论文部分内容阅读
摘要：AVM(自动评估模型)是批量评估方法体系的关键技术。本文系统地介绍了AVM的技术原理，并论述了模型设定理论层面与模型校准技术层面以及两者相互的联系，提出了开发和应用国内AVM，建立税基批量评估方法体系的一些构想。
一、AVM(Automated Vatuation MOdel)技术的发展过程
在价值评估中对计算机的最初应用，就是从国外财产税税基评估人员开始的。由于征税需要对大批量的财产进行评估，同时又要保证财产从价税税基评估中的一致性与公允性，因此，美国的征税部门在上世纪50年代就开始尝试在财产税税基批量评估中应用计算机。但当时计算机技术的发展还处于初级阶段，因此计算机运用中的费用也十分高昂，导致计算机在价值评估中的运用受到了很大的限制。
随着上世纪70年代以来计算机硬件和软件技术的迅速发展，与其使用成本的不断下降至80年代末，美国拥有10000宗以上地块的财产税评估管理部门都已配备了包括工作站、通用软件在内的计算机应用系统。税基批量评估中计算机应用的演进可分为三个阶段。第一阶段是评估师将收集到的数据填入计算机电子表格中进行处理；第二阶段，是收集数据环节的计算机化，即按满足一定的数据记录和数据输入格式的方式收集有关的财产数据：第三阶段是评估程序的自动化，即将数据输入预先设定的计算公式而获得评估结果。在此阶段，开始应用AVM技术。目前，AVM技术不仅应用于财产税税基的批量评估，还被广泛地应用于抵押财产的批量评估业务中。
二、AVM的技术原理
(一)AVM的基本流程描述
由于只要在其相关的市场区域内具有充足的市场信息和财产数据的财产类型就可以运用AVM技术，所以AVM可以应用于动产、不动产甚至是无形资产的价值评估。目前，应用AVM最多的还是不动产评估领域，其中住宅是最早应用AVM的财产类型。因此，相对于其他财产类型的AVM而言，不动产评估AVM的应用技术开发和操作流程更为成熟。
国际财产征税评估人员联合会(International Asso-ciation of Assessing Officers，IAAO)在其2003年颁布的《自动评估模型规范》(Standard on Automated训uatlon Models)中指出，在进行不动产从价税评估中应用AVM技术时，评估师首先必须根据地图、不动产所有权凭证、不动产所在位置，对不动产的所有者、不动产的特征以及所评估的不动产权利进行确认。在实务中，评估师可以借助地理信息系统GIS(Geographic lnforma-引on System，一种用来存储、检索、操作、分析并显示地理空间信息的数据库管理系统。)来获取各种与评估相关的资料。接着，评估师必须确定AVM应用中所有的假设，包括特别的限制条件和逆向假设条件。然后，评估师必须确定不动产样本的经济域[Economlb Aear。也称为市场域(Mar2etAear)]。所谓经济域是指具有相似特征财产所构成的群体。在不动产从价税税基评估中，这一步骤称为分层(Stratification)。评估师根据财产用途，物理特征或位置确定具有相似特征的样本财产组。AVM可以针对各个经济域分别设定。
不论是一般的财产价值评估还是财产价值的批量评估，其可信度都依赖于所收集数据的精确程度。在西方，虽然商用AVM一般使用的是政府机构或受政府委托收集数据的部门提供的数据，但是，评估师们仍必须对数据的可靠性进行检验。具体做法是利用计算机统计软件甄别出可能丢失的数据或者超出范围和不具备一致性的样本。在不动产从价税的税基评估中，还可以使用GIS来检验数据。GIS能使正常样本与异常样本将通过不同的颜色在计算机屏幕中得到显示，从而使评估师轻松找到那些不合理的数据。必须明确的是，只有在公开的和恰当的市场上的销售和收益数据才能在模型设定中使用。通常认为，来自政府机构的公开数据的可信度最高，而私人商业机构的数据可以作为政府数据的一种补充。
在保证所收集数据质量的基础上，评估师可以决定AVM的类型以及模型中应用的变量。虽然各种AVM的基本原理相同，但是不同评估条件下所采用的具体AVM的结构是有所差别的。下一步，评估师将根据所选择的模型具体形式，寻找能够校准统计学技术与计算机技术。通常，模型的设定和校准是相互联系的，选择了哪种AVM结构，往往意味着必须应用哪种统计技术来校准模型的系数或其调整量。当然，已有一些新的计算机统计计量方法并不严格依赖于所设定的模型。如应用时间序列方法、人工神经网络等技术，就可以直接对批量财产进行价值评估。而且，在一些特定的情况下，这些方法甚至可能获得比AVM更高的精确度。
