
.028**
2012년
.486
.277
3.068
.080*
2011년
.594
.280
4.496
.034**
2010년
.416
.299
1.933
.164
건물
특성
건물연면적
GFA_D (1)
.354
.081
19.231
.000***
신축여부
Built_N(1)
.328
.085
15.086
.000***
건물공실률
Vacancy_B
.005
.003
3.262
.071*
<표 Ⅳ-24> 모형 2-1의 분석 결과
주1) 링크함수 : 음의 로그-로그
2) -2 Log 우도 : 4088.938 ; MFI 카이제곱 : 438.526 ; 유의확률 : .000 ; Cox & Snell R2 : .279 ; Nagelkerke R2 : .289
3) * p < 0.1, ** p < 0.05, *** p < 0.01
4) 계약연도는 범주 2009년이, 건물연면적은 범주 2(33,000㎡미만)가, 신축여부는 범주2(준공 3년 초과)가 참조 범주임.

S15 · PDF 119쪽

S15 PDF 119쪽

이 페이지 검색용 텍스트

- 105 -
5.2 모형 2-2의 분석 결과
모형 2-2는 모형 1-1과 동일한 변수로 구성하되, 신축여부 대신 건축연한을 반영
한다. 임대계약 특성 변수로 임대면적, 임대기간, 계약임대료 및 계약연도를, 건물 
특성 변수로 건물연면적(더미), 건축연한 및 건물공실률로 구성한다. 임대면적, 계약
연도 2010년 및 건물공실률은 렌트프리 수준에 통계적으로 유의하지 않은 것으로 
나타났으나, 그 외 모든 변수는 유의한 것으로 나타난다. 
임대계약 특성 중 임대기간 및 계약임대료는 양(+)의 관계로 유의하여, 임대기간
이 길수록, 계약임대료가 높을수록 렌트프리 수준이 높아진다. 계약연도는 2010년을 
제외한 모든 연도가 양(+)의 관계로 유의하며, 계수값(B)이 2018년까지 증가 추이를 
보이므로 계약연도가 최근일수록 렌트프리의 수준이 높아지는 것으로 설명된다. 건
물 특성 중 건물연면적은 양(+)의 관계로, 건축연한은 음(-)의 관계로 유의하므로, 
건물연면적이 클수록, 건축연한이 짧을수록 렌트프리 수준이 높은 경향이 있다.  
구분
변수명
B
표준오차
Wals
유의확률
한계치
[ARF_7 = .00]
2.609
.309
71.138
.000
[ARF_7 = 1.00]
3.186
.313
103.539
.000
[ARF_7 = 2.00]
4.166
.319
170.510
.000
[ARF_7 = 3.00]
5.035
.325
239.671
.000
[ARF_7 = 4.00]
6.159
.340
327.548
.000
[ARF_7 = 5.00]
7.597
.398
364.839
.000
임대계약
특성
임대면적
LeaseA
.000
.007
.005
.945
임대기간
LTerm
.004
.001
10.542
.001***
계약임대료
URent
.072
.006
132.784
.000***
계약
연도
Year
2018년
2.339
.315
55.313
.000***
2017년
1.864
.289
41.556
.000***
2016년
1.730
.282
37.673
.000***
2015년
1.651
.279
35.032
.000***
2014년
.988
.276
12.840
.000***
2013년
.689
.277
6.185
.013**
2012년
.546
.277
3.897
.048**
2011년
.637
.280
5.187
.023**
2010년
.444
.300
2.192
.139
건물
특성
건물연면적
GFA_D (1)
.338
.081
17.484
.000***
건축연한
Built_D
-.002
.000
20.486
.000***
건물공실률
Vacancy_B
.003
.003
1.348
.246
<표 Ⅳ-25> 모형 2-2의 분석 결과
주1) 링크함수 : 음의 로그-로그 
2) -2 Log 우도 : 4086.343 ; MFI 카이제곱 : 443.894 ; 유의확률 : .000 ; Cox & Snell R2 : .282 ; Nagelkerke R2 : .292
3) * p < 0.1, ** p < 0.05, *** p < 0.01
4) 계약연도는 범주 2009년이, 건물연면적은 범주 2(33,000㎡미만)가 참조 범주임.

S15 · PDF 120쪽

S15 PDF 120쪽

이 페이지 검색용 텍스트

- 106 -
5.3 모형 2-3의 분석 결과
모형 2-3은 모형 2-2의 변수 중 계약연도를 제외하고 임대시장 특성 변수를 추가
하여 분석한다. 임대계약 특성 변수로 임대면적, 임대기간 및 계약임대료를, 건물 
특성 변수로 건물연면적(더미), 건축연한 및 건물공실률을, 임대시장 특성 변수로 시
장임대료(서울) 및 시장공실률(권역)을 반영한다. 모형 2-1 및 2-2와 동일하게 임대
기간, 계약임대료, 건물연면적 및 건축연한은 렌트프리 수준에 통계적으로 유의하
고, 임대면적은 유의하지 않은 것으로 나타났다. 건물공실률은 모형 2-2에서는 유의
하지 않았으나 모형 2-1과 같이 유의한 결과를 나타낸다. 추가된 시장임대료(서울)
은 유의하나 시장공실률(권역)은 유의하지 않은 결과를 보인다.  
임대계약 특성 중 임대기간 및 계약임대료는 양(+)의 관계로 유의하여, 임대기간
이 길수록, 계약임대료가 높을수록 렌트프리 수준도 높을 가능성이 있다. 건물 특성 
중 건물연면적은 양(+)의 관계로, 건축연한은 음(-)의 관계로 유의하여, 건물연면적
이 클수록, 건축연한이 짧을수록 렌트프리 수준이 높아지는 경향이 있다. 임대시장 
특성 중 시장임대료(서울)는 양(+)의 관계로 유의하여 시장임대료가 높을수록 렌트
프리 수준이 높은 것으로 설명된다.  
구분
변수명
B
표준오차
Wals
유의확률
한계치
[ARF_7 = .00]
15.374
1.114
190.602
.000
[ARF_7 = 1.00]
15.943
1.119
203.099
.000
[ARF_7 = 2.00]
16.903
1.125
225.915
.000
[ARF_7 = 3.00]
17.756
1.128
247.703
.000
[ARF_7 = 4.00]
18.860
1.134
276.775
.000
[ARF_7 = 5.00]
20.282
1.153
309.694
.000
임대계약
특성
임대면적
LeaseA
.003
.007
.157
.692
임대기간
LTerm
.005
.001
17.772
.000***
계약임대료
URent
.064
.006
100.728
.000***
건물
특성
건물연면적
GFA_D (1)
.282
.080
12.309
.000***
건축연한
Built_D
-.002
.000
18.113
.000***
건물공실률
Vacancy_B
.005
.003
3.454
.063*
임대시장
특성
시장임대료(서울)
MRent_A
.621
.052
143.514
.000***
시장공실률(권역)
MVacancy_D
-.008
.016
.235
.628
<표 Ⅳ-26> 모형 2-3의 분석 결과
주1) 링크함수 : 음의 로그-로그 
2) -2 Log 우도 : 4143.260 ; MFI 카이제곱 : 386.977 ; 유의확률 : .000 ; Cox & Snell R2 : .251 ; Nagelkerke R2 : .260
3) * p < 0.1, ** p < 0.05, *** p < 0.01 ;
4) 건물연면적은 범주 2(33,000㎡미만)가 참조 범주임.

S15 · PDF 121쪽

S15 PDF 121쪽

이 페이지 검색용 텍스트

- 107 -
5.4 모형 2-4의 분석 결과
모형 2-4는 모형 2-3의 변수 중 건축연한을 제외하고 신축여부를 포함하며, 임대
시장 특성 변수 중 도심권역(1), 강남권역(2), 여의도권역(3)과 참조범주인 기타권역
(4)로 구성된 업무권역(더미) 변수를 추가한다. 임대계약 특성으로 임대면적, 임대기
간 및 계약임대료를, 건물 특성으로 건물연면적(더미), 신축여부 및 건물공실률을, 
임대시장 특성으로 시장임대료(서울), 시장공실률(권역) 및 업무권역을 반영한다. 
임대기간, 계약임대료, 건물연면적, 신축여부는 양(+)의 관계로 유의하며 임대면적, 
건물공실률 및 시장공실률(권역)은 유의하지 않은 결과를 보인다. 추가된 업무권역 
변수는 도심권역은 양(+)의 관계로 유의하고 강남권역과 여의도권역은 음(-)의 관계
로 유의한 결과를 보여, 참조범주인 기타권역보다 도심권역은 렌트프리 수준이 높
은 반면 강남권역과 여의도권역은 렌트프리 수준이 낮은 경향이 있다. 
구분
변수명
B
표준오차
Wals
유의확률
한계치
[ARF_7 = .00]
15.801
1.139
192.589
.000
[ARF_7 = 1.00]
16.380
1.144
205.038
.000
[ARF_7 = 2.00]
17.363
1.151
227.732
.000
[ARF_7 = 3.00]
18.229
1.155
249.296
.000
[ARF_7 = 4.00]
19.340
1.160
277.913
.000
[ARF_7 = 5.00]
20.762
1.179
310.282
.000
임대계약
특성
임대면적
LeaseA
.003
.006
.238
.626
임대기간
LTerm
.005
.001
17.958
.000***
계약임대료
URent
.060
.008
56.690
.000***
건물
특성
건물연면적
GFA_D (1)
.351
.081
18.735
.000***
신축여부
Built_N(1)
.151
.090
2.794
.095*
건물공실률
Vacancy_B
.000
.003
0.004
.949
임대시장
특성
시장임대료(서울)
MRent_A
.640
.054
142.670
.000***
시장공실률(권역)
MVacancy_D
-.021
.021
1.049
.306
업무
권역
District
도심(1)
.225
.130
3.002
.083*
강남(2)
-.235
.135
3.020
.082*
여의도(3)
-.371
.140
6.982
.008***
<표 Ⅳ-27> 모형 2-4의 분석 결과
주1) 링크함수 : 음의 로그-로그 
2) -2 Log 우도 : 4115.207 ; MFI 카이제곱 : 415.303 ; 유의확률 : .000 ; Cox & Snell R2 : .267 ; Nagelkerke R2 : .276
3) * p < 0.1, ** p < 0.05, *** p < 0.01
4) 건물연면적은 범주 2(33,000㎡미만)가, 신축여부는 범주2(준공 3년 초과)가, 업무권역은 범주 4(기타)가 참조 범주임.

S15 · PDF 122쪽

S15 PDF 122쪽

이 페이지 검색용 텍스트

- 108 -
5.5 모형 2-5의 분석 결과
모형 2-5는 모형 2-4의 변수 중 시장임대료(서울) 및 시장공실률(권역)을 제외하고 
계약연도를 추가한다. 임대계약 특성으로 임대면적, 임대기간, 계약임대료 및 계약
연도를, 건물 특성으로 건물연면적(더미), 신축여부 및 건물공실률을, 임대시장 특성
으로 업무권역을 반영한다. 임대면적, 건물공실률, 강남권역은 유의하지 않으며 임
대기간, 계약임대료, 건물연면적, 신축여부, 여의도권역은 유의한 결과를 보인다. 계
약연도는 기존 모형과 유사하게 2010년은 유의하지 않고 2011년 이후는 양(+)의 관
계로 유의하며 계수값(B)이 증가하는 추이를 나타낸다. 즉, 과거보다 최근의 임대계
약일수록 렌트프리 수준이 높아지는 경향이 있는 것으로 설명된다. 
구분
변수명
B
표준오차
Wals
유의확률
한계치
[ARF_7 = .00]
2.710
.305
78.847
.000
[ARF_7 = 1.00]
3.294
.309
113.528
.000
[ARF_7 = 2.00]
4.294
.316
185.018
.000
[ARF_7 = 3.00]
5.176
.322
257.959
.000
[ARF_7 = 4.00]
6.305
.338
348.617
.000
[ARF_7 = 5.00]
7.739
.395
382.894
.000
임대계약
특성
임대면적
LeaseA
.000
.006
.005
.945
임대기간
LTerm
.004
.001
11.859
.001***
계약임대료
URent
.068
.008
72.254
.000***
계약
연도
Year
2018년
2.185
.315
48.008
.000***
2017년
1.819
.290
39.298
.000***
2016년
1.647
.283
33.988
.000***
2015년
1.620
.280
33.538
.000***
2014년
.970
.277
12.270
.000***
2013년
.588
.278
4.471
.034**
2012년
.481
.278
3.002
.083*
2011년
.541
.281
3.708
.054*
2010년
.368
.301
1.495
.221
건물
특성
건물연면적
GFA_D (1)
.380
.082
21.697
.000***
신축여부
Built_N(1)
.223
.092
5.895
.015**
건물공실률
Vacancy_B
-.001
.003
.076
.782
임대시장
특성
업무
권역
District
도심(1)
.230
.130
3.138
.076*
강남(2)
-.143
.122
1.387
.239
여의도(3)
-.360
.142
6.460
.011**
<표 Ⅳ-28> 모형 2-5의 분석 결과
주1) 링크함수 : 음의 로그-로그 
2) -2 Log 우도 : 4058.993 ; MFI 카이제곱 : 468.472 ; 유의확률 : .000 ; Cox & Snell R2 : .295 ; Nagelkerke R2 : .306
3) * p < 0.1, ** p < 0.05, *** p < 0.01
4) 계약연도는 범주 2009년이, 건물연면적은 범주 2(33,000㎡미만)가, 신축여부는 범주2(준공 3년 초과)가, 업무권역은 
범주 4(기타)가 참조 범주임.

S15 · PDF 123쪽

S15 PDF 123쪽

이 페이지 검색용 텍스트

- 109 -
5.6 모형 2-6의 분석 결과
모형 1-6은 임대계약 특성으로 임대면적, 임대기간, 계약임대료 및 계약연도를, 건
물 특성으로 건물연면적(더미), 건축연한 및 건물공실률을, 임대시장 특성으로 업무
권역을 반영하고 거시경제 특성으로 경제성장률을 추가한다. 기존 모형과 유사하게 
임대기간, 계약임대료, 건물연면적, 건축연한은 유의한 결과를 보인다. 계약연도는 
2010년부터 2012년까지 유의하지 않아서 기존 모형과 다소 다른 결과를 나타낸다. 
여의도권역은 음(-)의 관계로, 도심권역은 양(+)의 관계로 유의하므로, 렌트프리 수
준이 여의도권역은 낮으나 도심권역은 높은 경향이 있는 것으로 해석된다. 한편, 경
제성장률은 통계적으로 유의하지 않은 결과를 나타낸다.
구분
변수명
B
표준오차
Wals
유의확률
한계치
[ARF_7 = .00]
2.294
.349
43.213
.000
[ARF_7 = 1.00]
2.882
.352
66.993
.000
[ARF_7 = 2.00]
3.882
.357
118.073
.000
[ARF_7 = 3.00]
4.764
.363
172.375
.000
[ARF_7 = 4.00]
5.896
.376
245.225
.000
[ARF_7 = 5.00]
7.333
.429
292.068
.000
임대계약
특성
임대면적
LeaseA
-.001
.007
.025
.875
임대기간
LTerm
.004
.001
11.240
.001***
계약임대료
URent
.066
.008
66.994
.000***
계약
연도
Year
2018년
2.250
.326
47.612
.000***
2017년
1.777
.303
34.377
.000***
2016년
1.588
.295
28.887
.000***
2015년
1.572
.291
29.210
.000***
2014년
.925
.289
10.219
.001***
2013년
.597
.285
4.394
.036**
2012년
.424
.291
2.115
.146
2011년
.466
.295
2.490
.115
2010년
.432
.303
2.032
.154
건물
특성
건물연면적
GFA_D (1)
.356
.082
18.932
.000***
건축연한
Built_D
-.001
.000
11.206
.001***
건물공실률
Vacancy_B
-.003
.003
.845
.358
임대시장
특성
업무
권역
District
도심(1)
.346
.131
6.963
.008***
강남(2)
-.037
.128
.084
.772
여의도(3)
-.255
.146
3.058
.080*
거시경제
특성
경제성장률
GDP
-.167
.112
2.233
.135
<표 Ⅳ-29> 모형 2-6의 분석 결과
주1) 링크함수 : 음의 로그-로그 
2) -2 Log 우도 : 4053.961 ; MFI 카이제곱 : 476.276 ; 유의확률 : .000 ; Cox & Snell R2 : .300 ; Nagelkerke R2 : .310
3) * p < 0.1, ** p < 0.05, *** p < 0.01
4) 계약연도는 범주 2009년이, 건물연면적은 범주 2(33,000㎡미만)가, 업무권역은 범주 4(기타)가 참조 범주임.

S15 · PDF 124쪽

S15 PDF 124쪽

이 페이지 검색용 텍스트

- 110 -
5.7 모형 2-7의 분석 결과
모형 2-7은 모형 2-6의 변수 중 계약연도를 제외하고 거시경제 특성변수인 회사채 
수익률을 추가하여 분석한다. 임대계약 특성으로 임대면적, 임대기간 및 계약임대료
를, 건물 특성으로 건물연면적(더미), 건축연한 및 건물공실률을, 임대시장 특성으로 
업무권역을, 거시경제 특성으로 경제성장률 및 회사채 수익률을 포함한다. 
모형 2-6과 동일하게 임대기간, 계약임대료, 건물연면적, 건축연한, 도심권역, 여의
도권역은 유의하고 임대면적, 건물공실률, 강남권역, 경제성장률은 유의하지 않은 
결과를 보인다. 회사채 수익률은 음(-)의 관계로 유의하여 회사채 수익률이 낮을수
록 렌트프리 수준이 높아지는 것으로 설명된다. 금융위기 이후 시장금리가 하락 추
이를 보인 반면 렌트프리의 제공 수준이 증가한 시장 상황의 결과로 이해된다.
구분
변수명
B
표준오차
Wals
유의확률
한계치
[ARF_7 = .00]
-.152
.213
.510
.000
[ARF_7 = 1.00]
.425
.214
3.940
.000
[ARF_7 = 2.00]
1.398
.219
40.929
.000
[ARF_7 = 3.00]
2.253
.225
100.004
.000
[ARF_7 = 4.00]
3.350
.245
187.187
.000
[ARF_7 = 5.00]
4.764
.319
223.335
.000
임대계약
특성
임대면적
LeaseA
.001
.006
.012
.911
임대기간
LTerm
.004
.001
12.315
.000***
계약임대료
URent
.060
.008
57.094
.000***
건물
특성
건물연면적
GFA_D (1)
.001
.006
.012
.000***
건축연한
Built_D
.004
.001
12.315
.011***
건물공실률
Vacancy_B
.060
.008
57.094
.400
임대시장
특성
업무
권역
District
도심(1)
.296
.129
5.228
.022**
강남(2)
-.105
.126
.698
.404
여의도(3)
-.260
.144
3.229
.072*
거시경제
특성
경제성장률
GDP
-.048
.095
.254
.614
회사채 수익률
Interest
-.479
.039
151.001
.000***
<표 Ⅳ-30> 모형 2-7의 분석 결과
주1) 링크함수 : 음의 로그-로그 
2) -2 Log 우도 : 4128.955 ; MFI 카이제곱 : 401.282 ; 유의확률 : .000 ; Cox & Snell R2 : .259 ; Nagelkerke R2 : .268
3) * p < 0.1, ** p < 0.05, *** p < 0.01
4) 건물연면적은 범주 2(33,000㎡미만)가, 업무권역은 범주 4(기타)가 참조 범주임.

S15 · PDF 125쪽

S15 PDF 125쪽

이 페이지 검색용 텍스트

- 111 -
5.8 모형 2의 소결
모형 2는 렌트프리 수준(연평균 개월수)에 대한 영향요인 분석을 위해 종속변수를 
연평균 렌트프리 수준에 따라 없음(범주0)부터 연평균 1개월 단위로 범주 6개로 구
분하여 총 7개의 범주로 구성한다. 
임대계약 특성 중 임대면적은 모형 2에서 통계적으로 유의하지 않은 것으로 나타
난다. 임대면적과 렌트프리 수준 간의 유의한 관계가 있을 것이라는 추정과는 다른 
결과이다. 임대시장의 침체가 지속되는 가운데 대형 임차인뿐만 아니라 소형 임차
인 유치에도 임대인이 적극적으로 대응하는 시장 상황이 반영된 것으로 사료된다. 
상당수의 임차인들이 전문중개회사를 통해 여러 건물의 임대조건을 비교하여 임대
계약을 체결한 결과로도 보인다. 결과적으로 임대면적과는 상관없이 렌트프리 수준
이 결정되는 것으로 판단된다. 
임대기간은 모든 모형 2에서 양(+)의 관계로 유의한 결과를 보이므로 임대기간이 
길수록 렌트프리 수준도 증가할 가능성이 있다. 장기 임차인을 통해 안정적인 임대 
수익을 확보하고자 하는 임대인은 임대기간이 긴 임차인에게 더 많은 렌트프리를 
제공하는 것으로서 이는 통상적인 인식과 일치한다. 
계약임대료는 모든 모형 2에서 양(+)의 관계로 유의하여 계약임대료가 높을수록 
렌트프리 수준도 증가한다. 이 결과는 임대인이 계약임대료를 높이더라도 더 많은 
렌트프리를 제공하여 실질임대료를 조정한 것으로 설명된다. 반면에 더 높은 수준
의 렌트프리를 제공하더라도 계약임대료를 높여 실질 임대수익은 유지하려는 임대
인의 임대 전략이 반영된 것으로 이해된다. 계약임대료가 높은 건물에서 렌트프리 
제공 수준이 높은 것으로 해석할 수 있으며, 동일 건물 내에서도 차별적으로 더 높
은 계약임대료의 임차인에게 더 많은 렌트프리를 제공하는 것으로도 볼 수 있다.
계약연도는 모든 모형 2에서 양(+)의 관계를 나타내며 전반적으로 유의한 결과를 
나타낸다. 2010년에는 모든 모형 2에서 유의하지 않았으나 2011년 이후부터는 전반
적으로 유의하게 나타나서, 2011년 이후는 기준 범주인 2009년 보다 렌트프리 수준
이 높은 것으로 설명된다. 또한, 계약연도의 계수(B)가 2018년까지 상승 추이를 보
이므로, 과거보다 최근의 계약사례에서 렌트프리의 수준이 증가하는 경향이 있는  
것으로 판단된다. 시장의 침체가 지속되면서 임대시장에서 렌트프리가 보편화되고 
그 제공 수준이 증가한 결과로 이해된다.
건물 특성 중 건물연면적(더미)은 모든 모형 2에서 양(+)의 방향으로 유의하여, 연
면적 33,000㎡ 이상의 오피스가 연면적 33,000㎡ 미만의 오피스보다 렌트프리 수준
이 높은 경향이 있음을 나타낸다. 대형 건물이 더 높은 수준의 렌트프리를 제공하

S15 · PDF 126쪽

S15 PDF 126쪽

이 페이지 검색용 텍스트

- 112 -
는 것으로 판단된다. 대형 건물이 큰 공실 면적을 가질 가능성이 있으며 전문적인 
임대관리회사를 통해 공격적인 임대마케팅을 펼쳐서 장기간의 렌트프리를 제공할 
가능성이 있다. 금융위기 이후 대형 오피스의 공급이 증가하고 공실을 조기에 해소
하고자 장기간의 렌트프리가 제공된 영향도 있는 것으로 추정된다.
신축여부도 모든 모형에서 양(+)의 관계로 유의하여, 신축 오피스의 임대계약일수
록 렌트프리 수준이 높은 경향이 있음을 나타낸다. 금융위기 이후 임대수요는 제한
된 반면 공급량은 증가하여 신축 오피스의 경우 대형 공실 가능성이 높으며 공실 
해소를 위해 상대적으로 많은 렌트프리를 제공한 것으로 추정된다.
건축연한은 모든 모형에서 음(-)의 방향으로 유의한 결과를 보여, 건축연한이 길수
록 렌트프리 수준이 낮은 것으로 설명된다. 이는 신축 오피스가 렌트프리 수준이 
높다는 분석 결과와 연장하여 이해 할 수 있다. 즉, 많은 렌트프리를 제공한 신축 
오피스와 달리, 준공 후 운영기간이 증가할수록 임대 안정화에 따라 렌트프리 제공 
수준이 낮아진 것으로 사료된다.
건물공실률은 대부분의 모형에서 통계적으로 유의하지 않다. 이는 높은 공실률을 
가진 건물이 임차인 유치를 위해 더 많은 렌트프리를 제공할 것이라는 통상적인 인
식과는 다소 차이가 있는 분석 결과이다. 다만, 건물공실률이 모형 2-1과 2-3에서는 
양(+)의 방향으로 유의하므로, 건물공실률이 높을수록 렌트프리의 수준도 높을 가능
성이 있음을 알 수 있다. 따라서 임대인은 건물공실률에 따라 렌트프리 수준을 조
정하여 실질임대료를 탄력적으로 결정하는 것으로 추정된다.
임대시장 특성 중 시장임대료(서울)는 모형 2-3 및 2-4에서 모두 양(+)의 관계로 
유의하다. 금융위기 이후 임대시장의 침체가 지속되었으나 명목임대료인 시장임대
료는 상승 추이를 유지하고 렌트프리 수준도 지속적으로 증가한 결과로 판단된다. 
명목임대료를 인상하면서 더 많은 렌트프리를 제공하는 것으로서, 서울 오피스 시
장에서 일반적으로 실질임대료를 조정하는 방법으로 렌트프리를 이용하는 것으로 
추정된다. 
각 임대계약 체결시점의 시장공실률(권역)은 모든 모형에서 유의하지 않게 나타나
서 시장공실률 증가에 따라 렌트프리 수준이 증가할 것이라는 추정과는 다른 결과
를 보인다. 이러한 결과는 시장공실률과 렌트프리 간의 시차 발생으로 인한 한계에 
따른 결과이거나, 렌트프리 수준에 대해 시장공실률이 주요 영향요인이 아닌 것으
로 볼 수도 있다. 서울 오피스 시장에서 렌트프리 사례가 늘어나면서 그 수준도 증
가 추이를 보였다. 따라서 시장공실률에 따른 영향보다는 렌트프리가 확산되고 보
편화되면서 임대인들이 경쟁적으로 렌트프리를 제공한 결과 그 수준이 증가된 것으
로 추정된다.

S15 · PDF 127쪽

S15 PDF 127쪽

이 페이지 검색용 텍스트

- 113 -
업무권역 중 도심권역은 모든 모형에서 양(+)의 관계로 유의하여 렌트프리 수준이 
높은 경향이 있는 것으로 판단된다. 금융위기 이후 대형 오피스의 공급 증가로 공
실이 늘어났고 공실 해소를 위해서 타 권역보다 높은 수준의 렌트프리를 제공한 결
과로 보인다. 여의도권역은 모든 모형에서 음(-)의 관계로 유의하므로 타 업무권역
에 비해 렌트프리 수준이 낮은 경향이 뚜렷이 드러난다. 여의도권역은 일부 신규 
공급된 대형 오피스에서 높은 수준의 렌트프리 제공 사례가 있으나 대체로 렌트프
리 수준이 낮은 것으로 판단된다. 강남권역은 모형 2-4에서만 유의하여 도심권역 및 
여의도권역처럼 명확한 결과가 나타나지는 않으나 일관되게 음(-)의 방향을 보인다. 
금융위기 이후에도 상대적으로 안정적인 임대시장을 유지한 강남권역의 특성이 반
영된 것으로 사료된다. 따라서 서울시 주요 업무권역은 각각의 특성과 임대 시장상
황에 따라 렌트프리 수준도 다르게 나타나는 것으로 이해된다. 
거시경제 특성 변수인 경제성장률은 음(-)의 관계를 나타내나 유의하지 않은 결
과를 보인다. 오피스 임대시장이 거시경제의 영향을 받는 점을 고려하면 통상적인 
인식과는 다른 결과로 볼 수 있다. 렌트프리와 경제성장률과의 간의 내재된 시차로 
인한 분석의 한계일 수도 있으나, 단기적인 임대료 조정방안인 렌트프리는 거시 경
제 변수인 경제성장률의 영향은 매우 제한적인 것으로 이해된다.
회사채 수익률은 음(-)의 관계로 유의하여 회사채 수익률이 낮을수록 렌트프리 수
준이 증가하는 경향을 나타낸다. 금융위기 이후 시장금리가 지속적으로 하락 추이
를 보였으며 렌트프리 수준은 지속적으로 상승 추이를 나타낸 결과로 사료된다.

S15 · PDF 128쪽

S15 PDF 128쪽

이 페이지 검색용 텍스트

- 114 -
구분
변수명
모형 2-1
모형 2-2
모형 2-3
모형 2-4
모형 2-5
모형 2-6
모형 2-7
임대계약
특성
임대면적
LeaseA
(+).975
(+).945
(+).692
(+).626
(+).945
(-).875
(+).911
임대기간
LTerm
(+).001***
(+).001***
(+).000***
(+).000***
(+).001***
(+).001***
(+).000***
계약임대료
URent
(+).000***
(+).000***
(+).000***
(+).000***
(+).000***
(+).000***
(+).000***
계약
연도
Year
2018년
(+).000***
(+).000***
-
-
(+).000***
(+).000***
-
2017년
(+).000***
(+).000***
-
-
(+).000***
(+).000***
-
2016년
(+).000***
(+).000***
-
-
(+).000***
(+).000***
-
2015년
(+).000***
(+).000***
-
-
(+).000***
(+).000***
-
2014년
(+).001***
(+).000***
-
-
(+).000***
(+).001***
-
2013년
(+).028**
(+).013**
-
-
(+).034**
(+).036**
-
2012년
(+).080*
(+).048**
-
-
(+).083*
(+).146
-
2011년
(+).034**
(+).023**
-
-
(+).054*
(+).115
-
2010년
(+).164
(+).139
-
-
(+).221
(+).154
-
건물
특성
건물연면적
GFA_D (1)
(+).000***
(+).000***
(+).000***
(+).000***
(+).000***
(+).000***
(+).000***
신축여부
Built_N(1)
(+).000***
-
(+).095*
(+).015**
-
-
건축연한
Built_D
-
(-).000***
(-).000***
-
-
(-).001***
(-).011***
건물공실률
Vacancy_B
(+).071*
(+).246
(+).063*
(+).949
(-).782
(-).358
(+).400
임대시장
특성
시장임대료(서울)
MRent_A
-
-
(+).000***
(+).000***
-
-
-
시장공실률(권역)
MVacancy_D
-
-
(-).628
(-).306
-
-
-
업무
권역
District
도심(1)
-
-
-
(+).083*
(+).076*
(+).008***
(+).022**
강남(2)
-
-
-
(-).082*
(-).239
(-).772
(-).404
여의도(3)
-
-
-
(-).008***
(-).011**
(-).080*
(-).072*
거시경제
특성
경제성장률
GDP
-
-
-
-
-
(-).135
(-).614
회사채 수익률
Interest
-
-
-
-
-
-
(-).000***
<표 Ⅳ-31> 모형 2의 분석 결과 요약(유의확률)
주1) (+)/(-) : 계수방향
2) * p < 0.1, ** p < 0.05, *** p < 0.01
3) 계약연도(Year)는 범주 2009년이, 건물연면적(GFA_D)은 범주 2(33,000㎡미만)가, 신축여부(Built_N)는 범주2 (준공 
3년 초과)가, 업무권역(District)은 범주 4(기타)가 참조 범주임.

