企業數字化轉型能抑制股價崩盤風險嗎？

李宏寅

(遼寧大學經濟學院，遼寧 沈陽 110036)

一、引 言

當前，數字經濟已成為世界經濟發展新引擎，是新一輪國際競爭重點領域，隨著大數據、人工智能、云計算、區塊鏈等數字技術的飛速發展，數據成為貫穿經濟社會活動的關鍵生產要素。黨中央和國務院高度重視數字經濟的培育和建設，要求加快發展先進制造業，推動互聯網、大數據、人工智能和實體經濟深度融合。2022年《政府工作報告》提出，要促進數字經濟發展，加強數字中國建設整體布局，建設數字信息基礎設施，促進產業數字化轉型。在國家政策驅動及全球經濟面臨重大不確定性的現實困境下，數字化轉型無疑成為企業高質量發展的必然選擇。

股票市場作為我國市場經濟的重要組成部分，其繁榮穩定對金融風險防控及實體經濟的健康發展至關重要。股價崩盤不僅損害投資者利益、降低資源配置效率，也嚴重威脅國家經濟安全，探索影響股價崩盤風險的機制對于保護投資者利益、優化市場資源配置以及防止發生系統性金融風險具有重要的理論和現實意義。

隨著企業數字化轉型的不斷深入，數字技術逐漸融入企業生產、經營及管理的各個環節，在重塑及改善商業模式的同時也會影響其資本市場表現[1]。股價崩盤風險作為資本市場核心議題之一，是企業經營績效、內部治理及信息環境等的綜合映射，也會在一定程度上反映其數字化轉型成效。現有研究發現，引起股價崩盤的因素主要包括委托代理問題[2]、信息環境[3]及外部治理[4]等方面，深層次原因則是管理層出于自利動機而隱藏壞消息的行為[5][6]。現有企業數字化轉型相關研究發現，數字化轉型能夠促進企業創新[7]，通過“降成本”“提效率”“強創新”的機制提升實體經濟運行質效[8][9]，減少市場摩擦和信息不對稱[10]，這為企業數字化轉型抑制股價崩盤風險提供了初步證據。與此同時，企業數字化轉型正處于當下社會建設熱點，為了吸引投資者注意，企業熱衷于通過定期報告及媒體投放其轉型信息以抬高投資者預期，這種正向“曝光效應”在增加股票交易概率[11]的同時，也為管理層提供了信息操縱的可能，即通過夸大正面信息加劇股價崩盤風險[12]。綜上可知，企業數字化轉型是否能抑制股價崩盤風險尚無定論。因此，本文擬使用滬深A股上市公司相關數據針對企業數字化轉型對股價崩盤風險的影響、傳導機制及外部條件進行研究識別，為企業數字化轉型的經濟績效與股價崩盤風險的影響因素提供新的經驗證據。

本文可能的邊際貢獻有：(1)利用Python文本分析方法構建核心解釋變量，基于企業數字化轉型研究其對股價崩盤風險的影響機理，豐富了數字化轉型和股價崩盤風險的相關研究，實證了企業數字化轉型影響股價崩盤風險這一新因素。(2)從信息不對稱、投資效率及企業創新等角度對企業數字化轉型影響股價崩盤風險的機制進行分析，為企業數字化轉型績效的微觀經濟傳導路徑提供了新啟示。(3)剖析了不同產權性質及數字環境的異質性影響，對驅動企業數字化轉型和維系資本市場穩定的相關政策制定具有一定現實意義。

二、理論分析與研究假說

股價崩盤風險作為資本市場和資產定價領域的核心議題，對其形成機制目前已有大量文獻進行探討，主流觀點認為股價崩盤風險是企業管理層出于自利動機，為獲得職務晉升[13]、維系職業前景[14][15]、保護薪酬待遇[16]和最大化股票期權價值[17]等目的隱藏公司負面信息，導致企業管理層與股東(投資者)之間信息不對稱而造成的。為了隱藏負面消息，企業管理層可能會進行金融投機[18]、在職消費[19]、避稅[6]和過度投資行為[20]，這加劇了信息不對稱，激化了股價崩盤風險。特別地，管理層被迫利用金融投機及過度投資等方式掩蓋企業負面信息也意味著企業可能正面臨著基本面惡化，傳統業務投資效率下降，新業務投資機會不足和缺乏創新等現實困境。

