企業數字化轉型與金融市場穩定
——基于尾部系統風險視角

李政 趙軼薇 卜林

(天津財經大學金融學院，天津 300222)

一、引言

在數字經濟發展的大背景下，推動實體企業的數字化轉型成為建設制造業強國的必由之路。黨的二十大報告明確指出，“加快發展數字經濟，促進數字經濟和實體經濟深度融合，打造具有國際競爭力的數字產業集群”。當前，我國傳統產業正處于數字化轉型升級期，根據中國通信院發布的《中國數字經濟發展研究報告(2023)》，2022年我國數字經濟規模達到50.2萬億元，產業數字化規模達到41萬億元。然而，作為賦能傳統企業的新生產物，數字化轉型是一把“雙刃劍”，將對企業生產經營帶來不確定性影響。雖然傳統企業在數字化轉型中可以借助外部信息資源與數字化平臺技術改善資源配置效率以及銷售決策，對其生產經營活動進行優化升級，但是企業的數字化轉型絕非易事，隨著數字化程度的加深，需要企業管理架構以及人力、物力與之相匹配；并且數字化研發項目的不確定性和高額的長期投入很容易使企業陷入轉型失敗的困境，惡化企業資金狀況，進而引發金融市場風險聯動，提高企業尾部系統風險。

數字化轉型帶給企業經營的不確定性，會影響企業信息披露質量，使市場投資者與企業間的信息不對稱程度發生變動，進而映射至其金融市場表現。具體而言，當數字化轉型有效提高企業績效時，管理層利益得到保障，從而緩解了機會主義傾向和操弄盈余動機，提高企業信息披露的質量。并且，數字化的本質在于挖掘與傳遞信息，數字化轉型將促使企業信息管理趨向標準化、靈活化和高效化，提高市場投資者獲得企業信息的數量與質量，緩解企業與投資者之間的信息不對稱程度(林川，2022；馬慧和陳勝藍，2022)，以此降低尾部系統風險。但是，2022年初“元宇宙”概念股在大漲后集體下跌，此類上市企業因蹭數字化熱點導致股價在短期內異動的事件屢見不鮮。伴隨著數字化轉型的深入發展，企業信息披露中相關表述逐漸增多，部分企業甚至虛假美化數字化熱點信息，而投資者在過度關注數字化標簽的情況下甄別能力下降，難以識別企業信息披露中隱藏的壞消息(彭俞超等，2023)，短暫的股價上漲將形成泡沫，提高企業面臨的尾部系統風險。

企業數字化轉型引發的生產經營效率以及信息傳遞質量的不確定性問題，必然會蔓延至金融市場。在2008年金融危機、2015年股市異常波動以及2020年初受全球公共衛生事件沖擊期間，我國A股市場多次出現千股跌停現象，極端事件頻發表現出極強的尾部系統風險。黨的二十大報告強調，要“加強完善現代金融監管，強化金融穩定保障體系，依法將各類金融活動全部納入監管體系，守住不發生系統性金融風險的底線”。目前僅有少數文獻探討了企業數字化轉型的資本市場表現。吳非等(2021)認為數字化轉型可以提高股票流動性。大多數研究發現企業數字化轉型可以改善信息質量與企業基本面，有效抑制股價崩盤風險(林川，2022；馬慧和陳勝藍，2022；李宏寅，2023；苑澤明等，2023)，但彭俞超等(2023)得出相反結論，認為企業的數字化表述將引發投資者的樂觀情緒，降低股價信息含量，提高企業股價崩盤風險。賀超等(2023)則發現企業數字化轉型通過增加內部機會主義行為和外部監管難度導致股價同步性上升。

尾部系統風險與股價崩盤風險不同，股價崩盤風險是指公司股價迅速下跌或崩盤的概率，現有文獻將個股特有收益出現極端負值的概率作為公司層面的股價崩盤風險，普遍使用負收益偏態系數和收益上下波動比率來代表股價崩盤風險。其中，個股特有收益是指經市場調整后的個股收益率。因此，崩盤風險關注的是公司個股的極端表現，度量剔除市場影響后的個體特質風險。尾部系統風險則關注市場極端下跌情形下個股的表現，通過計算個股與市場的尾部相關性，度量市場極端下跌時個股出現極端下跌的相對概率，或通過計算尾部貝塔系數，度量極端狀態下個股對市場的敏感度，刻畫市場極端下跌時個股跌幅的絕對大小。因此，尾部系統風險捕捉了市場極端下跌狀態下個股的表現，反映其對整個市場不穩定的貢獻，相比股價崩盤風險，尾部系統風險更能體現金融市場穩定性。

