随着我国房地产存量市场不断扩大,二手房交易占比日渐攀升,但因其市场混乱,交易流程繁琐,加之买卖双方存在信息不对称易导致交易纠纷的发生,且为恶意炒房提供了机会。此外,二手房交易涉及到的税种更多,买卖双方为减轻税负,抑或是为多获得银行贷款,可能伪造“阴阳合同”。因此,对二手住宅的价格进行合理评估,不仅关乎市场交易双方的基本权益,还关系到金融行业信贷风险,并与政府税收的公平公正息息相关,且为推行房地产税改革做了准备,同时也是存量房市场调控措施有效制定与实施的前提。若在实践中采取传统的单宗评估,其操作过程繁琐复杂,且易受较多主观不可控因素的影响,而批量评估技术以计算机系统替代人工进行评估,能够以较低成本在较短的时间内完成大批量二手房价格的评估,并在客观性、高效性和精准性方面优于传统的单宗评估,因此,在二手房价格评估领域,批量评估技术已经逐渐取代了单宗评估。本文将前沿的机器学习方法XGBoost引入批量评估,构建基于XGBoost算法的批量评估模型,并以长沙市同一时期成交的大量二手普通住宅数据作为样本进行训练与测试。本文首先对二手普通住宅价格影响因素进行梳理,兼顾全面性与典型性建立了评估指标体系,并“因地制宜”制定了合理的指标量化标准,以期将特征指标与二手住宅价格之间的关系合理表达。进而通过XGBoost技术建模对量化后的数据集特征与价格之间的关系自动识别模拟,并采取网格搜索法结合交叉验证对XGBoost模型参数进行了优化,实现了高准确度、强泛化能力的批量评估模型的建立,最后以255个样本对模型效果进行测试,并与常见的批量评估方法进行对比,证实了XGBoost方法用于建立二手住宅价格批量评估模型的优越性,值得在房地产批量评估的研究中推广,丰富了批量评估实证层面的方法体系。研究结果表明,二手住宅价格受诸多因素的影响,传统方法无法准确识别特征与价格之间的非线性关系,本文利用XGBoost本身强大的构造非线性组合特征能力建立批量评估模型,有效地弥补了传统方法存在的缺陷,从而实现高精度、低成本且动态科学的二手住宅房地产批量评估目标,值得在房地产批量评估中推广应用。