20世纪60年代，美国著名经济学家威廉 • 夏普（William F.Sharpe）等人在哈里•马克威茨（Harry M.Markowitz）的投资组合理论的基础上，分别导出了风险资产定价的量化模型——资本资产定价模型CAPM。在这个模型中，夏普教授十分简洁地给出了证券类风险资产（以下统称股票）投资的期望收益与风险之间的关系。并首次正式引入了β贝塔系数的概念，用以表述股票期望收益随股票市场收益变化的敏感度。由于夏普教授在资本资产定价理论上的贡献，而获得了1990年度诺贝尔经济学奖，资本资产定价模型也渐成为风险资产估价的重要方法，并得到广泛和深入的研究，其中对于风险系数贝塔的认识也不断深化。本文研究的就是贝塔在企业价值估值中的应用问题。
    一、β贝塔系数的定义
    β贝塔系数作为描述股票收益水平相对股票市场平均收益水平变动的敏感性因子，有其严格的定义。夏普教授根据投资组合理论以及CAPM模型的假设，在均值方差平面上，把投资股票的收益（由收益率的均值表示）与风险（由收益率的方差表示）之间的关系表示成：
E（ri） = rf + Cov(ri, rM)/σM2[E（rM）- rf]          （1）
令
βi = Cov(ri, rM)/σM2                             （2）
则有
E（ri） = rf+βi [E（rM）- rf]                      （3）
    上述式中，E（ri）和E（rM）分别为股票i和市场组合M的期望收益；Cov(ri, rM)为股票i和市场组合M期望收益的协方差；σM2为市场组合M期望收益的方差。
    式（3）被称为证券市场线方程，即为标准的资本资产定价模型CAPM，它对任意股票或其组合的期望收益与风险之间的关系给出了一种十分简洁的结论。任意股票或其组合的期望收益由两部分构成：其一是投资的无风险报酬率rf，它是对放弃即期消费而进行投资的一种补偿；其二是投资的风险报酬率βi [E（rM）- rf]，它是对投资需承担某种不确定性风险的一种补偿。
    按照导出CAPM模型的假设，股票市场中的风险是由两部分构成，即一部分是只与股票自身性质有关的公司特有风险，也称为非系统性风险；另一部分是与整个市场因素有关的市场风险，也称为系统性风险。非系统性风险在构造股票的投资组合时可以被分散，而市场的系统性风险则不能通过投资组合而被分散掉。鉴于股票的市场组合包含了所有的股票，是投资者最优的股票投资组合，它能最充分地分散掉了单个股票的特有的非系统性风险，因此市场组合中包含的投资风险全部是系统性风险。这样，CAPM模型定义的风险报酬率则仅与其所承担的市场风险呈正比，而市场风险的大小可用β贝塔系数表示。
    式（2）即为β贝塔系数的数学定义，由股票i的收益率和市场组合M的收益率的协方差与市场组合M收益率的方差的比值表示，用以度量股票所承担的市场（系统）风险大小。因此，β贝塔系数也被称为股票的市场风险指数。
    同样，若投资者认为股票的已实现的历史收益能较好地代表其未来，则可以应用统计回归技术，对直接观察到的、已实现的历史收益数据，通过使用简单的单因素线性方程来拟合、表达股票在持有期的收益，也可以得到β贝塔系数的表达式。
    如使用E（ri）表示股票持有期的期望收益；并用Hi表示假定在股票持有期间不可预测的宏观（或市场）因素对股票收益的影响，ei表示假定在股票持有期间不可预测的公司特有因素对股票收益的影响。可得到表述股票收益的方程
ri = E（ri）+Hi + ei                （4）
    考虑到不同股票的发行公司、企业对宏观市场因素事件应具有不同的敏感度。则可把宏观市场因素事件对股票影响的不可预测部分记为M，并把股票i对宏观因素事件的敏感度记为βi，则股票i受宏观因素事件影响的不可预测部分可被表示为Hi =βiM，即式（4）变为：
ri = E（ri）+βiM + ei            （5）
       注意，由于设定Hi和ei都是不可预测因素事件对股票收益的影响，则由统计学理论对不可预测事件因素期望值的定义，可知其期望（平均值）必然为零，也即Hi和ei具有零的期望值。
