趙峰 高嬌嬌 唐昭輝

摘? ?要：數(shù)字化轉(zhuǎn)型為企業(yè)帶來了積極影響，在一定程度上促進了企業(yè)的發(fā)展。以往的文獻集中研究了數(shù)字化轉(zhuǎn)型對企業(yè)績效、融資約束的影響，較少關(guān)注對企業(yè)權(quán)益資本成本的作用。本文基于Python爬蟲和文本分析技術(shù)自行構(gòu)建中國“企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)”，以2010—2021年中國A股上市公司為樣本進行研究，研究發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型能夠促進權(quán)益資本成本的降低，該項結(jié)論在進行了一系列穩(wěn)健性檢驗后仍然成立。在影響機制方面，企業(yè)數(shù)字化轉(zhuǎn)型可以通過降低信息不對稱、提升股票流動性以及提升企業(yè)的創(chuàng)新水平等渠道促進權(quán)益資本成本的下降。進一步研究發(fā)現(xiàn)，對于非國有企業(yè)、低股權(quán)集中度企業(yè)和高行業(yè)集中度企業(yè)，企業(yè)數(shù)字化轉(zhuǎn)型對權(quán)益資本成本的降低作用更加顯著。

關(guān)鍵詞：企業(yè)數(shù)字化轉(zhuǎn)型；權(quán)益資本成本；信息不對稱；股票流動性；創(chuàng)新水平

中圖分類號：F832? 文獻標識碼：A? 文章編號：1674-2265（2023）03-0042-10

DOI：10.19647/j.cnki.37-1462/f.2023.03.007

一、引言

黨的二十大報告提出“加快發(fā)展數(shù)字經(jīng)濟，促進數(shù)字經(jīng)濟和實體經(jīng)濟深度融合，打造具有國際競爭力的數(shù)字產(chǎn)業(yè)集群”。數(shù)字經(jīng)濟加速了企業(yè)數(shù)字化轉(zhuǎn)型進程，使得產(chǎn)業(yè)格局在過去十年發(fā)生了劇烈的震蕩 （Sadeghi等，2021）[1]，置身于“數(shù)字化產(chǎn)業(yè)”及“產(chǎn)業(yè)數(shù)字化”大潮中的企業(yè)更是面臨著前所未有的機遇和挑戰(zhàn)（張永珅等，2021）[2]。顯然，數(shù)字化發(fā)展已經(jīng)成為當代企業(yè)需要開展的一個戰(zhàn)略要務(wù)，其不斷涌現(xiàn)的新產(chǎn)品、新服務(wù)和新業(yè)態(tài)，更是驅(qū)動著人們對企業(yè)數(shù)字化轉(zhuǎn)型的研究。為此，越來越多的企業(yè)開始投身到數(shù)字化轉(zhuǎn)型的浪潮之中，做好管理變革，識別市場模式和機會，利用數(shù)字技術(shù)推動企業(yè)轉(zhuǎn)型升級。

客觀來看，企業(yè)的轉(zhuǎn)型行為必然會在一定程度上映射至資本市場活動中（吳非等，2021）[3]。其中權(quán)益資本成本作為公司股東的必要收益率，是衡量資本市場發(fā)展水平和資源配置效率的重要標準（毛新述等，2012）[4]。企業(yè)數(shù)字化轉(zhuǎn)型在一定程度上能夠緩解企業(yè)的融資約束和降低企業(yè)的經(jīng)營風(fēng)險，這些又與權(quán)益資本成本有密切關(guān)系。在此背景下我們不禁思考，數(shù)字化轉(zhuǎn)型能否降低企業(yè)權(quán)益資本成本？其作用機制又是什么？通過回答上述問題，能夠從微觀層面進一步補充企業(yè)數(shù)字化轉(zhuǎn)型的實施效果，從而深入了解資本市場的資源配置效率、財務(wù)質(zhì)量以及投融資決策，為相關(guān)政策制定提供經(jīng)驗證據(jù)。 鑒于此，本文以2010—2021年中國A股上市公司為研究樣本，利用文本分析法統(tǒng)計企業(yè)年報中與數(shù)字化轉(zhuǎn)型有關(guān)的詞頻來構(gòu)建“企業(yè)數(shù)字化轉(zhuǎn)型”指標，實證檢驗企業(yè)數(shù)字化轉(zhuǎn)型對權(quán)益資本成本的影響。

本文的主要貢獻在于：第一，以企業(yè)數(shù)字化轉(zhuǎn)型為切入點，拓寬了權(quán)益資本成本影響因素的研究領(lǐng)域。以往研究從企業(yè)的資產(chǎn)質(zhì)量、經(jīng)營風(fēng)險、核心競爭力（王化成等，2017；張修平等，2020；戚聿東等，2021）[5-7]等企業(yè)特征方面研究了權(quán)益資本成本的影響因素，而本文從數(shù)字領(lǐng)域視角出發(fā)，拓寬了有關(guān)權(quán)益資本成本的研究。第二，豐富了企業(yè)數(shù)字化轉(zhuǎn)型的研究成果。本文從更加多維的角度出發(fā)，通過中介效應(yīng)模型檢驗發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型主要是通過影響信息不對稱、股票流動性以及企業(yè)創(chuàng)新水平來發(fā)揮作用的，并在此基礎(chǔ)上進行一系列實證檢驗，為深刻認識企業(yè)數(shù)字化轉(zhuǎn)型的經(jīng)濟后果提供了微觀層面的證據(jù)。第三，本研究高度契合國家數(shù)字化發(fā)展戰(zhàn)略，對于鼓勵中小企業(yè)進行數(shù)字化轉(zhuǎn)型以提升其自身競爭力和推動建設(shè)“數(shù)字中國”具有重要價值。

二、理論分析與研究假設(shè)

從已有文獻看，針對權(quán)益資本成本的影響因素已經(jīng)有較多較深入的研究。具體來講，在宏觀層面，學(xué)者們主要研究了市場環(huán)境、治理環(huán)境、法律制度和證券監(jiān)管 （La Porta等，2002；Hail和Leuz，2006；肖作平和周嘉嘉，2012；廖義剛，2015）[8-11]等對權(quán)益資本成本的影響；而在微觀層面，很多文獻從市場風(fēng)險、公司治理、信息透明度、機構(gòu)投資者行為（Chen等，2009；支曉強和何天芮，2010；周嘉南和雷霆，2014；代昀昊，2018）[12-15]等方面進行深入研究。上述文獻對于深入了解權(quán)益資本成本的影響機制大有裨益。

