數字金融有助于抑制企業財務造假嗎

【摘要】數字金融為資本市場高質量發展帶來了重大機遇。本文基于2011～2020年我國A股上市公司面板數據，探究數字金融對企業財務造假的影響及其作用機制。研究發現： 數字金融能夠顯著抑制企業財務造假，且這一結論在經過一系列穩健性檢驗后依然成立。進一步來看： 數字金融能夠糾正傳統金融中存在的“屬性錯配”“領域錯配”和“階段錯配”問題，從而有效抑制企業財務造假； 數字金融能夠彌補傳統金融發展存在的短板，在銀行業和資本市場發展水平較低的地區，數字金融對企業財務造假的抑制作用更加明顯。機制檢驗表明，數字金融可以通過緩解企業融資約束、提升企業財務透明度和改善企業經營績效抑制企業財務造假。本文不僅揭示了數字金融對企業財務造假的抑制作用，也為推動數字金融高質量發展和資本市場健康運行提供了經驗證據與政策啟示。

【關鍵詞】數字金融；財務造假；融資約束；財務透明度；經營績效

【中圖分類號】 F272"""" 【文獻標識碼】A""""" 【文章編號】1004-0994（2025）06-0063-7

【基金項目】河北省哲學社會科學青年項目“制度創新推動河北自貿試驗區高標準建設的機制與路徑研究”（項目編號：HB24YJ016）

一、引言

誠信是經濟健康發展的寶貴基石，也是我國實現高質量發展的重要支撐。黨的二十大報告提出，要弘揚誠信文化，健全誠信建設長效機制。作為一種嚴重的財務管理違規行為，財務造假對市場秩序的正常運作和投資者的合法權益存在不可忽視的負面影響。2024年6月29日，國務院辦公廳轉發的《關于進一步做好資本市場財務造假綜合懲防工作的意見》中指出，要進一步加大對財務造假的打擊力度，完善監管協同機制，構建防治財務造假長效機制，為推動資本市場高質量發展提供有力支撐。可見，如何打擊和遏制財務造假受到黨中央的高度重視，且已經上升為國家層面的重要工作。

事實上，學術界關于財務造假問題的研究也從未間斷。現有研究發現，完善的市場治理機制（連燕玲等，2019）、良好的公司治理（戴亦一等，2017）、嚴格的外部監督（劉云菁等，2023）等均是抑制企業財務造假的重要因素。然而通過梳理文獻發現，現有研究較少關注數字金融對企業財務造假行為的影響。數字金融的發展對內能夠緩解企業的融資約束（Li等，2023），改善企業財務狀況； 對外能夠提升企業財務透明度和質量（Fang等，2023），提高外部監督效率。因而，其可能有助于抑制企業財務造假行為的發生。

黨的二十大報告提出，要深化金融體制改革，加強和完善現代金融監管，強化金融穩定保障體系。2023年的中央金融工作會議進一步指出，要做好科技金融、綠色金融、普惠金融、養老金融、數字金融五篇大文章。在新一輪科技與產業大變革下，發展數字金融是我國建設金融強國的必然要求，也是強化金融服務實體經濟能力（魯釗陽等，2024）、助力新質生產力發展（周雷等，2024）與高質量發展（趙麗和尹妍，2024）的重要支撐。現有研究發現，數字金融不僅能在宏觀層面促進經濟增長（錢海章等，2020）、產業結構升級（唐文進等，2019）、共同富裕（張婷婷等，2024）等，而且在微觀層面有助于促進企業創新（唐松等，2020）、改善企業財務和經營績效（Wu和Huang，2022）、提高企業投資效率（萬佳彧等，2022）、優化公司內部治理（杜善重，2022）等。但是，關于數字金融發展究竟對企業財務造假存在何種影響，現有研究尚未進行深入探討。鑒于此，本文以2011～2020年我國A股上市公司為對象，探討數字金融對企業財務造假的具體影響及其作用機制，并從“糾錯配”和“補短板”兩個方面考察數字金融的異質性作用，以此為推動數字金融高質量發展和資本市場健康運行提供理論指導與經驗證據。

