摘" "要：基于收盤價操縱的股價特征，本文構(gòu)建了收盤價操縱識別模型，并對2008—2020年A股上市公司進(jìn)行了檢測，采用識別模型的甄別結(jié)果，實證檢驗了企業(yè)數(shù)字化轉(zhuǎn)型對市場操縱的影響。研究發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型程度的提高能夠顯著抑制市場操縱行為。企業(yè)數(shù)字化轉(zhuǎn)型通過提升信息透明度和股票流動性抑制股票市場操縱行為，信息透明度和股票流動性越高，企業(yè)被操縱的可能性越低。同時，在信息環(huán)境質(zhì)量低的企業(yè)和非國有企業(yè)中，數(shù)字化轉(zhuǎn)型對股票市場操縱的抑制作用更強(qiáng)。本文從市場操縱角度為理解企業(yè)數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)意義提供了有益參考，研究結(jié)論對治理股票市場非法行為、維護(hù)市場公平正義具有重要啟示作用。

關(guān)鍵詞：企業(yè)數(shù)字化轉(zhuǎn)型；市場操縱；信息透明度；股票流動性；信息環(huán)境質(zhì)量

中圖分類號：F832.5" 文獻(xiàn)標(biāo)識碼：A" 文章編號：1674-2265（2023）12-0069-11

DOI：10.19647/j.cnki.37-1462/f.2023.12.008

一、引言

隨著人工智能、區(qū)塊鏈、大數(shù)據(jù)、云計算等技術(shù)的不斷涌現(xiàn)，數(shù)字技術(shù)已然成為全球經(jīng)濟(jì)增長的重要驅(qū)動因素。黨的二十大報告也明確指出，要“加快發(fā)展數(shù)字經(jīng)濟(jì)，促進(jìn)數(shù)字經(jīng)濟(jì)與實體經(jīng)濟(jì)深度融合”。發(fā)展數(shù)字經(jīng)濟(jì)已成為當(dāng)前中國重要的經(jīng)濟(jì)發(fā)展戰(zhàn)略，而推進(jìn)數(shù)字化轉(zhuǎn)型是各個企業(yè)形成自身核心競爭力、實現(xiàn)高質(zhì)量發(fā)展的關(guān)鍵。在這種背景下，數(shù)字化轉(zhuǎn)型成為政府職能部門、企業(yè)管理層、學(xué)術(shù)界和投資者重點關(guān)注的領(lǐng)域之一。

數(shù)字化轉(zhuǎn)型過程中，企業(yè)積極推動計算機(jī)技術(shù)與自身生產(chǎn)活動相融合，能夠有效降低生產(chǎn)成本，提高資源利用效率，促進(jìn)生產(chǎn)結(jié)構(gòu)升級和企業(yè)創(chuàng)新（袁淳等，2021；李琦等，2021；董松柯等，2023）[1-3]。同時，企業(yè)轉(zhuǎn)型行為對自身經(jīng)營管理活動的積極變革，也必然會反映在證券市場活動中。吳非等（2021）[4]研究發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型有利于吸引市場關(guān)注，提升企業(yè)創(chuàng)新產(chǎn)出和市場評價，進(jìn)而促進(jìn)股票交易，改善股票流動性。雷光勇等（2022）[5]認(rèn)為數(shù)字化轉(zhuǎn)型推動的分析師追蹤水平的提升與股票流動性的提高對于優(yōu)化資本市場定價效率起到了重要作用，減輕了市場中股價“同漲同跌”的現(xiàn)象。Jiang等（2022）[6]的研究進(jìn)一步發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型對信息透明度和內(nèi)部控制質(zhì)量的提升作用有效降低了未來股價大幅下跌的風(fēng)險。現(xiàn)有關(guān)注企業(yè)數(shù)字化轉(zhuǎn)型對證券市場影響的研究普遍認(rèn)為，企業(yè)數(shù)字化轉(zhuǎn)型能夠提升證券市場效率，糾正錯誤定價，遏制各種違法違規(guī)行為。

受制于起步時間晚、治理機(jī)制不夠完善、散戶交易占比高等因素，我國股票市場中操縱現(xiàn)象仍時有發(fā)生（李志輝等，2018）[7]，這嚴(yán)重破壞了市場公平與正義，阻礙了資本市場的穩(wěn)定運行和健康發(fā)展。為此，各級監(jiān)管部門一直致力于提升市場治理水平，通過強(qiáng)化監(jiān)管制度和法規(guī)體系，以期形成反操縱的長效機(jī)制。但遏制市場操縱行為不僅需要監(jiān)管機(jī)構(gòu)的不懈努力，上市企業(yè)自身發(fā)揮的作用同樣不容小覷。作為市場操縱中的當(dāng)事人之一，上市公司能夠通過積極完善自身各項制度，遏制各種違法違規(guī)行為（李志輝和陳海龍，2022）[8]。數(shù)字化轉(zhuǎn)型在優(yōu)化治理結(jié)構(gòu)、改善信息環(huán)境和提升資本市場表現(xiàn)等方面已展現(xiàn)出其獨特效益（吳非等，2021；Jiang等，2022）[4，6]，然而鮮有文獻(xiàn)直接將企業(yè)數(shù)字化轉(zhuǎn)型和股票市場操縱聯(lián)系起來，二者之間的關(guān)系僅能從其他相關(guān)文獻(xiàn)中進(jìn)行推論。因此，探索數(shù)字化轉(zhuǎn)型與市場操縱之間的關(guān)系，不僅有望為治理市場操縱提供新的思路，也有益于進(jìn)一步理解數(shù)字化轉(zhuǎn)型在資本市場所產(chǎn)生的經(jīng)濟(jì)影響。

有鑒于此，本文根據(jù)收盤價操縱的特征構(gòu)建了收盤價操縱識別模型，并利用2008—2020 年滬深A(yù)股上市公司的分時交易數(shù)據(jù)進(jìn)行疑似收盤價操縱檢測。基于識別模型甄別的疑似操縱數(shù)據(jù)，本文實證檢驗了數(shù)字化轉(zhuǎn)型對股票市場操縱的治理效應(yīng)及作用機(jī)制。

相較于已有研究，本文可能存在如下邊際貢獻(xiàn)：第一，現(xiàn)有研究大多關(guān)注數(shù)字化轉(zhuǎn)型賦能企業(yè)生產(chǎn)結(jié)構(gòu)優(yōu)化升級（袁淳等，2021；李琦等，2021；董松柯等，2023）[1-3]，部分文獻(xiàn)探討了數(shù)字化轉(zhuǎn)型提升企業(yè)資本市場表現(xiàn)的積極效應(yīng)（吳非等，2021；雷光勇等，2022；Jiang等，2022）[4-6]，而數(shù)字化轉(zhuǎn)型與股票市場操縱的關(guān)系尚未得到深入研究。本文實證檢驗了企業(yè)數(shù)字化轉(zhuǎn)型抑制股票市場操縱的作用機(jī)理，揭示出數(shù)字化轉(zhuǎn)型能夠通過提高信息透明度和股票流動性遏制市場操縱行為，為理解數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)后果提供了新的視角和經(jīng)驗證據(jù)。第二，現(xiàn)有文獻(xiàn)主要從機(jī)構(gòu)投資者（李志輝和陳海龍，2022）[8]、證券分析師（李志輝等，2022）[9]和市場機(jī)制設(shè)置（Comerton-Forde和Rydge，2006；Lee等，2013）[10，11]等外部監(jiān)管角度探求遏制市場操縱的方式，而本文基于企業(yè)自主治理的視角，指出數(shù)字化轉(zhuǎn)型策略的實施對市場操縱具有顯著的抑制作用，為企業(yè)主動防范市場操縱行為提供了可行的途徑。

