Forecasting house price index in Turkey using arima transfer functions and artificial neural networks (ANN)
Yapay sinir ağları ile konut fiyat endeksi tahmini
- Tez No: 811532
- Danışmanlar: DR. ÖĞR. ÜYESİ UĞUR ŞENER
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: ARIMA modeli, YSA Modeli, Konut Fiyat Endeksi, Makroekonomik Göstergeler, ARIMA model, ANN Model, Housing Price Index, Macroeconomic Indicators
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: İşletme Yönetimi Bilim Dalı
- Sayfa Sayısı: 140
Özet
Türkiye ekonomisini konut sektörünün başlattığı yaygın bir kabuldür. Sonuç olarak, hem hükümet politika yapıcıları hem de inşaat sektöründeki karar vericiler, konut fiyatlarının nasıl değiştiğiyle yakından ilgileniyor. Makroekonomik değişkenlerdeki değişimler ile konut fiyatlarındaki değişimler arasındaki bağlantıları anlamak, konutlardaki fiyat değişimlerini doğru bir şekilde izlemek için çok önemlidir. Otoregresif entegre hareketli ortalama (ARIMA) ve yapay sinir ağı (YSA) modellerinin kullanılmasıyla bu araştırmanın temel amacı Türkiye'nin konut fiyat endeksini (HPI) makroekonomik değişkenlerle tahmin etmektir. Konut fiyat endeksi (HPI) tahmin edilirken bağımsız değişken olarak on bir makroekonomik parametre seçilmiştir. Bu parametrelerin üç aylık zaman serisi verileri, modelleri eğitmek için Ocak 2010 ile Aralık 2022 arasındaki zaman aralığı için kullanılır. Bu makroekonomik faktörler ile konut fiyatları endeksindeki değişimler arasındaki bağlantı üzerine derinlemesine bir analiz yapılır. Modeli test etmek için GSYİH (β=0.001, p= 0.97), Altın fiyatları (β=-0.00, p= 0.69), BORSA endeksi (β=2.08, p= 0.52), parasal oran (β=-0,105, p= 0,27) ve dış ticaret (β=0,171, p= 0,26) Türkiye'nin KFE'sinden etkilenmemiştir. Enflasyon oranı (β=1,20, p= 0,000), Döviz kuru (β=0,09, p= 0,00), USD/TL (β=1,43, p= 0,000), İşsizlik (β=-0,94, p= 0,005), Mevduat faiz oranı (β=-0,42, p= 0,00) ve para arzı (β=-0,11, p= 0,04) Türkiye konut fiyat endeksinden önemli ölçüde etkilenmektedir. Bu çalışma, Türk gayrimenkul piyasalarında yatırım kararı alan politika yapıcılara ve yatırımcılara yardımcı olacaktır.
Özet (Çeviri)
It is widely acknowledged that the Turkish economy was launched by the housing sector. As a result, both government policymakers and decision-makers in the building business are keenly interested in how housing prices change. Understanding the connections between changes in macroeconomic variables and changes in housing prices is crucial for properly tracking price changes in homes. With the use of autoregressive integrated moving average (ARIMA) and artificial neural network (ANN) models, the primary goal of this research is to predict Turkey's housing price index (HPI) with macroeconomic variables. Eleven macroeconomic parameters are chosen as the independent variables when predicting the housing price index (HPI). The quarterly time series data of these parameters are used for the time period between January 2010 to December 2022 to train the models. An in-depth analysis is done on the connection between these macroeconomic factors and changes in the housing prices index. 11 hypotheses are formed to test the model, from that GDP (β=0.001, p= 0.97), Gold prices (β=-0.00, p= 0.69), BORSA index (β=2.08, p= 0.52), monetary rate (β=-0.105, p= 0.27) and foreign trade (β=0.171, p= 0.26) are not affected on Turkey's HPI. Inflation rate (β=1.20, p= 0.000), an Exchange rate (β=0.09, p= 0.00), USD/TL (β=1.43, p= 0.000), Unemployment (β=-0.94, p= 0.005), Deposit interest rate (β=-0.42, p= 0.00) and money supply (β=-0.11, p= 0.04) are significantly affected in Turkey's housing price index. This study will help policy makers and investors who are taking investment decisions in Turkish real estate markets.
Benzer Tezler
- Spillovers between Turkish house pricing, stock exchanges, gold, CDS and exchange rate
Türkiye konut fiyatları, hisse endeksleri, altın, CDS ve döviz kuru arasındaki yayılımlar
ESER ŞENTÜRK
Yüksek Lisans
İngilizce
2019
Ekonometriİstanbul Teknik ÜniversitesiGayrimenkul Geliştirme Ana Bilim Dalı
PROF. DR. BÜLENT GÜLOĞLU
- 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
- TR42 bölgesi için elektrik enerjisi talebinin makine öğrenmesi tabanlı tahmini
Machine learn-based forecast of electric energy demand for region TR42
BURCU NAZLICAN DOĞRU
- Sosyal hesaplama matrisi (SHM) ve Türkiye 1979 Input-output tablosu ile bir uygulama
Başlık çevirisi yok
MEHMET ŞİMŞEK
- Bireysel yatırımcıların yatırım stratejisini belirlemede gri tahmin ve oyun teorisi yöntemlerinin uygulanması üzerine bir çalışma
A study on the use of gray prediction and game theory method to determine investment strategy of individual investors
SERENAY BİLGE
Yüksek Lisans
Türkçe
2020
İşletmeMuğla Sıtkı Koçman Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. ALİ BAYRAKDAROĞLU