房产是大部分中国人都会进行的一项大额投资,这也是房地产业能够成为中国国民经济中一大支柱产业的原因。疫情过后,随着政府出台了一系列放松限购、鼓励购买住房、给予购房补贴的政策,房地产市场可能将会迎来新一轮发展。加上房地产税的改革中评定房地产税税基需要准确评估房地产价值,所以准确评估房地产的价值非常重要。批量评估可以很好地解决传统的单宗评估中存在的各种问题,逐渐成为房地产价值评估研究中的常用方法。关于批量评估房地产,国内研究最初是基于特征价格理论选取变量,使用特征价格模型进行批量评估。后来许多专家学者在技术上对传统特征价格模型进行了改进,具体表现为仍基于特征价格理论选取变量,但在计算时使用机器学习模型对房地产进行评估,如随机森林模型、人工神经网络中的多层感知机模型等,都取得了不错的效果。本文以研究何种批量评估模型的评估值更准确为目的,对特征价格模型、随机森林模型和多层感知机模型各自评估房产价值的能力展开对比研究。本文在变量选取环节仍基于特征价格理论选取特征变量,但在对变量进行回归或训练时,分别使用三种不同的模型以对比各自评估效果。这三种模型的用途并不仅限于批量评估房地产,只是出于特定研究,使用以上三种模型用于批量评估房地产价值,在本文中称这三种模型为批量评估模型。本文总结和梳理国内外的相关文献,详细介绍批量评估的相关理论和本文对比研究的三个模型的基本原理,以石家庄市二手房为样本,基于特征价格理论,选取了12种影响房价的因素并将其划分为3大特征,然后将1000个石家庄市二手房产样本数据分别代入三个模型当中运行,对模型的预测结果进行分析,对比研究各模型的评估效果。最终,本文的得出了多层感知机模型在石家庄市二手房产价值评估中的评估效果更好的结论,并分析了出现此次实证结果背后可能存在的原因和本文在研究设计上的不足。本文的对比研究在一定意义上具有创造性。为批量评估房产价值提供了理论参考,有助于房产交易市场的参与者建立起高效准确的二手房批量评估模型,也为未来房地产税征收时合理评估税基提供了技术支持。