二、文獻(xiàn)綜述與研究假設(shè)

（一）文獻(xiàn)綜述

1. 股票市場操縱的分類與治理。市場操縱是股票市場最常見的違法違規(guī)行為之一，受到了研究者們的大量關(guān)注。依據(jù)操縱特征，Allen和Gale（1992）[12]將市場操縱劃分為三種類型：信息型操縱（Information-based）、行動型操縱（Action-based）和交易型操縱（Trade-based）。其中，信息型操縱是指通過傳播虛假信息，誤導(dǎo)投資者對資產(chǎn)真實價值的判斷，以抬高或壓低股價（Aggarwal和Wu，2006）[13]。行動型操縱涉及采取實際經(jīng)濟(jì)活動來影響企業(yè)價值，如管理層通過發(fā)起并購業(yè)務(wù)以抬高股價（Peng和R?ell，2014）[14]。而在交易型操縱中，操縱者在二級市場通過特定的交易策略來影響股票價格或成交量。本文關(guān)注的收盤價操縱屬于交易型操縱，在一個典型的收盤價操縱過程中，操縱者通過在尾盤階段提交大量的非代表性訂單，制造短時間內(nèi)的流動性失衡，引起市場價格扭曲，以獲取額外利潤（Comerton-Forde和Putni??，2011）[15]。

現(xiàn)有文獻(xiàn)發(fā)現(xiàn)交易型操縱不僅誤導(dǎo)市場價格，降低市場運行效率（李志輝等，2018；Aggarwal和Wu，2006；Comerton-Forde和Putni??，2011；孫廣宇等，2021）[7，13，15，16]，還會破壞正常生產(chǎn)經(jīng)營活動，阻礙企業(yè)長期發(fā)展（Cumming等，2020；姚遠(yuǎn)等，2022）[17，18]。鑒于市場操縱給股票市場帶來的嚴(yán)重危害，遏制操縱行為發(fā)生成為學(xué)術(shù)界關(guān)注的重點話題之一?，F(xiàn)有研究認(rèn)為以下措施能夠強(qiáng)化市場操縱治理：其一，構(gòu)建識別模型，提升操縱識別效率。操縱受到查處的概率直接取決于證券監(jiān)管部門的操縱偵測能力，良好的識別模型能夠為完善市場操縱識別體系提供理論參考?；诓煌愋筒倏v的操縱策略和市場表現(xiàn)特征，研究者構(gòu)建了大量操縱識別模型。如Comerton-Forde和Putni??（2011）[15]、李志輝等（2018）[7]、Liu等（2022）[19]等利用操縱過程中的異常量價表現(xiàn)和微觀結(jié)構(gòu)變化特征，構(gòu)建了收盤價操縱、開盤價操縱識別模型，并在不同國家市場中均取得了較好的識別能力?；谟嬎銠C(jī)技術(shù)在金融市場中的成功運用，Liu等（2021）[20]在市場操縱識別中引入了機(jī)器學(xué)習(xí)算法，進(jìn)一步提升了操縱行為的識別效率。其二，完善市場制度設(shè)計。賣空機(jī)制（周春生等，2005）[21]、訂單披露規(guī)則（Lee等，2013）[11]、價格結(jié)算制度（Comerton-Forde和Rydge，2006）[10]等市場制度設(shè)計有助于提升市場流動性，增加市場的透明度，能夠在一定程度上降低市場操縱的風(fēng)險。其三，加強(qiáng)外部監(jiān)督。如楊墨竹（2008）[22]基于信息經(jīng)濟(jì)學(xué)和行為金融學(xué)進(jìn)行建模分析，發(fā)現(xiàn)我國股票市場中的機(jī)構(gòu)投資者趨向于價值化和長期化投資，能夠遏制市場中的違法違規(guī)行為。李志輝等（2022）[9]發(fā)現(xiàn)證券分析師作為金融市場中的重要信息中介，能夠通過降低信息不對稱的渠道遏制市場操縱的發(fā)生。

作為市場操縱的當(dāng)事人之一，企業(yè)內(nèi)部特征卻并未受到研究者的充分重視，僅部分文獻(xiàn)關(guān)注了操縱者在選擇操縱標(biāo)的時表現(xiàn)出的選擇偏好（Lee等，2013；Huang和Cheng，2015）[11，23]。操縱過程中，信息不對稱是操縱能否成功實施的關(guān)鍵，只有當(dāng)投資者無法區(qū)分操縱者的真實意圖時，基于交易行為的操縱策略才能成功（Allen和Gale，1992；Aggarwal和Wu，2006）[12，13]。而良好的企業(yè)內(nèi)部制度設(shè)計能夠在一定程度上緩解企業(yè)內(nèi)外部的信息不對稱程度，進(jìn)而起到遏制市場操縱的作用。

2. 企業(yè)數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)后果。當(dāng)前，全球經(jīng)濟(jì)社會已迎來數(shù)字化轉(zhuǎn)型的關(guān)鍵時期，數(shù)字經(jīng)濟(jì)對實體經(jīng)濟(jì)發(fā)展的推動和引領(lǐng)作用日益凸顯，而企業(yè)數(shù)字化轉(zhuǎn)型是數(shù)字經(jīng)濟(jì)與實體經(jīng)濟(jì)融合發(fā)展的重要體現(xiàn)。

