Akademik Veri Yönetim Sistemi
Tanrıvermiş Y. (Yürütücü)
Yükseköğretim Kurumları Destekli Proje, 2020 - 2021
Gayrimenkullerin kitlesel veya diğer bir ifadeyle toplu değerlemesi vergilendirmeden, alım-satım işlemlerine kadar birçok alanda kullanılmaktadır.
Özellikle gelişmiş ülkelerde gayrimenkullerin kitlesel değerleme işlemleri çok sık yapılmakla beraber ülkemizde ise uygulamada kitlesel değerleme
işlemi hiç kullanılmamaktadır. Ülkemizde gayrimenkuller bireysel olarak klasik değerleme yöntemleri (karşılaştırmalı satış analizi, maliyet yöntemi
vb.) ile değerleme uzmanları tarafından tek tek yapılmaktadır. Bu durum gayrimenkul değerlemesinde ister istemez tarafsız bir şekilde değer
işleminin yapılmasını zorlaştırmakta ve ekonomik olarak fazla insan gücüne ihtiyaç duyulmasına sebep olmaktadır. Klasik yöntemlerin yerine
makine öğrenme algoritmaları kullanılarak gayrimenkullerin kitlesel olarak bir arada değerlemesi ile tarafsız ve birçok gayrimenkulün hızlıca
değerlemesi yapılmaktadır. Literatürde kitlesel değerleme alanında bazı makine öğrenme algoritmaları kullanılmış ve 3-4 tanesi kıyaslanmış olsa
da daha fazla makine öğrenme algoritmasının kıyaslanması sonucunda hangisinin en iyi sonucu verdiğini gösteren kesin bir çalışma
bulunmamaktadır. Ayrıca literatürde genelde tüm çalışmalar tek tip gayrimenkul üzerinde (genellikle konut) denenmiştir. Kitlesel değerlemede
hangi makine öğrenme algoritmasının hangi tip gayrimenkulde iyi sonuç verdiğini gösteren literatürde kapsamlı bir çalışma bulunmamaktadır, bu
durum literatürde kitlesel değerlemede makine öğrenmeleri algoritmaları çalışmalarında bulunan bir boşluktur. Bu durumlar göz önüne alındığında,
bu projenin amacı ve özgün değeri daha fazla makine öğrenme algoritması (7 adet) kullanılarak farklı gayrimenkul tiplerinde (4 adet) gayrimenkule
ait birçok değişken ile algoritmaların test edilmesi ve algoritmaların avantaj ve dezavantajlarının ortaya konarak literatüre kapsamlı bir katkı
sağlanmasıdır. Bu kapsamda, gayrimenkul verileri ile kitlesel değerlemede kullanılabilecek Destek Vektör Makineleri (DVM), Yapay Sinir Ağları
(YSA), Rasgele Orman (RO), Çoklu Doğrusal Regresyon (ÇDO), En küçük Kareler Yöntemi (EKKY), Temel Bileşen Analizi (TBA), k-en yakın
komşuluk gibi 7 adet farklı algoritma ile literatürde kullanılan tek tip gayrimenkul yerine ticari, konut, arsa ve arazi gibi 4 farklı gayrimenkul tipleri
için çalışma alanı olarak seçilen Ankara İl’inde uygulanacak ve sonuçları kıyaslanacaktır. Elde edilen sonuçlar ile Ankara İl’ine ait değer haritası
oluşturulacak ve tek tek değerleme yerine kitlesel değerleme ile oluşturulan değer haritası alım-satım ve gayrimenkullerin vergilendirilmesi gibi
işlemlerde kullanılması ile ekonomik olarak katkı sağlanacaktır.