劉純霞, 譚蓉慧, 陳友余, 鄧 超

(1.湖南財政經(jīng)濟學(xué)院 會計學(xué)院,湖南 長沙 410205; 2.廣東外語外貿(mào)大學(xué) 金融學(xué)院,廣東 廣州 510420)

0 引言

當前,外部環(huán)境不確定性加大,世界經(jīng)濟和貿(mào)易增長動能減弱。我國企業(yè)發(fā)展遇到國內(nèi)外多重超預(yù)期因素沖擊,面臨巨大風險挑戰(zhàn)。2022年《中小企業(yè)數(shù)字化轉(zhuǎn)型指南》指出,要通過大中小企業(yè)“攜手行動”,多措并舉推動企業(yè)科學(xué)高效開展數(shù)字化轉(zhuǎn)型。

數(shù)字化轉(zhuǎn)型能否緩釋企業(yè)風險?學(xué)者們對此進行了大量研究,發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型能有效降低經(jīng)營風險[1],能提高股票流動性[2],能減小股價崩盤風險[3],還能降低融資約束[4],并顯著降低供應(yīng)鏈上游供應(yīng)商、下游客戶及供應(yīng)鏈整體集中度[5],確保業(yè)務(wù)流程執(zhí)行更為穩(wěn)健可靠[6],維持經(jīng)營穩(wěn)定性[7]和增強財務(wù)穩(wěn)定性[8]。但數(shù)字化轉(zhuǎn)型本質(zhì)上屬于企業(yè)一種“破壞性”的創(chuàng)新策略或變革進程,難免會帶來技術(shù)上的重大改變或轉(zhuǎn)型,將進一步增大企業(yè)的不確定性風險或概率[9],可能因數(shù)字化轉(zhuǎn)型固有風險面臨更大的經(jīng)營風險[10]。

綜上,現(xiàn)有研究主要是從單一風險視角進行研究的,發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型對風險可能存在雙重影響,且觀點不一?？紤]到這些不同層面的風險并不是相互獨立的,而是相互影響和相互制約的,這些單一風險是如何共同作用呈現(xiàn)綜合風險的呢?數(shù)字化轉(zhuǎn)型是否有助于降低企業(yè)綜合風險?其作用機理是什么?這些問題急需進一步研究?；诖?本文突破單一風險研究視角,構(gòu)建企業(yè)風險組合體系,全面系統(tǒng)地分析了數(shù)字化轉(zhuǎn)型對企業(yè)綜合風險的緩釋機制,為從數(shù)字化轉(zhuǎn)型視角探尋風險理論研究提供經(jīng)驗證據(jù)和決策支持,以推進企業(yè)數(shù)字化轉(zhuǎn)型與風險決策的統(tǒng)籌安排,力促企業(yè)高質(zhì)量發(fā)展。

本文可能的貢獻在于:(1)突破單一風險研究視角,構(gòu)建企業(yè)風險組合體系,并進行分解、降維和集成,創(chuàng)新性地反映企業(yè)綜合風險;(2)研究數(shù)字化轉(zhuǎn)型對企業(yè)綜合風險的影響機理,并通過實證分析予以驗證,對數(shù)字化轉(zhuǎn)型的經(jīng)濟后果研究進行了進一步拓展和補充;(3)引入技術(shù)風險和人力資源風險,集成新型綜合風險,研究數(shù)字化轉(zhuǎn)型對新型綜合風險的線性與非線性影響機理,并剖析單一風險之間的共同作用機制。

1 理論分析與假設(shè)提出

1.1 直接作用機制

2022年10月,我國國家標準化管理委員會發(fā)布了《風險管理指南》,指出風險管理與其他管理活動是緊密相連的,整合是第一原則。2017年9月,COSO委員會正式發(fā)布更新版《企業(yè)風險管理框架》,指出要建立風險組合觀,管理層需要從組織整體角度考慮風險,而不是將其視為一個個單獨的、分散的風險。本文擬基于《風險管理指南》和《企業(yè)風險管理框架》要求,從風險整合視角出發(fā),構(gòu)建綜合風險:(1)考慮企業(yè)內(nèi)部可能存在的重要風險及利益相關(guān)者風險傳染可能,將信息風險、經(jīng)營風險、財務(wù)風險、金融風險和供應(yīng)鏈風險等五類關(guān)鍵風險納入企業(yè)風險組合體系,以反映企業(yè)綜合風險;(2)在第五部分,考慮數(shù)字化轉(zhuǎn)型可能滋生的新型風險類型,引入人力資源風險和技術(shù)風險,構(gòu)建新型綜合風險。