一方面，數(shù)字化轉(zhuǎn)型有助于提升企業(yè)在產(chǎn)品市場中的競爭力。數(shù)字化轉(zhuǎn)型是企業(yè)供應(yīng)鏈集成和實現(xiàn)專業(yè)化分工進(jìn)程中的“催化劑”，在提升企業(yè)經(jīng)營績效和勞動生產(chǎn)率方面發(fā)揮著重要的作用（袁淳等，2021；李琦等，2021）[1，2]。同時，數(shù)字化轉(zhuǎn)型正在成為企業(yè)創(chuàng)新的關(guān)鍵驅(qū)動力。相關(guān)研究表明，數(shù)字化轉(zhuǎn)型不僅對企業(yè)創(chuàng)新具有顯著的“增量”效應(yīng)（李雪松等，2022）[24]，而且通過提高企業(yè)供應(yīng)鏈的開放度和降低交易成本與信息不對稱程度，緩解了企業(yè)內(nèi)部研發(fā)操縱行為，實現(xiàn)企業(yè)生產(chǎn)效率和創(chuàng)新效率的同步提升（董松柯等，2023）[3]。另一方面，數(shù)字化轉(zhuǎn)型能夠提升證券市場質(zhì)量。如吳非等（2021）[4]發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型有助于增強(qiáng)資本市場股票流動性。數(shù)字科技的應(yīng)用緩解了信息不對稱問題，提升了企業(yè)的創(chuàng)新產(chǎn)出績效和企業(yè)價值，進(jìn)而促進(jìn)了股票交易活動，提升了股票流動性水平。雷光勇等（2022）[5]則從股價同步性的角度考察了數(shù)字化轉(zhuǎn)型對企業(yè)資本市場表現(xiàn)的影響，數(shù)字化轉(zhuǎn)型行為引起的分析師關(guān)注度的上升和流動性的改善有利于股票價格納入更多的企業(yè)特質(zhì)信息，因此，降低了股價同步性，提升了資本市場運行效率。此外，Jiang等（2022）[6]的研究表明，數(shù)字化轉(zhuǎn)型程度高的企業(yè)往往具有更優(yōu)的信息環(huán)境和內(nèi)部控制質(zhì)量，企業(yè)的股價崩盤風(fēng)險也會隨之下降。

通過對相關(guān)文獻(xiàn)進(jìn)行梳理，本文發(fā)現(xiàn)針對數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)后果的討論主要集中在企業(yè)產(chǎn)品市場競爭中的優(yōu)勢，以及部分股票交易特征，而缺少對市場操縱影響的探討。數(shù)字化轉(zhuǎn)型在降低信息不對稱程度、加強(qiáng)內(nèi)部控制和優(yōu)化信息環(huán)境等方面具有獨特作用（董松柯等，2023；雷光勇等，2022；Jiang等，2022）[3，5，6]，預(yù)期能夠在一定程度上抑制市場操縱。

（二）研究假設(shè)

在市場操縱過程中，操縱者利用自身的資金和信息優(yōu)勢，通過策略性交易影響證券價格或交易量，從而誘導(dǎo)市場中不知情的投資者參與交易，以期為個人謀取不當(dāng)利益。Comerton-Forde和Putni??（2013）[25]的研究指出，市場操縱主要通過以下兩種方式實施：

第一，利用資金優(yōu)勢大量購買被操縱股票，操控市場供需關(guān)系，從而將價格推向特定目標(biāo)水平。Comerton-Forde和Putni??（2013）[25]認(rèn)為上述策略操縱股價的難易程度取決于被操縱股票的流動性。股票流動性越差，同等交易規(guī)模對股票價格的提升幅度越大，操縱者拉抬股價的難度越低。因此，操縱者在選取操縱目標(biāo)時，傾向于選擇流動性較差的股票（李志輝等，2022）[9]。相反，更強(qiáng)的股票流動性意味著更高的市場效率，股票價格更趨向于真實價值（Chordia等，2008）[26]，操縱者需要更復(fù)雜的交易策略和更高的交易成本才能推動股價朝有利于自身的方向移動。因此，股票流動性的提升將導(dǎo)致操縱難度和操縱成本提高，降低了操縱者在短時間內(nèi)對股票價格進(jìn)行大幅度調(diào)控的可能性。

第二，利用股票價格的變動，營造市場活躍的假象，擾亂其他投資者對被操縱股票的價值判斷，進(jìn)而吸引其他不知情投資者參與交易。在這種操縱策略下，企業(yè)的信息透明度是決定操縱結(jié)果的關(guān)鍵因素。在信息透明度低的企業(yè)中，操縱者具備更高的信息優(yōu)勢，缺乏準(zhǔn)確信息的普通投資者更容易受虛假信號誤導(dǎo)，進(jìn)而給操縱者實施非法行為提供了便利（Liu等，2022；Huang和Cheng，2015）[19，23]。而當(dāng)上市公司具有良好的信息透明度時，外部投資者能夠更加準(zhǔn)確地了解公司的真實經(jīng)營狀況，從而更確切地評估股票的真實價值，這有利于其甄別操縱者所制造的偏離企業(yè)基本面的虛假交易信號，規(guī)避操縱者的故意誘導(dǎo)。因此，良好的信息透明度能夠大幅提升操縱難度（Lee等，2013）[11]。

對相關(guān)研究的梳理發(fā)現(xiàn)，提高股票流動性和信息透明度是抑制市場操縱行為的關(guān)鍵（李志輝和陳海龍，2022）[8]。而企業(yè)數(shù)字化轉(zhuǎn)型能夠通過提升股票流動性和改善信息透明度，遏制市場操縱行為。

一是提升股票流動性。數(shù)字化轉(zhuǎn)型可以提高股票流動性，增加操縱成本和操縱難度，抑制市場操縱行為。一方面，信息不對稱是流動性的重要決定因素（Glosten和Milgrom，1985）[27]，信息的不透明將會體現(xiàn)在股票交易過程中，表現(xiàn)為流動性的下降（Amihud等，2006）[28]。大數(shù)據(jù)、人工智能、文本分析等現(xiàn)代信息技術(shù)能幫助管理層整合與輸送內(nèi)部消息，提升信息披露的數(shù)量和質(zhì)量，為外部市場投資者提供更充分的信息，使企業(yè)信息更加透明化與公開化，增強(qiáng)投資者的投資意愿，繼而提升股票流動性（吳非等，2021）[4]。另一方面，數(shù)字技術(shù)也通過優(yōu)化企業(yè)的生產(chǎn)架構(gòu)和組織結(jié)構(gòu)，提升了企業(yè)的生產(chǎn)水平和創(chuàng)新產(chǎn)出（李琦等，2021；李雪松等，2022）[2，24]，這些改進(jìn)將直接增強(qiáng)企業(yè)的生產(chǎn)能力與競爭優(yōu)勢，吸引市場投資者的關(guān)注與青睞（馬連福等，2022）[29]，從而促進(jìn)了股票的交易和流通，股票流動性由此得到改善。

二是改善信息透明度。數(shù)字化轉(zhuǎn)型可以提高企業(yè)的信息透明度，降低企業(yè)與外界之間的信息不對稱，從而削弱操縱者的信息優(yōu)勢，抑制市場操縱行為。首先，內(nèi)部治理方面，數(shù)字化策略的實施可以有效抑制內(nèi)部機(jī)會主義的傾向（Jiang等，2022）[6]。數(shù)字化的業(yè)務(wù)流程為員工和管理人員提供了日益透明的操作環(huán)境，有效遏制了信息造假行為（雷光勇等，2022）[5]，增強(qiáng)了信息披露質(zhì)量，從而有利于提高利益相關(guān)者的信息透明度。其次，外部監(jiān)督方面，數(shù)字化轉(zhuǎn)型方案順應(yīng)了新一輪科技革命和產(chǎn)業(yè)變革的方向，因此，實施數(shù)字化轉(zhuǎn)型的企業(yè)更容易成為媒體報道和關(guān)注的焦點（吳非等，2021）[4]。媒體監(jiān)督作為市場監(jiān)管機(jī)制中至關(guān)重要的一環(huán)，利用新聞報道廣泛傳播和重復(fù)播報的特性，將與企業(yè)經(jīng)營運作相關(guān)的信息傳遞給社會公眾，降低了內(nèi)幕人士的信息優(yōu)勢，緩解了信息不對稱問題（Dai等，2015）[30]。最后，數(shù)字技術(shù)的應(yīng)用使企業(yè)更加高效地整合、處理和輸出有效信息，這降低了證券分析師等外部信息用戶的信息搜集和處理成本，增強(qiáng)市場對企業(yè)的關(guān)注程度，優(yōu)化了企業(yè)的信息環(huán)境（李志輝和陳海龍，2022）[8]。基于以上分析，本文提出如下三個假設(shè)：

