周蕾，楊佳

(安徽財經(jīng)大學(xué) 會計學(xué)院，安徽 蚌埠 233030)

隨著人工智能、云原生、RPA等創(chuàng)新技術(shù)被廣泛應(yīng)用，數(shù)字經(jīng)濟煥發(fā)出前所未有的活力，如何發(fā)展數(shù)字經(jīng)濟、促進(jìn)企業(yè)經(jīng)濟高質(zhì)量發(fā)展成為當(dāng)前黨和國家重點強調(diào)的戰(zhàn)略，“十四五”規(guī)劃也明確提出發(fā)展數(shù)字經(jīng)濟的重要性，在這樣的宏觀背景下，全國數(shù)字發(fā)展指數(shù)直線上升，近十年時間內(nèi)增速遠(yuǎn)超同期GDP增速，企業(yè)紛紛投入數(shù)字化轉(zhuǎn)型的潮流中，試圖利用其優(yōu)勢創(chuàng)造更多的發(fā)展機會。數(shù)字化轉(zhuǎn)型深刻影響著企業(yè)發(fā)展的各個方面，逐漸成為學(xué)術(shù)界相關(guān)研究的熱點話題，目前學(xué)者們主要關(guān)注企業(yè)數(shù)字化轉(zhuǎn)型的經(jīng)濟后果以及數(shù)字化技術(shù)的階段特點如何對企業(yè)發(fā)展產(chǎn)生影響。數(shù)字化轉(zhuǎn)型賦予企業(yè)高質(zhì)量發(fā)展新的動能，“破舊立新”是其鮮明特征之一，本質(zhì)上是通過促進(jìn)企業(yè)已有數(shù)據(jù)的高效流動提高資源配置、信息效率從而緩解外部宏觀環(huán)境變化對企業(yè)所帶來的強大沖擊[1]。同時數(shù)字化轉(zhuǎn)型對企業(yè)股票流動性[2]、全要素生產(chǎn)率[3]、企業(yè)創(chuàng)新效率[4]、投入產(chǎn)出效率[5]等均具有促進(jìn)作用。但鮮有文獻(xiàn)從企業(yè)風(fēng)險管理角度出發(fā)，研究數(shù)字化轉(zhuǎn)型對企業(yè)發(fā)展的影響。

自2008年以來，全球股價崩盤事件層出不窮，不僅損害了投資者的個人利益，也阻礙了企業(yè)健康發(fā)展及市場穩(wěn)定。黨的十九大明確提出“防范系統(tǒng)性金融風(fēng)險”是我國三大攻堅戰(zhàn)之一，而股價崩盤風(fēng)險是引發(fā)系統(tǒng)性金融風(fēng)險的重大隱患。因此，分析探究企業(yè)數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險是否具有緩解作用，對處于“十四五”關(guān)鍵時期的企業(yè)的高質(zhì)量發(fā)展具有重要經(jīng)濟意義。目前學(xué)術(shù)界針對股價崩盤風(fēng)險的研究，大多以Jin和Myers的“壞消息窖藏理論”作為研究基礎(chǔ)，認(rèn)為企業(yè)累積的負(fù)面消息達(dá)到閾值后瞬間爆發(fā)是股價發(fā)生崩盤的重要原因[6]。而企業(yè)數(shù)字化轉(zhuǎn)型能有效提高企業(yè)間信息和資源的流動，降低內(nèi)外部信息不對稱[2]。那么，數(shù)字化轉(zhuǎn)型能否對企業(yè)股價崩盤風(fēng)險發(fā)揮作用？又是以何種機制產(chǎn)生影響？目前鮮有文獻(xiàn)研究二者間的關(guān)系，因此實證探究上述問題能為后疫情時代下企業(yè)的健康穩(wěn)定發(fā)展提供有益參考。

以2011―2020年的A股上市公司為研究對象，不同于以往學(xué)者從公司戰(zhàn)略[7]、制度環(huán)境[8]、經(jīng)濟政策不確定性[9]等角度研究其與股價崩盤風(fēng)險的關(guān)系，本文從經(jīng)營風(fēng)險及內(nèi)部控制兩個角度梳理數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的影響路徑，有利于加深數(shù)字化轉(zhuǎn)型為促進(jìn)企業(yè)高質(zhì)量發(fā)展的理解。

一、理論分析與研究假設(shè)