本文的信息風險,側(cè)重于信息傳遞角度,主要指企業(yè)面對的由信息噪聲帶來的無法觀察真實需求的風險[11]。數(shù)字化轉(zhuǎn)型能將生產(chǎn)經(jīng)營管理過程中產(chǎn)生的大量數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化和標準化的信息[2],提升業(yè)務(wù)信息可視化和會計信息可比性[12],能緩解信息不對稱?？梢?數(shù)字化轉(zhuǎn)型能大大改善信息風險。

經(jīng)營風險是指,由企業(yè)經(jīng)營基本面變化可能引起的損失,并最終反映在企業(yè)收益變動上[13]。學(xué)者們通過研究發(fā)現(xiàn),數(shù)字化轉(zhuǎn)型能有效降低企業(yè)的經(jīng)營風險[1]。但企業(yè)一旦投入大量資金開展數(shù)字化研發(fā)項目,由于研發(fā)形成的資產(chǎn)變現(xiàn)能力差且不確定性高,企業(yè)實施數(shù)字化轉(zhuǎn)型的固有風險可能面臨更大的經(jīng)營風險[10]。

財務(wù)風險是企業(yè)未來無力承擔或覆蓋必要的財務(wù)義務(wù)的潛在可能性[14]。高潛在破產(chǎn)風險能夠促進企業(yè)通過數(shù)字化轉(zhuǎn)型精準控制損失并維持經(jīng)營穩(wěn)定性[7]。數(shù)字化轉(zhuǎn)型可提高企業(yè)內(nèi)部經(jīng)濟運行質(zhì)效,重構(gòu)資源配置模式,增強財務(wù)穩(wěn)定性[8]。企業(yè)通過數(shù)字化轉(zhuǎn)型,能監(jiān)督長期財務(wù)風險和短期財務(wù)風險,將風險管理從“被動應(yīng)對”轉(zhuǎn)變?yōu)椤爸鲃幼R別”,能進行前瞻性預(yù)警和管控。

企業(yè)風險可能傳導(dǎo)到金融市場。在金融市場方面,企業(yè)數(shù)字化轉(zhuǎn)型能夠緩解信息不對稱,提高股票流動性[2],降低股價崩盤風險,并通過市場評價預(yù)期值改善和內(nèi)部財務(wù)穩(wěn)定性提高減小股價崩盤風險[3]。融資是企業(yè)最基本的財務(wù)活動之一,融資約束風險產(chǎn)生。數(shù)字化轉(zhuǎn)型可以改善企業(yè)融資狀況,降低融資約束,獲取信貸支持[4]。不妨將股價崩盤風險和融資約束風險簡記為金融風險。在推進數(shù)字化轉(zhuǎn)型過程中,可能加劇企業(yè)“數(shù)字鴻溝”負面效應(yīng),也可能導(dǎo)致企業(yè)因資產(chǎn)利潤狀況變差、資金鏈斷裂而出現(xiàn)轉(zhuǎn)型風險[9]。

供應(yīng)商-客戶關(guān)系是企業(yè)聯(lián)結(jié)市場的紐帶。相關(guān)研究發(fā)現(xiàn),企業(yè)數(shù)字化轉(zhuǎn)型顯著降低了供應(yīng)鏈上游供應(yīng)商、下游客戶及供應(yīng)鏈整體集中度,推動供應(yīng)鏈配置多元化[5]。但供應(yīng)鏈風險可能增加企業(yè)經(jīng)營風險,并導(dǎo)致利益侵占[15]。此時,企業(yè)在利用上下游數(shù)字化轉(zhuǎn)型存在的聯(lián)動效應(yīng)時,必須規(guī)避可能帶來的“風險效應(yīng)”,實現(xiàn)上下游協(xié)同發(fā)展。

綜上,數(shù)字化轉(zhuǎn)型對企業(yè)單一風險存在雙重影響?？紤]到不同層面的風險是相互影響和相互傳導(dǎo)的,其共同作用結(jié)果需要進一步研究,提出如下假設(shè):

H1數(shù)字化轉(zhuǎn)型能降低企業(yè)綜合風險。

1.2 調(diào)節(jié)作用機制

數(shù)字化轉(zhuǎn)型能顯著提升企業(yè)創(chuàng)新效率,對行業(yè)競爭程度越高及市場化程度越低的企業(yè)促進作用越明顯[16]。數(shù)字化轉(zhuǎn)型可能僅能促進企業(yè)技術(shù)創(chuàng)新增量,并不能促進其提質(zhì),“雙重套利”與“同群效應(yīng)”是增量不提質(zhì)的重要原因[17]。對此,提出如下假設(shè):