H1：企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著抑制股票市場操縱。

H2：企業(yè)數(shù)字化轉(zhuǎn)型提升了股票流動性，進(jìn)而抑制股票市場操縱。

H3：企業(yè)數(shù)字化轉(zhuǎn)型改善了信息透明度，進(jìn)而抑制股票市場操縱。

三、研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

本文選取2008—2020年所有A股上市公司為初始研究樣本，并對樣本進(jìn)行如下篩選：（1）剔除金融類上市公司；（2）剔除ST、*ST、PT等異常交易狀態(tài)的上市公司；（3）剔除關(guān)鍵變量數(shù)據(jù)缺失的上市公司。經(jīng)過上述處理后，本文共計得到30981個上市公司年度觀測值。為盡可能地降低異常值對實證結(jié)果的影響，本文對模型中使用的連續(xù)變量在1%和99%分位數(shù)進(jìn)行縮尾處理。數(shù)字化轉(zhuǎn)型詞匯統(tǒng)計數(shù)據(jù)、股票交易數(shù)據(jù)及公司財務(wù)數(shù)據(jù)來源于國泰安金融數(shù)據(jù)庫，股票分時高頻交易數(shù)據(jù)來源于銳思金融數(shù)據(jù)庫。

（二）變量設(shè)定

1. 市場操縱。在收盤價操縱過程中，被操縱股票的價格通常表現(xiàn)出顯著的“先漲后跌”的特征，即在收盤前大幅度上漲，并在下一個交易日開盤后逐漸恢復(fù)（李志輝等，2018；Comerton-Forde和Putni??，2011）[7，15]。基于收盤價操縱中的價格表現(xiàn)特征，借鑒Cumming等（2020）[17]等的研究設(shè)計，本文基于尾盤價格異常、股價反轉(zhuǎn)和無信息披露三個條件構(gòu)建了收盤價操縱識別模型。具體而言，若股票[i]在交易日[d]滿足以下三個條件，則判定為發(fā)生收盤價操縱：

（1）尾盤價格異常，即：

其中，[ΔEODi，d=Pi，d，EOD-Pi，d，EOD-15minPi，d，EOD-15min]，為股票[i]在交易日[d]收盤前15分鐘的股價收益率，[Pi，d，EOD]為股票[i]在交易日[d]的收盤價，[Pi，d，EOD-15min]為股票[i]在交易日[d]收盤前15分鐘的成交價，[EODi，d]為前30個交易日[ΔEOD]的均值，[σi，d]為前30個交易日[ΔEOD]的標(biāo)準(zhǔn)差。

（2）下一個交易日發(fā)生股價反轉(zhuǎn)，即：

其中，[Pi，d，OPN]為股票[i]在交易日[d]的開盤價。

（3）無信息披露，即股票[i]在交易日[d]前后5個交易日不存在基本面事件①。

本文利用收盤價操縱識別模型甄別的股票年內(nèi)累計疑似發(fā)生市場操縱的總天數(shù)作為股票市場操縱的代理變量（NumManip）。其數(shù)值越大，說明疑似發(fā)生市場操縱的情況越嚴(yán)重。同時，本文使用年內(nèi)是否發(fā)生過疑似市場操縱的虛擬變量（Manip，若年內(nèi)發(fā)生疑似市場操縱，取值為1，否則為0）進(jìn)行穩(wěn)健性檢驗。

2. 企業(yè)數(shù)字化轉(zhuǎn)型。借鑒吳非等（2021）[4]的研究，本文運用年報文本中數(shù)字化轉(zhuǎn)型相關(guān)詞匯出現(xiàn)頻率的總數(shù)度量企業(yè)的數(shù)字化轉(zhuǎn)型程度。同時，考慮到該類數(shù)據(jù)的“右偏性”特征，利用數(shù)字化轉(zhuǎn)型相關(guān)詞匯的詞頻總數(shù)加一后取對數(shù)得到企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)（Digital）。

（三）實證檢驗?zāi)Ｐ?/p>

為了檢驗假設(shè)H1，即企業(yè)數(shù)字化轉(zhuǎn)型能否抑制股票市場操縱，本文建立了如下模型：

其中，被解釋變量[NumManipi，t]為企業(yè)[i]在第[t]年疑似市場操縱的總天數(shù)，[Digitali，t]為企業(yè)[i]在第[t]年的數(shù)字化轉(zhuǎn)型程度。[Controls]為一系列控制變量，如上市公司股票交易特征，包括股票成交量（Volume）、股票價格（Price）、A股流通市值占比（Liqr）和個股年度Beta值（Beta）；上市公司經(jīng)營狀況特征，包括市值（Size）、凈資產(chǎn)收益率（Roe）、資產(chǎn)負(fù)債率（Lev）、產(chǎn)權(quán)性質(zhì)（Soe）、賬面市值比（Mtb）和營業(yè)收入增長率（Growth）；上市公司股權(quán)結(jié)構(gòu)特征，包括第一大股東持股比例（Cent）和股權(quán)制衡度（Balance）。[IndFE]為行業(yè)固定效應(yīng)；[YearFE]為年份固定效應(yīng)；[εi，t]為隨機(jī)擾動項。若式（3）的[β1]顯著為負(fù)，則表明企業(yè)數(shù)字化轉(zhuǎn)型能抑制股票市場操縱。由于[NumManipi，t]屬于計數(shù)變量，因此，使用負(fù)二項回歸進(jìn)行分析。