數字經濟新格局中，數字化轉型是企業整合資源實現突破性創新的有力抓手，其內涵是將大數據、人工智能、云計算、區塊鏈等數字技術與企業生產、經營及管理等環節進行深度融合，挖掘數據新價值，達到在現有要素資源約束下拓展生產邊界的目的。有研究認為，企業數字化轉型能夠降低商業活動中的搜索成本和追蹤成本，緩解信息不對稱[21]，運用大數據分析重塑商業模式[22]，進而拓展投資機會，提升投資效率，激發創新潛能。由此推斷，企業數字化轉型的正向效應可能會對其資本市場表現形成積極反饋，即通過優化信息環境、改善基本面等渠道抑制股價崩盤風險。

企業數字化轉型能明顯改善信息不對稱，降低股價崩盤風險。在生產經營中，企業運用數字技術建立OA辦公系統、移動APP和智能終端，實現企業內部、企業與客戶、企業與供應鏈的高效無縫銜接，形成了完整的、良性的、有效的企業數據生態，在提升溝通效率的同時應用云計算進行海量沉淀數據整合處理，令信息披露更及時、充分和透明[23]。數字技術的應用和數字化轉型程度的提高能夠增強企業對非結構化和非標準化數據的處理能力[24]，使得企業內部信息流轉更加通暢，在一定程度上緩和了經理人和股東之間的利益沖突，在優化企業內部治理的同時抑制管理層盈余管理行為的動機[25]。從外部監督視角來看，一方面，企業能夠基于云計算與大數據處理等技術將數字終端的搜索、下載和瀏覽等非結構化數據進行智能加工，以精準匹配消費者個人特征、偏好及習慣來推送或定制最具價值的信息和服務，緩解企客之間的信息不對稱。與此同時，通過提高與投資者之間的信息傳遞效率、關注網絡輿情來進行針對性的信息披露，增強中小投資者群體的外部監督。另一方面，企業數字化轉型順應時代發展，處于政策“聚光燈”之下，更容易吸引投資者的關注，在企業能夠更好地處理與輸出有效信息的前提下，外部投資者的信息搜索成本大大降低，掌握的信息也更加充分，從而有效緩解企業與投資者之間的信息不對稱，加大了管理層隱藏負面消息的難度，進而抑制股價崩盤風險。

企業數字化轉型能夠拓展投資機會、提高投資效率、激發創新潛能，從而改善企業基本面，達到降低股價崩盤風險的效果。大數據、人工智能與物聯網等新技術的運用促進了企業間的跨界融合，衍生出了大量新業態和新商機，有效拓展了企業的投資邊界。在此過程中，數字化轉型通過優化人力資本結構、整合產業鏈各環節、改進業務流程、降低生產和交易成本，有效提升了全要素生產率[26]。更進一步地，當轉型進程逐漸深入時，企業通過搜集與分析市場需求信息、敏銳把握市場機遇，可在既定資源約束下有效擴展績效邊界，極大地改善自身運作效率，從而避免投資不足或投資過度。企業數字化轉型通過加快企業信息化進程、賦能傳統產業，不僅能驅動自身技術創新，還能形成模式創新和體系創新，從而綜合提振企業的創新動能[27]。特別地，企業設立數字化轉型戰略目標后，為了契合市場需求和政策導向，往往會加大研發投入，當研發投入取得創新成效獲得投資者認可時，反過來又會刺激研發需求，進而形成“研發—創新—研發”的良性循環。企業基本面向好能減少企業負面消息，減少管理層隱匿信息的可能性，從而抑制股價崩盤風險。基于以上分析，本文提出假說：企業數字化轉型能夠抑制股價崩盤風險。