此外，在AVM应用前，评估师还必须利用测试样本对校准后的模型进行效果检验。最后，评估师必须提供论证报告、使用报告与CAMA／AAAVM报告等三种不同类型的AVM报告。CAMA报告和AAAVM报告是批量评估结果的报告类型，CAMA报告主要用于公共领域的财产类税基批量评估目的，而AAAVM报告用于私人领域的各种商业性活动。
(二)AVM理论层面的设定
AVM的设定是采用AVM技术进行价值评估的核心环节。模型的设定依据有评估三大基本方法的原理、财产特征以及跟踪财产价值随时间变化趋势的时间系列法等。根据目标财产的类型、评估假设和可获得的数据，确定AVM的结构以及所应用的变量。模型的结构反映了因变量指标(如销售价格，租金或者资本化率等)与其相关自变量之间的因果关系，各种自变量对评估价值的贡献或消极影响通过相关校准系数表现。而要获得正确的系数，就要应用能符合模型结构要求的校准技术。按模型结构中所采用数学方程的不同划分，AVM大致可以分为两大类：一类就是愿望模型(Hedonic Model)，它是利用财产特征变量与财产市场价值间存在的因果关系而建立的模型。这种模型X．W以按照其采用变量的组合形式划分为，加成模型(AdditiVe Model)、乘数模型(Multiplicative Model)与混合模型(Hybrid Model)。加成模型就是统计学上的线性回归方程，乘数模型和混合模型属于非线性方程，其形式如下：
而另一类模型仅包括时间因素，通常是在财产特征信息不足的情况下，通过跟踪特定时间段内财产价值的变动规律，根据目标财产的过去价值或销售价格外推算其评估基准日的价值。由于缺乏有关财产特征的信息，随着推算中推延日期的延长，评估结果的精确度自然会下降，因此，这类模型的精确度往往不如愿望模型。并且，该类模型一般要在具备大量销售样本的同质区域内才能应用。
按照模型所立足的三大基本评估方法划分，AVM还可以分为成本法模型，销售比较法模型和收益法模型。
成本法模型，是根据成本法的评估原理设定的模型。评估师在选择该模型对不动产评估时，采用成本法分别评估建筑和土地的价值，然后将它们加总得到不动产整体价值。其采用的数学公式为：
尽管按照成本法的原理，其适用于任何面积，质量，屋龄和类型的不动产评估，但从评估结果的精确角度考虑，成本法显然更适合于那些不存在大额折旧，并能够从最近的土地销售中获取土地价值信息资料的较新不动产的评估。
销售比较法的AVM又分为两种具体的模型。其一是可比销售法(间接评估模型)。它通过两个步骤实现：先建立一个确认可比销售样本的模型；然后再根据可比销售财产样本与目标财产之间的差异进行调整。其模型表达式为：
其二是目前在批量评估中应用最为广泛的直接市场法(Direct Market Method)。直接市场法模型通常是采用了统计校准技术的愿望模型。而目前改进的可比销售法模型的处理手段，也是先利用直接市场法获得调整量，然后再建立进行差异调整的可比销售模型。
在收益法模型中，评估师一般是利用所收集的经过质量检验的收入、成本数据，应用资本化公式(MV＝净收入÷资本化率)或收入乘数公式(MV＝净收入×收入乘数)进行折现。这样的模型似乎形式很简单，但事实上，在确定(净)收入、资本化率、收入乘数、费用等变量时，还都要建立相应的子模型，即以(净)收入、资本化率、收入乘数、费用等项目分别作为子模型中的因变量。如进行的是不动产评估，则以影响不动产价值的位置、屋龄、条件、福利设施、用途等项目作为自变量。在得到这些子模型中因变量的结果后，再代入收益法模型的总公式(即资本化公式和收入乘数公式)，最后得到收益法下的目标财产的价值估计。
(三)AVM的校准技术层面
评估师在建立AVM时，必须收集一定数量的样本与变量，通过作图等方式，分析特征变量与评估价值之间的关系，然后寻找与这种关系相适应的模型以及校准技术。在确定了基本的模型形式后，评估师需要选择能够确定这些模型中相应系数的校准技术。在目前的AVM技术应用中，直接市场法模型采用了多种校准技术。如多元回归分析、时间趋势分析、适应估计技术以及人工神经网络等。由于先进的校准技术的采用，直接市场模型的精确度不断得到提高。从某种程度上说，AVM技术的发展即是统计学技术与计算机技术中校准软件技术的发展。除了直接市场法模型所应用的校准技术得到了相当的发展之外，其它AVM模型的校准技术也得到了发展，如为反映当前成本，利用了时间趋势分析更新成本校准技术。