為了檢驗假設(shè)H2和H3，參考李志輝和陳海龍（2022）[8]的研究設(shè)計，本文構(gòu)建如下實證模型：

其中，[Liqi，t]為股票流動性的代理變量。參考李志輝等（2018）[7]和Amihud（2002）[31]的研究設(shè)計，本文選取成交額加權(quán)相對報價價差（QSP，Relative Quoted Spread）、成交額加權(quán)相對有效價差（ESP，Relative Effective Spread）和Amihud指標(biāo)衡量股票流動性。相對報價價差（QSP）、相對有效價差（ESP）和Amihud指標(biāo)（Amihud）均為非流動性指標(biāo)，其取值越大，則表明股票市場流動性越差。[InfoTrani，t]為信息透明度的代理變量。借鑒李春濤等（2018）[32]和吳非等（2021）[4]的研究設(shè)計，本文分別選取KV指數(shù)（KV）、新聞媒體關(guān)注度（Media）和分析師關(guān)注度（Analyst）作為透明度的代理變量。KV指數(shù)越低，新聞媒體關(guān)注度和分析師關(guān)注度越高，表明企業(yè)的信息透明度越高。若式（4）中回歸系數(shù)[β1]顯著，則表明數(shù)字化轉(zhuǎn)型顯著地影響了股票流動性和企業(yè)信息透明度。若式（5）中回歸系數(shù)[β1]顯著，則表明股票流動性和企業(yè)信息透明度能夠影響股票市場操縱，進(jìn)一步地證實了傳導(dǎo)過程的有效性。式（4）和式（5）中控制變量與式（3）保持一致。表1匯報了主要變量的符號和定義。

四、實證結(jié)果

（一）描述性統(tǒng)計

表2展示了本文主要變量的描述性統(tǒng)計結(jié)果。股票市場操縱的均值為0.1448，這表明個股收盤價每年平均受到0.1448次操縱。企業(yè)數(shù)字化轉(zhuǎn)型程度的均值為1.0642，最小值為0，最大值為4.68，標(biāo)準(zhǔn)差為1.06，與吳非等（2021）[4]的統(tǒng)計結(jié)果基本一致。

（二）基準(zhǔn)回歸分析

本文采用式（3）考察了企業(yè)數(shù)字化轉(zhuǎn)型程度與市場操縱的關(guān)系。負(fù)二項回歸的估計結(jié)果列于表3的列（1）—（3），其中列（1）包含了本文核心變量企業(yè)數(shù)字化轉(zhuǎn)型，并控制了年度與行業(yè)固定效應(yīng)，列（2）和列（3）則進(jìn)一步引入了一系列控制變量，表3的列（4）—（6）則展示了基于估計參數(shù)測算所得到的平均邊際效應(yīng)（Average Marginal Effect，AME）。

結(jié)果表明，企業(yè)數(shù)字化轉(zhuǎn)型的估計系數(shù)均在1%的顯著性水平下為負(fù)，以列（3）的估計結(jié)果為例，企業(yè)數(shù)字化轉(zhuǎn)型的估計系數(shù)為-0.0580，z統(tǒng)計量為-3.32；列（6）的平均邊際效應(yīng)測算結(jié)果表明企業(yè)數(shù)字化轉(zhuǎn)型每增加1個單位，被操縱次數(shù)降低0.84%。這一結(jié)果說明企業(yè)數(shù)字化轉(zhuǎn)型能夠?qū)κ袌霾倏v起到積極的治理作用，降低企業(yè)股價被操縱的次數(shù)。本文的實證結(jié)果亦支持了吳非等（2021）[4]和雷光勇等（2022）[5]的研究結(jié)論，即企業(yè)數(shù)字化轉(zhuǎn)型能夠優(yōu)化股票市場治理結(jié)構(gòu)，提升市場質(zhì)量。假設(shè)H1得到驗證。

（三）穩(wěn)健性檢驗

為了盡可能地降低內(nèi)生性問題對研究結(jié)論的影響以及驗證實證結(jié)果的穩(wěn)健性，本文進(jìn)行了如下檢驗：

第一，工具變量法。本文參考李雪松等（2022）[24]的研究，使用份額移動法構(gòu)造數(shù)字化轉(zhuǎn)型的工具變量。具體步驟為：（1）計算樣本范圍內(nèi)所有企業(yè)的數(shù)字化轉(zhuǎn)型均值的年增長率（Shift）；（2）計算每家企業(yè)同行業(yè)其他企業(yè)上一年度的數(shù)字化轉(zhuǎn)型均值（Share）；（3）以（Shift×Share）作為每家企業(yè)在每個年度的數(shù)字化轉(zhuǎn)型模擬增量值；（4）每家企業(yè)每個年度的數(shù)字化轉(zhuǎn)型指標(biāo)與上述模擬增量值離差的三次方，為本文所使用的工具變量（Digital_IV），使用兩階段最小二乘法（2SLS）進(jìn)行回歸。表4展示了工具變量的回歸結(jié)果。列（1）的第一階段模型回歸結(jié)果顯示，工具變量的估計系數(shù)為0.054，且在1%的水平上顯著為正，說明本文選取的工具變量滿足相關(guān)性條件。同時，Kleibergen-Paap rk LM統(tǒng)計量在1%的水平上顯著，拒絕“工具變量識別不足”的原假設(shè)；Kleibergen-Paap rk Wald F統(tǒng)計量大于Stock-Yogo弱識別檢驗10%水平上的臨界值，拒絕“弱工具變量”的原假設(shè)。以上檢驗證明了該工具變量的合理性與有效性。列（2）的第二階段模型回歸結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)仍在1%的水平上顯著為負(fù)，說明在考慮了內(nèi)生性問題后，企業(yè)數(shù)字化轉(zhuǎn)型仍對股票市場操縱產(chǎn)生顯著的抑制效應(yīng)，本文核心結(jié)論穩(wěn)健可信。第二，滯后自變量?？紤]到企業(yè)數(shù)字化轉(zhuǎn)型影響股票市場操縱的時滯效應(yīng)，本文將核心解釋變量滯后一期和滯后兩期后引入式（3）進(jìn)行回歸，結(jié)果列于表5列（1）和列（2）。第三，更換識別模型基準(zhǔn)時間窗口。為了驗證不同時間窗口下研究結(jié)論的穩(wěn)健性，本文進(jìn)一步采用60個交易日和90個交易日構(gòu)建識別模型進(jìn)行甄別，并重復(fù)檢驗了數(shù)字化轉(zhuǎn)型和股票市場操縱之間的關(guān)系，估計結(jié)果列于表5列（3）和列（4）。第四，不同的回歸模型設(shè)定。表5列（5）中，本文采用泊松模型重新檢驗了企業(yè)數(shù)字化轉(zhuǎn)型與市場操縱的關(guān)系；表5列（6）中，本文使用年內(nèi)是否發(fā)生過疑似市場操縱（Manip ，若年內(nèi)發(fā)生了疑似市場操縱，取值為1，否則為0）作為被解釋變量，運用Logit模型進(jìn)行檢驗。第五，不同的自變量度量方式。本文依據(jù)袁淳等（2021）[1]構(gòu)建的企業(yè)數(shù)字化術(shù)語詞典，計算每家上市公司每年年報的“管理層討論與分析”（MDamp;A）部分中各個數(shù)字化關(guān)鍵詞的出現(xiàn)頻數(shù)總和占MDamp;A語段總詞數(shù)的比例，將該比例乘以100以衡量企業(yè)的數(shù)字化轉(zhuǎn)型程度，估計結(jié)果列于表5的列（7）。表5的結(jié)果顯示，核心解釋變量的回歸結(jié)果與前文基本一致且顯著，證明結(jié)果穩(wěn)健。

