随着我国经济发展以及企业产权交易日益繁杂,企业价值评估在产权交易中的参与度逐渐加深。而随着《资产评估法》以及新的《中华人民共和国证券法》的陆续出台,市场对于资产评估的需求以及要求均达到了新的高度。企业价值评估的是企业的市场价值。三种方法中,资产基础法通常衡量是评估时点的重置价值,收益法衡量的收益价值为企业的内在价值,而市场法衡量的是真正的交易价值。因此,一定程度上,市场法应当是最贴切实际交易结果的评估方法。目前企业价值评估中的市场法主要分为基于知识驱动型的方法以及基于数据驱动的方法。其中基于知识驱动型的方法主要为综合指数法以及模糊综合评价法,基于数据驱动型的方法主要为人工神经网络法以及回归模型方法。市场中披露的市场法案例基本采用的都是知识驱动型的方法,在运用过程中存在主观依赖性从而导致市场法的评估结果可解释性以及可靠性面临较大挑战。而相对而言,数据驱动型的方法的中主观判断的成分相对较少,方法的逻辑性更强,在目前的监管环境性更具有可解释性以及可追溯性。本次研究通过证券行业的上市公司数据作为市场法评估对象,从数据驱动型方法中最简单的平均法开始,逐步引入多元线性回归模型以及人工神经网络模型。在运用模型的过程中,对于各个模型存在的缺陷以及改进方式进行测试及论证,例如在多元线性回归中引入了VIF、AIC以及PCA等方式以解决指标建立过程中的多重共线性问题,在神经网络中引入了Earlystop、Dropout、正则化等方式解决神经网络过拟合问题。本次研究通过各种方法下的模型MSE（Mean Square Error）均方误差及MAE（Mean Absolute Error）平均绝对误差作为比准,对各种方法下的模型的有效性进行对比以证明模型改善的有效性。通过在多元线性回归中引入VIF、AIC以及PCA的改进模型,根据各模型结果有效性与原始模型有效性进行对比,论证了各种方法对于解决多元线性回归的多重共线性的改善效果。通过引入Earlystop、Dropout、正则化等算法,根据各算法下的改进模型的结果有效性与原始模型有效性进行对比,论证了各种方法对于解决神经网络模型下的过拟问题的改进效果。同时通过对神经网络模型与多元线性回归模型的有效性的对比,论证了神经网络模型在解决企业价值评估中的非线性问题中的有效改善。通过数据驱动型方法的论证,就目前实务层面对于数据驱动型方法运用提出了相应的建议以及进一步的研究方向,为今后在实务过程中采用相应的数据驱动型方法及模型提供了可借鉴的理论基础。