Yapay Sinir Ağlarının Gayrimenkullerin Toplu Değerlemesinde Uygulanabilirliği: Gölbaşı İlçesi Örneği

Yıl 2020, Cilt: 2 Sayı: 2, 160 - 188, 31.08.2020

Aslı Tuba İlhan Semih Öz

Öz

Gayrimenkul değerlemede kullanılan yöntemler, taşınmaz sayısı, zaman, maliyet ve
değerleme amacına bağlı olarak tekil veya toplu olarak iki şekilde sınıflandırılmaktadır.
Dünyada kısa sürede daha düşük maliyetler ile çok sayıda taşınmazın değer takdirine duyulan
ihtiyaç nedeni ile başta vergilendirme olmak üzere kentsel dönüşüm, kamulaştırma, arsa/arazi
düzenlemesi gibi işlemlerde toplu değerleme uygulamaları yapılmaktadır. Bu durum,
regresyon analizi gibi istatistiki yöntemlerin yanı sıra teknolojik gelişmelere bağlı ortaya çıkan
yapay zekâ tekniklerinin de bu alanda kullanılmaya başlanılması sonucunu doğurmuştur. Bu
makale konusu çalışmada, yapay zekâ tekniklerinin en yaygın kullanılanlarından Yapay Sinir
Ağları (YSA) yönteminin gayrimenkullerin toplu değerlemesinde uygulanabilirliği, Ankara
ili, Gölbaşı ilçesi için arsa fiyatı tahminine ilişkin gerçekleştirilen model yardımı ile ortaya
konmuştur. YSA’nın tahmin başarısı hakkında karşılaştırma yapabilmek amacıyla, ayrıca
Çoklu Regresyon Analizi de (ÇRA) kullanılmıştır. Analizler sonucunda, YSA modelinin, %94
R2 ve %4.8 MAPE ile ÇRA’ya göre daha iyi tahmin yaptığı, buna karşın model
parametrelerinin yorumlanmasında yetersiz olduğu görülmüştür. Başta emlak vergisine esas
değerlerin belirlenmesi olmak üzere yapılacak toplu değerleme çalışmalarında, regresyon
analizi varsayımlarının sağlanamadığı, analizin gerçekleştirilemediği veya örnek sayısının
sınırlı olduğu durumlarda değer tahmininde YSA’nın tercih edilebileceği sonucuna
ulaşılmıştır.

Anahtar Kelimeler

toplu değerleme, taşınmaz değerleme, arsa değeri, yapay sinir ağları, taşınmaz değerleme sistemi

