数。另外在进行估算时，应当注意选取的市场组合，越是与该股票关系近的市场得到的值越会准确，例如在上海证券交易
f龙源期刊网httpwwwqika
comc
所上市的股票选择上证综指比深证综指准确，A股股票选择A股市场作为市场组合比选择B股准确。
（二）时变贝塔系数
资本资产定价模型的最基本的假设之一就是假定用来衡量资产风险的贝塔为常数，但经过后人的研究发现贝塔具有随时间变化的特性，CAPM的常数贝塔假设并不总是成立。
BOLLERSLEV等首次采用多变量GARCH模型估计时变方差和协方差得到时变贝塔系数。GARCH模型在遵守方差恒定的假设下，突破了原有思路，认为条件方差是可以随时间改变的，使得人们通过计量经济学模型不但可以预测收益率，同时也能预测、刻画风险的波动率，对资产收益风险关系的描述更加准确。
然而，许多实证研究表明收益率分布不但存在尖峰厚尾特性，而且收益率残差对收益率的影响还存在非对称性。由于GARCH模型中，正的和负的冲击对条件方差的影响是对称的，因此GARCH模型不能刻画收益率条件方差波动的非对称性。
GARCH模型的主要步骤为：（1）以30个交易日为1期，通过最小二乘计算每1期的贝塔。（2）把每1期的贝塔作为时间序列进行GARCH拟合。
（三）均值回归
最早提出单个证券的贝塔系数有可能遵循均值回归过程的是Blume（1975），他认为由于上市公司原先极端高（低）风险的经营项目在经过一段时间后风险有可能降低（升高）或者其新拓展的项目风险比旧项目低（高），那么作为衡量单个证券风险的贝塔系数也会发生相应的变化。Blume证明，组合贝塔系数的变化出现均值回归并不是组合选择偏差的缘故，而是组合中证券贝塔系数自身变化的结果。如果贝塔系数存在均值回归趋势的话，那么对贝塔系数进行准确预测将变成可能，这意味着即使贝塔系数可变，我们仍然可以利用CAPM进行组合投资或业绩评价。否则的话，CAPM的应用将会受到很大的限制。
均值回归的步骤主要为：（1）首先估计出贝塔系数的长期均值。由于贝塔系数可变，所以若用最小二乘估计将不是方差最小的，只能用广义最小二乘进行近似估计。（2）根据传统的CAPM估计出近期的贝塔系数βt。（3）根据均值回归的速度q，大致估计出下一期的贝塔系数βt1。
（四）三种方法的比较
单一指数法最为直观简单，但估算的贝塔值最不精确，然而在之前一些文献中表明，虽然单一指数模型回归贝塔值、时变贝塔值的平均值与均值回归得出的贝塔值t检验显著不相
f龙源期刊网httpwwwqika
comc
关，然r