作為公司內(nèi)部重要的財務(wù)衡量指標，權(quán)益資本成本反映了企業(yè)經(jīng)營風(fēng)險以及再融資的能力，也是衡量資本市場發(fā)展水平和資源配置效率的重要標準。而企業(yè)數(shù)字化轉(zhuǎn)型在數(shù)字經(jīng)濟的驅(qū)動下成為當今社會經(jīng)濟發(fā)展的必然趨勢， 能夠?qū)ζ髽I(yè)生產(chǎn)經(jīng)營及決策產(chǎn)生一定的影響（韋誼成等，2022）[16]，從而影響企業(yè)權(quán)益資本成本。

首先，企業(yè)數(shù)字化轉(zhuǎn)型通過降低信息不對稱程度來降低權(quán)益資本成本。企業(yè)內(nèi)外的信息不對稱程度是影響公司權(quán)益資本成本的重要因素（戚聿東等，2021）[7]，而數(shù)字技術(shù)的應(yīng)用能夠有效地降低企業(yè)的信息不對稱程度，進而起到降低權(quán)益資本成本的作用。具體而言，企業(yè)數(shù)字化轉(zhuǎn)型作為一種新的商業(yè)模式，通過運用計算機、區(qū)塊鏈、物聯(lián)網(wǎng)等數(shù)字化技術(shù)，能更加充分地獲取和加工有效信息，使得市場主體獲取信息更加有效精準，從而消除各種信息不對稱。相關(guān)研究也表明，企業(yè)數(shù)字化轉(zhuǎn)型不僅能夠通過強化對海量數(shù)據(jù)的處理能力緩解信息不對稱程度，進而增強市場預(yù)期，提高資本市場流動性（吳非等，2021）[3]，同時也可以通過改善企業(yè)信息與營商環(huán)境降低企業(yè)信息不對稱程度（盛思思和徐展，2022）[17]。隨著企業(yè)信息不對稱程度的降低，投資者能夠通過更有效地獲取信息了解企業(yè)的真實運營狀況，降低投資者的估計風(fēng)險，進而降低公司的權(quán)益資本成本（張修平等，2020）[6]。此外，企業(yè)信息不對稱程度的降低能夠進一步加強投資者對公司信息披露質(zhì)量的認識，通過提高公司信息披露質(zhì)量降低投資者的期望報酬率，從而促進公司權(quán)益資本成本的下降（Coles等， 1995）[18]。

其次，企業(yè)數(shù)字化轉(zhuǎn)型可以通過提升股票流動性來降低權(quán)益資本成本。股票流動性是資本市場價格發(fā)現(xiàn)、信息流動、資源配置的基礎(chǔ)（陳輝和顧乃康，2017）[19]，在很大程度上映射出了市場主體以合理價格交易資產(chǎn)的能力，與企業(yè)的權(quán)益資本成本具有天然的聯(lián)系，提升股票流動性是降低公司權(quán)益資本成本的一個重要途徑（Amihud和Mendelson，2006）[20]。數(shù)字化轉(zhuǎn)型作為企業(yè)內(nèi)部一種新的變革方式，能夠通過提升企業(yè)的財務(wù)價值和財務(wù)穩(wěn)定性等機制促進股票流動性的提升，進而降低權(quán)益資本成本。具體而言，企業(yè)數(shù)字化轉(zhuǎn)型程度的提高可視為向資本市場釋放良好信號，將會增強投資者對企業(yè)未來發(fā)展的信心，使得其投資情緒高漲積極買進該企業(yè)股票，通過股票交易量的攀升來提升企業(yè)股票流動性。隨著股票流動性的提升，企業(yè)投資者能夠更好地了解公司內(nèi)部發(fā)展狀況（Easley和O'hara，2004）[21]，改善資本配置效率，通過降低投資者的轉(zhuǎn)讓權(quán)實現(xiàn)成本使其期望獲取的轉(zhuǎn)讓風(fēng)險補償降低，進而促進企業(yè)權(quán)益資本成本的降低（Diamond和Verrecchia，1991）[22]。

最后，企業(yè)數(shù)字化轉(zhuǎn)型可以通過提升企業(yè)的創(chuàng)新水平來降低權(quán)益資本成本。企業(yè)數(shù)字化轉(zhuǎn)型能夠通過充分驅(qū)動傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級賦能企業(yè)創(chuàng)新活動，改變企業(yè)創(chuàng)新模式和創(chuàng)新體系，從而降低權(quán)益資本成本。一方面，數(shù)字經(jīng)濟的發(fā)展使得客戶與企業(yè)更加了解對方，客戶提高了對產(chǎn)品生產(chǎn)和制造的認知，進而對企業(yè)產(chǎn)品和服務(wù)產(chǎn)生更高的心理預(yù)期，企業(yè)將會加大研發(fā)投入，強化創(chuàng)新動能。隨著創(chuàng)新投入的提高，投資者獲得的超額收益也就越高（周銘山等，2017）[23]，進而促進權(quán)益資本成本的顯著降低。另一方面，進行實體經(jīng)營的企業(yè)往往可以通過數(shù)字化變革增強其創(chuàng)新能力（何帆和劉紅霞，2019）[24]，改善信息處理、加工、流通效率，提升創(chuàng)新潛能。數(shù)字化轉(zhuǎn)型在促進傳統(tǒng)企業(yè)改革的同時，智能技術(shù)取代了一部分低技能工作，增加了企業(yè)對高新技術(shù)人才的需求，提高了企業(yè)人力資本水平，進而促進了企業(yè)內(nèi)部創(chuàng)新研發(fā)活動與管理效率（安同良和聞銳，2022）[25]。而企業(yè)在提升創(chuàng)新水平實現(xiàn)產(chǎn)品差異化生產(chǎn)、擴大市場份額的同時能夠提升企業(yè)的市場競爭地位，優(yōu)化生產(chǎn)流程，從而有助于提升生產(chǎn)效率，降低生產(chǎn)成本，進而有助于降低企業(yè)的權(quán)益資本成本?；谝陨戏治觯疚奶岢鲆韵录僭O(shè)：