（四）影響機(jī)制分析

1.股票流動性。Comerton-Forde和Putni??（2011）[15]指出，當(dāng)股票流動性較高時，操縱者難以通過較小的成本實施操縱。而數(shù)字化轉(zhuǎn)型能夠通過增強(qiáng)信息透明度、促進(jìn)企業(yè)研發(fā)創(chuàng)新、提升企業(yè)價值和財務(wù)穩(wěn)健性等途徑改善企業(yè)股票流動性水平（吳非等，2021）[4]。因此，本文預(yù)期企業(yè)數(shù)字化轉(zhuǎn)型能夠通過提升股票流動性實現(xiàn)對市場操縱的遏制。為了驗證這一論斷，本文基于式（4）和式（5）進(jìn)行實證檢驗。式（4）考察了企業(yè)數(shù)字化轉(zhuǎn)型與股票流動性的關(guān)系，相關(guān)回歸結(jié)果見表6的列（1）—（3）。與吳非等（2021）[4]的研究結(jié)論一致，企業(yè)數(shù)字化轉(zhuǎn)型的估計系數(shù)均在1%的顯著性水平下為負(fù)，說明數(shù)字化轉(zhuǎn)型促進(jìn)了股票交易，提升了股票流動性。此外，式（5）進(jìn)一步明確了股票流動性與股票市場操縱的關(guān)系，表6的列（4）—（6）展示了相關(guān)回歸結(jié)果。相對報價價差、相對有效價差和Amihud指標(biāo)與股票市場操縱間存在顯著的正向關(guān)系，說明流動性水平越低的企業(yè)，越易成為市場操縱的目標(biāo)。綜合表6的實證結(jié)果可知，企業(yè)數(shù)字化轉(zhuǎn)型能夠通過提升股票流動性的渠道來遏制市場操縱。股票流動性的提升使得特定的交易金額對股票價格產(chǎn)生的影響更小，增加了操縱成本與操縱難度，削弱了操縱者的資金優(yōu)勢，從而抑制了股票市場操縱行為。這驗證了數(shù)字化轉(zhuǎn)型治理市場操縱的“流動性渠道”，假設(shè)H2得到證實。

2. 信息透明度。信息透明度同樣是市場操縱實施的關(guān)鍵，更高的信息透明度削弱了操縱者利用其信息優(yōu)勢制造虛假價格信號以誘導(dǎo)非知情投資者參與市場交易的能力，提升了操縱的實施難度（李志輝和陳海龍，2022）[8]。因此，本文預(yù)期數(shù)字化轉(zhuǎn)型優(yōu)化了企業(yè)的信息披露質(zhì)量，吸引新聞媒體和證券分析師的關(guān)注，緩解企業(yè)與外部投資者之間的信息不對稱問題，進(jìn)而提升了信息透明度，實現(xiàn)對股票市場操縱的抑制。為了對這一假設(shè)進(jìn)行檢驗，本文基于式（4）和式（5）進(jìn)行實證檢驗。式（4）考察了數(shù)字化轉(zhuǎn)型與企業(yè)信息透明度的關(guān)系，相關(guān)回歸結(jié)果見表7的列（1）—（3）。與吳非等（2021）[4]的發(fā)現(xiàn)基本一致，結(jié)果表明，數(shù)字化轉(zhuǎn)型提高了企業(yè)的信息披露質(zhì)量，吸引了新聞媒體與證券分析師的關(guān)注，使得企業(yè)與市場間的信息不對稱程度降低，改善了企業(yè)的信息透明度。式（5）進(jìn)一步考察了提高企業(yè)信息透明度是否能抑制股票市場操縱，回歸結(jié)果見表7的列（4）—（6）。與李志輝和陳海龍（2022）[8]的研究一致，信息披露質(zhì)量、媒體關(guān)注度和分析師追蹤與股票市場操縱存在顯著的負(fù)向關(guān)系，信息透明度越高，企業(yè)受到操縱的可能性越低。綜合表7的實證結(jié)果可知，數(shù)字化轉(zhuǎn)型提高了企業(yè)的信息披露質(zhì)量、媒體關(guān)注度和分析師關(guān)注水平，企業(yè)信息透明度得到提升，使投資者對股票真實價值的判斷更為一致，進(jìn)而增加了操縱者的操縱難度，抑制了市場操縱的發(fā)生。上述結(jié)果驗證了數(shù)字化轉(zhuǎn)型治理市場操縱的“信息透明度渠道”，支持了假設(shè)H3。

五、進(jìn)一步分析

（一）信息環(huán)境質(zhì)量

機(jī)制分析表明，企業(yè)數(shù)字化轉(zhuǎn)型能夠通過提升企業(yè)信息透明度，實現(xiàn)對市場操縱的治理。本文進(jìn)一步研究了企業(yè)所處的信息環(huán)境質(zhì)量在企業(yè)數(shù)字化轉(zhuǎn)型與股票市場操縱關(guān)系中的作用。若企業(yè)所處的信息環(huán)境質(zhì)量較低，內(nèi)外部信息傳導(dǎo)渠道更加閉塞，則企業(yè)理應(yīng)更多地受益于數(shù)字化轉(zhuǎn)型帶來的信息透明度改善。為了檢驗信息環(huán)境質(zhì)量的影響，本文選取了兩職合一（Dual）、信息披露質(zhì)量評級（LowRating）、機(jī)構(gòu)投資者持股水平（LowInst）、是否融資融券標(biāo)的（NonShortable）等四個變量進(jìn)行了實證檢驗。

第一，委托代理理論認(rèn)為，由CEO擔(dān)任董事長可能導(dǎo)致董事會缺乏應(yīng)有的獨立性，董事長和CEO兩個職位應(yīng)該互相制衡，以減輕公司高層管理人員的決策偏誤或權(quán)力濫用。若董事長和CEO兩個職位由同一人擔(dān)任，可能會導(dǎo)致權(quán)力過于集中，從而阻礙合理的信息披露（張潔梅，2013）[33]。由此，本文定義變量Dual，表示企業(yè)董事長和CEO是否兩職合一，公司董事長和CEO為同一人時取值為1，否則取值為0。

第二，基于信息披露的真實性、準(zhǔn)確性、完整性、及時性和公平性，上海證券交易所和深圳證券交易所定期對上市公司的信息披露質(zhì)量進(jìn)行排名，具體包括四個等級，即A（優(yōu)秀）、B（良好）、C（合格）和D（不合格）。企業(yè)的信息披露質(zhì)量評級越高，表明其信息更加透明，信息環(huán)境質(zhì)量越佳。由此，本文定義變量LowRating，表示企業(yè)的信息披露評級水平，公司當(dāng)年信息披露質(zhì)量評級低于A（優(yōu)秀）時取值為1，否則取值為0。