S15 · PDF 129쪽

S15 PDF 129쪽

이 페이지 검색용 텍스트

- 115 -
6. 렌트프리 영향요인 종합 분석
이 연구는 렌프트리 여부에 대한 영향요인을 분석하기 위한 모형 1과 렌트프리 
수준(기간)에 대한 영향요인을 분석하기 위한 모형 2의 분석 결과를 종합적으로 고
려하여 서울 오피스 임대시장의 렌트프리 영향요인을 살펴보았다.
임대계약 특성 변수 중 임대면적은 모형 1과 2에서 통계적으로 유의하지 않은 것
으로 나타났다. 일반적으로 임대면적을 크게 사용하는 임차인에게 렌트프리가 제공
되며, 더 많은 수준으로 제공될 것이라는 추정과는 다른 결과이다. 다만, 모형 2-6을 
제외한 모든 모형에서 동일하게 양(+)의 관계를 보이므로 임대면적이 클수록 렌트
프리가 제공되고 수준도 높아지는 경향이 있다고 유추할 수는 있을 것이다. 서울 
오피스 임대시장은 금융위기 이후 침체가 지속되고 빠른 회복을 기대하기 어려운 
상황이다. 임대인은 공실을 해소하기 위해서 적극적인 임대마케팅을 유지하고 임차
인 유치에 경쟁적인 모습을 보인 결과, 렌트프리를 제공하는 사례가 증가하고 그 
수준도 증가 추이를 보였다. 한편, 임차인은 전문중개회사를 통해 임대인과 협의를 
진행하는 경우가 많아서 충분한 시장 정보를 바탕으로 여러 임대인과 조건을 비교
하여 임대계약을 체결하고 있다. 결과적으로 임차인 우위의 시장에서 임대인이 렌
트프리에 대한 충분한 정보를 가진 임차인에게 차별적으로 렌트프리를 제공하기에
는 한계가 있으므로, 임대면적과 상관없이 렌트프리가 제공되고 그 수준이 결정되
는 것으로 판단된다. 
임대기간은 모든 모형에서 양(+)의 관계로 유의한 결과를 나타내므로 임대계약 상 
렌트프리에 주요 영향요인으로 판단된다. 즉, 임대기간이 길수록 렌트프리가 제공되
고 렌트프리 수준이 증가하는 것으로 설명된다. 장기 임차인을 유치하여 임대 수익
을 안정적으로 확보하고자 하는 임대인이 임대기간이 긴 임차인에게 더 많은 렌트
프리를 제공하는 것으로서 일반적인 인식과 일치한다. 임대시장의 침체가 지속되는 
가운데 임대인은 렌트프리를 통해 실질임대료를 낮추더라도 장기 임차인을 유치하
여 안정적인 임대 운영을 선호하는 것이다. 따라서 임대인은 장기 임차인에게유리
한실질임대료를 적용하기 위해 차별적으로 렌트프리를 활용하는 것으로 보인다.
계약임대료도 모든 모형에서 유의하므로 렌트프리에 주요 영향요인으로 판단된다. 
양(+)의 관계를 나타내어 계약임대료가 비쌀수록 렌트프리의 제공 가능성 및 수준
이 증가하는 것으로 보인다. 이 결과는 계약임대료가 비싼임대계약일수록 장기간
의 렌트프리를 포함할 가능성이 높으며, 계약임대료와 렌트프리가 차감된 실질임대
료 간의 격차가 더욱 큰 것으로 설명된다. 계약임대료 수준이 높은 건물에서 렌트
프리가 많은 것으로 해석할 수 있으며, 동일 건물 내에서도 차별적으로 더 높은 계

S15 · PDF 130쪽

S15 PDF 130쪽

이 페이지 검색용 텍스트

- 116 -
약임대료의 임차인에게 더 많은 렌트프리를 제공하는 것으로도 볼 수 있다. 따라서 
계약임대료를 높이면서 렌트프리 제공을 통해서 실질임대료를 조정하는 것으로서, 
더 높은 수준의 렌트프리를 제공하더라도 계약임대료를 높여 실질 임대수익은 유지
하려는 임대인의 임대 전략의 결과로 추정된다. 
계약연도는 전반적으로 모든 모형에서 유의한 결과를 나타내어 렌트프리의 주요 
영향요인으로 판단된다. 2010년에는 모든 모형에서 유의하지 않으나 2011년 이후부
터는 전반적으로 유의하게 나타나고 2014년 이후는 모든 모형에서 유의한 결과를 
보인다. 양(+)의 관계를 나타내므로 기준 범주인 2009년 대비 렌트프리 포함 가능성
이 높으며 그 수준도 높은 경향을 나타낸다. 모형 1의 승산비 및 모형 2의 계수값
을 고려시 렌트프리의 포함 가능성 및 수준이 높아지는 경향은 2014년 이후에 더욱 
뚜렷해진 것으로 사료된다. 즉, 과거보다 최근의 계약사례에서 렌트프리가 제공 사
례가 더 많으며, 더 높은 수준으로 제공되는 것으로 설명된다. 시장의 침체가 지속
되면서 임대시장에서 렌트프리 사례가 증가하여 보편화되고 렌트프리 수준도 증가
한 것으로 이해된다.
건물 특성 중 건물연면적(더미)은 모든 모형에서 통계적으로 유의하며, 연면적 
33,000㎡ 이상의 오피스가 높은 수준의 렌트프리를 포함할 가능성이 있음을 나타낸
다. 대형 건물일수록 임대수익을 목적으로 한 투자기관이 소유하거나 부동산전문서
비스회사에 의해 관리되고 있으며, 적극적인 임대마케팅을 통해 렌트프리 제공 가
능성이 높다. 대형 건물일수록 큰 공실이 발생할 수 있으며, 공실이 발생하는 경우 
공격적으로 장기간의 렌트프리를 제공할 가능성이 있다. 금융위기 이후 대형 오피
스의 공급 증가로 대형 공실이 발생하고 이들을 중심으로 파격적인 렌트프리 조건
이 적용된 점도 영향을 끼친 것으로 생각된다.
신축여부(준공 3년)도 모든 모형에서 유의하여 렌트프리의 주요 영향요인으로 판
단된다. 양(+)의 관계를 보여 신축 오피스의 임대계약일수록 렌트프리가 포함될 확
률이 높고 그 수준도 높은 경향이 있음을 나타낸다. 금융위기 이후 서울 오피스 시
장에는공급이 증가하였고 위축된 임대시장에서 단기간에 공실을 소진하기에는 수
요는 제한된 결과, 대형 공실을 보유한 신축 오피스를 중심으로 장기의 렌트프리가 
제공되었다. 임대인은 준공 후 공실을 조기에 해소하고 임대 운영의 안정화를 위해 
임차인 유치에 집중하므로 공격적으로 렌트프리를 제공한 것으로 사료된다.
건축연한은 모든 모형에서 유의한 결과를 보여 렌트프리의 주요 영향요인이며, 음
(-)의 관계를 나타내어 건축연한이 길수록 렌트프리가 포함되지 않고 수준이 낮은 
경향이 있는 것으로 해석된다. 이는 신축 오피스일수록 렌트프리가 포함되고 그 수
준이 높은 경향을 보인다는 분석 결과를 연장하여 이해할 수 있다. 즉, 많은 렌트프

S15 · PDF 131쪽

S15 PDF 131쪽

이 페이지 검색용 텍스트

- 117 -
리를 제공하는 신축 오피스와 달리, 준공 후 운영기간이 증가할수록 임대가 안정되
어짐에 따라 렌트프리를 제공할 필요성이 감소하고 그 수준도 낮아진 것으로 사료
된다. 서울 오피스 시장에서 신축 오피스는 일반적으로 준공 초기에 공격적인 렌트
프리를 제공하나 임대가 안정화 된 이후에는 그 수준을 낮추는 경향이 있다. 한편, 
임차인은 임대 만기시점에 추가적인 비용을 지출하면서 이전하기보다는 기존 임대
계약을 갱신하는 경향이 있으므로, 건축연한이증가할수록 임대 안정화 가능성은 
높아지며 렌트프리가포함되고그 수준이낮아질 가능성이 있는 것으로 추정된다. 
건물공실률은 대부분의 모형에서 통계적으로 유의하지 않다. 높은 공실률을 가진 
건물이 임차인 유치를 위해 더 많은 렌트프리를 제공할 것이라는 통상적인 인식과
는 차이가 있는 결과이다. 다만, 모형 1과 모형 2의 분석결과는 다소 다르게 나타난
다. 렌트프리 여부를 분석한 모형 1에서는 모두 유의하지 않은 반면, 렌트프리 수준
을 분석한 모형 2에서는 모형 2-1과 2-3이 양(+)의 방향으로 유의하므로 건물공실률
이 높을수록 렌트프리의 수준도 높을 가능성이 있음을 알 수 있다. 
임대인의 임대관리 전문성에 따라 렌트프리 제공 여부가 다르게 나타날 수 있다. 
금융위기 이후 서울 오피스 시장에서 렌트프리 제공 사례가 보편화되지 않은 시점
에는 렌트프리를 제공하는 건물도 한정되었다. 예로, 건물공실률이 높은 건물이라도 
렌트프리에 대한 인식이 낮은 임대인은 렌트프리를 고려하지 않는 것이다. 렌트프
리가 보편화된 현재도 전문적인 임대관리가 이루어지지 않는 중소형 오피스는 렌트
프리 사례가 제한적인 경향이 있다. 그러나 렌트프리를 제공하는 임대인의 경우에
는 건물공실률이 높다면 더 긴 기간의 렌트프리를 제공하여 임차인 유치에 적극적
으로 대응하는 것으로 이해된다. 즉, 전문적인 임대인은 건물공실률에 따라 렌트프
리를 활용하여 계약임대료의 조정 없이 실질임대료를 탄력적으로 결정하는 것으로 
추정된다. 
임대시장 특성 중 시장임대료(서울)는 모형 1과 모형 2 모두 양(+)의 관계로 통계
적으로 유의하여 렌트프리의 주요 영향요인이다. 서울 오피스 임대시장의 침체에도 
불구하고 명목임대료인 시장임대료는 지속적으로 상승하였고, 렌트프리 제공 사례
와 수준이 증가 추이를 보인 결과로 판단된다. 서울 오피스 시장에서 임대인은 명
목임대료를 인상하면서 더 많은 렌트프리를 제공하여 임차인이 부담하는 실질임대
료를 조정하는 방법이 일반화 된 것으로 추정된다. 
각 임대계약 시작시점의 시장공실률(권역)은 모든 모형에서 유의하지 않은 것으로 
나타나서 시장공실률 증감에 따라 렌트프리도 증감할 것이라는 인식과는 다른 결과
를 보인다. 렌트프리와 시장공실률 간의 내재된 시차로 인한 한계일 수 있으나, 렌
트프리에 대해 시장공실률이 주요 영향요인이 아닌 것으로 사료된다. 서울 오피스

S15 · PDF 132쪽

S15 PDF 132쪽

이 페이지 검색용 텍스트

- 118 -
시장에서 렌트프리 제공 사례가 증가하면서 그 제공 수준도 증가 추이를 보였다. 
따라서 시장공실률의 증감이 영향을 미치기보다는 렌트프리가 확산되고 보편화되면
서 임대인들이 경쟁적으로 렌트프리를 제공하여 지속적으로 증가한 결과로, 시장공
실률이 렌트프리의 주요 영향요인이 아닌 것으로 추정된다.
업무권역 중 도심권역은 업무권역 변수가 반영된 모형 전부에서 양(+)의 방향을 
나타내어 타권역보다 상대적으로 높은 수준의 렌트프리가 더 많이 제공되는 것으
로 나타난다. 그러나 모형 2는 통계적으로 모두 유의하나 모형 1은 1-6 및 1-7만 유
의하므로, 렌트프리 여부와 수준에 대한 영향력은 다소 다르게 설명된다. 도심권역
은 금융위기 이후 신규 공급의 증가로 공실이 늘어났고 공실해소를 위해 타 권역
보다 공격적인 임대마케팅이 진행되어 렌트프리 제공에 적극적인 모습을 나타내었
다. 한편, 신축 오피스를 중심으로 렌트프리가 제공되어 상대적으로 렌트프리 여부
에는 영향력이낮으나, 전반적으로 제공된 렌트프리 수준은 높아서 이에 대한 영향
력은 큰 것으로 추정된다.
강남권역은 모형 2-4에서만 유의하여 기준 범주인 기타권역에대비하여 도심권역 
및 여의도권역처럼 명확한 결과가 파악되지 않았다. 다만, 일관되게 음(-)의 방향을 
보이는 점은 금융위기 이후에도 타 권역 대비 상대적으로 안정적인 임대시장을 유
지한 강남권역의 특성이 반영된 것으로 사료된다. 즉, 통계적으로 명확하게 설명하
기에는 제한적이나 비교적 낮은 수준의 렌트프리를 제공한 것으로 추정된다. 여의
도권역은 모형 1과 모형 2에서 모두 음(-)의 방향으로 유의하여 타 업무권역보다 렌
트프리가 없을 가능성이 높으며, 그 수준도 낮은 경향이 뚜렷이 드러난다. 여의도권
역은 일부 신규 공급된 대형 오피스에서 높은 수준의 렌트프리 제공 사례가 있으
나, 타권역보다 렌트프리 사례가 제한적이며 수준도 대체로 낮은 것으로 판단된다. 
분석 결과, 서울시 주요 업무권역은 각각의 특성과 임대 시장상황에 따라 렌트프리 
여부 및 수준이 다르게 나타난다
거시경제 특성 변수인 경제성장률은 모든 모형에서 통계적으로 유의하지 않은 결
과를 보인다. 오피스 임대시장이 거시경제의 영향을 받는 점을 고려하면 통상적인 
인식과는 다른 결과로 볼 수 있다. 렌트프리와 경제성장률간에내재된 시차로 인
한 분석 결과의 한계일 수도 있으나, 단기적인 임대료 조정방안인 렌트프리에 대해 
거시경제 변수인 경제성장률의 영향은 매우 제한적인 것으로 이해된다.
회사채 수익률은 음(-)의 관계로 유의하여 회사채 수익률이 낮을수록 렌트프리 제
공 및 수준이 높은 경향이 있는 것으로 설명된다. 금융위기 이후 시장금리가 지속
적으로 하락하는추이를 보였으나 렌트프리는 지속적으로 상승 추이를 나타낸 결과
로 사료된다.

S15 · PDF 133쪽

S15 PDF 133쪽

이 페이지 검색용 텍스트

- 119 -
구분
변수명
모형 1. 렌트프리 여부
모형 2. 렌트프리 수준
1-1
1-2
1-3
1-4
1-5
1-6
1-7
2-1
2-2
2-3
2-4
2-5
2-6
2-7
임대계약
특성
임대면적
LeaseA
(+)
(+)
(+)
(+)
(+)
(+)
(+)
(+)
(+)
(+)
(+)
(+)
(-)
(+)
임대기간
LTerm
(+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)***
계약임대료
URent
(+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)***
계약
연도
Year
2018년
(+)*** (+)***
-
-
(+)*** (+)***
-
(+)*** (+)***
-
-
(+)*** (+)***
-
2017년
(+)*** (+)***
-
-
(+)*** (+)***
-
(+)*** (+)***
-
-
(+)*** (+)***
-
2016년
(+)*** (+)***
-
-
(+)*** (+)***
-
(+)*** (+)***
-
-
(+)*** (+)***
-
2015년
(+)*** (+)***
-
-
(+)*** (+)***
-
(+)*** (+)***
-
-
(+)*** (+)***
-
2014년
(+)*** (+)***
-
-
(+)*** (+)***
-
(+)*** (+)***
-
-
(+)*** (+)***
-
2013년
(+)* (+)**
-
-
(+)
(+)*
-
(+)** (+)**
-
-
(+)** (+)**
-
2012년
(+)* (+)**
-
-
(+)*
(+)
-
(+)* (+)**
-
-
(+)*
(+)
-
2011년
(+)** (+)**
-
-
(+)*
(+)
-
(+)** (+)**
-
-
(+)*
(+)
-
2010년
(+)
(+)
-
-
(+)
(+)
-
(+)
(+)
-
-
(+)
(+)
-
건물
특성
건물연면적
GFA_D (1)
(+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)*** (+)***
신축여부
Built_N(1)
(+)***
-
-
(+)* (+)**
-
-
(+)***
-
-
(+)* (+)**
-
-
건축연한
Built_D
-
(-)*** (-)***
-
-
(-)*** (-)***
-
(-)*** (-)***
-
-
(-)*** (-)***
건물공실률
Vacancy_B
(+)
(+)
(+)
(+)
(+)
(-)
(+)
(+)*
(+)
(+)*
(+)
(-)
(-)
(+)
임대시장
특성
시장임대료(서울)
MRent_A
-
-
(+)*** (+)***
-
-
-
-
-
(+)*** (+)***
-
-
-
시장공실률(권역)
MVacancy_D
-
-
(+)
(+)
-
-
-
-
-
(-)
(-)
-
-
-
업무
권역
District
도심(1)
-
-
-
(+)
(+)
(+)** (+)**
-
-
-
(+)*
(+)* (+)*** (+)**
강남(2)
-
-
-
(-)
(-)
(-)
(-)
-
-
-
(-)*
(-)
(-)
(-)
여의도(3)
-
-
-
(-)*** (-)*** (-)**
(-)*
-
-
-
(-)*** (-)**
(-)*
(-)*
거시경제
특성
경제성장률
GDP
-
-
-
-
-
(-)
(-)
-
-
-
-
-
(-)
(-)
회사채 수익률
Interest
-
-
-
-
-
-
(-)***
-
-
-
-
-
-
(-)***
<표 Ⅳ-32> 모형1과 2의 분석 결과 요약
주1) (+)/(-) : 계수방향 
2) * p < 0.1, ** p < 0.05, *** p < 0.01
3) 계약연도(Year)는 범주 2009년이, 건물연면적(GFA_D)은 범주 2(33,000㎡미만)가, 신축여부(Built_N)는 범주2 (준공 
3년 초과)가, 업무권역(District)은 범주 4(기타)가 참조 범주임.

S15 · PDF 134쪽

S15 PDF 134쪽

이 페이지 검색용 텍스트

- 120 -
Ⅴ. 결 론
1. 연구의 요약
2000년 초반부터 빠르게 성장한 국내 오피스 시장은 리츠 및 부동산펀드와 같은 
간접투자기구를 중심으로 확대되고 있다. 이와 관련한 자산운용사, 종합부동산서비
스 회사 등도 성장하여 선진국 수준으로 부동산 자산을 운용하고 있다. 매각 차익
이 주된 목적이었던 기존의 투자 방식과는 달리 운영 수익에 대한 중요성이 높아졌
으며, 투자 대상과 전략, 운영 방식 등의 기준도 점진적으로 확립되었다. 
서울 오피스 시장은 2008년의 금융위기로 새로운 국면을 맞이하였다. 임대시장은 
급격히 위축되고 신규 공급은 증가하였으나 임대 수요는 제한되어 공실은 증가하게 
되었다. 그리고 임대 시장은 단기간에 회복하기 어려운 상황에 이르게 되었다. 오피
스 임대시장의 침체기에 신규 공급되어 많은 공실을 보유한 대형 오피스를 중심으
로 임차인 유치를 위해서 적극적인 임대마케팅이 수행되었다. 전문적인 자산관리회
사는 유럽 및 미국 등의 상업용 부동산 시장에서 임차인의 임대료를 감면하는 방법
으로 사용된 렌트프리를 제공하기 시작하였다. 
서울 오피스 시장에 렌트프리가 본격적으로 도입된 지 10여 년이 경과하였다. 렌
트프리 사례는 많아지고 그 수준(기간)도 증가하고 있음에도 불구하고 여전히 자료 
구득의 제약으로 인해 렌트프리에 대한 연구는 매우 제한적이다. 본 연구의 가장 
큰 제약 또한 렌프트리 관련하여 구축된 데이터가 거의 없다는 점이었다. 따라서 
여러 부동산 관련 회사로부터 각 건물별 임대내역 등을 구득하고 2009년부터 2018
년까지 체결된 계약사례를 정리하여 데이터를 구축하였으며, 최종적으로 서울 업무
권역(도심권역, 강남권역, 여의도권역, 기타권역)에 소재한 오피스 90개동에서 체결
된 총 1,338건의 임대계약 사례69)를 표본으로 분석하였다. 
본 연구는 i) 렌프트리 여부에 대한 영향요인과 ii) 렌트프리 수준(기간)에 대한 영
향요인을 실증분석 하였다. 렌트프리에 대한 영향요인으로 개별 임대계약의 특성 
요인, 건물의 특성 요인, 임대시장의 특성 요인, 거시경제의 특성 요인을 반영하여 
렌트프리 영향요인을 다각적으로 분석하였다. 
첫째, 이론적 논의와 선행연구를 참고하여 임대계약 특성, 건물 특성, 임대시장 특
성, 거시경제 특성과 관련된 변수들을 선별하고, t-검정 및 검정과 상관관계 분석
을 실시하여 분석 모형에 적합한 독립 변수를 선정하였다. 최종 선정된 설명변수는 
69) 본 연구의 분석 표본은 황병훈·유정석(2016) 및 황병훈·유정석(2017)의 표본을 포함한다.

S15 · PDF 135쪽

S15 PDF 135쪽

이 페이지 검색용 텍스트

- 121 -
임대계약 특성으로 임대면적, 임대기간, 계약임대료 및 계약연도, 건물 특성으로 건
물연면적(더미), 신축여부, 건축연한 및 건물공실률, 임대시장 특성으로 시장임대료
(서울), 시장공실률(권역) 및 업무권역, 거시경제 특성으로 경제성장률 및 회사채 수
익률이다.
둘째, 렌트프리 여부에 영향을 미치는 요인분석은 이분형 로지스틱 회귀 모형을 
적용하였다. 렌트프리 여부를 종속변수로 하고, 임대계약 특성, 건물 특성, 임대시장 
특성, 거시경제 특성으로 선정된 설명변수로 총 7개의 모형을 구성하여 실증분석
하였다.
셋째, 렌트프리 수준(기간)에 대한 영향요인분석은 순서형 로지스틱 회귀모형을 
적용하였다. 렌트프리 수준(연평균 개월수)에 따라 종속변수를 0부터 6까지 7개의 
구간(범주)으로 구성하였고, 위와 동일한 설명변수로 동일하게 구성된 7개의 모형으
로 실증분석하였다.
상기의 분석 결과를 종합적으로 살펴보면, 서울 오피스의 렌트프리에 대해 주요 
영향요인은 임대계약 특성 중 임대기간, 계약임대료 및 계약연도, 건물특성 중 건물
연면적(더미), 신축여부 및 건축연한, 임대시장 특성 중 시장임대료(서울), 업무권역
으로 판단된다. 
임대계약 특성인 임대기간이 길수록 렌트프리가 제공되고, 렌트프리 수준도 증가
할 가능성이 높다. 이는 안정적인 임대 수익 확보가 가능한 장기 임차인에게 더 많
은 렌트프리를 제공하는 것으로서 통상적인 인식과 다르지 않다. 계약임대료도 높
을수록 렌트프리 제공 가능성 및 수준이 증가한다. 즉, 계약임대료가 높은 임대계약
일수록 장기간의 렌트프리를 포함할 가능성이 높으며, 계약임대료와 렌트프리가 차
감된 실질임대료 간의 격차가 더욱 큰 것으로 설명된다. 렌트프리는 계약연도에 영
향을 많이 받는 것으로 판단된다. 특히, 과거보다 최근의 계약사례에서 렌트프리제
공 사례가 더 많으며, 더 높은 수준으로 제공되는 것으로 설명된다. 시장의 침체가 
지속되면서 임대시장에서 렌트프리 사례가 증가하고 그 수준도 증가한 것으로 이해
된다.
건물 특성 중 건물연면적(더미)은 모든 모형에서 통계적으로 유의하며, 연면적 
33,000㎡ 이상의 오피스가 높은 수준의 렌트프리를 포함할 가능성이 있음을 나타낸
다. 대형 건물일수록 전문기관에 의해 관리되어 적극적인 임대마케팅을 바탕으로 
렌트프리 제공 가능성이 높은 것으로 추정된다. 신축여부와 건축연한 모두 유의한 
결과를 나타낸다. 신축일수록 또는 건축연한이 짧을수록 더 많은 렌트프리가 포함
될 가능성이 있는 것으로 설명된다. 금융위기 이후 오피스 공급은 증가한 반면 수
요는 제한되어, 준공 후 공실을 조기에 해소하기 위해 신축 오피스를 중심으로 장

S15 · PDF 136쪽

S15 PDF 136쪽

이 페이지 검색용 텍스트

- 122 -
기간의 렌트프리가 제공된 시장 현황이 반영된 것으로 이해된다. 반면, 건축연한이 
증가할수록 임대가 안정화되어 렌트프리 제공 가능성이 낮아지는 것으로 추정된다. 
임대시장 특성인 시장임대료(서울)는 양(+)의 관계로 유의하다. 서울 오피스 임대
시장의 침체에도 불구하고 명목임대료인 시장임대료는 지속적으로 상승하였고, 이
는 렌트프리 제공 사례와 수준이 증가 추이를 보인 결과로 판단된다. 업무권역 중 
도심권역은 다른 업무권역보다 렌트프리를 제공 가능성이 높으며, 그 수준도 높은 
경향을 보인다. 도심권역은 금융위기 이후 신규 공급의 증가로 공실해소를 위해 타 
권역보다 공격적인 임대마케팅이 진행된 결과로 사료된다. 반편, 여의도권역은 다른 
업무권역보다 렌트프리 제공 가능성이 낮으며, 그 수준도 낮은 경향을 보인다. 여의
도권역은 일부 신축 대형 오피스에서 높은 수준의 렌트프리를 제공한 경우도 있으
나 전반적으로 렌트프리 사례는 제한적이고 수준도 낮은 것으로 설명된다. 강남권
역 변수는 모든 모형에서 통계적으로 유의하지는 않았으나음(-)의관계를나타냈
다. 금융위기 이후에도 강남권역은 타 권역 대비 임대시장이 안정적으로 유지된 결
과, 비교적 낮은 수준의 렌트프리가 제한적으로 제공한 것으로 추정된다. 
임대계약 특성인 임대면적과 시장 특성인 시장공실률(권역)은 통계적으로 유의하
지 않다. 일반적으로 큰 임대면적을 사용하는 임차인에게 렌트프리를 더 많이 제공
할 것이라는 생각과는 다른 결과이다. 렌트프리가 보편화되고 임대중개회사를 통한 
협상을 통해 소형 임차인도 충분한 정보를 가지므로 정보 비대칭이 줄어든 결과로 
추정된다. 즉, 임대인 우위의 시장에서 임대면적에 따라 렌트프리를 차별적으로 제
공하기가 어려운 것으로 추정된다. 시장공실률(권역)도 렌트프리의 영향요인일 것이
라는 추정과 다른 결과를 보인다. 렌트프리와 시장공실률 간에내재된 시차로 인한 
한계일 수 있으나, 렌트프리에 대해 시장공실률이 영향요인이 아닌 것으로 판단된
다. 즉, 서울 오피스 시장에서 렌트프리가 확산되면서 렌트프리 제공 사례와 수준이 
지속적으로 증가한 것으로서 시장공실률의 영향이 크지 않은 것으로 판단된다.
건물 특성인 건물공실률은 렌트프리 여부와 수준에 대해 각각 다른 결과를 보였
다. 렌트프리 여부에 대해서는 모두 통계적으로 유의하지 않았으나, 렌트프리 수준
에 대해서는 일부 모형에서 유의하여 건물공실률이 높을수록 렌트프리 수준이 높은 
경향이 있는 것으로 사료된다. 건물공실률이 높은 건물이라도 임대인에 따라 렌트
프리를 제공하지 않기도 한다. 렌트프리가 보편적인 현재도 전문적인 임대관리가 
이루어지지 않는 중소형 오피스는 렌트프리 사례가 제한적인 경우가 있다. 반면 렌
트프리를 제공하는 경우에는 건물공실률이 높을수록 더욱 긴 기간의 렌트프리를 제
공하여 적극적으로 임차인을 유치하는 것으로 추정된다. 
거시경제 특성 변수인 경제성장률은 모든 모형에서 통계적으로 유의하지 않은 결

S15 · PDF 137쪽

S15 PDF 137쪽

이 페이지 검색용 텍스트

- 123 -
과를 보인다. 오피스 임대시장이 거시경제의 영향을 받는 점을 고려하면 통상적인 
인식과는 다른 결과로 볼 수 있다. 단기적인 임대료 조정방안인 렌트프리에 대해 
거시경제 변수인 경제성장률의 영향은 제한적인 것으로 추정된다. 회사채 수익률은 
음(-)의 관계로 유의하여 회사채 수익률이 낮을수록 렌트프리 제공 및 수준이 높은 
경향이 있는 것으로 설명된다. 금융위기 이후 시장금리가 지속적으로 하락 추이를 
보였으나 렌트프리는 지속적으로 상승 추이를 나타낸 결과로 사료된다.
2. 연구의 시사점
서울 오피스 시장의 현황을 살펴보면 렌트프리는 금융위기 이후 본격적으로 나타
났으며 임대시장의 침체가 지속되면서 그 제공 사례와 수준은 증가 추이를 나타낸
다. 이러한 시장 환경의 변화에 대응하여 각 건물의 운영 현황과 관리방식에 따라 
여러 목적으로 렌트프리가 적용된 것으로 추정된다. 따라서 서울 오피스 시장에서 
렌트프리의 특성을 다각적으로 분석한 결과 아래와 같은 시사점을 도출할 수 있다.  
첫째, 서울 오피스 시장에서 렌트프리는 표면적인 명목임대료(시장임대료 및 계약
임대료)와 임차인이 부담하는 실질임대료를 조정하기 위한 방법으로 사용되는 것으
로 판단된다. 임대시장의 침체에도 시장임대료(서울)는 꾸준히 상승하였고 렌트프리 
사례와 수준은 증가하여, 시장임대료가 높을수록 렌트프리가 많은 분석 결과를 보
인다. 계약임대료도 높을수록 더 많은 렌트프리가 제공되어 유사한 결과를 나타낸
다. 즉, 명목임대료를 낮추기보다는 유지 또는 인상하기 위한 방법으로 렌트프리가 
사용되는 것으로 추정된다. 시장 침체기에 하락되지 않고 인상된 명목임대료를 더 
많은 렌트프리를 제공하여 실질임대료는 유지 또는 감소시켜 임차인의 실질적인 부
담은 경감하는 것이다. 
둘째, 렌트프리는 임대계약별로 차별적인 조건을 반영하기 위해 활용되는 것으로 
이해된다. 임대계약의 주요 조건인 임대기간이 길수록, 계약임대료가 높을수록 렌트
프리는 더 많다. 임대시장의 침체가 지속되는 가운데 안정적인 임대수익에 도움이 
되는 장기 계약 임차인에게 타 임차인과 차별되는 낮은 실질임대료를 적용하기 위
해 렌트프리를 활용하는 것으로 보인다. 동일 건물 내에서도 더 높은 계약임대료의 
임차인에게 더 많은 렌트프리를 차별적으로 제공하는 것으로 해석된다. 더 높은 수
준의 렌트프리를 제공하더라도 계약임대료를 높여 실질 임대수익은 유지하려는 임
대인의 임대 전략이 반영된 것으로 추정된다.
셋째, 각 건물의 특성과 임대 현황이 렌트프리에 영향을 주는 것으로 판단된다. 
금융위기 이후 서울 오피스 시장에 공급은 증가하고 임대시장은 위축되어 공실을

S15 · PDF 138쪽

S15 PDF 138쪽

이 페이지 검색용 텍스트

- 124 -
해소하기에는 수요가 제한되어, 대형 공실을 보유한 신축 오피스를 중심으로 렌트
프리가 제공되었다. 특히 공급이 집중된 도심권역의 대형 오피스는 준공 후 조기 
안정화를 위해 공격적으로 렌트프리를 제공하는 경우도 있었다. 분석 결과, 건물연
면적이 클수록, 신축건물일수록, 건축연한이 짧을수록, 건물공실률이 높을수록, 도심
권역일수록 렌트프리도 높은 수준으로 나타났다.
넷째, 서울 오피스 시장의 렌트프리는 각 업무권역별로 특성 차이가 뚜렷하다. 도
심권역은 대체로 높은 수준의 렌트프리가 많이 제공된 반면, 여의도권역은 상대적
으로 렌트프리 수준이 낮고 제공 가능성도 낮은 경향을 보였다. 금융위기 이후에도 
타 권역 대비 안정적인 임대시장을 유지한 강남권역은 비교적 낮은 수준의 렌트프
리를 제공한 것으로 설명된다. 이러한 결과는 각 업무권역별로 임대시장의 특성과 
환경이 다른 결과로 이해된다.
다섯째, 렌트프리는 거시적인 경제 상황보다는 직접적인 임대시장 환경에 더 큰 
영향을 받는 것으로 설명된다. 거시경제 지표인 경제성장률은 모든 모형에서 유의
하지 않은 결과를 보인 반면, 임대 계약연도는 영향력이 높게 나타났으며 업무권역
별 특성도 명확하다. 렌트프리 사례가 한정적이었던 도입 초기와 달리, 임대시장의 
경쟁 심화에 따라 렌트프리는 빠르게 확산되어 보편화되었다. 즉, 렌트프리는 거시
적인 경제 환경보다는 계약시점의 경쟁 빌딩 및 해당 권역의 임대시장 현황에 즉각 
대응하기 위해 활용되는 것으로 판단된다.  
여섯째, 임대인은 정보 비대칭을 활용하여 임차인에 따라 차별적인 조건을 적용하
고자 하나 한계점도 드러난다. 임대면적을 크게 사용하는 대형 임차인에게 렌트프
리가 더 많이 제공될 것이라는 생각과는 다르게 임대면적은 유의하지 않은 요인이
다. 소형 임차인도 전문중개회사를 통한 협의가 증가하고 시장 정보를 바탕으로 임
대조건을 비교하는 임차인 우위의 시장에서 임대인이 임차인에게 차별적인 렌트프
리 조건을 반영하기에는 한계가 있을 것이다. 이러한 한계는 시장 환경의 변화와 
정보공개 수준에 따라 달라질 것으로 사료된다.
마지막으로, 임대관리 방식(전략)에 따라 렌트프리에 다른 영향을 미치는 것으로 
유추할 수 있다. 대형 건물일수록 전문회사를 통한 임대관리가 수행되며, 공실에 대
해 적극적으로 대응하여 렌트프리 제공 가능성이 높다. 렌트프리가 일반적인 최근
에도 전문적인 임대관리가 이루어지지 않는 중소형 오피스는 여전히 렌트프리 사례
가 제한적인 경우가 있다. 따라서 건물연면적이 렌트프리에 대해 유의한 변수인 점
에 대해 임대관리 방식이 간접적인 영향을 주는 것으로 생각된다. 건물공실률이 렌
트프리 여부에는 유의하지 않으나 렌트프리 수준에는 영향을 주는 점도 전문적이지 
않은 임대관리 방식에서 기인한 것으로 추정된다.

S15 · PDF 139쪽

S15 PDF 139쪽

이 페이지 검색용 텍스트

- 125 -
3. 연구의 의의 및 한계
서울 오피스 시장에서 렌트프리 사례가 증가하고 명목임대료와 실질임대료 간의 
격차가 커지고 있으나, 렌트프리에 대한 실무적인 추정과 단편적인 자료만 있을 뿐 
체계적으로 축적된 자료는 찾아보기 어렵다. 그 결과 렌트프리와 관련한 국내 선행
연구는 아직 초보적인 수준에 있는 상황이다. 
본 연구는 서울 오피스 시장에 렌트프리가 본격적으로 도입된 2009년부터 최근 
2018년 사이에 체결된 총 1,338건의 임대계약 사례를 대상으로 실증분석하여 선행
연구보다 가장 많은 표본과 가장 긴 기간을 대상으로 분석하였다는 점에서 차별성
을 나타낸다. 임대계약 자료에 기초하므로 설명변수로 임대계약의 주요 조건(임대면
적, 임대기간, 계약임대료, 계약연도)을 반영하였으며, 각 임대계약 체결시점의 건물
특성(건물연면적, 신축여부, 건축연한, 건물공실률)과 시장특성(시장임대료, 시장공실
률, 업무권역)을 포함하여, 렌트프리 여부 뿐만 아니라 렌트프리 수준(기간)에 대해 
다각적인 분석을 수행하였다. 
분석 결과, 서울 오피스의 렌트프리에 대한 주요 영향요인은 임대기간, 계약임대
료, 계약연도, 건물연면적(더미), 신축여부, 건축연한, 시장임대료(서울), 업무권역인 
것으로 나타났다. 그리고 임대면적, 시장공실률(권역), 경제성장률은 통계적으로 유
의하지 않은 것으로 나타났다. 무엇보다도 서울 오피스 시장에서 렌트프리는 명목
임대료와 실질임대료를 조정하는 방법으로 사용되며, 임대계약별로 차별적인 조건
을 반영하기 위해 활용되며, 각 건물의 특성과 임대현황에 영향을 받으며, 각 업무
권역별로 차이가 있으며, 거시적인 경제 상황보다는 직접적인 임대시장 환경에 더 
큰 영향을 받는 것으로 이해된다. 본 연구의 결과는 렌트프리의 영향요인을 폭 넓
고 명확하게 나타내고 있으므로 렌트프리에 대한 이해를 높이는 데 기여할 것이다.
본 연구가 렌트프리 영향요인을 더욱 심도 있게 분석하였으나 서울 소재 90개 빌
딩에 한정된 계약사례로서 서울 전체 오피스를 대변하기에는 다소 부족할 수 있다. 
그리고 임대시장의 주요 변수인 임대료 및 공실률과 렌트프리 간의 인과관계가명
확하게 검증되지 못한채, 본 연구의 임대계약 자료는 시계열 자료가 아닌 횡단면 
자료로서변수 간의 내생성이 충분히 고려될 수 없는 횡단면 분석에 그친 점이 아
쉽다. 다만, 본 연구는선행연구와 서울 오피스 시장현황을 감안하여렌트프리를 종
속변수로 가정하였고임대료, 공실률, 렌트프리 간의 발생 가능한 내생성을 감안하
여, 계약연도, 경제성장률 및 회사채 수익률을 설명변수로 반영하여 내생성을 최대
한 통제하고자 하였다. 향후 자료가 축적되어 해외 선행연구와 같이 2단계최소자승
법 또는 제한정보최우추정법과 같은 변수 간의 내생성을 고려한 분석 방법으로도

S15 · PDF 140쪽

S15 PDF 140쪽

이 페이지 검색용 텍스트

- 126 -
연구가 이루어지길 바란다. 
한편, 본 연구에서 유의하지 않은 시장공실률은 렌트프리와 공실률 간에 내재된 
시차로 인해 다른 결과를 보일 수 있으나 명확하게 분석되지 못한 한계가 있다. 또
한, 임대계약의 당사자인 임대인 및 임차인과 이들을 중개하는 임대대행인의 특성
이 렌트프리에 영향을 주는 요인일 수 있으나, 소유자 구분(개인, 중소기업, 대기업, 
공공기관 등), 임대관리 방식(직영, 전문관리회사 등), 임차인 업종, 임대대행 방식 
등과 같은 관련 변수를 자료의 한계로 반영하지 못했다. 서울 오피스 시장의 임대
계약 사례에 근거한 데이터베이스가 조속히 구축되어 임대시장에 대한 면밀한 분석
이 가능해지길 바란다. 
본 연구는 금융위기 이후 서울 오피스 시장에 나타난 렌트프리가 임대시장의 침
체기 동안 확대되고 보편화된 기간을 대상으로 하였다. 최근 과잉 공급으로 인한 
공실은 점진적으로 해소되고 있으며 신규 공급량은 감소하고 있다. 서울 오피스 임
대시장이 아직 회복기로 접어든 것으로 보기는 어려우나 최악의 상황은 벗어난 것
으로 판단된다. 다만 서울 오피스 임대시장이 회복기로 전환될 때 지금까지의 렌트
프리의 동태는 다른 특성을 나타낼 수 있다. 
시장 회복에 따라 렌트프리가 감소 추이를 보이고 명목임대료와 실질임대료 간의 
격차도 줄어들지, 현재 수준의 렌트프리가 대부분의 임대 계약의 기본 조건으로 고
착화될지, 또는 렌트프리에 대한 정보가 일반화되어 정보 비대칭에 따른 영향이 감
소할지 예상하기 어렵다. 최근 급성장하고 있는 공유오피스에 의한 영향도 클 것으
로 추정된다. 공유오피스 회사는 전문적인 지식과 정보를 가진 임차인으로서 적극
적으로 렌트프리를 요구하는 실정이다. 향후 이러한 임대시장의 변화는 계속될 것
으로 예상되며 이에 따른 연구도 지속될 필요가 있다.