假設(shè)H1：企業(yè)數(shù)字化轉(zhuǎn)型能夠降低企業(yè)權(quán)益資本成本。

假設(shè) H2a：企業(yè)數(shù)字化轉(zhuǎn)型通過降低信息不對稱程度來降低權(quán)益資本成本。

假設(shè) H2b：企業(yè)數(shù)字化轉(zhuǎn)型通過提升股票流動性來降低權(quán)益資本成本。

假設(shè) H2c：企業(yè)數(shù)字化轉(zhuǎn)型通過提升企業(yè)的創(chuàng)新水平來降低權(quán)益資本成本。

三、研究設(shè)計

（一）數(shù)據(jù)來源

本文選取2010—2021年我國A股上市公司的數(shù)據(jù)為研究樣本，探索數(shù)字化轉(zhuǎn)型對公司權(quán)益資本成本的影響。所有初始數(shù)據(jù)來源于萬得和國泰安數(shù)據(jù)庫，并作如下處理：第一，剔除金融行業(yè)企業(yè)；第二，剔除ST、ST*、PT以及期間退市的股票；第三，為了減少極端值對整體分析的影響，對所有連續(xù)控制變量進行了1%和99%的縮尾處理，最終得到18428條觀測值。在回歸結(jié)果中對行業(yè)效應(yīng)與年份效應(yīng)均進行了控制。

（二）主要變量定義

1. 解釋變量：企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)（DCGI）。本文借鑒袁淳等（2021）[26]做法，對企業(yè)年報“管理層討論與分析”中關(guān)鍵詞進行python爬蟲抓取，與企業(yè)數(shù)字化術(shù)語詞典進行文本匹配以及頻數(shù)統(tǒng)計，得到每家上市公司歷年年報中各個關(guān)鍵詞的出現(xiàn)頻率后，采用企業(yè)數(shù)字化相關(guān)詞匯頻數(shù)總和除以年報“管理層討論與分析”語段長度衡量微觀企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)，并將該指標乘以 100，該數(shù)值越大，表示企業(yè)數(shù)字化轉(zhuǎn)型程度越高。

2. 被解釋變量：權(quán)益資本成本（COC）。權(quán)益資本成本的研究已經(jīng)相對成熟，主要包括早期的資本資產(chǎn)定價模型（CAPM）、后期的三因素模型和套利定價理論。鑒于事后估計權(quán)益資本成本存在諸多缺陷，近年來學(xué)者的主要研究方向轉(zhuǎn)為事前估計。事前估計通常采用非正常盈余增長模型，包括PEG模型、MPEG模型與OJ模型等。

Easton（2004）[27]提出了PEG模型和MPEG模型，這類模型假定非正常收益的增長率[△g]，存在一個期望變化率[g=（gt+1-gt）/gt]。

PEG模型中假設(shè)[△g]恒為0，得到：

其中，[epst+2]為分析師預(yù)測的第[t+2]期每股收益均值，[epst+1]為分析師預(yù)測的第[t+1]期每股收益均值，[Pt]為第t期期末的每股價格。同理，參考Easton（2004）[27]得到了MPEG模型，該模型假設(shè)在預(yù)測有限期內(nèi)，非正常收益增長率的期望變化率不為零，其優(yōu)點是對股利政策沒有其他限定，能更好地解釋單個企業(yè)的預(yù)期收益和風(fēng)險。進一步地，本文借鑒肖作平（2016）[28]等，令長期增長率[γ-1]為5%得到了OJ模型。

已有研究表明，PEG 模型估計的權(quán)益資本成本能夠恰當?shù)夭蹲降礁黠L(fēng)險因素的影響，較其他權(quán)益資本成本模型更適合中國資本市場（毛新述等，2012）[4]。為此，本文將PEG模型得到的[rPEG]作為權(quán)益資本成本的代理指標進行實證分析，同時將MPEG模型以及OJ模型方法測算的權(quán)益資本成本[rMPEG]和[roj]用于穩(wěn)健性檢驗中①。

3. 中介變量。（1）信息不對稱指標。本文借鑒宋敏等（2021）[29]和于蔚等（2012）[30]的做法，先構(gòu)建流動性比率指標（LR）、非流動性比率指標（ILL）、收益率反轉(zhuǎn)指標（GAM）三個股票流動性指標， 然后對LR、ILL、GAM進行主成分分析，提取它們的共同變異信息（即與非對稱信息相關(guān)的成分），記為ASY，ASY越大，意味著信息不對稱程度越高。（2）股票流動性指標。本文借鑒Roll（1984）[31]、Goyenko等（2009）[32]和張崢等（2014）[33]做法構(gòu)建如下指標：

其中，[Pt] 為單個股票在[t]時期考慮現(xiàn)金紅利再投資的日收益率，[covΔPt，ΔPt-1]為單個股票在[t]時期考慮現(xiàn)金紅利再投資的日收益率的一階差分序列的協(xié)方差。（3）創(chuàng)新水平指標。本文借鑒李壽喜和王袁晗（2022）[34]做法，采用研發(fā)人員占比（RD1 =研發(fā)人員人數(shù)/企業(yè)總?cè)藬?shù)）及研發(fā)投入占比（RD2=研發(fā)投入資金/營業(yè)收入）指代。

4. 控制變量。本文參考以往有關(guān)文獻，控制了如下變量：公司規(guī)模（Size）、資產(chǎn)負債率（Lev）、總資產(chǎn)利潤率（ROA）、現(xiàn)金流比率（Cashflow）、營業(yè)收入增長率（Growth）、管理費用率（Mfee）、獨董比例（Indep）、托賓Q值（TobinQ）、賬面市值比（BM）。此外，還控制了行業(yè)和年份變量。