相較于現有研究，本文的拓展性工作主要為： 第一，在研究視角方面，從數字金融出發，探究其對企業財務造假的影響，有助于豐富關于企業財務造假影響因素和數字金融經濟效應的研究。第二，在機制分析方面，從融資約束緩解、財務透明度提升以及經營績效改善三個方面，闡明數字金融對企業財務造假的作用機理并進行實證檢驗，有助于厘清數字金融抑制企業財務造假的微觀機制，為相關政策制定提供理論指導。第三，在研究內容方面，不僅檢驗數字金融對企業財務造假的總體效應，還進一步考察數字金融在抑制企業財務造假中的“糾錯配”和“補短板”功能，為更加全面和深入地理解兩者間的內在關系提供了經驗證據。

二、理論分析與研究假說

本文將數字金融影響企業財務造假的作用機制歸納為融資約束緩解效應、財務透明度提升效應和經營績效改善效應三個方面。

首先，數字金融能夠通過融資約束緩解效應抑制企業財務造假。根據資源基礎觀，企業內部資源對于其競爭力的維持至關重要。因此，當企業陷入財務困境時，內部資源約束趨緊可能迫使企業管理者產生冒險心理，從而出現財務造假等違規行為。而數字金融的發展能夠從成本、效率和渠道三個方面有效緩解企業的融資約束，降低企業的財務風險，進而削弱其財務造假的動機。在成本方面，數字金融通過應用大數據和人工智能等技術，能更精確地識別和評估企業風險，降低企業再融資過程中因信息不對稱產生的交易成本（Li等，2023）； 還可以根據企業風險制定更為靈活的利率定價方式，為其提供成本更低的金融服務。在效率方面，數字金融借助數據挖掘和智能分析等技術，可以簡化融資流程，優化金融服務與產品，提高融資效率和市場響應度； 還可以通過全天候在線服務等打破傳統金融服務的時空限制，大幅提高融資便利性（鐘凱等，2022）。在渠道方面，數字金融借助大數據、區塊鏈、云計算等技術，可以匯集更多融資機構，增加市場上的資金供給量； 有助于加快金融產品與服務的創新，提供更多元的融資方式； 還可以通過與電商平臺、社交平臺等合作，進一步拓寬企業獲取融資的信息來源，提高企業成功獲取融資的概率。

其次，數字金融能夠通過財務透明度提升效應抑制企業財務造假。根據信息不對稱理論，當企業內部存在信息不對稱時，管理者出于業績考核、職位晉升等個人利益，從事財務造假等違規行為的道德風險將大幅提升（Cressey，1986）。當外部監管機構與企業之間存在信息不對稱時，企業為了獲得投資和信貸等經濟利益，也可能會鋌而走險進行財務造假（Shi等，2017）。而數字金融能夠有效降低上述兩種情況下的信息不對稱程度，提升企業財務透明度，進而削弱其財務造假的動機。具體而言，數字金融通過借助大數據、云計算、區塊鏈和人工智能等先進技術，能夠使銀行等資金供給方對企業畫像進行更為精準的刻畫，準確識別企業生產經營各環節的風險，降低信息不對稱帶來的信貸風險（黃益平和邱晗，2021）。得益于數字金融多種先進數字技術的運用，投資者也能夠更為全面和準確地掌握企業的經營信息，更為及時地發現企業的各類違規行為，進而做出更加合理的投資決策（吳非等，2021）。在此情形下，企業為了獲取信貸和投資資金，最優的選擇便是減少財務造假，開展合規經營。此外，數字金融發展帶來的信息不對稱降低效應，還會助力政府部門等外部監管機構提高監管有效性（Bolívar等，2015），提高會計師事務所等第三方中介機構對企業財務信息的披露質量，進而對企業財務違規形成有力的威懾，削弱企業財務造假的動機。