       式（5）表明股票i的持有期收益仅随宏观市场事件的一个因素βiM的变动而变化。因此，该式也被称为的单因素模型（single-factor model）。
       倘若我们把股票市场的某种价格指数、如上证综合指数或深证综合指数的收益作为一般的宏观市场因素事件的有效代表。则可导出类似的市场模型（market model），称为单指数模型（single-index model），这是因为它利用股票市场的价格指数来代表一般的或者宏观系统的因素事件。并且，由于股票市场收益水平在它超过或者低于无风险报酬的意义上，它仅仅代表了一种宏观市场状态。所以通常都把单指数模型表示成为超过无风险报酬率rf的超额收益的形式，而不是总收益的形式。即依照与等式（5）相似的原理，把实际的或已实现的股票收益划分成宏观（系统）的与微观（公司特有）的两部分。并使用符号αi，βi(rM – rf)和ei，把股票在持有期已实现的实际收益率表示成αi，βi(rM – rf)和ei的三部分的代数和，用以表示股票在持有期的超额收益，即有
ri –rf =αi +βi(rM –rf) + ei     （6）
当使用R表示超额收益，式（6）变为
  Ri=αi +βiRM + ei            （7）
式中：
       αi 表示如果市场是中性的，也即当市场的超额收益(rM –rf)为零时股票i的收益部分，即股票i的不规则收益率的平均值。在均值方差坐标平面中，α阿尔法的几何意义是单指数方程（式7）的截距。
       βi(rM –rf) 表示股票i收益中随整个市场的变动而变化的收益部分，其中βi是股票i对市场变动的敏感度。在均值方差坐标平面中，β贝塔系数的几何意义是单指数方程（式7）的斜率。
       ei表示只与股票自身（公司特有）相关的不可预期事件形成的不可预期收益部分。
       当假定式（7）中股票发行公司自身特有的或非系统的不可预测事件的部分与整个市场的运行无关、是独立于整个市场或系统之外的部分，并把市场的超额收益RM=rM –rf的方差记为σM2，则可以把股票收益的方差拆分成由宏观经济因素的不确定性的方差，以及公司特有因素的不确定性的方差两部分所构成，分别由β2iσM2和σ2（ei）表示，并注意到ei是公司特有的，即独立于市场变动之外的部分，所以RM和ei的协方差均等于零，即有Cov(RM，ei) = 0。则股票i超额收益rM –rf的方差为
σi2 =β2iσM2 +σ2（ei）       （8）
       类似地，两种股票超额收益的协方差，例如Ri和Rj的协方差，仅仅来自于市场或一般的宏观经济因素的RM，由于ei和ej都是每个公司各自特有的，它们显然不相关。即有两个股票的协方差为
Cov(Ri,Rj) = Cov(βiRM，βjRM) =βiβjσM2        （9）
       鉴于RM和ei的协方差等于零，并注意到αi是一个趋于零（但不一定等于零）的常数，其与所有变量的协方差也均等于零。则可导出股票i的超额收益与股票市场价格指数收益的协方差为：
Cov(Ri,RM)=Cov(βiRM+ ei，RM)=βi Cov(Ri,RM)+ Cov(ei ,RM)=βiσM2  （10）
       即βi=Cov(Ri,RM)/σM2，从而式（7）中的市场风险敏感度系数βi具有了与式（2）相同的涵义。
       二、β贝塔系数的估计
       β贝塔系数作为CAPM模型中的一个重要的基础参数，是对股票市场乃至资本市场的系统风险进行度量的一个不可缺少的关键因子。为了评价风险、资产定价，以至对股票投资进行组合分析或其他的一些应用，合理并恰当地估计测算股票的β贝塔系数是十分重要的。
       1、估计测算模型
       CAPM模型给出的是关于股票“期望收益”的定价结论，鉴于实际中可以直接观察到已实现的收益，为了应用CAPM模型，则需将期望收益变换为直接使用观察到的已实现收益。即需要将CAPM模型转化为一种经验上可用的形式，以便通过使用市场上直接观察到的、已实现的历史收益数据进行资产定价和企业价值估值。