Kaynakça

• Abraham, M. (2016), “Determinants of Residential Property Value in New Zeland: A neural Network Approach”, Department of Applied Business, New Zeland Goverment Institue of Technology, Auckland, 1-24.
• Arıkan Kargı, V.S. (2015), Yapay Sinir Ağ Modelleri ve Bir Tekstil Firmasında Uygulama, Ekin Basım Yayın Dağıtım: Bursa.
• Ataseven, B. (2013), “Yapay Sinir Ağları ile Öngörü Modellemesi”, Öneri Dergisi, 10 (39), 101-115.
• Benjamin, J.D. , Guttery, R.S. and Sirmans, C.F. (2004), “Mass Appraisal: An Introduction to Multiple Rregression Analysis For Real Estate Valuation”, Journal of Real Estate Practice and Education, 7 (1); 65-77.
• Bradford, T. and Rispin, C. (2013), Automated Valuation Models (AVMs) 1st Edition, RICS Professional Information, UK.
• Bulut Nas, B. (2011), YSA ve DVM Yöntemleri İle Taşınmaz Değerlemesi İçin Bir Yaklaşım Geliştirme, Yüksek Lisans Tezi, Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya.
• Chiarazzo, V., Caggiani, L., Marinelli, M. and Ottomanelli, M. (2014), “Neural Network Based Model For Real Estate Price Estimation Considering Environmental Quality Of Property Pocation”, Transportation Research Procedia, 3 , 810-817.
• Clapp, J. M. (2003), “A Semiparametric Method for Valuing Residential Locations: Application to Automated Valuation”, The Journal of Real Estate Finance and Economics, 303-320.
• Comparison of Activation Functions for Deep Neural Networks, https://www. towardsdatascience.com/comparison-of-activation-functions-for-deep-neural-networks-706ac4284c8a, Erişim tarihi: 10.06.2019.
• Demir, R. ve Ülengin, F. (2008), “Yapay Sinir Ağları Yardımı ile Şirket Birleşmelerinin Kestirimi”, İTÜ Dergisi, 7 (6), 92-101.
• Ecer, F. (2014), “Türkiye’deki Konut Fiyatlarının Tahmininde Hedonik Regresyon ile Yapay Sinir Ağlarının Karşılaştırılması”, International Conference on Eurasian Economies,1-10.
• Fausett, L. (1994), Fundementals of Neural Networks, Prentice-Hall, Inc., A Simon&Schuster Company: New Jersey.
• Gallego, J. and Esperanza, M. (2004), Artificial Intelligence Applied to Real Estate Valuation, An Example for The Appraisal of Madrid, Catastro,255-265
• Gamgam, H. ve Altunkaynak, B. (2017), SPSS Uygulamalı Regresyon Analizi, Seçkin Yayıncılık: Ankara.
• Güneş, T. ve Yıldız, Ü. (2015), Mass Valuation Techniques Used in Land Registry and A Cadastre Modernization Project of Republic of Turkey, FIG Working Week, From the Wisdom of the Ages to the Challenges of the Modern World, Sofia, Bulgaria.
• Hayrullahoğlu, G., Aliefendioğlu, Y., Tanrıvermiş, H. ve Hayrullahoğlu, A.C. (2017), Konut Piyasalarında Hedonik Değerleme Modeli Tahmini:Ankara ili, Çankaya İlçesi, Çukurambar Bölgesi Örneği, Scientific Cooperation For The Future In Economics And Administrative Sciences Internatioal Conferance Proceedings Book, Uşak University, 26-36.
• IBM SPSS Neural Networks 22, https://www.sussex.ac.uk/its/pdfs/SPSS_Neural_ Network_22, Erişim tarihi: 10.06.2019.
• International Association of Assesing Officers (IAAO), (2017). Standard on Mass Apparaisal of Real Property.
• Işık, A. (2006), Uygulamalı İstatistik-II, Beta Yayınevi: İstanbul.
• Jahanshiri, E., Buyong, T. and Mohd.Shariff, A.R. (2011), “A Review of Property Mass Valuation Model”, Pertaika J. Sci. & Technol., 19 (S), 23-30.
• Khamis, A.B. and Kamarudin, N.K. (2014), “Comparative Study on Estimate House Price Using Statistical and Neural Network Model”, International Journal of Scientific and Technology Research, 3(12), 126-131.
• Kutlu, B. ve Badur, B. (2009), “Yapay Sinir Ağları ile Borsa Endeksi Tahmini”, Boğaziçi Üniversitesi, Yönetim Dergisi, 20 (63), 25-40.
• Limsombunchai, V., Gan, C. and Lee, M. (2004), “House Price Prediction:Hedonic Price Model vs. Artificial Neural Network”, American Journal of Applied Sciences, 1 (3), 193-201.
• Mimis, A., Rovolis, A. and Stamou, M. (2013), “Property Valuaiton with Artificial Neural Network: The Case of Athens”, Journel of Property Research, 30 (2), 128-143.
• Nunes - Tabales, J.M. and Rey-Carmona, F. (2016), Commercial Properties Prices Appraisal: Alternative Approach Based On Neural Networks”, International Journal of Artificial Intelligence, 14 (1), 53-70.
• Öğücü, M.O. (2006), Yapay Sinir Ağları ile Sistem Tanıma, Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul.
• Özkan, G., Yalpır, Ş. ve Uygunol, O. (2007), “An Investigation on The Price Estimation of Residable Real Estates by Using ANN and Regression Methods” The 12 th Applied Stochastic Models and Data Analysis International Conference (ASMDA), Chania, Crete, Greece.
• Öztemel, E. (2016), Yapay Sinir Ağları, Papatya Yayıncılık Eğitim: İstanbul.
• Peddy Pi-ying, L. (2011), “Analysis of The Mass Appraisal Model by Using Artificial Neural Network in Kaohsiung City”, Journal of Modern Accounting and Auditing, 7 (10),1080-1089.
• Pektaş, A.O. (2013), SPSS ile Veri Madenciliği, Dikeyeksen Yayıncılık: İstanbul.
• Rossini, P. (1997), “Artificial Neural Networks Versus Multiple Regression İn The Valuation of Residential Property”, Australian Land Economics Review, 3 (1), 1-12.
• Sampathkumar, V., Santhi, M.H. and Vanjinathan, J. (2015), “Forecasting The Land Price Using Statistical and Neural Network Software”, Procedia Computer Science, (57), 112-121.
• Selim, S. ve Demirbilek, A. (2009), “Türkiye’de Konutların Kira Değerinin Analizi: Hedonik Model ve Yapay Sinir Ağları Yaklaşımı”, Aksaray Üniversitesi İİBF Dergisi, 1 (1), 73-90.
• Sermaye Piyasası Kurulu. (2006), Sermaye Piyasasında Uluslararası Değerleme Standartları Hakkında Tebliğ, Seri: VIII, No: 45.
• Tanrıvermiş, H. (2018), Gayrimenkul Değerleme Esasları, Sermaye Piyasası Lisanslama, Sicil ve Eğitim Kuruluşu Yayınları: İstanbul.
• Walacik, M., Cellmer, R. and Zrobek, S. (2013), “Mass Appraisal-International Background, Polish Solution and Proposal of New Methods Application”, Geod list, 4, 255-269.
• Wilkowski, W. and Budzynski, T. (2006), “Application of Artificial Neural Networks for Real Estate Valuation”, Shaping the Chanege XXIII FIG Congress, October 8-13, Munich, Germany.
• Worzala E., Lenk, M. and Silva, A. (1995), An Exploration of Neural Networks and Its Application to Real Estate Valuation”. Journal of Real Estate Research, 10(2), 185-201.
• Yazgan, A.E., Koçyiğit, N., Telli Üçler, Y. ve Cici Karaboğa, E.N. (2017), “Konut Fiyatlarının Tahmininde Hedonik Model ile Yapay Sinir Ağlarının Karşılaştırılması:TR52 Bölgesinde Amprik Bir Çalışma”, Akademik Sosyal Araştırmalar Dergisi, (59), 465-478.
• Yıldız, Ü. (2014), Gayrimenkul Bilimlerinde Kitlesel Değerleme Uygulamaları ve Türkiye için Model Önerisi, Yüksek Lisans Tezi, Ankara Üniversitesi, Fen Bilimleri Enstitüsü, Ankara.
• Zhou, G., Ji, Y., Chen, X. and Zhang, F. (2018), “Artificial Neural Network and The Mass Appraisal of Real Estate”, iJOE, 14(3), 180-187.