數據資產與金融市場穩定

摘" "要：數據資產是企業重要的戰略性資源，但對資本市場穩定性的影響尚未得到關注。本文利用2007—2023年我國A股非金融上市公司樣本，研究發現數據資產能顯著降低公司股價崩盤風險。其中的作用機制是數據資產緩解了公司信息不對稱，改善了公司基本面。進一步從地理區域環境、行業競爭環境、公司信息環境三個層面進行橫截面異質性檢驗的結果顯示，數據資產的股價崩盤緩解效應在東部地區企業、行業競爭較激烈的企業、信息透明度較低的企業中更顯著。本文不僅豐富了數據資產經濟后果和股價崩盤風險影響因素方面的研究，還為引導拓展數據資產應用場景、防范化解金融風險提供了重要理論借鑒。

關鍵詞：數據資產；股價崩盤風險；信息不對稱；公司基本面

中圖分類號：F832.51" "文獻標識碼：A" 文章編號：1674-2265（2025）03-0003-11

DOI：10.19647/j.cnki.37-1462/f.2025.03.001

一、引言

隨著全球數字經濟的快速發展，數據已被視為與土地、資本、勞動力和技術并列的第五大生產要素，其在企業管理、市場競爭和價值創造中扮演著關鍵角色。企業通過對數據的采集、存儲、分析和應用，不僅能夠優化生產流程、提升客戶體驗、實現精準營銷，還可以推動業務模式創新與重構。對此，國家“十四五”規劃綱要明確指出，要“建立健全數據要素市場規則”，標志著從國家戰略層面推動數據的可交易化和可資產化。《數據安全法》和《個人信息保護法》的實施則從法律制度層面為企業數據采集、使用和交易流通提供保障。為了進一步規范和加強企業數據資產管理，財政部于2023年出臺了《關于加強數據資產管理的指導意見》，就數據資產的認定標準、權責關系、估值體系、信息披露等問題做了詳細規定。與此同時，云計算、人工智能等新興技術的蓬勃發展使得企業能夠以更低的成本存儲和處理大量結構化和非結構化數據，數據湖和數據中臺等新型架構為企業的數據集成和數據治理提供了技術支撐。在此背景下，更多企業逐漸將數據資源轉化為數據資產，并將其納入企業戰略和資產管理體系，使得數據資產的市場價值愈發凸顯。

有研究指出，數據資產通過緩解融資約束和加強研發合作，提升企業創新能力（李健等，2023）[1]，促進人力資本升級（于翔等，2024）[2]，降低權益融資成本（牛彪和于翔，2024）[3]，并推動公司價值增長（苑澤明等，2024）[4]。而作為系統性金融風險防范的關鍵一環，公司的股價崩盤風險不容忽視。如何高效開發和利用數據資產，以提升資本市場表現，已經成為企業發揮競爭優勢的關鍵議題。由此引出一個重要問題：企業的數據資產能否抑制股價崩盤風險，從而發揮金融市場“穩定器”作用？其作用路徑如何？在不同的內外部環境下，作用效果又存在哪些差異？

針對上述問題，本文以2007—2023年中國A股非金融上市公司為研究樣本，考察數據資產對公司股價崩盤風險的影響。根據《企業數據資源相關會計處理暫行規定》，上市公司自2024年1月1日起在財務報表中披露數據資產價值信息，但實務操作中數據資產價值不穩定，計量難度較高，截至2024年8月31日，只有64家公司在半年報中披露了企業數據資產金額。因此，本文采用文本分析法構建數據資產衡量指標，以此檢驗數據資產對公司股價崩盤風險的影響。研究結果表明，數據資產降低了股價崩盤風險，即發揮了金融市場穩定效應。機制檢驗結果表明，數據資產通過改善公司信息不對稱和公司基本面降低股價崩盤風險。異質性分析發現，數據資產的股價崩盤風險緩解效應在東部地區、行業競爭激烈、信息透明度較低的公司中更加顯著。

本文的貢獻在于：一是豐富了數據資產經濟后果方面的研究。現有文獻主要從企業經營層面探討數據資產的價值效應，如降低融資成本、提高創新投入、促進企業發展與價值提升等。金融市場是對數據最敏感，也是最早開發和利用數據以提升服務水平的領域。相比于企業經營層面，數據資產對金融市場穩定性的影響特別是對公司股價崩盤風險的影響有待深入研究。二是拓展了股價崩盤風險影響因素方面的文獻。已有文獻多從公司透明度、會計穩健性、內部控制、分析師、媒體報道等公司內外部治理機制角度考察股價崩盤風險的影響因素，但尚未關注到數據資產的影響。本文將數據資產納入金融市場穩定性研究，是對股價崩盤風險影響因素研究的有力補充。三是從緩解公司信息不對稱和改善公司基本面視角厘清了數據資產影響企業股價崩盤風險的作用機制，有利于打開數據資產影響股票市場穩定的“黑箱”，為通過數據資產這一重要戰略資源降低公司股價崩盤風險提供理論依據。