數(shù)字經(jīng)濟成為農(nóng)耕經(jīng)濟和工業(yè)經(jīng)濟后的重要經(jīng)濟形式，尤其是面臨2020年以來的新冠疫情，“在家遠(yuǎn)程辦公”等一系列方式應(yīng)運而生，多數(shù)企業(yè)抓住機遇跨入數(shù)字化轉(zhuǎn)型的大門。數(shù)字化轉(zhuǎn)型也使企業(yè)發(fā)展從根本上發(fā)生變化，企業(yè)內(nèi)部傳統(tǒng)生產(chǎn)要素與數(shù)字化技術(shù)有效結(jié)合產(chǎn)生的“破舊立新”，不僅幫助企業(yè)細(xì)化業(yè)務(wù)流程[10]，還通過建立全新的企業(yè)組織與業(yè)務(wù)關(guān)系，打造外部供應(yīng)鏈之間的信息共享平臺[11]，進(jìn)而有效改善企業(yè)生產(chǎn)效率[12]，提高業(yè)績水平[1]，助力企業(yè)成長[13]。

首先，從信息效應(yīng)來看，數(shù)字化轉(zhuǎn)型通過緩解外部投資者面臨的嚴(yán)重信息不對稱，增強其對企業(yè)運營情況的了解，進(jìn)而降低股價崩盤風(fēng)險。企業(yè)在實際運營過程中，每一步都會產(chǎn)生大量內(nèi)部信息，然而由于信息處理與傳遞效率低下，這些信息只能堆砌在內(nèi)部難以有效整合并傳輸?shù)酵饨?，使投資者不能有效了解企業(yè)的生產(chǎn)經(jīng)營情況，加劇管理層“捂盤”風(fēng)險，從而加大股價崩盤的概率。數(shù)字化轉(zhuǎn)型為企業(yè)內(nèi)部信息的高效流轉(zhuǎn)創(chuàng)造了條件，極大加快了信息處理和挖掘效率[2]。企業(yè)為了能獲得外部市場的更多支持，會將內(nèi)部有效信息及時向外部市場傳送，有助于市場投資者掌握更充分的企業(yè)內(nèi)部經(jīng)營、生產(chǎn)、銷售狀況等信息[14]，提高內(nèi)外部信息透明度，進(jìn)而減少企業(yè)股價發(fā)生崩盤的概率。此外，企業(yè)向外界公布實施數(shù)字化轉(zhuǎn)型戰(zhàn)略等積極信息時，外部市場對其產(chǎn)生正面預(yù)期，外部媒體、分析師、機構(gòu)投資者會加強對企業(yè)運行狀況的關(guān)注[15]，進(jìn)一步提升企業(yè)內(nèi)外部信息透明度。與此同時，企業(yè)運用數(shù)字化技術(shù)為上述外部機構(gòu)監(jiān)督企業(yè)行為擴充了渠道[16]，因此外部監(jiān)督力度會隨之加強，這對企業(yè)完善其生產(chǎn)運營管理具有一定的驅(qū)動作用，能緩解股價崩盤風(fēng)險。

其次，從內(nèi)部控制角度來看，數(shù)字化轉(zhuǎn)型通過提高企業(yè)內(nèi)部控制水平，抑制企業(yè)機會主義行為，從而緩解股價崩盤風(fēng)險。一方面，數(shù)字化轉(zhuǎn)型將企業(yè)內(nèi)部生產(chǎn)經(jīng)營的各流程信息快速高效地進(jìn)行挖掘、處理、整合，極大地提升了信息傳遞效率，有效提升了內(nèi)部資源周轉(zhuǎn)率，提高了信息透明度，塑造了高效有序的內(nèi)部治理環(huán)境，一定程度上緩解了企業(yè)普遍存在的代理問題[17]。而股東與管理者之間的代理問題是股價發(fā)生崩盤的根源之一[18]，股東通過獲取的有效信息加強對企業(yè)管理者盈余管理等利己行為的監(jiān)督，進(jìn)一步促使企業(yè)管理者完善企業(yè)制度，有助于降低企業(yè)風(fēng)險。另一方面，企業(yè)在運用數(shù)字化技術(shù)時，不僅是簡單地將其應(yīng)用于各流程環(huán)節(jié)，而是更深層次地對內(nèi)部控制制度和組織間結(jié)構(gòu)進(jìn)行優(yōu)化[19]，有助于企業(yè)整合自身資源，進(jìn)而形成“高效率”“低風(fēng)險”的高效組合，為降低企業(yè)股價崩盤風(fēng)險奠定了基礎(chǔ)。此外，當(dāng)數(shù)字化技術(shù)與企業(yè)內(nèi)部活動深度融合時，利益相關(guān)者與企業(yè)間的關(guān)系會進(jìn)一步拉近，企業(yè)對相關(guān)者的信息披露等內(nèi)部控制體系也會更加完善[20]，外部投資者獲取的信息越多，越能降低對管理層決策行為判斷的不確定性。因此，數(shù)字化轉(zhuǎn)型通過企業(yè)內(nèi)部控制水平提高可以緩解股價崩盤風(fēng)險。