       由于式（7）是一个标准的单指数线性方程，其收益R可利用一定样本区间的观察值进行简单的统计回归得到，则我们就可使用直接观察到的、已实现的历史收益数据，由最小二乘法得到股票的历史β贝塔系数的估计值，即
       β0 =（ΣRiRM-1/nΣRiΣRM）/（ΣR2i -1/n[ΣRi]2）   （11）
       在β贝塔系数估计的实践中，资本市场发达国家的权威咨询机构事实上并不使用超额收益形式方程进行回归，而多使用总收益形式的单指数方程进行回归。即用
r =α +βiRM + e             （12）
替换
r–rf =α+β（rM–rf）+ e       （13）
我们可通过把式（13）展开，来说明总收益与超额收益对β贝塔系数估计的影响。
展开式（13）
r =rf +α+βrM–βrf+ e=α+ rf（1-β）+βrM + e   （14）
比较总收益的式（12）和超额收益的式（14），可知，在一个具体确定的样本区间中，rf是一个常数，则这两个方程具有完全相同的独立变量rM和残值e。因此，两个回归方程中的斜率系数（β贝塔值）相同，所以无论是取总收益的形式、还是取超额收益的形式，对β贝塔系数的估计值将不会产生实质性的影响。使用总收益形式的指数模型意味着可以忽略股票收益的红利部分，这可大大简化统计方程以及数据采集和计算的工作量，而不会对估计β贝塔系数造成实质影响。但应注意总收益的式（12）中的α阿尔法值则仅是超额收益的式（14）中α+ rf（1-β）的一个近似估计。这是基于，按周或月为基准的rf（1-β）值较小。并且，当β≠1时，总收益的式（12）中的回归截距（α阿尔法值）将不等于超额收益的式（14）中的α阿尔法值。
此外，虽然实际中的rf确实也在随着时间发生变化，因此在回归方程中并未把rf作为常数项。但事实上rf 的方差与市场收益的变动相比是十分微小，也即短期国债利率的实际变动对β贝塔系数的估计值仅有极微小的影响。美国证券市场使用总收益的实践表明，短期国债的收益率大约仅占总收益的0. 2%，所以总收益与超额收益的概念完全可以忽略。
在估计历史贝塔系数时，市场组合的代替品通常是某股票市场的价格指数。用于估计测算这种历史β贝塔系数的方程即为单指数模型的线性回归方程（式7）。我们重写如下：
Rit = αi+βitRMT+εit                （15）
式中：
Rit =股票i在t期间的收益率；
RMT =股票市场组合在t期间的收益率；
αi =股票i的不规则收益率（不受市场影响的收益部分）；
βi =股票i对市场组合收益率变化的敏感因子（市场风险系数）；
εit = 零均值随机误差项。
式（15）被称为单指数的市场模型，即证券市场线（Security market line）的特征线方程。使用式（15）测算估计股票的历史β贝塔值，一般可以获得股票的历史贝塔值、阿尔法值、相关系数、决定系数、特性系数、残值标准差、贝塔标准差、阿尔法标准差、收益率以及收益率标准差等多个统计值。
对于包含G个风险资产、股票（βp）的投资组合来讲，历史贝塔仅是投资组合中各单个风险资产、股票（βi）的已得出历史贝塔的加权平均，其中权重的就是该单个资产、股票的市场价值占投资组合的总市场价值的百分比。即
                 βp = Σwiβi                  （16）
例如，某投资组合的30%（W1）是代码为600009股票，β=0.57；70%（W2）是代码为6000641股票，β=1.11时，其历史贝塔值就等于：
30%(0.57)+70%(1.11)=0.95
       2、贝塔估计值的稳定问题