S15 · PDF 141쪽

S15 PDF 141쪽

이 페이지 검색용 텍스트

- 127 -
참고문헌
강선호(2017) “공익사업을 위한 토지협의계약 및 토지수용진행단계별 영향요인 분석: 서울지
역 택지개발사업지구를 대상으로”. 박사학위논문, 단국대학교 대학원.
권희재(2018) “오피스 임대차계약사례 유형분석을 통한 렌트프리 결정요인 분석”. 석사학위
논문, 건국대학교 부동산대학원.
김경민, 박정수(2009) “서울 오피스 시장의 임대료조정메커니즘: 자연공실률과 실질임대료 
관계를 중심으로”. 국토연구, 62, pp. 223-233.
김경환, 손재영(2010) 부동산 경제학. 건국대학교출판부, 서울.
김순귀, 정동빈, 박영술(2012) 로지스틱 회귀모형의 이해와 응용. 한나래아카데미, 서울
류강민, 여태종(2016) “서울 오피스 시장의 렌트프리와 매매가격의 관계 분석”. 감정평가학 
논집, 15(2), pp. 19-30.
류강민, 이병현, 이창무(2015) “글로벌 금융위기 이후 오피스 임대시장 구조변화 분석”. 국토
연구, 85, pp. 175-188.
류강민, 이창무(2012) “서울시 오피스 임대시장의 공실률과 임대료의 상호결정구조 분석”. 
부동산학연구, 18(2), pp. 91-102.
문근식(2016) “상업용부동산시장의 정보비대칭효과에 관한 실증연구”. 박사학위논문, 건국대
학교 대학원, 서울, 대한민국.
민성훈(2013) “오피스 호가임대료를 이용한 계약 및 수취임대료 추정모형 연구”. 국토연구, 
79, pp. 63-76.
서혜선 외(2013) SPSS(PASW) 회귀분석. 제3판, 한나래출판사, 서울.
양영준, 임병준(2014) “오피스 순영업소득(NOI)에 대한 고찰: 오피스 특성변수를 이용하여”. 
부동산학연구, 20(1), pp. 79-95.
여태종, 류강민, 김형주(2015) “서울 오피스 임대시장의 렌트프리 결정요인 분석”. 부동산학연
구, 21(3), pp. 75-84.
이준봉(2016) “렌트프리(무상임대)과 호가임대료의 관계에 관한 연구: 서울시 오피스 시장을 
중심으로”. 석사학위논문, 서울시립대학교 도시과학대학원.
인채권, 여홍구(2013) “상업용부동산 임대차계약에 관한 실증연구”. 국토지리학회, 46(4), pp. 
381-395.
우석진(2013) 경제분석을 위한 STATA. ㈜지필미디어, 서울.
우철민, 정인호, 심교언(2015) “서울시 간접투자대상 오피스빌딩의 실질임대료 및 Cap. rate 
비교 연구”. 부동산학보, 62, pp. 92-105.
윤재희, 이재학(2013) 경제학의 기본원리. 북코리아, 경기도.

S15 · PDF 142쪽

S15 PDF 142쪽

이 페이지 검색용 텍스트

- 128 -
이무송, 유정석(2014) “연립방정식 모형을 이용한 서울 오피스 시장의 균형메커니즘 연구”. 
부동산학연구, 20(1), pp. 19-38.
인채권, 여홍구(2013) “상업용부동산 임대차계약에 관한 실증연구”. 국토지리학회지, 46(4), 
pp. 381-395.
전해정(2012) “오피스 임대료, 공실률 모형의 동학적 분석에 관한 연구”. 부동산연구, 22(3), 
pp. 215-233.
정원구, 이호병(2016) “임대차계약사례분석을 통한 서울 간접투자 오피스의 렌트프리 결정요
인 분석”. 부동산학연구, 22(2), pp. 17-28.
젠스타(2015) 렌트프리에 대한 6가지 이야기. 시장보고서.
최현철(2016) 사회과학 통계분석. ㈜나남, 경기도.
황병훈, 유정석(2016) “실제 임대계약 사례를 이용한 서울 오피스 임대시장의 렌트프리 결정
요인 분석”. 도시행정학보, 29(3), pp. 231-252.
______________(2017) “서울 오피스 시장의 임대계약 사례를 이용한 렌트프리 기간의 결정요
인 분석”. 도시행정학보, 30(2), pp. 153-178.
CBRE(2016) 2016년 서울 오피스 시장: 임차인 현황과 수요 전망. 시장보고서, CBRE 
Research.
_____(2018) 2018년 서울 오피스 임차인: 서울 주요 3대권역 및 기타 권역. 시장보고서, 
CBRE Research.
_____(2019) Real Estate Market Outlook: Korea. 시장보고서, CBRE Research.
교보리얼코 홈페이지, https://www.kyoborealco.co.kr.
국토교통부 홈페이지, http://www.molit.go.kr.
두산백과 홈페이지, http://www.doopedia.co.kr.
에비슨영 코리아 홈페이지, https://www.avisonyoung.co.kr.
젠스타 홈페이지, http://www.mygenstar.com.
세빌스 코리아 홈페이지, https://www.savills.co.kr.
신영에셋 홈페이지, http://www.syasset.com. 
Cambridge Dictionary 홈페이지, https://dictionary.cambridge.org.
CBRE Korea 홈페이지, https://www.cbrekorea.com.
Collins English Dictionary 홈페이지, https://www.collinsdictionary.com.

S15 · PDF 143쪽

S15 PDF 143쪽

이 페이지 검색용 텍스트

- 129 -
Akerlof, G. A.(1970) “The Market for Lemons: Quality Uncertainty and the Market 
Mechanism”. Quarterly Journal of Economics, vol. 84(3), pp. 488-500.
Barnes, K. A.(1986) “Rental Concessions and Value”. Appraisal Journal, vol. 54, pp. 167-76.
Blank, D. M. and L. Winnick(1953) "The Structure of the Housing Market". Quarterly Journal 
of Economics, vol. 67, pp. 181-203.
Bond, S. A., P. Loizou, and P. McAllister(2007) “Lease Maturity and Initial Rent: Is There 
a Term Structure for UK Commercail Property Leases?”. Journal of Real Estate 
Finance and Economics, vol. 36(1), pp. 451-469.
Brown, G. R.(1995) “Estimating Effective Rents”. Journal of Property Finance, 6(2), 33-42
Chau, K. W. and S. K. Wong(2016) "Information Asymmetry and the Rent and Vacancy 
Rate Dynamics in the Office Market". Real Estate Economics, vol. 53: pp.162-183.
Colliers 
International(2016) 
“Is 
There 
Really 
Such 
a 
Thing 
as 
Free 
Rent?”.  
https://knowledge-leader.colliers.com.
Haurin, D.(1988) “The Duration of Marketing Time of Residential Housing”. AREUEA, vol. 
16(4), pp. 396-410.
Fisher, L. M. and B. A. Ciochetti(2007) “Determinants of the Terms and Performance of 
Office Leases”. The Real Estate Research Institute, Massachusetts Institute of 
Technology.
Frew, J. and G. D. Jud(1988) "The Vacancy Rate and Rent Levels in the Commercial Office 
Market". The Journal of Real Estate Research, vol. 3(1), pp. 1-8.
Frew, J., G. D. Jud, and D. Winkler(1991) "Atypicalities and Apartment Rent Conssessions". 
The Journal of Real Estate Research, vol. 5(2), pp. 195-201.
Gabriel, S. A, and F. E. Nothaft(1988) “Rental Housing Markets and the Natural Vacancy 
Rate”. AREUEA, vol. 16(4), pp. 419-429. 
Gunnelin, A, and B. Sönderberg(2003) “Term Structure in the Office Rental Market in 
Stockholm”. Journal of Real Estate Finance and Economics, vol. 26(2/3), pp.  
241-265. 
Hamilton, M., L. C. Lim, and W. McCluskey(2006), “The Changing Pattern of Commercial 
Lease Terms”. Property Management, vol. 24, pp. 31-46.
Hendershott, P. H., B. D. MacGregor and R. Y. C. Tse(2002) "Estimation of the Rental 
Adjustment Process". Real Estate Economics, vol. 30(2), pp. 165-183.
Ibanez, M. R. and A. Pennington-Cross(2013) "Commercial Property Rent Dynamics in U.S. 
Metropolitan Areas: An Examination of Office, Industrial, Flex and Retail Space".

S15 · PDF 144쪽

S15 PDF 144쪽

이 페이지 검색용 텍스트

- 130 -
Journal of Real Estate Finance and Economics, vol. 46(2), pp. 232-259.
Jeffries, R. L.(1994) “Lease Incentives and Effective Rents: A Decapitalization Model”. Journal 
of Property Valuation & Investment, vol. 12(1), pp. 21-42.
Mooradian, R. M. and S. X. Yang(2002) “Commercial Real Estate Leasing, Asymmetric 
Information, and Monopolistic Competition”. Journal of Real Estate Economics, vol. 
30(2), pp. 293-315.
Murdoch, S. and N. Crosby(1994) “The Legal Implications of Rent-free Periods at Rent 
Review”. Journal of Property Valuation and Investment, vol. 12(2), pp. 43-50.
Oak Investment Management Group(2013) “Rent Free Periods in Real Estate”. 
http://www.oakimg.com.
Remax Niagara(2019) “What is a rent free period in a commercial or industrial real estate 
lease and how do you achieve one?”. https://www.stevendavidson.ca.
Reoptimizer(2013) “A Tenant's Guide to Rent Abatement”.  https://www.reoptimizer.com.
__________(2016) 
“What 
Tenants 
Should 
Know 
about 
Rent 
Abatement”. 
https://www.reoptimizer.com.
Rosen, K. T. and L. B. Smith(1983) “The Price-adjustment Process for Rental Housing and 
the Natural Vacancy Rate”, The American Economic Review, vol. 73(4), pp. 779-786.
Sheehan, K. T.(2006) The Value Of Contractual Terms in Office Leases. Masters Thesis, 
Massachusetts Institute of Technology, Massachusetts, USA.
Shilling, J. D., C. F. Sirmans, and J. B. Corgel(1987) “Price Adjustment Process for Rental 
Office Space”. Journal of Urban Economics, vol. 22(1), pp. 90-100.
Sirmans, G. S., C. F. Sirmans, and J. D. Benjamin(1990) “Rental Concessions and Property 
Values”. The Journal of Real Estate Research, vol. 5(1), pp. 141-151.
___________________________________________(1992) “Rental Concessions, Effective 
Rent, and Property Values”. Property Tax Journal, vol. 11(3), pp. 247-257.
___________________________________________(1994) “Apartment Rent, Concessions and 
Occupancy Rates”. The Journal of Real Estate Research, vol. 9(3), pp. 299-312.
Smith, L. B.(1974) “A Note on the Price Adjustment Mechanism for Rental Housing”. 
American Economic Review, vol. 64, pp. 478-481.
Tenant 
Advisory 
Group(2013) 
“TI, 
Abatement: 
What 
Does 
It 
Mean?”.  
https://tagcommercialbroker.com.
The Business Journals(2015) “3 lease concessions every office tenant should negotiate”.  
https://www.bizjournals.com.

S15 · PDF 145쪽

S15 PDF 145쪽

이 페이지 검색용 텍스트

- 131 -
Webb, R. B. and J. D. Fisher(1996) “Development of an Effective Rent(Lease) Index for 
the Chicago CBD”. The Journal of Urban Economics, vol. 39, pp. 1-19. 
Wheaton, W.(1987) “The Cyclic Behavior of the National Office Market”. AREUEA, vol. 
15(4), pp. 281-299.
Wheaton, W. and R. Torto(1988) “Vacancy Rates and the Future of Office Rents”. AREUEA, 
vol. 16(4); pp. 430-436.
______________________(1994) “Office Rent Indices and Their Behavior Over Time”. 
Journal of Urban Economics, vol. 35, pp. 121-139.
______________________(1998), "Vacancy Rates and the Future of Office Rents". Real Estate 
Economics, vol. 16: pp. 430-436
Wheaton, W., R. Torto, and P. E. Chau(1997) “The Cyclic Behavior of Greater London Office 
Market”. Journal of Real Estate Finance and Economics, vol. 15, pp. 77-92
Wong, S. K., C. Y. Yiu, and K. W. Chau(2012) “Liquidity and Information Asymmetry in 
the Real Estate Market”. Journal of Real Estate Finance and Economics, vol. 45(1), 
pp. 49-61.

S15 · PDF 146쪽

S15 PDF 146쪽

이 페이지 검색용 텍스트

- 132 -
부   록
기간
서울시 업무권역
계
연도
분기
도심
강남
여의도
기타
2009
1Q
2
6
0
0
8
2Q
0
5
1
0
6
3Q
5
6
0
1
12
4Q
0
10
0
3
13
소계
7
27
1
4
39
2010
1Q
1
13
2
7
23
2Q
5
7
1
7
20
3Q
10
16
1
1
28
4Q
7
8
3
6
24
소계
23
44
7
21
95
2011
1Q
11
14
2
5
32
2Q
16
8
0
8
32
3Q
28
16
1
7
52
4Q
31
11
12
6
60
소계
86
49
15
26
176
2012
1Q
22
20
8
6
56
2Q
18
22
11
12
63
3Q
25
21
2
4
52
4Q
24
12
4
7
47
소계
89
75
25
29
218
2013
1Q
28
14
6
11
59
2Q
15
16
5
13
49
3Q
21
23
2
6
52
4Q
22
14
1
9
46
소계
86
67
14
39
206
2014
1Q
22
15
20
11
68
2Q
22
13
6
13
54
3Q
17
16
8
10
51
4Q
4
17
6
4
31
소계
65
61
40
38
204
2015
1Q
4
13
3
10
30
2Q
8
11
2
18
39
3Q
6
9
0
6
21
4Q
18
20
4
11
53
소계
36
53
9
45
143
2016
1Q
12
11
8
8
39
2Q
7
10
3
13
33
3Q
7
9
1
9
26
4Q
12
8
1
2
23
소계
38
38
13
32
121
2017
1Q
9
9
5
15
38
2Q
2
5
3
11
21
3Q
5
3
1
3
12
4Q
6
7
2
5
20
소계
22
24
11
34
91
2018
1Q
8
2
2
3
15
2Q
4
1
3
3
11
3Q
4
3
1
2
10
4Q
6
0
3
0
9
소계
22
6
9
8
45
계
474
444
144
276
1,338
<부록 1> 분석대상의 분기별 임대계약수(임대기간 시작 시점 기준)

S15 · PDF 147쪽

S15 PDF 147쪽

이 페이지 검색용 텍스트

- 133 -
(Abstract)
The Influencing Factors on the Free Rent in Lease 
Contracts of Seoul Office Market
Hwang, Byounghoon
Department of Urban Planning and Real Estate
Graduate School
Dankook University
Advisor：Professor Yu, Jung Suk
The office market of Seoul has grown rapidly since the early 2000s, and 
faces a new phase after the global financial crisis in 2008. The office market 
shrank sharply and rental demand was limited while new supply increased 
leading to an increase in vacancies. In other words, the recession has continued 
and it has become difficult to recover in a short period of time. Mainly 
large-sized offices with many vacancies carried out an aggressive marketing 
strategy in order to attract tenants. Some of them began to provide a rent-free 
period used in real estate markets of Europe and the United States.
A free rent is a method of maintaining or increasing the nominal rent but 
lowering the effective rent of tenants. It is assumed that the lessor uses the free 
rent for the purpose of increasing rental income, maintaining and raising asset 
values, and increasing the negotiating power of lease conditions with tenants. 
The free rent, meanwhile, creates a gap between the nominal rent and the 
effective rent, and it could distort the actual market status and may cause errors 
in research results.

S15 · PDF 148쪽

S15 PDF 148쪽

이 페이지 검색용 텍스트

- 134 -
It has been more than 10 years since the free rent was introduced to the 
office market of Seoul. Despite the increasing number of cases and the 
increasing level of periods, researches on the rent-free are still very limited due 
to restrictions on data acquisition. In this study, the data were gathered by 
obtaining directly the lease contracts executed from 2009 to 2018. Finally, it 
analyzes 1,338 cases of lease contracts signed in 90 office buildings of Seoul, 
and indicates a differentiation from previous researches with the limitations of 
restricted data.
In particular, it is possible to estimate diverse variables consisted of the 
characteristics of lease contracts(lease areas, lease terms, contract rents, and a 
contracted year), the characteristics of buildings (gross floor areas, new buildings, 
the ages of completions, and vacancy rates of buildings), the characteristics of 
office markets (market rents, market vacancy rates, and business districts), and 
the characteristics of economy (GDP and corporate bonds) at the time of 
beginning of each lease contract in oder to analyze the influencing factors on 
the presence and level (period) of the free rent.
According to the analysis, the lease term, the contract rent, the gross floor 
area, new buildings, the ages of completions, the market rent (Seoul), and  
business districts are the major influencing factors of the free rent in the office 
market of Seoul. The longer the lease term, the higher the contract rent, the 
larger the gross floor area, the newer building, and the higher the market rent 
(Seoul), the more the case of free rent is and the higher the level of free rents 
is. Central business district indicated that both the case and level of free rents 
are higher than other business districts, but Yeouido business district is lower 
than others. On the other hand, the lease area, the market vacancy rate (district), 
and GDP are not statistically significant, showing results that are different from 
ordinary recognition.
The results imply comprehensively that the free rent in Seoul office market i) 
is used as a way of adjusting the nominal rent and the effective rent, ii) is used 
to apply discriminatory conditions to each lease contract, iii) is determined by 
the characteristics of each building and the circumstance of space market, iv) 
presents differences among business districts, and v) is more affected by the

S15 · PDF 149쪽

S15 PDF 149쪽

이 페이지 검색용 텍스트

- 135 -
rental market directly than by the macro-economic situation. It is assumed that 
vi) there are different effects on the free rent depending on the leasing 
management, and vii) there is also a limitation in the application of information 
asymmetry by using the free rent.
This study analyzes the influencing factors on the presence and level of the 
free rent in a variety of ways and explain their characteristics in depth based on 
lease contract data signed over the past decade. Therefore, it will contribute to 
enhancing understanding of the free rent that has continued to expand since the 
financial crisis in the office market of Seoul.

S16 · 서울시 오피스 건물의 자본환원율 결정요인.pdf · 16쪽 — 원문 펼치기

S16 · PDF 1쪽

S16 PDF 1쪽

S16 · PDF 2쪽

S16 PDF 2쪽

S16 · PDF 3쪽

S16 PDF 3쪽

S16 · PDF 4쪽

S16 PDF 4쪽

S16 · PDF 5쪽

S16 PDF 5쪽

S16 · PDF 6쪽

S16 PDF 6쪽

S16 · PDF 7쪽

S16 PDF 7쪽

S16 · PDF 8쪽

S16 PDF 8쪽

S16 · PDF 9쪽

S16 PDF 9쪽

S16 · PDF 10쪽

S16 PDF 10쪽

S16 · PDF 11쪽

S16 PDF 11쪽

S16 · PDF 12쪽

S16 PDF 12쪽

S16 · PDF 13쪽

S16 PDF 13쪽

S16 · PDF 14쪽

S16 PDF 14쪽

S16 · PDF 15쪽

S16 PDF 15쪽

S16 · PDF 16쪽

S16 PDF 16쪽

S17 · 서울시 오피스 자본환원율 결정요인_1페이지 학습가이드.pdf · 1쪽 — 원문 펼치기

S17 · PDF 1쪽

S17 PDF 1쪽

이 페이지 검색용 텍스트

서울시 오피스 건물의 자본환원율(Cap Rate) 결정요인 — 1페이지 시험 대비 요약
손재영 · 윤민선 (2007), 「국토계획」 42(2) · The Determinants of the Capitalization Rate in the Seoul Office Market
표본: 서울 오피스 실거래 186건(2000–2005, 연면적 2,000평↑) → cap rate 산출 가능 109건 · 추정: OLS 회귀, 종속변수 = cap rate / cap rate spread
1 자본환원율이란?
자본환원율(cap rate) = NOI / V  — 순운영수입(NOI)을
부동산 가치(V)로 나눈 투자가치 지표.
단년도 소득·가격으로 쉽게 계산(유사 부동산 상대비교) ↔ DCF 말기
NOI를 cap rate로 나눠 최종 매각가 산정. 감정평가의 직접환원법에
서도 사용.
배경: 1997 외환위기·시장개방 이후 외국자본 유입 → 국내에서 본격
활용.
2 이론 도출 3단계 (반드시 암기)
① DCF 원가공식 — 미래 현금흐름 할인
V = R₁/(1+i₁) + R₂/[(1+i₁)(1+i₂)] + R₃/[(1+i₁)(1+i₂)
(1+i₃)] + … (1)
② 할인율 i 고정 + NOI 연 g% 성장 → 등비급수 합
V = R / (i − g) (2)
③ 양변 정리 → 핵심 결론
cap rate = R / V = i − g (3)
⇒ cap rate = 자본시장 할인율(i) − 순운영수입 증가율(g). 두 수치를
결정하는 요인이 곧 결정요인.
3 할인율 i 의 분해 (Force Diagram)
i_r 실질이자율+ ṗ 물가상승률+ c 리스크 프리미엄
i_n = i_r + ṗ  (명목 무위험수익률)
i = i_n + c = i_r + ṗ + c  (4) 부동산 할인율
c가 큰 이유: 거래비용·정보 비대칭·비유동성·장기 위험부담. 유사자
산과의 할인율 차이 ≈ 리스크 프리미엄 크기.
4 수익률 항등식 & g 결정
i = cap rate + g (5)
부동산 투자 총수익 = 운영수익(cap rate) + 자본이득(g). ⇒ cap
rate가 낮아도 자본이득 기대가 크면 투자 성립(주식 PER·주가수익비
율과 같은 논리).
g = g(ṗ, z₁, z₂, …, z_k) (6)
z = 부동산 가격상승을 결정하는 지역·개별 특성변수.
5 실증 추정식 & 계산 예시
cap rate = f(i_n, c, ṗ, z₁, …, z_k) (7)
식 (3)(4)(6)을 결합한 회귀 기본형. 무위험자산 대신 3년 만기 국고채
수익률을 이자율로 사용.
손계산 예시: i = 9%, g = 3% ⇒ cap rate = 9 − 3 = 6%
NOI = 100억 ⇒ V = 100억 / 0.06 ≈ 1,667억. 역으로 매매가 1,200
억·NOI 72억 ⇒ cap rate = 72/1,200 = 6%.
6 NOI 산출 계단 (혼동 주의)
PGI 가능총소득 = 임대보증금운용이익 + 월임대료×12 + 관리비×12
− 공실 · 임대료 수입손실 (Vacancy & Collection Loss)
EGI 유효총소득
− 유지관리비 등 운영비용 (Operating Expense)
NOI 순운영수입  = EGI − 운영비용
임대보증금 운용이익은 은행 가중평균 수신금리 기준, 공실손실은 해
당 권역 평균 공실률 적용. 모든 소득·매매가·NOI는 평당 기준.
7 결정요인 관계도 (요인 → cap rate)
이자율 i (intR)
(+)
물가상승 ṗ (INFLA)
(+)
리스크 프리미엄 c
(+)
성장률 g (GDPgr)
(−)
▶
cap rate
= i − g
기대부호: 이자율·물가·리스크 ↑ → cap rate ↑ / 성장기대 ↑ → cap
rate ↓
8 DCF → 매각가 흐름
미래 임대료
R₁,R₂,…,Rₙ
─▶
할인 i
현재가치
V
─▶
÷ cap rate
매각가
Rₙ₊₁/cap
rate
말기 NOI를 cap rate로 나누면 최종 매각가치 → DCF 마지막 항. 단
순 지표가 아니라 DCF·감정평가의 핵심 입력값.
9 변수 명세 & 기대부호
변수
의미
기대
① 거시경제 변수
intR
3년만기 국고채(%)
+
INFLA
인플레이션율(%)
+
GDPgr
실질 GDP 성장률(%)
−
EPR
주가수익비율 역수(%)
+/−
② 부동산 특성 변수
age
경과연수(년)
+/−
remodDUM
리모델링 했음=1
+/−
sizeDUM1‑4
연면적 규모 구간 더미
+/−
par / roadnum·width
주차면적 / 접도수·폭
+/−
SUB1‑3 / locDUM
지하철 거리 / 권역 더미
+/−
③ 투자유형 변수
fundDUM
국내자본=1, 해외=0
−
invDUM
투자용=1, 분사용=0
+
10 기호 한눈에
V 부동산 가치 · R(NOI) 순운영수입 · i 할인율 · i_n 명목 무위험수
익률 · i_r 실질이자율 · ṗ 물가상승률 · c 리스크 프리미엄 · g 임대
료(가격) 상승률 · z 지역·개별 특성변수.
용어: PGI 가능총소득 · EGI 유효총소득 · NOI 순운영수입 · cap rate
spread = cap rate − i.
11 회귀 결과 (종속 = cap rate, 표10)
변수
계수(모형1→5)
유의
intR
0.544 → 0.736
++
INFLA
1.241 → 1.524
++
GDPgr
0.070 / 0.099
약
EPR
0.100 / 0.018
✗
invDUM
0.011 ~ 0.012
++
fundDUM
−0.006
−−
remodDUM
+0.012
+
roadnum
−0.004 ~ −0.006
−
sizeDUM1
−0.018 ~ −0.016
−
R²
0.135 → 0.553
—
해석: 이자율 1%p↑ → cap rate 0.54~0.75%p↑; 인플레이션
1%p↑ → 1.24~1.52%p↑. 리모델링 빌딩은 미시행 대비 cap rate
약 1.2%p 높음(NOI 상승비 < 가격 상승비).
⇒ 거시경제 · 투자유형 변수가 주된 결정요인. 개별 부동산 특성은 대
체로 비유의.
12 Spread 회귀 (표11)
종속변수를 cap rate − i (스프레드)로 두면, 식 (3)에서 무위험자
산(이자율) 계수 = 1이라는 제약을 부과하는 것과 동일.
결과: INFLA (+) 유의, invDUM (+), fundDUM (−), roadnum (−),
sizeDUM1 (−). cap rate 종속 회귀와 거의 일치.
13 ⚠ 자주 하는 실수 (Common Mistakes)
① cap rate를 “이자율/총수익률”로 착각 — 항등식 i = cap
rate + g . 자본이득 g를 빼고 해석하면 과대평가.
② NOI에 운영비 차감 누락 — PGI/EGI/NOI 3단계를 뭉뚱그
림. NOI = EGI − 유지관리비 등 운영비용.
③ 관리비 수입을 순수익으로 계산 — 실제 관리는 총수입의
6~10%뿐, 나머지는 유지관리비로 지출 → 순액 상계 필수.
④ 인플레이션 효과 단정 — 명목 할인율↑ & 임대료↑가 동시
에 → 부호 불확실. 실증은 (+)(물가↑ 시 NOI 상승이 가격 상승
보다 빠름).
⑤ 표본 편향 — 연면적 2,000평↑ 대형·109건만, 외국인 거래
다수, 리모델링 더미 → 소형·일반화 주의.
⑥ 스프레드 회귀 제약 검정 누락 — 무위험자산 계수=1 제약을
부과·검정해야 함.
⑦ 이자율·물가 동행(다중공선성) — 함께 움직여 개별 효과 분
리 어려움.
14 실증 결과 — 서울 (2000–2005)
구분
CBD
KBD
YBD
전체
2000
10.15
10.22
8.42
9.58
2005
6.98
7.22
5.99
6.97
전체평균
8.86
8.19
8.49
8.52
표4  6년간 10% → 6%대로 하락. CBD > YBD > KBD(강남) 최저.
표5  자본출처: 해외 9.31 > 국내 7.88. 표6  목적: 투자용 8.73 >
분사용 7.38. 권역별 매매가·임대료: 도심 > 강남 > 여의도·기타.
15 결론 · 시사점 (암기 3줄)
① 서울 오피스 cap rate는 2000년 10% → 2005년 6%대로 지속
하락.
② 결정요인은 거시경제 + 투자유형 변수; 개별 부동산 특성은 영향 미
미.
③ 하락 원인 = 이자율 하락 + 리스크 프리미엄 축소; 인플레이션은
(+). 국내 자본은 국제적 기준에 미달(장기 균형 미충족).
핵심 한 줄: cap rate = i − g, 그리고 i = i_n + c = i_r +
ṗ + c.
16 표본 분포 & 평당 매매가 추이
거래
CBD
KBD
YBD
기타
전체
건수
60
71
27
28
186
비중(%)
32.3
38.2
15.1
14.5
100
표1  KBD(강남) 거래 비중 최대(38.2%).
평당 매매가(만원)
CBD
KBD
YBD
전체
2000
707.9
631.1
508.0
654.5
2005
950.3
888.6
720.1
878.3
전체
805.6
775.3
606.2
723.4
표2  전 권역 상승(최근 2년 급등). 도심 > 강남 > 여의도 순.
17 평당 임대료 추이 (표3, 만원)
보증금/월세
CBD
KBD
YBD
전체
2000 보증금
56.4
50.0
35.0
51.5
2000 월세
5.7
5.0
3.5
5.2
2005 보증금
65.0
52.3
41.3
55.4
2005 월세
6.4
5.2
4.3
5.5
임대료도 도심 > 강남 > 여의도 > 기타(매매가와 동일 순). 전반적 상
승 + 권역 격차 확대.
18 회귀 모형 1~5 구조 & R²
모형
추가 설명변수
R²
1
이자율(intR)만
0.135
2
+인플레이션·GDP성장률
0.262
3
+EPR·투자유형 더미
0.422
4
+부동산특성 변수
0.219
5
전체(거시+특성+유형)
0.553
모형4(부동산특성만) 설명력 0.219 < 모형3(거시+유형) 0.422 ⇒ 특
성변수 단독 기여 미미 확인.
19 왜 강남(KBD) cap rate가 최저?
강남 오피스 수요 증가 > 타 권역 → 요구 리스크 프리미엄이 상대적으
로 낮아짐 → 매매가 상승 → cap rate 하락. 10.22%(2000) →
7.22%(2005).
도심(CBD)은 전체기간 평균 8.86%로 최고, 여의도(YBD) 8.49%.
20 예상 질문 (Q&A)
Q1. cap rate = i − g 유도는? → DCF식(1) → 등비급수(2) → 양변
정리(3).
Q2. 이자율·인플레이션 중 영향이 큰 쪽? → 인플레이션(1.24~1.52 >
0.54~0.74).
Q3. 해외자본 매입 빌딩 cap rate가 높은 이유? → 국제적 기준의 높
은 요구수익률 반영(투자목적 매입).
Q4. 리모델링 빌딩 cap rate ↑ 이유? → NOI 상승 < 가격 상승.

S18 · 시장 캡레이트와 내재 캡레이트.pdf · 15쪽 — 원문 펼치기

S18 · PDF 1쪽

S18 PDF 1쪽

이 페이지 검색용 텍스트

REA L ESTATE I NVESTMENT TH EO RY
시장 캡레이트와
내재 캡레이트
가격을 수익률로 읽는 법: 
실무 역산과 투자 의사결정 프로세스

S18 · PDF 2쪽

S18 PDF 2쪽

이 페이지 검색용 텍스트

REAL ESTATE INVESTMENT THEORY
오늘 수업의 목표
핵심 한 줄
시장이 요구하는 수익률(시장 캡레이트)과 가격에 숨은 수익률(내재 캡레
이트)을 구분하고,
이 둘을 활용해 가격을 수익률로 읽는 실무 역량을 함양한다.
수업의 방향
단순 공식 암기가 아니라, NOI·가격·캡레이트의
삼각관계를 역산하고
실제 거래 사례에 적용해 매입·재검토·보류를 판
단한다.
개념 구분
두 캡레이트가 서로 다른 질문에 답함을 이해하고,
동일한 NOI라도 가격이 달라지는 이유를 설명할 수 있다.
삼각관계 역산
NOI, 가격, 캡레이트의 관계를 이용해 세 가지 값을 빠르게
상호 변환하며 계산할 수 있다.
가격·리스크 해석
두 캡레이트의 차이를 가격, 리스크, 성장 기대 관점에서
해석하고 스프레드의 원인을 검증할 수 있다.
사례 적용
2025년 서울 프라임 오피스 시장과 LG광화문빌딩 사례를 통해
실제 의사결정 능력을 배양한다.

S18 · PDF 3쪽

S18 PDF 3쪽

이 페이지 검색용 텍스트

REAL ESTATE INVESTMENT THEORY
오프닝 질문: 같은 NOI인데 왜 가격이 다를까?
A빌딩
안정화 NOI
50억 원
시장가격
1,000억 원
내재 캡레이트
5.0%
50 ÷ 1,000
B빌딩
안정화 NOI
50억 원
시장가격
1,250억 원
내재 캡레이트
4.0%
50 ÷ 1,250
핵심 직관: 캡레이트는 “NOI 1원을 사기 위해 지불하는 가격”을 압축한 지표 — 같은 소득이라도 낮은 캡레이트
가 적용된 자산의 가격이 더 높다.

S18 · PDF 4쪽

S18 PDF 4쪽

이 페이지 검색용 텍스트

REAL ESTATE INVESTMENT THEORY
반드시 기억해야 할 삼각관계
NOI
순운영소득
자산가격
Asset Value
캡레이트
Cap Rate
핵심 직관
캡레이트는 "NOI 1원을 사기 위해 얼마
를 지불하는가"를 보여주는 지표
세 가지 변수 중 두 가지만 알면 나머지 하나를 즉
시 역산할 수 있어야 함.
비레버리지 운영수익률
캡레이트는 대출을 반영한 자기자본수익률(ROE)
이 아닌, 자산 수준(Asset Level)의 수익률
NOI = 자산가격 × 캡레이트
자산가격과 캡레이트에 정비례.

