回报率选择深证成指收益率。这一方式主要考虑到上海证券交易所与深圳证券交易所的上市公司，其股价变动仍存在着一定的独立性，分开估计贝塔系数的可靠性更强。

第三，类似于美国上市公司贝塔系数估计选择标准普尔500 指数，我国上市公司也可以选择沪深300 指数，中证500 指数，或中证800 指数等指数资产，作为市场投资组合的近似。

2.回归期限长度

在确定市场指数资产，及无风险资产后，选择几年的数据回归估计贝塔系数，研究人员在具体分析时，也有着一定的选择的空间。大多数证券服务机构通常使用5 年的数据估计贝塔值。选择较长的估计窗口，能够尽可能多地使用已有的证券交易数据，样本更多，回归的标准差更较小，能够得到比较好的估计结果。但是，上市公司的贝塔系数随时间也会发生变化。例如在进行回归分析的区间里，两年前公司举借了大量的债务用于收购其他公司，公司的基本风险特征有很大变化，其真实贝塔值也会随之变动。那么用最近两年的数据计算的结果要比用 5 年的数据更能反映公司未来的风险。有的机构也会使用较短年期的数据。选择较短的估计窗口，期间内企业的贝塔系数较为稳定，但是，数据不足会大大增加估计贝塔的标准差，回归的可靠性不足。因此，公司风险特征无重大变化时，可以采用5 年或者更长的预测期长度；如果公司风险特征发生重大变化，应当使用变化后的年份作为预测期长度。回归期限长度的选择也是一种权衡。

3.回归时间间隔

确定回归期限长度，即两年期或五年期的估计窗口后，还需要确定回报率的最小时间间隔。股票收益可能建立在每年、每月、每周、每天的基础上。在数据库中，也相应地能够提取到股票或市场投资组合的年收益率、月收益率及日收益率。

使用日收益率会提高回归中数据的观察量，但是，也存在着下面两项问题：1）日收益率变动幅度比较大，包含了很多的噪音。日收益率较多地体现了上市公司经营策略、特殊事件等因素的非系统风险的影响，而贝塔系数则是证券系统风险的度量。因而，使用日收益率可能会影响贝塔系数估计的准确程度；2）上市公司经常会因股东大会等事件停牌，导致日收益率缺失。市场收益率每日都存