自沪深证券交易所分别成立以来,中国证券市场的发展己近二十年的历史了。在这近二十年的发展历程中,我国的股票市场经历了庄股时代,价值投资时代和后价值投资时代,价值投资理念在市场的地位不断凸现。同时证券市场规模也不断壮大与规范、市场创新不断深化、证券市场信息披露不断完善、机构投资者队伍不断壮大。随着我国成功进入WTO和引入QFII,使得中国证券市场正在加快与国际接轨的步伐,投机思维的生存空间已被大大压缩,股价已经不再以市场主力的意志为转移。上市公司的基本面开始成为股票定价的重要因素,价值投资逐渐成为主要的投资理念。本文主要将国外成熟的股票定价理论与中国证券市场实际情况结合,建立适合中国证券市场的股票相对内在价值多因素估值模型,从而能够帮助投资者进行投资决策,有重要的实践意义,这不仅有助于了解上市公司基本面因素中所包含的股价信息含量,同时也将为以上市公司基本面为基础进行股票定价提供理论支持。鉴于股市是一个非常复杂的系统,所以本文尝试性地运用泛化能力更强的BP神经网络模型进行定价,取得了比较满意的效果,通过本文的研究,投资者可以了解基本面因素对股价的作用机制、作用力度及作用形式,找出相对内在价值被市场低估和高估的股票,从而制定出相应的投资策略。本文第一部分总结归纳了西方证券市场的各种股票定价理论和方法;本文第二部分在总结国内外已有的实证研究成果的基础上,结合中国证券市场,提出了本文的研究方法和体系;第三部分利用房地产业上市公司公布的2006年度财务数据,为实务界演绎出了实用的股票相对内在价值多因素估值模型和人工神经网络估值模型;第四部分总结了房地产行业股价影响因素的特征,并对未来中国证券市场的发展提出了一些建议。本文研究发现:多因素估值模型整体通过了显著性水平为0.05的检验,模拟精度达到54.4%,所得出的模型变量系数对投资者选择股票具有一定的参考价值;人工神经网络估值模型的训练样本和检验样本的精度分别达到90.41%和73.99%,具有比多因素估值模型更好的统计预测效果。因此,投资者可以以人工神经网络估值模型为主要估值工具,并结合其它估值方法,最终确定可供投资的价值型股票,以期获得超额投资收益和降低投资风险。