國內外學者構建了尾部系統風險的測度指標，并考察了個股尾部系統風險的影響因素。一方面，就尾部系統風險的測度而言，首先，Patton(2006)提出Symmetrized Joe-Clayton Copula(SJC Copula)函數，通過計算個股與大盤同漲同跌時的極值相關性度量個股的尾部系統風險。其次，Chabi-Yo et al.(2018)運用動態混合Copula方法計算個股對市場的尾部相依系數衡量尾部系統風險。最后，Van Oordt and Zhou(2016，2019a，2019b)構造了尾部CAPM模型，通過尾部貝塔系數測度個股對市場暴跌的敏感度，衡量其尾部系統風險水平。另一方面，就個股尾部系統風險的影響因素而言，首先，李志生等(2019)、陳海強等(2019)、陸蓉等(2022)利用SJC Copula函數度量尾部系統風險，分別考察了國家隊持股、融資融券制度和企業社會責任對尾部系統風險的影響。其次，潘寧寧和韓科飛(2022)參考Chabi-Yo et al.(2018)的方法估計尾部系統風險，并探究滬港通交易制度的實施對尾部系統風險的作用機制。最后，田正磊等(2019)、姜富偉等(2022)采用尾部貝塔系數測度個股尾部系統風險，分別探討了個股所處信息網絡的結構特征以及機構投資對尾部系統風險的影響效應。

鑒于企業數字化轉型對其資本市場表現影響的階段差異性問題，本文對企業數字化轉型與尾部系統風險間的非線性關系展開研究，與現有文獻相比，存在如下貢獻之處：第一，目前關于企業數字化轉型對其資本市場表現影響效應的研究仍較少，本文以金融市場穩定為切入點，分析企業數字化轉型對其尾部系統風險的影響，有助于豐富數字化轉型經濟后果的相關研究。第二，少數文獻探討了企業數字化轉型的資本市場表現，但研究結論褒貶不一，因此本文采用非線性模型，并引入關于信息質量與資金狀況的機制變量，對傳導渠道進行理論與實證分析，有助于企業在數字化轉型中防范金融風險，為更好地守住不發生系統性風險的底線提供支撐。

二、理論分析與研究假說

(一)數字化轉型與尾部系統風險

近幾年我國多數傳統行業進入轉型期，數字技術作為信息高頻傳播的載體，可以降低企業在各環節上的時間和資金成本(黃群慧等，2019)，升級企業生產經營活動，增強抵御尾部系統風險的能力。一是在企業內部信息的上傳下達中，數字化通訊工具的使用提高了員工間的交流效率，提升了內部上下級間的協同性，降低了企業監管成本與經營風險。二是在企業生產中，針對市場需求的智能分析、生產要素投入參數制定以及故障診斷等數字化技術的使用，可以提高企業生產效率。三是在產品銷售中，一方面，企業可以通過將制造業與現代服務業融合發展，運用大數據對客戶進行精準營銷，提升產品銷售規模；另一方面，消費者可以使用移動支付和電子商務平臺與企業進行交易和溝通，拓寬產品銷售渠道。此外，企業不僅可以借助外部數字資源，還可以進行數字化轉型項目的嘗試，建立企業數字化運營平臺，提高自身經營效率。

但隨著數字化轉型的發展，其對企業經營的優化作用將會下降。在利用外部數字化創新成果的企業中，外部創新資源對企業經營和產出的邊際效率將會遞減(劉淑春等，2021)。在進行數字化研發項目的企業中，盡管企業的數字創新行為源于自身利潤與戰略目標，但企業之間存在著機會主義行為與競爭關系，其他企業可以利用這些數字技術提高自身經營水平，這導致企業數字化創新提高經營和產出的邊際效率遞減。

此后，若更加深入地開展數字化轉型項目，企業管理架構和運作能力將難以適應數字化轉型的需求，并面臨以下風險。一是技術風險。數字化深入發展帶來的信息過載與企業有限的信息處理技術形成矛盾，但企業對信息和數據平臺等外部路徑的依賴度增加，這將導致企業決策速度與管理能力下降。二是數據風險。一方面，數字技術使信息在虛擬網絡間自由流動，企業自身數據信息便會面臨泄露的風險，若商業決策信息被他人竊取，企業將失去競爭優勢甚至造成經濟損失；另一方面，企業對數據質量的更高要求與企業有限的數據資源渠道形成矛盾，導致企業經營效率下降。三是人才短缺風險。數字化轉型需要數字技術型人才與之適配，這將增加企業人才引進與培養的資金成本，若企業人力水平難以適應數字化轉型需求，將阻礙數字化研發進程。隨著數字化轉型的深入，企業技術、數據、人員等組織管理能力難以與數字化轉型需求匹配，打破企業經營的穩定性。一方面，企業經營風險所引發的財務問題將降低企業抵御外部危機沖擊的能力，從而可能成為加劇系統性金融風險的隱患(王竹泉等，2020)；另一方面，企業經營風險的增加違背了資本市場交易者對企業成長機會和預期價值等要求，導致投資者的消極情緒增強，降低公司股票流動性(吳非等，2021)，進而提高尾部系統風險。

