虽然beta系数测算的是风险，但风险却不可能被直接观测和计量，因此beta总是基于金融学资产组合理论以及各种统计技术估计得到的，但无论是理论界还是实践界都远未对beta的测算方法形成共识。在国外资本市场上也常常可以见到基于各自统计模型和理论逻辑的beta专业提供机构。在所有这些方法中，被人熟知和通常使用的是较为简便的回归法，即对资产历史收益率和市场整体收益率进行线性回归分析，直线的斜率即认为是收益率变动敏感程度的估计值。但即便是在这种方法下，对样本数据的选取标准，例如收益率的选择口径可以是日、周、月甚至季度等，选择区间可以是1年、2年甚至5年，选取的用以体现市场整体收益水平的指数类型也可以不同，这些都会导致beta测算结果的较大差异。

此外，无论选择哪种具体方法，对beta系数的测算都是基于统计学最根本的假设，即历史的趋势在未来仍将延续。而面对瞬息万变的市场和企业，这种逻辑假设在很多情况下很难成立。上市公司的业务构成转换、杠杆结构调整、重大资产收购重组，以及对指数有重要影响的权重股的变化，都会对beta系数的稳定性造成影响。当前上证指数的第一大权重股中国石油（601857）就是2007年底才开始计入指数的，到现在还不足2年。当这些影响达到一定程度时，直接计算得到的beta系数就会出现失真，并不足以反映未来的发展方向。另外，beta系数的计算采用的是市场交易数据，一只证券的交易频率也会对beta系数的合理性造成影响。假设在最极端的情况下股票交易清淡至0，那么该股票的收益率和市场的整体收益率将没有任何关系，但这事实上这一结论并不能合理反映该股票投资的风险程度以及在未来可能的波动幅度。学术界的研究总体上显示，交易清淡的股票beta系数的估计值会偏低，而交易频繁的股票beta系数的估计值会偏高。

即便假设所有上述问题都不存在，简单的使用beta系数作为单项投资的决策依据也存在致命缺陷。首先，作为一个统计指标，beta系数代表的是一种趋势，或者说一种概率，而不是一种必然。而概率是必须在最够多样本的情况下才能显著的发生作用。即便每次成功的概率是80%，但单次尝试的结果也很可能是彻底失败。这也是为什么在实践中beta系数更经常的运用于投资组合决策的原因。另外，也是更重要的，beta系数反映的是单一投资相对于整体市场的系统风险，换句话说对于只对该股票形成影响的因素并未被反映进来，例如苹果公司总裁乔布斯的身体因素等等，而对于单一投资决策来讲，这些因素的影响往往是非常关键的。因此即便是能够获得合理的beta系数，它也不足以帮助投资者完成购买某一证券的决策。

国内对于资产组合及其相关理论的认识、研究和实践仍处于非常初级的阶段。还未见到能够提供严谨和合理beta系数的专业机构，现有beta系数的数据源一般都是按照线性回归方法进行的简单测算，测算结果也没有经过统计方法的严格检验，因此对beta系数的应用就更不用提了。在ValueTool公司绩效数据库中，我们采用2年的周收益率按照线性回归方法测算了beta系数，但如上所说，这仍然是一个非常粗放的测算结果。虽然从整体和趋势的角度看beta系数的变化能够基本反映行业和企业相对于整体经济的风险水平，但对于一些具体公司，beta系数的上述经济含义即便是在定性的层面也不能得到全面有效的反映。

2010年1月发表于《证券市场周刊》 

相关数据请登陆www.valuetool.com.cn