數據資產化對企業債務融資成本的影響研究

DOI：10.3969/j.issn.1004-910X.2025.09.008 [中圖分類號]F275；F832.51 [文獻標識碼］A

引言

數據資產既是推動經濟高質量發展的重要力量[1]，又是企業順應當今數字經濟快速發展的機遇。近年來，國家高度重視構建以數據為關鍵要素的數字經濟。2019年10月，黨的十九屆四中全會上，數據首次被納人生產要素范疇；2022年12月，中共中央、國務院《關于構建數據基礎制度更好發揮數據要素作用的意見》提出要加快建設數據基礎制度，充分發揮我國海量數據規模和豐富應用場景優勢，激活數據要素潛能，做強做優做大數字經濟，增強經濟發展新動能。在此背景下，數據已成為國家戰略性資源和關鍵生產要素，正在推動產業融合與創新，并催生出新場景、新業態、新模式。

數據資產化是數據資源在企業層面發現價值、創造價值乃至實現價值的過程[2]。這一過程不僅是數據的收集和存儲，更是將數據資源與企業的具體業務融合，運用數據分析和數據挖掘來把握市場運行機制，引導企業合理配置資源、變革組織流程來改善業務，提高企業的生產效率和經濟效益。目前數據資產相關研究主要集中于兩方面：

（1）立足現有政策探究數據資產價值創造。有的以數據資產人表為研究對象，聚焦數據資產人表全流程政策優化，尋找數據確權、會計計量、價值評估、價值創造等方面的基本原則、邏輯框架與實施策略[3，4]。有的關注制度創新，探尋數據要素市場建設以及個人、公共數據授權開放問題[5-8]；（2）強調數據資產在企業發展中產生的經濟效應。通過案例研究、定量分析等方法，分析了數據資產在企業創新能力、自身發展水平、降低權益資本成本等方面的促進作用[9-11]，分析企業外部環境，發現數據資產能夠改善分析師預測的準確度，還能夠降低公司的股價同步性[12，13]

現有研究雖著重分析了數據資產價值創造，強調數據資產對企業高質量發展的重要性，但未能對企業發展中面臨的困境進行針對性討論。融資是企業長期發展的關鍵，直接影響到企業的生存與發展。融資成本是企業募集資金需要付出的代價，由出資人的不同可以分為股權融資成本和債務融資成本。其中債務融資因具有稅盾效應且對控制權影響較小而成為我國企業更青睞的融資方式[14]。傳統債務融資中，債權人與企業之間存在顯著的信息鴻溝，導致逆向選擇和道德風險問題，推高融資溢價。企業在進行數據資產化后，通過數據資產人表、數據資產質押貸款與數據產品交易等路徑，顯著提升企業數據資源及其價值創造能力的可觀測性[15]與可驗證性[16]，直接降低了債權人評估企業真實信用風險的信息成本，能夠在客觀上降低債務融資成本。因此，探究數據資產化如何有效降低債務融資成本對企業高質量發展具有重要意義。鑒于此，本文采用 2010～2023 年的中國A股上市公司數據，檢驗數據資產化對債務融資成本的影響效應和作用機制，以期為企業高質量發展提供經驗。

理論分析與研究假設

1. 1 數據資產化與企業債務融資成本

數據資產作為數字經濟的關鍵生產要素，其核心價值不僅體現在資源的儲存和共享上，更體現在通過數據分析與挖掘所創造的商業價值上[3]隨著國家政策指引與數據資產人表的持續推進，企業的債權人對企業償債能力的關注點發生變化。傳統上，企業融資主要依賴于有形資產，尤其是科創型企業因缺少有形資產而受到融資約束是困擾業界多年的難題。隨著數據資產化進一步推進，近期已有數據資產融資案例陸續落地，表明企業的數據在貸款中受到金融機構重視，高科技型企業融資約束也逐漸緩解[7]。從債權人角度分析，企業積極自主披露數據資產相關信息能夠幫助債權人了解企業的發展前景、資產狀況。因此，數據資產化為企業提供了新的融資渠道，尤其是在債務融資方面，數據資產化可能降低企業的債務融資成本。