       鉴于股票的收益率是随着市场的时间变化而变化，因此在对股票的历史收益数据进行回归拟合、估计测算股票的β贝塔系数时，遇到的最棘手问题是如何保证β贝塔估计值的稳定性。造成β贝塔估计值不稳定性的来源至少有两个方面。首先就是统计上的估计误差，如选取的样本区间和单元，即衡量股票收益时的持有期的时间单位、也即统计回归期的区间长度，以及采集数据的单元，即数据的时间间隔（如每日、每月还是每季）等，就是与此有关的因素。例如，如果计算过去5年中的每月收益率，就会得到市场指数和单只股票收益率的60个月观察值。也可以计算过去三个年度中的每周收益率，从而得到市场指数和单只股票收益率的约150个周观察值。当然，还可以使用过去年度中的每日的收益率数据，得到约240个交易日的观察值数据。理论上并没有指定究竟应该使用每月、每周还是每日的收益率数据，同样也未规定观察值取样的具体数量。只是按照统计学的方法论来讲，观察值越多、得到的历史β贝塔的估计值就越可靠。但也要考虑到估计β贝塔的目的是要充分地揭示股票证券的“即期”风险性，而不应一味地追求数据而又“平滑”了风险。
       因此，当对股票收益进行回归分析、估计测算股票的历史β贝塔值时，鉴于贝塔系数的稳定性问题，则需要考虑回归期限的取样长度和数据单元等问题。
       关于回归期限的长度。许多咨询分析机构，包括价值线(Value Line)与标准普尔(Standard and Poor’s)等，在估计β值时使用5年的历史数据，而Bloomberg公司使用2年的历史数据估计历史β值。其中的利弊得失很明显，估计期越长，可供使用的数据就越多，数据结果就应越稳定。但由此而带来的是股票本身的风险特征可能已经随时间的推移而发生了较大的改变。研究表明，一般使用3年的时间长度既可保持估计值的相对稳定性，又能较充分地揭示股票对市场风险的敏感度。
       关于回归分析所使用数据单元，即股票的持有期。我们可以按月、周、日，甚至一天中的某一段时间作为数据单元计算持有期的收益。按日或更小的时间单位作为持有期的单位进行回归分析可以增加观察值的数量。但是，由于在较短的时间单位内股票的交易量可能为零或交易价格不能充分反映市场的主体行为，从而导致β值估计中出现较大的失真或误差。例如，使用每天收益率来估计小公司的β值时，可能会因为小股本股票在一天内无任何交易而使估计出的β值偏低，或股票在一天内的价格变化不是由市场因素造成、而是公司特有因素所导致（如分红派息），这些都可使估计值失真。而使用以周或月作为持有期的时间单位，则能够显著减少这种非市场因素所导致β值的估计误差。
       研究表明，股票收益率的变化速度与它们对新信息的反映速度相同，而且资本总额越大反映越快。因此，随着时间的变化，估计各单个股票的β贝塔的不稳定性较为明显，而估计某一股票组合（如行业）的β贝塔则表现的相对较为稳定。
       股票β贝塔的不稳定性的另一个比较明显的来源与把β贝塔作为唯一的风险指数有关，普通股股票具有多个风险来源。因此当存在一个或多个处于变化中的系统风险的宏观经济因素或微观因素来源时，任何试图涵盖系统风险的全部来源的单一风险量度都会不稳定。例如，假设石油价格是系统风险的一个宏观市场因素来源。当所有其他因素保持不变，石油的预期价格水平变化时，对石油的预期价格更为敏感的股票就会有所反应，而其他的股票，虽然也是用β贝塔作为单一风险指数，则没有反应或反映不敏感。如果用β贝塔衡量系统风险，那些对石油的预期价格的变化有反应的股票就会表现不稳定，尽管传统的单指数贝塔模型中包括许多系统风险因素，但这时它们实际上仅对其中的之一产生反应。因此，如果要使β贝塔对于预测有真正意义的话，就应不断对β贝塔的估计值进行适时的调整更新。
       造成β贝塔的估计值不稳定的另一个问题是对市场收益率的选择。估计β值的一般方法是使用公司股票所在交易市场的收益率。因此，当多个市场没有统一指数时，若估计在上海证交所上市的股票时，应选用上证所的价格指数；若估计在深圳证交所上市的股票时，则应选用深圳证交所的价格指数。并且，当成份指数不能较好的代表市场组合时，谨慎的办法是选用综合指数。
       3、对历史贝塔的调整问题
       由回归分析得到的历史β贝塔值是否应该加以调整，以反映回归分析可能的误差和β贝塔值偏离平均值（行业或整个市场）的程度。在权威咨询分析机构公布的β贝塔值中，大多已使用一种根据回归分析中得到的β贝塔估计值的标准差，将β贝塔值向市场组合的方向进行调整（市场组合的β值一般假设等于1），并使用这种经调整的β贝塔作为未来贝塔的预测值。