S18 · PDF 5쪽

S18 PDF 5쪽

이 페이지 검색용 텍스트

REAL ESTATE INVESTMENT THEORY
시장 캡레이트: 시장의 기준 수익률
MARKET CAP RATE
시장이
요구하는
수익률
비교거래와 판단으로 도출되는 벤치마크
핵심 정의
유사한 입지·용도·등급·임대차 위험을 가진 자산들이 최근 거래
된 수익률.
단일한 자연법칙이 아니라 비교사례와 전문가 판단에 기반한 시
장 기준.
산출 개념: 실제 거래들의 안정화 NOI ÷ 거래가격, 자산 특성 차이
를 조정해 범위 또는 대표값 도출
입력 정보: 최근 거래가격, 동일 NOI 기준, 입지, 건물 등급·연식, 임
차인 신용도, 잔존 임대기간, 공실, 성장성, 거래 시점
질문: “이 위험과 성장성을 가진 유사 자산에 시장이 대체로 요구하
는 수익률은 얼마인가?”
예시: 시장 캡레이트 4.5%  = 유사 자산에 시장이 요구하는 대표 수익률

S18 · PDF 6쪽

S18 PDF 6쪽

이 페이지 검색용 텍스트

REAL ESTATE INVESTMENT THEORY
내재 캡레이트: 제시가격에 숨어 있는 수익률
정의와 핵심 질문
내재 캡레이트는 대상 자산의 제시가격 또는 주가가 내포하고 있는 자
산 수준의 수익률이다. 투자자가 실제로 검토하는 딜의 진입 수익률을
보여줍니다.
내재 캡레이트 = 안정화 NOI ÷ 제시가격
질문: “이 가격으로 사면 자산 수준 수익률은 얼마인가?”
출발점: 대상 자산의 NOI와 제시가격. 가격이 바뀌면 즉시 변동.
리츠 분석: 포트폴리오 NOI ÷ 기업가치(EV)로도 산출. 분모와 NOI
범위 일치 필수.
역산 예시
안정화 NOI
47억 원
제시가격
1,100억 원
내재 캡레이트
4.27%
 시장 캡레이트가 4.7%라면 시장가치는 47억 ÷
4.7% = 1,000억 원.
 제시가격 1,100억 원은 시장가치보다 100억 원
(약 10%) 높음.
내재 캡레이트는 가격 진단 도구이며, 시장 캡레이
트와 비교하여 가격·리스크·성장 기대를 해석한다.

S18 · PDF 7쪽

S18 PDF 7쪽

이 페이지 검색용 텍스트

REAL ESTATE INVESTMENT THEORY
시장 캡레이트와 내재 캡레이트의 비교
비교 시 동일한 시점과 동일한 NOI 정의를 사용해야 한다.
시장 캡레이트
Market Cap Rate
핵심 질문
“시장이 요구하는 수익률은 얼마인가?”
출발점: 비교거래와 시장 조사
사용: 대상 자산의 적정가치 계산의 기준
역할
유사한 입지·용도·등급·임대차 위험을 가진 자산들이 최
근 거래된 수익률을 바탕으로, 시장이 인정하는 기준 수
익률을 제시한다.
내재 캡레이트
Implied Cap Rate
핵심 질문
“이 가격으로 사면 자산 수준 수익률은 얼마인가?”
출발점: 대상 자산의 NOI와 제시가격
사용: 제시가격이 품고 있는 수익률 진단
역할
특정 딜의 제시가격에서 안정화 NOI를 역산하여, 투자
자가 실제로 검토하는 진입수익률을 보여준다.

S18 · PDF 8쪽

S18 PDF 8쪽

이 페이지 검색용 텍스트

REAL ESTATE INVESTMENT THEORY
NOI 산출: 캡레이트보다 먼저 확인할 것
NOI 도출 4단계
1
잠재총수입 (PGI)
완전 임대 시 임대료 + 기타 수입
2
공실·대손 차감
실제 기대 가능한 수입으로 조정
3
유효총수입 (EGI)
공실 반영 후의 실질 임대 및 기타 수입
4
운영비용 차감
관리·수선·보험·재산세 등 운영 제반 비용
핵심 공식
NOI = 유효총수입(EGI) − 운영비용
NOI에서 제외되는 항목
이자비용 (대출 이자)
원금상환
소득세
감가상각
기준 확인 필수
명목 vs 실질 임대료, 렌트프리, 정상화 여부는 보고
서·거래자료마다 다를 수 있음
캡레이트는 자산 수준의 비레버리지 운영수익률 — NOI 분자의 시점·범위·회계 정의를 먼저 일치시켜야 함

S18 · PDF 9쪽

S18 PDF 9쪽

이 페이지 검색용 텍스트

REAL ESTATE INVESTMENT THEORY
시장 및 내재 캡레이트 산출 절차
시장 캡레이트 산출
비교거래 + 판단 → 벤치마크
1
유사 거래 선별 – 대상과 입지·등급·임차위험 유사한 최근 거래
2
안정화 NOI 확보 – 거래별 동일 기준 NOI (12개월)
3
거래별 캡레이트 – NOI ÷ 거래가격 (예: 48억÷1,000억=4.8%)
4
특성 차이 조정 – 입지, 건물품질, 임차인, 잔존임대, 공실, 성장성
5
중앙값·범위 제시 – 비교사례+판단 → 시장 벤치마크
내재 캡레이트 역산
제시가격에 숨은 수익률
1
제시가격 확정 – 협상가 또는 공개 거래가
2
안정화 NOI 추정 – 다음 12개월 기준
3
역산 – NOI ÷ 제시가격 = 내재 캡레이트
4
시장 캡레이트와 비교 – 괴리 확인
5
원인 해석 – 가격 오류 vs 리스크·성장 차이
역산 예시 · 안정화 NOI 47억 ÷ 제시가격 1,100억 = 4.27%
시장캡 4.7% → 시장가치 1,000억 · 제시가 100억 ↑ (10% 높음)

S18 · PDF 10쪽

S18 PDF 10쪽

이 페이지 검색용 텍스트

REAL ESTATE INVESTMENT THEORY
투자 의사결정의 핵심 규칙
내재 > 시장: 할인매수 후보
같은 NOI 대비 가격이 낮아 보여 할인매수 가능성이 있다. 다만 공
실·임차인 위험·CAPEX·입지 열위가 숨어 있을 수 있으므로 반드시
그 이유를 검증해야 한다.
핵심: 낮은 가격의 원인이 리스크인지, 단순 착호가인지 확인
내재 ≈ 시장: 시장과 유사한 가격
시장과 비슷한 수준의 진입 수익률이다. 가치창출은 NOI 성장, 운영
개선, 금융구조 등 자산 외적 요소에서 만들어야 한다.
핵심: 추가 수익은 자산의 질이 아니라 운영·자본구조에서
내재 < 시장: 프리미엄 근거 필요
같은 NOI 대비 가격이 높다. 장기임대·우량 임차인·재개발 옵션·높
은 임대료 성장 등 프리미엄을 정당화할 근거가 있어야 한다.
핵심: 높은 가격을 정당화하는 질적·성장적 근거를 입증
실무 판단: 스프레드의 부호 그 너머
단순히 내재 캡레이트와 시장 캡레이트의 대소 비교만 하지 않고, 왜
차이가 발생했는지 리스크와 성장성 관점에서 검증하는 것이 핵심
이다.
최소 요구 무차입 수익률 충족 여부
시장 캡레이트 대비 차이의 질적 설명 가능 여부
25bp·50bp 금리 상승 시 가격·대출 약정 감당 여부
NOI 5~10% 하락에도 투자 논리 유지 여부
CAPEX·임차인 유치비용 반영 후 수익성 여부
레버리지 후 현금수익률·IRR 별도 계산 여부
스프레드의 부호 → 차이의 원인 검증 → 조건부 판단

S18 · PDF 11쪽

S18 PDF 11쪽

이 페이지 검색용 텍스트

REAL ESTATE INVESTMENT THEORY
2025년 서울 프라임 오피스 시장 스냅숏
연간 거래금액
21.1조 원
2021년 14.6조 원 대비 +6조 원↑
4분기 거래
6.4조 원
Q4 거래금액 역대 최대
평균 공실률
3.7%
2025 Q4 기준
명목 임대료 상승
+5.1%
전년 동기 대비 (Q4)
기관별 서울 오피스 캡레이트 지표
시장 스냅숏 해석 포인트
역대 최대 거래 – 시그니쳐타워 약 1조 346억 원, LG광화문
빌딩 5,120억 원, 팩토리얼 성수 평당 4,000만 원
캡레이트 기준 상이 – 세빌스 명목 4% 중후반 vs 실질 4%
초반, 쿠시먼앤드웨이크필드 3.8%
학습 포인트 – “서울 오피스 캡레이트”는 등급·권역·임대료
기준·거래/평가 기반에 따라 숫자가 달라짐
출처: 세빌스코리아 2025 Q4 리포트, 쿠시먼앤드웨이크필드 MarketBeat Q4
2025

S18 · PDF 12쪽

S18 PDF 12쪽

이 페이지 검색용 텍스트

REAL ESTATE INVESTMENT THEORY
실전 역산 연습: LG광화문빌딩 사례
거래 기준
5,120 억 원
2025년 공개 거래가격 · 교육용 NOI 가정
가정 시장 캡레이트4.5%
시장 캡레이트가 요구하는 안정화 NOI
5,120억 원 × 4.5% = 230.4억 원
시장 기준 필요 NOI 230.4억 원
NOI 가정별 내재 캡레이트 역산
보수적 추정
210 억 원
내재 캡레이트
210 ÷ 5,120 = 4.10%
시장 4.5%보다 낮아 가격이 높아
보임
적극적 추정
240 억 원
내재 캡레이트
240 ÷ 5,120 = 4.69%
시장 4.5%보다 높아 매력적으로 판
단됨
동일한 거래가격도 NOI 가정에 따라 “비싸다”와 “매력적이다”가 뒤바뀐다. 캡레이트 논쟁의 상당 부분은 사실 NOI 논쟁이다.

S18 · PDF 13쪽

S18 PDF 13쪽

이 페이지 검색용 텍스트

REAL ESTATE INVESTMENT THEORY
팀 활동: 10분 투자위원회
가상 딜 개요
CBD A급 오피스 · 제시가격 1,100억 원
현재 NOI 44억 원 · 안정화 NOI 48억 원
시장 캡레이트 범위 4.4% ~ 4.8%
향후 2년 CAPEX 30억 원 · 핵심 임차인 잔존 3년
필요 계산
현재 NOI 기준 내재 캡레이트
44 ÷ 1,100 = 4.0%
안정화 NOI 기준 내재 캡레이트
48 ÷ 1,100 = 4.36%
시장가치 범위 (안정
화 NOI)
48 ÷ 4.8% = 1,000억 ~ 48 ÷ 4.4%
≈ 1,091억
투자 결정 & 위험
제시가격 1,100억 원은 가치 범위 상단(1,091억)
보다 소폭 높고 CAPEX 부담도 있음 → 조건부 가
격 재협상 합리적
핵심 위험 2가지
핵심 임차인 잔존 3년: 재계약 실패 시 공실 및 임대료 하락 리스
크
향후 2년 CAPEX 30억 원: 예상 대비 비용 초과 시 수익성 저하
추가 요구 자료 2가지
핵심 임차인의 재계약 의사 및 잔존 임대차 조건
CAPEX 항목별 견적 및 임차인 유치비용 산출 내역
팀 과제: ① 현재·안정화 NOI로 내재 캡레이트 계산 ② 시장 범위로 가치 범위 산출 ③ 매입·재협상·보류 선택 ④ 위험 2가지 + 자료 2가지 제시

S18 · PDF 14쪽

S18 PDF 14쪽

이 페이지 검색용 텍스트

REAL ESTATE INVESTMENT THEORY
민감도 분석: 캡레이트 25bp의 영향력
분석 기준: NOI 50억 원
비선형적 가치 하락
-11.1%
캡레이트가 4.0%에서 4.5%로 50bp 상
승할 때, 자산 가치는 약 139억 원 증발한
다.
25bp의 위력
약 74억 원
4.0% → 4.25% 변동만으로도 상당한 가
격 충격이 발생하며, 저캡 구간일수록 민
감도는 더욱 커진다.
* NOI 50억 원 고정 가정 시 캡레이트 변동에 따른 자산가치 산출 결과

S18 · PDF 15쪽

S18 PDF 15쪽

이 페이지 검색용 텍스트

REAL ESTATE INVESTMENT THEORY
흔한 오류와 최종 요약
캡레이트 산정 시 흔한 오류
NOI 대신 임대수입 또는 세전 현금흐름을 분자에 사용
명목 임대료 vs 렌트프리 반영 실질 캡레이트 직접 비교
현재 NOI와 안정화 NOI를 혼용
거래비용과 향후 대규모 CAPEX 무시
다른 권역·등급·용도·임차인 위험 거래를 무리하게 비교
캡레이트가 높다는 이유만으로 무조건 싸다고 단정
캡레이트를 IRR이나 자기자본수익률과 동일시
핵심 공식
시장가치
시장가치 = 안정화 NOI ÷ 시장 캡레이트
내재 캡레이트
내재 캡레이트 = 안정화 NOI ÷ 제시가격
최종 체크
핵심 질문
“분자와 분모의 시점·범위·회계 정의가
일치하는가?”
시장 캡레이트로 가치를 계산하고, 내재 캡레이트로 가격을 진단하라.

S19 · 실제 임대계약 사례를 이용한 서울 오피스 임대시장의 렌트프리 결정요인 분석.pdf · 22쪽 — 원문 펼치기

S19 · PDF 1쪽

S19 PDF 1쪽

이 페이지 검색용 텍스트

｢도시행정학보｣ 제29집 제3호(2016. 9): 231-252
Journal of the Korean Urban Management Association, Vol.29 No.3
실제 임대계약 사례를 이용한 서울 오피스 
임대시장의 렌트프리 결정요인 분석*
황병훈**･유정석***
1)   
렌트프리는 상업용 오피스 시장에서 활용되는 대표적인 임차인 인센티브이다. 2008년 글로벌 금융위기 
이후 서울 오피스 임대시장은 공실 증가로 임차인 우위의 시장으로 변화하였으며 렌트프리도 보편화되었
다. 렌트프리는 명목임대료와 실질임대료 간의 괴리를 발생시켜, 명목임대료에 기초한 연구결과를 왜곡
시키는 원인이 될 수 있다. 그러나 자료 취득이 제한된 서울 오피스 임대시장에서 실제 임대계약의 렌트
프리 자료를 기반으로 한 연구는 매우 드물다. 따라서 본 연구는 서울 오피스의 임대계약 사례 733건을 
바탕으로 렌트프리 결정 요인을 실증 분석하였다. 
건물 특성(연면적, 공실률), 임대계약 특성(임대기간, 임대면적, 계약임대료), 임대시장 특성(업무권역, 시
장공실률, 시장임대료)이 렌트프리의 결정에 미치는 요인을 분석한 결과, 건물연면적과 임대기간이 양(+)
의 관계로 유의하며 렌트프리 결정에 주요한 요인으로 나타났다. 중대형 오피스일수록, 임대기간이 길수
록 임차인 유치를 위해 적극적으로 렌트프리를 제공한 것으로 판단된다. 반면, 임대면적은 통계적으로 유
의하지 않다. 대형 임차인이 더 많은 렌트프리를 제공 받을 것이라는 인식과는 다른 결과이다. 
그리고 서울 오피스 임대시장은 렌트프리를 제공하는 경우와 렌트프리를 제공하지 않는 경우가 양극화되
는 현상이 확인되었으며, 이 현상은 도심권역에서 가장 뚜렷하게 드러났다. 계약임대료 및 시장임대료가 
높을수록 렌트프리 제공 가능성이 높은 것으로 분석되어, 임대료가 높을수록 렌트프리로 인한 명목임대
료와 실질임대료 간의 괴리가 더 큰 것으로 이해 할 수 있다.
주제어: 렌트프리, 상업용 부동산, 서울 오피스 시장, 오피스 임대시장, 임대계약, 로지스틱 회귀분석
*** 이 연구는 2016학년도 단국대학교 대학연구비 지원으로 연구되었음. 
이 논문은 또는 저서는 2015년 대한민국 교육부와 한국연구재단의 지원을 받아 수행된 연구임(NRF-2015 
S1A3A2046715). 
*** 제1저자, 단국대학교 일반대학원 도시계획및부동산학과 박사수료
*** 교신저자, 단국대학교 사회과학대학 도시계획부동산학부 부교수

S19 · PDF 2쪽

S19 PDF 2쪽

이 페이지 검색용 텍스트

232 ｢도시행정학보｣ 제29집 제3호
I. 서 론
상업용 오피스 시장에서는 임차인 유치를 위한 마케팅의 일환으로 다양한 임차인 인센티브
(Incentive)를 제공하고 있으며, 영국 및 미국 등의 오피스 시장에서는 이미 보편화 되었다. 대
표적인 임차인 인센티브로는 렌트프리(Rent-free)1)가 있으며, 그 외에도 인테리어 비용을 지원
하는 TI(Tenant Improvement),2) 입주 공사기간의 임대료가 무료인 Fit-out,3) 이사비용 지
원4) 등이 있다(Brown, 1995; Hamilton 외, 2006; Jeffries, 1994; Sheehan, 2006; Wheaton 
and Torto, 1994). 
렌트프리는 임대계약 기간 중에 임대료를 지불하지 않는 무상 임대기간을 의미하며, 임차인
은 렌트프리 기간 이외의 계약기간 동안에는 명목임대료(Face rent) 수준으로 임대료를 지불한
다(류강민 외, 2015; 여태종 외, 2015). 따라서 임대인은 렌트프리를 활용하여 명목임대료를 유
지한 채로 임차인이 부담하는 실질임대료(Effective rent)는 인하해 줄 수 있어, 시장 상황에 따
라 또는 임차인에 따라 임대계약 조건을 탄력적으로 조정 할 수 있다. 
2008년 글로벌 금융위기 이후 서울 오피스 임대시장은 공급은 증가한 반면 경기 침체로 인
해 수요가 감소하여 공실률이 빠르게 증가하는 변화를 겪게 된다. 낮은 공실률과 지속적인 임대
료 상승을 유지하던 임대인 우위의 시장에서 임차인 우위의 시장으로 변화된 것이다. 또한 임차
인 유치를 위해 임차인 인센티브의 제공사례가 증가하고 있는 상황으로, 렌트프리는 서울 오피
스 임대시장에서도 쉽게 찾아 볼 수 있게 되었다(여태종 외, 2015; 젠스타, 2015).5)
1) 렌트프리는 임대기간 중 약정기간의 임대료가 면제되는 조건이며 일반적으로 관리비 등의 다른 조건은 변동 
없이 유지된다. 임차인은 실질적인 임대료의 감면을, 임대인은 표면적인 임대료의 유지 효과를 얻을 수 있다. 
서울 오피스 임대시장에서는 총임대료의 50%가 면제되는 연 6개월의 렌트프리를 제공한 사례도 있다.
2) TI는 신규 임차인의 건물 입주를 위한 인테리어 비용을 임대인이 부담하는 것으로, 임대인이 인테리어 공사
를 수행하거나 임차인에게 비용의 일부 또는 전부를 현금으로 제공한다. 서울 오피스 임대시장에서도 TI 명
목으로 현금이 제공된 사례가 알려졌다.
3) Fit-out은 신규 임차인의 입주 공사 기간의 임대료 등을 면제하는 방법으로, 임대기간의 개시 이전에 공사 
기간을 무상 제공하여 임차인의 부담을 덜어 준다. 
4) 우량 임차인을 유치하기 위한 마케팅의 일환으로, 임대인은 기존 건물에서 이전으로 인해 발생되는 임차인
의 비용을 보상해 준다. 기존 임대계약의 중도 해지로 인해 발생되는 잔여 임대료 보상, 손해배상 등을 부담
한다. 
5) 여태종 외(2015)의 연구에서는 2013년 3분기에 260개 서울 오피스 표본의 55%가 렌트프리를 제공한다. 젠
스타(2015) 및 류강민 외(2015)에 따르면 2014년 3분기에 서울 오피스 조사대상의 68.4%가 렌트프리를 제
공한다.

S19 · PDF 3쪽

S19 PDF 3쪽

이 페이지 검색용 텍스트

실제 임대계약 사례를 이용한 서울 오피스 임대시장의 렌트프리 결정요인 분석 233
렌트프리는 명목임대료와 실질임대료 간의 괴리를 발생시키고, 명목임대료에 기초한 연구결
과를 왜곡시키는 원인이 될 수 있다(Wheaton and Torto, 1994; Brown, 1995). 렌트프리로 
인해 명목임대료와 실질임대료 간의 차이가 커질수록, 정보가 제한된 시장일수록 왜곡현상은 
심화될 수 있다. 실질임대료 자료 취득이 제한된 서울 오피스 임대시장에 대한 연구는 대부분 
명목임대료에 기초하는 한계를 보인다. 오피스 임대시장의 대표적인 지표인 임대료와 공실률은 
일반적으로 공실률이 상승하면 임대료는 하락하는 음(-)의 관계를 보인다. 그러나 금융위기 이
후 서울 오피스 임대시장에 공개되는 명목임대료는 공실률의 상승에도 불구하고 꾸준히 상승
하여 양(+)의 관계를 나타냈다. 그 주요 원인으로 금융위기 이후 본격적으로 나타난 렌트프리가 
지적되었다(류강민 외, 2015; 여태종 외, 2015; 우철민 외, 2015; 이병현, 2015; 정원구･이호
병; 2016).
렌트프리는 오피스 매매시장에 대한 분석 결과도 왜곡시킬 수 있다. 대부분 명목임대료를 기
준하여 순영업소득(NOI)를 추정하므로 매매시장의 핵심 지표인 자본환원율(Cap. rate)6)도 실
제와는 차이가 발생할 수 있다. 그리고 부동산 가치 평가에서도 동일한 문제가 발생될 수 있다. 
렌트프리로 인해 감소된 임대수익이 아닌 명목임대료에 따른 현금흐름을 기초하여 과대평가 
할 가능성이 있다. 해외연구의 경우 렌트프리의 영향을 감안하여 실질임대료를 이용한 가치평
가 방법 또는 모델 등을 논의하였다(Brown, 1995; Crosby and Murdoch, 1994; Jefferies, 
1994). 
그러나 이러한 현상의 원인으로 판단되는 렌트프리에 대한 직접적인 연구는 매우 제한적이
다. 이는 사적 계약인 임대계약 자료에 대한 취득의 한계로 대부분 렌트프리가 반영되지 않은 
명목임대료로 연구되거나, 실제 계약사례가 아닌 임대 마케팅용 렌트프리 자료를 바탕으로 분
석되고 있기 때문이다. 따라서 본 연구는 2010년부터 2014년 사이에 체결된 임대계약 사례 
733건에 기초하여, 건물 특성(연면적, 공실률), 임대계약 특성(임대기간, 임대면적, 계약임대
료), 임대시장 특성(업무권역, 시장공실률, 시장임대료)이 렌트프리의 결정에 미치는 요인을 분
석하였다.
이후 본 연구의 구성은 다음과 같다. II장에서는 렌트프리와 관련한 선행연구를 검토하여 본 
연구의 차별성에 대하여 제시하며, III장에서는 본 연구에서 사용된 분석 자료 및 기초 통계, 분
석 모형을 설명한다. IV장에서는 실증 분석 결과를 제시하여 렌트프리의 결정요인에 대해 고찰
한다. 마지막으로 V장에서는 실증 분석 결과를 요약하여 연구의 시사점 및 한계점을 제시하고 
후속 연구의 발전 방향을 기술하였다. 
6) 자본환원율(Cap. rate) = 순영업소득(NOI) / 부동산 가격(Value)

S19 · PDF 4쪽

S19 PDF 4쪽

이 페이지 검색용 텍스트

234 ｢도시행정학보｣ 제29집 제3호
Ⅱ. 선행연구 검토 및 본 연구의 차별성
1. 선행연구 검토
오피스 시장의 공실률과 임대료 조정 및 균형에 대한 해외 연구는 다양하게 논의되어 왔다
(Wheaton and Torto, 1988; Wheaton 외, 1997). 국내에서도 서울 오피스 시장의 공실률과 
임대료의 관계에 대해 여러 연구가 수행되었다(김경민･박정수, 2009; 류강민･이창무, 2012; 전
해정, 2012; 이무송･유정석, 2014). 대부분의 선행연구에서는 임대료와 공실률은 밀접한 관계
를 가지며, 공실률과 임대료가 일반적으로 음(-)의 관계를 보이는 것으로 나타났다.
류강민 외(2015)는 금융위기 이후인 2009년 1분기를 기점으로 서울 오피스 임대 시장에 구
조적인 변화가 있음을 밝혔다. 분석 결과 공실률은 2009년 1분기 이전에는 임대료와 음(-)의 
관계를 보여 왔으나, 이후에는 임대료와 양(+)의 관계에 있는 것으로 나타났다. 그리고 금융위
기 이후 본격적으로 나타난 렌트프리가 주요한 원인인 것으로 판단하였다. 
Wheaton and Torto(1994)는 렌트프리, TI, 임대계약 기간 등이 명목임대료와 실질임대료 
간의 괴리를 발생시킬 수 있다고 지적하였다. 그리고 Brown(1995)은 공실해소 및 임차인 유치
를 위한 렌트프리 같은 임차인 인센티브로 인해 임대시장이 왜곡되어 이를 고려한 실질임대료 
분석이 필요하다고 하였다.
민성훈(2013)은 서울 오피스의 호가, 계약 및 수취임대료는 유의한 차이가 있으며, 경기가 
좋지 않은 경우 그 차이가 더 커지는 점을 밝혔다. 우철민 외(2015)는 10개 오피스의 2008년 1
분기부터 2013년 1분기까지 체결된 117개 임대계약사례를 분석하여, 명목임대료와 렌트프리
가 반영된 실질임대료의 차이가 커지는 시장 변화를 확인하였다. 그러나 두 연구 모두 렌트프리
의 특성에 대해서는 설명하지 못하였다.
여태종 외(2015)는 2013년 3분기에 서울시의 14,600㎡ 이상의 오피스 260개를 대상으로 조
사된 임대 마케팅용 렌트프리 자료에 기초하여 렌트프리 결정요인을 분석하였다. 그 결과 공실
률, 추정임대료, 연면적, 건축연한이 유의하며 공실률이 가장 중요한 요인으로 나타났다. 그러
나 이 연구는 임대계약 자료가 아닌 건물별 임대인의 호가(Asking)인 마케팅용 렌트프리 자료
를 분석하였는데, 임대마케팅 자료는 임대인의 전략 등이 반영되어 실제 임대시장과는 차이가 
발생할 수 있다.7) 동일한 시점의 동일한 건물에서도 임대마케팅 자료와는 달리 임대계약별로 
7) 임대인은 시장상황에 따라 임대료, 임대기간과 같은 임대조건에 대한 입장이 달라질 수 있다. 하락하는 시
장에서는 임대인은 임대료가 낮더라도 공실을 해소하고자 임차인 유치에 적극적일 것이나, 상승하는 시장

S19 · PDF 5쪽

S19 PDF 5쪽

이 페이지 검색용 텍스트

실제 임대계약 사례를 이용한 서울 오피스 임대시장의 렌트프리 결정요인 분석 235
렌트프리가 다르게 적용될 수 있음8)에도 불구하고, 임대기간 및 임대면적 등과 같은 임대계약
별 주요 사항이 반영되지 못한 채 동일 건물은 동일한 임대 조건으로 간주한 한계를 내포하고 
있다. 
정원구･이호병(2016)은 2014년을 기준으로 유효한 서울시 오피스 임대차계약 441건을 대
상으로 렌트프리 결정요인을 분석하였다. 그 결과 임차인의 계약기간, 임대료 부담수준, 외국계 
임차인 여부, 건물의 연면적 등에 따라 렌트프리 기간의 차이가 통계적으로 유의함을 밝혔다. 
그리고 공실률과 임대면적은 주요한 변수가 아닌 것으로 분석되었다. 도심권역은 양(+)의 계수
를, 여의도권역은 음(-)의 계수를 나타내어, 여의도권역이 다른 권역에 비하여 렌트프리가 상대
적으로 덜 활용된 것으로 판단하였다. 그러나 이 연구는 다중회귀분석(Log-log model)을 통해 
분석한 결과로서, 여태종 외(2015)에서 설명된 렌트프리의 양극화 현상과 같은 렌트프리 개수
에 따른 특성 차이를 분석하지 못하였으며, 대상시점이 2014년에 한정된 한계가 있다. 
2. 본 연구의 차별성
글로벌 금융위기 이후 서울 오피스 임대시장의 변화를 설명하고 명목임대료와 실질임대료 
간의 차이로 인해 연구결과가 왜곡되지 않기 위해서는 렌트프리에 대한 연구와 이해가 필요하
다. 그러나 렌트프리와 관련한 국내 연구는 최근에서야 기초적인 연구가 수행되기 시작한 수준
이며, 그 또한 자료 취득의 제약으로 인해 실제 임대계약 상의 렌트프리 자료를 기반으로 한 연
구는 매우 드물다. 
기존 연구와 달리, 본 연구는 서울 오피스 임대시장의 렌트프리 결정요인을 임대계약 사례로 
실증 분석하고자 한다. 시간적 범위는 2010년부터 2014년까지로서 2008년 금융위기 이후 렌
트프리가 증가한 상당 기간을 대상으로 하며, 기존 연구 대비 더 많은 표본(733개)을 분석하여 
에서는 높은 임대료를 위해서 공실을 감수할 수도 있다(Wheaton, 1987). 호가임대료는 수시로 조정이 가능
하기 때문에 임대인은 임차인 모집을 위해 시장상황에 따라 호가임대료를 조정할 것이다(류강민･이창무, 
2012).
8) 정보비대칭(Information asymmetry)은 공급자와 소비자의 재화에 대한 정보의 불균형에서 나타나는 것으
로 특히 공급자가 정보를 더 많이 획득하여 시장가격을 조정하는 것이다. 그 출발은 경제학에서 시작되었으
며, Akerlof(1970)는 중고차 시장을 예로 들면서 불완전 정보에 기초한 정보비대칭 현상을 설명하였다(문근
식, 2016 재인용). Mooradian and Yang(2002)은 임대인은 임차인에 비해 해당 자산에 대한 많은 정보를 
보유하게 되는데, 이로 인해 임대인과 임차인간의 정보비대칭이 발생하게 되며, 임대인은 이를 활용하여 다
양한 계약 조건을 임대계약에 포함함으로써 다수 임차인들에게 차별적인 임대료를 적용할 수 있는 결정권
을 갖게 됨을 확인하였다.

S19 · PDF 6쪽

S19 PDF 6쪽

이 페이지 검색용 텍스트

236 ｢도시행정학보｣ 제29집 제3호
렌트프리의 특성을 더욱 심도있게 설명이 가능하다. 
개별 임대계약을 바탕으로 하여 임대기간, 임대면적, 계약임대료와 같은 임대계약의 주요 조
건이 렌트프리에 미치는 영향을 분석할 수 있다. 그리고 오피스 업무권역별로 보여지는 렌트프
리의 특성을 설명하고, 임대계약시점의 시장공실률 및 시장임대료를 반영하여 계약시점의 임
대시장 특성이 렌트프리 결정에 미치는 영향을 파악하고자 한다. 아울러, 렌트프리의 개수에 따
른 결정 요인의 특성 차이를 확인하고자 한다. 
따라서 본 연구는 임대시장의 특성을 그대로 반영한 실제 임대계약에 기초하여, 건물 특성
(연면적, 공실률), 임대계약 특성(임대기간, 임대면적, 계약임대료), 임대시장 특성(업무권역, 시
장공실률, 시장임대료)이 렌트프리의 결정에 미치는 요인을 분석하고자 한다. 
<표 1> 렌트프리를 분석한 선행연구와 본 연구의 차이점
구분
우철민 외(2015)
여태종 외(2015)
정원구･이호병(2016)
본 연구
분석
자료
분석대상
임대계약 117건
마케팅자료 260건
임대계약 441건
임대계약 733건
건물수
10개동
260개동
-
52개동 
건물연면적
16,500㎡ 이상
14,900㎡ 이상
평균 88,904㎡
14,600㎡ 이상
대상시점
2008년1Q~2013년1Q
2013년 3Q
2014년도
2010년 ~ 2014년
변수
선정
종속변수
해당 없음
렌트프리
렌트프리
렌트프리
독립변수
해당 없음
연면적, 공실률, 
건물연한, 상대임대료, 
추정임대료
연면적, 공실률, 
임대기간, 임대면적, 
보증금, 임대료, 관리비, 
외국계임차인, 업무권역
연면적, 공실률, 
임대기간, 임대면적, 
계약임대료, 업무권역, 
시장공실률, 시장임대료
분석모형
해당 없음
순서형 로짓분석
다중회귀분석
(Log-log model)
이항/다항 로지스틱 
회귀분석
분석결과
명목임대료와 
실질임대료 추이 분석 
결과, 2009년 후반부터 
차이 발생하며 이후 
차이가 커짐
- 연면적, 공실률, 건축
연한, 추정임대료 유의
함
- 공실률이 가장 중요한 
요인임
- 연면적, 임대기간, 임대
료 수준, 외국계 임차인 
여부가 유의함
- 임대면적, 공실률은 주
요한 요인 아님
- 도심권역은 양(+)의 계
수, 여의도권역은 음(-)
의 계수
- 연면적, 임대기간이 주
요 요인임
- 임대면적, 공실률은 유
의하지 않음
- 계약임대료 및 시장 임
대료가 높을수록 렌트
프리 제공 많음
- 렌트프리 개수에 따른 
양극화 현상 확인

S19 · PDF 7쪽

S19 PDF 7쪽

이 페이지 검색용 텍스트

실제 임대계약 사례를 이용한 서울 오피스 임대시장의 렌트프리 결정요인 분석 237
Ⅲ. 분석 자료 및 모형
1. 연구의 대상 및 범위
본 연구는 오피스가 집중되어 오피스 임대시장이 형성된 서울시 업무권역을 공간적 범위로 설정
하고, 시간적 범위는 2010년부터 2014년까지로 하여 이 기간 내에 체결된 임대계약 사례를 실증분
석 대상으로 한다. 투자기관 및 자산운용사 등이 수익 목적으로 운영하는 상업용 오피스가 오피스 
임대시장을 주도하고 있는 점을 고려하여, 사옥용 또는 개인 소유의 오피스빌딩의 임대계약은 분석 
대상에서 제외한다. 그리고 일반적인 상업용 오피스의 계약 내용을 벗어나는 전세구조(보증금이 월
임대료의 20배 이상), 단기 임차(1년 미만) 및 소형 임대면적(100㎡ 이하)의 임대계약은 제외한다. 
최종적으로 본 연구는 서울에 소재한 연면적 14,600㎡(약4,400/3.3㎡) 이상인 오피스 빌딩 52개
동의, 임대계약 체결시점이 2010년부터 2014년까지인 총 733개의 임대계약을 분석대상으로 한다. 
분석표본은 서울시의 3대 오피스권역(도심, 강남, 여의도) 및 기타권역에 고르게 분포되어 있다.9) 
<표 2>와 같이 전체 오피스 빌딩 52개동 중 90%인 47개동이 연면적 16,500㎡(약5,000/3.3
㎡) 이상으로 구성되어 있으며, <표 3>과 같이 이에 해당하는 임대계약은 전체 733건 중 710건
으로 97%에 해당된다. 따라서 서울 오피스 주요권역을 폭넓게 다루며 서울 상업용 오피스 시장
의 주요 대상인 중대형 오피스 빌딩으로 구성되어, 서울 상업용 오피스 임대시장을 대변하는 것
으로 볼 수 있다.
임대계약 체결시점을 분기별로 분류하면 <표 4>과 같이 2010년 1분기부터 2014년 4분기까
지로 구성된다. 금융위기 이후 렌트프리가 증가한 상당 기간을 포함하고 있으며 권역뿐만 아니
라 분기별로도 고르게 분포되어 있어, 렌트프리의 특성을 심도있게 설명이 가능할 것이다.
<표 2> 분석대상 오피스 빌딩수
건물연면적
서울시 업무권역
계
도심
강남
여의도
기타
50,000㎡ 이상
9
2
2
2
15
33,000㎡ 이상
10
6
2
1
19
16,500㎡ 이상
3
4
2
4
13
16,500㎡ 미만
2
2
1
0
5
계
24
14
7
7
52
9) 각 빌딩별로 렌트프리가 포함된 임대계약 자료(Rent-roll)를 자산운용사, 부동산자산관리회사, 부동산서비
스회사 등으로부터 구득하였다.