（1）基于信號不對稱理論，企業通過披露數據資產化信息，降低企業與外部投資者之間的信息壁壘，提升投資者對企業的認知與信任，從而降低融資成本；（2）基于信號傳遞理論，企業主動披露其數據資產化成果，向市場傳遞積極信號。這種披露行為本身即表明企業具有較強的創新能力和敏銳的市場洞察力，能夠向債權人證明其更穩健的運營基礎和償債能力；（3）基于資源基礎理論，數據資產作為企業的戰略性資源，其有效利用不僅能提升產品與服務質量、優化運營流程與決策效率，更能幫助企業在市場中構建獨特的資源配置優勢。這種優勢不僅能創造短期價值，更能形成持續的競爭壁壘，支撐企業長期發展。持續的數據資產化強化了企業的創新能力和運營效率，增強了其長期發展的穩定性與可持續性。這種增強的穩定性直接提升了企業的盈利能力和債務償還保障能力，從而降低了債務融資成本。

綜上，數據資產化能夠降低企業與債權人之間的信息不對稱問題。這一過程不僅能減少債務融資的直接成本，還能通過提升企業信用資質擴大融資渠道。基于以上分析，本文提出：

假設1：數據資產化有助于企業降低債務融資成本。

1.2數據資產化影響企業債務融資成本的間接作用分析：基于主動性和防御性的視角

隨著經濟環境不確定性增加，企業深受外部融資條件限制，經濟波動導致企業陷入融資約束與高融資成本[18]。這也暴露出我國企業的脆弱性，這已成為限制企業高質量發展的制約[19]。如圖1所示，本文嘗試從企業自身尋求路徑，從主動性和防御性兩方面探討數據資產化對企業債務融資成本的間接作用機制。

（1）主動性機制：財務風險視角

財務風險是由盈利能力、經營能力等構成的綜合指標[20]。對企業而言，數據資產化有利于企業完善自身資本結構，強化風險監控體系。

從企業經營能力來看，企業通過數據資產化能夠更準確地評估管理層的績效和決策效果。基于數據的績效評估機制能夠幫助企業構建更為合理的管理層激勵機制，減少管理層為追求個人利益而做出不利決策的可能性，緩解委托代理問題，從而提升企業財務風險承擔的能力，進而降低企業的債務融資成本。管理層由于面臨更高的監督壓力，更傾向于采取保守和穩健的財務策略，避免過度冒險。此外，數據資產具有明顯的外部性，賦予企業強大的數據分析與管理能力[21]。通過對各類數據平臺的建設，有利于實時監測企業經營狀況，及時發現企業經營過程中出現的弊端

從企業盈利能力分析，企業通過數據資產化能夠有效地管理和調配資源，提高資本使用效率，優化資本結構。這種資源配置的優化幫助企業減少債務風險，降低由于財務不穩定性或不合理資本結構帶來的融資成本。此外，數據資產化為企業提供了獨特的競爭優勢，使企業能夠通過數據驅動的決策管理資源，優化資本結構，減少財務風險。

圖1作用機制

綜上，數據資產化通過降低信息不對稱和獲取優質資源，減少企業未來現金流的不確定性，從而降低財務風險，進而緩解債權人的擔憂，最終降低企業債務融資成本。基于信息不對稱理論和資源基礎理論提出：

假設2：數據資產化能夠降低企業財務風險進而降低企業債務融資成本。

（2）防御性機制：財務柔性視角

財務柔性體現企業資金調配與風險應對能力[22]，在面對不確定性或市場波動時，通過靈活調整財務資源以快速應對變化、抓住機遇規避風險。其核心在于保持資源的彈性與決策的敏捷性，創造了企業應對未來不可預見的投融資需求的選擇權[23]。數據資產通過參與企業的經營活動有助于實現信息資源整合和部門之間的約束突破，實現價值共創。