（三）模型設(shè)定

本文構(gòu)建以下模型進行實證檢驗：

模型（3）是本文的基準回歸，被解釋變量[COC]為權(quán)益資本成本，核心解釋變量[DCGI]為企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)，[Controls]為控制變量，[δ]為誤差項，本文主要考察[DCGI]的估計系數(shù)，若系數(shù)顯著為負，則表明企業(yè)數(shù)字化轉(zhuǎn)型顯著降低了權(quán)益資本成本。

四、實證分析

（一）描述性統(tǒng)計

本文主要變量描述性統(tǒng)計結(jié)果見表2。其中，企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)的均值為0.0659，最大值0.928，最小值為0，說明各企業(yè)數(shù)字化轉(zhuǎn)型的程度存在較大差異。而權(quán)益資本成本的均值0.110，最大值0.295，最小值0.018，說明各個企業(yè)在權(quán)益資本成本方面有顯著區(qū)別。企業(yè)規(guī)模Size均值為22.36，最小值19.52，最大值26.40，說明各企業(yè)的資產(chǎn)實力差距很大。其他控制變量的均值和標準差也在正常范圍之內(nèi)。

（二）基準回歸分析

表3是企業(yè)數(shù)字化轉(zhuǎn)型與權(quán)益資本成本的基準回歸結(jié)果。第（1）列沒有加入控制變量、行業(yè)和年份固定效應(yīng)，結(jié)果顯示企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)為-0.039，在1%水平上顯著；第（2）列控制了行業(yè)和年份固定效應(yīng)，第（3）列加入了控制變量但沒有控制行業(yè)和年份，第（4）列加入控制變量并控制行業(yè)和年份，第（5）列加入控制變量并控制年份和個體固定效應(yīng)。無論是否加入控制變量、行業(yè)固定效應(yīng)、年份固定效應(yīng)及個體固定效應(yīng)，解釋變量企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)均為負，且均在1%水平上顯著，這表明企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著降低權(quán)益資本成本，從而證實了本文假設(shè)H1。

（三）穩(wěn)健性檢驗

1. 替換被解釋變量。本文借鑒郭照蕊和黃?。?021）[35]方法，使用MPEG和OJ兩種模型重新測度權(quán)益資本成本，再次進行檢驗，具體結(jié)果見表4。替換被解釋變量之后，企業(yè)數(shù)字化轉(zhuǎn)型的估計系數(shù)仍然在1%的水平下顯著為負，證實了本文結(jié)論的穩(wěn)健性。

2. 傾向得分匹配法?？紤]到樣本選擇引起的內(nèi)生性問題，本文采用傾向得分匹配法（PSM）進行檢驗。以企業(yè)是否進行數(shù)字化轉(zhuǎn)型（0-1虛擬變量）為被解釋變量，以企業(yè)規(guī)模、資產(chǎn)負債率、總資產(chǎn)利潤率、現(xiàn)金流比率、營業(yè)收入增長率、管理費用率、獨董比例、賬面市值比和托賓Q值作為特征變量，按照一對一最近鄰匹配的原則進行配對并計算傾向得分值，將匹配后的樣本重新進行回歸?；貧w結(jié)果如表5所示，不論是否加入控制變量，企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)仍然顯著為負，證明研究結(jié)論是穩(wěn)健的。

3.工具變量法。上文證實了企業(yè)數(shù)字化轉(zhuǎn)型會降低權(quán)益資本成本，但可能存在反向因果關(guān)系問題，即權(quán)益資本成本低的企業(yè)才會進行企業(yè)數(shù)字化轉(zhuǎn)型。為解決這一內(nèi)生性問題，本文以企業(yè)數(shù)字化轉(zhuǎn)型的行業(yè)和年度均值（AVERDCGI）作為企業(yè)數(shù)字化轉(zhuǎn)型的工具變量，采用兩階段最小二乘法（2SLS）進行檢驗。選擇該變量作為工具變量的原因在于：企業(yè)數(shù)字化轉(zhuǎn)型的行業(yè)和年度均值與單個企業(yè)數(shù)字化密切相關(guān)，但不容易直接影響企業(yè)的權(quán)益資本成本。本文采用Cragg-Donald Wald F 統(tǒng)計量檢驗工具變量是否為弱工具變量，經(jīng)檢驗可知該統(tǒng)計量在1%水平上顯著，拒絕工具變量識別不足的原假設(shè)。因此，本文選取的工具變量是合理的。表6第（1）列和第（2）列分別報告了工具變量法第一階段和第二階段的回歸結(jié)果，表7報告了第一階段F值為2379.47，企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)仍然顯著為負，從而證明了本文實證結(jié)果的穩(wěn)健性。

4.多期雙重差分模型（DID）檢驗。本文參考吳非等（2021）[3]和鄭建明等（2018）[36]，采用多期雙重差分模型（DID）來進一步克服內(nèi)生性問題，設(shè)置了實驗組與對照組對企業(yè)進行數(shù)字化轉(zhuǎn)型前后進行兩次差分，構(gòu)建雙重差分模型來檢驗企業(yè)數(shù)字化轉(zhuǎn)型如何影響權(quán)益資本成本，具體設(shè)定如下：

其中，[du]為個體虛擬變量，如果公司在其間進行數(shù)字化轉(zhuǎn)型，那么在當年和之后年份[du]賦值為1，如果該公司一直未進行數(shù)字化轉(zhuǎn)型，[du]賦值為0。[dt]為時期虛擬變量，如果公司在第t期進行了數(shù)字化轉(zhuǎn)型，[dt]賦值為1，否則為0。[α2]為本文重要的待估參數(shù)，體現(xiàn)了企業(yè)進行數(shù)字化轉(zhuǎn)型前后權(quán)益資本成本的變化情況。另外，鑒于政策效應(yīng)的直觀實證結(jié)果需要政策變化前后幾年都有足夠的觀察值，本文剔除了數(shù)字化轉(zhuǎn)型不到兩年的樣本以及連續(xù)實驗期少于五年的樣本。

此外，為驗證雙重差分模型的穩(wěn)健性，本文將模型（4）進行一定變化并再次檢驗：

其中，模型（5）著重控制了企業(yè)的行業(yè)固定效應(yīng)以及時間固定效應(yīng)，[β1]體現(xiàn)了企業(yè)推動數(shù)字化轉(zhuǎn)型前后權(quán)益資本成本的變化，為關(guān)鍵的待估參數(shù)。進一步地，考慮到模型中虛擬變量的設(shè)定可能忽視企業(yè)數(shù)字化轉(zhuǎn)型強度的影響，因此，通過帶有調(diào)節(jié)效應(yīng)的雙重差分模型來估計這一影響，具體模型如下：