最后，從經(jīng)營風(fēng)險角度來看，數(shù)字化轉(zhuǎn)型通過降低經(jīng)營風(fēng)險，進(jìn)而減緩股價崩盤風(fēng)險。公司自身的經(jīng)營風(fēng)險是股價發(fā)生崩盤的重要因素之一，公司經(jīng)營風(fēng)險越高，其股價波動幅度越大[21]。如前文所述，數(shù)字化轉(zhuǎn)型將企業(yè)內(nèi)部積極消息快速整合形成標(biāo)準(zhǔn)化、結(jié)構(gòu)化信息輸出，提高了信息的有效使用率。管理者借助于數(shù)字化技術(shù)，能更好地掌握市場中供求關(guān)系，大大提高經(jīng)營決策的準(zhǔn)確性。而且利用數(shù)字化技術(shù)參與企業(yè)管理，也能向管理者反饋其運營決策中存在的問題，便于適時調(diào)整，降低了經(jīng)營活動存在的風(fēng)險。此外，數(shù)字化技術(shù)能促進(jìn)供應(yīng)鏈上下游企業(yè)之間建立共享平臺[22]，有助于降低企業(yè)成本、提高生產(chǎn)效率[3]，進(jìn)而降低股價崩盤風(fēng)險。基于上述分析，本文提出如下假設(shè)。

H1:在其他條件不變的情況下，數(shù)字化轉(zhuǎn)型與股價崩盤風(fēng)險呈顯著負(fù)向關(guān)系。

二、研究設(shè)計

(一)數(shù)據(jù)來源與樣本選擇

以2011―2020年A股上市公司數(shù)據(jù)為初始研究樣本，進(jìn)行如下篩選處理：(1)剔除銀行、保險等金融類公司；(2)剔除ST、ST*類經(jīng)營異常的公司；(3)剔除關(guān)鍵變量存在缺失情況的數(shù)據(jù)；(4)剔除每年交易周數(shù)小于30的上市公司，以保證衡量股價崩盤風(fēng)險指標(biāo)的可靠性和有效性；(5)對連續(xù)變量進(jìn)行雙側(cè)1%縮尾(Winsorize)處理，以消除極端值對回歸結(jié)果的影響。經(jīng)上述處理，最終得到13 402個數(shù)據(jù)。本文數(shù)據(jù)均從國泰安及銳思數(shù)據(jù)庫獲取。

(二)變量定義

被解釋變量：股價崩盤風(fēng)險。參照Chen等[23]、周蕾等[24]的做法，用負(fù)收益偏態(tài)系數(shù)(NCSKEW)和收益上下波動比率(DUVOL)來衡量股價崩盤風(fēng)險。首先構(gòu)建個股周收益率對前、后兩期市場收益率的回歸模型，保留殘差，然后對殘差加1后取自然對數(shù)作為個股的特定周收益率，最后按照下列公式構(gòu)造兩種度量的指標(biāo)：

一是NCSKEW，運用個股i特定周收益率的偏態(tài)來衡量崩盤傾向。

(1)

式(1)中，n表示在第t年中，個股i發(fā)生交易的周數(shù)。

二是DUVOL，運用個股i特定周收益率的波動來衡量崩盤傾向。

(2)

式(2)中，nu(nd)表示個股i在第t年的特定周收益率大于(小于)該年平均特定周收益率的周數(shù)。DUVOL與NCSKEW數(shù)值越大，意味著收益率更易于偏左側(cè)，股價崩盤傾向越大。

