理论上，我们感兴趣的是公司股票未来的贝塔，但是没有水晶球[2]，我们只好求助于历史数据。估计贝塔例如，估计贝塔看一下左上方的散点图，估计贝塔每个点代表某个月份的陶氏（Dow）化学公司的收益率和市场收益率，从2004年11月开始，到2009年10月截止，总共有60个点。左边第二个图是微软股票的类似散点图，第三个是金宝汤股票的。每个图中，都有一条直线来拟合这些点，这条直线的斜率就是贝塔的估计值，告诉我们市场收益率每变动1%，股票价格平均变动多少个百分点。右边的图是同样三家公司类似的图，估计贝塔时间为之后的一点时间——2009年11月~2014年10月。贝塔确实发生了变化。例如，陶氏化学的贝塔在金融危机中增大了，如果盲目使用这段时期的贝塔来预测正常时期的贝塔，就会大大偏离目标。相当肯定的是，金宝汤的贝塔大大低于陶氏化学的贝塔，而微软的贝塔介于两者之间。

一般来说，除了这种简单的、在一定程度上令人失望的计算结果，估计贝塔系数更多的信息（也更自信）。例如，你知道金宝汤的贝塔估计值在连续两个五年中都低于1，陶氏化学的贝塔估计值在这两个时期都大于1。尽管这样，估计单只股票的贝塔时，总是有很大的误差。庆幸的是，估计贝塔估计资产组合的贝塔时，不同股票的估计误差会互相抵消。这就是财务经理们经常使用行业贝塔的原因。例如，表9-1是六只铁路公司普通股的贝塔估计值和估计值的标准误差。其中，估计贝塔系数三只股票的标准误差接近0.2。表中还给出了所有这六只股票组成的资产组合的贝塔估计值。注意，更低的标准误差说明，行业贝塔估计值在一定程度上更可信。