第三，機(jī)構(gòu)投資者被視為重要的外部監(jiān)督力量。機(jī)構(gòu)投資者憑借其信息優(yōu)勢和資源優(yōu)勢，能夠更多地獲取企業(yè)的私有信息，并且能夠積極參與公司治理。實證研究表明，機(jī)構(gòu)所有權(quán)更高的企業(yè)往往具有更高的透明度和更好的信息環(huán)境（李春濤等，2018）[32]。由此，本文定義變量LowInst，表示企業(yè)的機(jī)構(gòu)投資者持股水平，機(jī)構(gòu)投資者持股比例低于當(dāng)年同行業(yè)中位數(shù)時取值為1，否則取值為0。

第四，中國資本市場于2010年正式開展融資融券制度的試點工作，賣空機(jī)制不僅有利于實現(xiàn)資本市場的價格發(fā)現(xiàn)功能，還具備一定的公司治理作用。研究指出，賣空機(jī)制的設(shè)置顯著抑制了融券標(biāo)的公司的盈余管理行為，在提升上市公司信息披露質(zhì)量方面發(fā)揮著重要作用（張璇等，2016）[34]。由此，本文定義變量NonShortable，表示企業(yè)是否為融券標(biāo)的公司，公司當(dāng)年不屬于融券標(biāo)的公司時取值為1，否則取值為0。

本文分別構(gòu)建了上述四個變量與企業(yè)數(shù)字化轉(zhuǎn)型的交互項，并將上述四個變量及對應(yīng)的交互項納入式（3）中，以探討信息環(huán)境質(zhì)量對企業(yè)數(shù)字化轉(zhuǎn)型與股票市場操縱關(guān)系的影響，實證結(jié)果見表8。估計結(jié)果表明，交互項的系數(shù)在至少5%的水平上具有統(tǒng)計顯著性。具體而言，對于企業(yè)董事長和CEO兩職合一、信息披露質(zhì)量評級較低、機(jī)構(gòu)投資者持股水平較低和非融券標(biāo)的的企業(yè)，數(shù)字化轉(zhuǎn)型對股票市場操縱的抑制作用更強(qiáng)。這表明在企業(yè)所處的信息環(huán)境質(zhì)量較低的情況下，數(shù)字化轉(zhuǎn)型會發(fā)揮更強(qiáng)的抑制股票市場操縱的作用。

（二）產(chǎn)權(quán)性質(zhì)

Aggarwal和Wu（2006）[13]、Comerton-Forde和Putni??（2011）[15]、Huang和Cheng（2015）[23]指出規(guī)模小、收益水平低、資產(chǎn)負(fù)債率高和經(jīng)營穩(wěn)定性差的企業(yè)，更容易成為市場操縱的目標(biāo)。一般而言，中國的國有上市公司通常具有較大的市值規(guī)模。并且，由于具有一定的政策資源優(yōu)勢，國有上市公司的經(jīng)營績效往往較好。非國有上市公司由于資源的限制，則存在著更嚴(yán)重的管理經(jīng)營風(fēng)險。孫廣宇等（2021）[16]發(fā)現(xiàn)與非國有上市公司相比，國有上市公司受到市場操縱的可能性更低。因此，本文進(jìn)一步研究了產(chǎn)權(quán)性質(zhì)如何影響企業(yè)數(shù)字化轉(zhuǎn)型與市場操縱間的關(guān)系。

本文構(gòu)建了產(chǎn)權(quán)性質(zhì)（Soe，國有企業(yè)取值為1，否則取值為0）與數(shù)字化轉(zhuǎn)型程度的交互項，并將產(chǎn)權(quán)性質(zhì)及對應(yīng)的交互項納入式（3）中，以探討產(chǎn)權(quán)性質(zhì)對數(shù)字化轉(zhuǎn)型與股票市場操縱關(guān)系的作用，實證結(jié)果見表9。估計結(jié)果與孫廣宇等（2021）[16]的結(jié)論相符合，產(chǎn)權(quán)性質(zhì)與數(shù)字化轉(zhuǎn)型程度的交互項的回歸系數(shù)在1%的水平上顯著為正，非國有企業(yè)作為更易受到市場操縱的群體，將更多地受益于數(shù)字化轉(zhuǎn)型后所取得的信息透明度和股票流動性的提升，數(shù)字化轉(zhuǎn)型抑制股票市場操縱的作用對于非國有企業(yè)更加顯著。

六、結(jié)論與啟示

基于收盤價操縱的特征，本文構(gòu)建了收盤價操縱識別模型，并對2008—2020年滬深A(yù)股上市公司進(jìn)行了檢測。采用識別模型的甄別結(jié)果，本文實證檢驗了企業(yè)數(shù)字化轉(zhuǎn)型對股票市場操縱的影響。研究結(jié)果表明，數(shù)字化轉(zhuǎn)型程度越高，企業(yè)受到市場操縱的次數(shù)越少，數(shù)字化轉(zhuǎn)型對股票市場操縱具有顯著的抑制作用。機(jī)制分析的結(jié)果表明，企業(yè)數(shù)字化轉(zhuǎn)型可以通過提升信息透明度和提高股票流動性兩條渠道削弱操縱者的資源優(yōu)勢，從而抑制市場操縱的發(fā)生。進(jìn)一步的研究發(fā)現(xiàn)，在兩職合一、低信息披露質(zhì)量、低機(jī)構(gòu)投資者持股比例、非融券標(biāo)的的企業(yè)以及非國有企業(yè)中，數(shù)字化轉(zhuǎn)型降低股票市場操縱的效應(yīng)更加顯著。

基于以上結(jié)論，本文提出的政策建議如下：第一，企業(yè)應(yīng)自發(fā)投入數(shù)字化轉(zhuǎn)型浪潮，運用數(shù)字技術(shù)改進(jìn)內(nèi)部的商業(yè)模式，提高生產(chǎn)效率和經(jīng)營管理水平。并且，通過數(shù)字化轉(zhuǎn)型渠道加強(qiáng)企業(yè)的公司治理，減少信息不對稱，提升投資者對企業(yè)的信任度，降低受到市場操縱的風(fēng)險，為自身及投資者創(chuàng)造共同價值，推動中國數(shù)字經(jīng)濟(jì)蓬勃發(fā)展。第二，信息環(huán)境質(zhì)量較低的企業(yè)和非國有企業(yè)要更加充分地意識到數(shù)字化轉(zhuǎn)型對于市場操縱的治理作用，主動利用新興數(shù)字技術(shù)抵御非法操縱行為導(dǎo)致的企業(yè)價值受損。第三，政府應(yīng)繼續(xù)出臺相關(guān)政策指引企業(yè)積極開展數(shù)字化轉(zhuǎn)型。一方面，運用數(shù)字化轉(zhuǎn)型推動新技術(shù)、新產(chǎn)業(yè)和新業(yè)態(tài)的出現(xiàn)，促進(jìn)經(jīng)濟(jì)轉(zhuǎn)型升級和持續(xù)發(fā)展；另一方面，通過發(fā)揮數(shù)字化轉(zhuǎn)型對股票市場操縱的治理作用遏制市場非法行為，提升市場的公平性與有效性，實現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展。

注：

①重大基本面事件為17項可能影響股票市場表現(xiàn)的事件，具體包括：（1）資產(chǎn)出售與轉(zhuǎn)讓；（2）資產(chǎn)置換；（3）資產(chǎn)重組；（4）資產(chǎn)贈與；（5）資產(chǎn)拍賣；（6）資金凍結(jié)；（7）股份回購；（8）借貸；（9）發(fā)行企業(yè)債券；（10）違規(guī)處罰及批評；（11）業(yè)績預(yù)告；（12）稅負(fù)變動；（13）意外事故；（14）重大經(jīng)營合同；（15）發(fā)債人違約；（16）財務(wù)數(shù)據(jù)調(diào)整修正；（17）經(jīng)營范圍變動。

參考文獻(xiàn)：

[1]袁淳，肖土盛，耿春曉，盛譽.數(shù)字化轉(zhuǎn)型與企業(yè)分工：專業(yè)化還是縱向一體化 [J].中國工業(yè)經(jīng)濟(jì)，2021，（09）.