解釋變量：數(shù)字化轉(zhuǎn)型。參照吳非等[2]、易露霞等[1]的研究，采用文本分析法，利用Python軟件爬取上市公司年報中“數(shù)字化轉(zhuǎn)型”關(guān)鍵詞，并對其進(jìn)行匹配、統(tǒng)計，最終得到數(shù)字化轉(zhuǎn)型強度(DCG)指標(biāo)，并對其進(jìn)行對數(shù)化處理。

控制變量：參考姜付秀等[25]的研究，選取了其他對股價崩盤有影響的因素作為控制變量，主要有公司規(guī)模(Size)、資產(chǎn)負(fù)債率(Lev)、資產(chǎn)收益率(Roa)、特定周收益率均值(Ret)、特定周收益率的波動(Sigma)、第一大股東持股比例(Top1)、獨立董事(ID)、兩職合一(Dual)、審計質(zhì)量(Big4)。此外，還控制了行業(yè)虛擬變量和年度虛擬變量。具體變量定義參見表1。

表1 變量定義

(三)模型設(shè)定

構(gòu)造如下回歸模型以驗證數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的影響：

NCSKEWi,t=α+β1DCGi,t+β2Controlsi,t+ε

(3)

其中，NCSKEW表示股價崩盤風(fēng)險，DCG表示數(shù)字化轉(zhuǎn)型，Controls表示選取的控制變量。若β1顯著為正，則表示假設(shè)H1成立，即數(shù)字化轉(zhuǎn)型能有效緩解股價崩盤風(fēng)險。

三、實證結(jié)果及分析

(一)描述性統(tǒng)計分析

表2報告了各變量的描述性統(tǒng)計結(jié)果。由表2可知，負(fù)收益偏態(tài)系數(shù)(NCSKEW)與收益上下波動比(DUVOL)的均值分別為-0.332和-0.223(小于中位數(shù)-0.298和-0.229)，表明所選樣本公司的股價崩盤的情況整體上處于比較安全的范圍。不過NCSKEW和DUVOL的離散系數(shù)分別為2.21和2.18，在所有變量中屬于離散系數(shù)較大的兩個變量，表明不同上市公司之間的股價崩盤風(fēng)險存在較為明顯的差異。數(shù)字化轉(zhuǎn)型(DCG)最大/小值為5.011/0.693、均值為2.063(大于中位數(shù)1.792)，表明整體來看，我國企業(yè)數(shù)字化水平差異度較大，且存在整體偏低的情況。其余控制變量均處于合理區(qū)間。

表2 變量的描述性統(tǒng)計

(二)相關(guān)性分析

表3羅列了各變量的Pearson檢驗系數(shù)及顯著性。由表3可發(fā)現(xiàn)，股價崩盤風(fēng)險(NCSKEW)與數(shù)字化轉(zhuǎn)型(DCG)系數(shù)為-0.025，且在1%水平上顯著，初步表明數(shù)字化轉(zhuǎn)型能緩解股價崩盤風(fēng)險，為假設(shè)H1成立奠定了基礎(chǔ)。就控制變量而言，除資產(chǎn)收益率(Roa)、獨立董事(ID)、兩職合一(Dual)的相關(guān)系數(shù)不顯著外，其他控制變量與股價崩盤風(fēng)險之間均呈顯著相關(guān)性。

表3 相關(guān)性分析

(三)基準(zhǔn)回歸分析

表4(1)—(3)列顯示了數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的回歸檢驗結(jié)果。第(1)列是未對其余變量進(jìn)行控制得出的結(jié)果，可知DCG的系數(shù)為-0.020 7，且在1%的水平上顯著，表明數(shù)字化轉(zhuǎn)型(DCG)在一定程度上能緩解股價崩盤風(fēng)險(NCSKEW)。第(2)列是未控制行業(yè)年份固定效應(yīng)得出的結(jié)果，可知系數(shù)方向及顯著性基本一致。第(3)列是進(jìn)一步將行業(yè)、年份納入模型中進(jìn)行回歸，DCG的系數(shù)為-0.019 4，且在5%的水平上顯著，盡管系數(shù)大小及顯著性稍微下降，但整體看數(shù)字化轉(zhuǎn)型(DCG)對股價崩盤風(fēng)險(NCSKEW)的緩解作用仍然成立。這意味著假設(shè)H1成立，即數(shù)字化轉(zhuǎn)型與股價崩盤風(fēng)險呈顯著負(fù)向關(guān)系。