因此，僅在數字化轉型與企業自身能力相匹配的適度區間內，才能利用數字化賦能企業創新戰略升級轉型。基于上述分析，本文提出研究假設：

H1：企業數字化轉型與尾部系統風險間存在U型關系。

(二)數字化轉型、信息質量與尾部系統風險

企業數字化轉型會影響信息披露的質量，以及市場投資者與企業間的信息不對稱程度，從而作用于尾部系統風險。首先，數字化轉型將改變信息披露狀況，影響企業信息質量。企業信息披露質量與企業經營業績密切相關，在實施數字化轉型時，企業依靠外部信息資源與數字化平臺，降低企業時間和資金成本，優化了自身經營效率。一方面，企業經營效率的提升弱化了企業管理層操弄信息的動機，提高了信息披露的真實性；另一方面，企業為傳遞給投資者信心，便會及時主動地披露企業數字化創新、經營狀況、成長潛力等優質信息，增強信息披露的意愿。企業信息質量的提升可以起到“降噪”的作用，增強市場的定價效率，降低尾部系統風險。但隨著數字化程度的加深，轉型逐漸脫離企業自身能力范圍，企業業績的下降將危害股東利益，加劇數字化轉型帶給企業經營的不確定性，增強管理層操弄信息以獲得更好賬面收益的動機，影響企業披露信息質量(Kim et al.，2016)，而管理層有選擇或虛假披露企業信息是提高尾部系統風險的核心因素。

其次，數字化轉型能夠改變市場投資者與企業間的信息不對稱程度，影響股價信息含量。在數字化轉型初期，信息的便捷化傳遞將直接改善企業信息披露的體系，提高投資者所獲得的企業信息質量，降低企業與投資者之間的信息不對稱程度。信息不對稱程度較低意味著信息搜尋成本和市場投資的不確定性程度較低，這將會吸引投資者持股，增加股票的流動性，降低尾部系統風險。隨著數字化轉型程度的加深，企業數字化信息的披露引起投資者情緒的盲目上漲，投資者在過度關注企業“數字化”標簽的情況下，會忽略企業在主營業務、經營狀況等方面的真實信息，導致股價信息含量降低(Aboody et al.，2010)。市場投資者的噪聲交易行為會在極大程度上影響市場流動性，是造成尾部系統風險的重要原因。并且，數字化發展增強了信息網絡間的連接性，當危機來臨時，極易引起集體踩踏事件的發生，進而影響尾部系統風險。因此，本文提出研究假設：

H2：企業數字化轉型通過影響信息質量作用于尾部系統風險。

(三)數字化轉型、資金狀況與尾部系統風險

數字化轉型將會惡化企業的資金狀況，降低企業面對市場波動時抵御風險的能力，提高尾部系統風險水平。首先，數字化轉型將降低企業內部現金充裕度。數字化發展并非一蹴而就，需要企業持續投入大量資金，數字化轉型成果的時滯性意味著研發使用資金的變現能力較差且不確定性較高。同時，數字化信息資源的快速累積將增加企業儲存和管理信息的高昂隱形成本，這不僅會降低企業的流動性現金，同時也會擠占企業生產經營所需資金，甚至難以滿足企業正常運轉的需要(Wamba et al.，2017)。企業現金狀況因數字化轉型惡化，甚至瀕臨破產，便會影響到投資者的信心，導致股票價格下跌，提高尾部系統風險。此外，企業資金周轉能力較差會在一定程度上加劇外源融資的依賴度，提高企業陷入財務困境的可能性，并使自有資產的資金平滑作用失效，不能及時抑制股價的異常波動，進而提高尾部系統風險。

其次，數字化轉型將影響企業的投資行為。隨著數字化轉型的深入，由于內部資金壓力以及金融投資相較于實業投資的高回報率，金融投資成為管理層調節利潤的工具，企業將以粉飾短期業績為目的，增加投機性金融投資(彭俞超等，2022)。并且，企業數字化水平的提高可以加速業務交易和資金流動的速度，提高金融投資的靈活性。與主營業務不匹配的金融資產配置，將成為企業尾部系統風險加劇的原因。首先，若企業管理層的投資決策傾向于短期效益，投入過多的金融資產，將導致企業偏離主營業務長期發展的目標，干擾企業的穩定發展。其次，若企業金融資產配置比重較大，當資本市場受到外生事件沖擊時，企業將面臨較大的瞬時風險敞口，金融資產的損失惡化企業的資金狀況。最后，金融投資將企業生產經營的壞消息隱藏起來，負面消息累積會增加企業股價脆弱性，一旦集中釋放將引發投資者的拋售行為，使尾部系統性風險大幅攀升(彭俞超等，2018)。因此，本文提出研究假設：

