伴随着社会的不断向前发展,家长们将更多地精力投入子女的教育问题,以便子女在日后的竞争中能够获得快人一步,因此家长们不谋而合的为子女争取义务教育阶段的优质教育资源。因各种历史遗留原因,我国各地区普遍存在教育资源分配不均的问题,往往只有极少数的重点中小学校占据了绝大部分的优质教育资源。因此,努力让孩子进入重点中小学校学习成为了广大家长们的重要目标。伴随就近入学政策的逐步落实,重点中小学周边的学区型住宅备受家长们的关注,成为众人追捧的“学区房”,加上社会缺乏多样的入学渠道,“以房择校”成为望子成龙望女成凤的家长们的最佳选择。在强烈教育需求的裹挟下,学区房价格不断走高,优质教育资源对住宅价格的影响日益凸显,教育资源资本化的程度差异也引起了国内外学者们的广泛关注。BP神经网络能够模拟人类大脑的学习思维能力,是一种功能强大、应用广泛的机器学习算法,在价值评估领域被广泛应用。它具有自适应性和大规模并行处理数据的能力,这使得数据处理过程中的人力物力消耗大量减少,非线性问题处理高效,评估主观随意性降低,极大的提高评估的准确性。本文首先解释了学区房为什么出现以及对学区房的价值进行评估研究的重要性,接着论述了国内外学者在人工神经网络和学区房价值评估方面的相关研究现状,进而提出了本文的研究框架与研究思路。其次,从传统房地产价值评估的角度出发,介绍了传统房地产的种类和价值变量,分析学区房价值评估与传统房地产价值评估的异同。在概况分析了传统房地产评估方法的优劣之后,提出将BP神经网络模型应用到学区房价值评估之中,并对BP神经网络概念及操作步骤进行了详细的介绍,以证实运用BP神经网络评估的可行性和优越性。在评估学区房价值的过程中,还选择引入Hedonic特征价格模型对评估模型进行优化改进。利用Hedonic特征价格模型对样本指标体系进行优化,消除指标之间的共线性影响,以提高估计模型的准确度,将优化后的样本作为输入值导入BP神经网络模型当中,让其建立非线性映射关系、模拟大脑进行自我训练,最终准确的预测出房地产的价值。本文以南昌市教育资源较为集中的“中心六区”(红谷滩区、东湖区、西湖区、青山湖区、青云谱区、高新区)为研究范围,利用python对链家、安居客和南昌房地产信息网上符合条件的数据进行收集,并对这些数据作了筛选和处理。在利用Matlab构建了价值评估模型之后,通过实证分析并代入数据计算后发现,该模型能较为准确的预测出学区房的价值,证明了本文提出的这种改进后的评估方法具有充分的准确性与有效性。最后,由于作者水平有限,本文仍然存在一些不足,比如某些指标对房价影响不显著且难以量化,为降低评估难度只能将该指标删除,同时还存在交易双方信息不透明导致的特殊情况,使得房屋交易价格远远偏离平均线,希望以后能找到对这些特殊情况进行量化的方法;还有本文的大部分房地产价格数据为挂牌价格,小部分为房信网上的交易价格,因为对房信网的数据进行爬取有一定的违法风险,这也对评估的准确性有一点影响,希望以后南昌市政府能成立房地产交易数据库,这样大家对南昌市房地产市场研究更加准确,为南昌市房地产行业未来的发展提出更多有价值的建议。