李宏寅

(遼寧大學(xué)經(jīng)濟(jì)學(xué)院，遼寧 沈陽(yáng) 110036)

一、引 言

當(dāng)前，數(shù)字經(jīng)濟(jì)已成為世界經(jīng)濟(jì)發(fā)展新引擎，是新一輪國(guó)際競(jìng)爭(zhēng)重點(diǎn)領(lǐng)域，隨著大數(shù)據(jù)、人工智能、云計(jì)算、區(qū)塊鏈等數(shù)字技術(shù)的飛速發(fā)展，數(shù)據(jù)成為貫穿經(jīng)濟(jì)社會(huì)活動(dòng)的關(guān)鍵生產(chǎn)要素。黨中央和國(guó)務(wù)院高度重視數(shù)字經(jīng)濟(jì)的培育和建設(shè)，要求加快發(fā)展先進(jìn)制造業(yè)，推動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實(shí)體經(jīng)濟(jì)深度融合。2022年《政府工作報(bào)告》提出，要促進(jìn)數(shù)字經(jīng)濟(jì)發(fā)展，加強(qiáng)數(shù)字中國(guó)建設(shè)整體布局，建設(shè)數(shù)字信息基礎(chǔ)設(shè)施，促進(jìn)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型。在國(guó)家政策驅(qū)動(dòng)及全球經(jīng)濟(jì)面臨重大不確定性的現(xiàn)實(shí)困境下，數(shù)字化轉(zhuǎn)型無(wú)疑成為企業(yè)高質(zhì)量發(fā)展的必然選擇。

股票市場(chǎng)作為我國(guó)市場(chǎng)經(jīng)濟(jì)的重要組成部分，其繁榮穩(wěn)定對(duì)金融風(fēng)險(xiǎn)防控及實(shí)體經(jīng)濟(jì)的健康發(fā)展至關(guān)重要。股價(jià)崩盤不僅損害投資者利益、降低資源配置效率，也嚴(yán)重威脅國(guó)家經(jīng)濟(jì)安全，探索影響股價(jià)崩盤風(fēng)險(xiǎn)的機(jī)制對(duì)于保護(hù)投資者利益、優(yōu)化市場(chǎng)資源配置以及防止發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)具有重要的理論和現(xiàn)實(shí)意義。

隨著企業(yè)數(shù)字化轉(zhuǎn)型的不斷深入，數(shù)字技術(shù)逐漸融入企業(yè)生產(chǎn)、經(jīng)營(yíng)及管理的各個(gè)環(huán)節(jié)，在重塑及改善商業(yè)模式的同時(shí)也會(huì)影響其資本市場(chǎng)表現(xiàn)[1]。股價(jià)崩盤風(fēng)險(xiǎn)作為資本市場(chǎng)核心議題之一，是企業(yè)經(jīng)營(yíng)績(jī)效、內(nèi)部治理及信息環(huán)境等的綜合映射，也會(huì)在一定程度上反映其數(shù)字化轉(zhuǎn)型成效?，F(xiàn)有研究發(fā)現(xiàn)，引起股價(jià)崩盤的因素主要包括委托代理問題[2]、信息環(huán)境[3]及外部治理[4]等方面，深層次原因則是管理層出于自利動(dòng)機(jī)而隱藏壞消息的行為[5][6]?，F(xiàn)有企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)研究發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型能夠促進(jìn)企業(yè)創(chuàng)新[7]，通過(guò)“降成本”“提效率”“強(qiáng)創(chuàng)新”的機(jī)制提升實(shí)體經(jīng)濟(jì)運(yùn)行質(zhì)效[8][9]，減少市場(chǎng)摩擦和信息不對(duì)稱[10]，這為企業(yè)數(shù)字化轉(zhuǎn)型抑制股價(jià)崩盤風(fēng)險(xiǎn)提供了初步證據(jù)。與此同時(shí)，企業(yè)數(shù)字化轉(zhuǎn)型正處于當(dāng)下社會(huì)建設(shè)熱點(diǎn)，為了吸引投資者注意，企業(yè)熱衷于通過(guò)定期報(bào)告及媒體投放其轉(zhuǎn)型信息以抬高投資者預(yù)期，這種正向“曝光效應(yīng)”在增加股票交易概率[11]的同時(shí)，也為管理層提供了信息操縱的可能，即通過(guò)夸大正面信息加劇股價(jià)崩盤風(fēng)險(xiǎn)[12]。綜上可知，企業(yè)數(shù)字化轉(zhuǎn)型是否能抑制股價(jià)崩盤風(fēng)險(xiǎn)尚無(wú)定論。因此，本文擬使用滬深A(yù)股上市公司相關(guān)數(shù)據(jù)針對(duì)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響、傳導(dǎo)機(jī)制及外部條件進(jìn)行研究識(shí)別，為企業(yè)數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)績(jī)效與股價(jià)崩盤風(fēng)險(xiǎn)的影響因素提供新的經(jīng)驗(yàn)證據(jù)。

