在“缺芯潮”的冲击下,汽车制造业受到了严重影响,新车的交付周期被迫延长,减少配置、加价提车也不少见。而疫情对经济的影响也使得人们的消费预期普遍降低转而将目光投向高性价比的二手车。同时伴随一系列政策的推动,二手车行业进入井喷式发展阶段。但目前的二手车市场还未形成统一规范的价格标准,大多数仍依靠评估人员自身经验得出较为主观的评估结果,此外还存在平台肆意标价甚至违规修改里程表、隐瞒车辆泡水等问题,扰乱二手车市场的交易公平。因此,本文旨在借助大数据技术和机器学习探索高精度的二手车估价模型以期为我国二手车行业改进评估模型提供一种思路。本文首先由我国二手车市场的发展现状及存在的问题引出研究背景明确研究意义。随后通过对国内外有关特征价格理论、二手车评估和XGBoost算法的文献资料进行整理归纳,从理论上说明XGBoost应用在二手车价值评估中的可行性。在特征价格理论的基础上借鉴学者过往有关二手车价格影响因素的研究,从市场性因素、实体性因素及功能性因素三方面分析选取了30个特征变量,使用网络爬虫技术从瓜子二手车直卖网站中共爬取10800个二手车挂牌数据并对数据中的空白字段和异常数值采取人工确认填补或者删除等处理措施,经过量化、排序及筛选进而建立了最终的二手车价值评估的特征变量体系。在实证过程中,将预先处理好的原始数据拆分成训练集、测试集及验证集三部分,通过调整参数得到不同的训练模型并观察其在验证集上的表现以确定最优模型相应的参数。利用XGBoost算法理论建立回归模型进行二手车的价格预测,通过将其与随机森林回归模型、支持向量回归模型以及多元线性回归模型在测试集数据上的预测值误差和模型的拟合优度结果进行对比分析,得出基于XGBoost算法的二手车估价模型的评估准确性最高,进一步证实了XGBoost算法的优越性且在二手车价值评估中具有较强适用性。本文从车辆特征指标出发并借助大数据技术和机器学习对二手车价值实现较为准确的评估,为平台及买卖双方提供一个较为可靠的参考标准,对于推动二手车交易市场规范定价、保障消费者合法权益,促进国内二手车交易市场的稳定发展有着重要意义。