       Marshall Blume的研究发现，随着时间的推移，风险资产投资组合的β贝塔趋于向市场平均值回归，即β趋于1.0。其经济学解释是一家公司的风险将逐渐趋于所有公司（市场）的平均风险。他的研究表明，对股票i的β贝塔系数的预测若经过下述调整后可能更为合理、准确：
           β2i = a+bβ1i                 （17）
其中β2i和β1i是时间间隔为若干年的两个历史贝塔估计值，通过回归分析并使用下式计算可估计出参数a和b。
             β3i = a+bβ2i                    （18）
其中β3i是对股票i的贝塔的预测值。
       在美国，提供β贝塔系数估计的两家主要商业公司Merill Lynch和Value line都使用这一方法估计未来β贝塔系数的预测值。
       这种调整的结果是股票β贝塔值的标准差越大，调整的幅度将越大。这种调整对使用每天收益率估计β贝塔值时效果最明显，随着持有期的时间单位加长，调整的效果也就越不明显。
       Vasicek 基于采样误差的不确定性，提出了一种不同的调整程序用来估计每一普通股股票的β贝塔值。就预测的准确性来讲，Vasicek的调整程序的表现稍强于Marshall Blume的调整方法，但两者的表现都优于未经调整的历史β贝塔系数的估计值。
       最近研究表明，一般来说β贝塔系数的可预测性程度与投资时间的长度（持有期）成反比，而与投资组合的规模成正比，但仍需要一定调整。
       4、关于基本贝塔
       在夏普模型中，市场模型的斜率就是贝塔，其含义是“一个证券的回报率相对市场指数回报率的敏感性”，在多因素模型里，则有多个贝塔，他们同样反映的是对不同因素的敏感性。在夏普看来，贝塔就是一个统计结果，它是CAMP中贝塔的一个很好的估计值，由此CAMP模型可以有很好地解释力，他对因素模型的理论探讨的更多地是其他因素（如GDP、利率水平、通胀率、石油价格水平等）对回报率的影响，但他对贝塔本身没有更多的探讨。
       有许多研究人员则对贝塔进行了深入的研究，目的是研究贝塔的决定因素，研究了贝塔与公司的基本财务因素间的关系，如有人对因素红利支付率、资产增长率等7个因素对贝塔的影响进行过研究。
       美国纽约大学教授Damodaran则提出贝塔由公司所处的行业、公司的经营杠杆比率和公司的财务杠杆比率等三因素所决定。
       行业或业务类型：β贝塔值是衡量公司相对市场风险程度的指标。因此，公司对市场的变化越敏感，其β贝塔系数越高。在其他情况相同，周期性公司比非周期性公司的β贝塔系数高。如果一家公司在多个领域内从事经营活动，那么它的β贝塔系数是公司不同行业β贝塔系数的加权平均值，权重是各行业的市场价值。
       经营杠杆比率：经营杠杆比率是公司成本结构的函数，它的通常定义为固定成本占总成本的比例。公司的经营杠杆比率越高，即固定成本占总成本的比例越大，与生产同种产品但经营杠杆比率较低的公司相比，息税前净收益(EBIT)的波动越大。其它条件不变，企业经营收入的波动性越大，经营杠杆比率就越高，公司的β贝塔系数就越高。
       财务杠杆比率：其他情况相同时，财务杠杆比率较高的公司，β贝塔系数也较大。从直观上看，债务利息支出的增加将导致净收益波动性的增大，即在经济繁荣时期收入增长幅度较大，而在经济萧条时期收益下降幅度也较大。如果公司所有风险都由股东承担，即公司债券的β贝塔系数为0，而负债对于公司而言有避税收益。则有
βL=βU[1+（1-t）(D/E) ]       （19）
其中：βL =考虑公司债务后的β贝塔值（杠杆贝塔或权益贝塔）；
βU =假设公司没有负债时的β贝塔值（无杠杆贝塔或资产贝塔）；
t=公司的税率；
D/E=公司付息债务资本市场价值/权益资本市场价值