其中，系數(shù)[λ1]作為主要待估參數(shù)，體現(xiàn)了企業(yè)實施數(shù)字化轉(zhuǎn)型的強度大小對權(quán)益資本成本產(chǎn)生的影響。

表8第（1）列中，du[×]dt系數(shù)為-0.005，在1%的水平上顯著為負，這表明企業(yè)在進行數(shù)字化轉(zhuǎn)型后，權(quán)益資本成本有明顯降低。在第（2）列中，本文采用公式（5）進行檢驗，結(jié)果顯示：du×dt系數(shù)仍然顯著為負。第（3）列用公式（6）進行檢驗，實證結(jié)果顯示，du[×]dt[×]DCGI的回歸系數(shù)顯著為負（系數(shù)為-0.019），在采用雙重差分克服內(nèi)生性問題后，企業(yè)數(shù)字化轉(zhuǎn)型所帶來的權(quán)益資本成本變化程度增加。

如表9所示，本文檢驗了平行趨勢，即在數(shù)字化轉(zhuǎn)型的前四年到前一年（du-4至du-1），相關(guān)回歸系數(shù)的結(jié)果均無法通過統(tǒng)計顯著性檢驗，表明實證結(jié)果基本通過了平行趨勢檢驗。而且，數(shù)字化轉(zhuǎn)型的后一年到后四年（du+1至du+4）通過了1%的統(tǒng)計顯著性檢驗，且有持續(xù)性特征。由此得知，經(jīng)過多重的穩(wěn)健性和內(nèi)生性處理，本文的核心結(jié)論保持著高度一致性，即企業(yè)數(shù)字化轉(zhuǎn)型對權(quán)益資本成本有顯著負向影響。

（四）異質(zhì)性檢驗

1. 企業(yè)屬性。國有企業(yè)與非國有企業(yè)在資源獲取、市場份額、政策環(huán)境以及改革創(chuàng)新等諸多方面具有明顯差異（吳非等，2021）[3]。國有企業(yè)在經(jīng)營許可和社會資源獲取方面通常有國家背書以及政府資源，從而擁有不錯的市場份額，因此，面臨的競爭壓力較小，面對政策變化通常有較長的反應(yīng)時滯，對數(shù)字化變革較為遲鈍，本身進行數(shù)字化轉(zhuǎn)型的意愿也不高。而非國有企業(yè)有著巨大的競爭壓力，為了獲得更高的市場份額，通常會推行改革與創(chuàng)新，力求實現(xiàn)數(shù)字化轉(zhuǎn)型到企業(yè)降本增效的正反饋調(diào)節(jié)。因此，在不同所有權(quán)性質(zhì)下，企業(yè)數(shù)字化轉(zhuǎn)型對權(quán)益資本成本的影響效果可能不同。為此，我們按照實際控制人的屬性將全樣本劃分為國有企業(yè)和非國有企業(yè)，分別進行檢驗。

從表10第（1）列和第（2）列可以看到，國有企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)為-0.020，而非國有企業(yè)的系數(shù)為-0.022，非國有企業(yè)組的系數(shù)絕對值更大。組間差異檢驗中，經(jīng)由 Bootstrap 法自體抽樣 300 次得到的經(jīng)驗 p 值為 0.001，在1%水平上顯著，說明二者的系數(shù)差異是顯著的。因此，相對于國有企業(yè)，非國有企業(yè)的數(shù)字化轉(zhuǎn)型程度對于降低權(quán)益資本成本的效果更大。

2. 股權(quán)集中度。股權(quán)集中度高的行業(yè)通常為傳統(tǒng)行業(yè)及房地產(chǎn)行業(yè)，此類行業(yè)所采用的商業(yè)模式也是非常完善和系統(tǒng)的，穩(wěn)定性較高，受到數(shù)字化變革的沖擊較?。S節(jié)根等，2021）[37]。而高科技行業(yè)企業(yè)通常由創(chuàng)始人、天使投資人、員工分別持股，股權(quán)較為分散，其本身對數(shù)字化水平要求就高，面對數(shù)字化變革的反應(yīng)將會更加靈敏。兩類企業(yè)數(shù)字化轉(zhuǎn)型對權(quán)益資本成本的影響效果可能不同，因此，我們根據(jù)第一大股東持股比例的中位數(shù)，將全部樣本劃分為高股權(quán)集中度企業(yè)和低股權(quán)集中度企業(yè)，分別檢驗企業(yè)數(shù)字化轉(zhuǎn)型程度降低權(quán)益資本成本的效果。

表10第（3）列和第（4）列結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型在高股權(quán)集中度組的系數(shù)為-0.020，在低股權(quán)集中度組為-0.021，且低股權(quán)集中度組的系數(shù)更加顯著。從組間差異檢驗結(jié)果來看，經(jīng)由 Bootstrap 法自體抽樣 300 次得到的經(jīng)驗 p 值為 0.001，在1%水平上顯著，證實了上述差異在統(tǒng)計上的顯著性，即相對于高股權(quán)集中度企業(yè)，數(shù)字化轉(zhuǎn)型降低權(quán)益資本成本的作用在低股權(quán)集中度企業(yè)中更加明顯。

3. 行業(yè)集中度。高行業(yè)集中度的企業(yè)通常不是資本密集型而是技術(shù)密集型，這類企業(yè)擁有高技術(shù)壁壘以及高準入門檻（宋麗穎和楊潭，2016）[38]，通常為高技術(shù)產(chǎn)業(yè)企業(yè)。尤其是高技術(shù)產(chǎn)業(yè)中的電子通信及設(shè)備制造業(yè)以及航空航天制造業(yè)，該類企業(yè)對數(shù)字化轉(zhuǎn)型較為敏感。因為不同行業(yè)集中度的企業(yè)對數(shù)字化轉(zhuǎn)型的敏感程度不同，因此，本文按照赫芬達爾指數(shù)的中位數(shù)將全樣本劃分為高、低行業(yè)集中度企業(yè)，分析企業(yè)數(shù)字化轉(zhuǎn)型程度降低權(quán)益資本成本的效果。