H3：企業數字化轉型通過惡化資金狀況作用于尾部系統風險。

三、研究設計

(一)數據選取與說明

本文選取2006―2021年中國A股上市公司樣本進行分析，數據取自Wind數據庫、國泰安數據庫，并對樣本進行如下篩選和處理：(1)剔除信息技術服務業和金融業的企業樣本；(2)剔除樣本期內被ST或退市等特殊處理的企業樣本；(3)剔除核心變量存在缺失的樣本；(4)對所有連續變量進行1%和99%分位的縮尾處理。經過上述處理，本文最終得到回歸使用的23124組年度觀測值。

(二)變量選取與說明

1.被解釋變量：尾部系統風險及其子成分

本文通過測度個股對市場暴跌的敏感度來衡量企業的尾部系統風險。參考Van Oordt and Zhou(2016)、姜富偉等(2022)等研究，本文在普通CAPM模型中添加一個極值條件，將市場收益率的分布限制在左尾，構造一個市場極端下跌狀態的CAPM模型，此時貝塔系數衡量了個股對市場暴跌的敏感度，稱之為尾部貝塔系數，即本文需要估計的尾部系統風險。

與Van Oordt and Zhou(2019a)、田正磊等(2019)等研究相同，本文利用多元極值理論(EVT)對尾部貝塔系數進行估計，測度個股i的尾部系統風險SRi。參照Van Oordt and Zhou(2019b)，本文將尾部系統風險SRi分解為個體風險IRi和關聯風險SLi。其中，IRi側重反映個股i個體層面的尾部風險，其截面維度的差異僅來自于個體特質，衡量了個股i的自身風險水平；SLi衡量了個股i與市場的尾部關聯性，指標數值越大，表示個股i在市場沖擊下的共振概率越高，代表了關聯風險(楊子暉等，2023)。

本文采用滾動分析方法計算企業的動態尾部系統風險。其中，設定滾動窗口為4年，即在t時點，基于t時點之前4年的日度觀測值計算企業的尾部系統風險、個體風險和關聯風險；進而將每個企業的日度測度結果，通過求均值轉化為年度指標。本文采用中證800指數收益率代表市場收益率，基于2002年1月1日至2021年12月31日的日度觀測值，計算得到每個企業2006―2021年的尾部系統風險SR、個體風險IR和關聯風險SL。

2.核心解釋變量：企業數字化轉型

本文參考吳非等(2021)、李政等(2023)的方法，從人工智能技術、大數據技術、云計算技術、區塊鏈技術、數字技術運用這5個維度，在各企業年報文本內容中抓取關鍵詞，得到涉及“數字化”關鍵詞的詞頻數，以對數形式定義變量DCG，即DCG=ln(“數字化”關鍵詞詞頻數量+1)。

3.控制變量

本文參考李志生等(2019)、田正磊等(2019)的研究，選定以下影響企業尾部系統風險的指標作為控制變量：機構投資者持股比例(Inst)，本文采用機構投資者持有股份數量占上市公司總股份的比重測度；財務杠桿率(Lev)，采用期末總負債與期末總資產的比值測度；賬面市值比(BM)，采用股東權益與公司市值的比值測度；換手率(Turn)，采用年內流通股數的日均換手率測度；股票收益率(Ret)，采用年內日均收益率測度；波動率(Vol)、收益率偏度(Skew)、收益率峰度(Kurt)均根據日度收益率計算得出；凈資產收益率(ROE)，采用凈利潤與股東權益平均余額的比值測度；企業規模(Size)，采用股票流通市值的自然對數測度。

(三)實證模型設計

為檢驗企業數字化轉型與尾部系統風險間的非線性關系，本文構建如下計量模型：

其中，Riski,t表示企業i在第t年的尾部系統風險及兩個子成分，分別采用尾部系統風險(SR)、個體風險(IR)以及關聯風險(SL)進行測度；DCGi,t-1是上市企業的數字化披露程度，CVi,t-1表示一系列的控制變量，μi、θt分別表示企業與年度層面的固定效應。為避免雙向因果關系，本文將所有的解釋變量和控制變量滯后一期。

