Konut balonu kavramı ve Türkiye'de konut balonuna ilişkin bir uygulama
Bibliographic record
Abstract
Konut balonu, konut fiyatlarının suni bir şekilde artması demektir. Türkiye’de konut balonu olup olmadığı uzun zamandan beri tartışılmaktadır. Çalışmamızda Türkiye konut sektörü grafik ve şekillerle incelenmiştir. Uygulama bölümünde ise Türkiye’de ve İstanbul’da şu anda bir konut balonu olup olmadığını veya konut balonu dönemleri yaşandıysa ne zaman yaşandığını tespit etmek için Eküs Arttırılmış Dickey-Fuller Testi (Supremum Augmented Dickey-Fuller Test - SADF) ve Genelleştirilmiş Eküs Arttırılmış Dickey-Fuller Testi (Generalized Supremum Augmented Dickey-Fuller Test - GSADF) kullanılmıştır. 2010 ‘un başından 2018’in sonuna kadar uzanan 9 yıllık bir veri seti kullanılmıştır. GSADF testine göre Türkiye’de 2014’de başlayan ve 2016’nın sonuna kadar süren, İstanbul’da ise 2013’de başlayan ve 2017’de sona eren konut balonu dönemleri yaşanmıştır. İstanbul’da daha büyük bir konut balonu yaşanmıştır. 2018’de ise hem Türkiye’de hem de İstanbul’da negatif konut balonu yaşandığı tespit edilmiştir, reel konut fiyatlarında keskin bir düşüş gözlemlenmiştir. ABSTRACTİİİİÇİNDEKİLERİVŞEKİL LİSTESİVİTABLO LİSTESİVİİGRAFİK LİSTESİVİİİKISALTMALARİX1.GİRİŞ12. KONUT BALONU KAVRAMI32.1. EKONOMİK BALON VE KONUT BALONU KAVRAMLARI32.2. GEÇMİŞTEN BUGÜNE KONUT BALONU ÖRNEKLERİ42.2.1 1920’lerdeki Florida Emlak Balonu52.2.2 2007-2008 Ekonomik Krizi52.2.3 1997 Doğu Asya Mali Krizi82.2.4 Japonya Varlık Fiyatları Balonu82.3. KONUTLAR DIŞINDA EKONOMİK BALON KAVRAMI ÖRNEKLERİ103. KONUT PİYASALARININ İŞLEYİŞİ143.1. KONUT PİYASASININ MODELLERLE AÇIKLANMASI163.1.1 Dört Kadran Modeli163.1.2 Örümcek Ağı Teoremi193.1.3 Konutlar için Öneri Kira Teorisi223.3. KONUT SAHİPLİĞİ MALİYETİ233.4 KİRA KONTROLLERİ243.5. KONUT BALONU GÖSTERGELERİ273.5.1. Konut Fiyatlarının Gelire Oranı273.5.2. Konut Fiyatlarının Kiralara Oranı293.5.3. Boşluk Oranları313.6. KONUT FİYATLARINDA ŞİŞKİNLİK OLUŞMASININ BAZI SEBEPLERİ333.7. CASE VE SHİLLER’IN KONUT BALONU ARAŞTIRMALARI363.7.1. Case-Shiller Konut Fiyat Endeksi373.7.2. Case ve Shiller’ın Konut Balonlarını Tespit Etmek İçin Yaptıkları Anketler394. TÜRKİYE KONUT SEKTÖRÜNÜN İNCELENMESİ424.1 GAYRİMENKUL ŞEFFAFLIK ENDEKSİ424.2. KONUT FİYAT ENDEKSLERİ434.2.1 Nominal ve Reel Konut Fiyat Endeksi444.2.2 İller Bazında Reel Konut Fiyat Endeksi454.2.3 Reel Yeni Konutlar Fiyat Endeksi464.2.4 Reel Hedonik Konut Fiyat Endeksi464.2.5 Dolar Olarak Hedonik Konut Fiyat Endeksi474.2.6 Dolar Olarak Konut Fiyat Endeksi ve BIST-100 Endeksi484.2.7 Reel BIST-100 Endeksiyle Reel Konut Fiyatlarının Karşılaştırılması494.2.8 Nominal ve Reel Kira Endeksi504.3. İNŞAAT SEKTÖRÜNÜN EKONOMİDE PAYI514.4. KONUT SATIŞ ADETLERİ524.5. KONUT KREDİSİ FAİZLERİ VE İPOTEKLİ SATIŞLAR544.6. BANKACILIK VE KONUT KREDİSİ İSTATİSTİKLERİ564.6. YAPI RUHSATI VE YAPI KULLANIM İZİN BELGELERİ İSTATİSTİKLERİ584.7. LOKASYONUNA GÖRE ALINABİLECEK KONUT BÜYÜKLÜKLERİ604.8. YABANCILARA KONUT SATIŞLARI624.8. KONUT İNŞAATI MALİYETİ664.9. KONUT FİYATLARININ KİRALARA ORANI674.10. BOŞLUK ORANLARI704.11. KONUT EDİNEBİLİRLİK ENDEKSİ724.12. İNŞAAT GÜVEN ENDEKSİ VE SATIŞ FİYATLARI BEKLENTİSİ ENDEKSLERİ734.13. ENFLASYON VE KONUT FİYAT ENDEKSİNİN BAŞKA ÜLKELERLE KARŞILAŞTIRILMASI764.14. ULUSLARARASI BEKLENTİ ARAŞTIRMASI805. KONUT BALONLARININ TESPİTİ865.1. ADF, SADF VE GSADF TESTLERİ875.2. KULLANILACAK SERİLERİN BETİMSEL İSTATİSTİKLERİ905.3. İSTANBUL KONUT FİYATLARINDA SADF VE GSADF TESTLERİ915.3.1 İstanbul Konut Fiyatlarında SADF Testi915.3.2 İstanbul Konut Fiyatlarında GSADF Testi925.4. TÜRKİYE KONUT FİYATLARINDA SADF VE GSADF TESTLERİ945.4.1 Türkiye Konut Fiyatlarında SADF Testi945.4.1 Türkiye Konut Fiyatlarında GSADF Testi956. SONUÇ98EKLER100KAYNAKÇA105
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.039 | 0.005 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".