多元回归分析是目前在国外批量评估中占主流地位的校准技术，其包括了线性回归分析和非线性回归分析。其基本原理是通过对变量、误差的假定，依靠最小二乘法，来拟合因变量与自变量的线性或非线性的关系，从而建立数学模型。由于目标财产的特征变量与评估价值之间通常存在的是非线性函数关系，所以，一般认为非线性回归分析比线性回归分析能更好地反映目标财产的价值变动规律。但在采取多元回归校准技术时，必须注意预测样本的解释变量均值应尽可能接近估计样本的解释变量均值，这样才能实现预测误差的最小化。
时间趋势分析是在有关财产特征变量信息较难获得的情况下所采用的预测技术。IAAO(2003)界定了四种AVM时间趋势分析工具，即单位价值分析、重复销售分析、销售价格／评估价值趋势分析以及在销售比较模型中加入时间变量等四种。时间趋势分析根据以往的财产评估价值或财产的销售价格推算财产评估基准日的评估价值。而单位价值分析是跟踪每单位价格的变化，销售价格／评估价值趋势分析是跟踪同一日期销售价格与评估价值的变动。这两种方法都能通过图形体现价值变动趋势。重复销售分析是将销售价格间的差异转化为月变动率，并从中计算平均(中位)变动率，这种方法的可靠性依赖于销售的样本多少。而在销售比较模型中加入时间变量的方式可以认为是对多元回归分析的一个转化。这一方式被认为是有着较高精确度的时间趋势分析法。
从统计学原理上看，前三种时间趋势分析工具是获取一个关于价值随时间变动的指数，而第四种分析工具则是假定价值存在某种运动趋势，并通过时间变量来反映这种趋势。运用时间趋势分析估计财产价值，必须注意到随着推算日期的拉长，预测的精确度将会降低。
适应估计技术(又称为回馈技术)自20世纪80年代开始被应用于不动产评估AVM中。其方式是不断利用新的销售信息来调整不动产的价值。适应估计技术是将初始模型得出的价值与销售价格进行不断对比，直到得出AVM中最小误差的系数为止。适应估计技术依赖评估师对模型中能衡量当地市场环境的特征变量的设定能力。目前，通常利用适应估计技术来处理混合模型。
20世纪90年代以来，人工神经网络技术开始被应用于AVM。人工神经网络技术是基于模仿生物的大脑结构和功能而构成的一种信息处理系统。此处理技术将多个简单的处理单元按某种方式连接为一种计算机软件。由于神经网络具有超强的适应能力和学习能力，评估师可 在采用直接市场法模型时，利用财产特征变量组成的人工神经网络来获得财产更精确的评估价值。
各种校准技术并无孰优孰劣的区别，但都有自身的优势与不足。多元回归分析的优势在于应用历史悠久，掌握多元回归技术的评估师人数较多：同时，多元回归分析能为各个变量确定有明确经济涵义的系数，回归模型的诊断工具也很丰富。在大多数AVM中，多元回归分析就可以满足要求。时间趋势分析实际上就是指数分析，原理简单，能快速得出评估结果，也易于被评估师掌握，但缺点是可靠性和精确度都不如多元回归分析，一般在财产特征信息不足于应用多元回归分析时才采用。适应估计技术的突出优点是可以分别评估土地和建筑的价值，而其不足在于缺乏标准的计算方法，可应用的软件较少，而且无统计结果的诊断工具。近年来，评估师们开始采用非线性回归分析来实现适应估计。人工神经网络技术的评估精确度高，但目前其应用困难是：该软件系统只能给出得到解释的变量，而不能得出财产特征变量的系数，从而其模型的解释能力不如多元回归分析。而且，人工神经网络技术不论是在理论分析还是在编程技术上，都比多元回归模型复杂与困难，从而对评估师的知识和技术能力都有着较高的要求。
值得一提的是AVM与评估报告之间的关系。AVM得出的结果还不是最终的评估结果。IAAO(2003)与USPAP(2005)都明确指出，AVM的结果本身不是一项价值评估的结果。在税基评估及有关的批量评估实务中，在估税工作人员或评估师没有将AVM的结果作为评估、评估复核或者评估咨询中的结论时，AVM的结果仅仅是利用计算机程序得出的数据。下列为AVM为基本评估程序的评估报告基本流程图：
三、AVM在国外的财产类税基批量评估中的应用及借鉴
(一)当前国外AVM在财产税税基评估中的应用
国外不动产税基批量评估是AVM应用的主要领域。随着AVM框架下评估模型与各种统计学与计算机校准技术之间的紧密结合，AVM技术的优势日趋明显，它使不动产的批量评估客观性更强，结果精确度更高，评估成本下降，评估速度大大加快。因而，美国、澳大利亚、立陶宛、波兰等国已普遍利用AVM技术实施房地产的税基批量评估业务。