表4 回歸分析

(四)穩(wěn)健性檢驗

1.替換衡量指標(biāo)

為了保證研究結(jié)論的可靠性，參照已有文獻(xiàn)，選取收益上下波動比率(DUVOL)度量股價崩盤風(fēng)險重新進(jìn)行回歸。由表4(4)列可知，DCG的系數(shù)為-0.014 2，在1%的水平上顯著，表明數(shù)字化轉(zhuǎn)型(DCG)與股價崩盤風(fēng)險(NCSKEW)呈負(fù)向顯著關(guān)系。因此支持了前文假設(shè)H1。

2.固定效應(yīng)及剔除特殊年份

為了緩解個體層面和時間特質(zhì)變量對回歸的干擾，進(jìn)一步控制了個體、時間以及雙向固定效應(yīng)。由表5(1)—(3)列回歸結(jié)果可知，DCG的系數(shù)分別為-0.055 4、-0.013 6、-0.058 1，除年度固定效應(yīng)在10%水平上顯著外，其余均在1%水平上顯著。這意味著，考慮個體和時間特質(zhì)的遺漏變量后，數(shù)字化轉(zhuǎn)型與股價崩盤風(fēng)險的負(fù)向關(guān)系仍然顯著。

此外，為避免特殊年份對結(jié)論穩(wěn)健性的影響，將2015年的樣本剔除后重新進(jìn)行回歸。由表5(4)列結(jié)果可知，DCG的系數(shù)大小及顯著性未發(fā)生明顯變化，表明數(shù)字化轉(zhuǎn)型(DCG)能有效緩解股價崩盤風(fēng)險(NCSKEW)。因此假設(shè)H1仍然成立。

表5 固定效應(yīng)、剔除特殊年份、工具變量回歸

3.工具變量法

本文探討的是數(shù)字化轉(zhuǎn)型與股價崩盤風(fēng)險之間的影響關(guān)系，雖然上述回歸結(jié)果表明數(shù)字化轉(zhuǎn)型緩解了股價崩盤風(fēng)險，但也可能是因為公司的股價崩盤概率較高，促使管理者選擇對市場具有正向積極的數(shù)字化轉(zhuǎn)型戰(zhàn)略以轉(zhuǎn)變投資者對公司的不好印象，即數(shù)字化轉(zhuǎn)型不是股價崩盤風(fēng)險的影響因素，而是其經(jīng)濟后果。為避免這種內(nèi)生性的不利影響，采取工具變量法進(jìn)行緩解。借鑒Kusnadi等[26]、翟華云和李倩茹[27]的研究，采用同年度、同行業(yè)其他公司的數(shù)字化轉(zhuǎn)型中位數(shù)(M-DCG)作為工具變量進(jìn)行回歸。表5(5)顯列示了回歸結(jié)果，M-DCG的系數(shù)為0.897 3，在1%的水平上顯著且F值為130.40(>10)，表明M-DCG作為工具變量是合適的。根據(jù)表5(6)列可知，DCG的系數(shù)為-0.103 6，在10%的水平上顯著，表明研究結(jié)論仍然穩(wěn)健。

四、影響機制檢驗

為進(jìn)一步探討數(shù)字化轉(zhuǎn)型抑制公司股價崩盤風(fēng)險的作用機制，揭開二者相關(guān)關(guān)系的“黑箱”，借鑒溫忠麟等[28]的研究構(gòu)造如下中介模型。

Mediatingi,t=ν+γ1DCGi,t+γ2Controlsi,t+ω

(4)

NCSKEWi,t=θ+δ1DCGi,t+δ2Mediatingi,t+δ3Controlsi,t+ε

(5)

式(4)—(5)中,Mediating表示中介變量，選取內(nèi)部控制(IC)和經(jīng)營風(fēng)險(Risk)兩個代理變量。

(一)內(nèi)部控制的中介效應(yīng)

本文選取內(nèi)部控制作為中介變量，探究是否存在“數(shù)字化轉(zhuǎn)型—內(nèi)部控制—股價崩盤風(fēng)險”這樣一條機制路徑。借鑒易露霞等[1]的研究，用迪博內(nèi)部控制指數(shù)作為內(nèi)部控制(IC)的度量指標(biāo)，為了消除量級對實驗的影響，回歸中對其進(jìn)行了標(biāo)準(zhǔn)化處理，結(jié)果見表6。

