Türkiye’de 2. el otomobil fiyatlarının tahmini ve fiyat belirleyicilerinin tespiti

Bu çalışmada web sitelerindeki ikinci el otomobil ilanlarından yararlanarak ikinci el otomobil fiyatlarının belirleyicileri araştırılmış ve fiyata yönelik tahminlemeüzerinde durulmuştur. Bilindiği gibi ikinci el otomobil fiyatlaması gerek satıcılar gerekse de alıcılar açısından zor bir durumdur. Çalışmanın temel amacı ikinci el otomobil fiyatlamasında etkili olan faktörleri ortaya koymaktır. Diğer amaç ise iki istatistiksel modelin otomobilfiyatı belirleme noktasındaki tahmin performanslarınıkarşılaştırmaktır. Bu bağlamda çalışmada hedonik model ve yapay sinir ağları modeli kullanılmıştır. Hedonikmodeller büyük veri setlerini analiz etmek için çokluregresyon modellerinden yararlanır. Öte yandan hedo- nik fonksiyonların doğrusal olmama potansiyeline sahipolmaları nedeniyle çalışmada alternatif olarak yapaysinir ağlarına başvurulmuştur. Sonuç olarak çalışma,hem Türkiye’deki ikinci el otomobil fiyatlarının belirleyicilerini ortaya koymuş hem de yapay sinir ağlarınınikinci el otomobil fiyatlarının belirlenmesinde daha iyi bir yöntem olabileceği göstermiştir.

Forecasting of second-hand automobile prices and identification of price determinants in Turkey

In this study, determinants of second-hand automobile prices are examined and focused on the estimation of price using the second-hand automobile advertisements in web sites. As known, second-hand automobile pricing is a difficult matter for both automobile buyers and sellers. The primary goal of this paper is to identify the determinants of second-hand automobile pricing. Additionally, the second purpose is to compare the prediction performances of two statistical models in order to predict second-hand automobile prices. In this context, hedonic models and artificial neural networks are handled in this study. Hedonic models utilize multiple regression models on large data sets in the analyses. On the other hand, artificial neural networks are employed in this studty as an alternative method on account of potential non-linearity in the hedonic functions. As a conclusion, the present paper demonstrates both determinants of second-hand automobile prices in Turkey, and also artificial neural networks can be a better alternative method for prediction of the second-hand automobile prices.

PDF

___

Asilkan, Ö. ve Irmak, S. (2009). İkinci El Otomobille- rin Gelecekteki Fiyatlarının Yapay Sinir Ağları ile Tahmin Edilmesi. Süleyman Demirel Üniversitesi İİBF Dergisi, 14 (2), 375-391.
Asilkan, Ö. (2011). İkinci El Otomobillerin Güncel Pazar Fiyatlarının Veri Madenciliği Yöntemleriyle Modellenmesi. Akademik Bakış Dergisi, 24, 1-19.
Bin, O. (2004). A prediction comparison of housing sales prices by parametric versus semi-paramet- ric regressions. Journal of Housing Economics, 13, 68–84.
Bishop, C. M. (1994). Neural Networks and Their Applications. Review of Scientific Instruments, 65 (6), 1803-1832.
Chan, E. H. W., So, H. M.,. Tang, B. S ve Wong, W. S. (2008). Private space, shared space and private housing prices in Hong Kong: An exploratory study. Habitat International, 32: 336–348.
Chen, Z., Cho, S., Poudyal, N. ve Roberts, R. K. (2009). Forecasting housing prices under different sub-market assumptions. Urban Studies, 46 (1), 167- 187.
Coulson N. E., McMillen D. P. (2008). Estimating time, age and vintage effects in housing prices. Journal of Housing Economics, 17, 138-151.
Fletcher, M., Mangan, J. ve Raeburn, E. (2004). Com- paring hedonic models for estimating and fore- casting house prices. Property Management, 22(3), 189–200.
Halvorsen, R. ve Palmquist, R. (1980). The interpretation of dummy variables in semilogrithmic regressions. American Economic Review, 70 (June), 474-475.
He, C., Wang, Z., Guo, H., Sheng, H., Zhou, R., Yang, Y. (2010). Driving Forces Analysis for Residential Housing Price in Beijing. Procedia Environmental Sciences 2, 925–936.
Hepşen, A. (2012). Finansal Krizlerde Gayrimenkul Fiyat Endekslerinin Önemi ve Endekslerin Oluşturulmasında Kullanılan Yöntemler. Sermaye Piyasası Dergisi, Nisan, 1-19.
http://www.arabam.com, Erişim Tarihi: 23.10.2012.
http://www.sahibinden.com, Erişim Tarihi: 14.09.2012.
Irandoust, M. (1998). Pricing Policy in the Swedish Automobile Market. Journal of Economics and Business, 50 (3), 309-317.
İşeri, A. ve Karlık, B. (2009). An artificial neural networks approach on automobile pricing. Expert Systems with Applications, 36(2), 2155-2160 (Part 1).
Jim, C.Y., Chen, W.Y. (2009). Value of scenic views: hedonic assessment of private housing in Hong Kong. Landscape Urban Planning, 91 (4), 226–234.
Kiefer, H. (2011). The house price determination pro- cess: Rational expectations with a spatial context. Journal of Housing Economics, 20, 249-266.
Kiel, K. A. ve Zabel J. E. (2008). Location, location, lo cation: The 3L Approach to house price determi- nation. Journal of Housing Economics, 17, 175-190.
Rumelhart, D. E., Hinton, G., ve Williams, R. (1986). Learning Representation by Back-Propagating Errors. Nature, 323, 9, 533-536.
Selim, H. (2009). Determinants of house prices in Turkey: Hedonic regression versus artificial neural network. Expert Systems with Applications, 36 (2009), 2843-2852.
Stadelmann, D. (2010). Which factors capitalize into house prices? A Bayesian averaging approach. Journal of Housing Economics, 19, 180-204.
Tang, B. S. ve Yiu, C.Y. (2010). Space and scale: a study of development intensity and housing price in Hong Kong. Landscape and Urban Planning, 96, 172-182.
Tay, D.P.H. ve Ho, D.K.K. (1992). Artificial Intelligence and the Mass Appraisal of Residential Apartments. Journal of Property Valuation and Investment, 10(2), 525-540.
White, H. (1980). Heteroskedasticity-consistent covariance matrix and a direct test for heteroscedasticity. Econometrica, 48, 817-838.