S19 · PDF 8쪽

S19 PDF 8쪽

이 페이지 검색용 텍스트

238 ｢도시행정학보｣ 제29집 제3호
<표 3> 분석대상 임대계약수
건물연면적
서울시 업무권역
계
도심
강남
여의도
기타
50,000㎡ 이상
177
91
33
27
328
33,000㎡ 이상
88
101
16
25
230
16,500㎡ 이상
64
36
10
42
152
16,500㎡ 미만
6
8
9
0
23
계
335
236
68
94
733
<표 4> 계약체결시점별 임대계약수
기간
(년도. 분기)
서울시 업무권역
계
도심
강남
여의도
기타
2010. 1Q
1
8
2
6
17
2010. 2Q
5
4
1
7
17
2010. 3Q
10
14
1
1
26
2010. 4Q
7
6
3
5
21
2011. 1Q
10
13
2
2
27
2011. 2Q
17
8
0
5
30
2011. 3Q
26
16
1
2
45
2011. 4Q
31
10
0
5
46
2012. 1Q
22
16
3
1
42
2012. 2Q
18
17
7
8
50
2012. 3Q
25
17
1
2
45
2012. 4Q
23
8
1
6
38
2013. 1Q
26
10
4
7
47
2013. 2Q
15
13
4
3
35
2013. 3Q
20
19
2
3
44
2013. 4Q
20
9
1
7
37
2014. 1Q
21
13
19
5
58
2014. 2Q
21
12
5
10
48
2014. 3Q
16
10
7
7
40
2014. 4Q
1
13
4
2
20
계
335
236
68
94
733

S19 · PDF 9쪽

S19 PDF 9쪽

이 페이지 검색용 텍스트

실제 임대계약 사례를 이용한 서울 오피스 임대시장의 렌트프리 결정요인 분석 239
연평균 개월수로 산정한 렌트프리10)는 최소 0개월부터 최대 6.4개월까지 분포하고 있다. 분
석대상인 733개의 임대계약에 대한 계약시점별 렌트프리의 산포도 <그림 1>을 살펴보면, 렌트
프리는 지속적인 증가세를 보이고 있다. 이는 임대시장에서 렌트프리의 제공 개월수가 증가하
고 있는 것으로, 시장에서 파악되는 명목임대료와 실질임대료 간의 차이가 더욱 커지고 있음을 
추정해 볼 수 있다.
<그림 1> 계약시점별 렌트프리의 산포도
2. 분석모형
종속변수인 렌트프리가 범주형이며, 설명변수는 연속형 또는 범주형 변수로서 본 연구의 목
적을 고려하여 로지스틱 회귀모형(Logistic regression model)으로 분석하고자 한다. 로지스틱 
회귀모형은 일반적인 회귀분석과 동일하게 독립변수들에 대한 회귀계수 추정과 유의성을 검증
한다. 다만 종속변수의 값을 설명하는 일반적인 회귀분석과 달리 로지스틱 회귀분석은 종속변
수가 특정범주에 속할 확률을 설명한다는 점에서 차이가 있다. 로지스틱 회귀모형은 종속변수
가 두 개의 범주인 이항 로지스틱 모형(Binomial logistic model)과 종속변수가 세 개 이상인 
10) 렌트프리는 일반적으로 1년당 제공되는 개월수를 기준하여 마케팅되고 있으며, 임대료 및 임대기간 등의 
임대계약 조건에 따라 조정되고 있다. 본 연구는 임대계약에 근거하여 연평균 렌트프리 개월수(=렌트프리 
총개월수/총임대기간 개월수×12)를 산정하였다.

S19 · PDF 10쪽

S19 PDF 10쪽

이 페이지 검색용 텍스트

240 ｢도시행정학보｣ 제29집 제3호
다항 로지스틱 모형(Multinomial logistic model)으로 구분 될 수 있으며, 다항 로지스틱 모형
은 이항 로지스틱 모형이 확장된 형태이다(김순귀 외, 2012).
본 연구는 종속변수인 렌트프리의 제공 여부에 따라 2개 범주로 구분한 이항 로지스틱 모형
과 렌트프리를 4개의 범주로 구분한 다항 로지스틱 모형으로 구성한다. 먼저 이항 로지스틱 모
형을 통해 렌트프리 제공 여부에 미치는 주요 요인을 분별하고 그 특성을 확인하며, 렌트프리
의 개수에 따라 주요 요인이 미치는 영향과 특성의 차이를 분석하기 위해 다항 로지스틱 모형을 
적용하고자 한다. 이항 로지스틱 모형은 <식 1>과 같다. 종속변수가 취하는 명목형 범주 는 0, 
1 이고 이항분포를 따른다고 가정한다. 이 모형으로부터 종속변수가 범주 에 속할 확률은 <식 
2>와 같다.
log

⋯                                                       <식 1>

exp
exp
                                              <식 2>
다항 로지스틱 모형은 <식 3>과 같다. 종속변수가 취하는 명목형 범주는 0, 1, 2, 3 이고 다
항분포를 따른다고 가정한다. 이 모형으로부터 종속변수가 범주에 속할 확률은 <식 4>와 같다.
log
⋯
⋯
⋯                                    <식 3>
단, ⋯
⋯
exp⋯
exp⋯
                                <식 4>
상기 모형식에 독립변수()로 건물 특성(연면적, 공실률), 임대 특성(임대기간, 임대면적비
율, 계약임대료), 임대시장 특성(업무권역, 시장공실률, 시장임대료)을 반영한다.

S19 · PDF 11쪽

S19 PDF 11쪽

이 페이지 검색용 텍스트

실제 임대계약 사례를 이용한 서울 오피스 임대시장의 렌트프리 결정요인 분석 241
3. 변수 선정
종속변수인 렌트프리는 분석 모형별로 <표 5>와 같이 구성하였다.11) 
<표 5> 모형별 종속변수의 범주 기준
모형 1. 이항 로지스틱 회귀분석
모형 2. 다항 로지스틱 회귀분석
범주
렌트프리 제공 여부
표본수
범주
렌트프리 범위
표본수
0
없음
213
0
없음
213
1
있음
520
1
0초과 ~ 1.00이하
177
2
1.00초과 ~ 2.00이하
224
3
2.00 초과
119
계
733
계
733
설명변수는 건물 특성, 임대계약 특성, 임대시장 특성으로 구분하고 다수의 선행연구에서 오
피스 임대시장을 분석하는 데 사용된 연면적, 공실률, 임대료, 업무권역 등과 같은 기본적인 변
수들을 설정하며, 종속변수에 따른 2개 모형에 동일하게 반영한다. <표 6>은 변수 구성 및 각 
변수에 대한 설명을 정리한 것이다.
건물 특성이 렌트프리에 미치는 영향을 분석하기 위해 개별 건물의 연면적과 공실률을 설명
변수로 설정한다. 임대계약을 대상으로 분석한 선행연구(인채권･여홍구, 2013;12) Fisher and 
Ciochctti, 2007;13) Sheehan, 2006;14) Wheaton and Torto, 1994)에서 사용된 임대계약의 
주요 변수인 임대기간, 임대면적, 임대료를 설명변수로 반영하여 임대계약 특성과 렌트프리와
11) 렌트프리의 단위는 임대시장에서 통용되는 연평균 개월수(렌트프리 총개월수/총임대기간 개월수×12개
월)로 산정하였다. 모형 1은 렌프프리의 범위를 없음(범주0)과 있음(범주1)으로 구분하였으나, 모형 2는 0
초과의 렌프프리를 연평균 1개월 단위로 범주 1~3로 세분하였다. 다만 렌트프리가 2.00초과인 범주 3은 
그 표본수가 제한적이므로 렌트프리가 3.00초과~6.40인 표본 40개도 포함하였다.
12) 인채권･여홍구(2013)는 2008~2012년 국내 상업용 부동산의 임대계약 3,996건을 대상으로, 임대 면적이 
넓은 임차인들의 장기임차 경향이 강하고, 계약유형, 임대용도, 임대면적 등 3개 변수가 계약기간에 대해 
유의함을 밝혔다.
13) Fisher and Ciochetti(2007)는 2001~2005년의 미국 오피스 임대계약 3,655건을 대상으로, 임차인 업종 
및 지역에 따라 임대기간, 임대면적, TI 수준 등의 계약조건이 차이를 보이는 점을 확인하였다. 
14) Sheehan(2006)은 2001~2005년에 체결된 오피스 임대계약 4,494건을 분석한 결과, TI 옵션이 포함된 임
대계약의 임대료가 상대적으로 높으며, 점유면적이 높은 임차인일수록 임대료가 낮아지는 경향을 확인하
였다.

S19 · PDF 12쪽

S19 PDF 12쪽

이 페이지 검색용 텍스트

242 ｢도시행정학보｣ 제29집 제3호
의 관계를 분석하고자 한다. 그리고 임대시장과의 관계를 파악하기 위해 업무권역, 시장공실률 
및 시장임대료를 설명변수로 구성 한다.15) 임대계약의 주요 변수인 보증금 및 관리비는 다중공
선성 문제를 야기하여 제외하고, 시장임대료는 권역별 자료가 아닌 서울 전체 평균 자료를 반영
하며 건물연면적은 더미 변수16)로 적용한다.
<표 6> 변수의 구성 및 설명
구분
변수명
단위
설명
종속변수
렌트프리(연평균)
ARF
월/연
(렌트프리 총개월수/총임대기간 개월수)X12
설명
변수
건물
특성
건물연면적
GFA_D
더미
33,000㎡이상=1, 33,000㎡미만=2 
건물공실률
Vacancy_B
%
건물별 공실률
임대계약
특성
임대기간
LTerm
월
임대계약 기간
임대면적(비율)
LeaseA_R
%
임대면적 / 건물연면적
계약임대료
URent
천원/㎡단위면적당 계약임대료
임대시장
특성
업무권역
District
더미
도심=1, 강남=2, 여의도=3, 기타17)=4
시장공실률(권역별)
MVacancy_D
%
권역별 평균 공실률
시장임대료(서울)
MRent_A
천원/㎡서울 평균 임대료
종속변수인 렌트프리의 평균값은 1.2개월이며 최소 0개월부터 최대 6.4개월까지 분포하여 
큰 차이를 보인다. 예를 들어 렌트프리가 6개월인 경우 총임대료의 50%가 면제되어 명목임대
료와 실질임대료는 극명한 차이가 발생한다. 설명변수인 건물공실률은 0%부터 60%까지, 임대
기간은 12개월부터 168개월까지, 임대면적비율은 10%부터 100%까지 분포하여 편차가 크게 
나타난다. 이는 금융위기 이후 서울 오피스 임대시장의 특징이 반영된 것으로 사료된다. 신규 
공급의 증가 대비 수요 감소로 인해 공실이 증가하는데 그 공실이 신축 또는 비우량 오피스에 
편중되고, 우량한 임차인을 대상으로 전체 건물 또는 대형 면적에 대한 장기 임대를 적극적으로 
유치한 결과 그 편차가 커진 것으로 판단된다.
계약임대료는 10,080원/㎡부터 38,880원/㎡까지 다양한 분포를 보이며 평균값 25,143원/
15) 서울 오피스 시장의 공실률 및 임대료는 2010년부터 2014년까지의 K사의 분기별 데이터를 반영하였다.
16) 오피스 등급에 대한 분류 기준은 명확하지 않으며, 부동산 관련회사 별로 연면적, 입지, 준공연도, 임대료 
등의 기준에 따라 등급을 분류하고 있다. 다만, 일반적으로 33,000㎡ 이상을 A급 오피스로 분류하고 있으
므로 이 기준을 건물연면적의 더미 변수 분류에 적용하였다.
17) 기타 업무권역은 서울시의 주요 업무권역(도심, 강남, 여의도)을 제외한 지역에 해당되며, 업무권역은 S사
의 기준을 참고하여 분류하였다. 본 연구의 표본에 해당되는 7개 빌딩(94개 계약)은 신도림동, 영등포동, 
미근동, 상암동 등에 소재하고 있다.

S19 · PDF 13쪽

S19 PDF 13쪽

이 페이지 검색용 텍스트

실제 임대계약 사례를 이용한 서울 오피스 임대시장의 렌트프리 결정요인 분석 243
㎡은 시장임대료(서울)의 평균값 22,100원/㎡과 큰 차이를 보이지 않아, 서울 오피스 임대시장
을 대변하기에 적정한 것으로 판단된다. 시장공실률(권역별)은 1.36%부터 14.3%까지 권역별 
및 시점별로 변동이 크나, 전반적으로 증가 추이를 보인다. 명목임대료인 시장임대료(서울)의 
최소값 20,940원/㎡은 2010년 1분기에 조사된 수치이며 최대값 23,010원/㎡은 2014년 4분기
의 수치로, 본 연구의 분석대상 기간 동안 명목임대료는 꾸준히 증가하였음을 추론할 수 있다. 
<표 7> 기초 통계량
변수명
평균
표준편차
최소값
최대값
렌트프리(연평균)
ARF
 1.207
1.119
 0.000
 6.400
건물연면적
GFA_D(더미)
 1.239
 .427
 1.000
 2.000
건물공실률
Vacancy_B
11.637
11.697
 0.000
60.740
임대기간
LTerm
46.808
25.865
12.000
168.000
임대면적(비율)
LeaseA_R
 5.376
10.388
 0.100
100.000
계약임대료
URent
25.143
5.504
10.080
38.880
업무권역
District(더미)
 1.892
1.026
 1.000
 4.000
시장공실률(권역별)
MVacancy_D
 6.560
2.579
 1.360
14.300
시장임대료(서울)
MRent_A
22.100
 .652
20.940
23.010
Ⅳ. 실증분석
1. 이항 로지스틱 회귀분석(모형 1)
렌트프리의 제공 여부에 대한 결정 요인을 분석한 결과, 건물연면적(GFA_D=1), 임대기간
(LTerm), 계약임대료(URent), 여의도권역(District=3)이 유의한 것으로 나타났다. 특히 건물연면
적 더미는 양(+)의 관계로 유의하고 다른 설명변수 대비 상대적으로 높은 승산비(Exp(B)=1.814)
를 보여 영향력이 큰 것으로 판단된다. 즉, 연면적 33,000㎡ 이상의 오피스가 연면적 33,000㎡ 
미만의 오피스보다 렌트프리를 제공할 확률이 높음을 설명하고 있다.
임대기간(LTerm)은 양(+)의 관계로 유의해 임대기간이 길수록 렌트프리의 제공 가능성이 높
아지는 것으로 나타났다. 임대기간과 달리 임대면적비율(LeaseA_R)은 양(+)의 관계를 보이나 
유의하지는 않아 일반적으로 큰 면적을 사용하는 대형 임차인일수록 렌트프리를 더 제공할 것

S19 · PDF 14쪽

S19 PDF 14쪽

이 페이지 검색용 텍스트

244 ｢도시행정학보｣ 제29집 제3호
이라는 추정과는 차이를 보인다. 소형 임차인들도 렌트프리에 대한 이해도가 높아지고 전문 임
대중개회사를 통해 임대를 진행하는 등 시장 정보를 쉽게 취득 가능할 뿐만 아니라, 임차인 우
위의 시장에서 소형 임차인에게만 렌트프리를 차별적으로 제공하기 어려운 현실이 반영된 것
으로 사료된다.
계약임대료(URent)는 양(+)의 관계로 유의한데, 이 결과에 대해서는 두 가지 측면에서 이해 
할 수 있다. 전반적으로 임대료가 높을수록 렌트프리를 제공할 가능성이 높다는 점과 개별 임대
계약을 분석한 결과로서 동일 건물의 임대계약이라도 임대료가 높을수록 렌트프리를 제공할 
가능성이 높다고 이해할 수 있다.
서울 오피스 권역의 더미변수는 여의도권역(District=3)만 음(-)의 관계로 유의하다. 따라서 
여의권역(District=3)은 참조 범주인 기타권역(District=4)보다 렌트프리를 제공하지 않는 확률
이 높다. 그러나 도심권역(District=3)은 양(+)의 관계를, 강남권역(District=2)은 음(-)의 방향
을 보이면서 모두 유의하지 않은 점을 고려하면, 모형 1에서는 렌트프리의 제공 여부에 있어서 
권역별 차이를 특정하기 어려운 것으로 판단된다.
<표 8> 모형 1. 렌트프리의 제공여부 결정요인 분석 결과
구분
B
표준오차
Wals
유의확률
Exp(B)
[GFA_D=1]
.595
.207
8.245
.004
 1.814***
Vacancy_B
.006
.009
.479
.489
1.006
LTerm
.024
.005
22.899
.000
 1.024***
LeaseA_R
.005
.011
.212
.645
1.005
URent
.073
.024
9.545
.002
 1.076***
[District]
　
　
25.105
.000
　
[District=1]
.216
.314
.475
.491
1.241
[District=2]
-.246
.348
.499
.480
.782
[District=3]
-1.363
.359
14.429
.000
 .256***
MVacancy_D
.061
.047
1.711
.191
1.063
MRent_A
.124
.157
.628
.428
1.132
상수항
-5.443
3.302
2.718
.099
.004
 주1) -2 Log 우도 : 759.206 (모수 추정값이 .001보다 작게 변경되어 계산반복수 5에서 추정을 종료함.)
카이제곱 : 124.317 ; 유의확률 : .000 ; Cox & Snell R2 : .156 ; Nagelkerke R2 : .223
    2) * p < 0.1, ** p < 0.05, *** p < 0.01 
    3) 종속변수는 범주 0(렌트프리 없음)이 참조(Reference) 범주임.

S19 · PDF 15쪽

S19 PDF 15쪽

이 페이지 검색용 텍스트

실제 임대계약 사례를 이용한 서울 오피스 임대시장의 렌트프리 결정요인 분석 245
건물공실률(Vacancy_B)과 권역별 시장공실률(MVacancy_D)은 모두 유의하지 않다. 이러한 
결과는 임대계약 체결시점과 공실률 기준시점 간의 시차가 반영되지 않았기 때문으로 추정된
다. 임대료와 공실률 간에는 시장 변화가 반영되는 데 상당한 시차가 발생하는 점18)을 감안할 
때, 임대료의 조정 방안인 렌트프리도 공실률과 일정 시차가 존재할 것으로 추정된다. 
시장임대료(MRent_A)는 양(+)의 관계를 보이나 유의하진 않다. 명목임대료를 기준한 시장임
대료가 증가하면서 렌트프리도 증가한 시장 추이와는 다른 결과를 보이고 있다. 
2. 다항 로지스틱 회귀분석(모형 2)
렌트프리의 제공 여부에 대한 결정 요인을 분석한 모형 1과 달리, 모형 2는 동일한 설명변수
를 바탕으로 종속변수를 4개의 범주로 나누어 각 범주별로 특성을 분석하였다. 
<표 9>의 분석 결과를 보면, 건물연면적(GFA_D=1)은 모든 범주에서 유의하다. 그리고 승산
비가 범주 1보다 범주 2와 3에서 더 높게 나타나고 있어, 연면적 33,000㎡ 이상의 오피스가 더 
많은 렌트프리를 제공할 확률이 높은 것으로 나타났다. 
임대기간(LTerm)은 모든 범주에서 양(+)의 관계로 유의한 반면, 임대면적비율(LeaseA_R)은 
모든 범주에서 유의하지 않다. 계약임대료(URent)는 모든 범주에서 계수는 양(+)의 관계이나 
범주 2에서만 유의한 결과를 보여, 렌트프리의 개수에 따라 계약임대료의 영향이 다름을 보여 
준다. 
서울 오피스 권역의 더미변수는 권역별 특성을 분석하는데 제한적인 모형 1과 달리, 모형 2
는 권역별로 영향의 차이가 있는 것으로 나타났다. 
도심권역(District=1)은 범주 1에서는 음(-)의 관계로 유의하여 참조 범주인 기타권역 대비 
렌트프리가 0일 확률이 높은 반면, 범주 2와 범주 3에서는 양(+)의 관계로 유의하여 연1개 초과
의 렌트프리를 제공할 확률이 높다. 특히 범주 3의 승산비는 매우 높다. 이는 타 권역 대비 도심
권역에 중대형 오피스의 신규 공급이 집중(우철민 외, 2015)되면서, 공실 해소를 위해 장기의 
렌트프리를 제공하는 경우와 렌트프리를 제공하지 않는 경우가 양극화(여태종 외, 2015; 젠스
타, 2015)된 결과로 판단된다. 
강남권역(District=2)에서도 범주 3에서만 양(+)의 관계로 유의하며 승산비도 상대적으로 높
18) Wheaton(1987)은 오피스 시장에서 임대료의 순환 주기와 공실률의 순환 주기는 밀접한 관계가 있으며 일
정 시차를 가지는 것으로 설명하였다. 김경민･박정수(2009)는 오피스의 임대료는 일반적으로 외부경제의 
변화에 즉각적으로 반응하지 않고 시차를 두고 변화하나, 공실률은 시장수급상황의 불균형 상태를 즉각적
으로 반영하며 시장여건의 변화에 보다 민감하게 반응하는 것으로 설명하였다.

S19 · PDF 16쪽

S19 PDF 16쪽

이 페이지 검색용 텍스트

246 ｢도시행정학보｣ 제29집 제3호
아 렌트프리의 양극화 현상이 나타났다. 여의도권역(District=3)은 기타권역 보다 렌트프리가 
없을 확률이 높다. 그리고, 승산비는 전반적으로 낮아서 그 영향력은 크지 않은 것으로 보인다. 
건물공실률(Vacancy_B)은 전체 범주에서 유의하지 않고, 권역별 시장공실률(MVacancy_D)
은 범주 1을 제외하고 전부 유의하지 않다. 
시장임대료(MRent_A)는 범주 1에서는 렌트프리가 없을 확률이 유의하게 높으나, 연2개 초
과의 렌트프리를 가지는 범주 3에서는 렌트프리가 있을 확률이 유의하게 높다. 따라서 시장임
대료가 낮은 경우에는 렌트프리를 제공하지 않으나 시장임대료가 높은 경우에 렌트프리를 더 
많이 제공할 확률이 높은 것으로 판단된다.
<표 9> 모형 2. 렌트프리의 제공 범주별 결정요인 분석 결과
범주
변수
B
표준오차
Wald
유의확률
Exp(B)
1
[렌트프리:
0초과~ 
1이하]
절편
6.145
3.965
2.402
.121
　
[GFA_D=1]
.468
.244
3.672
.055
 1.597*
[GFA_D=2]
0
　
　
　
　
Vacancy_B
.012
.011
1.317
.251
1.012
LTerm
.015
.006
6.747
.009
 1.015***
LeaseA_R
.008
.012
.515
.473
1.008
URent
.037
.028
1.772
.183
1.038
[District=1]
-.636
.361
3.105
.078
 .529*
[District=2]
-.419
.396
1.119
.290
.658
[District=3]
-1.580
.423
13.970
.000
 .206***
[District=4]
0
　
　
　
　
MVacancy_D
.101
.056
3.302
.069
 1.106*
MRent_A
-.383
.188
4.148
.042
 .682**
2
[렌트프리:
1초과~
2이하]
절편
-10.284
4.144
6.158
.013
　
[GFA_D=1]
.914
.273
11.216
.001
 2.495***
[GFA_D=2]
0
　
　
　
　
Vacancy_B
-.012
.011
1.246
.264
.988
LTerm
.028
.006
24.660
.000
 1.029***
LeaseA_R
.000
.012
.001
.978
1.000
URent
.097
.027
12.571
.000
 1.102***
[District=1]
.752
.425
3.134
.077
 2.121*
[District=2]
.165
.464
.127
.721
1.180
[District=3]
-1.100
.510
4.644
.031
 .333**
[District=4]
0

S19 · PDF 17쪽

S19 PDF 17쪽

이 페이지 검색용 텍스트

실제 임대계약 사례를 이용한 서울 오피스 임대시장의 렌트프리 결정요인 분석 247
 주1) -2 Log 우도 : 1699.493 ; 카이제곱 : 293.807 ; Cox & Snell R2 : .330 ; Nagelkerke R2 : .354 
    2) * p < 0.1, ** p < 0.05, *** p < 0.01
    3) 종속변수는 범주 0(렌트프리 없음)이 참조(Reference) 범주임. 
3. 종합 분석
모형 1과 모형 2의 모든 범주에서 유의한 결과를 보인 변수는 건물연면적(GFA_D=1)과 임대
기간(LTerm)이며, 두 변수가 렌트프리 결정에 있어 주요한 요인임을 확인할 수 있다. 특히 모
형 2에서 건물연면적의 범주별 차이를 보면, 33,000㎡ 이상의 오피스일수록 더 많은 렌트프리
를 제공하는 가능성이 높은 것으로 해석된다. 이는 중대형 오피스가 임차인 유치를 위해 적극적
으로 렌트프리를 제공한 것으로 추정된다. 
임대기간도 기간이 길수록 렌트프리의 제공 가능성이 높은 경향을 알 수 있다. 일반적으로 
임대기간이 길수록 임대수익 및 운영을 안정적으로 유지 할 수 있으며 공실리스크가 감소되어, 
임대인 입장에서는 렌트프리와 같은 임차인 인센티브를 제공하더라도 장기 임차인 유치에 적
극적일 수 있다. 글로벌 금융위기 이후 경기 침체가 지속되고 공실이 증가한 오피스 시장을 고
려시 그 필요성은 더욱 커진 것으로 이해된다.
임대면적비율(LeaseA_R)은 모형 1과 모형 2에서 모두 유의하지 않다. 현재 시장을 살펴보
면, 소형 임차인들도 전문 임대중개회사를 통해 임대를 진행하는 등 렌트프리에 대한 시장 정
보를 쉽게 취득 할 뿐만 아니라, 임차인 우위의 시장에서 임차인에 따라 임대 조건을 차별하기
MVacancy_D
.054
.059
.816
.366
1.055
MRent_A
.250
.194
1.651
.199
1.283
3
[렌트프리:
2초과]
절편
-37.760
5.731
43.413
.000
　
[GFA_D=1]
.845
.379
4.963
.026
 2.328**
[GFA_D=2]
0
　
　
　
　
Vacancy_B
.007
.012
.291
.589
1.007
LTerm
.035
.006
28.936
.000
 1.035***
LeaseA_R
.003
.014
.058
.810
1.003
URent
.052
.032
2.631
.105
1.054
[District=1]
3.651
1.101
10.992
.001
 38.530***
[District=2]
2.104
1.141
3.401
.065
 8.201*
[District=3]
.848
1.183
.513
.474
2.335
[District=4]
0
　
　
　
　
MVacancy_D
.056
.095
.350
.554
1.058
MRent_A
1.372
.253
29.336
.000
 3.942***

S19 · PDF 18쪽

S19 PDF 18쪽

이 페이지 검색용 텍스트

248 ｢도시행정학보｣ 제29집 제3호
에는 한계가 있는 것으로 추정된다. 
계약임대료(URent)의 경우, 모형 1에서는 양(+)의 관계로 유의하고, 모형 2에서는 범주에 따
라 계약임대료의 영향력이 차이는 있으나, 전반적으로 임대료가 높은 경우 렌트프리를 제공할 
가능성이 높다고 풀이된다.
서울 오피스 권역에 대해서는 모형 1과 모형 2의 차이가 뚜렷하다. 모형 1에서는 권역별 특
성을 분석하기에 제한적이나, 모형 2에서는 각 권역별로 범주별 영향의 차이가 나타났다. 모형 
2에서는 3개권역 모두 범주 1에서는 음(-)의 방향을 보이는 반면, 범주 3에서는 모두 양(+)의 
값을 가지는 점은 렌트프리의 제공에 있어서 양극화 현상의 결과로 볼 수 있다. 
특히 도심권역(District=1)은 모형 2에서 범주별로 명확한 차이를 보이고 있다. 그리고 범주 
3의 매우 높은 승산비를 감안하면 타 권역 대비 도심권역에 중대형 오피스의 신규 공급이 집중
되면서 공실 해소를 위해 공격적인 임대마케팅으로 장기간의 렌트프리를 제공한 결과, 렌트프
리의 양극화가 심화된 것으로 판단된다. 
강남권역(District=2)은 모형 2의 범주 3에서만 양(+)의 관계로 유의한 결과를 보이는데, 임
대시장이 최근 불안정해지면서 다수의 렌트프리가 제공되어 나타난 양극화 현상으로 추정된
다. 한편, 여의도권역(District=3)은 모형 1과 모형 2에서 대체로 음(-)의 관계로 유의하여, 기타
권역보다 렌트프리가 없을 확률이 높다. 
<표 10> 모형별 계수 방향 및 승산비 비교표
구분
모형 1
모형 2
변수명
범주 1
범주 1
범주 2
범주 3
ARF
연평균 렌트프리
있음
0초과~1.00이하
1.00초과~2.00이하
2.00 초과
[GFA_D=1]
건물연면적(더미)
 (+) 1.814***
 (+) 1.597*
 (+) 2.495***
 (+) 2.328**
Vacancy_B
건물공실률
(+) 1.006
(+) 1.012
(-) .988
(+) 1.007
LTerm
임대기간
 (+) 1.024***
 (+) 1.015***
 (+) 1.029***
 (+) 1.035***
LeaseA_R
임차면적(비율)
(+) 1.005
(+) 1.008
(+) 1.000
(+) 1.003
URent
계약임대료
 (+) 1.076***
(+) 1.038
 (+) 1.102***
(+) 1.054
[District=1]
도심권역(더미)
(+) 1.241
 (-) .529*
 (+) 2.121*
 (+) 38.530***
[District=2]
강남권역(더미)
(-) .782
(-) .658
(+) 1.180
(+) 8.201*
[District=3]
여의도권역(더미)
 (-) .256***
 (-) .206***
 (-) .333**
(+) 2.335
MVacancy_D
시장공실률(권역별)
(+) 1.063
 (+) 1.106*
(+) 1.055
(+) 1.058
MRent_A
시장임대료(서울)
(+) 1.132
 (-) .682**
(+) 1.283
 (+) 3.942***
 주1) 계수가 음의 값 : (-), 계수가 양의 값 : (+) 
 주2) * p < 0.1, ** p < 0.05, *** p < 0.01
주3) 종속변수는 범주 0(렌트프리 없음)이 참조(Reference) 범주임.

S19 · PDF 19쪽

S19 PDF 19쪽

이 페이지 검색용 텍스트

실제 임대계약 사례를 이용한 서울 오피스 임대시장의 렌트프리 결정요인 분석 249
공실 증가에 따라 확대된 렌트프리가 공실률에 영향을 받는 것으로 추정되나, 건물공실률
(Vacancy_B)은 2개 모형 전체에서, 권역별 시장공실률(MVacancy_D)은 모형 2의 범주 1을 제
외하고 전부 유의하지 않다. 이러한 결과는 임대계약 체결시점과 공실률 기준시점 간의 시차가 
반영되지 않았기 때문으로 추정된다.
시장임대료(MRent_A)는 모형 1에서는 유의하지 않았으나, 모형 2에서는 범주별 차이가 나
타났다. 시장임대료가 높은 경우에 렌트프리를 더 많이 제공하여, 서울 오피스 시장의 명목임대
료가 상승한 시점에 실질임대료와의 차이는 더욱 커진 것으로 이해 할 수 있다.
Ⅴ. 결론 및 시사점
글로벌 금융위기 이후 서울 오피스 임대시장에서 확대 적용된 렌트프리는 명목임대료와 실
질임대료 간의 차이를 발생시키고, 명목임대료에 기초한 연구결과를 왜곡시키는 원인이 될 수 
있다. 그러나 이와 관련한 연구는 제한적이며, 자료 취득의 한계로 실제 임대계약 상의 렌트프
리 자료를 기반으로 한 연구는 매우 드물다. 
본 연구는 서울 오피스 임대시장의 렌트프리 결정 요인을 임대계약 사례 733건을 바탕으로 
실증 분석하였다. 이항 로지스틱 모형을 통해 렌트프리 제공 여부에 미치는 주요 요인을 분석
한 후, 다항 로지스틱 모형을 적용하여 렌트프리의 개수에 따른 주요 요인의 특성 차이를 검토
하였다. 건물 특성(연면적, 공실률), 임대계약 특성(임대기간, 임대면적, 계약임대료), 임대시장 
특성(업무권역, 시장공실률, 시장임대료)이 렌트프리의 결정에 미치는 요인을 분석한 결과, 다
음의 시사점을 보여준다. 
건물연면적과 임대기간이 양(+)의 관계로 유의하며 렌트프리 결정에 주요한 요인으로 나타
났다. 중대형 오피스일수록, 임대기간이 길수록 임차인 유치를 위해 적극적으로 렌트프리를 제
공한 것으로 풀이된다. 반면, 임대면적은 통계적으로 유의한 결과가 도출되지 않았다. 대형 임
차인이 더 많은 렌트프리를 제공받을 것이라는 인식과는 다른 결과이다. 소형 임차인 또한 시
장 정보에 대한 접근이 용이하며, 임대면적에 따라 렌트프리를 차별적으로 제공하기에는 한계
가 있기 때문으로 추정된다.
서울 오피스 3개권역 모두 렌트프리를 제공하는 경우와 렌트프리를 제공하지 않는 경우로 
양극화되는 현상이 나타나, 여태종 외(2015)의 연구와 동일한 결과가 도출되었다. 양극화 현상
은 중대형 오피스의 신규 공급이 집중되어 공실이 증가한 도심권역에서 가장 뚜렷하게 드러났

S19 · PDF 20쪽

S19 PDF 20쪽

이 페이지 검색용 텍스트

250 ｢도시행정학보｣ 제29집 제3호
다. 계약임대료 및 시장임대료가 높을수록 렌트프리 제공 가능성이 높은 것으로 해석된다. 따라
서 임대료가 높은 경우에 렌트프리로 인해 명목임대료와 실질임대료 간의 괴리가 더 큰 것으로 
이해할 수 있다. 마지막으로, 공실률과 관련해서 전반적으로 유의하지 않은 분석 결과는 시차가 
반영되지 않은 점이 주요한 원인으로 판단된다. 임대료와 공실률의 순환 주기에는 상당한 시차
가 발생하는 점을 감안할 때, 임대료의 조정 방안인 렌트프리와도 일정 시차가 존재할 것으로 
추정된다.
본 연구는 횡단면 자료를 이용한 로지스틱 회귀분석을 수행하여 시차를 고려한 추정이 불가
한 한계가 있다. 향후 렌트프리, 임대료, 공실률 간의 조정 메커니즘 등에 대한 연구로 발전되어 
렌트프리의 명확한 동태와 특성을 분석할 필요가 있다. 또한 임대시장과 매매시장은 상호 밀접
한 관계를 가지므로 렌트프리와 매매시장과의 관계에 대한 연구로도 확대되기를 기대한다.
참고 문헌
김순귀･정동빈･박영술, (2012), 로지스틱 회귀모형의 이해와 응용, 한나래아카데미.
김경민･박정수, (2009), “서울 오피스 시장의 임대료조정메커니즘: 자연공실률과 실질임대료 관
계를 중심으로”, 국토연구, 62; 223-233.
류강민･이병현･이창무, (2015), “글로벌 금융위기 이후 오피스 임대시장 구조변화 분석”, 국토연
구, 85; 175-188.
류강민･이창무, (2012), “서울시 오피스 임대시장의 공실률과 임대료의 상호결정구조 분석”, 부동
산학연구, 18(2); 91-102.
문근식, (2016), “상업용부동산시장의 정보비대칭효과에 관한 실증연구”, 박사학위논문, 건국대
학교 대학원.
민성훈, (2013), “오피스 호가임대료를 이용한 계약 및 수취임대료 추정모형 연구”, 국토연구, 79; 
63-76.
여태종･류강민･김형주, (2015), “서울 오피스 임대시장의 렌트프리 결정요인 분석”, 부동산학연
구, 21(3); 75-84.
우철민･정인호･심교언, (2015), “서울시 간접투자대상 오피스빌딩의 실질임대료 및 Cap. rate 비
교 연구”, 부동산학보, 62; 92-105.
이무송･유정석, (2014), “연립방정식 모형을 이용한 서울 오피스 시장의 균형메커니즘 연구”, 부동

S19 · PDF 21쪽

S19 PDF 21쪽

이 페이지 검색용 텍스트

실제 임대계약 사례를 이용한 서울 오피스 임대시장의 렌트프리 결정요인 분석 251
산학연구, 20(1); 19-38.
인채권･여홍구, (2013), “상업용부동산 임대차계약에 관한 실증연구”, 국토지리학회지, 46(4); 
381-395.
이병현, (2015), “글로벌금융위기 이후 오피스시장의 구조적변화에 관한 연구: 서울시 오피스 시장
을 중심으로”, 석사학위논문, 한양대학교 대학원.
전해정, (2012), “오피스 임대료, 공실률 모형의 동학적 분석에 관한 연구”, 부동산연구, 22(3); 
215-233.
정원구･이호병, (2016), “임대차계약사례분석을 통한 서울 간접투자 오피스의 렌트프리 결정요인 
분석”, 부동산학연구, 22(2); 17-28.
젠스타, (2015), “렌트프리에 대한 6가지 이야기”, 시장보고서.
Akerlof, G. A., (1970), “The Market for ”Lemons“: Quality Uncertainty and the Market 
Mechanism”, Quarterly Journal of Economics, 84(3); 488-500.
Brown, Gerald R., (1995), “Estimating effective rents”, Journal of Property Finance, 6(2); 33-42.
Crosby, N. and Murdoch, S., (1994), “Capital Valuation Implications of Rent-free Periods”, 
Journal of Property Valuation & Investment, 12(2); 51-64.
Fisher, L. M. and Ciochetti, B. A., (2007), “Determinants of the Terms and Performance of 
Office Leases”, the Real Estate Research Institute.
Hamilton, M., Lim, L. C., and McCluskey, W., (2006), “The Changing Pattern of Commercial 
Lease Terms”, Property management, 24, 2006; 31-46.
Jeffries, R. L., (1994), “Lease Incentives and Effective Rents: A Decapitalization Model”, 
Journal of Property Valuation & Investment, 12(1), 1994; 21-42.
Mooradian, R. M. & Yang, S. X., (2002), “Commercial Real Estate Leasing, Asymmetric 
Information, and Monopolistic Competition”, Journal of Real Estate Economics, 30(2); 
293-315.
Sheehan, K. T., (2006), “The Value Of Contractual Terms in Office Leases”, Thesis, Massachussets 
Institute of Technology.
Wheaton, William C, (1987), “The Cyclic Behavior of the National Office Market”, AREUEA 
Journal, 15(4); 281-299.
Wheaton, W. and Torto, R., (1988), “Vacancy rates and the future of office rents”, AREUEA 
Journal, 16(4); 430-436.

