Forecasting housing sales to foreigners in Turkey using machine learning algorithms
Makine öğrenmesi algoritmaları kullanarak Türkiye'de yabancılara konut satışlarının tahmin edilmesi
- Tez No: 1004174
- Danışmanlar: DR. ÖĞR. ÜYESİ İLAYDA ÜLKÜ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: İstanbul Kültür Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mühendislik Yönetimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Türkiye gayrimenkul piyasası, özellikle yabancılara yapılan konut satışları segmenti, 2013 yılından bu yana ekonomik dalgalanmalar, döviz kuru hareketleri ve“Yatırım Yoluyla Vatandaşlık”programı gibi yasal düzenlemeler nedeniyle önemli yapısal değişimler geçirmiştir. Bu tez, aylık satış hacimlerini tahmin etmede beş farklı makine öğrenmesi algoritmasının—Doğrusal Regresyon (LR), Random Forest (RF), XGBoost, Destek Vektör Regresyonu (SVR) ve Uzun Kısa Süreli Bellek (LSTM)—tahmin performansını değerlendirmeyi amaçlamaktadır. Türkiye İstatistik Kurumu'ndan (TÜİK) alınan 2013-2024 dönemine ait veriler kullanılarak, araştırma iki aşamalı bir deneysel tasarım ile yürütülmüştür. Birinci aşama, standart rastgele veri bölme yönteminin piyasadaki ani düşüşleri yakalamada yetersiz kaldığını göstermiş; ikinci aşamada ise rejim duyarlı kronolojik bölme stratejisi uygulanmıştır. Ampirik sonuçlar, Random Forest modelinin en düşük Kök Ortalama Kare Hata (RMSE: 275,46) ve %88,6 yüksek tahmin doğruluğu (MAPE: %11,4) değerine ulaşarak hem doğrusal temel modellerden hem de derin öğrenme mimarilerinden anlamlı derecede daha iyi performans gösterdiğini ortaya koymuştur. LSTM modeli güçlü doğrusal olmayan modelleme yetenekleri sergilemesine rağmen, performansı 144 aylık örneklem boyutu nedeniyle sınırlı kalmıştır. Ayrıca çalışma, 2026 yılı için bölgesel bazda projeksiyonlar sunarak, Antalya'nın yabancı yatırımcılar için ana destinasyon olarak İstanbul'u geride bırakacağı tarihsel bir kırılmayı öngörmektedir. Elde edilen bulgular, oynak piyasalarda topluluk öğrenmesi (ensemble bagging) yöntemlerinin, veriye dayalı karar alma ve politika oluşturma süreçleri için en yüksek kararlılığı sunduğunu kanıtlamaktadır.
Özet (Çeviri)
The Turkish real estate market, specifically the sub-market of housing sales to foreigners, has witnessed major structural changes since 2013 due to economic uncertainty, exchange rate instability, as well as changes in the laws of the Citizenship-by-Investment Scheme. The research study proposes the application of five models of Machine Learning algorithms: Linear Regression (LR), Random Forest (RF), XGBoost, Support Vector Regression (SVR), and Long Short-Term Memory Networks (LSTM) in modelling a forecast about the number of sales. Based on data available from the TÜIK-Statistical Institute of the Republic of Türkiye in the years 2013-2024, the research study conducted a two-stage experiment. Stage 1 investigated the deficiency of traditional randomised approaches towards data partitioning in interpreting market crashes. Later in Stage 2, the experiment took a chronologically informed partition. The empirical outcomes demonstrated the Random Forest algorithm as the most stable model in forecasting the data, a model with the lowest Root Mean Square Error of 275.46 and a high forecasting accuracy of 88.6% (MAPE: 11.4%), in comparison to the baseline model of linear regression, as well as deep models. Although the LSTM model performed admirably in non-linear modelling, it was limited because of the 144-month sample. The study also consists of a pinpoint forecast estimate in 2026, in which a historic transition will take place, in which Antalya will surpass the sales volume of Istanbul as the top choice among foreign buyers.
Benzer Tezler
- Türkiye'de yabancılara yapılan konut satışının tahmininde makine öğrenmesi yöntemleri performanslarının incelenmesi
An investigation of the performance of machine learning methods in the prediction of home sales to foreigners in turkey
CANSU TOSUN GAVCAR
- Yabancılara konut satışının mars yöntemi ile tahmin edilmesi
Predicting of house sales to foreigners with mars method
UFUK AKYOL
Yüksek Lisans
Türkçe
2024
İstatistikGiresun Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT GÜL
- Ridge regresyona dayalı tip 1 bulanık regresyon fonksiyonları yaklaşımı ile yabancılara yapılan aylık konut satışı öngörüsü
Forecasting mountly housing sales to foreigners with type 1 fuzzy regression functions approach based on ridge regression
MİNEL DEMİRKAN PİŞKİN
- Türkiye'de konut satış sayılarının veri madenciliği yöntemleri ile tahmini
Estimation of housing sales in Turkey using data mining methods
AYŞE SEDA BALKAN
- Taşınmaz geliştirmede değer kestirim analizleri ve İstanbul konut alanı örneğinde bir uygulama
Forecasting analysis on real estate development and application of housing area model in Istanbul
BÜLENT BOSTANCI
Doktora
Türkçe
2008
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜLYA DEMİR