K - Ortalama Algoritması ile Kümelenmiş Konut Fiyatlarının Fonksiyonel Veri Analizi : İstanbul Örneği

Year 2015, Issue: 604, 75 - 85, 01.06.2015

Ali Hepşen , Olgun Aydın , Orhan Vatandaş

Abstract

Bu çalışmada, İstanbul’daki konut fiyatları ile makro ekonomik durum arasındaki ilişkinin incelenmesi amaçlanmıştır. Bu ilişkiyi detaylı incelemek için REIDIN’den elde edilen İstanbul’un 281 mahallesine ait Ocak 2008-Ekim 2014 tarih aralığındaki aylık düzende yer alan medyan metre kare satış fiyatları kullanılmıştır. Öncelikle 281 mahalleye ait veriler K-Ortalama Algoritması yardımıyla 10 kümeye ayrılmıştır. Daha sonra elde edilen bu 10 bölgeye ait ilgili tarih aralığındaki medyan fiyatları hesaplanmıştır. 10 kümeye ait veriler, B-Splayn Baz Fonksiyonlar yardımıyla sürekli ve türevlenebilir fonksiyonlara dönüştürülmüştür. Sonrasında Pürüzlü Ceza Yaklaşımı ile veriler düzgünleştirilmiş, bu düzgünleştirilen verilerden ortalama fonksiyonu hesaplanmış ve İstanbul Geneli metre kare konut satış fiyatlarını temsil ettiği doğrulanmıştır. Ortalama fonksiyonunun birinci türevi alınarak fiyatların artış hızındaki değişimler ayrıntılı bir şekilde incelenmiştir ve ilgili dönemlerdeki makro ekonomik durumla ilişkilendirilmeler yapılmıştır

Keywords

İstanbul Konut Sektörü, Fonksiyonel Veri Analizi, Pürüzlü

Functional Data Analysis of Clustered Housing Prices with K-Means Algorithm : Istanbul Example

Abstract

Functional data analysis is a branch of statistics that analyzes data providing information about curves, surface etc. varying over a period. The period is often time, but sometimes it may be spatial location, probability, etc. This techniques pioneered by Ramsay and Silverman are improved to analyses such type of data. The main purpose of this study is to analyze the relation between house prices and the economic situation. In this study, Istanbul’s 281 district house prices per sqm is used for the January 2008 to October 2014 period, obtained directly from REIDIN Real Estate Information Service. First of all 281 districts’ house price data was clustered into 10 groups by using K-Means Algorithm, and then, the average monthly price per sqm is calculated for 10 clusters. This data set converted to continuous and differentiable functions by using B-Spline Basis Functions and Roughness Penalty Approach, then the mean function of these functions is calculated, and the calculated function is tested whether it represents the Istanbul composite house price itself, the first differentiation of the mean function is investigated carefully to analyze the relation between house prices and the economic situation on a periodic time on price rise and falls. Especially, impact of the strong mortgage loan variation on the housing prices is detected

Keywords

K-Means Clustering, Functional Data Analysis, Roughness Penalty

References

• GHYSELS, E. et al (2012) Forecasting Real Estate Prices
• Handbook of Economic Forecasting: Vol II, G. Elliottand A. Timmermann (Eds.), Elsevier, forthcoming. YANKAYA, U., ÇELİK, H.,M., (2005), İzmir Metrosunun Ko- nut Fiyatları Üzerindeki Etkilerinin Hedonik Fiyat Yöntemi İle
• Modellenmesi, D.E.Ü.İİ.B.F. 20(2)ss:61-79. KESBİÇ, C.,Y., KÖNCE, A., Ç., BALDEMİR, E., İNCİ, M., (2011), Ekolojik Kirliliğin Gayrimenkul Fiyatları Üzerindeki Et- kisinin Araştırılması: Yatağan Termik Santrali Örneği, Finans
• Politik & Ekonomik Yorumlar, 45(557). SARAÇ, E.,(2012),Yapay sinir ağları metodu ile gayrimenkul değerleme, T.C. İstanbul Kültür Üniversitesi Fen Bilimleri En- stitüsü Yüksek Lisans Tezi.
• DUBIN R., PACE K., R., THIBODEAU, T., G. (1999), Spatial
• Autoregression Techniques for Real Estate Data, Journal of Real EstateLiterature, 7(1). HEPŞEN, A., AYDIN, O. , VATANDAŞ, O., (2015) Statistical
• Analysis ForImpacts Of Economical Conditions On Housing Markets: An Example On Fragıle 5 Countries, Journal of Busi- ness, Economics and Finance, 4(1). REIDIN Gayrimenkul Bilgi Platformu, www.reidin.com StatSoft: Electronic StatisticsTextbook 2011, http://www.stat- soft.com/Textbook
• HARTIGAN J. A., WONG, M. A., Algorithm AS 136: A K-Means Clustering Algorithm, Journal of the Royal Statistical Society. Series C (Applied Statistics), Vol. 28, No. 1 (1979), pp. 100-108
• INGRASSIA, S., COSTANZO, G., Functional principal compo- nent analysis of financial time series, New Developments in Classification and Data Analysis, Springer-Verlag, Berlin, 2005, 358
• GREEN.P.J., SILVERMAN B.W. (1994).Nonparametric Re- gression and Generalized Linear Models: A Roughness Pen- alty Approach. Chapman & Hall:London.
• RAMSAY, J.O., SILVERMAN, B.W. (1997).Functional Data
• Analysis. Springer–Verlag: NewYork. RAMSAY J. O., (1998).Curve Registration, Journal of the Roy- al Statistical Society: Series B,60(2).
• SETH, J. (2011) Forecasting The Real Estate Market: A Coin- tegrated Approach Master Of Arts Thesis, The Faculty of the Department of Economics University of Houston.
• GUO, J. (2012) Housing Price Forecasting based on Stochas- tic Time Series Model, Int.J.Buss.Mgt.Eco.Res.,Vol 3(2), 2012, 505