二、理論分析與研究假設

（一）數據資產與公司股價崩盤風險

公司股價在短時間內出現的大幅度、非線性、急劇下跌現象，即股價崩盤風險，會導致市場投資者財富顯著縮水，引發市場信任危機，甚至威脅整個金融體系的安全穩定。因此，公司的股價崩盤風險一直是投資者和監管機構高度關注的焦點問題。根據信息不對稱理論，公司股東與管理層之間天然存在信息鴻溝，處于信息優勢方的管理層出于職位晉升（Piotroski等，2015）[5]、薪酬績效激勵（Kim等，2011）[6]和期權價值收益（Graham等，2005）[7]等個人私利考慮，往往傾向于隱瞞負面信息。這些負面信息不斷累積至臨界點并在資本市場集中曝光時，就會觸發股價崩盤風險。進一步，公司管理層極力隱瞞負面消息的背后，極有可能是公司正面臨著創新不足、產品或服務缺少市場競爭力、利潤承壓、資金緊張等基本面惡化問題。管理層為了防止這些負面消息傳遞至資本市場，引起投資者預期下降及其他風險傳染效應，被迫隱瞞壞消息，從而增加股價崩盤風險（許紅梅和倪驍然，2023）[8]。因此，股價崩盤不僅是信息不對稱和管理層隱瞞不利消息的直接后果，也是市場對公司基本面惡化和“劣質公司”行為的事后懲罰。

在數字經濟時代，數據資產深刻改變了企業傳統經營模式、生產模式和管理模式，已經成為優化公司經營決策、提升核心競爭力、實現公司價值創造的關鍵要素（李文超和姜愛茹，2024）[9]。數據資產作為重要的新興戰略資源，其優勢在于對大量數據的深度挖掘與分析。首先，企業在數據資產的支持下打破“信息孤島”，實現信息的跨部門整合與共享，向市場披露更具前瞻性、動態性和可驗證性的運營數據，減少內外部信息流轉中的延遲和失真，降低公司信息不對稱（牛彪和于翔，2024）[3]，從而有效抑制管理層信息隱藏行為的發生。其次，基于數據資產整合共享的生產數據、銷售數據和客戶反饋數據能夠展示企業的盈利能力和經營前景，為公司債權人和投資者做出相關決策提供更多的數據支持，便利公司外部融資，緩解融資約束（李健等，2023）[1]。最后，基于數據驅動的實時監測和反饋機制能夠幫助企業快速識別市場環境變化并做出及時響應，有利于公司加大產品研發創新與組織變革，從而在市場競爭中贏得優勢地位，從根源上削減公司壞消息。由此推斷，數據資產的正向作用可能會對公司股票市場表現形成積極反饋，減少管理層的壞信息隱藏行為，緩解公司股價崩盤風險。據此，本文提出如下研究假設：

H1：數據資產能夠顯著降低公司股價崩盤風險。

（二）數據資產降低公司股價崩盤風險的作用機制

1.信息不對稱緩解機制。現有研究表明，公司內外部信息不對稱是導致管理層隱瞞負面消息、觸發股價崩盤風險的重要前提（彭俞超等，2018；Hutton等，2009）[10，11]。而良好的信息環境不僅受信息源自身質量的影響，還受公司內外部治理機制的影響。為此，本文從信息源質量、內部治理、外部監督與反饋三個角度，分析數據資產對公司信息環境的改善作用。第一，數據資產涵蓋了企業內部管理數據、客戶交易數據、市場動態數據和供應鏈協同數據等多源異構數據，幫助企業建立結構化和非結構化數據并存的高效數據生態，優化了企業內部信息傳遞流程，使數據信息的及時性、透明性和可驗證性顯著增加，在一定程度上削弱管理層的信息隱瞞動機，從而提高公司信息披露質量（Hu等，2022；Farboodi和Veldkamp，2020）[12，13]。第二，基于數據驅動的內部治理與風險預警系統有助于企業構筑良好的數字內控環境，從管理層消息隱瞞行為的事前防范、事中動態風險評估與控制以及管理層機會主義行為的事后糾正三個方面顯著提升公司治理水平。因此，數據資產會使公司內部控制制度的相互牽制性和可追溯性增強，使管理層的決策行為更加理性，隱藏負面信息的可能性大大降低，使得公司對外披露更多真實可靠的信息（苑澤明等，2024）[4]。第三，數據資產符合數字經濟發展潮流和國家數字化建設大政方針，其高效利用使企業更容易受到政策和市場的“聚光燈效應”影響。在政策監管和公眾關注下，企業的信息披露行為更容易被市場中介機構和社交媒體所關注，管理層隱藏負面信息的成本顯著提高。此外，基于數據資產生成的市場洞察報告和企業績效分析報告在向投資者傳遞更加透明的企業信息的同時，也降低了投資者的信息搜尋成本和認知成本（徐海偉和劉華，2024）[14]，便于外部股東對管理層進行監督，防范信息捂盤行為（陳國青等，2020）[15]。