在美国，不动产的以价计税是地方政府重要的而且稳定的财政收入。美国评税机构是地方政府的直属机构。其工作职责是负责管辖地区的土地、建筑市场价值的评估，并按照地方规定税率计算纳税人应纳税额，通知纳税人到税务部门申报缴纳。美国的不动产税收每年为地方政府提供2500多亿美元的财政收入，从而构成其地方政府财政收入的“大半壁江山”。目前，以AVM为核心技术的计算机辅助批量评估系统(CAMA)和地理信息系统(GIS)是美国不动产税基价值评估的技术支撑，其在各地方政府的不动产评税实务中得到广泛应用。依托CAMA和GIS各地方政府评税机构收集房产信息、土地信息与不动产交易信息，建立不动产批量评税数据库，从而得出各地块、各社区及每项房地产税基评估值。同时，上述工作还可以得出一个郡或一个市的不动产税基总的评估值，用以确定该地区当期适用税率。其评税过程可以概括为：
(1)依托GtS与其他方式收集相关数据；
(2)建立AVM(包括模型设立和模型校准)，得出AVM的输出结果；
(3)对AVM的输出结果进行复核、调整和比率研究后得出CAMA报告；
(4)按CAMA报告，告知纳税人房地产的纳税价值。若纳税人不同意此纳税价值，可以向评税机构提出重新核定的要求，也可以向做出评税机构的上级部门申诉。纳税人仍对申述裁定不服的，可以向巡回法庭或税务法院提出诉讼，估税工作人员要根据有关裁定与法庭判决的结果修改不动产的计税价值。
CAMA系统和CIS信息系统在美国不动产评估上的广泛使用，使不动产税基价值评估的过程更为公开、透明，因而能做到更加公平、公正和合理，大大减少纳税人对不动产评税的投诉和诉讼，并降低了税收的社会成本。这一成功经验已引起不少国家的关注。
在澳大利亚，也普遍在运用CAMA和GIS来确定住宅、土地的价值，用于决定住宅财产的适当税负。特别是在澳大利亚的大城市中，由于对不动产单个进行价值判断的传统评估方式已明显不太适应税基评估规模的需要，因此，依托CAMA和GIS的批量评估方法体系更是不可或缺。但因历史原因和澳大利亚各州不同的环境条件，该评估方法体系在各州的的应用差异也很大。
目前，立陶宛正在积极创建不动产税基评估体系。基于为地方政府提供稳定的财政收入的考虑，立陶宛已将不动产税确定为地方财政收入的主要来源。为此，立陶宛于2001年开始着手建立不动产批量评估体系，并于2004年正式建成CAMA和数字价值地图信息系统，取得了不少成功的经验。
国际财产征税评估人员联合会(1AAO)在2002年、2003年分别制定了《不动产批量评估规范》(Standard onMass Appralsal of Real Property)和《自动评估模型规范》(Standard on Automated Vluatlon Models)，为实施财产税税基批量评估的方法体系提供了标准。美国的USPAP和国际评估准则委员会的IVS2005也都为财产从价税为目的的批量评估的实施提供了一个框架。
(二)关于国外AVM在财产税税基批量评估中的应用的借鉴及思考
在我国现行的税收制度中，一个重大缺陷是没有对不动产征收统一的财产税，另一个重要缺陷是虽然其税基直接和间接涉及房地产价值的税种达十几种(许多税种是在房地产的开发环节与交易环节)，但普遍没有经过公正税基的价值评估。这样的做法不仅使不动产有关税收的筹资功能和调节功能大大弱化，同时扭曲了税赋的公平性，直接影响地方的财政收入，甚至影响到国家对经济的宏观控制。所以，如何借鉴国外开发AVM的经验，着手研究开发一套能够适合国情批量评税的计算机辅助系统和地理信息系统，从而使不动产类税基的评估能为我国的国计民生发挥重要作用，应尽快地提到我们的议事日程上来。
从国外成功的经验来看，凡房地产市场比较发达、有可比销售对象的地区，AVM可采用市场比较法；凡有明显收益的房地产(如写字楼、酒店、商场等等)AVM可采用收益法；如无法满足以上条件的可用成本法。
在我国的AVM计算机软件开发的初始阶段，可以考虑与国外AVM的提供商进行合作。通过学习和借鉴国外AVM开发的技术要领与管理经验，我们能够迅速地提高本身的AVM软件的研发水平。
无论用采用哪一种AVM技术，关键是要取得不动产的各类详细信息数据，包括不动产的地理位置。交通状况、环境情况建筑的面积、结构。质量等等。数据的可靠性与完整性是AVM存在的基础，也是实现不动产税基评估公允性与一致性的关键。为此，应考虑由政府专门部门负责收集市场数据和不动产特征数据。政府应出台一系列有利于房地产数据收集的法规。如参照美国的做法，规定凡不动产的重大的改造项目都必须到相关部门予以登记，提供批准的图纸与相关信息，这些信息将同时提供给评税部门。此外还有鼓励民间企业对地理信息系统软件进行的开发等等。
制定我国的AVM评估准则，并对评估师进行AVM评估和其它评税方面的知识和技能的教育和培训，也是推动我国不动产税基评估的重要步骤。我们可以借鉴IAAO、IVS等所颁布的批量评估与AVM的标准规范，制定适合我国具体情况的有关AVM开发、实施的有关准则，规范我国评估师应用AVM的行为。
