Kitlesel değerlemede makine öğrenme algoritmaları
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Ankara Üniversitesi, Fen Bilimleri Enstitüsü, Taşınmaz Geliştirme Anabilim Dalı, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: SİBEL CANAZ SEVGEN
Danışman: Yeşim Tanrıvermiş
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Gayrimenkullerin değerlerine vergilemeden, satışa birçok alanda ihtiyaç duyulmaktadır. Gayrimenkullerin tek tek değerlemesi yapılacağı gibi toplu halde de bir model dahilinde değerlemesinin yapılması mümkündür. Kitlesel değerleme, gayrimenkullerin az hata, hızlı ve tarafsız bir şekilde değerlemesine olanak sağlamaktadır. Gayrimenkullerin toplu değerlemesinde son yıllarda makine öğrenme algoritmaları kullanılmaya başlanmış olmakla birlikte makine öğrenme algoritmalarının farklı gayrimenkul türlerinin değerlemesinin de kullanımı sınırlı düzeyde kalmıştır. Bu çalışmada, 5 adet makine öğrenme algoritmaları arsa, arazi, konut ve ticari gayrimenkul olmak üzere 4 farklı gayrimenkul türünde test edilmiştir. Bu amaçla kullanılan makine öğrenme algoritmaları, Yapay Sinir Ağlar (YSA), Rasgele Orman (RO), Çoklu Regresyon Analizi (ÇRA), K-En Yakın Komşuluk (k-nn), Destek Vektör Regresyonu (DVR) şeklindedir. Temel Bileşenler Analizi (TBA) ise çoklu değişkene sahip gayrimenkullerin değişken sayısını azaltılması için kullanılmıştır. Araştırmada Ankara İli Merkez ilçeler için toplanan gayrimenkul verileri ile Amerika Birleşik Devletleri, Ames, Iowa şehrine ait veriler kullanılmıştır. Tez çalışmasının ana amacı gayrimenkullerin toplu değerlemesinde hangi makine öğrenme algoritma türünün daha iyi sonucu verdiğinin bulunması ve gayrimenkul değerini etkileyen değişkenlerden en önemli olanların ortaya konulmasıdır. Böylece Türkiye için bir toplu değerleme sisteminin kullanılabilirliği test edilmiş olacaktır. Çalışmanın diğer bir amacı ise gayrimenkul değerleri ile Ankara İli merkez ilçeleri için gayrimenkul değer haritası oluşturmaktır. Ankara ili ve Ames şehri için elde edilen bulgulara göre konut türü gayrimenkullerde en iyi sonucu RO daha sonra ise sırasıyla YSA, k-nn, ve DR algoritmalarının sonuçlar verdiği görülmüştür. Yine konut türü gayrimenkulün RO algoritmasından elde edilen sonuçlarına göre en çok ısıtma ve önemli yerlere olan mesafelerin değerde etkisi olduğu sonucuna varılmıştır. Arazi, arsa ve ticari tür gayrimenkullerde ise RO ve doğrusal regresyonun en iyi performansa sahip olduğu belirlenmiştir. Elde edilen bulgular değerlendirildiğinde tüm Türkiye'deki il ve ilçeler için gayrimenkul değerleme birimlerinin kurulması ve gayrimenkullere ait değişkenlerine ait veri tabanında oluşturulması önerilmektedir. Böylece bu veriler kullanılarak kitlesel değerleme yapılması ile gayrimenkul satış, vergilendirme vb. işlemlerinin daha hızlı yapılabilmesi olanak sağlayacaktır.