最后，數字金融能夠通過經營績效改善效應抑制企業財務造假。眾所周知，良好的經營績效是企業持續健康發展的重要基礎。數字金融的發展能夠從“降本”和“增效”兩個方面改善企業經營績效，進而降低企業通過財務造假獲取經濟利益的不良傾向。具體來說，在“降本”方面，數字金融依托大數據、云計算、人工智能等技術，既有助于提高企業融資效率，降低企業融資成本（Wu和Huang，2022），又能夠幫助企業優化風險管理和供應鏈管理，實現精細化管理，降低企業的風險成本和管理成本，還可以促進市場透明度提升和公平競爭，降低企業生產經營的隱性成本，而上述各類成本的降低均有利于企業績效的提升，從而弱化其財務造假的動機。在“增效”方面，數字金融不僅能夠有效糾正傳統金融領域中的資源錯配問題，改善企業財務狀況，助力企業技術創新，提高企業生產效率（唐松等，2020），進而改善企業的經營績效，還有助于促進傳統金融部門的競爭，倒逼銀行等金融機構提高服務效率，這一外溢效應也有助于企業經營績效的改善，進而削弱企業財務造假的動機。

綜上所述，本文提出如下兩個研究假說：

H1： 數字金融有助于抑制企業財務造假。

H2： 數字金融能夠通過融資約束緩解效應、財務透明度提升效應和經營績效改善效應抑制企業財務造假。

三、研究設計

（一）樣本選擇與數據來源

本文數據主要從CSMAR數據庫（企業層面的財務數據）、北京大學數字金融研究中心（數字金融數據）以及各省歷年統計年鑒（其他地區層面的變量數據）收集整理得到。受核心變量數字金融起止時間的限制，最終獲得3874家A股上市公司2011～2020年的非平衡面板數據。為了保證估計結果的可靠性，對數據進行如下處理： 剔除金融業的樣本； 剔除樣本期間ST或?ST的樣本； 剔除資不抵債的樣本； 對所有連續變量進行1%的雙側縮尾處理。

（二）模型設定

為了檢驗H1，本文設定如下計量模型：

Fraijct=α0+α1DFct+α2X+μj+λt+εijct （1）

其中： i代表企業，j代表行業，c代表地區，t代表年份； Fra代表財務造假，包括Fradum和Franum兩個變量，其分別表示企業是否進行財務造假和企業財務造假次數； DF為數字金融，表示企業所在地區的數字金融發展水平； X為控制變量，包括影響企業財務造假的多個微觀變量； μ、λ分別為行業固定效應和年份固定效應，以控制不同層面不可觀測因素的影響； ε為隨機擾動項。

（三）變量選取

1. 被解釋變量： 財務造假（Fra）。本文的財務造假（Fra）使用企業是否進行財務造假（Fradum）和企業財務造假次數（Franum）兩個變量進行衡量。關于企業財務造假的界定，借鑒相關研究（孟慶斌等，2019），將企業虛構利潤、虛列資產、虛假記載（誤導性陳述）、重大遺漏、披露不實等違規行為界定為財務造假。基于此，如果企業存在上述任何一種違規行為，則認為企業當年存在財務造假，Fradum取1，否則為0； 企業財務造假次數（Franum）使用企業當年上述所有違規行為次數的總和來衡量。

2. 核心解釋變量： 數字金融（DF）。同多數研究一致，使用北京大學數字金融研究中心發布的數字普惠金融指數測度企業所在地區的數字金融發展水平（唐松等，2020）。在實證部分的核心回歸中，本文以省級層面的數字普惠金融指數衡量地區數字金融發展水平，并將該指數除以100進行標準化處理，以消除量綱的影響。

3. 控制變量。參考相關研究（戴亦一等，2017），選取如下控制變量： 企業年齡（Age），用企業成立年限的自然對數衡量； 企業規模（Size），用企業總資產的自然對數衡量； 兩權分離率（Sep），用實際控制人擁有企業控制權與所有權之差衡量； 監事規模（Super），用企業監事人數的自然對數衡量； 有無審計委員會（Audit），企業設置審計委員會取1，未設置則為0； 杠桿率（Lev），用企業負債總額與所有者權益之比作為代理變量； 監督約束程度（Res），用外部董事人數占董事會總人數的比重衡量； 冗余資源（Redu），用流動資產與流動負債的比值衡量； 企業所有制（Soe），企業為國有企業取1，否則為0。

