Prediction of the house price index of Turkey: A comparative study of multiple linear regression and artificial neural network models
Türkiye konut fiyat endeksinin tahmini: Çoklu lineer regresyon ve yapay sinir ağı modellerinin karşılaştırılması
- Tez No: 767753
- Danışmanlar: PROF. DR. İREM DİKMEN TOKER, PROF. DR. MUSTAFA TALAT BİRGÖNÜL
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapım-Proje Yönetimi Bilim Dalı
- Sayfa Sayısı: 116
Özet
Konut piyasası, Türkiye ekonomisi için tetikleyici güç olarak kabul edilmektedir. Buna bağlı olarak, konut fiyatlarındaki dalgalanma hem politikacılar hem de inşaat sektöründeki karar vericiler için önemli bir ilgi noktasıdır. Konut fiyatlarındaki değişimleri etkin bir şekilde izleyebilmek için makroekonomik parametreler ile konut fiyat hareketleri arasındaki ilişkileri anlamak önemlidir. Bu tezin temel amacı, makroekonomik parametreler kullanarak geliştirilen çoklu doğrusal regresyon (ÇDR) ve yapay sinir ağı (YSA) modelleri ile Türkiye'nin konut fiyat endeksini (KFE) tahmin etmektir. Literatürde daha önce yapılan çalışmalarda yaygın olarak kullanılan 25 makroekonomik parametre arasından 9 parametre bağımsız değişken olarak seçilmiş ve bağımlı değişken olarak seçilen konut fiyat endeksi (KFE) tahmin edilmeye çalışılmıştır. Bu çalışmada, modellerin eğitilmesi için seçilen parametrelerin Ocak 2010 ile Aralık 2019 aralığındaki aylık zaman serisi verileri kullanılmıştır. Ardından, modelleri doğrulamak için Ocak 2020'den Aralık 2021'e kadar olan veriler kullanılmıştır. Seçilen makroekonomik parametreler ile konut fiyat hareketleri arasındaki ilişki detaylı olarak incelenmiş ve tüketici fiyat endeksi (TÜFE), işsizlik oranı (İO) ve Brent petrol fiyatı (BPF), Türkiye'deki konut fiyat hareketlerini belirlemede en önemli parametreler olarak bulunmuştur. Geliştirilen ÇDR ve YSA modelleri, zaman serisi verilerinin öğrenilmesinde, genelleştirilmesinde ve birleştirilmesinde yüksek düzeyde doğruluk sağlamış ve güvenilir tahmin değerleri üretmiştir. Model doğrulama sonuçları, bu tezde geliştirilen YSA modelinin, geliştirilen ÇDR modeline ve ayrıca önceki çalışmalarda geliştirilen YSA modellerine göre daha yüksek bir tahmin performansına sahip olduğunu ortaya koymuştur.
Özet (Çeviri)
The housing market is accepted as the triggering force for the Turkish economy. Consequently, the fluctuation in house prices is an important point of interest for both policymakers in the government and decision-makers in the construction industry. In order to be able to monitor the movements in house prices effectively, it is important to understand the relationships between the macroeconomic parameters and house price movements. The main objective of this thesis is to predict the house price index (HPI) of Turkey using macroeconomic parameters by utilizing multiple linear regression (MLR) and artificial neural network (ANN) models. Among the 25 macroeconomic parameters commonly used in previous studies reported in the literature, 9 parameters are selected as the independent variables while predicting the house price index (HPI), which is chosen as the dependent variable, and the monthly time series data of these parameters are used for the time period between January 2010 and December 2019 to train the models. Subsequently, data from January 2020 to December 2021 is used to validate the models. The relationship between these macroeconomic parameters and house price movements is examined in detail, and consumer price index (CPI), unemployment rate (UR), and brent oil price (BOP) are found as the most significant parameters in determining the house price movements in Turkey. The developed MLR and ANN models provided a high level of accuracy in learning, generalizing, and converging the time series data and produced reliable prediction values. Model validation results revealed that the ANN model developed in this thesis has a higher predictive performance than the developed MLR model and also the ANN models developed in previous studies.
Benzer Tezler
- Konut değerlerini etkileyen kriterlerin regresyon analizi ile incelenmesi
Analysis of the factors that affecting housing values by using regression analysis
SİNEM YAVUZ
Yüksek Lisans
Türkçe
2019
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGayrimenkul Geliştirme Ana Bilim Dalı
PROF. DR. RAHMİ NURHAN ÇELİK
- 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
- Türkiye'de konut yatırımları, konut yatırımlarının ekonomikliği ve yatırım tercihlerini etkileyen faktörlerin analizi
Housing investments, the economic of housing investments and analysis of factors affecting investment preferences in Turkey
ÜSTÜN HATİPOĞLU
Doktora
Türkçe
2024
EkonomiAnkara ÜniversitesiGayrimenkul Geliştirme ve Yönetimi Ana Bilim Dalı
PROF. DR. HARUN TANRIVERMİŞ
- 1600-1699 yılları İstanbul kadı sicillerinde yer alan satış işlemlerine göre konutların morfolojik özellikleri & konut fiyatlarının bağımlı olduğu değişkenler
According to islamic court records of 1600-1699 Istanbul morphological characteristics of residential real estates & variables that house prices were dependant
AYŞE TUĞBA ŞENGİL
Yüksek Lisans
Türkçe
2018
Mimarlıkİstanbul Teknik ÜniversitesiGayrimenkul Geliştirme Ana Bilim Dalı
DOÇ. DR. ÖZHAN ERTEKİN
- Makro ihtiyati politika ve finansal istikrar ilişkisi: Türkiye'de konut sektörüne yönelik araçların etkinliği
The relationship between macro prudential policy and financial stability: Effectiveness of tools for the housing sector in Turkey
MURAT SARI
Yüksek Lisans
Türkçe
2022
EkonomiGalatasaray Üniversitesiİktisat Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEHRA YEŞİM GÜRBÜZ