(四)描述性統計

表1呈現了本文基準回歸中各變量的描述性統計結果。尾部系統風險均值為1.4491。在將尾部系統風險細分為個體風險與關聯風險后，通過比較二者數值分布與標準差可以發現，關聯風險的數值不僅普遍低于個體風險，其波動性也較小。企業數字化披露程度的均值為1.0047，中位數為0.6931，通過運算得出，企業年報中“數字化”關鍵詞詞頻數的均值1.7311個，中位數為1個，說明大多數樣本中數字化詞頻披露數量較少，即數字化轉型程度較低。

表1 描述性統計結果

四、實證結果與分析

(一)基準回歸：企業數字化轉型與尾部系統風險及其子成分

為檢驗企業數字化轉型對尾部系統風險的影響，本文進行回歸分析。表2列(1)～(3)考察了企業數字化轉型與尾部系統風險的線性關系，結果表明，DCG對尾部系統風險的影響系數為0.0034，在5%水平下顯著，說明整體而言，企業數字化轉型將提高尾部系統風險。隨后，本文將尾部系統風險分解為個體風險與關聯風險，發現DCG對個體風險與關聯風險的回歸系數分別為0.0080和-0.0015，均在1%水平下顯著。這說明企業數字化轉型會提高個體風險，降低關聯風險，由于對個體風險的影響大于關聯風險，因此總體的尾部系統風險上升。

表2 基準回歸結果

列(4)～(6)引入DCG2，回歸結果表明，DCG回歸系數均在1%水平下顯著為負，DCG2回歸系數均在1%水平下顯著為正，極值點分別為1.3510、1.0961、2.1762，處于解釋變量區間范圍[0,4.6540]內，證明企業數字化轉型與尾部系統風險之間存在正U型關系，驗證了研究假設H1。

(二)穩健性檢驗與內生性處理

通過前文的分析，本文發現企業數字化轉型對尾部系統風險的影響呈正U型，為了確保估計結果的準確性，進行如下穩健性檢驗。

1.穩健性檢驗：替換變量

現選取t-3至t期4年間的觀測數據計算得出Last_SRt，即使用滾動算法得到上市公司每個年度最后一個交易日的尾部貝塔系數衡量其尾部系統風險(Last_SRt)，并將其分解得到個體風險(Last_IRt)和關聯風險(Last_SLt)，替換被解釋變量。

本文參考趙宸宇等(2021)的方法，從數字技術應用、互聯網商業模式、智能制造、現代信息系統這4個維度抓取關鍵詞，在上市公司年報的管理層討論與分析文本中篩選數字化詞頻，并以對數形式定義變量MD&A，即MD&A=ln(“數字化”關鍵詞詞頻數量+1)，替換數字化轉型變量。

回歸結果如表3所示，在重新測度尾部系統風險和企業數字化轉型變量后，解釋變量系數的符號及顯著性均與前文保持一致，證明前文結論具有穩健性。

表3 穩健性檢驗：替換變量

2.穩健性檢驗：改變樣本范圍

在金融危機期間，極端金融環境會導致股票市場信號失靈，加劇因投資者恐慌產生的羊群效應，導致企業數字化轉型影響尾部系統風險的回歸結果不再可靠。為排除金融危機的潛在影響，本文刪除2008―2009年金融危機期間樣本數據，并剔除股價異常波動的2015年樣本數據，將其余樣本進行回歸估計，結果如表4列(1)～(3)所示。此外，企業所在城市經濟發展程度的不同可能導致各地區企業數字化轉型程度和金融市場敏感度存在差異，本文剔除所在地在直轄市的企業樣本后進行回歸估計，結果見表4列(4)～(6)。表4顯示，DCG和DCG2回歸系數的符號和顯著性與前文保持不變，證明前文結論具有穩健性。

表4 穩健性檢驗：改變樣本范圍

3.穩健性檢驗：改變估計模型

上文的基準回歸模型使用滯后一期的解釋變量與控制變量，本文轉為使用當期變量進行實證檢驗，回歸結果見表5列(1)～(3)。除此之外，本文進一步控制高階固定效應(省份×年份、行業×年份)，核心解釋變量的回歸結果如表5列(4)～(6)所示。表5表明，DCG和DCG2回歸系數的符號和顯著性與前文保持不變，證明前文結論具有穩健性。

表5 穩健性檢驗：改變估計模型

4.內生性處理

在基準回歸中，本文采用滯后項可以在一定程度上避免反向因果問題，但上市公司是否進行數字化轉型可能會受到某些自身特質的影響，存在樣本自選擇以及遺漏變量等造成的內生性問題。因此，本文參考李雪松等(2022)的做法構建工具變量，在計算得出數字化轉型模擬增量值后，采用企業數字化轉型與模擬增量值離差三次方的滯后一期及其平方項作為工具變量，運用2SLS回歸克服內生性問題。經過檢驗，不存在弱工具變量問題，保證了工具變量引入的正確性。第二階段的回歸結果見表6列(1)～(3)，DCG和DCG2系數的符號均與前文保持一致，證明了基準回歸結果是穩健可信的。