根據表1中變量的描述性統計結果可知，企業是否進行財務造假（Fradum）的平均值為0.0784，表明樣本觀測期內有7.84%的企業發生過財務造假。企業財務造假次數（Franum）的平均值為0.1562，標準差為0.6255，表明樣本觀測期內企業財務造假次數的離散程度較高。數字金融（DF）的平均值為2.5693，標準差為0.9995，表明各地區數字金融發展水平存在較大差異。其他變量同已有研究結果相近，故不再贅述。

四、實證結果與分析

（一）基準回歸結果

根據Hausman檢驗結果，本文選取固定效應模型進行基準估計，結果見表2。列（1）和列（2）僅控制行業和年份固定效應，可見數字金融對企業是否進行財務造假和企業財務造假次數的系數均顯著為負，說明數字金融發展水平的提升可以顯著減少企業財務造假行為的發生。從列（3）和列（4）的回歸結果可以看出，在進一步加入相關控制變量后，上述結論仍然保持不變，H1得到證實。這表明在數字金融的影響下，企業不僅會降低財務造假的傾向，還會減少財務造假次數，從而反映出數字金融對資本市場高質量發展的積極作用。

上述基準回歸證實，數字金融有助于抑制企業財務造假。那么，數字金融對企業財務造假的抑制作用究竟是因為參與數字金融的群體廣泛，還是由于數字金融服務層次更加深入所導致的？為此，本文將基準回歸中的數字金融總指標分別替換為數字金融指數的“覆蓋廣度”（DFB）和“使用深度”（DFD）兩個分指標，再次進行估計。表3的結果顯示，數字金融覆蓋廣度與使用深度對企業是否進行財務造假和企業財務造假次數均存在顯著的抑制作用。這說明數字金融覆蓋群體面的擴大和服務深度的挖掘，均有助于緩解企業內部資金約束、提升企業績效水平，進而為抑制企業財務造假提供重要支持。此外，本文還進一步檢驗了數字金融覆蓋廣度和使用深度對企業財務造假的滯后作用，結果表明滯后效應顯著存在，但隨時間遞減。限于篇幅，結果未予匯報，留存備索。

（二）穩健性檢驗與內生性處理

1. 更換估計模型。首先，針對企業是否進行財務造假這類0-1虛擬變量，采用Probit模型和Logit模型進行再估計； 其次，針對企業財務造假次數此類非負整數的計數數據，改用泊松回歸和負二項模型進行再估計。結果顯示，更換估計模型后數字金融的估計系數仍顯著為負。

2. 更換數字金融衡量指標。第一，將省級層面的數字普惠金融指數更換為城市層面的數字普惠金融指數； 第二，借鑒李春濤等（2020）的做法，將基于“金融科技相關詞頻+城市名稱”作為關鍵詞的百度新聞搜索量構建的金融科技指數作為替換指標。結果顯示，數字金融的估計系數仍顯著為負。

3. 剔除部分因素的干擾。考慮到數字金融與企業財務造假兩者間的內在關系可能會受到宏觀金融事件等外部因素的干擾，借鑒相關研究（唐松等，2020），剔除2015年股災事件這一干擾因素，僅保留2011～2014年的樣本觀測值進行再估計。此外，為排除直轄市因其行政地位特殊性對回歸結果的干擾，刪除直轄市樣本進行再估計。結果顯示，在剔除股災和直轄市等相關干擾因素后，數字金融可以抑制企業財務造假的基本結論并未改變。

4. 加入地區層面控制變量。考慮到部分宏觀經濟變量也是影響企業微觀財務行為的重要因素，在基準模型中加入省級層面的經濟發展水平和金融監管兩個控制變量，分別用企業所在地區GDP的自然對數和地區財政金融監管支出占金融業增加值的比重衡量。此外，本文進行了更為嚴格的固定效應控制，即替換原有的同時控制年份與行業固定效應，轉而控制兩者的聯合固定效應。結果顯示，數字金融依然能夠顯著抑制企業財務造假。

5. 內生性處理。考慮到模型中可能存在核心變量間互為因果以及遺漏變量等導致的內生性問題，從而使基準估計結果發生偏差，本文采用工具變量法進行處理。具體做法為： 一是借鑒謝絢麗等（2018）的研究，使用各省網絡普及率作為數字金融的工具變量； 二是借鑒張勛等（2020）的做法，采用企業所在城市到杭州的地理距離作為數字金融的工具變量。估計結果顯示，兩種工具變量下核心解釋變量數字金融的估計系數均顯著為負，表明數字金融能夠抑制企業財務造假的核心結論仍成立。此外，工具變量檢驗結果表明，不存在弱工具變量和過度識別的問題，證明所選工具變量有效。