三、研究設計

(一)數據來源

本文使用滬深A股上市公司2007—2021年的數據作為初始研究樣本，用當年的企業數字化轉型解釋下一年的股價崩盤風險，所以股價崩盤風險指標的樣本區間為2008—2021年，其他解釋變量的樣本區間為2007—2020年。本文對數據做了如下處理：(1)剔除期間ST、*ST、暫停上市和退市的股票；(2)剔除金融行業企業數據；(3)剔除當年交易數不足30周的樣本；(4)剔除上市時間不滿一年的樣本；(5)剔除主要變量缺失的樣本。同時，對連續變量做前后1%的縮尾處理。最終得到22696個企業—年度數據。財務和交易數據來自國泰安(CSMAR)數據庫，年報文本數據來自滬深證券交易所官網。

(二)變量設定

1.被解釋變量：股價崩盤風險。本文參考既有研究[6][17][28][29]，采用負收益偏態系數(NCSKEW)和股票收益上下波動比率(DUVOL)來衡量股價崩盤風險，其構建過程如下：

ri，j=α+β1rm，j-2+β2rm，j-1+β3rm，j+β4rm，j+1+β5rm，j+2+εi，j

(1)

其中，ri，j為股票i第j周的收益率；rm，j為第j周全市場流通市值加權平均收益率，考慮到個股非同步性交易，rm，j-2、rm，j-1為滯后一、二期，rm，j+1、rm，j+2為超前一、二期。按式(1)回歸后，取殘差項計算股票i第j周的特有收益率(wi，j)：wi，j=ln (1+εi，j)。

(2)

其中，n為股票i第t年的交易周數。按式(2)計算股票i第t年負收益偏態系數(NCSKEW)，數值越大，股價崩盤風險越高。

(3)

根據式(3)計算股票i第t年收益上下波動比率(DUVOL)，式中nu和nd分別表示個股周特質收益率大于和小于年平均收益率的周數。收益上下波動比率數值越大，股價崩盤風險越高。

本文以未來一期的負收益偏態系數(FNCSKEW)和收益上下波動率(FDUVOL)作為被解釋變量。

2.核心解釋變量：企業數字化轉型(DTC)。參考既有研究[26][30][31]，本文利用Python語言對滬深A股上市公司年報所披露的“數字化轉型”相關關鍵詞分成人工智能技術、區塊鏈技術、云計算技術、大數據技術及數字技術應用5大類74項進行文本識別，搜索、匹配并加總詞頻，用詞頻總數加1取對數構建企業數字化轉型這一關鍵解釋變量。具體關鍵詞詞庫見表1。

表1 企業數字化轉型文本詞庫

(三)模型設定

為了研究企業數字化轉型對股價崩盤風險的影響，本文構建回歸模型：

Crashi，t+1=β0+β1DTCi，t+γControli，t+θ∑Ind+δ∑Year+εi，t

(4)

其中，被解釋變量Crashi，t+1為企業i第t+1年的股價崩盤風險，DTCi，t為企業i第t年的數字化轉型程度。參考既有研究，本文在回歸方程中加入了如下控制變量(Controli，t)：(1)企業年換手率的變化(Dturn)，股票i第t年與第t-1年換手率之差/第t年的換手率；(2)企業年齡(Age)，第t年減去企業上市年度加1后取對數；(3)股票回報率(Ret)，股票i周特有收益的年平均值；(4)股票波動率(Sigma)，股票i第t年周特有收益的標準差；(5)企業規模(Size)，企業i第t年期末總資產取對數；(6)資產負債率(Lev)，企業i第t年期末總負債/總資產；(7)總資產收益率(Roa)，企業i第t年期末凈利潤與總資產之比；(8)市賬比(MB)，股票i第t年期末流通市值和賬面價值之比；(9)負收益偏態系數(NCSKEW)，股票i第t年的負收益偏態系數；(10)第一大股東持股比例(Top1)，股票i第t年第一大股東持股比例乘以100；(11)兩職合一(Same)，如果董事長兼任總經理，取值為1，否則取值為0。Ind、Year分別為行業、年度固定效應。εi，t為隨機擾動項。本文回歸使用企業層面的聚類穩健標準誤。