2.公司基本面改善機制。已有研究表明，公司資金緊張、研發創新投入不足、產品缺少競爭力、經營風險高企等現象不僅會惡化企業基本面，也會在一定程度上增加管理層的消息操縱行為，從而增加股價崩盤風險（許紅梅和倪驍然，2023；Zhu，2016）[8，16]。數據資產作為企業重要的戰略資源，能夠通過緩解資金壓力、激發創新活力，從而改善企業基本面，降低股價崩盤風險。具體原因在于：第一，數據資產所帶來的高速信息流轉有助于企業向資本市場及時傳遞公司采購、生產、銷售、研發創新各環節的信息，提高信息透明度，改善企業形象和聲譽。因此，擁有數據資產優勢的企業更容易獲得外部投資者和債權人的信任，從而獲取更多融資機會以及較低融資成本。此外，數據資產本身也是一種“無形擔保品”，可以通過數據資產證券化、知識產權質押融資等方式將其潛在收益權轉化為現金流，降低公司因資金短缺而陷入基本面惡化的風險（Veldkamp，2023；邢天才和張宇，2024）[17，18]。第二，數據資產的特征優勢可以幫助企業獲取技術前沿信息，洞察市場趨勢，提前布局新技術的研發方向，從而推出具有市場競爭力的產品和服務，獲得客戶認可，進而改善經營業績。另外，隨著數據資產的應用與不斷迭代升級， 關于企業創新信息的搜集、 解讀與輸出貫穿于企業技術創新全流程， 以數據試錯替代實物試錯可以幫助企業以更低成本實現技術創新質量的提升（羅泰曄和張振剛，2023）[19]。基于此，數據資產的積累和有效應用不僅可以提高公司融資可得性，降低企業融資成本，緩解融資約束，還通過推動技術創新、提升企業競爭優勢等方式穩定企業經營業績。良好的企業基本面有助于削弱管理層隱瞞負面信息的動機，從而抑制公司股價崩盤風險。基于上述分析，本文提出如下研究假設：

H2：數據資產可以緩解信息不對稱和改善公司基本面，從而降低公司股價崩盤風險。

三、研究設計

（一）數據選取與說明

本文以我國A股上市公司為研究樣本，考慮到股價崩盤風險發生的滯后性，被解釋變量樣本選取期間較解釋變量滯后一期。解釋變量數據資產及其他變量樣本期間為2007—2022年，被解釋變量股價崩盤風險樣本期間為2008—2023年。在此基礎上對樣本進行進一步處理：（1）剔除金融、保險、證券等金融行業公司；（2）剔除ST、PT等被特殊處理的公司；（3）剔除年度交易量不足30周的樣本；（4）剔除主要變量缺失的樣本。最終得到4305家上市公司的33727個年度觀測值用于回歸分析。本文相關財務數據來源于國泰安數據庫。

（二）變量選取與定義

1. 股價崩盤風險。參考Kim和 Zhang（2016）[20]、Hutton等（2009）[11]的研究，本文同時采用公司股票經市場調整后的負收益偏態系數（NCSKEW）和股票收益上下波動比率（DUVOL）來衡量股價崩盤風險。具體計算公式如下：