表6 內生性處理

此外，本文借鑒杜勇和眭鑫(2021)的方法，采用“PSM+DID”方法克服內生性問題。首先，以是否披露數字化轉型信息作為處理變量，基準回歸中的控制變量作為協變量進行Logit估計，計算出每個樣本的傾向得分，采取最鄰近匹配的方法，按1:1的比例為處理組選取對照組，經匹配后得到14813個樣本。其次，本文根據U型拐點設置啞變量(Point)，即當數字化披露程度大于拐點數值時，賦值為1，反之為0。表6列(4)～(6)報告了“PSM+DID”的回歸結果，DCG的回歸系數均顯著為負，表明在極值點的左側，數字化轉型會降低尾部系統風險。DCG與極值點交互項的系數均在1%水平下顯著為正，且大于DCG回歸系數的絕對值，說明隨著數字化披露程度升高至越過拐點，企業數字化轉型水平的升高將提高尾部系統風險，證明了企業數字化轉型與尾部系統風險間存在U型關系。

五、機制檢驗和異質性分析

(一)機制檢驗

為研究企業數字化轉型對尾部系統風險的影響機制，本文借鑒葉永衛等(2022)、黃群慧等(2019)、謝紅軍和呂雪(2022)等研究的做法，構建機制效應模型進行分析，具體檢驗模型為：

其中，M為機制變量，式(2)估計了數字化披露程度對機制變量的影響，β1、β2表示數字化轉型對機制變量的影響程度。

1.信息質量

在企業內部，數字化轉型信息的披露可能通過改變企業信息透明度而影響尾部系統風險。本文參考林川(2022)的方法，使用企業前三年操縱性應記利潤的絕對值之和計算企業信息操弄程度(IMD)，用以衡量企業信息質量。IMD數值越大，代表信息操弄程度越大，企業信息質量越差，而企業信息質量的降低將導致尾部系統風險提高，即IMD與尾部系統風險指標呈正相關關系。本文將IMD代入機制效應模型，回歸結果如表7列(1)所示。DCG的回歸系數在5%水平下顯著為負，DCG2的回歸系數在5%水平下顯著為正，說明數字化轉型與IMD之間存在U型關系，即企業開展數字化轉型初期可以提高企業信息質量，降低尾部系統風險；但隨著數字化轉型信息披露程度的增加，數字化轉型將會降低企業信息質量，提高尾部系統風險。

表7 機制檢驗：信息質量與資金狀況

在金融市場上，企業數字化轉型信息的披露可能通過改變股價信息含量，影響尾部系統風險。本文參考鐘覃琳和陸正飛(2018)的方法，使用股價同步性指標(PI)測度個股信息含量。PI值越高，代表股價波動同步性越低，股票價格中具有的特質信息含量越高，而股價信息含量的增加將降低尾部系統風險，即PI與尾部系統風險指標呈負相關關系。本文將PI代入機制效應模型，回歸結果如表7列(2)所示，DCG的回歸系數在5%水平下顯著為正，DCG2回歸系數在1%水平下顯著為負，說明數字化轉型與PI之間存在倒U型關系，即企業開展數字化轉型初期可以增加個股信息含量，進而降低尾部系統風險；但隨著數字化轉型信息披露程度的增加，數字化轉型將會降低股價信息含量，提高尾部系統風險。這驗證了研究假設H2。

2.資金狀況

在企業內部，數字化轉型將占用企業資金，降低企業內部現金充裕度，影響企業資金周轉能力，使得企業面臨財務困境，提高尾部系統風險水平。本文參考李連燕和張東廷(2017)的方法，采用經營凈現金流量與流動負債之比測度企業內部現金充裕度(ICA)。ICA值越高，代表企業內部現金充裕度越高，企業經營風險越低。本文將內部現金充裕度(ICA)代入機制效應模型中，回歸結果如表7列(3)所示，DCG與DCG2的系數均不顯著，因此在列(4)中僅將DCG作為解釋變量進行回歸分析，此時DCG的回歸系數在5%水平下顯著為負，說明數字化轉型將會降低企業內部現金充裕度，從而提高尾部系統風險。

在金融市場上，數字化轉型提高企業金融化趨勢，誘導企業脫實向虛，將導致企業陷入財務困境，提高尾部系統風險。本文參考彭俞超等(2018)的做法，采用企業資產負債表中金融類資產(包括交易性金融資產、買入返售金融資產、可供出售金融資產、發放貸款及墊款和持有至到期投資)與期末總資產之比測度企業金融投資水平(FIN)。本文將金融投資水平(FIN)代入機制效應模型，在表7列(5)的非線性模型中，一次項的系數不顯著，因此在列(6)中僅將DCG作為解釋變量進行線性回歸分析，此時DCG的回歸系數在1%水平下顯著為正，說明數字化轉型將會增強企業金融化水平，從而提高尾部系統風險。

