Ofis Kiralarının Bulanık Regresyon Yöntemiyle Belirlenmesi: Ankara İli Örneği

Abstract

ÖZET Doktora Tezi OFİS KİRALARININ BULANIK REGRESYON YÖNTEMİYLE BELİRLENMESİ: ANKARA İLİ ÖRNEĞİ Uğur ŞEN Ankara Üniversitesi Fen Bilimleri Enstitüsü Gayrimenkul Geliştirme ve Yönetimi Anabilim Dalı Danışman: Prof. Dr. F. Nihan ÖZDEMİR SÖNMEZ Eş Danışman: Prof. Dr. Furkan BAŞER Ekonomik dalgalanmalar, sosyal ve teknolojik gelişmeler; işgücünün sektörel yapısını dönüştürerek ofislerdeki taleplerde değişikliklere neden olmaktadır. Bu bağlamda, ofis kira pazarı; ekonomik eğilimlerden ve sektördeki değişikliklerden etkilenmekte ve dolayısıyla kiraların ekonomik, sosyal mekânsal veya çevresel faktörleri birlikte dikkate alan yöntemlerle belirlenmesi gerekmektedir. Ancak geleneksel yöntemler, homojen piyasa varsayımıyla çalıştıkları için, heterojen bir yapıya sahip olan ofis kira pazarında yetersiz kalabilmektedir. Nitekim konum ve bina özellikleri gibi faktörler kirayı önemli ölçüde etkilemekte; bu da ofis pazarının alt pazarlar şeklinde bölünerek analiz edilmesini gerektirmektedir. Bu noktada alt pazarlardaki arz ve talep dinamiklerinin incelenmesini mümkün kılan pazar bölümlendirmesi yaklaşımı, daha gerçekçi ve isabetli değerleme sonuçlarının elde edilmesine katkı sağlamaktadır. Diğer yandan pazar bölümlendirmesinde alt pazar sınırlarının kesin biçimde tanımlanamaması, kullanıcı tercihlerinin ölçülebilirliğindeki belirsizlikler, geleneksel modellerin açıklama gücünü sınırlamaktadır. Bu tür belirsizliklerin yönetilmesinde, matematiksel olarak belirsizliği ifade edebilen Bulanık Regresyon Fonksiyonları yöntemi öne çıkmaktadır. Bu araştırmanın amacı, geleneksel yöntemlerin ofis kira pazarını yansıtamadığını ortaya koymak ve bu bağlamda Makine Öğrenmesi ile pazar bölümlendirmesi yaklaşımlarının değerlemeye katkılarını incelemektir. Bu doğrultuda, belirsizlik ve çok boyutluluğun daha doğru modellenebilmesi için pazar bölümlendirmesi ile Bulanık Regresyon Fonksiyonları birlikte ele alınmış ve çeşitli makine öğrenmesi algoritmalarıyla karşılaştırılmıştır. Araştırmada, Ankara ili Çankaya ilçesindeki 14 adet ofis binasına ilişkin 2.228 kira verisi kullanılmıştır. Model performansları; kestirim doğruluğu ve hata oranları dikkate alınarak karşılaştırılmış, en yüksek doğruluk pazar bölümlendirmesi ve Bulanık Regresyon Fonksiyonlarıyla desteklenen Rasgele Orman Modelinde elde edilmiştir (RMSE: 0,237305; MAE: 0,187292; rRMSE: 0,039972; rMAE: 0,031545). Bu bulgular, önerilen yaklaşımın hem teorik hem pratik düzeyde daha duyarlı ve güvenilir sonuçlar sunduğunu göstermektedir. Gayrimenkul pazarının artan heterojenliği ve riskleri, değerleme çalışmalarında sağlıklı kestirimlerin yapılabilmesi için matematiksel modellerin kullanılmasını zorunlu kılmaktadır. Mayıs 2025, 200 sayfa