限于篇幅，以上結果未予匯報，留存備索。

（三）異質性分析

1. 數字金融“糾錯配”與企業財務造假。已有研究發現，在服務實體經濟的過程中，傳統金融在屬性、領域和階段等方面存在明顯錯配，而數字金融發展能在一定程度上彌補上述不足（唐松等，2020）。為此，本文從企業所有制差異、行業差異以及生命周期差異三個方面進行異質性分析，考察數字金融在抑制企業財務造假的過程中，能否發揮其對傳統金融上述三種錯配的糾偏作用。

表4匯報了分所有制與分行業的分組回歸結果。列（1）～ （4）的回歸結果顯示，在國有企業和非國有企業兩組樣本中，數字金融對企業是否進行財務造假和企業財務造假次數的估計系數均通過了1%水平的顯著性檢驗，說明數字金融對兩類企業的財務造假行為均存在顯著的抑制作用。組間系數差異檢驗顯示，兩組的估計系數至少在10%的水平上存在顯著差異，由此可知，相較于國有企業，數字金融對非國有企業財務造假的抑制作用更加明顯，說明數字金融對非國有企業的影響存在一定的偏向效應。根據列（5）～ （8）的估計結果： 數字金融對非制造業企業是否進行財務造假存在顯著的負向作用，但對其財務造假次數的負向作用不顯著； 而數字金融對制造業企業是否進行財務造假和財務造假次數的負向作用均通過了1%水平的顯著性檢驗。根據組間系數差異檢驗結果，數字金融對制造業企業是否進行財務造假的抑制作用比非制造業企業更加顯著，但對兩組企業財務造假次數的負向作用無明顯不同。上述結果總體上表明，數字金融發展水平的提升有助于糾正傳統金融業態中屬性和領域方面的資源錯配問題，從而為抑制企業財務造假、優化資本市場環境提供幫助。

為了檢驗數字金融是否真如預期那樣可有效緩解傳統金融所面臨的“階段錯配”問題，本文參照相關文獻的現金流組合法（Dickinson，2011），將所有企業劃分為成長期、成熟期和衰退期三個階段進行分樣本檢驗，回歸結果如表5所示。可以發現： 在成長期和成熟期兩個階段，數字金融對企業是否進行財務造假和企業財務造假次數的估計系數均在1%的水平上顯著為負； 轉向衰退期階段后，數字金融對企業是否進行財務造假存在一定的負向作用，但對企業財務造假次數的負向作用并不顯著。根據三個組別兩兩之間的系數差異檢驗結果可知，數字金融對處于三個不同生命周期階段企業財務造假行為的抑制作用存在顯著差異，表現為對成熟期企業的抑制作用最大，成長期企業其次，對衰退期企業的抑制作用最小。究其原因： 成熟期企業內部資源更為充足，資本運作能力更強、經驗更豐富，因此在數字金融的支持下，其融資狀況和經營績效的改善將更明顯，同時財務透明度提升也更顯著，從而實施財務造假的動機更弱； 成長期企業往往內部資源較為匱乏，但擴張需求強烈，數字金融能為其改善內部現金流狀況和經營績效帶來積極作用，從而削弱其進行財務造假的動機； 對于進入衰退期的企業而言，在內部資源和外部市場均面臨凋敝的情況下，其進行資本運作的意義已經不大，因此數字金融抑制其財務造假的作用相對較小，甚至不明顯。綜上可知，數字金融能夠在一定程度上有效克服傳統金融中的“階段錯配”問題，進而對企業財務造假產生抑制作用。