表6 機制檢驗：內(nèi)部控制與經(jīng)營風(fēng)險

由表6(2)列可知，數(shù)字化轉(zhuǎn)型(DCG)的系數(shù)為0.060 7，在1%的水平上顯著，表明數(shù)字化能提高企業(yè)內(nèi)部控制的水平。表6(3)列為將內(nèi)部控制作為中介變量納入回歸的結(jié)果，數(shù)字化水平(DCG)與股價崩盤風(fēng)險(NCSKEW)間仍然呈負(fù)向顯著關(guān)系，且(1)列DCG系數(shù)|-0.016 6|大于(3)列DCG的系數(shù)|-0.013 6|，由此可以判斷數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的影響有一部分是通過內(nèi)部控制實現(xiàn)的，即數(shù)字化轉(zhuǎn)型通過提高內(nèi)部控制水平可以緩解股價崩盤風(fēng)險。

(二)經(jīng)營風(fēng)險的中介效應(yīng)

數(shù)字化轉(zhuǎn)型將企業(yè)內(nèi)部消息快速整合形成標(biāo)準(zhǔn)化、結(jié)構(gòu)化信息輸出，提高了管理者使用內(nèi)部信息的效率。而且管理者借助于數(shù)字化技術(shù)，能及時掌握市場供求關(guān)系，提高經(jīng)營決策的準(zhǔn)確性，也能向管理者反饋其運營決策中存在的問題，便于適時調(diào)整，降低了經(jīng)營活動存在的風(fēng)險。因此，本文選擇經(jīng)營風(fēng)險作為中介，探究“數(shù)字化轉(zhuǎn)型—經(jīng)營風(fēng)險—股價崩盤風(fēng)險”是否為第二條機制路徑。借鑒王化成等[29]的研究，以企業(yè)每三年樣本期間內(nèi)經(jīng)行業(yè)調(diào)整ROA最大值與最小值的差額衡量經(jīng)營風(fēng)險。

由表6(5)列可知，數(shù)字化轉(zhuǎn)型(DCG)的系數(shù)為-0.001 5，在10%的水平上顯著，表明數(shù)字化轉(zhuǎn)型能緩解企業(yè)經(jīng)營風(fēng)險。表6(6)列為將經(jīng)營風(fēng)險作為中介變量納入回歸的結(jié)果，可知，數(shù)字化轉(zhuǎn)型(DCG)的系數(shù)為-0.014 4，在10%的水平上顯著，且(6)列DCG的系數(shù)|-0.014 4|小于(4)列DCG的系數(shù)|-0.015 2|，由此可以判斷數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的影響有一部分是通過經(jīng)營風(fēng)險實現(xiàn)的，即數(shù)字化轉(zhuǎn)型通過降低經(jīng)營風(fēng)險可以緩解股價崩盤風(fēng)險。

五、數(shù)字金融與產(chǎn)權(quán)性質(zhì)的異質(zhì)性分析

(一)數(shù)字金融

盡管企業(yè)數(shù)字化轉(zhuǎn)型能夠加強企業(yè)內(nèi)部治理、降低企業(yè)經(jīng)營風(fēng)險，但在現(xiàn)實環(huán)境中企業(yè)通常會面臨各種資金約束，陷入“沒錢轉(zhuǎn)”的境地[30]。數(shù)字金融作為傳統(tǒng)金融的有益補充，一方面借助新技術(shù)緩解企業(yè)中長期存在的“融資難”“融資貴”問題[31]，助力企業(yè)數(shù)字化轉(zhuǎn)型，另一方面數(shù)字金融的發(fā)展改善了市場需求環(huán)境，為企業(yè)數(shù)字化轉(zhuǎn)型增加了更多機會。其次，數(shù)字金融也在一定程度上優(yōu)化了企業(yè)內(nèi)部治理，降低了股價崩盤風(fēng)險[32]。此外，數(shù)字金融的發(fā)展提升了內(nèi)外部信息透明程度[33]，使得外部投資者減少了投機成本，能更準(zhǔn)確判斷出哪些企業(yè)是值得投資的，對推行數(shù)字化轉(zhuǎn)型的企業(yè)產(chǎn)生正面預(yù)期，進(jìn)而企業(yè)能獲得外部市場的更多支持，加快企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)程。因此，研究認(rèn)為數(shù)字金融能夠促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型，且在數(shù)字金融發(fā)展好的地區(qū)，數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的緩解效果更好。參考吳非等[2]研究按照中位數(shù)將樣本劃分為兩組，回歸結(jié)果如表7(1)—(3)所示。從(1)列可以看出，數(shù)字金融與數(shù)字化轉(zhuǎn)型的系數(shù)為0.147 0(t值為3.80)，在1%水平上顯著，說明數(shù)字金融有效促進(jìn)了企業(yè)的數(shù)字化轉(zhuǎn)型，是企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型的重要外部條件。由表7(2)—(3)列可以看出，在數(shù)字金融高的地區(qū)，數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的抑制作用顯著(t值為-2.00)；而在數(shù)字金融低的地區(qū)，雖然DCG的系數(shù)為負(fù)，但其顯著性不符合要求(t值為-1.51)。這說明在數(shù)字金融普及較高的地區(qū)，數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的緩解效果更好，符合預(yù)期。