(作者单位：厦门大学、中国资产评估协会)
一、AVM(Automated Vatuation MOdel)技术的发展过程
在价值评估中对计算机的最初应用，就是从国外财产税税基评估人员开始的。由于征税需要对大批量的财产进行评估，同时又要保证财产从价税税基评估中的一致性与公允性，因此，美国的征税部门在上世纪50年代就开始尝试在财产税税基批量评估中应用计算机。但当时计算机技术的发展还处于初级阶段，因此计算机运用中的费用也十分高昂，导致计算机在价值评估中的运用受到了很大的限制。
随着上世纪70年代以来计算机硬件和软件技术的迅速发展，与其使用成本的不断下降至80年代末，美国拥有10000宗以上地块的财产税评估管理部门都已配备了包括工作站、通用软件在内的计算机应用系统。税基批量评估中计算机应用的演进可分为三个阶段。第一阶段是评估师将收集到的数据填入计算机电子表格中进行处理；第二阶段，是收集数据环节的计算机化，即按满足一定的数据记录和数据输入格式的方式收集有关的财产数据：第三阶段是评估程序的自动化，即将数据输入预先设定的计算公式而获得评估结果。在此阶段，开始应用AVM技术。目前，AVM技术不仅应用于财产税税基的批量评估，还被广泛地应用于抵押财产的批量评估业务中。
二、AVM的技术原理
(一)AVM的基本流程描述
由于只要在其相关的市场区域内具有充足的市场信息和财产数据的财产类型就可以运用AVM技术，所以AVM可以应用于动产、不动产甚至是无形资产的价值评估。目前，应用AVM最多的还是不动产评估领域，其中住宅是最早应用AVM的财产类型。因此，相对于其他财产类型的AVM而言，不动产评估AVM的应用技术开发和操作流程更为成熟。
国际财产征税评估人员联合会(International Asso-ciation of Assessing Officers，IAAO)在其2003年颁布的《自动评估模型规范》(Standard on Automated训uatlon Models)中指出，在进行不动产从价税评估中应用AVM技术时，评估师首先必须根据地图、不动产所有权凭证、不动产所在位置，对不动产的所有者、不动产的特征以及所评估的不动产权利进行确认。在实务中，评估师可以借助地理信息系统GIS(Geographic lnforma-引on System，一种用来存储、检索、操作、分析并显示地理空间信息的数据库管理系统。)来获取各种与评估相关的资料。接着，评估师必须确定AVM应用中所有的假设，包括特别的限制条件和逆向假设条件。然后，评估师必须确定不动产样本的经济域[Economlb Aear。也称为市场域(Mar2etAear)]。所谓经济域是指具有相似特征财产所构成的群体。在不动产从价税税基评估中，这一步骤称为分层(Stratification)。评估师根据财产用途，物理特征或位置确定具有相似特征的样本财产组。AVM可以针对各个经济域分别设定。
不论是一般的财产价值评估还是财产价值的批量评估，其可信度都依赖于所收集数据的精确程度。在西方，虽然商用AVM一般使用的是政府机构或受政府委托收集数据的部门提供的数据，但是，评估师们仍必须对数据的可靠性进行检验。具体做法是利用计算机统计软件甄别出可能丢失的数据或者超出范围和不具备一致性的样本。在不动产从价税的税基评估中，还可以使用GIS来检验数据。GIS能使正常样本与异常样本将通过不同的颜色在计算机屏幕中得到显示，从而使评估师轻松找到那些不合理的数据。必须明确的是，只有在公开的和恰当的市场上的销售和收益数据才能在模型设定中使用。通常认为，来自政府机构的公开数据的可信度最高，而私人商业机构的数据可以作为政府数据的一种补充。
在保证所收集数据质量的基础上，评估师可以决定AVM的类型以及模型中应用的变量。虽然各种AVM的基本原理相同，但是不同评估条件下所采用的具体AVM的结构是有所差别的。下一步，评估师将根据所选择的模型具体形式，寻找能够校准统计学技术与计算机技术。通常，模型的设定和校准是相互联系的，选择了哪种AVM结构，往往意味着必须应用哪种统计技术来校准模型的系数或其调整量。当然，已有一些新的计算机统计计量方法并不严格依赖于所设定的模型。如应用时间序列方法、人工神经网络等技术，就可以直接对批量财产进行价值评估。而且，在一些特定的情况下，这些方法甚至可能获得比AVM更高的精确度。