S19 · PDF 22쪽

S19 PDF 22쪽

이 페이지 검색용 텍스트

252 ｢도시행정학보｣ 제29집 제3호
Wheaton, W. and Torto, R., (1994), “Office Rent Indices and Their Behavior Over Time”, 
Journal of Urban Economics, 35; 121-139.
Wheaton, W., Torto, R., and Evans., P., (1997), “The Cyclic Behavior of the Greater London 
Office Market”, Journal of Real Estate Finance and Economics, 15(1); 77-92.
19)
논문투고일: 2016.6.21. 
논문수정일: 2016.9.21.
게재확정일: 2016.9.23.
황병훈: 한양대학교 건축공학과를 졸업하고, 미국 텍사스 A&M 대학교(Texas A&M University)에서 건설경영
관리학(Construction Management) 석사 학위를 받은 후, 동대학교에서 부동산개발학(Land and Property 
Development)을 전공하여 석사 학위를 취득하였으며, 현재 단국대학교 일반대학원 도시계획및부동산학과에
서 부동산학 박사과정을 수료하였다. 삼성엔지니어링(주), (주)코람코자산신탁 및 (주)코람코자산운용을 거쳐 
현재 (주)성담에서 부동산 투자 업무를 담당하고 있다. 주요 관심분야는 부동산 금융 및 자본시장, 상업용 부동
산 시장, 부동산 투자 및 자산관리 등이다(bhhwang.d@gmail.com).
유정석: 서울대학교 경제학부를 졸업하고, 미국 듀크 대학교(Duke University)에서 경제학석사 학위를 받은 
후, 미국 뉴올리언스 대학교(University of New Orleans)에서 금융경제학을 전공하여 석, 박사학위를 취득하
였다. 뉴올리언스 대학교 금융경제학과 조교수, 삼성경제연구소 거시경제실 수석연구원을 역임하였으며, 현재 
단국대학교 도시계획부동산학부 부교수로 재직 중이다. 부동산 금융/투자/경제, 국제금융시장, 자본시장 및 
부동산정책 등에 관한 연구논문을 국내외 주요 학술지에 다수 발표하였다(jsyu@dankook.ac.kr).

S20 · 한국 데이터센터 투자_CBRE.pdf · 45쪽 — 원문 펼치기

S20 · PDF 1쪽

S20 PDF 1쪽

이 페이지 검색용 텍스트

Data Center Report
한국데이터센터투자
공급제약이만드는희소성프리미엄과Exit 가능성진단
Intelligent Investment
July 2026 CBRE Research

S20 · PDF 2쪽

S20 PDF 2쪽

이 페이지 검색용 텍스트

2
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
INTRODUCTION
왜 지금,
이 질문인가
지난5년간한국데이터센터시장은유례없는개발호황을경험했다. 국내외자산운용사및글로벌사모펀드가
수도권을중심으로대규모프로젝트를추진했으며, 맥쿼리인프라의하남데이터센터인수등대형거래가
성사되고다수의딜파이프라인이동시에진행되는가운데, 데이터센터는국내대체투자시장의핵심
자산군으로급격히부상했다.
이러한성장의근저에는생성형AI발컴퓨팅수요의구조적확대가자리한다. 글로벌빅테크기업들의AI 
인프라투자는매분기최고치를경신하며데이터센터수요를견고히뒷받침하고있으며, 한국역시글로벌
수요확장의직접적인영향권에위치하고있다.
그러나2026년현재, 시장은결정적변곡점에진입하고있다. 수도권가용부지와계통전력확보가사실상
한계에도달하면서신규공급의구조적절벽이가시화되는한편, AI 워크로드수요의지속가능성과
데이터센터자산의매각구조를둘러싼불확실성도대두되고있다. 개발호조붐의열기가채식기도전에, 시장
참여자들의시선은이미다음질문으로이동하고있는것이다.
본리포트는데이터센터시장의글로벌수요구조와한국의공급제약을교차분석하고, 잠재리스크및기회
요인, 매수주체별진입조건과자본순환경로를제시한다. CBRE는이를통해개발을준비하는사업자, 
인수를검토하는기관투자자, Exit 경로를모색하는자본등시장참여자모두가직면한질문에답하고자한다.
“한국데이터센터, 지금투자할논거가있는가. 그리고Exit은가능한가”

S20 · PDF 3쪽

S20 PDF 3쪽

이 페이지 검색용 텍스트

3
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
목차
01
글로벌AI 트렌드및미국선진시장분석
02
국내데이터센터시장분석
03
국내데이터센터투자 시장분석
04
전망및제언

S20 · PDF 4쪽

S20 PDF 4쪽

이 페이지 검색용 텍스트

글로벌AI트렌드및미국선진시장분석
01

S20 · PDF 5쪽

S20 PDF 5쪽

이 페이지 검색용 텍스트

5
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
AI 전환이촉발한구조적전력수요급증, 글로벌수혜지역다변화
Figure 1: 글로벌데이터센터전력소비추이및전망
Source: 골드만삭스, CBRE Research, July 2026
글로벌데이터센터시장은2022년말ChatGPT 출시를기점으로
고성능연산인프라로의구조적패러다임전환을맞이했다. 생성형
AI의확산은대규모언어모델학습및추론을위한하이퍼스케일
수요를촉발시켰으며, 클라우드전환기보다훨씬빠른속도로
전개되는AI 워크로드의증가는글로벌전력수요의기하급수적인
성장을견인하고있다.
Figure 1 에따르면글로벌데이터센터전력소비량은2015년약
200TWh에서2030년약1,100TWh를상회하며5배이상급증할
전망이다. 특히전체워크로드중AI 비중은2023년이전3% 
미만에서2025년13%, 2030년29%까지가파르게확대될것으로
추산되는 가운데, 향후전력증가분의상당부분이AI 운영을위해
할당될것으로예측할수있다.
현재글로벌전력수요의중심축은미국시장이견인하고있으나, 
향후AI 기반의인프라수요는특정지역에국한되지않고전
세계적으로확장될것으로분석된다. 아시아를포함한글로벌
전반의동반성장이가시화되는가운데, 특히차트내미국외
지역의가파른성장세가두드러질것으로예상된다.
이러한글로벌수요분산흐름은한국을포함한아시아태평양(아태) 
주요거점시장에새로운기회요인으로작용할전망이다. 미국외
지역의AI 워크로드수요곡선이가파르게우상향함에따라, 글로벌
빅테크기업들이인프라를확장하고신규데이터센터를확보하려는
시선역시미국을넘어한국등주요아태허브시장으로점차
다변화될것으로전망된다.
단위: 테라와트시(TWh)
0
200
400
600
800
1000
1200
2015
2016
2017
2018
2019
2020
2021
2022
2023
2024
2025
2026F
2027F
2028F
2029F
2030F
미국(AI제외)
미국(AI)
미국외지역(AI제외)
미국외지역(AI)
ChatGPT 출시
(2022년11월)
Forecast
AI 워크로드비중
(전체글로벌데이터센터워크로드대비, %)
2023년전
2025년
2030년
3% 미만
13%
29%

S20 · PDF 6쪽

S20 PDF 6쪽

이 페이지 검색용 텍스트

6
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
글로벌Big4 Capex 급증, 경기사이클을넘어선구조적DC 수요형성
Figure 2: 미국Big4 자본적지출(capex) 지출규모및2027년전망
Source: Bloomberg, CBRE Research, July 2026
0
200
400
600
800
1000
1200
2016
2017
2018
2019
2020
2021
2022
2023
2024
2025
2026F
2027F
마이크로소프트
메타
구글
아마존
단위: 십억달러(USD Bn)
글로벌생성형AI 시장의가속화는빅테크기업들의자본적지출
(Capex) 급증으로직결되며데이터센터수요를구조적으로
뒷받침하고있다. 마이크로소프트, 메타, 구글, 아마존등글로벌
Big4 기업의합산자본적지출은생성형AI가본격화된2022년을
기점으로가파른증가세를나타내며데이터센터시장의성장을
이끄는가장강력한펀더멘탈로작용하고있다.
블룸버그및시장조사자료에따르면, 2024년약2,000억달러
수준이던이들의합산Capex는2025년약3,300억달러를
기록했으며, 2026년에는약6,100억달러로폭발적인수직상승이
전망됐다. 나아가2027년에는최소8,000억달러에서최대1.1조
달러에달하는천문학적인자금이투입될것으로추산된다. 
이와같은자본지출의급증은단순한경기주기적(Cyclical) 투자
확대가아닌, 생성형AI 서비스고도화및하이퍼스케일인프라
확충을위한구조적(Structural) 지출증가로해석된다. 글로벌
주요수요주체들이중장기Capex 계획을공개적으로확대하고
있다는점은일부에서우려하는'AI 수요지속가능성'에대한
불확실성을상당부분해소하는강력한근거로작용한다.
이에따라, 주요빅테크기업들의데이터센터선점경쟁은당분간
글로벌전역에서치열하게지속될것으로판단된다. 이들의막대한
자본투입과인프라확보의지는앞선장에서언급한글로벌수요
성장흐름과맞물려, 아태 및한국시장으로의선제적인인프라
확장압력을더욱가중시키는핵심동인으로이어질것으로보인다.
Forecast
Min
Max

S20 · PDF 7쪽

S20 PDF 7쪽

이 페이지 검색용 텍스트

7
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
0
0.2
0.4
0.6
0.8
1
경영관리
경영및금융
IT 및수학
건축및공학
자연및사회과학
공공서비스
법률
교육
예술
의료전문직
의료지원직
보안& 치안
요식업
시설관리
개인케어
영업
사무행정지원
농림어업
건설
설치, 정비, 수리
생산
운송
이론적커버리지
실제커버리지
AI 침투율, 이론대비현실격차- 수요선점단계의반증
Figure 3: Anthropic 직군별AI 이론적커버리지vs. 실제커버리지비교
Source: Anthropic, Labor market impacts of AI, March 2026
앞서살펴본빅테크기업들의천문학적인자본투입에도불구하고, 
시장일각에서는AI 기술의실제산업내침투속도가기대보다
더디다는의견이동시에제기되고있다. 기술적진보의속도와
비교해기업현장에서의실질적인도입및활용사이에는시차가
존재한다는견해이다. 
최근Anthropic의노동시장영향분석자료(Figure 3)는이러한
시장의초기단계를수치로보여준다. 자료에따르면, 기술적으로
적용가능한수준인'이론적커버리지'와비교해산업현장에실제
반영된'실제커버리지'는전직군에걸쳐현저한격차를보이고
있다. 경영, 금융, IT 등일부화이트칼라직군을제외한대다수
산업군에서는실제침투율이이론적잠재력에미치지못하는
구조적인갭이관측된다.
이러한관점은현재의인프라투자가실제수요를초과하여
선행되고있을가능성과함께, 향후수요확장의속도를가늠할
잠재적지표로서동시에해석될수있다. 일부직군의초기활용에
기인한현수요는 향후법적규제정비, 기술적검증, 기업별시스템
통합비용등당면한장벽들의해소여부에따라 제조업및
서비스업전반에보다영향을미칠것으로예상된다.
결과적으로이러한격차는패러다임시프트초기단계에서
나타나는전형적시차현상에근접해보인다. 향후산업전반으로의
실제침투속도와범위에따라빅테크기업들의인프라확장전략
및한국을포함한주요거점시장의데이터센터수급환경도재편될
것으로전망된다.

S20 · PDF 8쪽

S20 PDF 8쪽

이 페이지 검색용 텍스트

8
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
CSP 독점에서다층수요구조로, 네오클라우드가새로운임차주체로부상
Figure 4: 데이터센터수요주체진화및네오클라우드구조
글로벌데이터센터시장의구조적성장은인프라수요주체의
다변화와맞물려새로운전환기를맞이하고있다. 과거시장이
아마존, 마이크로소프트, 구글 등등글로벌대형CSP*에의해
사실상독점되는단일구조였다면, 최근AI 고도화흐름속에서
자체인프라내재화를추진하는IT 기업들이핵심주체로가세하기
시작했다. 이러한수요의무게중심이동은데이터센터시장이점차
다층적인구조로진화하는배경이되고있다.
최근글로벌시장을중심으로GPU-as-a-Service를핵심
사업으로내세우는'네오클라우드(Neocloud)' 프로바이더의
부상이두드러진다. 이들은기존하이퍼스케일러가대응하기
어려운고밀도AI 컴퓨팅수요를전문적으로흡수하며대규모임차
주체로자리잡고있다. 고사양GPU 인프라를기반으로
엔드유저에게컴퓨팅파워를임대하는이들은대용량전력, 고밀도
랙, 고도화된냉각솔루션을필수적으로요구하는특성을지니며, 
크루소, 코어위브, 람다, 네비우스등이대표적인플레이어로성장
중이다.
이러한신규수요층의등장은앞서언급한글로벌인프라확장
다변화흐름을한층더가속화하는요인으로분석된다. 실제로주요
네오클라우드기업들은미국시장을넘어아태지역으로의진출을
본격화하고있으며, 한국을싱가포르, 일본, 인도등과함께주요
핵심진출시장으로검토하고있는것으로파악된다. 결과적으로
이러한다층적수요의유입은향후한국을포함한주요거점시장의
데이터센터인프라확충을유도하고, 전체시장의질적·양적성장을
견인하는촉매제로작용할전망이다.
과거
글로벌CSP 중심단일수요구조
현재
글로벌CSP + IT 자체수요기업
부상중
네오클라우드프로바이더
네오클라우드
GPU-as-a-Service
컴퓨팅 임대
공간 임차
네오클라우드장점
•
최고사양GPU 접근이어려운기업에게고성능컴퓨팅제공
•
기존클라우드서비스 프로바이더대비유연한임대조건제시
주요플레이어
글로벌: 크루소, 코어위브, 람다, 네비우스
아시아태평양: 요타, 이투이네트웍스, 네이사 AI,  퍼머스, 샤론AI, 서스테이너블 메탈클라우드
엔드유저
데이터센터
Source: CBRE Research, July 2026
• AI 데이터센터 수준스펙요구
• 대용량 전력, 고밀도 랙, 고도화
된 냉각 필수
• 하이퍼스케일러
• AI 연구소, 연구기관
• 스타트업, 미디어, 게임사
*CSP(Cloud Service Provider): 인터넷을통해서버, 스토리지등가상화된컴퓨팅인프라를대여·제공하는클라우드서비스제공업체

S20 · PDF 9쪽

S20 PDF 9쪽

이 페이지 검색용 텍스트

9
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
선임차가순흡수의2배, 수요선점속도가공급확대를압도하는시장
Figure 5: 미국데이터센터시장순흡수·선임차·건설중공급추이(주요 시장기준)
Source: CBRE Research, July 2026
글로벌AI 수요의폭증은데이터센터공급메커니즘에도근본적인
변화를야기하며공급부족의구조화현상을심화시키고있다. 
빅테크기업들의인프라선점경쟁과신규수요층의전방위적
가세는북미주요시장을중심으로데이터센터수급불균형을
촉발하면서공급물량의양적확대속도보다수요의선점속도가
이를상회하는독특한시장기류가관측된다.
미국내개발중인데이터센터(공사중)의규모는2020년458MW 
수준에서2025년5,994MW로5년만에13배이상급증하며역대
최고수준의공급규모를유지하고있다. 더불어수요측면에서의
선임차비중의압도적인확대도두드러진다. 2025년기준선임차량
(4,800MW)은실제준공후흡수된순흡수량(2,498MW)의약
2배에달하여, 빅테크플레이어들이준공이전단계에서전력및
공간을선점하려는경쟁이치열했음을증명한다.
2025년기준건설중인물량중이미선임차된물량을제외하면
실질적인가용공급은전체의약20% 수준에불과하다. 공급의
외형적확대에도불구하고실질가용물량이제한되는병목현상은
시장내공급둔화우려를가중시키는요인이자데이터센터자산
전반의가치및희소성을높이는배경으로작용하고있다.
이와같은북미시장의공급부족구조화와치열한선점경쟁은
앞서살펴본글로벌인프라시선의다변화흐름과도일맥상통한다. 
북미주요거점에서수요의속도와공급의시차가지속됨에따라,
안정적인인프라공급이가능한아태지역및한국시장으로의수요
분산압력은더욱구체화될것으로예상된다. 
단위: 메가와트(MW)
 -
 1,000
 2,000
 3,000
 4,000
 5,000
 6,000
 7,000
2020
2021
2022
2023
2024
2025
순흡수
선임차
공사중

S20 · PDF 10쪽

S20 PDF 10쪽

이 페이지 검색용 텍스트

10
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
2027년 이후, 추론(Inference)이주력워크로드로전환 - 사용지밀집인근의DC 가치증대요인
Figure 7: AI 워크로드유형별데이터센터수요전망
Source: The net big shifts in AI workloads and hyperscaler strategies (McKinsey & Company, December 2025). CBRE Research
앞서살펴본북미시장의기록적인선임차열풍과수급불균형은, 
향후AI 워크로드의구조적전환(학습→추론)에따른데이터센터
입지전략의근본적인판도변화와긴밀히맞물려있다. 글로벌
데이터센터수요규모의확대와더불어, 2027년을기점으로실시간
서비스를위한AI 추론(Inference) 수요가모델학습(Training) 
수요를상회할것으로예상됨에따라주요거점내코어입지에
대한수요집중현상이더욱심화될것으로전망된다.
맥켄지의최근자료에따르면, 2025년전체AI 수요의26%였던
추론비중은2030년42%까지확대될것으로분석된다. 전력
비용이저렴한외곽지역중심의학습용인프라와달리, 실시간
서비스가목적인추론워크로드는사용자와의물리적거리및
지연율(Latency) 관리가핵심이다. 
이러한워크로드구성의변화는향후데이터센터수요가사용자
밀집지역인도심인근데이터센터등특정거점시장으로더욱
집중될수밖에없는구조적배경을형성한다. 학습용데이터센터는
공급이분산될수있으나, 저지연입지가필수적인추론용수요는
주요거점시장에국한되기때문이다. 이는글로벌빅테크기업들이
준공전부터주요거점의전력과공간을선점하려는강력한기술적
근거가된다.
이러한추론중심의수요전환은안정적인IT 인프라와높은사용자
접근성을갖춘한국등아태 주요허브시장에새로운성장
동력으로작용할것이다. 도심인근의공급제약이심화되는환경
속에서선제적으로입지를확보한자산의희소성은더욱
부각되면서이는향후시장의질적성장을견인할것으로보인다.
단위: 기가와트(GW)
 -
 50
 100
 150
 200
 250
2025
2026
2027F
2028F
2029F
2030F
비AI 워크로드
AI 학습
AI 추론
구분
학습 (Training)
목적
모델학습
입지조건
전력저렴한지방또는교외
지연시간
둔감
대표수요
하이퍼스케일러자체구축& 정부
추론(Inference)
• 추론:
실시간서비스특성, 
사용자밀집지역인근의
저지연입지가필수요건
→ 수도권DC 자산의
   희소성 근거로작용
실시간서비스
사용자인근도심
민감
검색, 금융, 자율주행 등(피지컬AI)
AI 추론수요,
훈련수요초과
2025-2030
성장배수
추론
4.4 X
학습
2.7 X
기타
1.7 X
Forecast
Figure 6: AI 워크로드유형별특성비교: 학습(Training) vs. 추론(Inference)

S20 · PDF 11쪽

S20 PDF 11쪽

이 페이지 검색용 텍스트

11
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
공실률1.4%, 임대료급등세지속- 공급제약이만든가격반전
Figure 8: 미국 주요 데이터센터마켓별공실률현황(2025) 
Source: CBRE Research, July 2026
0.0%
2.0%
4.0%
6.0%
8.0%
뉴욕광역권
실리콘밸리
댈러스-포트워스
애틀랜타
시카고
피닉스
노던버지니아
힐스보로, 오리건
-10%
-5%
0%
5%
10%
15%
20%
 100
 120
 140
 160
 180
 200
 220
2015 16
17
18
19
20
21
22
23
24 2025
평균임대료(250-500kW구간) (LHS)
전년대비증감률(RHS)
Figure 9: 평균임대료및전년대비증감률
앞서살펴본글로벌빅테크기업들의치열한선점경쟁과공급
부족의구조화현상은주요데이터센터마켓의공실률과임대료
추이등실제지표변화를통해명확히드러나고있다.
북미주요마켓지표에따르면, 전체평균공실률은1.4%로사실상
완전가동에가까운역대최저수준을기록중이다. 신규공급이
집중된뉴욕(7.5%)이나실리콘밸리(4.5%) 등일부지역을제외하면, 
핵심클러스터인주요거점들의가용공간이바닥을드러내고있다. 
이러한극심한공급부족현상은임대료시장의급격한반전을
이끄는직접적인원인이되고있다.
임대료추이를보면, 2015년부터2021년까지연간-6%에서1% 
수준의정체국면에머물던임대료는AI 수요가본격화된
2022년을기점으로급격한상승세로전환되었다. 2023년19%, 
2024년13%에이어2025년에도7%로성장세를이어가고있다. 
1.4%라는극단적인공실률환경속에서신규가용공급마저
제한적인만큼, 임대료상승압력은단기간내에완화되기어려울
것으로보인다.
이렇듯북미주요거점에서목격되는공급제약기반의임대료급등
구조는글로벌인프라투자자들의자산가치평가와포트폴리오
다변화전략에중요한이정표를제시한다. 핵심시장내데이터센터
자산가격의견조한상승세가지지되는동시에진입장벽과비용
부담이가중되는상황이다. 이는글로벌투자자와임차인이
상대적으로공급여력이있고가격경쟁력이높은아태지역과한국
등대안시장을모색하는계기가될수있다. 
단위: 달러(USD), %
전체평균공실률
1.4%

S20 · PDF 12쪽

S20 PDF 12쪽

이 페이지 검색용 텍스트

12
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
전력망제약과사회적저항: 북미데이터센터공급병목의구조적배경
Figure 10: 미국데이터센터전력비용전가구조와정치·사회적저항현황
Source: Data Center Watch, Dominion Energy, IEEFA, CBRE Research, July 2026
전력공급책임+ 설비
투자비요금회수
센터1개= 중소도시급
소비→ 계통망과부하
도매가폭등+ 
송전망·발전소신규투자
불가피
인프라투자비전액
소비자요금으로전가
요금인상·환경우려→ 
신규건설입법제동
전기요금전가실증
정치 · 입법대응
사업차단결과
+17.5%
인디애나주 가구 평균 전기요금증가율 (24.7 ~ 25.7)
20년래 최대 폭 증가
+14%
Dominion (버지니아) 2026년 주거용 인상 신청
주지사 선거 핵심 쟁점
 “데이터센터가 정당한 몫 부담” 공약
+500%
PJM 용량시장 가격 (5년)
총 $147억 인상분 중 약 $93억(60%)이 DC 기인
중대서양·중서부 주거용 요금에 직접 전가
Maine LD 307
20MW+ DC 모라토리엄 (~27.11)
양원 통과 — 미국 최초 사례
Mills 주지사 거부권 좌절, 하지만정치기류확인
12개 주
모라토리엄 법안 발의 중
NY, NJ, PA, GA, SC, VA, OK 등
양당 합치 추이
65 vs 24
AI DC 인근 건립 반대 vs 찬성 (%)
반대 사유 1위 전기요금 72%
전 인구 통계에서 반대 우세
$162B
36개 DC 프로젝트 차단·지연
원화약220조원규모
6 → 25
DC 착공 취소 건수 (2024 → 2025)
2023년 2건 → 2024년 6건 → 2025년 25건
전력 미확보, 인허가, 주민 반발이 복합 작용
188
활동 중인 DC 반대 단체
40개주에서활동중
미국내폭발적인수요에도불구하고데이터센터공급이단기간내
확대되지못하는배경에는전력공급망의구조적한계와그에따른
비용상승문제가자리잡고있다. 특히미국시장의경우민간
전기회사가공급의무와비용회수를담당하는구조적특성상, 
데이터센터발대규모부하발생이인프라비용폭등과일반가구의
요금전가로이어지며강력한사회적·정치적저항에직면해있다.
Figure 10에제시된전력요금전가실태를보면, 인디애나주가구
평균전기요금증가율이20년래최대폭인17.5%를기록하는등
실질적인비용상승이확인된다. 이에따라12개주에서데이터센터
모라토리엄* 법안이발의중이며, 세계최대데이터센터허브이자
북미핵심입지인버지니아주등주요거점에서는주민반대로인해
36개프로젝트(약220조원규모)가차단또는지연되는등사업
환경이급격히악화되고있다.
이러한공급제약은자본의투입문제가아닌전력망확충, 민원, 
인허가라는복합적인병목현상에기인하며, 이는단기적인공급
모멘텀둔화로이어질전망이다. 그러나역설적으로이러한공급
제약의현실화는기존에확보된자산및현재공사중인자산의
희소성프리미엄을구조적으로뒷받침하며, 핵심거점내자산
가치를더욱공고히하는결과로나타나고있다.
전력및규제이슈로인한북미시장의공급병목현상은앞서
언급한글로벌인프라시선의다변화를더욱가속화하는핵심
동인이다. 전력확보시차가장기화됨에따라안정적인공급이
가능한대안시장으로의수요분산이필연적이며, 이는향후한국
시장에서도유사하게전개될수있는흐름이다. 
*모라토리엄: 특정활동이나법적의무를일시적으로중단하거나유예하는조치
민간전력사
데이터센터전력급증
전력인프라비용급등
일반가구비용전가
정치권·주민반발
1
2
3
4
5

S20 · PDF 13쪽

S20 PDF 13쪽

이 페이지 검색용 텍스트

국내데이터센터시장분석
02

S20 · PDF 14쪽

S20 PDF 14쪽

이 페이지 검색용 텍스트

14
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
통신사자가수요에서글로벌자본주도로, 한국데이터센터시장의고도화단계진입
Figure 11: 연도별- 권역별데이터센터공급누적추이및시장성장단계별특성
Source: CBRE Research, July 2026
한국상업용데이터센터시장은국내통신사중심의자가수요
시기(Phase 1)와글로벌CSP가진입한성장기(Phase 2)를거쳐, 
현재자산운용사및글로벌전문사업자가주도하는고도화
단계(Phase 3)에진입했다. 특히2021년부터본격화된3단계는
하이퍼스케일급공급확대로연평균20%의성장세를보이며, 
수도권총공급량은2028년까지1,450MW를돌파할것으로
예상되는등공급의양적·질적패러다임변화가가시화되고있다.
이러한대규모공급기조는입지의구조적다변화를유도하고있다. 
과거중부권위주로존재했던초기시장에서 수도권외곽으로공급
축이확장되는가운데2028년기준, 남부권공급량은557MW로
전통적중심지였던중부권(417MW)을추월하며수도권최대규모
권역으로부상할전망이다. 더불어인천, 부천, 김포를아우르는
서부권역시262MW 규모로공급력을대폭키우며중부권의배후
인프라역할을넘어선독립적인핵심클러스터로안착하고있다. 
공급주체의변화는데이터센터의자산가치재편의핵심동력이다. 
글로벌펀드와전문디벨로퍼의유입으로대규모자본조달과
선진화된운영표준도입이가능해졌으며, 이에따라데이터센터는
독립적인핵심수익형자산클래스로시장에안착하는초기단계에
접어들었다. 나아가현재수도권시장은외곽권역으로의지리적
확장과공급전문성강화를바탕으로, 아태지역내독보적인
하이퍼스케일인프라허브로도약하기위한본격적인공급
과도기에진입한것으로평가된다.
0
10
20
30
40
50
60
70
80
0
200
400
600
800
1000
1200
1400
1600
2000 01
02
04
06
07
08
13
15
16
17
18
19
20
21
22
23
24
25
26F 27F 28F
중부(LHS)
북부(LHS)
남부(LHS)
서부(LHS)
누적공급개수(RHS)
국내주요통신사중심의
시장성장주도
운용사및글로벌오퍼레이터등
신규플레이어의부상
Phase 1
Phase 3
글로벌CSP의한국
시장진입
Phase 2
서부권
인천
부천
김포
북부권
상암
고양
남부권
성남
용인
안양
안산
중부권
용산
가산
목동
영등포
강남
하남
단위: 메가와트(MW), 개
Forecast

S20 · PDF 15쪽

S20 PDF 15쪽

이 페이지 검색용 텍스트

15
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
수도권데이터센터시장의지리적확산이면에는단순한서울내
가용부지제한이나개발선호도변화가아닌, 전력가용성에따라
시장의판도가바뀌는철저한전력추종형지형변화가자리잡고
있다.
과거초기시장에서는도심접근성과통신인프라가우수한중부권
중심의입지선택이주를이룬가운데, 특히지난몇년간은글로벌
CSP의가용영역충족 여부가하이퍼스케일데이터센터개발입지
선정의핵심지표로작용했다. 그러나서울도심내부지공급
한계와전력확보제약이가시화되면서, 수도권데이터센터
인프라는전력수전이용이한외곽권역으로공급의중심축이
빠르게이동하고있다.
실제로2026년이후신규물량의상당수가서부와남부권에
고밀도로집중되며광역클러스터화가진행중이다. 2027년에는
단일권역내역대최대규모의신규물량이서부와남부권에각각
집중될것으로보이는가운데, 2028년연간공급량은종전대비수
배수준으로도약할전망이다. 중부권은일정수준의공급을
유지하나전체비중은점차축소되는추세이며, 북부는상대적으로
제한적인공급에그치고있다.
한편, 최근수요다변화로수도권외곽지역이라도확실한전력
수급이담보된다면유효한대안으로부상하고있다. 다만교통및
기반시설이미비한경우, 오히려비수도권주요거점도시(부산, 
천안등) 대비선호도가저하될수있다. 선제적으로전력을확보한
거점들이수도권공급망을지탱하는핵심인프라기지로기능하게
되면서, 향후데이터센터시장은전통적권역중심에서전력망
기준의새로운지리적단위로재편될가능성이높다.
전력가용성이결정하는입지, 권역구분의의미가사라지는수도권데이터센터 시장
Figure 12: 수도권데이터센터분포도
Source: CBRE Research
운영중
건축중
계획중
중부권
남부권
서부권
북부권
서부권
인천
부천
김포
북부권
상암
고양
남부권
성남
용인
안양
안산
중부권
용산
가산
목동
영등포
강남
하남
Figure 13: 권역별-연도별공급현황
단위: 메가와트(MW)
 -
 50
 100
 150
 200
 250
 300
2022
23
24
25
26F
27F
28F
중부
북부
남부
서부
[2028년기준권역별데이터센터비중]
Forecast
전력가용성이입지선택의기준으로작용→
향후전력망중심의지리적단위로재편될전망
29%
15%
38%
18%