本文實證部分重點考察回歸系數β1的符號和顯著性，以判斷企業數字化轉型對股價崩盤風險是抑制還是加劇。如果本文假說成立，則β1應顯著為負。表2匯報了主要變量的描述性統計結果。

表2 主要變量描述性統計

四、實證結果與分析

(一)基準回歸分析

本文采用遞進式的回歸策略檢驗企業數字化轉型對股價崩盤風險的影響。表3第(1)、(2)列中，企業數字化轉型(DTC)系數分別為-0.0145、-0.01，且均在1%水平下顯著。第(3)、(4)列加入了企業年換手率的變化(Dturn)、企業年齡(Age)、股票回報率(Ret)和股票波動率(Sigma)四個控制變量，企業數字化轉型(DTC)系數分別為-0.0162、-0.0111，且依然在1%水平下顯著。第(5)、(6)列中進一步加入其余控制變量，企業數字化轉型(DTC)系數分別為-0.0185、-0.0103，且依然在1%水平下顯著。這說明企業數字化轉型程度越高，越能抑制股價崩盤風險，本文假說得到了驗證。大多數控制變量的回歸系數符號及顯著性都和既有研究一致，說明本文的基準回歸結果是可靠的。

表3 企業數字化轉型與股價崩盤風險

(二)穩健性檢驗

1.更換被解釋變量。基準回歸中使用的負收益偏態系數和收益上下波動比率是基于目前學術界主流方法計算得到的，考慮到中國股市中各個子市場(滬深主板、創業板、科創板)特質差異較大，此處使用分市場負收益偏態系數(DNCSKEW)和分市場收益上下波動比率(DDUVOL)對被解釋變量進行替換。以股票i為例：如果股票i屬于主板，則計算周特有收益率(wi，j)時使用對應主板市場流通市值加權平均收益率；如果股票i屬于創業板，則計算周特有收益率(wi，j)時使用創業板市場流通市值加權平均收益率。

2.傾向得分匹配(PSM)檢驗。考慮到進行數字化轉型的企業并不是隨機產生的，為了克服這樣的內生性問題，本文從沒有進行數字化轉型的企業中選取那些與進行數字化轉型的企業在主要控制變量上相似的企業構建對照組來進行檢驗。對照組的構建過程如下：首先估計Logit模型，被解釋變量為企業當年是否進行數字化轉型的虛擬變量，解釋變量為前文基準回歸中的所有控制變量，計算出每個樣本進行數字化轉型的傾向得分。然后使用一對一的K近鄰匹配法從當年沒有進行數字化轉型的樣本中選取傾向得分最近的樣本作為當年進行了數字化轉型樣本的對照組。

3.增加控制變量。在基準回歸的基礎上參考相關研究[32][33]，加入其他控制變量來減小因遺漏變量問題造成的內生性。具體包括：(1)機構投資者持股比例，股票i第t年機構投資者持股占比百分數；(2)高管薪酬，股票i第t年管理層最高薪酬前三名總額加1取對數；(3)管理層持股，管理層持股比例百分數。

4.樣本自選擇問題。企業數字化轉型與股價崩盤風險的負向關系可能會受到樣本自選擇問題的影響，為了緩解此選擇性偏差，本文構建了Heckman二階段模型。第一階段以企業當年是否進行數字化轉型的虛擬變量為被解釋變量構建Probit回歸模型，并計算逆米爾斯比率(Inverse Mills Ratio)。第二階段將逆米爾斯比率作為控制變量放入原方程進行回歸。

5.剔除特殊樣本。在樣本數據期間，2008年發生國際金融危機，2015年中國股市異常波動。為避免異常行情對研究結果造成的影響，借鑒梁上坤等(2020)[34]的研究，本文剔除2008年及2015年的數據后重新進行檢驗。

