Türkiye’de Konut Fiyat Endeksinin Makine Öğrenme Yöntemi ile Tahmini

Basit Öğe Kaydı
dc.contributor.authorNas, Serkan
dc.contributor.authorÜnal, Ayşe Ergin
dc.date.accessioned2025-03-16T12:43:28Z
dc.date.available2025-03-16T12:43:28Z
dc.date.issued2024
dc.departmentTarsus Üniversitesi
dc.description.abstractTüketim ve yatırım amaçlı oluşan konut talebi pek çok farklı değişkene bağlı olup konut fiyatı bunlardan en önemlisidir. Bu bağlamda konut arz ve talebinde sağlanacak dengenin önemli belirleyicisi olan fiyatın tahmin edilmesi önem arz etmektedir. Literatürde konut fiyat tahminlemesine yönelik az sayıda çalışma olup yine bunlardan çok azında makine öğrenme tekniği kullanıldığı görülmektedir. Makine öğrenmesi çalışmalarında başarı tahmini seçilen algoritmaya ve öznitelik kombinasyonuna bağlı olmaktadır. Bu bağlamda çalışmanın amacı konut fiyatını en doğru tahmin eden yöntem ve konut fiyatını en çok etkileyen makroekonomik belirleyicilerinin tespit edilmesidir. Çalışmada konut fiyatının belirleyicilerini test etmek üzere 01:2013 ile 05:2023 dönemlerine ait TÜFE, BİST100, Sanayi Üretim Endeksi, Dolar Kuru, Tüketici Güven Endeksi değerleri öznitelik kümesini oluşturmaktadır. Yine çalışmada üç farklı makine öğrenme algoritması kullanılmış olup OMYH kriterine göre en iyi tahmin oranları sırasıyla Karar Ağacı %87,15, Çok katmanlı algılayıcılar %86,56, K-en yakın komşu 82,69 şeklindedir. Karar ağacı algoritmasında, USD/TRY özniteliğinin etkisi %89 ile en çok etkileyen öznitelik olmuş, sırasıyla en çok etkileyen öznitelik ise %7 ile Sanayi Üretim Endeksi (SUE) %1,3, Tüketici Güven Endeksi (TGE) ve % 1,25 ile Tüketici Fiyat Endeksi (TÜFE) özniteliği olmuştur. Diğer özniteliklerin toplam etkisi yaklaşık %1 olarak gerçekleşmiştir.
dc.description.abstractThe demand for housing formed for consumption and investment purposes depends on many different variables, and the housing price is the most important of them. In this context, it is important to estimate the price, which is an important determinant of the balance to be achieved in housing supply and demand. There are few studies on housing price forecasting in the literature, and again, it is observed that machine learning technique is used in very few of them. In this context, the aim of the study is to determine the method and macroeconomic determinant that most accurately predicts the housing price. In the study, CPI, BIST100, Industrial Production Index, Dollar Exchange Rate, and Consumer Confidence Index values for the periods between 01:2013 and 05:2023 constitute the attribute set to test the determinants of housing price. Again, three different machine learning algorithms were used in the study, and the best prediction rates according to the OMYH criterion are Decision Tree 87.15%, Multilayer sensors 86.56%, and K-nearest neighbor 82.69, respectively. On the other hand, in the Decision tree algorithm, the impact of the USD/TRY attribute was determined as the attribute that affects the most with 89%, and the impact of the other attributes, respectively, was the industrial production index with 7%, the consumer confidence index (CPI) with 1,3% and consumer price index with 1,25%. The total impact of the other features is approximately 1%.
dc.identifier.endpage298
dc.identifier.issn1306-2174
dc.identifier.issn1306-3553
dc.identifier.issue2
dc.identifier.startpage283
dc.identifier.urihttps://hdl.handle.net/20.500.13099/791
dc.identifier.volume20
dc.language.isotr
dc.publisherBolu Abant İzzet Baysal Üniversitesi
dc.relation.ispartofThe International Journal of Economic and Social Research
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_DergiPark_20250316
dc.subjectKonut Fiyat Endeksi
dc.subjectMakine Öğrenme
dc.subjectTahminleme
dc.subjectMakroekonomik Göstergeler
dc.subjectKarar Ağaçları
dc.subjectÇok Katmanlı Algılayıcılar
dc.subjectMachine Learning
dc.subjectMacroeconomic Indicators
dc.subjectDecision Tree
dc.subjectMultilayer Perceptron
dc.subjectPredicting
dc.titleTürkiye’de Konut Fiyat Endeksinin Makine Öğrenme Yöntemi ile Tahmini
dc.title.alternativeEstimation of Housing Price Index in Turkey with Machine Learning Method
dc.typeArticle

Dosyalar

Koleksiyon

Öksüz Yayınlar