從短期效應來看，數據資產自身可以帶來收益。企業通過國家數據產品交易平臺公開發行具有使用價值的數據產品，可以獲得收益。此外，數據資產授信案例也為企業融資帶來新的發展機遇，通過數據資產質押向金融機構申請貸款，這種融資方式直接將數據資產的經濟價值變現。這不僅為企業提供流動性儲備從而提高企業財務柔性，還為金融機構拓展業務，引導金融機構和社會資本流向數據資產領域[24]

從長期價值來看，數據資產人表有利于企業優化資本結構，緩解資金壓力從而提高企業財務柔性。基于資源基礎理論，企業的數據資產具有獨特能力且難以復制，成為企業獨一無二的珍貴資源。企業能夠根據數據資產調整經營策略，為企業探索新的發展戰略。

綜上，財務柔性是企業抵御不確定性、實現可持續增長的核心能力，其本質是在安全與效率之間尋找動態平衡。基于長短期影響分析，數據資產化可以通過增強企業動態調整能力提升企業財務柔性，在不可預見的未來創造融資選擇權，最終降低企業債務融資成本。結合以上分析，提出：

假設3：數據資產化能夠提升企業財務柔性進而降低企業債務融資成本。

2 研究設計

2.1 樣本選擇

本文數據主要來源于國泰安CSMAR數據庫，選取除金融行業之外的全部A股上市公司2010～2023年間的數據，并對選取的樣本進行篩選：剔除ST、 ^*ST 、PT等公司的樣本；因為金融企業的業務具有特殊性，將金融公司樣本剔除；同時剔除有財務缺失值的企業；為減少極端值的異常影響，對所有變量在 1% 的水平上縮尾處理。最后得到28884個有效樣本。

2.2 模型設計

為檢驗H1中數據資產化對企業債務融資成本的影響，本文構建如下基準模型：

其中，DebtCost為被解釋變量， DA 為核心解釋變量，Controls代表控制變量，該模型控制年份

與個體。本文為消除個體異質性以及時間序列對標準誤的影響，所有回歸模型均采用年份、行業雙重固定效應模型

此外，為考察H2和H3中數據資產化影響企業債務融資成本的作用機制，構建如下中介機制模型：

Con

其中， Z_-Score 與 TFF 為中介變量，分別是財務風險與財務柔性，其余變量含義與模型（1）相同。

2.3 變量定義

（1）被解釋變量

被解釋變量為債務融資成本（DebtCost），借鑒李廣子和劉力（2009）[25]的做法，采用企業財務費用占期末總負債的比重進行衡量。企業的債務融資成本是指企業通過借款或發行債券等方式籌集資金所需支付的全部費用。

（2）解釋變量

解釋變量是數據資產化（DA）。借鑒何瑛等（2024）[17]的做法，以《數據安全法》、《數據二十條》等12部核心法規、政策構建規范性文本語料庫，確保測度基準的時效性。選定“信息、網絡、數字、數據”為核心種子詞匯，運用Word2Vec神經網絡模型進行語義空間映射，通過相似度計算生成擴展詞匯組，最終生成221個詞匯組，并將數據資產具體劃分為自用型數據資產（ODA）與交易性數據資產（DDA）。

表1變量定義表

3 實證結果與分析

3.1 描述性統計分析

本文對除年份與行業以外的28884條觀測樣本中的連續性變量進行描述性統計分析，為后續回歸分析提供支撐，描述性統計結果如表2所示。

表2描述性統計

數據資產化DA均值為3.26，與中位數3.18接近，表明樣本整體分布均勻，但極差為5.71表明企業之間數據資產化能力存在顯著差異。最小值為0說明部分企業尚未建立有效的數據資產化機制，而最大值5.71說明頭部企業具有成熟的數據資產體系。企業債務融資成本DebtCost均值為0.01，表明大多企業債務成本較低，區間位于 -0.11～0.06 本文采用的企業債務融資成本變量是由財務費用與負債計算的比值，出現負值說明企業銀行存款形成的利息收入高于其相關費用。