S20 · PDF 16쪽

S20 PDF 16쪽

이 페이지 검색용 텍스트

16
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
522건
(33,592MW)
국내데이터센터공급병목: 분산법과전력계통진입장벽의구조적심화
Figure 14: 분산에너지활성화특별법 시행이후데이터센터전력계통영향평가1차기술검토신청추이
*원내수치는해당시점누적기준공급불가비중(%)을나타냄
Source: 한국전력공사, CBRE Research, July 2026
기술검토공급불가
기술검토공급가능
243건
(15,542MW)
279건
(18,050MW)
공급불가비율
53.4%
(MW기준53.7%)
0
50
100
150
200
250
300
25년9월
25년10월
25년12월
26년2월
26년3월
공급가능
공급불가
 -
 3,000
 6,000
 9,000
 12,000
 15,000
 18,000
25년9월
25년10월
25년12월
26년2월
26년3월
공급가능
공급불가
2024년시행된분산에너지활성화특별법(이하분산법)은국내
상업용데이터센터개발및공급환경의패러다임을바꾸는최대
변곡점이자구조적리스크로작용하고있다. 분산법도입이후
데이터센터개발을위한수도권전력계통영향평가신청이폭증하고
있으나, 한전의전력망공급여력은이미한계에도달한실정이다.
2026년3월누적기준총522건(33,592MW)의기술검토신청이
접수되었으나, 이중절반이상인279건(18,050MW)이공급불가
판정을받으며수도권전력망의포화가실질적인공급차질로
현실화되었음을증명하고있다.
이러한전력망포화와정부의규제기조는단기적인공급위축을
야기하는리스크인동시에, 수도권데이터센터시장이기존거점을
넘어광역화될수밖에없는핵심동인이되고있다. 전력기준
용량상공급불가비율이53.7%에달함에따라중부권등기존
밀집권역내에서의대규모신규수전은사실상차단되었다. 
이로인해디벨로퍼와투자자들은인허가및수전확보가가능한
수도권외곽서브마켓이나지방권으로눈을돌릴수밖에없으며, 
이는파편화되어있던개발지형이전력망여유를찾아광역벨트
형태로다변화되는지리적확산을강제하고있다.
결국신규수전확보자체가데이터센터개발의최대병목으로
부각되면서, 신규진입자산들은한층엄격해진계통평가허들을
통과해야하므로향후공급망안정성은단순한부지선점을넘어
국가전력망스케줄에종속되는높은진입장벽을마주하게될
것이다. 
총신청(26년3월기준)
단위: 메가와트(MW)
[전력계통영향평가1차기술검토신청건수(누적)]
[전력계통영향평가1차기술검토신청용량(누적)]
66%
64%
64%
57%
53%
67%
65%
66%
57%
54%

S20 · PDF 17쪽

S20 PDF 17쪽

이 페이지 검색용 텍스트

17
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
국내데이터센터공급병목: 분산법과전력계통진입장벽의구조적심화 (Cont.)
Figure 15: 분산에너지활성화특별법 시행이후 데이터센터전력계통영향평가본심사추이
*원내수치는해당시점누적기준공급불가비중(%)을나타냄
Source: 한국전력공사, CBRE Research, July 2026
1차기술검토허들을가까스로통과한자산이라할지라도, 최종
수전확보를위한본심사단계에서다시한번극심한병목현상에
직면하고있다. 1차검토를통과한243건중실제본심사까지
진입한건수는단24건(9.9%)에불과하며, 이중최종공급가능
승인에이른자산은10건에그치고있다. 이는전체신청
건수(522건) 대비최종승인률이단1.9%에불과함을의미한다. 
한편, 전체신청용량(33,592MW) 중최종승인된전력은
1,010MW로(3%), 건수승인률대비용량통과비율이상대적으로
소폭높게나타난다. 미미한차이이기는하나, 한전의제한된계통
공급여력속에서규모가작은파편화된자산들보다, 확실한앵커
임차인이나인프라적타당성을갖춘대형하이퍼스케일급프로젝트
위주로선별적승인이이루어지고있음을시사한다고볼수있다. 
이러한본심사단계의전방위적탈락기조는1차기술검토통과가
결코실질적인수전확보를보장하지못한다는점을방증한다. 
시간이갈수록본심사단계내공급불가건수는지속적으로
누적되는
반면, 최종
공급가능
자산은
극소수에
불과해
전력계통영향평가의전과정이수도권신규데이터센터개발을
원천적으로차단하는최대구조적진입장벽임을명확히증명한다.
동시에현재국내마켓에서최종승인을완료했다는것은1.9%라는
확률을뚫어낸독점적지위를의미한다. 분산법리스크가
심화될수록최종관문을넘어선기확보자산의프리미엄과가치는
더욱상승할것으로전망된다. 반면, 인허가검토단계에머물러
있는신규프로젝트들은장기간스케줄지연이나무산가능성이
높아지고있다.
[전력계통영향평가본심사신청건수(누적)]
[전력계통영향평가본심사신청용량(누적)]
0
2
4
6
8
10
12
14
16
25년9월
25년10월
25년12월
26년2월
26년3월
공급가능
공급불가
 -
 200
 400
 600
 800
 1,000
 1,200
25년9월
25년10월
25년12월
26년2월
26년3월
공급가능
공급불가
10건
1.9%
2차본심사통과건수
총신청
522건
100%
1차기술검토통과
243건
46.6%
2차본심사상정건수
24건
4.6%
단위: 메가와트(MW)
44%
59%
59%
60%
58%
19%
39%
39%
39%
40%

S20 · PDF 18쪽

S20 PDF 18쪽

이 페이지 검색용 텍스트

18
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
신규변전소125개소계획에도민간DC 수전여력은사실상미반영
Figure 16: 수도권전력공급신규·누적전망
Source: 한국전력공사, CBRE Research, July 2026
0
15,000
30,000
45,000
60,000
75,000
2026
2027
2028
2029
2030
2031
2032
2033
2034
2035
2036
2037
2038
누적공급량
신규공급량
Figure 17: 수도권345kV 변전소신규공급계획
Figure 18: 수도권154kV 변전소 신규공급계획
0
3
6
9
12
 -
 3,000
 6,000
 9,000
 12,000
2026
27
28
29
30
31
32
34
38
변전소개수(RHS)
공급용량, MVA (LHS)
0
5
10
15
20
 -
 1,000
 2,000
 3,000
 4,000
2026 27
28
29
30
31
32
33
34
35
36
37
변전소개수(RHS)
공급용량, MVA (LHS)
단위: 메가볼트암페어(MVA)
수도권전력계통영향평가의극심한병목현상이언제까지지속될
것인가에대한해답은한전의인프라공급계획을통해구체화할수
있다. 국책계획상전력공급의총량은점진적으로확대되는양상을
나타내는데, 한전의제11차장기송변전설비계획에따르면, 
2038년까지수도권내에신규345kV 변전소41개소, 154kV 
변전소84개소가계획되어있어산술적으로는총66,200MVA의
신규전력용량이단계적으로확충될예정이다.
그러나이러한장기적설비확충계획을상업용데이터센터의수전
여력개선으로직결하여해석하는데는한계가있다. 계획된신규
설비의상당부분이용인반도체클러스터등첨단전략산업
특화단지나대규모택지개발지구의주거수요대응목적으로
배정되어있는등인프라특화단지용전력을제외하면민간상업용
데이터센터가활용할수있는전용수전여력은이번송변전계획
단계에서사실상거의반영되지않은것으로판단된다. 
여기에더해공급시점측면에서도시계열적괴리가존재한다. 신규
공급계획은2028년까지단기적으로집중되어있으며, 2029년
이후신규변전소추가및용량증설스케줄이급격히둔화되며
정체되는흐름을보인다. 부지확보이후전력계통영향평가심사
완료, 인허가, 착공및준공까지통상3-5년이소요되는점을
고려하면, 민간상업용데이터센터가안정적으로확보할수있는
총량적여유는계획후반부로갈수록오히려제한될가능성이높다. 
결국국가전력망계획의장기비전에도불구하고, 민간데이터센터
시장의전력수급여건이단기간내완화될것이라는기대는
현실적이지않다. 공급계획의정체와개발시차로인해, 전력망
종속성과진입장벽은향후더욱심화될전망이다.
‘28년까지집중공급
‘29년까지집중공급

S20 · PDF 19쪽

S20 PDF 19쪽

이 페이지 검색용 텍스트

19
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
HVDC, 수도권전력제약의구조적해법이나단기해소는제한
Figure 19: 수도권HVDC 송전망계획노선도및사업개요
Source: 한국전력공사, CBRE Research, July 2026
수도권내데이터센터개발의최대걸림돌인전력공급제약을
해결하기위한사실상유일한구조적대안은고압직류송전(HVDC, 
High Voltage Direct Current) 도입일것으로보인다. 이는
초고압직류형태로대용량전력을손실없이원거리송전할수
있는차세대인프라로, 수도권외곽의풍부한발전전력을전력
소요가밀집된수도권중심부로직접끌어오기위한기술적
해결책이다.
한국전력공사의제11차장기송변전설비계획에따르면, 수도권및
중부권으로직접연계되는총5개의신규HVDC 노선이계획되어
있다. 영동권-수도권구간이2026년10월과2027년12월에순차
준공될예정이며, 호남권-수도권핵심축인새만금-서화성노선은
2030년12월완공을목표로구축중이다.
그러나이러한송전망계획이데이터센터전력공급의즉각적인
해결책이되기는어려울것으로보인다. 데이터센터개발에
소요되는시간을감안하면, 2026년말첫선로가준공되더라도
신규데이터센터가실질적으로전력을활용할수있는시점은최소
2030년이후로보는것이현실적이다. 더욱이2단계이후노선들은
2038년이후예정으로, 단기적인공급난해소에는기여하기어렵다.
결과적으로수도권데이터센터시장의신규진입장벽은장기간
지속될전망이다. 공급이극도로제한된시장구조속에서이는
이미전력을확보하여가동중이거나착공에들어간자산의가치를
유례없는수준으로끌어올리는촉매가될것으로예상되며, 이는
향후기관투자자들의성공적인투자회수(Exit)를견인하는핵심
기반이될수있을것으로보인다. 
동해안C/S
신가평C/S
동서울C/S
새만금C/S
서화성C/S
영흥화력C/S
서인천복합C/S
신해남C/S
*C/S = Converter Station (변환소)
1
2
3
4
5
해저케이블예정
구분
HVDC 사업명
길이
완공
예정시기
연결권역
1
동해안#1C/S-신가평C/S
230km
26.10
영동권-수도권
2
동해안#2C/S-동서울C/S
280km
27.12
영동권-수도권
3
새만금C/S-서화성C/S
220km
30.12
호남권-수도권
4
새만금C/S-영흥화력C/S
210km
38.12
호남권-중부권
5
신해남C/S-서인천복합C/S
350km
38.12
호남권-중부권
발전소
(AC출력)
장거리송전
수요처
(AC 공급)
인버터
DC → AC
Figure 20: HVDC 시스템구성및장점
정류기
AC → DC
기존 교류계통포화우회
장거리손실최소화
교류계통과비동기운영으로인접계통이상
시에도수전안정성유지
교류대비전력손실률현저히낮음

S20 · PDF 20쪽

S20 PDF 20쪽

이 페이지 검색용 텍스트

20
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
공급즉시흡수, 선임차선행이증명하는수요의구조적우위
Figure 21: 수도권연도별데이터센터공급·흡수현황
 -
 50
 100
 150
 200
 250
 300
공급
흡수
공급
흡수
공급
흡수
공급
흡수
공급
흡수
총공급
임차/선임차
임차협의중
공실
Source: CBRE Research, July 2026
단위: IT Load (MW)
2024
2025
2026
2027
2028
99.7%
99.4%
55.5%
16.0%
23.5%
임차/선임차비중
2024년부터2028년까지수도권공급자산의흡수현황을분석한
결과, 공급물량이시장에진입하는즉시소화되는구조적임차
수요가확인된다. 2024년, 2025년은각각99.7%, 99.4%의
흡수율로사실상완전안정화에도달했으며, 현재수도권
데이터센터공실률은역대최저수준인5% 미만을기록중이다. 
2026년흡수율이55.5%에머무는것은공실확대로오인될수
있으나, 이는공급완료자산의대부분이이미흡수된가운데현재
공사진행중인자산이활발한임차협의단계에있기때문이다. 
준공전협의중인물량까지감안하면실질적인수요충족수준은
과거의안정화연도와크게다르지않다.
오히려주목해야할것은아직공급이가시화되지않은2027년, 
2028년예정자산에서도각각16.0%, 23.5% 수준의선임차가
이미체결되었다는사실이다. 이는과거수도권데이터센터
시장에서관찰되지않았던현상으로, 수요주체들이준공전
단계에서부터선제적으로임차를확보하는행태로전환하고있음을
의미한다.
선임차패턴의변화는보다근본적인구조전환의신호로읽힌다. 
시장참여자들이공급희소성을이미내재화하여더이른시점부터
임차확보에나서고있음을보여주는것으로, 수요선점경쟁이
시간축을따라앞당겨지는구조적흐름이형성되고있다. 신규
공급의가시화와함께흡수속도는더욱가속화될것으로예상되며, 
이미임차를기확보한자산의희소성은한층공고해질전망이다.

S20 · PDF 21쪽

S20 PDF 21쪽

이 페이지 검색용 텍스트

21
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
수요주체의다층화와우량앵커테넌트집중
수도권데이터센터임차수요의실질적인동력은글로벌CSP와
국내대형테크플랫폼기업으로, 이들이시장전체수요를
압도적으로점유하고있다. 임차주체별구성을살펴보면글로벌
CSP가약170MW(54%)로최대수요층을형성한가운데, 국내IT 
기업역시110MW(34%)를점유하며핵심축으로부상했다. 특히
국내대기업계열빅테크기업들은자체AI 모델도입및클라우드
내재화전략을가속화하며글로벌CSP에버금가는초대형임차
주체로영향력을확대하고있다.
수요구조의변화는전통적시장참여자에게서도감지된다. 기존
DBO사업* 중심으로참여하던국내오퍼레이터들이단순위탁
운영을넘어직접임차및전대운영주체로빠르게전환하고있다. 
이는직접임차를통한임대료차익과전대수익을동시에실현할
수있는시장으로진화했음을오퍼레이터스스로가행동으로
증명하는것으로, 공급희소성이고착화된환경에서기확보자산을
향한임차경쟁을한층심화시키는요인으로작용한다.
이처럼글로벌CSP·국내빅테크·오퍼레이터로이어지는다층적
수요구조는수도권프라임자산의임차인신용도를구조적으로
뒷받침한다. 합산임차비중88%에달하는우량앵커테넌트와의
장기임대차계약을기확보한자산은안정적현금흐름의가시성을
확보하며, 이는글로벌기관투자자와대형리츠시장에서프리미엄
밸류에이션의근거로작용해성공적인투자회수를뒷받침하는
담보가될수있을것으로보인다. 여기에더해중국계CSP와
네오클라우드프로바이더가잠재수요군으로빠르게부상하고있어, 
향후수도권임차수요의저변은더욱확대될전망이다.
*DBO(Design-Build-Operate)사업: 데이터센터의설계·구축·운영을일괄위탁받아수행하는계약방식
Figure 22: 2024-2025년수도권주요데이터센터임차사례분석
Source: CBRE Research, July 2026
글로벌CSP
Google Cloud, AWS, Microsoft Azure
국내 IT기업
NHN, Kakao, NAVER, Coupang
기타
SI기업, 리테일엔드유저등
글로벌신흥임차주체
중국계CSP(Alibaba, Tencent 등), 네오클라우드
단위: IT Load (MW)
170
110
39
54%
34%
12%
글로벌CSP
국내IT기업
기타
내부원: 용량
외부원: 비중
수요강도
현재수요군
신흥수요군

S20 · PDF 22쪽

S20 PDF 22쪽

이 페이지 검색용 텍스트

22
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
금융·공공·대기업AX, CSP 중심수요구조를다층화하는세수요군의부상
Figure 23: 잠재수요군유형및입지·운영특성
현재수도권데이터센터시장수요의큰부분을글로벌CSP가
주도하고있는가운데, 데이터보안성, 주권, 기술최적화를
기반으로한세가지잠재수요군이병행형성되고있다. 
금융권은규제상민감데이터의역외처리제약으로전용
코로케이션전환을가속화하고있으며, 공공·소버린AI 역시보안과
실시간성요구로인해수도권근거리처리를고수하고있다. 아울러
국내주요대기업그룹사의AI 전환(AX*) 심화에따라비용
효율성과추론성능최적화를위해퍼블릭클라우드에서전용
코로케이션인프라로이동할수있는잠재적가능성도제기된다. 
다만실제전환사례는아직까지제한적이다. 
이처럼확장되는잠재수요는수도권내신규전력확보가사실상
불가능해진현수급환경과맞물려기확보전력자산에대한임차
집중현상으로이어질전망이다. 자체개발노선이원천적으로
차단된상태에서이들의진입은하이퍼스케일위주로편중되던
수도권데이터센터임대차마켓의수요다각화를유도하는동시에, 
시장전반의수급불균형을한층더심화시키는요인이될수있다. 
여기에스마트팩토리, 로봇, 자율주행등실물기반의피지컬AI 
본격화는중장기적으로도심인근의초저지연컴퓨팅수요를
구조적으로대폭확대할변수다. 이는공급중심축이외곽권역으로
이동하는시장흐름속에서도도심접근성을갖춘자산들에대한
차별화된임차수요를지속적으로유입시키는핵심배경이된다. 
결과적으로이러한잠재수요층의다변화와초저지연수요의
성장은수도권데이터센터시장이단순양적팽창을넘어질적
고도화단계로진입했음을보여주는방증이다.
*AX: AI Transformation, AI기반기업경영전환
①금융권AI 내재화
②공공·소버린AI
③대기업AX 전환
KB·신한·하나·NH 등주요금융사
금융당국규제상민감데이터의해외
클라우드처리에한계가있어국내
수도권데이터센터 근거리처리가필수
정부부처·공공기관서울집중
국가AI 컴퓨팅은해남·장성으로일부
분산됐으나, 실시간행정·국방·보안
데이터는수도권근거리처리가불가피
삼성·현대·LG 등HQ 수도권집중
대기업의AI 전환(AX) 및
관련산업확대에따른추론수요증대
수요주체
수요배경
키워드
수요형태
자체개발중심, 개발사례매입가능
민간데이터센터의안정적
기반수요형성
전용코로케이션인프라로이동
가능성대두
Source: CBRE Research, July 2026
예시
데이터주권·규제
스마트브랜치, 로보어드바이저, 
AI심사시스템등
휴머노이드, 자율주행등모빌리티
성능·비용최적화
도심인근
저지연컴퓨팅수요확대전망
중장기공통변수
지연율·보안
자율주행도로인프라, 드론배송, 
국방로봇등
피지컬AI

S20 · PDF 23쪽

S20 PDF 23쪽

이 페이지 검색용 텍스트

23
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
그리스
호주
영국
프랑스
핀란드
스웨덴
독일
싱가포르
일본
미국
중국
룩셈부르크
한국
영국
싱가포르
홍콩
프랑스
캐나다
한국
중국
미국
싱가포르
호주
오스트리아
스웨덴
미국
스위스
벨기에
네덜란드
영국
대만
카타르
아일랜드
프랑스
UAE
한국
한국, AI 수용·개발·생산세축모두세계최상위, 구조적수요의펀더멘탈
Figure 24: 국가별AI 수용·개발·생산역량비교
Source: AI Index, 2026 (Stanford HAI), CBRE Research, July 2026
앞서 살펴본국내시장의구조적잠재수요의부상배경에는한국AI 
생태계전반의압도적인경쟁력이자리잡고있다. 한국의
데이터센터수요가이처럼구조적으로견고할수밖에없는
바탕에는단일지표가아닌AI 수용, 개발, 생산세축모두에걸쳐
글로벌최상위권의역량이확인되기때문이다.
우선AI 수용측면에서한국은2026년1분기기준AI 활용확산율
상승폭이6.4%p로조사대상국가중1위를기록하며가장빠른
기술흡수속도를증명하고있다. 이는앞서언급한국내
대기업들의AX 수요와맞물려자체인프라확장을가속화하는핵심
동인이된다. 
AI 개발역량에서는인구10만명당AI 특허등록건수가
14.31건으로미국(4.68건)과중국(6.95건)을압도하는세계1위를
기록하며단순기술소비국이아닌기술개발국으로서의위상을
보이고있다. 여기에주요AI 모델출시수에서도세계3위(8개)를
기록하며사실상미·중·한3강생산구도를형성하고있다. 이와
같은독보적인개발및생산역량은보안과주권보장이필수적인
금융권전용코로케이션수요와공공·소버린AI 인프라수요를
내부적으로끊임없이창출하는기반이된다.
이처럼수용속도, 기술개발력, 모델생산력이동시에세계
최상위권에위치한국가는한국이유일하다. 글로벌빅테크와국내
대형플랫폼기업이수도권데이터센터를경쟁적으로확장하고
있는현상은이세가지지표가만들어내는구조적수요의
결과물이며, 향후국내마켓의수요지속성을탄탄하게지지하는
핵심펀더멘탈로분석된다.
AI 수용
AI 사용증가율전세계1위
(2025 H2 →2026 Q1, %p)
AI 개발
높은기술개발력
AI 생산
AI 모델생산력, 미국, 중국다음3위
[인구10만명당국가별AI 특허등록건수]
[국가별주요AI 모델출시수]
[AI 활용확산률증가폭추이]

S20 · PDF 24쪽

S20 PDF 24쪽

이 페이지 검색용 텍스트

24
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
수급불균형이견인한임대료급등, 자산가치연결여부는추가점검필요
수도권데이터센터시장의구조적수급불균형및견고한수요군은
이미마켓임대료지표에직접적인우상향압력으로작용하고있다. 
국내데이터센터상면임대료추이를살펴보면, 2019년14만
원/kW 선에머물던임대료는하이퍼스케일수요가본격화된
2022년기점으로가파른상승곡선으로전환되어2025년기준
25만원/kW 수준까지6년간약70% 이상급등하는양상을보였다.
사례별분포를통해분석해보면이러한임대료상승세는더욱
명확히포착된다. 현재중부·남부권등수도권주요권역전반에서
25만원/kW 수준의시세가형성되어있으며, 이는공급희소성과
수요집중이맞물린결과로해석된다. 다만입지, 자산사양, 계약
규모에따라편차가존재하며, 동일권역내에서도하이퍼스케일급
자산과소규모자산간가격책정의차이가나타날수있다.
다만, 현시점에서이와같은급격한임대료상승세가향후에도마켓
전체에서지속적으로유지될수있을지여부에대해서는면밀한
다각적검토가필요할것이다. 입지적우위나전력확보여부에
따른지역별편차가능성은물론, 대규모장기계약체결시실제
임차인들이수용가능한임대료한계선에대한분석이선행되어야
하기때문이다. 
향후시장환경변화속에서이러한임대료성장세가실제자산
가치상승으로온전히연결될수있을지, 투자시장의관점에서
보다거시적인체크포인트들을점검해볼필요가있다.
Figure 25: 수도권데이터센터상면임대료추이(1MW 이상, 사례별, 권역별, 연도별)
Source: CBRE Research, July 2026
0
5
10
15
20
25
30
2019
2020
2021
2022
2023
2024
2025
평균상면임대료
0
5
10
15
20
25
30
과천
분당
구로
양평
고양
강남
양평
하남
고양
안양
안양
인천
가산
안양
분당
판교
2019
2020
2022
2023
2023
2023
2023
2023
2024
2024
2024
2025
2025
2025
2025
2025
단위: 만원/kW/월
남부권
남부권
남부권
중부권
서부권
남부권
남부권
북부권
중부권
중부권
중부권
북부권
중부권
중부권
남부권
남부권
2019-2022
CAGR +8.7%
2022-2025
CAGR +10.1%
ChatGPT 출시
2019-2025
CAGR +9.4%

S20 · PDF 25쪽

S20 PDF 25쪽

이 페이지 검색용 텍스트

25
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
수요견고·공급단절의심화, 기확보자산희소성의변곡점
Figure 26: 미국·한국데이터센터시장현황비교- 수요기반및공급제약
앞서살펴본바와같이세계최상위권의AI 생태계가만들어내는
강력한펀더멘탈은국내시장의견고한수요환경을지탱하는핵심
기반이된다. 현재수도권데이터센터마켓은공실률5% 미만의
신규공급즉각흡수현상, 글로벌CSP와국내IT 기업의동반
확장이라는이상적인수요국면을나타내고있으며, 이는AI 수요의
구조적팽창과공급제약이동시에심화되며마켓이급성장한미국
데이터센터시장의경로와매우유사한궤적을보이고있다. 
반면, 공급측면에서는미국과한국모두구조적인제약이
현실화되며극심한수급불균형국면으로진입하고있다. 미국은
전기요금인상과주민반발로신규착공취소가급증하면서
공실률이역대최저치로하락했고임대료는2022년이후2년간
급등하는결과로이어졌다. 한국시장역시이와동일한공급경색
경로를밟고있다. 현재수도권내전력계통영향평가최종승인률은
1.9%에불과하여신규진입장벽이극도로높아진상태이며, 
서해안HVDC 완공이후실질적인전력활용가능시점이2030년
이후로전망됨에따라신규공급의구조적단절이가시화되고있다.
이러한공급제약의파급효과는이미가격지표에직접적인
영향력을미치고있다. 수도권데이터센터의상면임대료는수급
불균형을선반영하며2019년대비70% 상승하는급격한우상향
흐름을기록중이다. 글로벌최고수준의인프라수요는구조적으로
증가하는반면, 제도적·물리적한계로인해신규공급노선은
완전히막혀버린현시점은기확보자산의희소가치가최고조에
달하는변곡점이다. 이에따라향후시장투자시점에서반드시
점검해야할구조적리스크항목들과이에대응하는잠재매수
주체들의구체적인움직임을면밀히분석할필요가있다.
한국, 견고한수요환경
한국, 구조적공급제약
미국, 미래수요기반형성
미국, 공급제약현실화
공실률1.4% - 역대최저치기록
전기요금인상+ 주민반발로신규착공취소급증
2022년이후임대료누적약34% 상승
전력계통영향평가최종승인률1.9%
HVDC 완공이후실질활용가능시점2030년이후
상면임대료2019년대비70% 상승
Big4 Capex 1.1조달러
낮은AI 침투율– 수요초기방증
선임차비중이순흡수량의약2배수준
공실률5% 미만 – 신규공급즉시흡수확인
글로벌CSP 54% + 국내IT 34% : 우량임차구조
AI 수용-개발-생산3개지표세계최상위권유지

S20 · PDF 26쪽

S20 PDF 26쪽

이 페이지 검색용 텍스트

국내데이터센터투자시장분석
03

S20 · PDF 27쪽

S20 PDF 27쪽

이 페이지 검색용 텍스트

27
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
데이터센터, 대체투자시장내제도권자산군으로의본격편입신호
현재서울상업용부동산투자시장은오피스와물류섹터가전체
거래규모를주도하고있는반면, 데이터센터투자시장은매우
초기단계에머물러있어거래규모가여전히제한적인수준이다. 
그러나최근투자마켓을중심으로대표적인프라임코로케이션
자산들의대형거래사례가포착되기시작하면서, 시장확장의
중요한전환점을맞이하고있다. 2024년이후집계된주요사례를
살펴보면, 하남데이터센터가이지스자산운용에서맥쿼리인프라로
약7,340억원에매각된바있다.
올해는엑티스의에포크안양센터가코람코자산운용으로약
8,400억원규모에매각이진행되는등수전용량40MW급의
하이퍼스케일자산이성공적으로시장에서소화되고있다. 이들
자산은높은프리미엄을인정받았으며, 글로벌CSP 또는국내대형
IT 기업등우량앵커테넌트를90% 이상장기확보하고있다는
점이공통적이다.
이처럼기관투자자들의거래가가시화되는현상은데이터센터가
점차제도권투자시장으로편입되고있음을시사한다. 과거10년간
물류자산이급격한성장세를기록하며시장의대표적인핵심
자산군으로등극했듯이, 데이터센터역시강력한전방수요
펀더멘탈을바탕으로향후전체상업용부동산시장내에서그
비중을빠르게확대해나갈것으로전망된다. 이에따라국내외
기관투자자들의포트폴리오내데이터센터편입흐름도본격화될
전망이다.
0.0%
0.5%
1.0%
1.5%
2.0%
2.5%
3.0%
3.5%
4.0%
0
5
10
15
20
25
30
35
40
2016
2017
2018
2019
2020
2021
2022
2023
2024
2025
2026F
오피스(LHS)
물류(LHS)
호텔(LHS)
리테일(LHS)
리빙(LHS)
데이터센터(LHS)
기준금리(RHS)
Figure 27: 연도별상업용부동산거래규모추이
Source: CBRE Research, July 2026
단위: 조원
하남데이터센터
세종텔레콤
분당IDC
Forecast

S20 · PDF 28쪽

S20 PDF 28쪽

이 페이지 검색용 텍스트

28
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
가치상승확신속, 성공적투자집행을위한리스크점검필요
앞서살펴본바와같이수도권데이터센터시장의구조적인공급
경색과독보적인전방수요의지속성은실제자산가치프리미엄
상승으로이어지고있으며, 이러한거시적흐름은기관투자자들을
대상으로한실질적인시장설문조사결과에서도명확한가격상승
기대감으로확인된다. 
2026년섹터별가격조정에대한투자자기대치를조사한결과, 
리테일을제외한주요자산전반에서가치상승전망이우세한
가운데특히데이터센터는전체자산군중가장압도적인우상향
기조를나타냈다.
실제로국내투자자의무려88%가데이터센터자산의가격이
상승할것으로응답했으며, 이는AI 산업확장에따른전략적
가치가마켓에전방위적으로반영된결과로분석된다. 전통적인
핵심자산군인A급오피스(코어)나물류섹터역시가치상승
기대감이견고하게유지되고있으나, 데이터센터에집중된
투자자들의압도적인긍정지표는이섹터가향후시장의최고성장
축으로인식되고있음을보여주는방증이다. 또한이를통해공급
제약환경속에서프라임자산을선점하려는투자수요가그만큼
강력하다는점을유추할수있다. 
이처럼데이터센터에대한투자자들의가치상승확신은최고조에
달해있으나, 성공적인투자집행을위해서는시장의장밋빛전망
이면에존재하는실질적인리스크요인들을면밀히짚어보아야
한다. 다음장에서는향후수도권데이터센터투자시리스크를
최소화하고안정적인수익률을확보하기위해반드시선제적으로
검토해야할핵심체크리스트항목을세부적으로살펴보고자한다.
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
데이터센터
A급오피스
(코어)
A급오피스
(밸류애드)
물류
호텔
코리빙
쇼핑몰
가두상권리테일
30% 이상상승
10-30% 상승
10% 미만상승
변화없음
10% 미만감소
10-30% 감소
30% 이상감소
확실하지않음
Source: 2026 투자자의향설문조사, CBRE Research, July 2026
Figure 28: 2026년섹터별자산가격변동전망
88%
가격 상승전망

S20 · PDF 29쪽

S20 PDF 29쪽

이 페이지 검색용 텍스트

29
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
캡레이트동조화수준도달, 추가압축통한매각차익전략은제한적
Figure 29: APAC 주요도시하이퍼스케일데이터센터캡레이트시장추정치및기준금리비교
Source: CBRE Research, July 2026
앞서설문조사를통해확인된투자자들의강력한가격상승기대감
이면에는, 성공적인투자집행을위해반드시선제적으로점검해야
할거시적지표와리스크요인들이존재한다. 
데이터센터투자시장이급격히제도권으로편입됨에따라, 본
자산의캡레이트(Cap Rate, 자본환원율)는이미글로벌시장및
주요APAC 관문도시들과사실상동조화된상태를보이고있다. 
이에따라과거전통자산에서기대할수있었던과도한수준의
추가적인캡레이트압축(가치상승)을통한매각차익확보전략은
향후다소제한적일것으로분석된다.
실제아태주요도시들과비교해보면, 서울수도권하이퍼스케일
데이터센터의잠정캡레이트지표는5.3~6.5% 수준으로형성되어
있어싱가포르(5% 대)나호주등주요마켓과유사한수준에
위치하고있다. 한국의기준금리(2.5%) 대비스프레드를보더라도
약3.4%p 수준으로초저금리의일본시장과유사하며, 글로벌금융
거점인싱가포르와비교시(4.8%p)추가압축여지는제한적일 
것으로예상된다.
이는과거서울A급오피스의캡레이트가과거GFC 이후두자리수
수익률에서최근3~4%대로압축되며가치가급상승한전형적인
부동산투자성공방정식을데이터센터섹터에그대로대입하기는
어렵다는점을시사한다.
이러한제한적인캡레이트압축기대감은데이터센터가지닌
구조적특성, 즉전체개발원가에서물리적건축물보다설비투자가
차지하는비중이매우크고시간이지남에따라기술적감가상각이
빠르게진행된다는점에기인한다. 
0%
1%
2%
3%
4%
5%
6%
7%
8%
9%
서울수도권
도쿄
오사카
싱가포르
베이징
상하이
시드니
멜번
3.4%
4.5%
3.4%
4.5%
5.3%
6.3%
6.0%
8.0%
6.0%
7.8%
5.0%
6.3%
5.3%
5.3%
6.5%
기준금리
캡레이트
6.5%

S20 · PDF 30쪽

S20 PDF 30쪽

이 페이지 검색용 텍스트

30
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
20년간캡레이트압축사이클종료, 수익경로는NOI 성장성으로이동
Figure 30: 미국데이터센터리츠(NAREIT) 내재캡레이트및정책금리추이
Source: NAREIT, CBRE Research, July 2026
아태주요관문도시와의비교에서확인된국내데이터센터의
캡레이트압축제한성향은글로벌리츠시장의역사적추이에서도
입증된다. 미국상장데이터센터리츠의시가총액과추정NOI를
역산한데이터를살펴보면, 2005년13-14% 수준이었던수익률은
저금리기조와기관자본의대규모유입이맞물리며2026년현재
5-6% 수준까지약20년간구조적으로압축됐다. 
주목할부분은정책금리와의스프레드변화추이다. 2009년부터
2021년까지의제로금리시대에는스프레드가5-8%p에달하며
데이터센터리츠가매력적인수익프리미엄을제공했으나, 2022년
금리급등기이후현재스프레드는약1.5-2%p 수준으로좁혀져
20년역사상가장얇은수준에위치해있다. 
이는향후자산운용에있어세가지명확한시사점을던져준다. 
첫째, 과거와같은추가적인캡레이트압축을통한극적인
매각차익(Capital Gain)은구조적으로기대하기어렵다. 둘째, 
고금리가현수준을유지하거나추가상승할경우스프레드축소
압력이가중되어오히려캡레이트상승리스크로작용할우려가
있다. 셋째, 역설적으로이는데이터센터가이미오피스, 물류등
전통자산과어깨를나란히하는기관급투자자산으로시장에
완전히안착했음을의미한다. 
이에따라향후데이터센터자산운용및Exit 전략수립시에는
단순한부동산가치상승논리에기대기보다, 임대료상승률(NOI 
성장성)과기술적진부화리스크방어등실질적인내부운영
효율성에초점을맞춘정밀한체크리스트검토가필수적으로
요구된다.
0
2
4
6
8
10
12
14
내재캡레이트
정책금리
단위: %
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026
스프레드 5-8%p
스프레드1.5-2%p