表7 數(shù)字金融回歸結(jié)果

(二)產(chǎn)權(quán)性質(zhì)

由于國有企業(yè)是政府出資設(shè)立的企業(yè)，企業(yè)行為受政府控制與監(jiān)管，內(nèi)部治理水平較高，政府更愿意為其兜底，市場競爭壓力相對較小，經(jīng)營風(fēng)險通常較低，出現(xiàn)股價崩盤風(fēng)險的可能性也相對較小，因此可能會缺少進(jìn)行數(shù)字化轉(zhuǎn)型的動力。而非國有企業(yè)無論在資金使用調(diào)度還是在市場競爭壓力上都與國有企業(yè)相差甚遠(yuǎn)，因而企業(yè)有必要為了在市場中立足，積極主動進(jìn)行數(shù)字化轉(zhuǎn)型戰(zhàn)略，以提升內(nèi)部控制水平、降低企業(yè)經(jīng)營風(fēng)險。因而，研究認(rèn)為非國有企有更大的動力去實施數(shù)字化轉(zhuǎn)型戰(zhàn)略，其緩解股價崩盤風(fēng)險的效果也更好。表8(1)—(2)列顯示了不同產(chǎn)權(quán)性質(zhì)企業(yè)的回歸結(jié)果，可知非國有企業(yè)中，DCG的系數(shù)為-0.027 1，t值為-3.05；而在國有企業(yè)中，盡管DCG的系數(shù)為負(fù)，但t值只有-0.22，未通過顯著性檢驗。因而，在非國有企業(yè)中數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的緩解程度更好，符合預(yù)期。

(三)事務(wù)所規(guī)模

由于不同規(guī)模事務(wù)所之間的聲譽和治理效應(yīng)等方面存在著較大差異，因此，數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的抑制作用在不同規(guī)模的事務(wù)所組中可能存在差異?！八拇蟆笔聞?wù)所有著良好的行業(yè)專長和獨立性，發(fā)揮的外部治理也更顯著，能夠提供高質(zhì)量的審計。已有研究表明，高質(zhì)量的審計能夠通過多種方式降低股價崩盤風(fēng)險[34-35]。同時前文研究表明，企業(yè)數(shù)字化轉(zhuǎn)型通過提高企業(yè)內(nèi)部控制水平來降低股價崩盤風(fēng)險，而內(nèi)部控制產(chǎn)生的內(nèi)部治理效應(yīng)與外部審計產(chǎn)生的外部治理效應(yīng)之間具有替代效應(yīng)[36]。因此，本文認(rèn)為相比“四大”組，在外部治理較弱的非“四大”組中，數(shù)字化轉(zhuǎn)型通過提高內(nèi)部控制質(zhì)量從而降低股價崩盤風(fēng)險的作用更顯著。表8(3)—(4)列顯示了區(qū)分事務(wù)所規(guī)模的回歸結(jié)果，可知在非“四大”組中，DCG的系數(shù)為-0.027 4(t值為-0.68)；在“四大”組中，DCG的系數(shù)為-0.019 9，但t值只有-2.44，未通過顯著性檢驗。這說明在非“四大”組中，數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的緩解效果更好，符合預(yù)期。

