房地产业是国民经济发展的基础性、先导性、支柱性产业。房地产更是我国居民资产的重要组成部分。商业房地产是房地产的主要形态之一,其价格评估在持有、租赁、转让、抵押、征用、司法拍卖、税款征收以及企业资产重组、改制、上市等活动中发挥重要作用,商业房地产的估价事实上已是我国经济与社会生活的主要内容之一。依据评估对象的相关数量进行分类,房地产评估可分为单宗评估、批量评估。单宗评估通常是指对单独一宗标的物进行评估,而对一系列标的物按照标准实施评估则为批量评估。我国现行的商业房地产普遍使用单宗评估,方法多数是市场比较法、收益法、成本法,其缺点是标准不一、效率偏低,而利用互联网数据及空间地理信息,引入机器学习等方法,实施批量评估,可以有效提升评估的效率和准确性。我国房地产批量评估研究主要针对住宅,通常采用特征价格理论和机器学习方法实现批量评估。由于商业地产具有交易低频和样本稀缺的特点,针对商业地产的批量评估研究和应用相对欠缺。本文借鉴住宅评估的一些方法和路径,运用特征价格理论,构造多源价格融合模型,开展商业房地产批量评估实证。主要工作包含:(1)通过对现有的文献进行研究,从交通、商业、邻近、建筑4个方面梳理出38个对商业房地产价格产生影响的特征因素,以及对应的量化方法;(2)利用机器学习方法定量研究了这些价格特征与商业地产价格预测的有效性;(3)设计了一种多源数据的商业地产价格预测模型,实现第三方评估机构价格数据与互联网上获取的价格数据的有效整合利用;(4)以重庆市巴南区9个片区的4200套商铺为研究对象,选取520例样本,经过数据分组、归一化处理,使用多元线性回归、指数线性回归、支持向量回归、多源价格融合4种方式实施批量评估实验。实验结果表明,本文设计的价格特征变量和多源价格融合模型,能比较准确地对特定商业用房(商铺)实施批量评估。