6.工具變量檢驗。盡管基準回歸分析中采用第t期企業數字化轉型對第t+1期股價崩盤風險進行解釋能夠在一定程度上對反向因果關系造成的內生性進行緩解，但是為了進一步克服潛在的內生性問題，本文參考彭俞超等(2018)[18]的研究，構建了三個工具變量：一是企業i同行業其他企業數字化轉型(DTC)的平均值，二是企業i同省份其他企業DTC的平均值，三是企業i同城市其他企業DTC的平均值。一般而言，同行業、同省份及同城市其他企業數字化轉型的平均值與該企業數字化轉型程度相關，但不會直接影響該企業股價崩盤風險。經檢驗，這三個工具變量滿足相關性要求且不存在弱工具變量問題，工具變量的外生性在統計意義上得到滿足。

穩健性檢驗結果顯示(1)限于篇幅，具體結果未報告，作者備索。，企業數字化轉型能顯著抑制股價崩盤風險，說明基準回歸結果是可靠的。

五、機制檢驗

(一)緩解信息不對稱

企業信息披露質量越低，投資者越難準確掌握企業真實情況。投資者與管理層之間的信息不對稱造成股價長期偏離企業基本面，當壞消息積聚超過承受閾值，引發股價崩盤。財務信息是投資者進行投資決策時重要的參考依據，大量研究發現，信息披露質量尤其是財務信息透明度是誘發股價崩盤風險的重要因素[5][28][35][36]。本文參考Kim和Zhang(2014)的研究，采用盈余管理指標刻畫信息披露質量[3]。為了進一步保證研究結果的穩健性，本文使用真實盈余管理(REM)和應計盈余管理(ACC)兩個指標，其中應計盈余管理(ACC)為修正Jones模型計算所得。兩個指標的絕對值越大，代表信息披露質量越低。表4第(1)、(2)列中，企業數字化轉型(DTC)系數均顯著為負，意味著企業數字化轉型程度越高，信息披露質量越高。由此可知，企業在推進數字化轉型的進程中，通過數字技術的應用形成了完整的、良性的、有效的企業數據生態，改善了內部溝通效率，提升了信息披露質量，緩解了信息不對稱，進而抑制股價崩盤風險。

表4 影響機制檢驗

(二)改善企業基本面

1.投資效率。企業基本面惡化的表現之一是非效率投資，包括投資不足和投資過度。江軒宇和許年行(2015)發現，過度投資會加劇股價崩盤風險[37]，這為非效率投資引發股價崩盤提供了直接經驗證據。鑒于此，本文借鑒Richardson(2006)的研究，使用對第t年企業i新增投資支出回歸的殘差刻畫投資效率(Inef)，殘差絕對值越大意味著投資效率越低，殘差大于零屬于過度投資，殘差小于零屬于投資不足[38]。表4第(3)列結果顯示，企業數字化轉型(DTC)系數在1%水平下顯著為負，表明企業數字化轉型能提高投資效率。企業數字化轉型能有效改善自身運作效率，避免投資不足或投資過度，進而抑制股價崩盤風險。

2.企業創新。企業基本面惡化通常還伴隨著創新不足，而企業創新性投資能夠改善企業績效，從而降低股價崩盤風險。本文使用創新投入(RD)作為企業創新的代理變量，以企業i第t年研發投入占營業收入之比來衡量，其值越大代表企業創新能力和創新欲望越強。表4第(4)列結果顯示，企業數字化轉型(DTC)系數在1%水平下顯著為正，說明企業數字化轉型通過加快企業信息化進程、賦能傳統產業，形成了技術創新、模式創新和體系創新，刺激企業加大研發投入，激發企業創新潛能，最終降低股價崩盤風險。

