·無風險利率是一筆投資有保證的預期收益率；實際上，你的預期收益率也是你的實際收益率。由于這個收益率是有保證的，因此，投資必須符合兩個條件才是無風險的。第一個條件是提供這個擔保的機構不存在違約風險；正因為如此，我們才利用政府債券獲得無風險利率，這是一個必要但非充分條件。我們將會在第6章中看到，很多政府債券也存在違約風險，因此，這些無風險利率政府發行的債券自然就不是無風險的。第二個條件是不存在再投資風險，在這個問題上，時間跨度非常重要。如果在5年的時間段內去考量一筆期限為6個月的國庫券，它肯定不是無風險的，因為無風險利率你要面臨再投資風險。實際上，即便是5年期國債也未必是無風險的，因為這筆國債每6個月會收到一次票面利息，此時，我們無風險利率就必須考慮這筆利息的再投資問題。很明顯，取得無風險利率并不像期初我們想象得那么簡單。

股權風險溢價是投資者投資于風險資產（或股權）類別所要求的溢價，它是相對于無風險利率而言的。它不僅取決于投資者認為股權這類資產的風險有多大，無風險利率還依賴于他們在進入這個市場時所采取的風險偏好。此外，股權風險溢價會隨著時間的推移而變化，因為無論市場風險和投資者的風險規避傾向都會發生變化。在無風險利率估計股權風險溢價時，傳統做法是采用歷史上的風險溢價，即投資者在過去較長時間（如75年）投資股權投資而非無風險投資或接近于無風險投資所取得的溢價。不過，第7章對這種做法的有效性提出來質疑，并介紹了其他可供選擇的方案。

·為估計CAPM模型中的單一貝塔系數以及多因素模型中的若干貝塔系數，我們使用了統計技術和歷史數據。估計CAPM貝塔系數的標準方法就是在對大盤市場指數的基礎上對個股收益進行統計回歸。回歸線的斜率代表該股票在任意時刻相對于大盤走勢的偏離，或者說，相對于大盤的波動性。為估無風險利率計套利定價模型中的貝塔系數，我們使用股票的歷史收益數據和因素分析取得模型中的各個因子以及個別公司的貝塔系數。因此，我們取得的貝塔系數估計值全部是回顧性的（因為它們均來自歷史數據），且存在噪聲（作為統計估計值，必然存在標準誤差）。此外，這些方法明顯不適用于無交易歷史的投資（如初創企業和上市公司的業務部門）。對此，一種方案就是將回歸貝塔系數替換為自下而上的貝塔系數，無風險利率即以公司所在行業的行業平均值為基礎，并對財務杠桿的差異進行調整。考慮到基于行業平均值的貝塔系數比基于個別公司的回歸貝塔系數更精確，且各項業務的權重可以反映公司當前的業務組合，因此，自下而上的貝塔系數通常可以對未來提供更合理的估計。