H2數(shù)字化轉(zhuǎn)型對企業(yè)綜合風險的減緩效應(yīng)在高創(chuàng)新企業(yè)更明顯。

行業(yè)競爭度可弱化或強化企業(yè)對外部環(huán)境或自身行為的認知和關(guān)切,進而影響企業(yè)決策[18]。行業(yè)競爭往往使數(shù)字化轉(zhuǎn)型低的企業(yè)處于更高壓的狀態(tài),數(shù)字化轉(zhuǎn)型低的企業(yè)難以與行業(yè)競爭者處于同一“起跑線”。企業(yè)通過數(shù)字化轉(zhuǎn)型,主動增加信息透明度,降低信息不對稱和代理成本,可能緩解經(jīng)營風險和融資風險。對此,提出如下假設(shè):

H3數(shù)字化轉(zhuǎn)型對企業(yè)綜合風險的減緩效應(yīng)在高競爭行業(yè)更明顯。

企業(yè)實施數(shù)字化轉(zhuǎn)型后,內(nèi)部控制質(zhì)量顯著提升[19]。企業(yè)實施數(shù)字化轉(zhuǎn)型后,可能擁有更加透明的信息和溝通環(huán)境,改善企業(yè)內(nèi)部控制質(zhì)量,減少經(jīng)理人的機會主義行為,降低企業(yè)各類潛在風險。數(shù)字化轉(zhuǎn)型還可能助推企業(yè)更加完備地發(fā)揮監(jiān)督激勵功能,保障企業(yè)無內(nèi)部控制缺陷,在有效權(quán)衡利弊得失基礎(chǔ)上及時采取較為合理的風險規(guī)避措施。對此,提出如下假設(shè):

H4數(shù)字化轉(zhuǎn)型對企業(yè)綜合風險的減緩效應(yīng)在無內(nèi)部控制缺陷的企業(yè)更明顯。

2 研究設(shè)計

2.1 樣本選擇和數(shù)據(jù)來源

以2013—2020年我國A股上市公司為初始樣本,并進行如下篩選:(1)剔除金融保險類上市公司;(2)剔除經(jīng)營環(huán)境不正常、數(shù)據(jù)不具備代表性的ST、PT公司;(3)剔除數(shù)據(jù)有缺失或不符合數(shù)據(jù)計量要求的公司。為消除異常值影響,在實證分析中,對連續(xù)變量在上下1%的水平上進行了Winsorize縮尾處理。本文最終得到2897個樣本觀測值,相關(guān)數(shù)據(jù)主要來自CSMAR國泰安數(shù)據(jù)庫及Wind數(shù)據(jù)庫,所應(yīng)用軟件為Stata 16.0。

2.2 變量定義與度量

2.2.1 被解釋變量:綜合風險(SumRisk)

(1)單一風險的定義與度量

信息風險,本文是指企業(yè)的信息化綜合水平,即以企業(yè)所在行業(yè)及所在地區(qū)中每百家企業(yè)擁有的網(wǎng)站數(shù)均值予以刻畫。本文擬選取營業(yè)利潤率、ROE、ROA及經(jīng)營杠桿系數(shù),衡量經(jīng)營風險。鑒于財務(wù)風險有長短期之分,選取流動比率和速動比率衡量企業(yè)短期償債能力,選取權(quán)益對負債的比率及權(quán)益比率衡量企業(yè)長期償債能力,并添加財務(wù)杠桿系數(shù),衡量財務(wù)風險。本文擬應(yīng)用負收益偏態(tài)系數(shù)和股票收益的非對稱波動比率衡量股價崩盤風險[3],用SA指數(shù)衡量企業(yè)融資約束風險[20]。借鑒IRVINE等[21]和MALLOY[22]的研究,用前五大客戶到該企業(yè)的平均地理距離及前五大供應(yīng)商到該企業(yè)的平均地理距離的均值衡量供應(yīng)鏈相對地理距離,用客戶集中度與供應(yīng)商集中度的均值衡量供應(yīng)鏈整體集中度,最后用供應(yīng)鏈相對地理距離和供應(yīng)鏈整體集中度的平均值衡量供應(yīng)鏈風險。