公司无负债的β贝塔系数由公司所处的行业和公司的经营杠杆比率决定。美国的Barr.Rosenberg和其BARRA咨询公司的最新版本的基本贝塔包括了58个变量。这些变量被分成13组，BARRA公司称这些组为风险指数组（Risk indices），主要包括市场波动性、成效、规模、交易活动、成长性、收益价格比率、账面价值价格比率、收益的偏离、财务杠杆、国外收入、劳动密集程度、收益率和最低资本额等等。有证据表明，由基本贝塔得到的对未来贝塔值的估计要好于仅使用历史贝塔作出的估计值。
总之，理论研究者集中各种智慧，期望把β贝塔测算的更准确一些，但由于无法获得β贝塔的“真值”，所以各种研究结果也都仅是在各种不同信息假设基础上的一种估计。正如夏普所言：在每一种计算方法中，对单个证券的计算结果都会存在误差，因此对不同信息提供者使用不同方法计算的同一证券的估计β贝塔系数的不同取值应不足为奇。但这并不意味着这些不同的估计没有价值。也尽管对单个证券β贝塔的估计似乎带有很大的不精确性，但将它们置于一个证券组合中时，单个证券的这种不精确性将会相互抵消，从而产生对一个证券组合来说是很精确的β贝塔系数的估计。
       三、β贝塔系数在企业（非上市公司）价值评估中的应用问题
       β贝塔被广泛应用于资产定价、判定股票风险、确定投资组合以及股票投资技术分析等方面。对于评估师而言，最感兴趣的是贝塔值在企业价值评估中的正确使用。
通常，β贝塔是由对上市公司股票的市场价格回归统计得到。因此，若将上市公司的β贝塔作为一个可比参数用于对非上市企业的估值，则需要对所取可比公司的历史β贝塔进行相应的调整，以求得与估值目标公司状况的近似。尽管这些调整带有主观色彩，但在逻辑与经济学意义保持了一致性，从而使估值结论更具辩护力。
       1、未来贝塔的估计
首先，应注意无论是按照式（11）回归估计的贝塔或是从数据公司得到贝塔，通常都只是一个历史贝塔，还应将所得到的历史贝塔按照经验公式
βt＝34%K+66%β0        （20）
调整为未来的预计贝塔。
式中：βt 为调整后贝塔或未来贝塔；K是股票市场组合的平均风险因子，按CAMP的假设K等于1；β0为估计的历史贝塔。其调整的经济学含义是从长远看个体的风险是向市场平均风险回归的。
其次，应保证贝塔估计的年期尽可能与估值所选用的其他参数一致或相近。这里有两个问题需注意：一是贝塔本身因所估计的回归年期不同而有较大的差异，例如100周、150周的，或60个月的贝塔值各异，分别代表了对不同回归年期的风险估计，评估师应根据对目标公司估值的总体风险判断选择。二是由于贝塔仅是确定CAPM或权益资本成本多个基础参数之一。因此，在确定贝塔的年期时还需考虑与其他参数年期的一致性或相近性。例如若选用3年期的平均国债到期收益率作为无风险报酬率的近似，选用3年期的平均市场报酬率作为股东期望报酬率的近似，而选用100周的贝塔估计，那么这一组的参数组合显然不具一致性的逻辑关系，因而也不是一个较好的参数选取原则或体系。这里需强调，所选用贝塔不应是历史的贝塔，评估师要对未来的贝塔进行估计，并应保持参数体系或组合的同一性或相近性。
       2、β贝塔系数的因素性调整
根据投资和价值评估的权威美国纽约大学教授Damodaran的研究成果，有三个企业特性因素对贝塔有着决定性影响，即行业或业务类型、经营性杠杆、财务杠杆。因此在使用可比公司的贝塔估计非上市目标公司的贝塔时，需对所选用的可比公司贝塔进行因素调整，这里所谓的调整，其基本思路将可比公司的贝塔进行统计，取其平均值，然后将平均值按业务类型，经营杠杆，财务杠杆的平均值调回到无杠杆的贝塔，最后根据被评估公司的业务，经营杠杆和财务杠杆将无杠杆的贝塔调整为待估值目标公司之权益贝塔，即用来估值的贝塔。
       （1）业务类型调整
目标公司因所处行业或业务的不同，其风险也将不同，如此其贝塔也应不同。典型地我们看到IT公司与基础性产业的风险是不同的。在公司只有单一业务的情况下，通过选择同行业具有相同业务类型的公司作为可比公司，由可比公司的贝塔作为非上市估值目标公司的贝塔，这样就可以避免对业务类型不同引起的贝塔的差异。对多种业务组合的公司，一是选择类似的多业务上市公司作为可比公司，二是将不同类型的业务分开，按其不同业务的权重对可比公司的数据进行加权处理。
       （2）经营杠杆调整
目标公司因经营风格不同，其经营杠杆也就各异。Damodaran的研究结果表明经营杠杆与贝塔存在如下的关系