2. 數字金融“補短板”與企業財務造假。相關研究指出，由于我國金融資源供給無論是在數量還是在質量上都無法滿足社會所需，近年來數字金融得到迅速發展，并對傳統金融起到了一定的“增量補充”效果（唐松等，2020）。那么，數字金融理應能夠對傳統金融發展較弱的地區產生增益，進而對當地企業資本運作行為產生一定的普惠效果。基于此，本文根據傳統金融部門發展優劣（以各部門發展水平的中位數為界）進行分樣本檢驗，以探究數字金融補足傳統金融發展短板，進而對企業財務造假產生的異質性影響，結果匯報于表6。其中，傳統金融部門包括銀行業和資本市場，銀行業發展水平使用各省份貸款余額占GDP的比重衡量，資本市場發展水平使用各省份股票總市值占GDP的比重衡量。

表6列（1）～ （4）為銀行業的分組回歸結果。可以看到，在兩個組別下，數字金融對企業財務造假的抑制作用均顯著存在。進一步進行組間系數差異檢驗發現，兩組的估計系數在1%的水平上存在顯著差異，即在銀行業發展水平較低的地區，數字金融對企業財務造假的抑制作用更加明顯。表6列（5）～ （8）為資本市場的分組回歸結果。不難看出，數字金融對兩組企業財務造假的抑制作用均顯著存在。根據組間系數差異檢驗還可發現，數字金融對企業是否進行財務造假的抑制作用在兩組中并無顯著差異，但對兩組企業財務造假次數的抑制作用存在明顯差異。總的來看，數字金融對企業財務造假的抑制作用在資本市場發展水平較低的地區更為顯著。其中的原因也不難理解： 銀行業和資本市場是傳統金融業態的主要組成部分，其發展水平較低往往代表當地的金融抑制較為嚴重，因此需要更多的金融資源供給； 而數字金融的發展恰好可以補足當地金融服務短板，更好地支持實體企業發展，進而抑制企業財務造假行為的發生。由此證明，數字金融確實具備較為明顯的“補短板”的普惠性特征。

（四）機制檢驗

根據前文的理論分析，本文分別從融資約束緩解效應、財務透明度提升效應和經營績效改善效應三個方面，檢驗數字金融影響企業財務造假的作用機制。為此，本文在式（1）的基礎上，構建如下遞歸模型進行機制識別：

Medijct=β0+β1DFct+β2X+μj+λt+εijct （2）

Fraijct=γ0+γ1DFct+γ2Medijct+γ2X+μj+λt+εijct （3）

其中，在中介變量Med的選取方面： 參考鞠曉生等（2013）的研究，選取SA指數（SA）衡量融資約束，該指數越大，表示融資約束越小； 參考劉啟亮等（2013）的研究，采用修正的瓊斯模型計算的企業盈余管理程度（absDA）作為財務透明度的逆向代理指標，該指標值越大，表示財務透明度越低； 參考唐松和孫錚（2014）的研究，使用企業當年凈利潤除以平均總資產計算的資產回報率（ROA）衡量經營績效，其值越大，表示企業經營績效越好。

表7匯報了融資約束緩解效應的回歸結果。根據列（1）～ （3）的結果，數字金融對融資約束的估計系數顯著為正，說明數字金融能夠顯著緩解企業面臨的融資約束。同時，融資約束對企業是否進行財務造假的估計系數顯著為負，說明當企業面臨的融資約束加劇時，企業進行財務造假的概率將顯著提升。可見，數字金融的發展能夠通過拓寬融資渠道、提高融資效率以及降低融資成本等方式，緩解企業面臨的融資約束，為其開展資本運作和生產經營減負，進而削弱其實施財務造假的動機。列（2）、列（4）和列（5）的回歸結果同樣表明，數字金融有助于緩解企業融資約束，進而降低企業財務造假次數。綜上，H2中的融資約束緩解效應得到證實。

接下來，檢驗財務透明度提升效應，結果匯報于表8中。根據列（1）～ （3）的結果，數字金融對企業盈余管理程度的估計系數顯著為負，說明數字金融能夠降低企業盈余管理程度，即提升企業財務質量和透明度。同時，企業盈余管理程度對企業是否財務造假的估計系數顯著為正，說明企業財務透明度越低，企業進行財務造假的概率越高。這意味著，數字金融能夠提升企業財務透明度，從而降低企業進行財務造假的概率。同理，結合列（2）、列（4）和列（5）的回歸結果不難發現，數字金融同樣可以通過提升財務透明度降低企業財務造假次數。綜上，H2中的財務透明度提升效應得到證實。