(2)綜合風險的定義與度量

考慮到企業(yè)風險存在諸多測評維度,且各維度之間可能存在較強的相關(guān)性。在引入各類單一風險基礎(chǔ)上集成企業(yè)綜合風險時,需考慮以下三方面:(1)企業(yè)面臨的風險是動態(tài)變化的,企業(yè)綜合風險的構(gòu)成要素也將動態(tài)變化,在不同時期可能面臨增減或調(diào)整;(2)單一風險指標的選取,要考慮關(guān)鍵風險類型,也要考慮數(shù)字化轉(zhuǎn)型可能滋生的新型風險類型,進而使綜合風險構(gòu)成更科學(xué)合理;(3)方法應(yīng)用上,選取的集成方法須能對動態(tài)調(diào)整的風險類型進行集成?；诖?選取多分格主成分分析法進行分解、降維和集成。

以財務(wù)風險為例,即將財務(wù)風險指標寫成多個主成分在其方向上的分解:

Risk1j=v11×A1j+v12×A2j+…+v1N×ANj

… …

RiskNj=vN1×A1j+vN2×A2j+…vNN×ANj

(1)

其中,A代表各個主成分,j代表企業(yè)個數(shù),N代表風險衡量指標個數(shù),v代表主成分在各風險衡量指標上的分量。將式(1)的系數(shù)矩陣轉(zhuǎn)置,可得到主成分中各類財務(wù)風險衡量分量的權(quán)重表達式:

A1j=f11(c1│dig1j)+f12(c2│dig2j)+…+f1N(cN│digNj)

… …

ANj=fN1(c1│dig1j)+fN2(c2│dig2j)+…+fNN(cN│digNj)

(2)

其中,c是各風險分量的權(quán)重系數(shù),f是各風險分量取值到所對應(yīng)系數(shù)的映射,得到財務(wù)風險的主成分。相同地,再次應(yīng)用可得到經(jīng)營風險、信息風險、金融風險和供應(yīng)鏈風險的主成分。據(jù)此,得出企業(yè)綜合風險。

2.2.2 解釋變量

數(shù)字化轉(zhuǎn)型(Dig):借鑒張永坤等[23]的研究成果,以上市公司財務(wù)報告附注中披露的年末無形資產(chǎn)明細項中與企業(yè)數(shù)字化程度提升部分占無形資產(chǎn)總額的比例,衡量數(shù)字化轉(zhuǎn)型。

2.2.3 調(diào)節(jié)變量與控制變量

引入企業(yè)創(chuàng)新水平(Rd)、行業(yè)競爭程度(HHI)和內(nèi)部控制是否存在缺陷(Def),作為調(diào)節(jié)變量。借鑒已有研究,選取企業(yè)年齡(Age)、企業(yè)規(guī)模(Size)、資本結(jié)構(gòu)(Lev)、企業(yè)所有制(Soe)、股權(quán)集中度(Top5)及管理費用率(MCost)等企業(yè)特征變量為主要控制變量。最后,對年份固定效應(yīng)(Year)或行業(yè)固定效應(yīng)(Industry)加以控制。主要變量設(shè)定及定義如表1所示。

表1 變量符號、變量名稱與變量定義

2.3 模型設(shè)定

基于上述理論和假設(shè),首先建立模型1檢驗數(shù)字化轉(zhuǎn)型對綜合風險的影響;其次建立調(diào)節(jié)效應(yīng)模型2、模型3和模型4,分別檢驗創(chuàng)新水平、行業(yè)競爭程度和內(nèi)部控制缺陷對數(shù)字化轉(zhuǎn)型與綜合風險的影響。其中,i代表企業(yè),j代表行業(yè),c代表城市,Control代表一系列控制變量,ε代表隨機干擾項。

模型1:Riskijc=β0+β1Digijc+αxControlijc+∑Industry+∑Year+εijc

模型2:Riskijc=β0+β1Digijc+β2Rdijc+β3Digijc×Rdijc+αxControlijc+∑Industry+∑Year+∑Area+εijc

模型3:Riskijc=β0+β1Digijc+β2HHIijc+β3Digijc×HHIijc+αxControlijc+∑Year+∑Area+εijc

模型4:Riskijc=β0+β1Digijc+β2Defijc+β3Digijc×Defijc+αxControlijc+∑Industry+∑Year+∑Area+εijc

3 實證檢驗

3.1 基準回歸結(jié)果分析

為檢驗數(shù)字化轉(zhuǎn)型對企業(yè)綜合風險的影響,對基準模型進行回歸分析,回歸結(jié)果如表2所示。其中,第(1)列僅控制行業(yè)及年份,第(2)列在控制行業(yè)及年份基礎(chǔ)上,加入公司及地區(qū)層面的控制變量。相應(yīng)地結(jié)果均顯示,數(shù)字化轉(zhuǎn)型(Dig)的系數(shù)均在1%水平上顯著為負,表明數(shù)字化轉(zhuǎn)型有助于降低企業(yè)綜合風險。假設(shè)1得到驗證。

