Ofis Kiralarının Kestiriminde Makine Öğrenmesi Yaklaşımları ve Pazar Analizi

Özet

Amaç – Ofis kiralarının tespiti yeni ofis gelişim alanlarının, gayrimenkul yatırımlarının yönlendirilmesi ve planlama stratejilerinin oluşturulmasında önemli bir rol oynamaktadır. Bu amaçla kullanılan geleneksel değerleme yöntemlerinin değişkenler arasındaki karmaşık ilişkileri tam olarak açıklayamadığı, daha kısıtlı verilere ve öznel değerlendirmelere dayandığı ve böylece ofis kiralarının belirlenmesinde önemli hata paylarına neden olduğu görülmektedir. Bu araştırma, Ankara ili Çankaya ilçesindeki ofis kiralarının belirlenmesinde geleneksel değerleme yöntemleri ile makine öğrenmesi yöntemlerini karşılaştırarak, hangi yaklaşımın daha düşük hata sağladığını belirlemeyi amaçlamaktadır. Yöntem – Araştırmada, 2019-2024 yılları arasında Çankaya ilçesine ait ofis kira verileri kullanılmıştır. Geleneksel değerlerme yöntemlerinden Emsal Değer Analizi; makine öğrenmesi yöntemlerinden Çoklu Doğrusal Regresyon, Ridge Regresyonu, Lasso Regresyonu, Karar Ağaçları, Rasgele Orman, k-En Yakın Komşu, Radyal ve Doğrusal Çekirdekli Destek Vektör Makinesi, XGboost Modeli, Yapay Sinir Ağları yöntemleri uygulanmıştır. Kök Hata Kareler Ortalaması (Root Mean Square Error - RMSE), Ortalama Mutlak Hata (Mean Absolute Error - MAE), Göreceli Kök Hata Kareler Ortalaması (Relative Mean Square Error - rMSE), ve Göreceli Ortalama Mutlak Hata (Relative Mean Absolute Error - rMAE) hata ölçütleri kullanılarak model performansları karşılaştırılmıştır. Bulgular – Analiz sonuçlarına göre, Rasgele Orman algoritması en düşük hata oranlarını sağlayarak en başarılı tahmin performansını göstermiştir. Geleneksel değerleme yaklaşımı, değişkenler arası etkileşimi tam olarak yansıtamazken, makine öğrenmesi modelleri ile daha hassas kestirim değerleri elde edilmiştir. Tartışma – Makine öğrenmesi yöntemleri, dinamik piyasa koşullarına uyum sağlayarak ofis kiralarının değerlemesinde önemli avantajlar sunmaktadır. Araştırma, gayrimenkul sektöründe veri odaklı ve yenilikçi karar destek sistemlerinin geliştirilmesine katkı sağlamaktadır.