[NCSKEWi，t=-[n（n-1）32w3i，s]/[（n-1）（n-2）（w2i，s）32]]" " （1）

[DUVOLi，t=log{[（nu-1）downw2i，s]/[（nd-1）upw2i，s]}]" " " " " " "（2）

由于相關文獻已經就上述兩個變量的計算方法和過程做了詳細介紹，故本文不再贅述。這兩個變量 的數值越大，代表公司面臨的股價崩盤風險越高。

2. 數據資產。根據《企業數據資源相關會計處理暫行規定》，企業自2024年1月1日起對數據資產進行確認、計量和報告，因此，目前尚不具備通過財務報表定量描述企業數據資產水平的條件。一般而言，公司年報中關于特定主題的表述在很大程度上反映了公司在這一主題方面的發展狀況。通過文本分析技術篩選公司年報中的數據資產相關詞匯，并以其出現的頻次來度量公司數據資產持有水平具有可操作性強、準確度高的優勢。本文在借鑒于翔等（2024）[2]、牛彪和于翔（2024）[3]等數據資產相關主流文獻的同時，還參考了《國家數據局等部門關于促進企業數據資源開發利用的意見》《數據資產管理實踐白皮書（6.0版）》以及《關于加強數據資產管理的指導意見》，選取“數據資產”和“數據資源”作為種子詞匯。然后，采用深度學習技術，計算獲取種子詞匯相似詞集，選取相似度前10的詞匯組成數據資產詞典，具體如表1所示。數據資產詞典涵蓋數據資產獲取、處理與應用整個數據價值創造過程，能夠如實反映公司數據資產持有水平。最后，以數據資產詞典中所有詞匯在年報中出現的頻次來度量公司數據資產水平。具體計算公式如下：

[DADi，t=（Dictionarywordsi，t，n）/（TotalWordsi，t×100）]" " "（3）

其中，[DADi，t]是企業[i]在第[t]年的數據資產水平，[Dictionarywordsi，t，n]是數據資產詞典中所有詞匯[n]在企業[i]第[t]年年報中的詞頻，[TotalWordsi，t]是企業[i]第[t]年年報的總詞頻。

3.控制變量。借鑒林川（2022）[21]和Hutton等（2009）[11]的做法，本文選取公司規模（Size）、產權性質（SOE）、財務杠桿（Lev）、總資產收益率（ROA）、第一大股東持股比例（TOP1）、獨立董事占比（INdep）、審計師規模（Big4）、公司成立年限（Age）、換手率（Turnover）、股票回報率（Awcy）、股票波動率（Swcy）為控制變量。具體變量定義見表2。

（三）實證模型設計

為了研究企業數據資產對股價崩盤風險的影響，本文構建如下回歸模型：

[Crashi，t+1=α0+α1DADi，t+α2Controlsi，t+μi+γi+εi，t]" （4）

其中，[Crashi，t+1]表示企業[i]在[t+1]期的股價崩盤風險，[DADi，t] 表示企業[i]在[t]期的數據資產水平，[Controlsi，t]表示一系列控制變量，[μi]、[γi]分別為企業層面和年份層面的固定效應，[εi，t]為誤差項。

四、實證結果與分析

（一）描述性統計分析

如表3所示，股價崩盤風險的均值分別是-0.292和-0.188，中位數分別為-0.251和-0.186，標準差分別為0.677和0.454，與已有文獻基本一致，表明我國上市公司普遍面臨股價崩盤風險，且不同企業間差異較大。數據資產均值是0.004，中位數是0，標準差是0.013，變化范圍是從0到0.126，與牛彪和于翔（2024）[3]的實證結果相似，說明本文對數據資產的估計較為準確。較低的均值和中位數表明大多數上市公司未披露數據資產信息，我國企業整體數據資產披露水平有待提高。其他控制變量描述性統計結果與既往研究一致。

（二）基準回歸結果

表4列示了數據資產與股價崩盤風險的回歸結果。第（1）和（2）列是沒有加入控制變量，但控制了企業固定效應和年份固定效應的回歸結果，數據資產系數分別是-2.14、-1.671，且均在1%水平下顯著。第（3）和（4）列是加入控制變量之后的回歸結果，數據資產系數分別是-1.862、-1.408，且依然在1%水平下顯著，表明企業數據資產水平越高，股價崩盤風險越低，企業數據資產能夠顯著降低股價崩盤風險。其他控制變量的回歸結果與以往研究基本一致，表明本文的基準回歸結果是可靠的。

（三）內生性檢驗

上述基準回歸結果表明，數據資產可以降低公司股價崩盤風險。但是，該結果可能受到反向因果和樣本選擇偏差等潛在內生性問題的干擾，從而影響本文因果推斷的可靠性。為此，本文試圖采用以下三種方法予以解決：