通過上述機制效應分析可以發現，企業數字化轉型將降低內部現金充裕度并加大金融投資水平，影響企業資金狀況，從而提高尾部系統風險，這驗證了研究假設H3。該渠道分析印證了前文的基準回歸結果，即企業數字化轉型會提高個體風險，進而導致總體的尾部系統風險上升。

(二)異質性分析

1.來自數字化轉型自身的風險

為檢驗尾部系統性風險是否來自于真實的數字化轉型活動，本文利用CSMAR數據庫披露的上市公司數字化項目研發總數(由于該數據起始年份為2010年，因此選取2010―2021年數據)進行回歸分析。兩組樣本分別為無數字化研發項目和有數字化研發項目，回歸結果如表8列(1)(2)所示，并繪制出U型關系圖和邊際效應圖，如圖1所示。

圖1 分數字化研發項目檢驗

表8 異質性分析：基于數字化研發項目與企業微觀特征分組

表8列(1)(2)顯示，無論是有無數字化研發項目的企業，DCG系數均顯著為負，DCG2均顯著為正，說明無論企業有無數字化研發項目，數字化轉型與尾部系統風險間均存在顯著的U型關系，如圖1(a)所示。有數字研發項目的DCG與DCG2回歸系數的絕對值均大于無數字化研發項目，組間系數差異檢驗顯示，回歸系數在兩組間存在顯著差異。從圖1(b)可以看出，有數字化研發項目樣本組的邊際效應曲線更為陡峭，說明在真實存在數字化研發項目的企業中，尾部系統風險受到數字化轉型的影響程度更為敏感，表明真實的數字化轉型活動會影響尾部系統風險。

2.基于企業微觀特征分組

前文的機制分析表明，企業數字化轉型影響尾部系統風險，其背后的傳導路徑體現在信息質量與資金狀況兩方面，因此本文根據企業微觀特征，采用高管薪酬水平和財務風險水平兩個變量進行分組檢驗，并繪制出U型關系圖和邊際效應圖，如圖2和圖3所示。

圖2 分高管薪酬水平檢驗

圖3 分財務風險檢驗

首先，數字化轉型與尾部系統風險之間的關系與企業信息披露有關，若管理層基于機會主義對數字化轉型信息進行夸大描述，將會降低企業信息質量，提高尾部系統風險水平。本文參考王克敏和王志超(2007)的做法，使用前三名高管年薪總額的對數值衡量高管薪酬水平，作為管理層機會主義的代理變量。高管薪酬水平越高，表明管理層機會主義程度越小。根據高管薪酬水平的中位數，將樣本分為高管薪酬水平較低和較高兩組。表8列(3)(4)顯示，兩組企業的DCG系數均顯著為負，DCG2均顯著為正，說明無論高管薪酬水平高低，數字化轉型與尾部系統風險間均存在顯著的U型關系，如圖2(a)所示。高管薪酬水平較低的企業樣本中DCG與DCG2回歸系數的絕對值均大于高管薪酬水平較高的企業，組間系數差異檢驗表明，兩組間系數存在顯著差異。從圖2(b)可以看出，高管薪酬水平較低樣本組的邊際效應曲線更加陡峭，尾部系統風險受到數字化轉型的影響程度更為敏感。

其次，財務困境風險增加代表企業資金狀況惡化，會加劇數字化轉型對尾部系統風險的影響。本文使用Z-score值衡量企業面臨的財務風險，Z-score值越高，財務風險水平越低。根據財務風險水平的中位數，將樣本分為較高和較低兩組。表8列(5)(6)顯示，兩組企業的DCG系數均顯著為負，DCG2均顯著為正，說明數字化轉型與尾部系統風險間存在顯著的U型關系，如圖3(a)所示。此外，財務風險水平較高的企業樣本中DCG與DCG2回歸系數的絕對值均大于財務風險水平較低的企業。組間系數差異檢驗結果表明，兩組系數存在顯著差異。從圖3(b)可以看出，財務風險水平較高樣本組的邊際效應曲線更加陡峭，尾部系統風險受到數字化轉型的影響程度更為敏感。

3.基于外部宏觀環境特征分組

數字化轉型對尾部系統風險的影響可能在處于不同外部宏觀環境的企業間存在差異，因此本文根據企業所處的外部宏觀環境，從是否為技術密集型行業和地方金融監管強度兩個角度進行分組檢驗，并繪制出U型關系圖和邊際效應圖，如圖4和圖5所示。