βb＝βu/[1＋（固定成本/可变成本）]        (21)
从公式可知，固定成本/可变成本的比值越大，经营杠杆贝塔越小，这可以解释为什么依靠石油为主要原料的化工企业，受原油价格影响巨大而收益的波动大的原因；相反上游的开采业有较大的固定成本/可变成本比，而经营风险小。这里的调整理由在本质上和业务类型调整相似。就同类企业而言可变成本越高说明成本控制的难度越大，其经营风险相对也就较大。
但在估值实务中，由于固定成本/可变成本比的数据较难取得，使得经营杠杆调整的可操作性不强。一个可替代的方法就是采用营业利润的变动率与销售收入的变动率的比值作为经营性杠杆的调整的近似。
       （3）财务杠杆调整
公司的资本债务结构被认为是影响贝塔的最主要因素之一。因此，必须按照待估值目标公司的资本债务结构情况，对所选用的可比公司贝塔进行调整，即通过式（19）将可比公司的贝塔调整为待估值目标公司的贝塔，即
        βe=βA[1+（1-t）(D/E) ]       （22）
式中：βe：目标公司的杠杆贝塔（权益贝塔）；
      βA：可比公司的无杠杆贝塔（资产贝塔）；
      t：目标公司适用的所得税税率；
D：目标公司债务资本的市场价值；
      E：目标公司权益资本价值。
       调整的方法，是首先通过回归估计可比公司的历史贝塔β，并得到未来贝塔的估计（式20）。鉴于这种可比的公司贝塔是由可比公司股票市场价格的回归统计得到，并且都是在所估计可比公司的总资本中存在债务资本的情况下得到的，所以也称之为杠杆贝塔或权益（股权）贝塔βe；其次利用式（19）的关系，将可比公司的杠杆贝塔βe调整为可比公司的无杠杆贝塔βA。所谓无杠杆贝塔是指完全依靠权益资本融资，即没有任何负债资本情况下的贝塔。无杠杆贝塔也被称为资产贝塔βA，这是基于它反映了没有财务杠杆作用影响下，全部资产的贝塔。最后，假设待估值目标公司和可比公司是真正可比的，即目标公司的无杠杆贝塔或资产贝塔βA近似等于可比公司的资产贝塔βA，将调整得到的可比公司资产贝塔βA和目标公司的资本债务结构代入式（22）后，即可得到待估值目标公司的杠杆贝塔，即目标公司的权益（股权）贝塔βe。
       从上式可知，负债率高的公司比负债率低的公司风险大，这符合一般经济规律。实际上，一般地债务价值的“增值”有限，对内在价值大于账面价值的公司而言，权益资本的“增值”往往较大，这会降低待估值目标公司的权益贝塔，从而使“风险”降低，这反映出这一调整的内在合理性。
       问题在于，在应用式（22）进行财务杠杆调整时，较困难的是杠杆比率D/E的确定。
       首先，必须明确杠杆比率D/E应该是市场价值而非账面价值，理由很简单，在估值体系中，待估值目标公司的债务价值和权益价值都是尚待确定的未知量，而不是一个已确定的值。如果采用账面价值，即表明已经知道了权益价值和债务价值，也就没必要对其进行估值了。换言之，杠杆比率中的D是对债务（指付息的）的估值结果，是债权人预期收益的现值，即债务成本对债权收益（利息）的“折现”及其债务资本的贴现值之和，是债务资本的价值。同理，E也是权益资本的估计价值，是未来权益自由现金流的现值，是权益资本的价值。并且D和E是应相匹配的。因此，如D使用的账面值，或是其他方法取得的数值，E采用评估值，则存在着同一模型中使用不同的价值量口径与概念的矛盾，即估值没有建立在同一逻辑关系的基础之上，其结果必将导致失真。估值实践证明，债务价值选用账面或市场数据估值结果存有较大差异。
       其次，是否可以用账面债务D近似地替代市场债务D？如果可以确信债务的成本不存在升息或降息（升值或降值），并且企业未来负债不变这一假设成立，即企业当前的资本债务结构是合理，并能始终保持当前的资本债务结构不变，没有债务融资和债务偿还计划。在这个前提下，可假设债务资本的现值与负债的账面值近似相等，即可以近似地将账面债务作为D的估计值。但实际中这种假设状态很难成立，一是利率（债务成本）的市场化，升息或降息将会经常发生；二是旧债务的偿还与新债务的融入更难以保持不变，债务价值的高估或低估将直接导致估值结果的可信性。
