随着房地产业的快速发展,二手房交易市场日益庞大,对于二手住宅价格评估的质量与速度要求显著提高。快速的批量估价不仅能为市场提供合理参考,同时能降低房地产商业贷款中的信贷风险,防止“阴阳合同”出现,为后续房地产税制改革做准备。然而,现有文献对于住宅价格评估模型的研究,大多基于二手房挂牌价格,无法反映真实的交易价格,且未系统总结影响房地产价格的特征因素,指标选取主要基于挂牌数据,存在一定的片面性与主观性。基于以上现实理论与需求背景,本文首先对批量评估、特征价格理论与方法等进行了系统综述。随后,在广泛阅读文献的基础上,归纳总结了影响房地产价格的35个主要因素。同时基于2018年杭州市住房市场的实际情况,选取了 21个特征变量构建评估指标体系。最后,根据相关性分析和特征变量重要性评价选取15个特征变量用于模型构建,基于此,本文选用传统的多元线性回归模型和机器学习中的支持向量回归模型、随机森林模型分别构建二手住宅价格评估模型。研究发现:(1)对于杭州二手住宅价格影响非常重要的因素为离市中心的距离、重点学区、建筑面积、物业费、大学,较重要因素包括房龄、地铁、幼儿园、三甲医院、总楼层、商业综合体、容积率、已建成地铁、所在层,一般因素有绿化率、在建及规划地铁、楼层得分1、楼层得分2。(2)传统多元线性回归模型误差较大,随机森林模型匹配精度最高且拟合优度最大。综上所述,随机森林模型的误判率较低,稳定性较好,适合在房地产批量自动评估领域进行推广。