计算贝塔系数时，停牌日数据不能用填充法，因为填充法（如前值填充或填充为0）会人为引入非真实交易数据，导致贝塔系数出现系统性偏差。贝塔系数衡量个股收益率对市场收益率波动的敏感程度，其计算依赖于交易日内的真实价格变动。停牌日股票没有实际交易，价格被人为固定，填充后的收益率往往为零或与前一交易日相同，这破坏了贝塔计算所需的相关性基础。
为什么填充法导致偏差
贝塔系数的核心是通过线性回归，统计个股收益率与市场基准收益率之间的协方差与市场方差之比。停牌日填充数据相当于强制将停牌期间的市场波动与个股“零收益率”配对，这会显著压低个股与市场的相关性。
- 若市场在停牌期间上涨，个股填充收益率为0，回归中会生成一组“市场涨、个股不涨”的虚假数据点，导致贝塔值被低估。
- 若市场下跌，个股填充收益率为0，则生成“市场跌、个股不跌”的虚假数据点，导致贝塔值被高估。
无论填充为0还是前值，停牌日数据都无法反映真实的供需变化，而贝塔计算恰恰需要个股与市场在同一时间窗口内的同步波动信息。填充法还会人为增加样本量，使回归结果看起来更“稳定”，但这种稳定是虚假的，会掩盖真实的风险暴露程度。
正确的处理方法：设为缺失值
正确的做法是将停牌日数据设为缺失值，仅使用实际交易日数据进行贝塔计算。大多数统计软件和金融数据库（如Python的pandas、R的lm函数、Wind等）在回归时默认会忽略缺失值，只对配对完整的有效数据点进行拟合。
- 停牌时间越长，有效样本量越少，但剩余数据反映的是真实的交易关系。
- 如果停牌天数过多（如超过总交易日数的20%），贝塔系数的统计显著性可能下降，此时应结合行业平均贝塔或事件驱动分析做补充判断。
关键结论：贝塔系数的准确性取决于数据的时间同步性和真实性。停牌日填充数据会扭曲个股与市场的协方差，造成贝塔高估或低估；设为缺失值并使用实际交易日数据，才能得到反映真实风险敏感度的贝塔系数。
常见问题
贝塔系数计算中，停牌日数据是否可以用插值法处理？
不推荐。插值法（如线性插值）同样会生成虚构的价格路径，而停牌期间并未发生真实交易，插值后的价格与市场波动的配对仍然不真实。只有实际交易日产生的价格变动才能用于贝塔回归。
如果股票长期停牌（超过一个月），贝塔系数还有参考价值吗？
参考价值有限。长期停牌后复牌时，股价往往会出现跳空调整，导致复牌后短期数据与停牌前数据在统计上不连续。此时基于停牌前数据的贝塔无法反映停牌期间公司基本面的变化，建议使用复牌后至少20个交易日的数据重新计算贝塔。
计算贝塔系数时，对停牌天数有具体的剔除门槛吗？
没有统一门槛，但常见做法是：如果停牌日占计算窗口（如1年约250个交易日）的5%以上（约12个交易日），就应当评估有效样本是否足够。若停牌日超过10%，贝塔的置信区间会明显扩大，此时可考虑使用行业平均贝塔作为替代参考。