本文可能的邊際貢獻(xiàn)有：(1)利用Python文本分析方法構(gòu)建核心解釋變量，基于企業(yè)數(shù)字化轉(zhuǎn)型研究其對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響機(jī)理，豐富了數(shù)字化轉(zhuǎn)型和股價(jià)崩盤風(fēng)險(xiǎn)的相關(guān)研究，實(shí)證了企業(yè)數(shù)字化轉(zhuǎn)型影響股價(jià)崩盤風(fēng)險(xiǎn)這一新因素。(2)從信息不對(duì)稱、投資效率及企業(yè)創(chuàng)新等角度對(duì)企業(yè)數(shù)字化轉(zhuǎn)型影響股價(jià)崩盤風(fēng)險(xiǎn)的機(jī)制進(jìn)行分析，為企業(yè)數(shù)字化轉(zhuǎn)型績(jī)效的微觀經(jīng)濟(jì)傳導(dǎo)路徑提供了新啟示。(3)剖析了不同產(chǎn)權(quán)性質(zhì)及數(shù)字環(huán)境的異質(zhì)性影響，對(duì)驅(qū)動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型和維系資本市場(chǎng)穩(wěn)定的相關(guān)政策制定具有一定現(xiàn)實(shí)意義。

二、理論分析與研究假說(shuō)

股價(jià)崩盤風(fēng)險(xiǎn)作為資本市場(chǎng)和資產(chǎn)定價(jià)領(lǐng)域的核心議題，對(duì)其形成機(jī)制目前已有大量文獻(xiàn)進(jìn)行探討，主流觀點(diǎn)認(rèn)為股價(jià)崩盤風(fēng)險(xiǎn)是企業(yè)管理層出于自利動(dòng)機(jī)，為獲得職務(wù)晉升[13]、維系職業(yè)前景[14][15]、保護(hù)薪酬待遇[16]和最大化股票期權(quán)價(jià)值[17]等目的隱藏公司負(fù)面信息，導(dǎo)致企業(yè)管理層與股東(投資者)之間信息不對(duì)稱而造成的。為了隱藏負(fù)面消息，企業(yè)管理層可能會(huì)進(jìn)行金融投機(jī)[18]、在職消費(fèi)[19]、避稅[6]和過(guò)度投資行為[20]，這加劇了信息不對(duì)稱，激化了股價(jià)崩盤風(fēng)險(xiǎn)。特別地，管理層被迫利用金融投機(jī)及過(guò)度投資等方式掩蓋企業(yè)負(fù)面信息也意味著企業(yè)可能正面臨著基本面惡化，傳統(tǒng)業(yè)務(wù)投資效率下降，新業(yè)務(wù)投資機(jī)會(huì)不足和缺乏創(chuàng)新等現(xiàn)實(shí)困境。

數(shù)字經(jīng)濟(jì)新格局中，數(shù)字化轉(zhuǎn)型是企業(yè)整合資源實(shí)現(xiàn)突破性創(chuàng)新的有力抓手，其內(nèi)涵是將大數(shù)據(jù)、人工智能、云計(jì)算、區(qū)塊鏈等數(shù)字技術(shù)與企業(yè)生產(chǎn)、經(jīng)營(yíng)及管理等環(huán)節(jié)進(jìn)行深度融合，挖掘數(shù)據(jù)新價(jià)值，達(dá)到在現(xiàn)有要素資源約束下拓展生產(chǎn)邊界的目的。有研究認(rèn)為，企業(yè)數(shù)字化轉(zhuǎn)型能夠降低商業(yè)活動(dòng)中的搜索成本和追蹤成本，緩解信息不對(duì)稱[21]，運(yùn)用大數(shù)據(jù)分析重塑商業(yè)模式[22]，進(jìn)而拓展投資機(jī)會(huì)，提升投資效率，激發(fā)創(chuàng)新潛能。由此推斷，企業(yè)數(shù)字化轉(zhuǎn)型的正向效應(yīng)可能會(huì)對(duì)其資本市場(chǎng)表現(xiàn)形成積極反饋，即通過(guò)優(yōu)化信息環(huán)境、改善基本面等渠道抑制股價(jià)崩盤風(fēng)險(xiǎn)。