表2 基準模型回歸結(jié)果

3.2 內(nèi)生性問題處理

(1)控制逆向因果關(guān)系

數(shù)字化轉(zhuǎn)型與企業(yè)綜合風險之間,除存在數(shù)字化轉(zhuǎn)型對企業(yè)綜合風險的影響外,可能存在反向因果關(guān)系,帶來內(nèi)生性問題。為緩解內(nèi)生性問題可能帶來的估計偏誤,選用按行業(yè)-城市維度劃分的企業(yè)數(shù)字化轉(zhuǎn)型平均值,作為所在組內(nèi)企業(yè)數(shù)字化轉(zhuǎn)型的工具變量進行2SLS估計。檢驗結(jié)果顯示,數(shù)字化轉(zhuǎn)型(Dig)的系數(shù)在1%水平上顯著為負。綜上,所選取的工具變量是合理可靠的,且主要結(jié)論與基準回歸結(jié)果一致。此外,還選取企業(yè)所在地區(qū)各省份的互聯(lián)網(wǎng)普及率[24]作為工具變量,檢驗結(jié)果顯示出數(shù)字化轉(zhuǎn)型(Dig)的系數(shù)依然顯著為負,說明結(jié)論依然穩(wěn)健。

(2)排除樣本選擇偏誤

樣本選擇偏誤也可能影響實證結(jié)果。相關(guān)統(tǒng)計結(jié)果顯示,約25%的企業(yè)沒有進行數(shù)字化投資,即對未實行數(shù)字化轉(zhuǎn)型的樣本,其數(shù)字化轉(zhuǎn)型取值為0,說明企業(yè)數(shù)字化也面臨樣本選擇性。對此,使用Tobit模型進行回歸。檢驗結(jié)果顯示,數(shù)字化轉(zhuǎn)型(Dig)的系數(shù)在5%水平上顯著為負,說明結(jié)論依然穩(wěn)健,假設(shè)1仍然成立。

(3)控制遺漏變量影響

遺漏變量也可能影響實證結(jié)果。盡管本文充分選取了主要控制因素,但也可能遺漏一些影響企業(yè)風險水平的重要特征,對此予以控制,進行如下處理:引入現(xiàn)金流(CashflowV)及盈利波動性(ProfitV),將其作為企業(yè)經(jīng)營環(huán)境與成效特征變量;增加管理層持股比例(Mshare)和股權(quán)制衡度(Balance),將其作為企業(yè)管理層特征變量。檢驗結(jié)果顯示,數(shù)字化轉(zhuǎn)型(Dig)的系數(shù)在5%水平上均顯著為負,說明控制遺漏變量影響,仍然不改變本文的核心結(jié)論。

3.3 穩(wěn)健性檢驗

變量測度偏誤可能影響實證結(jié)論。對此,本文重新替換新的核心變量,并進行驗證。

一方面,替換被解釋變量。應(yīng)用Z值模型替換企業(yè)綜合風險,將其作為新的被解釋變量。該值越大,表明公司面臨的綜合風險越小,故本文以Z值的倒數(shù)作為綜合風險代理變量引入模型。Z值模型對應(yīng)的公式如下:

Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

(3)

其中,X1=凈營運資本/總資產(chǎn),X2=留存收益/總資產(chǎn),X3=息稅前利潤/總資產(chǎn),X4=股權(quán)市場價值總額/總負債,X5=營業(yè)收入/總資產(chǎn)。

另一方面,替換解釋變量。選取更深層次和更精確的數(shù)字化轉(zhuǎn)型指標(Dig_替換),將其替換為新的解釋變量。借鑒吳非等[2]的研究,選取更深層次和更精確的數(shù)字化轉(zhuǎn)型特征詞:①將人工智能指標細分為機器學(xué)習、生物識別技術(shù)、自動駕駛、智能機器人、商業(yè)智能等二級關(guān)鍵詞;②將區(qū)塊鏈技術(shù)指標細分為數(shù)字貨幣、聯(lián)盟鏈、去中心化、分布式計算、比特幣等二級關(guān)鍵詞;③將云計算技術(shù)指標細分為物聯(lián)網(wǎng)、云計算、類腦計算、信息物理系統(tǒng)、融合架構(gòu)等二級關(guān)鍵詞;④將大數(shù)據(jù)技術(shù)指標細分為數(shù)據(jù)挖掘、虛擬現(xiàn)實、征信、數(shù)據(jù)可視化、增強現(xiàn)實等二級關(guān)鍵詞;⑤將數(shù)字技術(shù)運用指標細分為移動互聯(lián)網(wǎng)、電子商務(wù)、互聯(lián)網(wǎng)金融、移動支付、工業(yè)互聯(lián)網(wǎng)、智能“+”等二級關(guān)鍵詞。隨后,基于上市公司年報,應(yīng)用Python大數(shù)據(jù)爬蟲功能,進行文本挖掘,測度數(shù)字化轉(zhuǎn)型。

