资产价值评估模型有多种，可以根据不同的评估目的、资产类型以及可用数据来选择合适的模型。以下是一些常用的资产价值评估模型：

收益法

实体自由现金流量折现模型（Discounted Cash Flow, DCF）：通过预测企业未来的自由现金流量，并按照一定的折现率将其折现到现值来评估企业价值。

股权自由现金流量折现模型（Equity Discounted Cash Flow, EDC）：与DCF类似，但折现的是股权自由现金流量。

股利折现模型（Dividend Discount Model, DDM）：通过预测企业未来的股利支付，并按照一定的折现率将其折现到现值来评估企业价值。

经济利润折现模型（Economic Profit Discount Model, EPVM）：考虑企业扣除所有资本成本（包括股权成本和债务成本）后的经济利润，并将其折现到现值。

市场法

比较市场法（Market Comparison Approach）：通过比较类似资产在同一地区或相似市场条件下的交易价格来估算目标资产的价值。

相对价值评估模型（Relative Value Assessment Model）：利用类似企业的市场定价来估计目标企业价值，结果是一个相对价值而非内在价值。

成本法

直接成本法（Direct Cost Approach）：将资产的直接成本与其当前状态、使用寿命和功能等因素联系起来。

重置成本法（Replacement Cost Approach）：基于资产的重建成本或替代成本，考虑到折旧和物理损耗等因素。

资产定价模型

资本资产定价模型（Capital Asset Pricing Model, CAPM）：描述资产预期回报与市场风险之间的关系，资产的预期回报等于无风险利率加上资产的市场风险溢价乘以资产的贝塔系数。

多因子模型：如Fama-French三因子模型和五因子模型，这些模型包括了多个风险因子来解释资产的预期回报。

套利定价理论（Arbitrage Pricing Theory, APT）：通过无套利条件和一组宏观经济因子来确定资产的预期回报。

期权定价模型

黑-舒尔斯模型（Black-Scholes Model）：用于评估欧式期权价值。

二叉树模型（Binomial Tree Model）：用于评估美式期权价值。

机器学习预测模型

利用大量历史数据和资产特征，通过数据科学和机器学习的方法来预测资产价值。

在选择合适的模型时，需要考虑评估目的、资产类型、数据的可用性和质量、以及模型的假设和适用性。通常，结合多种模型可以提供更全面和准确的评估结果。