1. 工具變量法。本文研究結論可能存在反向因果問題，即股價崩盤風險較低的企業更有可能充分挖掘、開發、利用數據資產，從而提高企業數據資產水平。考慮到郵電通信業在地方數字經濟發展中具有基礎性、先導性作用，是企業實現數字化轉型、開發與維護數據資產的重要基礎設施。而且，郵電通信業務是客觀的區域環境要素，不會直接作用于當地企業的股價崩盤風險。因此，本文采用企業辦公所在地級市的人均郵電通信業務量作為數據資產的工具變量，同時滿足相關性和排他性要求。回歸結果如表5第（1）—（3）列所示，Kleibergen-Paap rk LM 和 Kleibergen-Paap rk Wald F 統計量在5%和1%水平上顯著，說明通過了弱工具變量檢驗和不可識別檢驗。人均郵電通信業務與數據資產的回歸系數在1%水平下顯著為正，說明地區郵電通信業務的蓬勃發展有助于企業數據資產積累。核心解釋變量數據資產與股價崩盤風險的回歸系數依然顯著為負。同時，本文也采用剔除企業自身的公司數據資產年度行業均值作為工具變量，原因在于：當同行業企業積累開發數據資產時，企業可能會積極跟隨效仿，以維護自身的行業競爭優勢。但是，其他企業的數據資產水平并不會影響到本企業的股價崩盤風險。回歸結果列示于表5第（4）—（6）列，剔除企業自身的數據資產年度行業均值通過了弱工具變量檢驗和不可識別檢驗，核心變量數據資產的回歸系數依然顯著為負，證明本文的研究結論穩健可靠。

2.傾向得分匹配法（PSM）。為緩解樣本選擇偏差問題，本部分采用傾向得分匹配法進行檢驗。先將存在數據資產的觀測樣本作為處理組，不存在數據資產的觀測樣本作為控制組，以模型（4）中的所有控制變量為協變量，采取最近鄰1∶1有放回匹配。平衡性檢驗結果如表6所示，匹配后各協變量的標準化偏差明顯減小，且絕對值均小于10%，處理組和控制組不存在顯著性差異，說明匹配效果較好。匹配樣本重新回歸后的結果如表7第（1）和（2）列所示，核心解釋變量數據資產的回歸系數依然顯著為負，與前文一致。

3. 雙重差分模型（DID）。《中華人民共和國國民經濟和社會發展第十三個五年規劃綱要》提到，要推進大數據在制造業、農業、物流運輸業、醫療衛生業、信息技術行業的開發應用，助力產業轉型升級。受益于該政策，這些重點行業企業會加快數據資產積累進程。因此，借鑒孔莉等（2024）[22]的做法，本文以該規劃綱要的發布為外生事件沖擊，構建雙重差分模型。具體而言，將規劃綱要中提到的重點行業企業設定為處理組，Treat取值為1，其他行業企業為控制組，Treat取值為0。2016年以前的年份，Post取值為0；2016年當年及以后年份，Post取值為1。此外，為了避免多重共線性，模型（5）中未放入Treat和Post變量。回歸結果見表7第（3）和（4）列，交乘項Treat×Post的回歸系數分別在5%和1%水平上顯著。說明國家“十三五”規劃頒布后，重點行業上市公司的股價崩盤風險得到緩解。由此可見，提高公司數據資產水平能夠顯著降低股價崩盤風險。

[Crashi，t+1=β0+β1Treati，t×Posti，t+β2Controlsi，t+μi+γi+εi，t] （5）

（四）其他穩健性檢驗

為確保研究結論的穩健性，除了上述內生性檢驗外，本文還進行了如下穩健性檢驗：一是更換解釋變量數據資產的衡量方式，進一步采用數據資產相關詞匯出現頻次的自然對數測度公司數據資產水平，回歸結果見表8第（1）和（2）列，可以發現，更換核心解釋變量測度方式后，數據資產和股價崩盤風險的回歸系數依然顯著為負。二是僅保留數據資產不為0的樣本。本文認為數據資產可以通過改善公司信息環境和公司經營基本面，從而降低股價崩盤風險。換言之，企業數據資產水平越高，對股價崩盤風險的緩解效應更顯著。因此，本文僅對數據資產不為0的子樣本進行回歸，結果如表8第（3）和（4）列所示，企業數據資產水平越高，股價崩盤風險越低，進一步佐證了本文的研究結論。三是剔除信息技術行業企業樣本。信息技術企業擁有海量數據資源的天然優勢，而且主要是為其他企業提供數據支持、數據分析、IT運維等信息技術服務，隸屬于數字產業化的范疇。該類企業數據資產對投資者行為的影響相較于其他行業企業存在一定特殊性。因此，本文剔除該行業的樣本后再次回歸，表8第（5）和（6）列的結果表明數據資產對公司股價崩盤風險有顯著緩解作用。四是僅保留2010年及以后樣本。2010年以來，5G、人工智能等關鍵數字技術的蓬勃發展為實體企業的數據資源共享、開發運用奠定了堅實的技術基礎。也就是說，企業數據資產的規模化積累實際是在2010年以后。另外，考慮到早期年報中數據資產信息披露較不規范，信息含量較低，本文剔除2010年以前的樣本后再次回歸，結果如表8第（7）和（8）列所示，數據資產的系數依然在1%水平下顯著為負。