表10第（5）列和第（6）列顯示，高行業(yè)集中度組的數(shù)字化轉(zhuǎn)型系數(shù)為-0.021，而低行業(yè)集中度組的系數(shù)為-0.017。從組間差異檢驗結(jié)果看，經(jīng)由 Bootstrap 法自體抽樣 300 次得到的經(jīng)驗 p 值為 0.005，在1%水平上顯著，證實了上述差異在統(tǒng)計上的顯著性。因此，相對于低行業(yè)集中度企業(yè)，數(shù)字化轉(zhuǎn)型降低權(quán)益資本成本的作用在高行業(yè)集中度企業(yè)中更加明顯。

五、影響路徑研究

根據(jù)前文分析，企業(yè)數(shù)字化轉(zhuǎn)型通過降低信息不對稱、提升股票流動性和創(chuàng)新水平三條路徑降低公司權(quán)益資本成本。為了證實上述傳導(dǎo)路徑，本文參考溫忠麟和葉寶娟（2014）[39]的做法，構(gòu)建模型（7）、模型（8）和模型（9），使用逐步法檢驗中介效應(yīng)。另外，以sobel法以及Bootstrap法（抽取自助樣本1000次）作為中介效應(yīng)檢測的補充，判斷中介效應(yīng)存在的穩(wěn)定性。

其中，[Mediator]為中介變量，包括信息不對稱指數(shù)（ASY）、股票流動性指數(shù)（Roll）和企業(yè)創(chuàng)新指標（RD）?；貧w結(jié)果見表11。同時，考慮到傳導(dǎo)的時滯以及變量之間可能存在的反向因果干擾，本文將自變量前置一期處理（fDCGI）及因變量滯后一期處理（lCOC），中介變量和控制變量仍為本期數(shù)據(jù)，回歸結(jié)果見表12。

表11和表12的第（1）列中企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)顯著為負，表明數(shù)字化轉(zhuǎn)型能在一定程度上通過信息賦能降低企業(yè)的信息不對稱水平。表11的第（2）列報告了中介效應(yīng)檢驗結(jié)果，可以看出加入中介變量信息不對稱之后，企業(yè)數(shù)字化轉(zhuǎn)型系數(shù)為-0.018，T值為-6.90，在1%水平顯著，并且Sobel檢驗和Bootstrap檢驗均顯示傳導(dǎo)機制有效。表12第（2）列顯示，將自變量前置一期處理及因變量滯后一期處理后系數(shù)仍然顯著， Sobel檢驗與Bootstrap檢測均通過。該分析證實，企業(yè)數(shù)字化轉(zhuǎn)型對權(quán)益資本成本的影響部分是通過信息不對稱這一中介變量實現(xiàn)的，信息不對稱性降低是降低權(quán)益資本成本的一條路徑 ，也驗證了本文的假設(shè)H2a。

表11和表12的第（3）列中企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)顯著為正，表明企業(yè)數(shù)字化轉(zhuǎn)型能提高股票流動性。從表11第（4）列結(jié)果可以看出，加入中介變量股票流動性之后，企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)為-0.017，T值為-6.44，在1%水平顯著。進一步地，Sobel檢驗和Bootstrap檢驗結(jié)果均顯示傳導(dǎo)機制有效。表12第（4）列顯示，將自變量前置一期處理及因變量滯后一期處理后系數(shù)仍然顯著， Sobel檢驗與Bootstrap檢測均通過，系數(shù)均顯著。該分析證實，企業(yè)數(shù)字化轉(zhuǎn)型對權(quán)益資本成本的影響部分是通過股票流動性這一中介變量實現(xiàn)的，股票流動性的提高是降低權(quán)益資本成本的一條路徑 ，也驗證了本文的假設(shè)H2b。

同理，表11和表12的第（5）和（7）列回歸結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型的系數(shù)均顯著為正，說明數(shù)字化轉(zhuǎn)型可以促進研發(fā)人員占比和研發(fā)投入占比的上升，增強企業(yè)創(chuàng)新水平。從表11的第（6）、（8）列可知，加入中介變量創(chuàng)新水平之后，數(shù)字化轉(zhuǎn)型的系數(shù)仍然顯著為負，并且Sobel檢驗和Bootstrap檢驗均顯示傳導(dǎo)機制有效。將自變量前置一期處理及因變量滯后一期處理后仍然顯著存在中介效應(yīng)。該分析證實，企業(yè)數(shù)字化轉(zhuǎn)型對權(quán)益資本成本的影響部分是通過創(chuàng)新水平這一中介變量實現(xiàn)的，創(chuàng)新水平的提升是降低權(quán)益資本成本的一個路徑 ，也驗證了本文的假設(shè)H2c。

六、結(jié)論

本文基于Python爬蟲和文本分析技術(shù)自行構(gòu)建中國“企業(yè)數(shù)字化轉(zhuǎn)型”指標，以2010—2021年A股上市公司為樣本，實證檢驗了企業(yè)數(shù)字化轉(zhuǎn)型對權(quán)益資本成本的影響與作用機制，得出以下結(jié)論：第一，企業(yè)數(shù)字化轉(zhuǎn)型可以顯著降低權(quán)益資本成本；第二，企業(yè)數(shù)字化轉(zhuǎn)型可以通過降低信息不對稱、提升股票流動性以及提升企業(yè)的創(chuàng)新水平等渠道促進權(quán)益資本成本的下降；第三，異質(zhì)性研究發(fā)現(xiàn)，對于非國有企業(yè)、低股權(quán)集中度企業(yè)和高行業(yè)集中度企業(yè)，數(shù)字化轉(zhuǎn)型對企業(yè)權(quán)益資本成本的降低作用更顯著?；谝陨涎芯拷Y(jié)論，主要有以下政策啟示：