圖4 分技術密集型行業的檢驗

圖5 分金融監管強度的檢驗

首先，本文參考魯桐和黨印(2014)的做法，將企業樣本劃分為技術密集型和非技術密集型行業。表9列(1)(2)顯示，兩組企業的DCG系數均顯著為負，DCG2均顯著為正，說明無論是否處于技術密集型行業，數字化轉型與尾部系統風險間均存在顯著的U型關系，如圖4(a)所示。此外，技術密集型行業的企業樣本中DCG與DCG2回歸系數的絕對值均大于非技術密集型行業的企業。組間系數差異檢驗結果表明，兩組系數存在顯著差異。從圖4(b)可以看出，技術密集型樣本組的邊際效應曲線更為陡峭，這是因為技術密集型的企業在數字化轉型中占據技術和人才優勢，更有意愿進行數字化轉型，同時更重視科技研發對數字化轉型的支撐作用，尾部系統風險受到數字化轉型的影響程度便會更為敏感。

表9 異質性分析：基于外部宏觀環境特征分組

其次，本文參考唐松等(2020)的做法，采用各省份金融監管支出與金融業增加值的比值計算各省份金融監管強度，金融監管強度越高，地方為維護金融秩序所做出的努力程度越大。根據金融監管強度的中位數，將樣本分為金融監管強度較低和較高兩組。表9列(3)(4)顯示，兩組企業的DCG系數均顯著為負，DCG2均顯著為正，說明無論企業所在地區金融監管強度高低，數字化轉型與尾部系統風險間均存在顯著的U型關系，如圖5(a)所示。此外，金融監管強度較低的企業樣本中DCG與DCG2回歸系數的絕對值均大于金融監管強度較高的企業，且兩組系數存在顯著差異。從圖5(b)可以看出，金融監管強度較低樣本組的邊際效應曲線更為陡峭，這是因為金融監管強度較高地區的企業，其地方性金融法規制度較為完善、對企業以及金融中介機構的監管能力較強，且有較好的防范化解金融風險的能力，因此尾部系統風險受到數字化轉型的影響程度較小。

六、結論與啟示

為探究企業數字化轉型對尾部系統風險的影響，本文以2006―2021年中國A股上市公司數據為樣本進行實證分析。研究發現，企業數字化轉型與尾部系統風險間呈現U型關系，即在數字化轉型與企業自身能力相匹配的適度區間內，數字化轉型降低尾部系統風險，但隨著數字化轉型程度加深至超過拐點值后，數字化轉型將提高尾部系統風險。該結論經過穩健性檢驗后依然成立。機制分析表明，數字化轉型通過影響信息質量和資金狀況作用于個股的尾部系統風險。就信息質量而言，在企業開展數字化轉型初期，企業信息質量和股價信息含量的提高可以規避尾部系統風險；但當數字化轉型逐漸加深超過拐點值后，企業信息質量和股價信息含量的降低將導致尾部系統風險提高。就資金狀況而言，數字化轉型將降低內部現金充裕度，并增強企業金融投資趨勢，進而提高尾部系統風險。異質性分析發現，數字化轉型對尾部系統風險的影響程度在有數字化研發項目、高管薪酬水平較低、財務風險水平較高、技術密集型行業以及地方金融監管強度較差的企業中表現得更加顯著。

本文的研究對于降低尾部系統風險以及推進企業數字化轉型具有一定的現實意義：第一，企業應根據自身資源稟賦，避免盲目過度地數字化轉型。企業應慎重考慮數字化轉型強度與企業自身結構的適配性，將數字和資本、勞動力等生產要素進行合理配置，有序推動數字化轉型。地方政府可以針對性地實施人才引進、稅收優惠、知識產權保護以及數字化基礎設施建設等政策，緩解企業在數字化轉型過程中面臨的人才和資金儲備不足等問題，提高企業數字化轉型的上限。第二，嚴管上市公司公開信息審核，加強地方金融監管強度。企業應增強內部約束，降低管理層在會計操控和過度投資中的機會主義行為，規范信息披露制度。監管部門應加強會計、金融等相關監管和法規的完整性，高度關注財務造假問題，嚴格監督企業信息披露行為是否規范、信息披露水平是否達標。第三，完善資本市場信息傳導效率，加強投資者理性投資思維。政府部門在優化企業的信息披露程序和質量、減少企業和投資者之間信息不對稱問題的同時，還需培養投資者理性投資思維，宣傳風險防范意識，引導資本市場形成良好的投資風向，提高企業融資能力。 ■

[基金項目：國家社科基金重大項目“服務實體經濟和防范系統性風險并重的金融體制改革路徑與機制研究”(項目編號：23ZDA038)]