表8 產(chǎn)權(quán)性質(zhì)及事務(wù)所規(guī)模回歸結(jié)果

六、結(jié)論及建議

以2011―2020年A股上市公司為研究對象，探究數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的影響及可能存在的“黑箱”機制。結(jié)果發(fā)現(xiàn)：(1)數(shù)字化轉(zhuǎn)型有助于緩解股價崩盤風(fēng)險，且在經(jīng)過固定效應(yīng)、工具變量回歸等穩(wěn)健性檢驗后結(jié)論依然成立。(2)數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的緩解作用在不同數(shù)字金融發(fā)展水平、產(chǎn)權(quán)性質(zhì)以及事務(wù)所規(guī)模中具有非對稱性效應(yīng)。具體來看，數(shù)字化轉(zhuǎn)型在數(shù)字金融普及較高的地區(qū)、非國有企業(yè)以及非“四大”組中，對股價崩盤風(fēng)險的抑制效果更好。(3)從機制路徑來看，數(shù)字化轉(zhuǎn)型通過提高內(nèi)部控制、降低經(jīng)營風(fēng)險而降低股價崩盤風(fēng)險，即內(nèi)部控制及經(jīng)營風(fēng)險是數(shù)字化轉(zhuǎn)型與股價崩盤風(fēng)險間關(guān)系的中介橋梁。

基于上述結(jié)論，提出如下四點政策建議：第一，我國企業(yè)應(yīng)順應(yīng)時代潮流，抓住數(shù)字化轉(zhuǎn)型大趨勢。在數(shù)字經(jīng)濟如火如荼發(fā)展的大環(huán)境下，各企業(yè)需抓住數(shù)字化轉(zhuǎn)型的機遇，加快數(shù)字化轉(zhuǎn)型進(jìn)程，促進(jìn)企業(yè)高質(zhì)量發(fā)展。在后疫情時代，企業(yè)面臨較大內(nèi)外部風(fēng)險，應(yīng)抓住機會堅定數(shù)字化轉(zhuǎn)型決心，提高內(nèi)部控制管理、降低經(jīng)營風(fēng)險，以降低股價崩盤風(fēng)險。第二，企業(yè)應(yīng)避免盲目跟風(fēng)、結(jié)合實際自身條件采取數(shù)字化轉(zhuǎn)型戰(zhàn)略。以數(shù)字金融普及較高的外部條件推動企業(yè)數(shù)字化轉(zhuǎn)型升級，更好地發(fā)揮數(shù)字金融對實體經(jīng)濟風(fēng)險管控的作用，為數(shù)字化轉(zhuǎn)型在資本市場中更好的表現(xiàn)提供外部支撐。對于數(shù)字金融發(fā)展較差的地區(qū)，實施數(shù)字化轉(zhuǎn)型戰(zhàn)略前，應(yīng)對轉(zhuǎn)型戰(zhàn)略進(jìn)行多方考量、全方位部署，以確保轉(zhuǎn)型戰(zhàn)略為企業(yè)帶來正向效益，最大程度上促進(jìn)企業(yè)健康發(fā)展。第三，政府部門應(yīng)加強對非國有企業(yè)的支持，為企業(yè)數(shù)字化轉(zhuǎn)型助力。由于數(shù)字化轉(zhuǎn)型在非國有企業(yè)中，對股價崩盤風(fēng)險的緩解效果更強，且數(shù)字化轉(zhuǎn)型具有高投入、長周期的特點，使得資金調(diào)度存在壓力的非國有企業(yè)可能望而卻步，因而政府應(yīng)當(dāng)在企業(yè)轉(zhuǎn)型時期給予非國有企業(yè)更多資金支持，加快企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)程。第四，應(yīng)加快數(shù)字化人才培養(yǎng)建設(shè)，為數(shù)字化轉(zhuǎn)型提供人才支撐。數(shù)字化技術(shù)飛速發(fā)展，數(shù)字化人才供不應(yīng)求問題隨之而來。人才隊伍建設(shè)是企業(yè)穩(wěn)定發(fā)展的基石，人才培養(yǎng)需要各方共同努力。政府應(yīng)出臺相關(guān)政策，加快數(shù)字化人才的引進(jìn)與培育工作進(jìn)程；各高校應(yīng)注重培養(yǎng)學(xué)生專業(yè)知識與數(shù)字技術(shù)能力，為企業(yè)發(fā)展提供后備力量；企業(yè)本身要加大內(nèi)部數(shù)字化培訓(xùn)，提高員工應(yīng)對數(shù)字化挑戰(zhàn)的能力。