對企業(yè)而言，應(yīng)重視數(shù)字化轉(zhuǎn)型對權(quán)益資本成本的降低作用。首先，應(yīng)加快企業(yè)的數(shù)字化發(fā)展，樹立轉(zhuǎn)型意識。企業(yè)應(yīng)當思考如何從數(shù)字化轉(zhuǎn)型中獲得競爭力，加大對核心技術(shù)、基礎(chǔ)軟件的研發(fā)力度，通過運用新興技術(shù)，促進企業(yè)實現(xiàn)智能化發(fā)展，將數(shù)字技術(shù)轉(zhuǎn)化為自身的競爭力。其次，重視數(shù)字化人才培養(yǎng)。企業(yè)應(yīng)加強對現(xiàn)有員工的數(shù)字化培訓(xùn)，引導(dǎo)員工緊跟數(shù)字時代化進程提高數(shù)字技能，在此基礎(chǔ)上，大力引進數(shù)字技術(shù)高端人才，為企業(yè)發(fā)展及技術(shù)創(chuàng)新注入更多能量。最后，進一步完善企業(yè)的信息質(zhì)量。由于數(shù)字化轉(zhuǎn)型能緩解信息不對稱，降低信息成本，因此，企業(yè)應(yīng)進一步提升信息質(zhì)量，以便更好地保障投資者權(quán)益，完善資本市場的信息效應(yīng)。

對政府而言，應(yīng)采取一系列措施促進企業(yè)數(shù)字化變革，為其數(shù)字化進程保駕護航。首先，不斷加強數(shù)字基礎(chǔ)設(shè)施建設(shè)，平衡區(qū)域數(shù)字發(fā)展水平。數(shù)字基礎(chǔ)設(shè)施的完善有助于增強各區(qū)域數(shù)字技術(shù)創(chuàng)新動力，有效融合數(shù)字經(jīng)濟和實體經(jīng)濟，從而為打通經(jīng)濟社會發(fā)展的信息“大動脈”貢獻重要力量。其次，政府應(yīng)加大對數(shù)字化企業(yè)的扶持力度，激勵數(shù)字技術(shù)與企業(yè)產(chǎn)品服務(wù)深度融合，推動傳統(tǒng)企業(yè)轉(zhuǎn)型升級。最后，政府應(yīng)不斷完善有關(guān)數(shù)字化發(fā)展的法律法規(guī)，為企業(yè)數(shù)字化轉(zhuǎn)型營造更好的制度環(huán)境。特別地，針對數(shù)字化信息技術(shù)和數(shù)據(jù)等知識產(chǎn)權(quán)，應(yīng)加大保護力度，助力企業(yè)高質(zhì)量發(fā)展。

注：

①MPEG模型得到的權(quán)益資本成本為[rMPEG=dpst+12Pt+（dpst+12Pt）2+epst+2-epst+1Pt]? ，其中，[epst+2] 為分析師預(yù)測的第[t+2]期每股收益均值，[epst+1] 為分析師預(yù)測的第[t+1]期每股收益均值，[Pt]為第[t]期期末的每股價格， [dpst+1]為下一期的每股股利，[dpst+1=epst+1×k]，[k]為過去三年的平均股利支付率。

OJ模型得到的權(quán)益資本成本為[roj=A+A2+eps1P0（g2-（γ-1））]，[A=12（γ-1）+dps1P0]，[g2=eps2eps1-1]。其中，[eps2]和[eps1]分別為分析師對第一期和第二期預(yù)測的每股收益；[dps1=eps1×k]，[k]為過去三年平均股利支付率；長期增長率[gp=γ-1]。

參考文獻：

[1]Sadeghi V J，A Garcia-perez，E Candelo. 2021. Exploring the Impact of Digital Transformation on Technology Entrepreneurship and Technological Market Expansion：The Role of Technology Readiness， Exploration and Exploitation[J].Journal of Business Research， 124.

[2] 張永珅，李小波，邢銘強.企業(yè)數(shù)字化轉(zhuǎn)型與審計定價 [J].審計研究，2021，（03）.

[3]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）.

[4]毛新述，葉康濤，張頔.上市公司權(quán)益資本成本的測度與評價——基于我國證券市場的經(jīng)驗檢驗 [J].會計研究，2012，（11）.

[5]王化成，張修平，侯粲然，李昕宇.企業(yè)戰(zhàn)略差異與權(quán)益資本成本——基于經(jīng)營風(fēng)險和信息不對稱的中介效應(yīng)研究 [J].中國軟科學(xué)，2017，（09）.

[6]張修平，李昕宇，盧闖，宋秀慧.資產(chǎn)質(zhì)量影響企業(yè)權(quán)益資本成本嗎？ [J].會計研究，2020，（02）.

[7]戚聿東，孫昌玲，王化成.企業(yè)核心競爭力能夠降低權(quán)益資本成本嗎——基于文本分析的經(jīng)驗證據(jù) [J].會計研究，2021，（08）.

[8]La Porta R，Lopez-de-silanes F，Shleifer A，Vishny R. 2002. Investor Protection and Corporate Valuation [J]. The Journal of Finance，57（3）.

[9]Hail L，Leuz C. 2006. International Differences in the Cost of Equity Capital：Do Legal Institutions and Securities Regulation Matter？ [J].Journal of Accounting Research， 44（3）.

[10]肖作平，周嘉嘉.制度環(huán)境和權(quán)益資本成本——來自中國省際數(shù)據(jù)的比較研究 [J].證券市場導(dǎo)報，2012，（08）.

[11]廖義剛.環(huán)境不確定性、內(nèi)部控制質(zhì)量與權(quán)益資本成本 [J].審計與經(jīng)濟研究，2015，30（03）.

[12]Chen K C W，Chen Z，Wei K C. 2009. Legal Protection of Investors， Corporate Governance， and the Cost of Equity Capital [J].Journal of Corporate Finance，15（3）.

[13]支曉強，何天芮.信息披露質(zhì)量與權(quán)益資本成本[J].中國軟科學(xué)，2010，（12）.

[14]周嘉南，雷霆.股權(quán)激勵影響上市公司權(quán)益資本成本了嗎？ [J].管理評論，2014，26（03）.

[15]代昀昊.機構(gòu)投資者、所有權(quán)性質(zhì)與權(quán)益資本成本 [J].金融研究，2018，（09）.