六、拓展性分析

(一)產權性質

考慮到中國的基本國情和經濟制度，企業數字化轉型對股價崩盤風險的影響在不同產權性質下可能會存在非對稱效果。本文把觀測數據劃分為國有企業和非國有企業2個子樣本進行檢驗。表5結果顯示，在國有企業組，企業數字化轉型(DTC)系數雖然為負，但不顯著異于零，而在非國有企業組，DTC系數均在1%水平下顯著為負，同時組間系數差異性檢驗的P值至少在5%水平下顯著。這說明企業數字化轉型對股價崩盤風險的影響因產權性質差異而存在非對稱性。一方面，國有企業較非國有企業在資源獲取及市場準入方面有著得天獨厚的優勢，導致市場敏感度較弱，缺乏數字化轉型的動力和強烈意愿；另一方面，國有企業的性質決定其運行過程中不能僅強調經營和績效，還要凸顯社會責任和社會擔當，因此，國有企業在數字化轉型過程中對“穩健”的要求勝于對“速度”的追求。這些因素導致國有企業數字化轉型的績效傳導存在時滯，進而與非國有企業在資本市場上有不同表現。

表5 產權性質

(二)數字環境

企業數字化轉型不僅要靠內部數字技術驅動，還要靠外部數字環境支撐。本文參考清華大學互聯網治理研究中心與伏羲智庫聯合發布的《中國城市資源數字化配置指數研究報告》，以樣本企業所在城市資源配置的數字化發展水平是否超過60分為標準，將樣本數據劃分為數字環境水平高與低兩個組別。具體而言，企業所在城市為杭州、北京、上海、廣州、深圳、寧波、成都和重慶的為數字環境水平高組別，其余為數字環境水平低組別。表6結果顯示，在數字環境水平高的組別中，企業數字化轉型(DTC)系數均在1%水平下顯著為負，數字環境水平低的組別DTC系數雖然為負，卻不顯著異于零，同時組間系數差異性檢驗均在5%水平下拒絕組間系數不存在差異的原假設。這說明包括數字基礎設施建設及配套政策支持等在內的外部數字環境能對企業數字化轉型形成有力支撐，進而抑制股價崩盤風險。

表6 數字環境

七、研究結論與政策啟示

隨著大數據、人工智能、云計算、區塊鏈等數字技術的發展，數字經濟對社會發展各領域和全過程的滲透不斷深入，成為重塑中國經濟結構、重組企業要素資源、改變傳統業態的關鍵力量。本文以滬深A股上市公司2007—2021年的數據為樣本，通過Python文本分析方法構建企業數字化轉型這一關鍵變量，實證檢驗企業數字化轉型對股價崩盤風險的影響。研究發現：企業數字化轉型能顯著降低股價崩盤風險；機制檢驗發現，企業數字化轉型通過提升企業信息披露質量、緩解信息不對稱，以及提升投資效率、激發創新，從而改善企業基本面來抑制股價崩盤風險；進一步研究發現，數字化轉型對股價崩盤風險的影響在非國有企業及外部數字環境發展水平較高的企業中更為顯著。

依據以上研究結果，本文得到如下政策啟示：第一，政府應出臺鼓勵政策，推動互聯網、大數據、人工智能和實體經濟深度融合，完善5G、工業互聯網和物聯網等新型基礎設施建設，增強數字政府效能，激發數字經濟活力，不斷優化數字營商環境，同時對不同企業要遵循差異化原則，根據產權屬性、行業性質及所處數字環境等具體情況規劃各具特色的數字化轉型之路。第二，企業要在數字經濟革命和產業升級的時代大背景下勇于主動出擊，不僅要重構組織模式，打破時空限制，延伸產業鏈條，實現跨界發展，還要利用好大數據這一新型生產要素，改造升級傳統業務，努力激發創新潛能，提高投資效率，進行高質量信息披露，優化內部控制的同時有效增進與外部投資者的互動。第三，金融監管機構要進一步提升資本市場的信息傳導效率，使企業數字化轉型成效在資本市場中及時且充分釋放，運用大數據技術對虛假不實信息進行有效識別，嚴懲信息操縱行為，以降低投資者信息搜集成本，提升市場有效性，使資本市場更好地服務實體經濟。第四，投資者要借助數字經濟的東風，積極參與到上市公司治理當中，加強自身信息鑒別能力，充分行使外部監督職能，切實維護自身利益。