（五）作用機制分析

數據資產對公司股價崩盤風險的降低作用在前文得到驗證。那么，數據資產是如何降低股價崩盤風險的？根據前文理論分析，本部分從公司信息環境和公司基本面兩個維度進行機制檢驗，以揭示數據資產緩解公司股價崩盤風險的內在作用機制。

1.緩解信息不對稱。已有研究指出，數據資產能夠集成企業各個業務部門和系統的信息，打破信息孤島，提高信息在生產、制造、銷售以及研發創新環節的共享和傳遞效率，從而提高信息披露質量，方便投資者掌握公司真實經營情況，降低股價崩盤風險。一方面，借鑒陳克兢等（2023）[23]的做法，本文利用修正瓊斯模型計算的可操縱應計利潤指標（DisAcc），從信息供給質量的角度檢驗數據資產對公司信息環境的影響，可操縱應計利潤值越大，代表公司財務信息披露質量越低，信息不對稱程度越高；另一方面，考慮到投資者信息解讀和反饋是股價崩盤風險發生的根源，而KV指數是投資者對市場信息不對稱程度的客觀評價（周開國等，2011）[24]。因此，本文借鑒劉向強等（2023）[25]的做法，采用KV指數，從投資者的角度檢驗數據資產對市場信息環境的影響。KV指數越大，代表市場信息不對稱程度越高。檢驗結果如表9所示，第（1）和（4）列分別是數據資產對可操縱應計利潤和KV指數的回歸結果，數據資產的系數分別在5%和1%水平上顯著，說明數據資產能夠改善財務信息披露質量和資本市場信息環境。第（2）和（3）列、第（5）和（6）列是添加中介變量后的回歸結果，可操縱應計利潤和KV指數的回歸系數均顯著為正，數據資產的系數仍然顯著為負，且其絕對值較基準回歸結果有所下降，說明信息不對稱是數據資產降低公司股價崩盤風險的中介變量，即數據資產通過緩解信息不對稱，從而降低公司股價崩盤風險。

2. 改善公司基本面。已有研究指出，公司經營基本面惡化，會增加管理層隱匿壞消息的可能性，是引發公司股價崩盤風險的重要原因（李宏寅，2023）[26]。數據資產是傳統資產的有效補充，有助于壯大公司資產規模，提高公司財務穩健性，進而緩解融資約束，提高公司創新水平，改善公司基本面，降低股價崩盤風險。因此，本文從融資約束和創新水平兩個方面檢驗數據資產對公司基本面的影響。本文借鑒Hadlock和Pierce（2010）[27]的研究，采用SA指數衡量公司融資約束程度，SA指數越大，代表公司融資約束程度越高。借鑒錢雪松等（2021）[28]的做法，采用公司當年專利申請量的自然對數度量公司創新水平（Patent）。由表10第（1）和（4）列的回歸結果可知，數據資產能夠緩解公司融資約束程度，顯著提升公司創新水平，改善公司基本面。第（2）和（3）列、第（5）和（6）列是添加中介變量后的回歸結果，SA指數與股價崩盤風險的回歸系數在1%水平顯著為正，公司創新水平與股價崩盤風險的回歸系數顯著為負，而數據資產的回歸系數依然在1%水平顯著為負，且系數絕對值較基準回歸結果有所下降，說明數據資產可以通過改善公司基本面，發揮緩解股價崩盤風險的效應。

五、拓展性分析

前文研究表明，緩解信息不對稱和改善公司基本面是數據資產緩解股價崩盤風險的作用機制。但是，不同的地理區域環境、行業競爭環境與公司信息透明度對數據資產的積累與運用、信息治理效應以及基本面改善效應的發揮影響不同。本文從地理區位、行業競爭程度、公司信息透明度差異三個方面，對數據資產與股價崩盤風險之間的關系進行異質性分析。