3.2 數據資產化對企業債務融資成本的影響

表3報告了數據資產化對企業債務融資成本的影響效應，模型均為“年份-行業”雙向固定效應模型。列（1）展示了未加人控制變量的回歸結果。結果顯示數據資產化與債務融資成本之間的系數為-0.0018，且在 1% 的統計水平上顯著，說明企業通過數據資產化能夠發揮其資源優勢降低企業債務融資成本。列（2）為加入一系列控制變量后的回歸結果，結果與列（1）回歸結果基本一致。即企業數據資產化每提高1個單位水平，企業債務融資成本降低0.00138個單位，支持了假設H1。

為進一步探究具體的數據資產化對債務融資成本的降低效應，對數據資產化細分為自用型數據資產（ODA）與交易性數據資產（DDA），再分別與企業債務融資成本進行回歸檢驗。結果如表3列（3）、（4）顯示，自用型數據資產系數在 1% 的統計水平下顯著為負，交易性數據資產系數在5% 統計水平下顯著為負，表明兩種類型數據資產對企業債務融資成本均有顯著的降低效應，其中自用型數據資產的降低作用更加顯著。深究其原因，自用型數據資產能夠深度嵌人企業主營業務，直接強化運營效率。此外，自用型數據資產反映企業對核心競爭力的長期投人，傳遞高質量發展信號。而交易性數據資產高度依賴于外部數據資產交易市場，受市場需求等不確定因素制約，使債權人持有謹慎態度。

3.3 中介效應檢驗

（1）財務風險的防御性機制

回歸結果如表4所示。Z_Score采用Z值計算，Z值結果反映企業財務風險大小，Z值越大表明企業財務風險越小，Z值越小說明企業財務風險越高。結果如表4所示，列（1）為數據資產化對企業財務風險的影響，數據資產化前的系數為0.485，在 1% 的水平下顯著為正。表明隨著數據資產化程度增加，企業信息不對稱問題在不斷減少，財務風險在不斷降低。列（2）為數據資產化、財務風險與企業債務融資成本三者之間的回歸結果。根據回歸結果顯示，DA的系數顯著為負，且財務風險Z_Score的估計系數在 1% 統計水平下顯著為負。這說明數據資產化能夠通過降低財務風險的路徑降低企業債務融資成本，假設2得以驗證。進一步利用Bootstrap（1000次）抽樣檢驗，發現置信度為 95% 的中介效應置信區間均沒有包含0，再次驗證財務風險的中介效應。

表3數據資產化與債務融資成本的回歸分析

注：*、**、***分別表示在 10% ， 5% 、1%的水平上顯著，括號內為t值。下同。

進一步檢驗財務風險在自用型數據資產與交易性數據資產中的中介效應，將模型（2）、（3）

中數據資產替換為ODA與DDA分別進行回歸。表4列（3）結果表明ODA在 1% 的統計水平上顯著降低財務風險；列（4）表明企業開發自用型數據資產有利于優化自身資本結構，強化風險監控，從而降低財務風險，給予債權人信心，最終降低企業債務融資成本。而表4列（5）結果顯示，交易性數據資產對財務風險不具有顯著的降低作用，需要進行Bootstrap檢驗，在置信區間內不包含0，表明通過了中介效應；列（6）結果顯示，DDA與財務風險均對債務融資成本均具有降低效應。

