习近平总书记在十九大提出了“房住不炒”要求,国家不断加强房地产市场监管力度和对调整房地产政策,房地产行业在此背景下依然发展迅速,并且有大量的投资和消费等交易活动出现。所以,房地产行业的健康发展,公平交易就离不开客观公正的价格,而此恰恰需要资产评估来给予保证。在评估实务中,市场法、收益法、资产基础法都有一些限制条件,在有些情况下不适用,而且有许多影响的方面是由评估师主观定下的,而对于最终估值,这种主观性至关重要,所以评估是否准确就很难界定;同时,由于商业房地产交易数量众多,若是一个一个评估,工作量相对于评估师比较大,伴随着评估效率较低,除这些外评估成本相对较大。所以在传统评估方法之外,我们需要探索更加科学合理的评估方法,进行批量评估房地产价值。本文在相关文献资料的基础上,采用理论与实证、定性与定量相结合等方法,对房地产批量评估中的机器学习进行研究和实证。首先,介绍在房地产行业不断发展壮大的宏观背景下,选题的重要价值和意义,以及国内外研究现状和文献述评;其次,介绍批量评估的概念和相关理论,以及房地产评估程序和方法,如多元回归、特征价值法、深度学习方法等;然后,深入探讨深度学习中的深度神经网络的重要作用,以及深度神经网络模型的建立、模型的优化;最后,利用链家交易数据,采用深度神经网络模型进行房地产批量评估的实证分析。相较于其他方法批量评估房地产,本文用了充足的数据并优化深度神经网络得到了较好的房地产价格预测效果,发现深度学习模型在大数据的批量评估中具有高效准确的优点。基于理论研究结果,本文认为:第一,硬件设施的提升和多种深度学习模型的探究,将使房地产价格的批量评估更加准确和快速;第二,随着评估理论的研究,进一步完善房价的影响因素体系,房地产评估将更加贴近市场价格,预测效果也会更好,因此完整的估价指标体系构建和数据库的建立将是今后研究批量评估的方向。本文的研究为我国新时代大数据背景下的房地产批量评估提供一种理论方法,但是,在评估实务中,房地产企业定价中用到的数据大多是来自销售部门的数据,如何将理论上的模型特征和市场上的定价策略结合,是值得进一步研究的。