（一）地理區位的影響

本文按照企業的辦公所在地理區位將樣本分為東部和中西部地區兩組，表11的分組回歸結果顯示，在列（1）和（3）的東部地區組，數據資產的系數均在1%水平下顯著為負，而在列（2）和（4）的中西部地區組，數據資產的系數雖然為負，但不顯著。組間系數差異通過了費舍爾組合檢驗。這說明與中西部地區相比，數據資產更能有效地降低東部地區上市公司的股價崩盤風險。可能的原因是，東部地區經濟發展水平較高，以金融、互聯網、科技服務為代表的知識密集型企業較多，這些企業在日常運營中產生海量的高價值數據，同時，東部地區數字化基礎設施較完善（雷光勇等，2022）[29]，為企業快速采集、傳輸和共享數據提供了技術支持，從而有利于更好地發揮數據資產緩解股價崩盤風險的作用。

（二）行業競爭環境的影響

本文利用公司營業收入占行業營業收入比重的平方和計算赫芬達爾指數，以此衡量行業競爭程度，并根據其行業年度中位數將樣本劃分為行業競爭激烈組和非行業競爭激烈組。分組檢驗結果如表12所示，在列（1）和（3）的行業競爭激烈組，數據資產的系數均在1%水平下顯著為負，而在列（2）和（4）的非行業競爭激烈組，數據資產的系數雖然為負，但不顯著，且組間系數差異通過了費舍爾組合檢驗。這說明在面臨較激烈行業競爭的上市公司中，數據資產更能有效地降低股價崩盤風險。可能的原因在于，數字資產是通過緩解公司資金壓力，改進產品和服務質量，增強企業競爭優勢。在競爭激烈的行業環境中，企業數量眾多，產品同質化嚴重，利潤空間不斷被壓縮，經營業績下滑。該環境下的企業更能通過數據資產獲益，優化資金使用效率，提高產品和服務水平，從而改善公司經營基本面，降低股價崩盤風險。

（三）公司信息透明度的影響

本文借鑒Lang等（2012）[30]的做法，利用盈余質量、信息披露考核等級、分析師跟蹤人數、分析師盈余預測準確度、審計師規模五個變量的樣本百分等級的平均值構造公司信息透明度指標，并以該指標的年度行業中位數將樣本分為信息透明度低組和信息透明度高組。分組檢驗結果如表13所示，在列（1）和（3）的信息透明度低組，數據資產的系數均在1%水平下顯著為負，而在列（2）和（4）的信息透明度高組，數據資產的系數在10%水平下顯著。并且，組間系數差異通過了費舍爾組合檢驗。也就是說，數據資產對公司股價崩盤風險的降低作用在信息透明度較低的上市公司中更顯著。其原因在于，數據資產能通過整合公司內部“信息孤島”，拓寬信息來源渠道，從而改善公司信息環境。信息透明度較低的公司更能從數據資產中獲取紅利，緩解公司管理層和投資者間的信息不對稱，降低管理層隱匿壞消息的概率，從而降低股價崩盤風險。

六、研究結論與啟示

本文以2007—2023年A股非金融上市公司為研究樣本，實證檢驗了數據資產對股價崩盤風險的影響及作用機制。研究發現：數據資產可以顯著降低公司股價崩盤風險，經過一系列內生性與穩健性檢驗后，該結論依然成立。作用機制檢驗結果表明，數據資產通過緩解公司信息不對稱、改善公司基本面發揮股價崩盤風險緩解效應。異質性分析結果顯示，數據資產對股價崩盤風險的緩解效應在東部地區企業、行業競爭較激烈的企業、信息透明度較低的企業中更加顯著。

本文的研究啟示如下：第一，企業要抓住數字經濟發展浪潮，深入推進數字化轉型，積極探索數據資產的開發與運用，注重其金融市場穩定功能。一方面，借助數據資產的共享性與外部性，提高公司采購供應、生產制造、研發創新等環節的信息傳遞效率，打破部門間、企業間的“信息孤島”，降低信息不對稱；另一方面，基于數據資產的洞察，快速響應外部環境變化，優化公司投融資決策與生產運營決策等，降低資金占用成本與生產成本，從而緩解公司資金困境，改善公司基本面。此外，通過實時數據分析可以有效預測市場趨勢和消費者需求，指導產品開發和技術創新策略，提升產品和服務的核心競爭力。第二，政府部門要強化頂層設計，制定有利于企業數據資產積累與運用的政策，鼓勵企業提升數據共享能力，建立健全數據確權、定價、交易流通機制，推動數據資產的合規高效流通使用，幫助企業更好地發揮數據資產價值。第三，投資者要順應數字經濟發展潮流，積極關注企業在數據收集、處理、分析和應用等方面的投入和成果，以評估企業實力和發展前景，從而做出科學的投資決策。

參考文獻：

[1]李健，董小凡，張金林，陶云清.數據資產對企業創新投入的影響研究 [J].外國經濟與管理，2023，45（12）.