由替換被解釋變量和解釋變量后的實證結(jié)果可知:①第(1)列列示了替換解釋變量后的實證結(jié)果,Dig_替換的系數(shù)在1%水平上顯著為負,即替換新的數(shù)字化轉(zhuǎn)型變量,研究結(jié)論不變;②第(2)列列示了替換被解釋變量后的實證結(jié)果,企業(yè)綜合風險的系數(shù)顯著為負,但沒有通過顯著性檢驗;③第(3)列列示了同時替換解釋變量和被解釋變量后的實證結(jié)果,Dig_替換的系數(shù)在1%水平上顯著為負,研究結(jié)論不變?？梢?無論是替換被解釋變量,還是替換解釋變量,數(shù)字化轉(zhuǎn)型均能較好地緩釋企業(yè)綜合風險。

4 調(diào)節(jié)效應(yīng)檢驗與異質(zhì)性分析

4.1 調(diào)節(jié)效應(yīng)檢驗

調(diào)節(jié)效應(yīng)檢驗結(jié)果如表3所示。表3第(1)列顯示,企業(yè)創(chuàng)新水平對數(shù)字化轉(zhuǎn)型與企業(yè)綜合風險關(guān)系具有調(diào)節(jié)作用,且在1%水平上顯著正相關(guān),即企業(yè)創(chuàng)新水平越高,數(shù)字化轉(zhuǎn)型越能降低綜合風險,假設(shè)2得到驗證。同理,表3第(2)列表3第(3)列顯示,行業(yè)競爭程度對數(shù)字化轉(zhuǎn)型與企業(yè)綜合風險關(guān)系具有調(diào)節(jié)作用,內(nèi)部控制缺陷也具有調(diào)節(jié)作用,假設(shè)3及假設(shè)4得到驗證。

表3 調(diào)節(jié)效應(yīng)檢驗

4.2 考慮企業(yè)性質(zhì)、所處行業(yè)與地區(qū)特征的異質(zhì)性分析

為了進一步討論企業(yè)性質(zhì)、行業(yè)特征和地區(qū)因素對數(shù)字化轉(zhuǎn)型與企業(yè)綜合風險關(guān)系的作用機制,分別對企業(yè)性質(zhì)、行業(yè)和地區(qū)子樣本進行數(shù)字化轉(zhuǎn)型與企業(yè)綜合風險的回歸檢驗,結(jié)果如表4所示。

表4 考慮企業(yè)性質(zhì)、所處行業(yè)與地區(qū)特征的異質(zhì)性分析結(jié)果

企業(yè)性質(zhì)沒有通過顯著性檢驗。通過行業(yè)類型對比分析發(fā)現(xiàn):制造業(yè)沒有通過顯著性檢驗;服務(wù)業(yè)對應(yīng)的系數(shù)為0.207,在1%水平上顯著正相關(guān),說明服務(wù)業(yè)的數(shù)字化轉(zhuǎn)型領(lǐng)先于制造業(yè)。這可能是因為,服務(wù)業(yè)競爭日趨激烈,服務(wù)業(yè)企業(yè)更偏向于通過數(shù)字化轉(zhuǎn)型探尋新的利潤增長點。通過地域?qū)Ρ确治霭l(fā)現(xiàn):中西部地區(qū)沒有通過顯著性檢驗;東部地域系數(shù)為-0.119,在5%水平上顯著負相關(guān)。這可能是因為,東部地區(qū)的市場開放程度高,起著引領(lǐng)帶頭作用,市場競爭強度與企業(yè)活力相對充足,故數(shù)字化轉(zhuǎn)型高,對綜合風險的減緩作用也大。

