理論上，我們感興趣的是公司股票未來的貝塔，但是沒有水晶球[2]，我們只好求助于歷史數據。估計貝塔例如，估計貝塔看一下左上方的散點圖，估計貝塔每個點代表某個月份的陶氏（Dow）化學公司的收益率和市場收益率，從2004年11月開始，到2009年10月截止，總共有60個點。左邊第二個圖是微軟股票的類似散點圖，第三個是金寶湯股票的。每個圖中，都有一條直線來擬合這些點，這條直線的斜率就是貝塔的估計值，告訴我們市場收益率每變動1%，股票價格平均變動多少個百分點。右邊的圖是同樣三家公司類似的圖，估計貝塔時間為之后的一點時間——2009年11月~2014年10月。貝塔確實發生了變化。例如，陶氏化學的貝塔在金融危機中增大了，如果盲目使用這段時期的貝塔來預測正常時期的貝塔，就會大大偏離目標。相當肯定的是，金寶湯的貝塔大大低于陶氏化學的貝塔，而微軟的貝塔介于兩者之間。

一般來說，除了這種簡單的、在一定程度上令人失望的計算結果，估計貝塔系數更多的信息（也更自信）。例如，你知道金寶湯的貝塔估計值在連續兩個五年中都低于1，陶氏化學的貝塔估計值在這兩個時期都大于1。盡管這樣，估計單只股票的貝塔時，總是有很大的誤差。慶幸的是，估計貝塔估計資產組合的貝塔時，不同股票的估計誤差會互相抵消。這就是財務經理們經常使用行業貝塔的原因。例如，表9-1是六只鐵路公司普通股的貝塔估計值和估計值的標準誤差。其中，估計貝塔系數三只股票的標準誤差接近0.2。表中還給出了所有這六只股票組成的資產組合的貝塔估計值。注意，更低的標準誤差說明，行業貝塔估計值在一定程度上更可信。