S20 · PDF 31쪽

S20 PDF 31쪽

이 페이지 검색용 텍스트

31
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
단기Exit 전제개발자본구조가만드는NOI 성장의시차
Figure 31: 한국vs. 선진시장데이터센터임대차구조비교
Source: CBRE Research, July 2026
제한적인캡레이트압축여정에이어투자자가직면한두번째
리스크는, 마켓임대료상승세가자산의단기수익성개선으로즉각
연결되기어려운국내특유의임대차계약형태의구조적제약이다. 
영속성자본중심의상장리츠가15-20년장기임대차를체결하는
미국등선진시장과달리, 한국은프로젝트펀드나PFV 등3-7년
내매각을전제로하는단기개발자본중심으로상품구조가
설계되어있다. 이로인해본PF 전환및안정적인Exit을위해
대주단이최소5-10년의사전임차확약을요구하는사례가
존재한다. 여기에초기가동시점의안정화(램프업) 기간동안의
임대료디스카운트구조와연2.0% 수준의낮은고정인상률이
결합되면서, 단기매각을목표로하는투자자의펀드보유기간
동안초기NOI 성장이묶이게된다. 
이와더불어국내자산운용사들의개발·운영전문성부족으로인해
대기업계열IT 서비스회사나글로벌오퍼레이터에게마스터리스
또는위탁운영을전적으로의존하는구조(OpCo구조) 역시, 중도에
임대차조건을재구조화하기어렵게만드는리스크요인이다.
그러나최근수도권마켓은견고한글로벌DC 사업자의활발한
확장활동을바탕으로이러한제약을점차해소하고있다. 강력한
수요로초기램프업없이대용량상면이즉각흡수되고있으며, 
글로벌사업자들이10MW 이상계약시최소10년의장기임차를
확약하면서대주단안정성요건충족도수월해졌다. 또한실수요자
계약시연3.0% 또는CPI 연동인상률조건이보다일반화됨에
따라, 과거보유기간동안NOI 성장을가로막던리스크는일부
상쇄되고있는것으로보인다. 이에따라향후신규개발사업의
PF에서도대주단의요구조건이일부완화될것으로전망된다.
Ramp-up 기간
0 ~ 36개월
수개월~ 1년
임대차기간
최소5년
15~20년장기계약
임대료상승률
2.0%
연간상승률고정
CPI 연동
(또는3% 수준)
재계약
업사이드가능시점
최초시점부터
장기NOI 최적화전략
(독립OpCo구조등)
3~8년내Exit을전제로설계된프로젝트펀드등데이터센터 개발자본성격에서비롯된임대차구조
[기준임대료기반]
• 0~12개월: 50~60%
• 13~24개월:  60~70%
• 25개월이후: 70~100%
• PF 전환시대주인출선-
후행조건으로5년이상
임대차확보관행존재
• 선임차부재한개발
사업장도다수 → 임차
협상력약화요인으로 작용
연2.0% → 국내평균물가
상승률고려시실질임대료
정체또는감소수준
시장임대료반영가능시점
+
OpCo구조에따른리스크
존재
3%
5%
4%
2%
2%
2021 2022 2023 2024 2025
선진시장은영속성자본 중심의상장리츠가시장을주도하여장기보유전략하에운영
한국
미국등

S20 · PDF 32쪽

S20 PDF 32쪽

이 페이지 검색용 텍스트

32
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
물리적진부화는피할수없는리스크, 인프라재구축비용의선제적고려필요
Figure 32: 물리적진부화4대축및자산경쟁력약화리스크구조
Source: CBRE Research, July 2026
투자자가면밀히짚어야할세번째핵심리스크는데이터센터의
물리적진부화리스크이다. 건물노후화에따라가치가하락하는
일반상업용부동산과달리, 데이터센터는IT 인프라요구사양의
급격한진화로기존설계가무력화되며진부화가진행된다. 준공
시점에최신사양일지라도5-10년내기술표준변화만으로시장
경쟁력을상실할수있다는점에서고유한위험을지닌다.
이러한물리적진부화는하중, 전력밀도, 냉각, 설비형태등네가지
축으로구체화된다. 최근AI 서버수용을위해랙당하중조건이
상승하며기존슬래브설계로는대응이어려워졌고, 전력밀도역시
랙당고성능GPU 서버수용이불가능할경우경쟁력약화로
직결된다. 아울러액체냉각 방식으로의전환이불가피함에도
기공급자산의사후공사비용은심각한비효율을초래한다.
특히국내시장에서는계약구조에따른리스크부담주체를
주목해야한다. 건물수명은30-40년이지만GPU 세대교체주기는
2-3년주기로반복된다. 임차인이IT 장비투자와진부화비용을
지불하고(Core & Shell) Triple Net 임대료구조로수렴하는
글로벌마켓과달리, 국내는인프라까지포함해인도하는완전
설비형(Fully Fitted) 구조가보편적이다. 이로인해기술변화에
따른장비감가상각과대규모재투자(CapEx) 리스크를임대인이
떠안아야하는불리한지형을보인다. 
결론적으로글로벌하이퍼스케일러의전력효율(PUE) 기준강화로
구형자산기피가심화되는환경에서, 국내투자자는인프라재구축
비용을반드시선고려해야한다. 단순부동산의영속성에
안주하기보다기술자산의수명주기를고려한정밀한자산관리
전략이수반되어야만장기적인가치보존이가능할것이다.
건물노후화가아닌, IT 인프라요구사양의급격한진화로기존설계가현행수요를수용할수없게되는현상
자산경쟁력약화리스크로 작용
PUE 기준강화
글로벌하이퍼스케일러전력효율요구치상향
설계수명vs 기술사이클
건물내용연수30~40년vs GPU세대교체2~3년
물리적진부화
(Physical Obsolescence)
1. 하중
2. 전력밀도
4. 완전설비형 (Fully Fitted)
3. 냉각
랙당하중
1.5 → 2.5톤/㎡
기존슬래브로
AI서버수용제약
랙전력밀도
5kW → 40~50kW
20kW+ 미설계의경우
자산경쟁력약화
냉각방식
공랭식→ 액체냉각
기공급자산
신축대비비효율
감가상각 리스크
직접부담
Core & Shell 대비불리

S20 · PDF 33쪽

S20 PDF 33쪽

이 페이지 검색용 텍스트

33
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
GPU 세대교체에따른인프라격차, 가격반영여부와매수주체점검필요
Figure 33: NVIDIA GPU 아키텍처로드맵및세대별전력수요전망
Source: Vertiv, CBRE Research, July 2026
앞서언급한자산의진부화속도를전례없는수준으로가속화하는
핵심동인은GPU이다. 실제로, 엔비디아(NVIDIA)의로드맵이
예고하는GPU의급격한진화는기존데이터센터설계기준의
근본적인전환을강제하고있다.
현재국내외기존데이터센터대부분은산업전체평균전력밀도가
15-25kW 수준에머물러있다. 그러나이미출시된블랙웰
(Blackwell) 세대AI 서버의실운영평균전력은40-100kW에
달하며, 2026-2028년루빈(Rubin) 및파인만(Feynman) 세대
진입시산업전체평균전력밀도는50kW 이상으로상승할
전망이다. AI GPU 최대피크전력이250~1,000kW를상회하는
수준까지치솟으면서, 하이퍼스케일러의요구사양을충족하지
못하는구형자산은마켓수요에서점차배제될위험이존재한다.
자산의물리적내용연수보다기술사이클이비교할수없이빠르게
움직이므로, 보유기간중복수의세대교체에따른인프라컨버전은
회피할수없는전제조건이다. 따라서현시점투자자는두가지
핵심질문을던질수있다. 첫째, 초고속진부화리스크와사후
업그레이드비용이자산가격(Underwriting)에충분히반영되어
있는가이다. 현재국내데이터센터거래시장에서이와같은기술적
부채가가격에명시적으로디스카운트된선례는극히드물다.
둘째, 인수이후도래할대규모자본적지출투입을온전히감내할
수있는자본체력과운영전문성을갖춘매수주체가누구인가이다. 
장비교체부담이임대인에게집중되는완전설비형구조에서, 향후
Exit 시점에이러한인프라재구축리스크를인수한채자산가치를
방어할수있는적격매수자를확보하는것이펀드성패를가르는
결정적변수가될것이다.
2023-2024
2025-2026
2026-2027
2027-2028
AI GPU 최대전력밀도
AI 서버군평균전력밀도
산업전체평균전력밀도
GPU 로드맵
~ 15kW
~ 130kW
~ 40kW
~ 15 - 25kW
~ 130 - 250kW
~ 40 - 100kW
~25 - 50kW
~250 - 1,000kW
~100 - 500kW
~50kW+
~1,000kW
~500kW
Feynman
H100
블랙웰
루빈
파인만
•
AI GPU 최대전력밀도(피크기준) - 차세대GPU 칩셋의이론적최대전력·발열스펙으로, 풀로드상태의기술적한계치
•
AI 서버군평균전력밀도(실운영기준) - 실제가동중인AI 클러스터의평균전력사용량
•
산업전체평균전력밀도(설치기준) - AI 전용시설을포함한전체데이터센터산업의평균전력밀도

S20 · PDF 34쪽

S20 PDF 34쪽

이 페이지 검색용 텍스트

34
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
0%
30%
60%
90%
120%
150%
180%
210%
240%
0
20
40
60
80
100
120
140
160
경북
전남
충남
인천
부산
강원
경남
세종
울산
제주
전북
경기
대구
충북
서울
광주
대전
생산량(LHS)
판매량(LHS)
자급률(RHS)
자급률100% 미만지역
수도권전력한계가만드는비수도권개발의새로운기회
Figure 34: 지역별전력생산량·판매량및자급률비교
*자급률은생산량을판매량으로나눈수치로, 정부가공식적으로발표하는통계는아님
Source: CBRE Research, July 2026
데이터센터투자시장에존재하는복합적인구조적리스크에도
불구하고, 거시적인전방마켓의환경변화와더불어향후시장의
향방을가를핵심분수령이자새로운기회요인으로부상하는
영역은지역별전력수급불균형과정부의정책방향성이다.
현재국내전력생산은비수도권에집중된반면소비는수도권에
편중되어있다. 경북, 전남의전력자급률이200%를상회하는것과
달리서울은12%, 경기는62%에불과하다. 인천역시발전량의
절반을서울·경기에송전해수도권전체의계통여력은한계에
달했다. 이에따라전력확보가능성이높은비수도권이구조적
대안으로주목받고있다.
실제로네이버(세종), 삼성(구미), 현대(새만금) 등로컬기업의
엔터프라이즈DC와울산(SK+AWS) 등빅테크파트너링DC, 
해남·장성등정부투자참여형까지다양한비수도권개발사례가
확인된다. 특히AI가핵심인프라로부상하면서2025년1월AI 
기본법* 시행이후정부의구축의지는더욱구체화되었다. 기존
제도로는복잡한인허가와규제장벽해소에한계가있다는업계의
의견과수도권전력제약, 국가경쟁력확보라는배경이맞물리며
이를뒷받침할특별법제정논의도본격화되는추세이다.
수도권의전력공급한계는기확보자산의희소성을높이는동시에, 
규제완화와정부지원이집중되는비수도권중심의신규개발
기회를창출한다. 투자자는국가적AI 인프라확충정책과연계된
비수도권유망프로젝트를선점함으로써장기적인성장동력과
차별화된투자기회를확보할수있을것으로전망된다.
인천은수도권내
유일하게자급률100%를
초과하나, 발전량의상당
부분을서울·경기로송전
*AI기본법: 인공지능산업의육성과신뢰기반조성을위한국가차원의기본법률로, AI 기술개발·활용에대한정부지원체계와안전성·윤리기준을규정하며, 국가AI 인프라구축정책의법적근거로기능
단위: 백만메가와트시(MWh)

S20 · PDF 35쪽

S20 PDF 35쪽

이 페이지 검색용 텍스트

35
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
AIDC 특별법, 수도권희소성공고화·비수도권개발문턱완화
Figure 35: 인공지능데이터센터산업진흥에관한특별법주요내용
Source: CBRE Research, July 2026
앞서분석한전력불균형상황에이어, 정책적돌파구이자향후
마켓의지형도를바꿀핵심변수는AIDC 특별법(인공지능
데이터센터산업진흥에관한특별법)*의통과이다. 
본법안은수도권자산의가치보존과비수도권의비용절감및
인프라확보라는양면적기회를동시에창출하고있다. 수도권
마켓의경우기존의강력한규제체계가그대로유지되는반면, 
비수도권마켓은인허가와전력확보양면에서문턱이획기적으로
낮아진다. 핵심혜택인전력계통영향평가면제가비수도권에만
적용됨에따라, 수도권기확보전력자산의희소성프리미엄은이
법을통해오히려구조적으로공고해지는결과를낳는다.
더불어, 과기정통부장관일괄신청을통한인허가처리도입, 
재생에너지직접공급(제3자PPA 특례) 허용, 시설물설치기준완화
등총6개특례가망라되어개발예측가능성을대폭높인다. 특히
비수도권에지정될AIDC 특구의경우전력·용수·신재생설비의
정부직접설치나비용지원, 농지보전·교통유발부담금감면까지
더해져개발원가구조가일부달라질수있다.
다만, 특별법이모든불확실성을해소하는것은아니다. 전력계통
영향평가면제대상용량의실질적적용범위는아직미정이며, 
AIDC 특구지정역시국가AI전략위원회심의를거쳐야한다. 공포
후9개월간시행령등세부기준이마련되기까지제도적
불확실성이상존한다는점은유의해야한다. 투자자는수도권핵심
자산의독점적가치를재평가하는한편, 재생에너지직접공급
특례를활용해글로벌빅테크의RE100 요구에대응할수있는
비수도권특구선점전략을병행해야할것으로분석된다.
②전력계통영향평가면제(제19조)
• 과기정통부장관에일괄신청
• 국가AI전략위원회심의-의결후관계기관요청
• 처리기한: 전력계통평가- 150일 / 건축허가 - 40일 
• 기한내거부통지없으면인허가완료간주(타임아웃제)
①인허가등일괄처리(제18조)
• 비수도권AIDC 신축·확장·전환시면제
- 면제전력용량은대통령령으로정함
• 분산에너지활성화특별법제23조적용제외
- 수도권은면제대상아님
④시설물설치기준완화(제21조)
• 재생에너지사업자가전력시장거치지않고사업자에게직접
전력공급가능
• 전기사업법특례적용
③재생에너지직접공급(제20조)
• 승강기·충전시설·전용주차구역·부설주차장
• 미술작품설치기준완화
• 규모등산정기준대통령령으로달리적용
⑥AI 데이터센터특구(제24·26조)
• 산업단지내정보통신산업관련시설로간주
• 산업집적기반시설로인정
• 1종항만배후단지입주가능
⑤산업입지·항만법특례(제22·23조)
• 비수도권지정, 분산에너지특화지역연계
• 전력·용수·신재생에너지설비정부직접설치또는비용지원
• 농지보전부담금·교통유발부담금등감면가능
• 신용보증기금·기술보증기금우선지원
*AIDC 특별법: 인공지능데이터센터산업진흥에관한특별법으로, 인허가일괄처리·전력계통영향평가면제(비수도권)·재생에너지직접공급·AI 데이터센터특구지정등을골자로함

S20 · PDF 36쪽

S20 PDF 36쪽

이 페이지 검색용 텍스트

36
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
국내기관자본중심에서글로벌영속자본으로, 단계적으로넓어지는매수자풀
Figure 36: 자본유형별매수주체분석: 투자시계·임대차구조·거래특성비교
Source: CBRE Research, July 2026
데이터센터마켓참여자의저변이넓어지고있다는점은투자
시장의또다른강력한기회요인으로작용할수있다. 한국
데이터센터의Exit 가능성과잠재매수자풀은자본성격에따라세
가지경로로분류된다. 
•
국내기관자본(단기매수주체): 5-7년만기프로젝트펀드중심. 현행
Fully Fitted 및단기계약구조유지가가능하며, 에포크안양센터가
대표적사례이다. 다만국내AMC 중심의한정된풀로거래타이밍
민감도가높다.
•
글로벌인프라자본(단-중장기주체): 10년이상장기보유를선호하며, 
맥쿼리인프라, KKR, 블랙스톤등이대표적이다. Fully Fitted·Core & 
Shell 구조모두수용가능하나, 임대차재구조화를통한NOI 개선
여지가있는자산에보다높은가치를부여하는경향이있다.
•
글로벌데이터센터 전문자본(중장기-영속주체): Keppel DC REIT, 
Equinix 등영속적편입목적. 진입을위해서는Triple Net 구조와
6년이상의장기WALE 확보가필수선결조건이며, 현재국내상장
리츠공백기가해소될경우강력한출구역할을할것이다.
단기에는국내기관중심의매매가주를이루나, 중장기에는임대차
재구조화를전제로글로벌인프라및DC 전문자본(REIT)의진입이
확대될것이다. 국내에서도코람코·퍼시픽자산운용등이
데이터센터리츠상장을추진중이나아직가시화되지않은상태로, 
해당공백이해소될경우국내자본만으로도영속성자본으로의
편입경로가마련될수있다.
이러한매수자풀의양적·질적확대는자산의환금성을높이고Exit
시점의가치를방어하는안전장치가된다. 따라서투자자는인수
단계부터이들의가이드라인을고려해구조를설계해야하며, 핵심
입지와전력을선점한자산은향후우량자본을유치하며Exit
기회를확보할것으로분석된다.
구분
국내기관자본
글로벌인프라자본
글로벌데이터센터전문자본
투자시계
단기
단기~ 중장기
중장기~ 영속
보유기간
5 ~ 7년
10년이상
영속
임대차구조
현행유지가능
재구조화선호
Triple Net 선호
주요자산유형
Fully Fitted
Fully Fitted / Core & Shell
Core & Shell 선호
거래규모
1조원내외
대형단일자산인수
포트폴리오편입
거래사례
에포크안양센터(진행중)
하남데이터센터
-
잠재매수자
국내외AMC
맥쿼리인프라, KKR, 블랙스톤, 브룩필드, 
ACTIS, GIC, CPP Investments
Keppel DC REIT, Equinix, Digital 
Realty
• 단기적으로는국내기관자본의반복적거래가주를이루는가운데, 글로벌인프라자본의간헐적검토가병행될것으로예상됨
• 중장기적으로는글로벌리츠자본의편입이기대되나, 임대차재구조화등영속성자본의진입가이드라인충족이전제조건임

S20 · PDF 37쪽

S20 PDF 37쪽

이 페이지 검색용 텍스트

37
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
Keppel DC REIT, 10년간6배성장, 한국을아태핵심허브로명시
Figure 37: Keppel DC REIT IPO 이후운용자산(AUM) 및전년대비(Y-o-Y) 성장률추이
Source: Keppel DC REIT Q1 2026, CBRE Research, July 2026
한국데이터센터투자의Exit 가능성을판단하기위한가장적절한
벤치마크는아시아선진시장인싱가포르와도쿄이다. 두시장은
한국과유사한도시집중, 전력제약, 고밀도디지털경제구조를
공유하면서도, Exit 생태계의성숙도측면에서는한발앞서있다.
가장대표적인글로벌데이터센터 전문자본인Keppel DC 
REIT는2014년IPO 당시AUM 10억싱가포르달러에서2025년
약63억달러로10년간약6배성장했다. 이러한자산규모의
확장은단순한가치상승을넘어, 아시아와유럽전반의우량
데이터센터자산을지속적으로편입해온결과이다. 
2026년1분기기준이들은포트폴리오가동률95.6%, WALE 
6.5년의안정적인지표를유지하고있으며, 인수자산에대해장기
계약, 연간에스컬레이션(또는물가상승률연동), Core & Shell 
구조를선호하는경향이뚜렷하다.
특히Keppel DC REIT가2025년자사공식발표에서한국을일본, 
유럽과함께아태지역주요데이터센터허브로명시했다는점은
시사하는바가크다. 이들은전력제약과규제강화를성장제약
요인으로지목하고있으며, 이는글로벌데이터센터 전문자본역시
한국수도권내기확보전력자산이가진희소성프리미엄을이미
명확하게인식하고있음을방증한다. 
따라서향후국내자산이이들이요구하는장기WALE 및구조적
가이드라인을충족하게된다면, 한국은싱가포르리츠자본의다음
유력한자산편입타깃이자강력한글로벌Exit 경로가될것으로
전망된다.
63%
14%
4%
4%
0%
5%
4%
3%
2%
1%
0%
20%
40%
60%
80%
싱가포르
일본
호주
중국
말레이시아
아일랜드
네덜란드
독일
영국
이탈리아
0%
10%
20%
30%
40%
0
2
4
6
8
2015
2016
2017
2018
2019
2020
2021
2022
2023
2024
2025
운용자산(AUM) (LHS)
전년대비상승률(Y-o-Y) (RHS)
Figure 38: Keppel DC REIT 국가별투자비중(2026.1Q)
단위: 십억싱가포르달러
아시아태평양
유럽

S20 · PDF 38쪽

S20 PDF 38쪽

이 페이지 검색용 텍스트

38
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
Keppel의펀드→REIT 파이프라인, 안산투자로한국에서도첫작동가능성
Figure 39: Keppel 데이터센터펀드의REIT 편입구조및국내사례
글로벌데이터센터 전문자본인Keppel은사모펀드를통해
데이터센터를개발및안정화한뒤, 이를공개시장인Keppel DC 
REIT에매각하여상장자산으로전환하는선순환Exit 구조를
반복적으로실행하는전략을활용해왔다. 
실제1호펀드(Alpha DC Fund)는싱가포르KDC SGP 4(약
4,600억원)에이어KDC SGP 7·8(약1.6조원)을순차매각했으며, 
후자의경우LP 기준IRR 약50%, 에쿼티멀티플3배를달성하며
영속자본으로의이전이지닌수익성을입증했다. 현재공동개발
중인KDC SGP 9 역시동일한경로로리츠편입이예정되어있다.
이러한실증사례는최근한국마켓에서도구체화되고있다. 
Keppel 펀드3호가메인투자한안산데이터센터(수전60MW, IT 
40MW)는2026년5월SPA를체결하며Keppel의한국첫
데이터센터 투자자산이되었다. 지분인수금액은약1,000억
원(토지·전력· 인허가프리미엄포함)이며, 총사업비는1조원
이상(에쿼티약3,700억원) 규모이다. 현대건설, 신영, 대주단이
공동참여중으로, 9월본PF 전환후10-11월착공을목표로하고
있다.
안산데이터센터는하이퍼스케일러임차확보및개발·안정화가
완결될시, 향후Keppel DC REIT로의편입가능성을내포하는
구조를지니고있다. 이는국내데이터센터자산의Exit이단순히
국내기관자본간의단기반복매매에그치지않고, 글로벌영속성
자본으로이전되는선진국형Exit 파이프라인이한국마켓에서도
실질적으로작동할수있음을보여주는가장직접적인선례로볼수
있다.
Alpha DC FUND
순차운영
사모펀드
투자+ 개발
공개시장으로Exit
(영속자본이전)
Keppel
DC REIT 편입
Source: Keppel DC REIT IR, CBRE Research, July 2026
실증사례
국내편입가능사례
KDC SGP 4
2019년REIT 매각
(싱가포르달러3억8,880만달러, 한화약4,600억원)
KDC SGP 7, 8
2024년REIT 매각
(싱가포르달러13억8,000만달러, 한화약1.6조원)
안산데이터센터: 경기반월국가산업단지내원시동726-4일원
2026년5월개발PFV와주식양수도계약 체결
IT 용량40MW 규모, 총사업비1조원
Keppel 데이터센터펀드3호활용
현대건설시공참여예정, 2030년서비스개시목표
우량임차인확보및
안정화달성
임차인확보

S20 · PDF 39쪽

S20 PDF 39쪽

이 페이지 검색용 텍스트

39
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
Equinix·Digital Realty - 글로벌오퍼레이터, 자산매입전략활용가능성
Figure 40: 에퀴닉스, 디지털리얼티포트폴리오개요(단위: 개)
글로벌데이터센터 전문자본의또다른축이자, 앞서살펴본리츠
자본에이어중장기적으로국내우량자산을흡수할강력한잠재
매수주체로는글로벌하이퍼스케일오퍼레이터가있다.
에퀴닉스(Equinix)와디지털리얼티(Digital Realty)는현재국내
시장에서자체개발, 토지임차연계형개발, 합작법인등다양한
방식으로그점유율을확대하고있다. 이들글로벌오퍼레이터는
전통적으로시장진입초기단계에서자산의직접매입보다 
마스터리스나전략적합작법인을통한위험분산방식을선호해
왔다. 
그러나수도권의물리적공급제약으로신규개발이사실상
불가능해지는시점에도달할경우, 전력과앵커테넌트가
안정적으로확보된수도권Core & Shell 자산을인수하는전략을
검토할가능성이있다. 
에퀴닉스의경우미주·유럽의직접보유비중이79%에달하는
반면토지임차구조가많은아태지역은37%에그치며, 실제로
에퀴닉스는토지임차구조를공식리스크로명시하고있다. 토지
임차구조의한계를극복하고아태지역확장을가속화하기위해, 
이들은향후토지소유권과전력이확보된수도권우량완공자산에
대한매입을고려할수있을것으로보인다. 
따라서현재개발단계에있는수도권자산들은향후글로벌
오퍼레이터의포트폴리오편입을위한매력적인Exit 타깃이될수
있을것으로예상하며, 투자자는기확보전력자산의가치를
레버리지하여강력한글로벌매수층을선점하는기회로삼아야
한다.
79%
79%
37%
21%
21%
63%
0%
20%
40%
60%
80%
100%
미주
유럽
아시아태평양
자가
임차
Figure 41: 에퀴닉스소유형태별수익비중
281
77
4
310
55
2
0
50
100
150
200
250
300
350
포트폴리오
진출도시
한국(개발자산포함)
에퀴닉스
디지털리얼티
Source: Equinix, Digital Realty IR, CBRE Research, July 2026
SL1
SL2x
SL3x
SL4
ICN10
ICN11
Figure 42: 글로벌DC 운영사의임차구조리스크인식- Equinix 사례
Most of our IBX data center leases have renewal options available to us. However, many of these 
renewal options provide for the rent to be set at then
-prevailing market rates.
In the event that an IBX data center lease does not have a renewal option, or we fail to exercise a 
renewal option in a timely fashion and lose our right to renew the lease, we may not be successful in 
negotiating a renewal of the lease with the landlord.
- Equinix 10-K (FY2024)
The failure to obtain favorable terms when we renew our IBX data center leases, or the 
failure to renew such leases, could harm our business and results of operations.
임차구조한계
APAC 자산상당수임차 형태
→
만기시연장불확실및임대료급등위험을
리스크로고지및관리중

S20 · PDF 40쪽

S20 PDF 40쪽

이 페이지 검색용 텍스트

40
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
구조적제약속반전논거, 한국데이터센터투자의다섯가지체크포인트
Figure 43: 투자체크리스트종합— 리스크·기회요인및반전논거
앞서살펴본주요리스크와기회요인은한국데이터센터투자의
구조적제약과동시에각각의반전논거를보여준다.
첫째, 캡레이트는20년에걸친압축사이클이사실상종료됐다. 
추가
압축을
통한
매각차익은
어려워졌으나, 이는
국내
데이터센터가기관급투자자산으로서시장의신뢰를확보했음을
보여준다.
둘째, 단기NOI 성장은램프업 기간, 단기계약구조, 낮은인상률에
묶여있다. 다만최근수도권마켓에서램프업없는대용량상면
흡수, 장기임대차확약, 연간임대료인상률상승이관찰되면서
과거NOI 성장을저해하던리스크가점차상쇄되는추세이다.
셋째, 물리적진부화는가장예측이어려운리스크다. 선진시장은
비용을임차인에게전가하지만한국은임대인부담이크다는
한계가있어, 인수후임대차재구조화가리스크관리의핵심이될
것이다.
넷째, 정부의정책방향성은강력한기회요인이다. 수도권전력
제한과비수도권유도정책은수도권기확보자산의프리미엄을
강화하는동시에, 비수도권신규개발의전략적돌파구를제공한다.
다섯째, 다양한자본의유입과글로벌DC 전문자본의본격진입은
출구전략의실현가능성을높이는결정적기회요인이다. 국내
자본에더해, 에퀴닉스·디지털리얼티등글로벌데이터센터 리츠와
하이퍼스케일오퍼레이터가아태지역내직접보유비중확대
전략을본격화하고있어현재개발단계에있는자산에대한강력한
글로벌매수층이이미형성되고있다고볼수있다.
수도권전력공급제한유지, 
비수도권공급유도
수도권자산의희소성프리미엄강화
임대료상승분의재계약반영시
NOI 개선효과증대예상
회피제약
다만, Core & Shell, Triple net 마스터리스구조로일부헷지가능
단기NOI 성장제약
피할수없는물리적진부화
국내기관자본중심,
단기Exit구조에의존
글로벌DC 리츠및
하이퍼스케일오퍼레이터의확장가시화
20년압축이증명한기관급투자자산신뢰도확보
캡레이트압축사이클
종료단계진입
캡레이트
NOI
물리적
진부화
정책
방향성
잠재
매수자군
확대
리
스
크
요
인
기
회
요
인

S20 · PDF 41쪽

S20 PDF 41쪽

이 페이지 검색용 텍스트

전망및제언
04

S20 · PDF 42쪽

S20 PDF 42쪽

이 페이지 검색용 텍스트

42
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
수요는구조적으로증가하나,
공급은전력제약으로막혔다
시장현황
수요·공급·자본세축의수렴, 한국데이터센터시장의구조적전환기
Figure 44: 한국데이터센터시장구조적전환기- 시장현황·투자시장·매수자풀종합
궁극적으로한국데이터센터시장은핵심변수들이상호작용하며
명확한구조적전환기를향해가고있다.
우선시장현황측면에서수요는AI를축으로구조적으로증가하는
반면, 공급은전력제약으로크게억제되는추세다. 수도권신규
인허가제한으로정부정책을활용한비수도권선점기회가
부상하며수도권자산의희소성프리미엄은더욱높아지는가운데, 
하이퍼스케일러중심의견고한수요지속성은마켓의확실한
지지대가되고있다.
이러한수급불균형속에서투자시장분석을살펴보면수익률압축
사이클의정점통과, 단기NOI 성장제약, 물리적진부화등
리스크가상존한다. 하지만정부의전력공급제한정책에따른
수도권희소성부각이이를상쇄하고있으며, 자산구조화를통한
관리가능성에무게가실리면서프리미엄상승에대한투자자
기대감도유효하게나타난다.
결정적으로이자산을받아줄잠재매수자풀이국내외에서
점진적으로가시화되고있다. 단기주체인국내기관자본과단-
중장기주체인글로벌인프라자본이마켓을견인하는가운데, 
글로벌전문자본의진입여건이성숙해짐에따라중장기Exit의
실현가능성도자산구조화를전제로점차높아지는흐름이다.
결론적으로수도권내기확보자산의희소성프리미엄은이미
구조적인흐름으로자리잡았다. 진입장벽이높아진환경에서
전력과입지를선점한핵심자산은리스크를넘어서는차별적
가치를인정받을것이며, 다변화되는글로벌자본과의전략적
연계를통해안정적인프리미엄Exit 가가능할것으로전망된다.
리스크는상존하나,
희소성이이를넘어선다
투자시장
자본은국내에서글로벌로,
매수자풀은점진적으로넓어진다
매수자 풀
01
전력인프라포화로
수도권신규인허가사실상중단
정부정책등레버리지를
통한비수도권선점기회부상
02
국내외테크기업
수요의구조적지속성확인
03
01
리스크요인존재
(캡레이트, NOI, 물리적진부화)
기회요인존재
(정부정책방향에따른희소성부각)
02
자산가치상승전망
(투자자설문조사기반)
03
01
국내기관자본,
단기주도적매수주체로역할
글로벌인프라자본,
단-중장기매수주체로역할
02
글로벌데이터센터전문자본,
본격진입에따른Exit전략확대
03

S20 · PDF 43쪽

S20 PDF 43쪽

이 페이지 검색용 텍스트

43
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
2026
2027
2028
2029
2030
공급희소성심화와자본다변화, 구조적전환기의단계별전개
희소성인지구간
거래활성화구간
투자안정화구간
수도권잔여전력용량고갈
공급가용자산감소
희소성프리미엄증대
글로벌자본유입규모증가
임차가능면적감소
임차수요지속증가

S20 · PDF 44쪽

S20 PDF 44쪽

이 페이지 검색용 텍스트

44
CBRE RESEARCH
©  2026 CBRE, INC.
한국 데이터센터투자 I 공급제약이만드는희소성프리미엄과Exit 가능성진단|  CBRE Korea
제언
잠재매도자 (국내개발사) 관점
잠재매수자(글로벌리츠·인프라자본) 관점
한국데이터센터시장은공급희소성심화와글로벌자본유입가속화속에서구조적전환기를
맞이하고있다. 잠재매도자(국내개발사)는다음과같은사항에유의하여시장변화에선제적으로
대응해야한다.
① 글로벌기술표준을설계단계에서선제반영
설계단계에서부터글로벌오퍼레이터들의기술표준을고려하지않을경우, 향후매수자의대규모추가Capex 
발생으로인해매각가격협상에서불리하게작용할수있다. 아울러글로벌매수자의자산적격성판단시Core & 
Shell 구조채택여부가핵심변수로작용함을유의해야한다.
② 펀드보유및Exit 타임라인을고려한전략적임대차기간설계
단기매각시점과장기임차요구간미스매치를극복하기위해, 재계약이나임대료리뷰주기를Exit 타임라인
직전으로조율하는전략이필요하다. 매각시점에계약갱신주기가임박하면매수자에게급등한마켓임대료와
최신계약조건을즉각반영할수있는구조적업사이드를자산가치로제안할수있다. 
③ 정부정책레버리지를통한포트폴리오이원화전략
수도권기확보자산은재계약조율로가치를극대화하되, AIDC 특별법등비수도권인센티브를활용한글로벌
오퍼레이터와의합작법인파이프라인을병행구축함으로써포트폴리오리스크를분산하고중장기Exit 가능성을
높여야한다.
한국데이터센터시장은공급희소성이구조적으로고착되는환경속에서임차가능자산의절대적
희소성이심화되고있다. 잠재매수자(글로벌리츠·인프라자본)는다음과같은사항을면밀히
검토하여보다정밀한투자판단을수행할수있다.
①임대차재구조화기대는현실적한계를전제로가격에반영필요
현행국내임대차관행상계약기간중일방적구조변경은사실상어려우며, Triple Net 전환등급격한조건
개선을전제한NOI 상향은인수가격산정단계에서과도하게낙관적인가정이다. 연2.0% 수준의에스컬레이션
구조가단기NOI 성장을구조적으로제한하고있음을인수가격에명확히반영해야한다.
② OpCo 계약구조와운영연속성을면밀히확인할것
비ICT 계열운용사가개발주체인자산은외부오퍼레이터와의마스터리스또는위탁계약에의존한다. OpCo 
잔여계약기간, 임차인직접계약보유여부, 교체시운영공백가능성은NOI 안정성에직접영향을미치는핵심
실사항목으로면밀한검토가필요하다.
③ 진부화리스크가현재가격에반영되어있는지독립적으로검증할것
국내DC 거래에서물리적진부화비용이명시적으로디스카운트된선례가없다. Fully Fitted 자산의전력
밀도·냉각방식·슬라브하중이현행AI 서버요구사양을충족하는지를독립평가하고, 잔존Capex 수요를가격에
반영하는절차가필수적이다.

S20 · PDF 45쪽

S20 PDF 45쪽

이 페이지 검색용 텍스트

© Copyright 2026. All rights reserved. The views and opinions in these articles belong to the author and do not necessarily r
epresent the views and opinions of CBRE. Our employees are obliged not to make any defamatory 
clauses, infringe or authorize infringement of any legal rights. Therefore, the company will not be responsible for or be lia
ble for any damages or other liabilities arising from such statements included in the articles.
Korea Research 
Claire Choi 
Head of Research, Korea
claire.choi@cbre.com
Simon Yoo
Associate Director
simon.yoo@cbre.com
Rachel Shin
Analyst
rachel.shin@cbre.com
Contacts
Asia Pacific Research 
Ada Choi, CFA
Head of Research, Asia Pacific 
ada.choi@cbre.com.hk
Capital Markets
Sean Choi
Head of Capital Markets, Korea
sean.choi@cbre.com
JoonhoPark
Executive Director
joonho.park@cbre.com
Andy Kim
DataCenterSolutions,Senior Director
andy.kim@cbre.com
David Park
Data Center Solutions, Associate Director
david.park3@cbre.com