[16]韋誼成，劉小瑜，何帆.數(shù)字化轉(zhuǎn)型與公司治理水平研究——來自A股主板上市公司的經(jīng)驗證據(jù) [J].金融發(fā)展研究，2022，（03）.

[17]盛思思，徐展.區(qū)域數(shù)字經(jīng)濟發(fā)展與企業(yè)融資約束 [J].工業(yè)技術(shù)經(jīng)濟，2022，41（01）.

[18]Coles J L，Loewenstein U，Suay J. 1995. On Equilibrium Pricing Under Parameter Uncertainty [J].Journal of Financial and Quantitative Analysis，30（3）.

[19]陳輝，顧乃康.新三板做市商制度、股票流動性與證券價值 [J].金融研究，2017，（04）.

[20]Amihud Y，Mendelson H. 2006. Asset Pricing and the Bid-ask Spread [J]. Journal of Financial Economics，9.

[21]Easley D，O'hara M. 2004. Information and the Cost of Capital [J].The Journal of Finance，59（4）.

[22]Diamond D W，Verrecchia R E. 1991. Disclosure， Liquidity，and the Cost of Capital [J].Journal of Finance，46（4） ．

[23]周銘山，張倩倩，楊丹.創(chuàng)業(yè)板上市公司創(chuàng)新投入與市場表現(xiàn)：基于公司內(nèi)外部的視角 [J].經(jīng)濟研究，2017，52（11）.

[24]何帆，劉紅霞.數(shù)字經(jīng)濟視角下實體企業(yè)數(shù)字化變革的業(yè)績提升效應(yīng)評估 [J].改革，2019，（04）.

[25]安同良，聞銳.中國企業(yè)數(shù)字化轉(zhuǎn)型對創(chuàng)新的影響機制及實證 [J].現(xiàn)代經(jīng)濟探討，2022，（05）.

[26]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，2021，（09）.

[27]Easton P D. 2004. Pe Ratios，Peg Ratios，and Estimating the Implied Expected Rate of Return on Equity Capital [J].The? Accounting Review，79（1）.

[28]肖作平.終極所有權(quán)結(jié)構(gòu)對權(quán)益資本成本的影響——來自中國上市公司的經(jīng)驗證據(jù) [J].管理科學(xué)學(xué)報，2016，19（01）.

[29]宋敏，周鵬，司海濤. 金融科技與企業(yè)全要素生產(chǎn)率——“賦能”和信貸配給的視角 [J].中國工業(yè)經(jīng)濟，2021（04）.

[30]于蔚，汪淼軍，金祥榮.政治關(guān)聯(lián)和融資約束：信息效應(yīng)與資源效應(yīng) [J].經(jīng)濟研究，2012，47（09）.

[31]Roll R. 1984. A Simple Implicit Measure of the Effective Bid-ask Spread in an Efficient Market [J].The Journal of? Finance，39（4）.

[32]Goyenko R Y，Holden C W，Trzcinka C A. 2009. Do Liquidity Measures Measure Liquidity？ [J].Journal of Financial Economics，92（2）.

[33]張崢，李怡宗，張玉龍，劉翔.中國股市流動性間接指標的檢驗——基于買賣價差的實證分析 [J].經(jīng)濟學(xué)，2014，13（01）.

[34]李壽喜，王袁晗.企業(yè)數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新——來自電子制造業(yè)的經(jīng)驗證據(jù) [J].工業(yè)技術(shù)經(jīng)濟，2022，41（08）.

[35]郭照蕊，黃俊.高鐵時空壓縮效應(yīng)與公司權(quán)益資本成本——來自A股上市公司的經(jīng)驗證據(jù) [J].金融研究，2021，（07）.

[36]鄭建明，李金甜，劉琳.新三板做市交易提高流動性了嗎？——基于“流動性悖論”的視角 [J].金融研究，2018，（04）.

[37] 黃節(jié)根，吉祥熙，李元旭.數(shù)字化水平對企業(yè)創(chuàng)新績效的影響研究——來自滬深A(yù)股上市公司的經(jīng)驗證據(jù)[J].江西社會科學(xué)，2021，41（05）.

[38] 宋麗穎，楊潭.財政補貼、行業(yè)集中度與高技術(shù)企業(yè)R&D投入的非線性關(guān)系實證研究 [J].財政研究，2016，（07）.

[39]溫忠麟，葉寶娟.中介效應(yīng)分析：方法和模型發(fā)展[J].心理科學(xué)進展，2014，22（05）.

基金項目：國家社會科學(xué)基金項目“中國外匯衍生品監(jiān)管指數(shù)構(gòu)建、監(jiān)管效果及監(jiān)管優(yōu)化研究”（20BJY260）。

作者簡介：趙峰，男，山東德州人，北京工商大學(xué)國際經(jīng)管學(xué)院教授，博士生導(dǎo)師，研究方向為資本市場、金融科技、國際金融和外匯風(fēng)險管理；高嬌嬌，女，河南周口人，北京工商大學(xué)經(jīng)濟學(xué)院，研究方向為資本市場、金融科技和公司金融；唐昭輝，男，湖南郴州人，北京工商大學(xué)經(jīng)濟學(xué)院，研究方向為金融科技、資本市場和公司金融。

Abstract：Digital transformation has had a positive impact on the business and has contributed to its growth to some extent. Previous literature focused on the impact of digital transformation on corporate performance and investment efficiency，but paid less attention to the impact on corporate equity capital cost. Based on Python crawler and text analysis technology，this paper builds China's "enterprise digital transformation index" by taking A-share listed companies from 2010 to 2021 as samples. The study finds that digital transformation of firms can contribute to a reduction in the cost of equity capital，a finding that still holds after a series of robustness tests. In terms of impact mechanisms，the digital transformation of firms can contribute to a reduction in the cost of equity capital through channels such as reducing information asymmetry，enhancing stock liquidity，and improving firms' innovation levels. Further study finds that the effect of corporate digital transformation on the reduction of cost of equity capital is more significant for non-state owned enterprises，low equity concentration enterprises and high industry concentration enterprises.

Key Words：digital transformation of enterprises，cost of equity capital，asymmetric information，stock liquidity，innovation level

（責(zé)任編輯? ? 劉? ?陽；校對? ?LY，WY）