此外，在AVM应用前，评估师还必须利用测试样本对校准后的模型进行效果检验。最后，评估师必须提供论证报告、使用报告与CAMA／AAAVM报告等三种不同类型的AVM报告。CAMA报告和AAAVM报告是批量评估结果的报告类型，CAMA报告主要用于公共领域的财产类税基批量评估目的，而AAAVM报告用于私人领域的各种商业性活动。
(二)AVM理论层面的设定
AVM的设定是采用AVM技术进行价值评估的核心环节。模型的设定依据有评估三大基本方法的原理、财产特征以及跟踪财产价值随时间变化趋势的时间系列法等。根据目标财产的类型、评估假设和可获得的数据，确定AVM的结构以及所应用的变量。模型的结构反映了因变量指标(如销售价格，租金或者资本化率等)与其相关自变量之间的因果关系，各种自变量对评估价值的贡献或消极影响通过相关校准系数表现。而要获得正确的系数，就要应用能符合模型结构要求的校准技术。按模型结构中所采用数学方程的不同划分，AVM大致可以分为两大类：一类就是愿望模型(Hedonic Model)，它是利用财产特征变量与财产市场价值间存在的因果关系而建立的模型。这种模型X．W以按照其采用变量的组合形式划分为，加成模型(AdditiVe Model)、乘数模型(Multiplicative Model)与混合模型(Hybrid Model)。加成模型就是统计学上的线性回归方程，乘数模型和混合模型属于非线性方程，其形式如下：
而另一类模型仅包括时间因素，通常是在财产特征信息不足的情况下，通过跟踪特定时间段内财产价值的变动规律，根据目标财产的过去价值或销售价格外推算其评估基准日的价值。由于缺乏有关财产特征的信息，随着推算中推延日期的延长，评估结果的精确度自然会下降，因此，这类模型的精确度往往不如愿望模型。并且，该类模型一般要在具备大量销售样本的同质区域内才能应用。
按照模型所立足的三大基本评估方法划分，AVM还可以分为成本法模型，销售比较法模型和收益法模型。
成本法模型，是根据成本法的评估原理设定的模型。评估师在选择该模型对不动产评估时，采用成本法分别评估建筑和土地的价值，然后将它们加总得到不动产整体价值。其采用的数学公式为：
尽管按照成本法的原理，其适用于任何面积，质量，屋龄和类型的不动产评估，但从评估结果的精确角度考虑，成本法显然更适合于那些不存在大额折旧，并能够从最近的土地销售中获取土地价值信息资料的较新不动产的评估。
销售比较法的AVM又分为两种具体的模型。其一是可比销售法(间接评估模型)。它通过两个步骤实现：先建立一个确认可比销售样本的模型；然后再根据可比销售财产样本与目标财产之间的差异进行调整。其模型表达式为：
其二是目前在批量评估中应用最为广泛的直接市场法(Direct Market Method)。直接市场法模型通常是采用了统计校准技术的愿望模型。而目前改进的可比销售法模型的处理手段，也是先利用直接市场法获得调整量，然后再建立进行差异调整的可比销售模型。
在收益法模型中，评估师一般是利用所收集的经过质量检验的收入、成本数据，应用资本化公式(MV＝净收入÷资本化率)或收入乘数公式(MV＝净收入×收入乘数)进行折现。这样的模型似乎形式很简单，但事实上，在确定(净)收入、资本化率、收入乘数、费用等变量时，还都要建立相应的子模型，即以(净)收入、资本化率、收入乘数、费用等项目分别作为子模型中的因变量。如进行的是不动产评估，则以影响不动产价值的位置、屋龄、条件、福利设施、用途等项目作为自变量。在得到这些子模型中因变量的结果后，再代入收益法模型的总公式(即资本化公式和收入乘数公式)，最后得到收益法下的目标财产的价值估计。
(三)AVM的校准技术层面
评估师在建立AVM时，必须收集一定数量的样本与变量，通过作图等方式，分析特征变量与评估价值之间的关系，然后寻找与这种关系相适应的模型以及校准技术。在确定了基本的模型形式后，评估师需要选择能够确定这些模型中相应系数的校准技术。在目前的AVM技术应用中，直接市场法模型采用了多种校准技术。如多元回归分析、时间趋势分析、适应估计技术以及人工神经网络等。由于先进的校准技术的采用，直接市场模型的精确度不断得到提高。从某种程度上说，AVM技术的发展即是统计学技术与计算机技术中校准软件技术的发展。除了直接市场法模型所应用的校准技术得到了相当的发展之外，其它AVM模型的校准技术也得到了发展，如为反映当前成本，利用了时间趋势分析更新成本校准技术。
多元回归分析是目前在国外批量评估中占主流地位的校准技术，其包括了线性回归分析和非线性回归分析。其基本原理是通过对变量、误差的假定，依靠最小二乘法，来拟合因变量与自变量的线性或非线性的关系，从而建立数学模型。由于目标财产的特征变量与评估价值之间通常存在的是非线性函数关系，所以，一般认为非线性回归分析比线性回归分析能更好地反映目标财产的价值变动规律。但在采取多元回归校准技术时，必须注意预测样本的解释变量均值应尽可能接近估计样本的解释变量均值，这样才能实现预测误差的最小化。