5 進一步分析

5.1 引入技術(shù)風險和人力資源風險

數(shù)字化轉(zhuǎn)型本質(zhì)上屬于企業(yè)一種“破壞性”的創(chuàng)新策略或變革進程,難免會帶來技術(shù)和人力資源上的重大改變或轉(zhuǎn)型,將進一步增大企業(yè)的不確定性風險或概率[9],技術(shù)風險和人力資源風險已然成為影響企業(yè)數(shù)字化轉(zhuǎn)型的重要新型風險[25]?？紤]到企業(yè)面臨的風險是動態(tài)變化的,在不同時期可能需要調(diào)整,本處在綜合風險基礎(chǔ)上添加這兩類風險,應(yīng)用主成分分析法構(gòu)建新型綜合風險?，F(xiàn)有研究主要采用研發(fā)人員投入強度和高管團隊平均教育水平度量企業(yè)人力資源風險。研發(fā)人員投入強度用研發(fā)人員數(shù)量占企業(yè)職工總數(shù)比重進行衡量;高管受教育程度可分為高中及以下、大專、本科、碩士及博士五類,分別用1,2,3,4和5表示,可計算出每家高新技術(shù)企業(yè)高管團隊的平均教育水平,并選取企業(yè)專利申請數(shù)進行衡量技術(shù)風險。

引入新風險后的回歸結(jié)果如表5所示。表5顯示,數(shù)字化轉(zhuǎn)型的系數(shù)在1%水平上顯著為負,表明數(shù)字化轉(zhuǎn)型能降低新型綜合風險,但兩者之間線性擬合效果較差。

表5 添加新風險后的基準模型回歸結(jié)果

5.2 單一風險之間的共同作用機制分析

對各類單一風險分別進行基準回歸模型分析,由數(shù)字化轉(zhuǎn)型與單一風險之間的基準模型回歸結(jié)果可知:(1)金融風險和供應(yīng)鏈風險沒有通過顯著性檢驗;(2)就信息風險、財務(wù)風險、經(jīng)營風險和技術(shù)風險而言,數(shù)字化轉(zhuǎn)型的系數(shù)均在1%水平上顯著為負,表明數(shù)字化轉(zhuǎn)型能降低這些單一風險,其中,數(shù)字化轉(zhuǎn)型與信息風險及財務(wù)風險之間的擬合效果較好,與經(jīng)營風險及技術(shù)風險之間的擬合效果差;(3)就人力資源風險而言,數(shù)字化轉(zhuǎn)型的系數(shù)在5%水平上顯著為正,表明數(shù)字化轉(zhuǎn)型并不能緩釋人力資源風險,反而助推了企業(yè)人力資源風險增加,但兩者之間的擬合效果差。

5.3 數(shù)字化轉(zhuǎn)型與新型綜合風險之間的非線性關(guān)系探尋

鑒于數(shù)字化轉(zhuǎn)型與新型綜合風險之間的線性擬合效果差,本處試圖探尋數(shù)字化轉(zhuǎn)型與新型綜合風險之間的非線性關(guān)系。

表6 線性回歸模型擬合結(jié)果比較

表7 機器學(xué)習模型擬合結(jié)果

再次,為更好的捕捉機器學(xué)習模型對樣本數(shù)據(jù)的非線性關(guān)系,本處采用堆疊法(Stacking)進行集成融合。堆疊法的核心思想是將多個基本模型的預(yù)測結(jié)果進行組合,訓(xùn)練出一個次級模型,以提升機器學(xué)習模型性能。本文選取擬合效果靠前的三類機器學(xué)習模型作為基本模型,將每個基本模型在驗證集上的預(yù)測結(jié)果作為元特征,創(chuàng)建一個新的特征矩陣,獲取元特征和驗證集的真實標簽,并選用線性回歸作為次級模型,用于融合基本模型的預(yù)測結(jié)果,生成最終的預(yù)測結(jié)果,擬合結(jié)果如表8所示。由表8可知,樣本外擬合優(yōu)度MSEOOS得到提升,能達到55.2%。相較于單一機器學(xué)習模型的擬合結(jié)果,基于堆疊法的機器學(xué)習集成模型擬合效果有所提升。

表8 基于堆疊法的機器學(xué)習集成模型擬合結(jié)果

最后,進一步探究新型綜合風險與數(shù)字化轉(zhuǎn)型及數(shù)字化轉(zhuǎn)型相關(guān)信息的相互影響。根據(jù)機器學(xué)習模型優(yōu)化結(jié)果,獲取數(shù)字化轉(zhuǎn)型特征變量對新型綜合風險影響的重要度,特征重要度排序結(jié)果如表9所示。由表9可知,時間、產(chǎn)業(yè)和地區(qū)對企業(yè)綜合風險的影響較小,具體行業(yè)及數(shù)字化轉(zhuǎn)型本身的影響較大。