       第三，对于上市公司，能否用当前的市场价格（市值）作为E的估计呢？原则上，如果E用市场价值，D也必须估计其市场价值，但由于一般公司的债务上市的较少，估计其市场价值十分困难。用贴现法估计作为近似，也难使D/E相匹配。更主要的原因是，采用收益法的目的是对企业内在价值的估计，其本意就是要检验市场是否高估或者低估了企业的价值，从而可以做出“买”或“卖”的投资决策。如果认为市场已经揭示了股票价格，并且估值师也认为是“对的”，或认为是“合理的估值”，那么也就不存在或没有必要再使用收益法来评估企业的价值了？也就是说若用市价来代替估值，从前提上误解了估值目的和逻辑体系。 
       鉴于上述理由，我们认为在无法获取可比上市公司贝塔系数的负债权益比的情况下，直接采用统计的贝塔作为目标公司的带负债的风险系数也许是一个明智的做法，比起不匹配的负债权益调整，不做更接近“真值”。当然对于无负债的目标公司，其误差会大一些，但通过公司个性风险调整折现率可以部分地抵消这一误差。这样做至少在逻辑和理论上保持了一致性合理性。

主要参考文献：

1、 （美）James C.Van Horne,Jhon M.Wachowicz,Jz.现代企业财务管理.郭浩等译.北京：经济科学出版社，1998
2、 （美）威廉•F•夏普，戈登•J•亚历山大，杰费里•V•贝利.投资学.赵锡军等译.北京：中国人民大学出版社,1998
3、 (美)弗兰克•J•法博齐.投资管理学.周刚等译. 北京：经济科学出版社，1999
4、 (美)Damodaran,Aswath.投资估价.朱武祥、邓海峰译.北京.清华大学出版社，1999
5、 （美）布拉得福德•康奈尔.股权风险溢价：股票市场的远景.吴洪译.北京，机械工业出版社，2000
6、 (美)AI 埃巴.经济增加值-如何为股东创造价值. 凌晓东等译.北京，中信出版社:2001
7、 （美）布拉得福德•康奈尔.公司价值评估.张志强、王春香译.北京：华夏出版社，2001
8、 （美）肯尼思 R.费里斯、巴巴拉 S.佩舍雷•佩蒂.资产评估. 北京:机械工业出版社，2003
9、 傅依、张平.公司价值评估与证券投资分析.北京:中国财政经济出版社，2001
10、 （美）威廉•D•米勒. 金融资产评估.胡静林、陈步林等译.北京:经济科学出版社，2001
11、 理查德•M•贝兹 等.不动产评估基础.董俊英译.北京: 经济科学出版社，2002
12、 （美）汤姆•科普兰等.价值评估——公司价值的衡量与管理.谢关平译.北京：电子工业出版社，2002
13、 (美)罗杰•莫林、谢丽•杰瑞尔. 公司价值.张平淡、徐嘉勇译.北京:企业管理出版社,2002
14、 （英）艾伦•格累戈里著，王震、王鸿雁译《公司战略性估价》，北京:电子工业出版社，2002年1月，
15、 （美）Robert F.Reilly,Robert P.Schweihs.高级商业价值评估手册.阎小娜等译.北京，中信出版社:2003
16、 （美）马莎•阿姆拉姆.如何评估企业增长机会.王朝阳等译.北京：机械工业出版社，2004
17、 陈珠明、赵永伟.企业并购：成本收益与价值评估.北京：经济管理出版社，2003
18、  (美)Damodaran,Aswath. 投资估价.林谦译. 北京.清华大学出版社，2004
19、 （美）Gary,Partrick J.Cusatis, and J.randall Woolridge.股票价值评估.于春海 詹燕萍 谢静 译.北京，中国财经经济出版社，2004
20、 （英）斯蒂夫•拉姆拜，克里丝•琼斯.投资评估基础.高原、刘爽译.北京，北京大学出版社，2004
21、 肖翔、何琳 主编.资产评估学教程.北京，清华大学出版社，北京交通大学出版社，2004
22、 上海资产评估协会.收益法评估理论与实践.上海，立信会计出版社，2001
23、 王诚军.论资产评估中的市场价值.中国资产评估，2002(4)
24、 美国评估行业统一操作规范.北京:经济科学出版社，1999
25、 美国估价学会.不动产评估.北京:地质出版社，2001