时间趋势分析是在有关财产特征变量信息较难获得的情况下所采用的预测技术。IAAO(2003)界定了四种AVM时间趋势分析工具，即单位价值分析、重复销售分析、销售价格／评估价值趋势分析以及在销售比较模型中加入时间变量等四种。时间趋势分析根据以往的财产评估价值或财产的销售价格推算财产评估基准日的评估价值。而单位价值分析是跟踪每单位价格的变化，销售价格／评估价值趋势分析是跟踪同一日期销售价格与评估价值的变动。这两种方法都能通过图形体现价值变动趋势。重复销售分析是将销售价格间的差异转化为月变动率，并从中计算平均(中位)变动率，这种方法的可靠性依赖于销售的样本多少。而在销售比较模型中加入时间变量的方式可以认为是对多元回归分析的一个转化。这一方式被认为是有着较高精确度的时间趋势分析法。
从统计学原理上看，前三种时间趋势分析工具是获取一个关于价值随时间变动的指数，而第四种分析工具则是假定价值存在某种运动趋势，并通过时间变量来反映这种趋势。运用时间趋势分析估计财产价值，必须注意到随着推算日期的拉长，预测的精确度将会降低。
适应估计技术(又称为回馈技术)自20世纪80年代开始被应用于不动产评估AVM中。其方式是不断利用新的销售信息来调整不动产的价值。适应估计技术是将初始模型得出的价值与销售价格进行不断对比，直到得出AVM中最小误差的系数为止。适应估计技术依赖评估师对模型中能衡量当地市场环境的特征变量的设定能力。目前，通常利用适应估计技术来处理混合模型。
20世纪90年代以来，人工神经网络技术开始被应用于AVM。人工神经网络技术是基于模仿生物的大脑结构和功能而构成的一种信息处理系统。此处理技术将多个简单的处理单元按某种方式连接为一种计算机软件。由于神经网络具有超强的适应能力和学习能力，评估师可 在采用直接市场法模型时，利用财产特征变量组成的人工神经网络来获得财产更精确的评估价值。
各种校准技术并无孰优孰劣的区别，但都有自身的优势与不足。多元回归分析的优势在于应用历史悠久，掌握多元回归技术的评估师人数较多：同时，多元回归分析能为各个变量确定有明确经济涵义的系数，回归模型的诊断工具也很丰富。在大多数AVM中，多元回归分析就可以满足要求。时间趋势分析实际上就是指数分析，原理简单，能快速得出评估结果，也易于被评估师掌握，但缺点是可靠性和精确度都不如多元回归分析，一般在财产特征信息不足于应用多元回归分析时才采用。适应估计技术的突出优点是可以分别评估土地和建筑的价值，而其不足在于缺乏标准的计算方法，可应用的软件较少，而且无统计结果的诊断工具。近年来，评估师们开始采用非线性回归分析来实现适应估计。人工神经网络技术的评估精确度高，但目前其应用困难是：该软件系统只能给出得到解释的变量，而不能得出财产特征变量的系数，从而其模型的解释能力不如多元回归分析。而且，人工神经网络技术不论是在理论分析还是在编程技术上，都比多元回归模型复杂与困难，从而对评估师的知识和技术能力都有着较高的要求。
值得一提的是AVM与评估报告之间的关系。AVM得出的结果还不是最终的评估结果。IAAO(2003)与USPAP(2005)都明确指出，AVM的结果本身不是一项价值评估的结果。在税基评估及有关的批量评估实务中，在估税工作人员或评估师没有将AVM的结果作为评估、评估复核或者评估咨询中的结论时，AVM的结果仅仅是利用计算机程序得出的数据。下列为AVM为基本评估程序的评估报告基本流程图：
三、AVM在国外的财产类税基批量评估中的应用及借鉴
(一)当前国外AVM在财产税税基评估中的应用
国外不动产税基批量评估是AVM应用的主要领域。随着AVM框架下评估模型与各种统计学与计算机校准技术之间的紧密结合，AVM技术的优势日趋明显，它使不动产的批量评估客观性更强，结果精确度更高，评估成本下降，评估速度大大加快。因而，美国、澳大利亚、立陶宛、波兰等国已普遍利用AVM技术实施房地产的税基批量评估业务。
在美国，不动产的以价计税是地方政府重要的而且稳定的财政收入。美国评税机构是地方政府的直属机构。其工作职责是负责管辖地区的土地、建筑市场价值的评估，并按照地方规定税率计算纳税人应纳税额，通知纳税人到税务部门申报缴纳。美国的不动产税收每年为地方政府提供2500多亿美元的财政收入，从而构成其地方政府财政收入的“大半壁江山”。目前，以AVM为核心技术的计算机辅助批量评估系统(CAMA)和地理信息系统(GIS)是美国不动产税基价值评估的技术支撑，其在各地方政府的不动产评税实务中得到广泛应用。依托CAMA和GIS各地方政府评税机构收集房产信息、土地信息与不动产交易信息，建立不动产批量评税数据库，从而得出各地块、各社区及每项房地产税基评估值。同时，上述工作还可以得出一个郡或一个市的不动产税基总的评估值，用以确定该地区当期适用税率。其评税过程可以概括为：