表4中介效應檢驗-防御性機制

（2）財務柔性的主動性機制

借鑒曾愛民和魏志華（2013）[26]的研究，本文通過結合企業剩余舉債能力與超額現金儲備持有量衡量財務柔性。回歸結果如表5所示。列（3）為數據資產化對財務柔性的影響，數據資產化DA系數為0.0152，且在 1% 統計水平下顯著，表明企業數據資產化能夠提升企業財務柔性。列（4）為數據資產化、財務柔性與債務融資成本的回歸結果。結果顯示，數據資產化系數為負，且財務柔性TFF的統計系數為-0.0805，在 1% 統計水平下顯著。這說明數據資產化能夠通過提高財務柔性的路徑降低企業債務融資成本。并且通過了Boot-strap檢驗，假設3得以驗證。

同樣地，分別分析財務柔性在ODA與DDA對債務融資成本的降低效應中起到的中介效應。表5列（3）結果表明，自用型數據資產與數據資產化相同，對財務柔性具有顯著的提升作用；列（4）

表明，企業通過開發自用型數據資產能夠提升自身運營能力，穩定現金流，從而提升財務柔性，為融資提供選擇空間，降低債務融資成本，結果通過了Bootstrap檢驗。對于交易性數據資產，列（5）結果不顯著為負，說明企業開發交易性數據資產可能微弱地降低財務柔性，不具有中介效應，結果通過Bootstrap檢驗；列（6）結果表明，DDA與財務柔性均能夠顯著降低債務融資成本，通過系數對比發現，模型（4）中的 β₁（-0.000613） 與模型（5）中 β₂（-0.0806） 的乘積與模型（5）中的 β₁（-0.000548） 異號，驗證了財務柔性在交易性數據資產對債務融資成本的降低作用中存在遮掩效應。究其原因，交易性數據資產深受數據產品交易市場影響，具有時效性、高貶值、高波動性等特點，看似數據產品交易增加企業現金流，但合規投人、訴訟風險等隱性成本會侵蝕真實流動性，造成財務柔性降低。

表5中介效應檢驗-主動性機制

4穩健性檢驗

4.1 工具變量法

參考苑澤明等（2024）[27]的做法，選取移動電話普及率作為企業數據資產化的工具變量。移動電話普及是國家政策驅動與技術更新的結果，與企業個體的數據資產化行為無關。其本身并不參與數據資產化，而是移動電話的普及擴大了互聯網接入規模，高移動電話普及率說明該地區數字化程度較高，有利于企業進行數據收集與分析，推動企業數據資產化。移動電話普及率對企業債務融資成本的影響可以忽略不計。采用最小二乘估計進行回歸，結果如表6所示。列（1）為工具變量第一階段回歸結果，工具變量 （IV） 在 1% 的統計水平上顯著為正，說明工具變量與核心解釋變量之間強相關。列（2）為工具變量第二階段回歸結果，數據資產化對企業債務融資成本的回歸系數在 1% 的統計水平上顯著為負。同時，由有效性檢驗結果可知，LM統計量在 1% 的顯著性水平上拒絕原假設，表明工具變量具備可識別性，且F統計量大于臨界值，說明工具變量通過了弱工具變量檢驗，證明了基準模型的準確性。

表6穩健性檢驗

4.2 更換樣本區間

參考苑澤明等（2024）[28]的研究，2013年是我國數字經濟發展的重要分水嶺，被公認為“大數據元年”，我國上市公司正逐步實現從初期探索階段向應用階段躍遷。因此本文將樣本年份縮小至 2013～2023 年重新回歸檢驗，結果如表6列（3）所示，系數在 5% 的統計水平下仍顯著為負。

4.3替換解釋變量

參考路征等（2023）[29]的研究，采用市場價值扣除固定資產、金融資產與無形資產后取對數衡量企業數據資產 ），對數據資產化（DA）進行替換。檢驗結果如表6列（4）所示，Data_Asset的回歸系數在 5% 的水平下顯著為負，與基準回歸一致，假設1結果仍然成立。

