Otomatik gayrimenkul portföyü optimizasyon sistemi tasarımı

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, ELEKTRONİK VE HABERLEŞME MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2026

Tezin Dili: Türkçe

Öğrenci: FATİH TURAN

Danışman: Bülent BOLAT

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tez, Türkiye'de UYAP e-Satış ihalelerinde nihai satış bedelini öngörmek amacıyla sızıntı-güvenli ve üretime uygun bir tablo-veri çerçevesi sunmaktadır. Hedef değişken, dönem ve ölçek farklarına dayanıklı olacak biçimde \mathrm{DIFF}=\log(1+\mathrm{bid})-\log(1+\mathrm{est\_val}) olarak tanımlanmıştır. Tüm öznitelikler, ilanın kapanış tarihinden önceki bilgilerden türetilmiş; makro reelleştirme (TÜFE/KFE) ile yalnızca geçmiş işlemlere dayalı mekânsal-zamansal komşuluk sinyali (ST-lag) yöntemin omurgasını oluşturmuştur. Ana öğrenen olarak CatBoost kullanılmış; kategorik değişkenler ordered hedef istatistikli kodlama ile işlenmiş ve simetrik (oblivious) karar ağaçları tercih edilmiştir. Doğrulama, zaman-sıralı ve ilçe-bırakmalı ayrımlarla gerçekleştirilmiş; üretim tutarlılığı için öznitelik şeması .features.json dosyasıyla dondurulmuştur. Değerlendirme, MAE, MAPE, RMSE ve R^2 ölçütlerinin yanı sıra kitlesel değerlemeye özgü COD ve PRD göstergeleriyle yapılmıştır. 2025 test kesitinde Konut türü için CatBoost–DIFF modeli R^2 \approx 0.70, MAE \approx 1.196 milyon TL ve MAPE \approx 25\% üretmiş; price_band göstergesi küresel ölçekte nötr veya sınırlı katkı sağlamıştır. Dükkan türünde yüzde hata azalırken varyans artabilmekte; Arsa türünde ise band bilgisi RMSE ve R^2 değerlerini belirgin biçimde iyileştirmektedir. Alternatif hedefler de değerlendirilmiş; \text{RATIO}=\log\!\left(1+\frac{\mathrm{bid}}{\mathrm{est\_val}}\right) performans olarak DIFF'e yakın bulunurken, \text{ABS}=\log(1+\mathrm{bid}) kalibrasyon göstergelerinde daha zayıf kalmıştır. SHAP analizleri, modelin ağırlıklı olarak estval_per_m2, reelleştirilmiş değer göstergeleri, konum (lat/lon), deed_area ve stlag_log_bid_idw sinyallerine dayandığını; Moran's I sonuçları ise artıkların anlamlı bir mekânsal bağımlılık taşımadığını göstermektedir. Sonuç olarak bu çalışma, UYAP bağlamında sızıntısız ST-lag ve makro reelleştirme ile desteklenen CatBoost tabanlı bir otomatik değerleme modelini, tekrarlanabilir ve devreye alınabilir bir doğrulama ve izleme çerçevesiyle birlikte sunarak literatüre uygulamaya dönük bir katkı sağlamaktadır.