最后，對經營績效改善效應進行檢驗，結果如表9所示。根據列（1）～ （3），數字金融對企業資產回報率的估計系數顯著為正，說明數字金融能夠顯著改善企業的經營績效。同時，企業資產回報率對企業是否進行財務造假的估計系數顯著為負，說明經營績效越好的企業，實施財務造假的概率越低。這意味著，當企業經營績效不斷改善時，企業進行財務造假的意愿將大幅下降。由此，數字金融的發展通過改善企業經營績效，有效降低企業實施財務造假的概率。同理，根據列（2）、列（4）和列（5）的回歸結果，數字金融可以通過改善企業經營績效，最終達到降低企業財務造假次數的目的。綜上，H2中的經營績效改善效應也得到證實。

五、結論與政策啟示

近年來，數字金融的快速發展對傳統金融模式產生了深遠影響，也為我國經濟高質量發展提供了強大助力。本文利用2011～2020年我國A股上市公司面板數據，探究數字金融對企業財務造假的影響及其作用機制，主要得到如下結論： 數字金融能夠顯著抑制企業財務造假； 數字金融能夠糾正傳統金融中存在的“屬性錯配”“領域錯配”和“階段錯配”問題，從而有效抑制企業財務造假； 數字金融能夠彌補傳統金融發展存在的短板，在銀行業和資本市場發展水平較低的地區，數字金融對企業財務造假的抑制作用更加明顯； 數字金融可以通過緩解企業融資約束、提升企業財務透明度和改善企業經營績效，進而抑制企業財務造假。

根據上述研究結論，本文得到如下政策啟示： 第一，扎實推進數字金融，強化其服務實體經濟的功能。一方面，牢牢守住不發生系統性風險的底線，穩步推出科技與金融深度融合的相關支持政策，引導和鼓勵大數據、云計算、人工智能等高端前沿技術對傳統金融的改造與賦能，依法合規推進數據互聯互通，提升數字金融服務能力； 另一方面，堅持金融服務實體的根本宗旨，充分發揮市場在資源配置中的決定性作用，積極營造良好的制度環境，鼓勵金融業態的多元化發展和良性競爭，為實體經濟提供更加快捷、高效、低成本和全方位的金融服務。第二，持續完善金融體系，筑牢數字金融高質量發展的基礎。一方面，銀行和資本市場等傳統金融部門應積極主動進行數字化轉型，加快大數據、云計算、人工智能、區塊鏈等先進技術的運用，對既有產品和模式進行優化升級，不斷提升金融服務的精準性、可達性和有效性，真正實現金融服務實體的普惠性； 另一方面，進一步推進國有企業改革，打破國有企業預算軟約束，同時出臺相關支持和優惠政策，著力消除金融領域中的“所有制歧視”和“規模歧視”，使廣大中小微企業和民營企業能夠充分享受數字金融發展紅利。第三，緊抓數字金融發展的寶貴機遇，助推企業高質量發展。一方面，企業應加強與銀行、保險、證券等數字金融服務提供商的對接與合作，從中獲取更加及時、高效的金融服務，進而緩解自身融資約束，改善經營績效，實現高質量發展； 另一方面，企業還應積極利用數字金融推動不同生產運營環節和流程的智能化改造，通過數字化轉型提升內部資源配置效率，有效實現降本增效和價值創造，助推自身的高質量發展。