5 結論與啟示

在數字經濟與實體經濟深度融合的背景下，數據資產化不僅重塑企業價值創造模式，更為新型融資關系構建路徑。本文借助我國滬深A股非金融行業上市企業2010～2023年數據，實證檢驗了數據資產化對企業債務融資成本的影響效應與具體作用機制。研究發現，數據資產化對企業債務融資成本具有顯著的降低效應，具體表現為自用型數據資產對債務融資成本的降低效應更佳。且該結論經過傾向得分匹配-多期DID、工具變量法等一系列內生性檢驗與穩健性檢驗后依然成立。機制檢驗表明，數據資產化通過降低財務風險與提高財務柔性雙重中介路徑對企業債務融資成本產生降低效應，同時經濟政策不確定性會減弱數據資產化的降低效應。進一步對自用型數據資產與交易性數據資產進行機制檢驗發現，二者均通過降低財務風險與提高財務柔性的路徑對債務融資成本造成降低效應，但交易性數據資產提升財務柔性的路徑上存在遮掩效應。由此，本文提出如

下政策建議：

（1）在政府層面，各地政府應加快制定統一的《數據資產產權登記管理辦法》，建立全國統一的數據資產登記平臺，完善數據資產確權與估值制度同時明確企業數據資源權屬界定規則。

（2）在企業層面構建數據資產分類管理戰略與數據治理協同機制。企業應針對自用型數據資產與交易性數據資產的差異建立不同開發路徑，優先開發具有技術壁壘和場景適配性的高價值自用型數據資產。此外，在企業內部建立跨部門數據治理部門，設立首席數據官職位，打通業務系統與數據中臺的技術接口，推動數據要素與傳統生產要素的協同機制，深度融入數據治理體系，增強債權人可審計性。

（3）金融機構應開發動態債務定價工具并建立風險對沖三級機制，將企業數據治理成熟度與數據應用成效納入信息評估體系，設計數據資產質量評分，將其作為貸款利率的核心指標。并實施企業數據資產價值波動追蹤，動態調整債務風險溢價。由銀行業構建企業數據資產授信共享系統，確保債權人在不獲取原始數據的前提下驗證數據真實性，對企業數據披露質量進行量化評分，高評分企業可享受債券發行綠色通道等權益。

參考文獻

[1］楊發瓊，艾永娜，李玨興.數據資產化對資本市場定價效率和穩定性的雙重改善——基于企業股價同步性與波動率的實證檢驗[J]．西部論壇，2025，35（3）：17～31.

[2]胡偉.企業數據資源資產化：理論機制、實踐基礎與政策選擇[J].財會通訊，2024，（3）：13～19，157.

[3]汪文張，李筱涵.數據資產化的理論基礎及實現形式研究[J]．當代經濟研究，2022，（12）：40～50.

[4]許憲春，張鐘文，胡亞茹，數據資產統計與核算問題研究[J]．管理世界，2022，38（2）：16～30，2.

[5］林鎮陽，陳榮源，林擁軍．數據要素市場建設背景下個人數據的價值化路徑和實現機制[J]．電子政務，2024，（5）：88～100.

[6]羅玫，李金璞，湯珂.企業數據資產化：會計確認與價值評估[J].清華大學學報（哲學社會科學版），2023，38（5）：195～209，226.

[7]馬克衛，王碩，苑杰.數據資產核算應用研究：理論與實踐[J]．中南財經政法大學學報，2023，（5）：149～160.

[8]左祥賓，付巖巖.公共數據資產證券化的基礎原理及法律構造[J].南方金融，2024，（12）：58～71.

[9]劉治彥，王謙.數據要素對經濟增長的影響——基于科學決策的中介效應分析[J]．當代經濟管理，2024，46（9）：9～19.

[10]牛彪，杜雨晴，于翔.數據資產信息披露與債券融資成本[J]．廣東財經大學學報，2024，39（5）：88～101.

[11］張俊瑞，張龍.數據資產信息披露對客戶穩定性的影響研究［J/OL].管理學報：1～9[2025-07-23].https：//link.cnki.net/urlid/42.1725.C.20250226.1712.006.

