1980年，诺贝尔奖得主Robert Merton提出，对回报率的预测越频繁，那么对协方差的估算以及对值的测算就应该越准确。然而Merton的理论在实施中却让人非常困惑。经验问题使得高频度的β值测算变得不可靠。因此，我们推荐使用月回报率。
月回报率
当某种股票很少交易时，采用日回报率、甚至周回报率就存在很大问题。缺乏流动性的股票会有很多回报率为零的报告，并非是因为股票的价值不变，而是因为它没有交易（只有上一笔交易记录）。相应地，对缺乏流动性的股票的β值估计就会偏低。采用较长期的回报率，比如月回报率，可以减少这种负面影响。对交易不频繁（甚至月交易也不多）的股票的一个建议，是把滞后β值的相加。在滞后β值模型中，一种股票的回报率同时与本时段和前一时段的市场回报率做回归。把回归得出的两个值相加即可。
采用高频率数据带来的第二个问题是买卖价差。在上一笔交易中记录了当时股票价格，而记录的价格取决于上一笔交易是买（买价）还是卖（卖价）。这样，一个内在价值保持不变的股票就会在卖价和买价之间“跳跃”，从而扭曲了对的估计。使用较长期的回报率减少了这种扭曲。
在过去的几年里，随着计算能力和数据釆集方面的改进，出现了在高频率β值估计方法领域很有发展前景的研究。有一项研究采用5分钟的回报率来计算β值，而且这种估计方法得出的结果比用标准化的60个月滚动法得出的结论更准确。不过，这项研究局限于高度流动的股票，因此我们在实践中还是侧重用较长间隔的回报率来计算β值。
