본 연구에서는 기존 부동산 매매가격 예측 연구에서 개선이 필요한 점을 지적하고 해결하고자 하였다. 첫 번째, 하나의 지역에서의 시계열적 특성상 적은 데이터의 한계를 극복하기 위해서 같은 기간에서 비슷한 성격의 여러 지역들의 데이터들을 Scaling을 통해서 합쳐 더 큰 데이터 셋을 확보하였다. 둘째, 시계열적 특징이 없는 머신 러닝 모델에 시계열적 특징을 가지는 input feature로 매매가격 이동평균선을 넣는 기존의 연구들의 실험을 더 큰 데이터 셋에서 진행 하였다. 그 결과 해당 실험에서 과하게 높은 성능의 결과( score 0.99 ~ 1.00)가 나온 것으로 보아 사후적 해석 편파라는 결론을 내었다. 그 대신 전세가율 이동평균선을 이용하여 매매가격 예측을 하였다. 이 경우, KOFIX 금리를 input feature로 추가한 경우에 그렇지 않은 경우보다 평가 지표의 개선을 볼 수 있었고, 머신 러닝 모델 중에서는 다중 트리 구조, 그 중에서도 오류의 수정에 집중을 하는 XGBoost가 높은 성능을 보였다.