Target of real restate valuation is to find the market value of the real estate property which is a hard task. In stock markets buyers list their price while seller does the same and market price for the stock is the price of latest transaction. But, in real estate properties transactions do not take place frequently and every real estate property is different than each other. So, there is no simple way of determining the market value of the real estate properties.
On the other hand financial institutions loaning money in return of a mortgage on the real estate properties need to know the market value of the real estate property. So, in Turkey, for the financial institutions the valuation of real estate properties is being done by real estate experts. Valuation of the real estate experts depend on a simplified multiple regression analysis and expert’s personal judgement. Assuming that personal judgements are always correct, still this is not the best way to make a bulk valuation.
In this thesis, by combining data mining methods of clustering and classification, we propose a novel, fast, accurate and approximate real estate property valuation method that is robust and intuitive.
Gayrimenkul değerlemenin hedefi, zor bir görev olan, gayrimenkulün piyasa fiyatını belirlemektir. Hisse senedi piyasasında satıcılar satmak istediği hisse adedi ve satış fiyatını listeler ve alıcılar da aynısını yaparlar ve piyasa fiyatı ise hisse senedinde gerçekleşen son işlem fiyatıdır. Fakat, gayrimenkullerde, alım satım işlemleri sık gerçekleşmez ve her gayrimenkul birbirlerinden farklıdır. Bu yüzden, gayrimenkul piyasa değeri belirlemenin basit bir yolu yoktur.
Diğer yandan ise gayrimenkul ipoteği karşılığında kredi veren finansal kurumların, ipotek ettikleri gayrimenkulün piyasa değerini bilmeleri gerekir. Bu yüzden, Türkiye’de, finansal kurumlar için, gayrimenkul ekspertizini, gayrimenkul eksperleri yaparlar. Gayrimenkul eksperlerinin değerlemeleri, basitleştirilmiş bir çoklu regresyon analizi ve kişisel kanaatlerinine dayanır. Kişisel kanaatlerin hep doğru olduklarını varsaysak bile, bu yol hala gayrimenkulleri toplu olarak değerlendirmede kullanılabilecek en iyi yol değildir.
Bu tez çalışmasında, veri madenciliği yöntemleri olan, kümeleme ve sınıflandırmayı birleştirerek, yeni, hızlı, güçlü ve objektif, doğru ve yaklaşık sonuçlar veren bir gayrimenkul değerlendirme yöntemi öneriyoruz.