[2]于翔，牛彪，苑澤明.數據資產、人力資本升級與企業價值 [J].中南財經政法大學學報，2024，（02）.

[3]牛彪，于翔.數據資產獲得投資者偏好了嗎？——基于權益資本成本視角 [J].證券市場導報，2024，（07）.

[4]苑澤明，尹琪，于翔.數據資產如何賦能企業高質量發展—對傳統生產要素的優化機制 [J].西部論壇，2024，34（03）.

[5]Piotroski J D，Wong T J，Zhang T. 2015. Political Incentives to Suppress Negative Information：Evidence from Chinese Listed Firms [J].Journal of Accounting Research， 53（2）.

[6]Kim J B，Li Y，Zhang L. 2011. CFOs versus CEOs： Equity Incentives and Crashes [J].Journal of Financial Economics，101（3）.

[7]Graham J R，Harvey C R，Rajgopal S. 2005. The Economic Implications of Corporate Financial Reporting [J].Journal of Accounting and Economics， 40（3）.

[8]許紅梅，倪驍然.社會保險征管、企業經營壓力與股價崩盤風險 [J].金融學季刊，2023，（04）．

[9]李文超，姜愛茹.“數據+資本”的雙要素耦合：公共數據資產證券化的推進路徑與風險應對 [J].金融發展研究，2024，（05）.

[10]彭俞超，倪驍然，沈吉.企業“脫實向虛”與金融市場穩定—基于股價崩盤風險的視角 [J].經濟研究，2018，53（10）.

[11]Hutton A P，Marcus A， Tehranian H. 2009. Opaque Financial Reports，R2 and Crash Risk [J].Journal of Financial Economics，（94）.

[12]Hu C，Li Y，Zheng X. 2022. Data Assets，Information Uses，and Operational Efficiency [J].Applied Economics，54（60）.

[13]Farboodi M，Veldkamp L. 2020. Long-Run Growth of Financial Data Technology [J].American Economic Review，110（8）.

[14]徐海偉，劉華.數據資產信息披露與資本市場定價效率—基于股價同步性的分析 [J].當代財經，2024，（12）.

[15]陳國青，曾大軍，衛強，張明月，郭迅華.大數據環境下的決策范式轉變與使能創新 [J].管理世界， 2020， 36（2）.

[16]Zhu W. 2016. Accruals and Price Crashes [J].Review of Accounting Studies，21（2）.

[17]Veldkamp L. 2023.Valuing Data as an Assert [J].Review of Finance，27（05）.

[18]邢天才，張宇.數據資產如何賦能制造業企業融資能力 [J].山西財經大學學報，2024，46（08）.

[19]羅泰曄， 張振剛. 數據賦能制造業企業創新：邏輯框架與過程機理 [J].中國科技論壇， 2023， （07）.

[20]Kim J B，Zhang L. 2016. Accounting Conservatism and Stock Price Crash Risk：Firm-Level Evidence [J].Contemporary Accounting Research，（33）.

[21]林川.數字化轉型與股價崩盤風險 [J].證券市場導報，2022，（06）.

[22]孔莉，肖懿，冷冰潔，李鑫.企業披露數據資源會影響審計質量嗎？—基于審計師的多維學習視角 [J].審計研究，2024，（05）.

[23]陳克兢，熊熊，楊國超，張維.中小投資者保護制度創新與資本市場定價效率提升—基于投服中心行權的證據 [J].經濟學（季刊），2023，23（06）.

[24]周開國，李濤，張燕. 董事會秘書與信息披露質量[J].金融研究，2011，（07） .

[25]劉向強，楊晴晴，胡珺.ESG評級分歧與股價同步性 [J].中國軟科學，2023，（08）.

[26]李宏寅.企業數字化轉型能抑制股價崩盤風險嗎？ [J].財經論叢，2023，（07）.

[27]Hadlock CJ，Pierce J R.2010. New Evidence on Measuring Financial Constraints：Moving Beyond the KZ Index [J].Review of Financial Studies，2（5）.

[28]錢雪松，丁滋芳，陳琳琳.緩解融資約束促進了企業創新嗎？ —基于中國《物權法》自然實驗的經驗證據 [J].經濟科學，2021，（01）．

[29]雷光勇，買瑞東，左靜靜.數字化轉型與資本市場效率—基于股價同步性視角 [J].證券市場導報，2022，（08）.

[30]Lang M，Lins K，Maffett M. 2012. Transparency，Liquidity and Valuation [J].Journal of Accounting Research，（50）.