DOI：10．19641/j．cnki．42-1290/f．2025．06．009

戴亦一，余威，寧博等．民營企業董事長的黨員身份與公司財務違規［J］．會計研究，2017（6）：75～81+97．

杜善重．數字金融的公司治理效應——基于非家族股東治理視角［J］．財貿經濟，2022（2）：68～82．

黃益平，邱晗．大科技信貸：一個新的信用風險管理框架［J］．管理世界，2021（2）：12～21+50+2+16．

鞠曉生，盧荻，虞義華．融資約束、營運資本管理與企業創新可持續性［J］．經濟研究，2013（1）：4～16．

李春濤，閆續文，宋敏等．金融科技與企業創新——新三板上市公司的證據［J］．中國工業經濟，2020（1）：81～98．

連燕玲，葉文平，劉依琳．行業競爭期望與組織戰略背離——基于中國制造業上市公司的經驗分析［J］．管理世界，2019（8）：155～172+191～192．

劉啟亮，羅樂，張雅曼等．高管集權、內部控制與會計信息質量［J］．南開管理評論，2013（1）：15～23．

劉云菁，伍彬，張敏．獨立董事能識別公司財務舞弊風險嗎——基于機器學習預測財務舞弊的研究［J］．會計研究，2023（9）：21～34．

魯釗陽，杜雨潼，鄧琳鈺．數字普惠金融對實體經濟發展的影響［J］．財會月刊，2023（23）：128～134．

孟慶斌，鄒洋，侯德帥．賣空機制能抑制上市公司違規嗎？［J］．經濟研究，2019（6）：89～105．

錢海章，陶云清，曹松威等．中國數字金融發展與經濟增長的理論與實證［J］．數量經濟技術經濟研究，2020（6）：26～46．

唐松，孫錚．政治關聯、高管薪酬與企業未來經營績效［J］．管理世界，2014（5）：93～105+187～188．

唐松，伍旭川，祝佳．數字金融與企業技術創新——結構特征、機制識別與金融監管下的效應差異［J］．管理世界，2020（5）：52～66+9．

唐文進，李爽，陶云清．數字普惠金融發展與產業結構升級——來自283個城市的經驗證據［J］．廣東財經大學學報，2019（6）：35～49．

萬佳彧，李彬，徐宇哲．數字金融對企業投資效率影響的實證檢驗［J］．統計與決策，2022（19）：135～139．

吳非，胡慧芷，林慧妍等．企業數字化轉型與資本市場表現——來自股票流動性的經驗證據［J］．管理世界，2021（7）：130～144+10．

謝絢麗，沈艷，張皓星等．數字金融能促進創業嗎？——來自中國的證據［J］．經濟學（季刊），2018（4）：1557～1580．

張婷婷，王文軒，武春霞等．數字金融、綠色技術創新與共同富裕［J］．統計與決策，2024（15）：150～154．

張勛，楊桐，汪晨等．數字金融發展與居民消費增長：理論與中國實踐［J］．管理世界，2020（11）：48～63．

趙麗，尹妍．數字金融支持經濟高質量發展的研究綜述［J］．財會月刊，2024（1）：117～122．

鐘凱，梁鵬，董曉丹等．數字普惠金融與商業信用二次配置［J］．中國工業經濟，2022（1）：170～188．

周雷，龔一泓，吳登城．數字金融服務實體經濟發展新質生產力：路徑、挑戰與對策［J］．財會月刊，2024（13）：122～128．

Bolívar M. P. R.，Galera A. N.，Mu?oz L. A.. Governance，Transparency and Accountability：An International Comparison［J］． Journal of Policy Modeling，2015（1）：136～174．

Cressey D. R.. Why Managers Commit Fraud［J］． Australian amp; New Zealand Journal of Criminology，1986（4）：195～209．

Dickinson V.. Cash Flow Patterns as a Proxy for Firm Life Cycle［J］． The Accounting Review，2011（6）：1969～1994．

Fang B.，Liu X.，Ma C.，et al.. Blockchain Technology Adoption and Accounting Information Quality［J］． Accounting amp; Finance，2023（4）：4125～4156．

Li C.，Wang Y.，Zhou Z.，et al.. Digital Finance and Enterprise Financing Constraints：Structural Characteristics and Mechanism Identification［J］． Journal of Business Research，2023（165）：114074．

Shi W.，Connelly B. L.，Hoskisson R. E.. External Corporate Governance and Financial Fraud：Cognitive Evaluation Theory Insights on Agency Theory Prescriptions［J］． Strategic Management Journal，2017（6）：1268～1286．

Wu Y.，Huang S.. The Effects of Digital Finance and Financial Constraint on Financial Performance：Firm-level Evidence from China's New Energy Enterprises［J］． Energy Economics，2022（112）：106158．

【 主 要 參 考 文 獻 】

（責任編輯·校對： 陳晶" 喻晨）