(1)依托GtS与其他方式收集相关数据；
(2)建立AVM(包括模型设立和模型校准)，得出AVM的输出结果；
(3)对AVM的输出结果进行复核、调整和比率研究后得出CAMA报告；
(4)按CAMA报告，告知纳税人房地产的纳税价值。若纳税人不同意此纳税价值，可以向评税机构提出重新核定的要求，也可以向做出评税机构的上级部门申诉。纳税人仍对申述裁定不服的，可以向巡回法庭或税务法院提出诉讼，估税工作人员要根据有关裁定与法庭判决的结果修改不动产的计税价值。
CAMA系统和CIS信息系统在美国不动产评估上的广泛使用，使不动产税基价值评估的过程更为公开、透明，因而能做到更加公平、公正和合理，大大减少纳税人对不动产评税的投诉和诉讼，并降低了税收的社会成本。这一成功经验已引起不少国家的关注。
在澳大利亚，也普遍在运用CAMA和GIS来确定住宅、土地的价值，用于决定住宅财产的适当税负。特别是在澳大利亚的大城市中，由于对不动产单个进行价值判断的传统评估方式已明显不太适应税基评估规模的需要，因此，依托CAMA和GIS的批量评估方法体系更是不可或缺。但因历史原因和澳大利亚各州不同的环境条件，该评估方法体系在各州的的应用差异也很大。
目前，立陶宛正在积极创建不动产税基评估体系。基于为地方政府提供稳定的财政收入的考虑，立陶宛已将不动产税确定为地方财政收入的主要来源。为此，立陶宛于2001年开始着手建立不动产批量评估体系，并于2004年正式建成CAMA和数字价值地图信息系统，取得了不少成功的经验。
国际财产征税评估人员联合会(1AAO)在2002年、2003年分别制定了《不动产批量评估规范》(Standard onMass Appralsal of Real Property)和《自动评估模型规范》(Standard on Automated Vluatlon Models)，为实施财产税税基批量评估的方法体系提供了标准。美国的USPAP和国际评估准则委员会的IVS2005也都为财产从价税为目的的批量评估的实施提供了一个框架。
(二)关于国外AVM在财产税税基批量评估中的应用的借鉴及思考
在我国现行的税收制度中，一个重大缺陷是没有对不动产征收统一的财产税，另一个重要缺陷是虽然其税基直接和间接涉及房地产价值的税种达十几种(许多税种是在房地产的开发环节与交易环节)，但普遍没有经过公正税基的价值评估。这样的做法不仅使不动产有关税收的筹资功能和调节功能大大弱化，同时扭曲了税赋的公平性，直接影响地方的财政收入，甚至影响到国家对经济的宏观控制。所以，如何借鉴国外开发AVM的经验，着手研究开发一套能够适合国情批量评税的计算机辅助系统和地理信息系统，从而使不动产类税基的评估能为我国的国计民生发挥重要作用，应尽快地提到我们的议事日程上来。
从国外成功的经验来看，凡房地产市场比较发达、有可比销售对象的地区，AVM可采用市场比较法；凡有明显收益的房地产(如写字楼、酒店、商场等等)AVM可采用收益法；如无法满足以上条件的可用成本法。
在我国的AVM计算机软件开发的初始阶段，可以考虑与国外AVM的提供商进行合作。通过学习和借鉴国外AVM开发的技术要领与管理经验，我们能够迅速地提高本身的AVM软件的研发水平。
无论用采用哪一种AVM技术，关键是要取得不动产的各类详细信息数据，包括不动产的地理位置。交通状况、环境情况建筑的面积、结构。质量等等。数据的可靠性与完整性是AVM存在的基础，也是实现不动产税基评估公允性与一致性的关键。为此，应考虑由政府专门部门负责收集市场数据和不动产特征数据。政府应出台一系列有利于房地产数据收集的法规。如参照美国的做法，规定凡不动产的重大的改造项目都必须到相关部门予以登记，提供批准的图纸与相关信息，这些信息将同时提供给评税部门。此外还有鼓励民间企业对地理信息系统软件进行的开发等等。
制定我国的AVM评估准则，并对评估师进行AVM评估和其它评税方面的知识和技能的教育和培训，也是推动我国不动产税基评估的重要步骤。我们可以借鉴IAAO、IVS等所颁布的批量评估与AVM的标准规范，制定适合我国具体情况的有关AVM开发、实施的有关准则，规范我国评估师应用AVM的行为。
(作者单位：厦门大学、中国资产评估协会)