[2]李琦，劉力鋼，邵劍兵.數(shù)字化轉(zhuǎn)型、供應(yīng)鏈集成與企業(yè)績效——企業(yè)家精神的調(diào)節(jié)效應(yīng) [J].經(jīng)濟(jì)管理，2021，43（10）.

[3]董松柯，劉希章，李娜.數(shù)字化轉(zhuǎn)型是否降低企業(yè)研發(fā)操縱？ [J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2023，40（04）.

[4]吳非，胡慧芷，林慧妍，任曉怡.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場表現(xiàn)——來自股票流動性的經(jīng)驗證據(jù) [J].管理世界，2021，37（07）.

[5]雷光勇，買瑞東，左靜靜.數(shù)字化轉(zhuǎn)型與資本市場效率——基于股價同步性視角 [J].證券市場導(dǎo)報，2022，（08）.

[6]K Jiang，X Du，Z Chen.2022.Firms' Digitalization and Stock Price Crash Risk [J].International Review of Financial Analysis，82.

[7]李志輝，王近，李夢雨.中國股票市場操縱對市場流動性的影響研究——基于收盤價操縱行為的識別與監(jiān)測 [J].金融研究，2018，（02）.

[8]李志輝，陳海龍.Qfii持股能抑制股票市場操縱嗎？——基于尾市價格偏離模型的檢驗 [J].中央財經(jīng)大學(xué)學(xué)報，2022，（08）.

[9]李志輝，王博，孫沁茹.分析師關(guān)注能否抑制市場操縱行為——基于收盤價操縱識別模型的檢驗 [J].南開經(jīng)濟(jì)研究，2022，（05）.

[10]C Comerton-Forde，J Rydge. 2006. The Influence of Call Auction Algorithm Rules on Market Efficiency [J].Journal of Financial Markets，9（2）.

[11]E J Lee，K S Eom，K S Park. 2013. Microstructure-Based Manipulation：Strategic Behavior and Performance of Spoofing Traders [J].Journal of Financial Markets，16（2）.

[12]F Allen，D Gale. 1992. Stock-Price Manipulation [J].The Review of Financial Studies，5（3）.

[13]R K Aggarwal，G Wu. 2006. Stock Market Manipulations [J].The Journal of Business，79（4）.

[14]L Peng，A R?ell.2014. Managerial Incentives and Stock Price Manipulation [J].The Journal of Finance，69（2）.

[15]C Comerton-Forde，T J Putni??. 2011. Measuring Closing Price Manipulation [J].Journal of Financial Intermediation，20（2）.

[16]孫廣宇，李志輝，杜陽，王近.市場操縱降低了中國股票市場的信息效率嗎——來自滬市a股高頻交易數(shù)據(jù)的經(jīng)驗證據(jù) [J].金融研究，2021，（09）.

[17]D Cumming，S Ji，R Peter，M Tarsalewska. 2020. Market Manipulation and Innovation [J].Journal of Banking amp; Finance，120.

[18]姚遠(yuǎn)，趙陽，張朝陽.新型監(jiān)測指標(biāo)、市場操縱量化監(jiān)測與交互式?jīng)Q策框架 [J].金融發(fā)展研究，2022，（08）.

[19]J Liu，C Wu，L Yuan，J Liu. 2022. Opening Price Manipulation and Its Value Influences [J].International Review of Financial Analysis，83.

[20]Q Liu，C Wang，P Zhang，K Zheng. 2021. Detecting Stock Market Manipulation Via Machine Learning： Evidence from China Securities Regulatory Commission Punishment Cases [J].International Review of Financial Analysis，78.

[21]周春生，楊云紅，王亞平.中國股票市場交易型的價格操縱研究 [J].經(jīng)濟(jì)研究，2005，（10）.

[22]楊墨竹.證券市場機(jī)構(gòu)投資者投資行為分析 [J].金融研究，2008，（08）.

[23]Y C Huang，Y J Cheng. 2015. Stock Manipulation and Its Effects： Pump and Dump Versus Stabilization [J].Review of Quantitative Finance and Accounting，44（4）.

[24]李雪松，黨琳，趙宸宇.數(shù)字化轉(zhuǎn)型、融入全球創(chuàng)新網(wǎng)絡(luò)與創(chuàng)新績效 [J].中國工業(yè)經(jīng)濟(jì)，2022，（10）.

[25]C Comerton-Forde，T J Putni??. 2013. Stock Price Manipulation： Prevalence and Determinants [J].Review of Finance，18（1）.

[26]T Chordia，R Roll，A Subrahmanyam. 2008. Liquidity and Market Efficiency [J].Journal of Financial Economics，87（2）.

[27]L R Glosten，P R Milgrom. 1985. Bid，Ask and Transaction Prices in a Specialist Market with Heterogeneously Informed Traders [J].Journal of Financial Economics，14（1）.

[28]Y Amihud，H Mendelson，L H Pedersen. 2006. Liquidity and Asset Prices [J].Foundations and Trends? in Finance，1（4）.

[29]馬連福，王博，宋婧楠.散戶更偏愛數(shù)字化嗎？——基于投資者情緒異質(zhì)性的研究 [J].經(jīng)濟(jì)與管理研究，2022，43（09）.

[30]L Dai，J T Parwada，B Zhang. 2015. The Governance Effect of the Media's News Dissemination Role： Evidence from Insider Trading [J].Journal of Accounting Research，53（2）.

[31]Y Amihud.2002. Illiquidity and Stock Returns： Cross-Section and Time-Series Effects [J].Journal of Financial Markets，5（1）.

[32]李春濤，劉貝貝，周鵬，張璇.它山之石：Qfii與上市公司信息披露 [J].金融研究，2018，（12）.

[33]張潔梅.自愿性信息披露的影響因素——基于董事會治理視角 [J].經(jīng)濟(jì)管理，2013，35（07）.

[34]張璇，周鵬，李春濤.賣空與盈余質(zhì)量——來自財務(wù)重述的證據(jù) [J].金融研究，2016，（08）.