企業(yè)數(shù)字化轉(zhuǎn)型能明顯改善信息不對(duì)稱，降低股價(jià)崩盤風(fēng)險(xiǎn)。在生產(chǎn)經(jīng)營(yíng)中，企業(yè)運(yùn)用數(shù)字技術(shù)建立OA辦公系統(tǒng)、移動(dòng)APP和智能終端，實(shí)現(xiàn)企業(yè)內(nèi)部、企業(yè)與客戶、企業(yè)與供應(yīng)鏈的高效無(wú)縫銜接，形成了完整的、良性的、有效的企業(yè)數(shù)據(jù)生態(tài)，在提升溝通效率的同時(shí)應(yīng)用云計(jì)算進(jìn)行海量沉淀數(shù)據(jù)整合處理，令信息披露更及時(shí)、充分和透明[23]。數(shù)字技術(shù)的應(yīng)用和數(shù)字化轉(zhuǎn)型程度的提高能夠增強(qiáng)企業(yè)對(duì)非結(jié)構(gòu)化和非標(biāo)準(zhǔn)化數(shù)據(jù)的處理能力[24]，使得企業(yè)內(nèi)部信息流轉(zhuǎn)更加通暢，在一定程度上緩和了經(jīng)理人和股東之間的利益沖突，在優(yōu)化企業(yè)內(nèi)部治理的同時(shí)抑制管理層盈余管理行為的動(dòng)機(jī)[25]。從外部監(jiān)督視角來(lái)看，一方面，企業(yè)能夠基于云計(jì)算與大數(shù)據(jù)處理等技術(shù)將數(shù)字終端的搜索、下載和瀏覽等非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行智能加工，以精準(zhǔn)匹配消費(fèi)者個(gè)人特征、偏好及習(xí)慣來(lái)推送或定制最具價(jià)值的信息和服務(wù)，緩解企客之間的信息不對(duì)稱。與此同時(shí)，通過(guò)提高與投資者之間的信息傳遞效率、關(guān)注網(wǎng)絡(luò)輿情來(lái)進(jìn)行針對(duì)性的信息披露，增強(qiáng)中小投資者群體的外部監(jiān)督。另一方面，企業(yè)數(shù)字化轉(zhuǎn)型順應(yīng)時(shí)代發(fā)展，處于政策“聚光燈”之下，更容易吸引投資者的關(guān)注，在企業(yè)能夠更好地處理與輸出有效信息的前提下，外部投資者的信息搜索成本大大降低，掌握的信息也更加充分，從而有效緩解企業(yè)與投資者之間的信息不對(duì)稱，加大了管理層隱藏負(fù)面消息的難度，進(jìn)而抑制股價(jià)崩盤風(fēng)險(xiǎn)。

企業(yè)數(shù)字化轉(zhuǎn)型能夠拓展投資機(jī)會(huì)、提高投資效率、激發(fā)創(chuàng)新潛能，從而改善企業(yè)基本面，達(dá)到降低股價(jià)崩盤風(fēng)險(xiǎn)的效果。大數(shù)據(jù)、人工智能與物聯(lián)網(wǎng)等新技術(shù)的運(yùn)用促進(jìn)了企業(yè)間的跨界融合，衍生出了大量新業(yè)態(tài)和新商機(jī)，有效拓展了企業(yè)的投資邊界。在此過(guò)程中，數(shù)字化轉(zhuǎn)型通過(guò)優(yōu)化人力資本結(jié)構(gòu)、整合產(chǎn)業(yè)鏈各環(huán)節(jié)、改進(jìn)業(yè)務(wù)流程、降低生產(chǎn)和交易成本，有效提升了全要素生產(chǎn)率[26]。更進(jìn)一步地，當(dāng)轉(zhuǎn)型進(jìn)程逐漸深入時(shí)，企業(yè)通過(guò)搜集與分析市場(chǎng)需求信息、敏銳把握市場(chǎng)機(jī)遇，可在既定資源約束下有效擴(kuò)展績(jī)效邊界，極大地改善自身運(yùn)作效率，從而避免投資不足或投資過(guò)度。企業(yè)數(shù)字化轉(zhuǎn)型通過(guò)加快企業(yè)信息化進(jìn)程、賦能傳統(tǒng)產(chǎn)業(yè)，不僅能驅(qū)動(dòng)自身技術(shù)創(chuàng)新，還能形成模式創(chuàng)新和體系創(chuàng)新，從而綜合提振企業(yè)的創(chuàng)新動(dòng)能[27]。特別地，企業(yè)設(shè)立數(shù)字化轉(zhuǎn)型戰(zhàn)略目標(biāo)后，為了契合市場(chǎng)需求和政策導(dǎo)向，往往會(huì)加大研發(fā)投入，當(dāng)研發(fā)投入取得創(chuàng)新成效獲得投資者認(rèn)可時(shí)，反過(guò)來(lái)又會(huì)刺激研發(fā)需求，進(jìn)而形成“研發(fā)—?jiǎng)?chuàng)新—研發(fā)”的良性循環(huán)。企業(yè)基本面向好能減少企業(yè)負(fù)面消息，減少管理層隱匿信息的可能性，從而抑制股價(jià)崩盤風(fēng)險(xiǎn)?；谝陨戏治?，本文提出假說(shuō)：企業(yè)數(shù)字化轉(zhuǎn)型能夠抑制股價(jià)崩盤風(fēng)險(xiǎn)。