表9 特征重要度排序結(jié)果

6 研究結(jié)論與管理啟示

當前,世界百年未有之大變局加速演進,我國企業(yè)面臨風高浪急甚至驚濤駭浪的重大風險考驗。而數(shù)字化轉(zhuǎn)型已成為新發(fā)展格局下企業(yè)實現(xiàn)高質(zhì)量發(fā)展的必由之路。鑒于學(xué)者們主要從單一風險視角進行研究,且研究觀點不一,本文創(chuàng)新性地從風險組合視角構(gòu)建風險組合體系,并應(yīng)用多分格主成分分析法進行分解、降維和集成,以反映企業(yè)綜合風險,探討數(shù)字化轉(zhuǎn)型對企業(yè)綜合風險的影響機理。通過研究發(fā)現(xiàn):

(1)數(shù)字化轉(zhuǎn)型對企業(yè)綜合風險具有緩釋效應(yīng);其緩釋效應(yīng),在高創(chuàng)新企業(yè)、高競爭行業(yè)和無內(nèi)部控制缺陷企業(yè)更顯著;通過異質(zhì)性分析發(fā)現(xiàn),服務(wù)業(yè)的數(shù)字化轉(zhuǎn)型進程領(lǐng)先于制造業(yè),東部地區(qū)的數(shù)字化轉(zhuǎn)型程度較高且風險減緩效果較好;

(2)考慮到企業(yè)面臨的風險是動態(tài)變化的,在原有風險基礎(chǔ)上添加技術(shù)風險和人力資源風險,集成新型綜合風險,發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型有助于降低新型企業(yè)綜合風險,但兩者之間的線性擬合效果差;通過剖析數(shù)字化轉(zhuǎn)型與各類單一風險之間的線性相關(guān)關(guān)系,發(fā)現(xiàn)呈現(xiàn)異質(zhì)性特點,且單一風險之間的共同作用機制導(dǎo)致數(shù)字化轉(zhuǎn)型緩釋新型綜合風險的效果較弱;引入機器學(xué)習模型,發(fā)現(xiàn)機器學(xué)習模型能顯著提升擬合效果,基于堆疊法的機器學(xué)習集成模型的擬合效果最好,表明數(shù)字化轉(zhuǎn)型與企業(yè)新型綜合風險之間存在一定的非線性關(guān)系。

基于以上分析,得出如下管理啟示:

(1)在當前不確定風險加劇的環(huán)境下,企業(yè)應(yīng)主動協(xié)調(diào)好內(nèi)外風險因素和收益關(guān)系,并將各類風險融為一個整體,進行風險組合管理,定期或不定期地實施風險辨識,打造全面風險管控體系,使風險信息能真正發(fā)揮出決策支持功能;

(2)企業(yè)要把握數(shù)字化轉(zhuǎn)型機遇,利用同群效應(yīng)和“干中學(xué)”方式進行創(chuàng)新投入和創(chuàng)新活動變革,通過創(chuàng)新引領(lǐng)企業(yè)發(fā)展,并通過智能化技術(shù)和方法管控企業(yè)可能面臨的各類風險,提升企業(yè)內(nèi)外信息挖掘能力、處理能力和吸收能力,緩解信息不對稱問題、委托代理沖突和融資壓力,提升企業(yè)風險承擔水平,使數(shù)字化轉(zhuǎn)型減緩企業(yè)內(nèi)部風險的功能高質(zhì)量的發(fā)揮出來;

(3)產(chǎn)業(yè)鏈供應(yīng)鏈上的企業(yè)要在數(shù)字化轉(zhuǎn)型步調(diào)上協(xié)同一致,通過產(chǎn)業(yè)鏈供應(yīng)鏈鏈條的數(shù)據(jù)協(xié)同,實現(xiàn)數(shù)據(jù)無縫對接和實時共享,簡化中間流程,降低交易成本,構(gòu)建風險聯(lián)合管控機制,對產(chǎn)業(yè)鏈供應(yīng)鏈上的主要風險和潛在風險進行全天候不間斷監(jiān)測與預(yù)警,提高風險響應(yīng)速度,妥善處理好產(chǎn)業(yè)鏈供應(yīng)鏈上的效率與安全關(guān)系,使數(shù)字化轉(zhuǎn)型發(fā)揮出減緩供應(yīng)鏈風險的功能。