[12]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，（7）：68～79.

[13]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）：140～152.

[14]陳建華.經濟政策不確定性對企業融資成本的影響研究[J]．東岳論叢，2023，44（7）：126～137.

[15］彭剛，李杰，朱莉.SNA視角下數據資產及其核算問題研究［J].財貿經濟，2022，43（5）：145～160.

[16]黃燦，石智琦，蔣青嬉.數據資產入表對企業的影響：來自股票市場的證據[J].管理科學，2024，37（6）：43～61.

［17］何瑛，陳麗麗，杜亞光.數據資產化能否緩解“專精特新”中小企業融資約束[J]．中國工業經濟，2024，（8）：154～173.

[18］王浩然，雷玲.經濟波動與企業多元化發展［J]．中南財經政法大學學報，2025，（2）：16～28.

[19］張嬈，楊小偉.供應鏈金融與企業勞動生產率［J]．南開經濟研究，2025，（2）：122～142.

[20]李廷剛，徐鵬，李家緣.不同決策情境下績劣企業的違規行為研究——基于舞弊三角理論的分析［J]．財經論叢，2024，（10）：103～113.

[21]盛明泉，劉澤源.數據資產與企業資本市場表現：基于股票流動性的視角［J]．云南財經大學學報，2025，41（4）：52～68.

［22]張樹山，劉趙寧，姚欣妍.數據資產信息披露何以影響股價崩盤風險［J].廣東財經大學學報，2025，40（3）：54～69.

[23]楊柳，潘鎮.財務柔性與企業績效的動態關系——基于融資約束與代理成本的調節效應分析［J]．經濟與管理研究，2019，40（4）：125～144.

[24]陳兵.新質生產力發展中數據科學流通的經濟法治促進[J].蘇州大學學報（哲學社會科學版），2025，46（4）：62～72.

[25]李廣子，劉力．債務融資成本與民營信貸歧視［J]．金融研究，2009，（12）：137～150.

[26]曾愛民，魏志華.融資約束、財務柔性與企業投資-現金流敏感性——理論分析及來自中國上市公司的經驗證據［J].財經研究，2013，39（11）：48～58.

[27］苑澤明，宋雨倩，于翔.數據資產共享、供應鏈配置多元化與企業價值［J].統計與決策，2024，40（17）：172～177.

[28］苑澤明，尹琪，黃燦.數據資產與企業韌性：效應與機制［J].經濟經緯，2025，42（1）：120～132.

[29]路征，周婷，王理，等.數據資產與企業發展—來自中國上市公司的經驗證據［J]．產業經濟研究，2023，（4）：128～142.

The Impact of Data Assetization on Corporate Debt Financing Costs

Lu XiangjunLi Jihang （School of Accounting，Jilin University of Finance and Economics，Changchun 13O117，China）

[Abstract]Asanewcore factorof productionand strategicresource forenterprises，dataasets arereshaping corporate value creationmodelsandcapital structures.This paperexamies A-sharelistedcompanies in Chinafrom2O10 to2023，analyzing the impactofcorporatedatacapitalizationonthecostofdebtfinancingbyquantifyingtheextentofenterprisedataassetization.The studyfindsthatdatacapitalizationsignificantlyeducesthecostofebtfiancing.Specificallydataasetizatonreducsdebtfinan cingcosts notonlythroughadefensive mechanismoflowering financialriskbutalsoviaaproactive mechanismofenhancingfinancialflexibility.Thersearchconclusionnotonlyprovidesempiricalsupportforclarifying therductionpathandfunctionalboudary ofdebtfinancingcostsbydataassetization，butalsooferstheoreticalsupportandpolicygudanceforfurtherdevelopingspecificdata assets of enterprises.

[Keywords]dataassetization；debtfinancingcost；financialrisk；financialflexibility；high-qualitydevelopment；selfuse data assets； transactional data assets；suppression effect

[Jelclassification]G32；L86 （責任編輯：楊婧）