三、研究設(shè)計(jì)

(一)數(shù)據(jù)來(lái)源

本文使用滬深A(yù)股上市公司2007—2021年的數(shù)據(jù)作為初始研究樣本，用當(dāng)年的企業(yè)數(shù)字化轉(zhuǎn)型解釋下一年的股價(jià)崩盤風(fēng)險(xiǎn)，所以股價(jià)崩盤風(fēng)險(xiǎn)指標(biāo)的樣本區(qū)間為2008—2021年，其他解釋變量的樣本區(qū)間為2007—2020年。本文對(duì)數(shù)據(jù)做了如下處理：(1)剔除期間ST、*ST、暫停上市和退市的股票；(2)剔除金融行業(yè)企業(yè)數(shù)據(jù)；(3)剔除當(dāng)年交易數(shù)不足30周的樣本；(4)剔除上市時(shí)間不滿一年的樣本；(5)剔除主要變量缺失的樣本。同時(shí)，對(duì)連續(xù)變量做前后1%的縮尾處理。最終得到22696個(gè)企業(yè)—年度數(shù)據(jù)。財(cái)務(wù)和交易數(shù)據(jù)來(lái)自國(guó)泰安(CSMAR)數(shù)據(jù)庫(kù)，年報(bào)文本數(shù)據(jù)來(lái)自滬深證券交易所官網(wǎng)。

(二)變量設(shè)定

1.被解釋變量：股價(jià)崩盤風(fēng)險(xiǎn)。本文參考既有研究[6][17][28][29]，采用負(fù)收益偏態(tài)系數(shù)(NCSKEW)和股票收益上下波動(dòng)比率(DUVOL)來(lái)衡量股價(jià)崩盤風(fēng)險(xiǎn)，其構(gòu)建過(guò)程如下：

ri，j=α+β1rm，j-2+β2rm，j-1+β3rm，j+β4rm，j+1+β5rm，j+2+εi，j

(1)

其中，ri，j為股票i第j周的收益率；rm，j為第j周全市場(chǎng)流通市值加權(quán)平均收益率，考慮到個(gè)股非同步性交易，rm，j-2、rm，j-1為滯后一、二期，rm，j+1、rm，j+2為超前一、二期。按式(1)回歸后，取殘差項(xiàng)計(jì)算股票i第j周的特有收益率(wi，j)：wi，j=ln (1+εi，j)。

(2)

其中，n為股票i第t年的交易周數(shù)。按式(2)計(jì)算股票i第t年負(fù)收益偏態(tài)系數(shù)(NCSKEW)，數(shù)值越大，股價(jià)崩盤風(fēng)險(xiǎn)越高。

(3)

根據(jù)式(3)計(jì)算股票i第t年收益上下波動(dòng)比率(DUVOL)，式中nu和nd分別表示個(gè)股周特質(zhì)收益率大于和小于年平均收益率的周數(shù)。收益上下波動(dòng)比率數(shù)值越大，股價(jià)崩盤風(fēng)險(xiǎn)越高。

本文以未來(lái)一期的負(fù)收益偏態(tài)系數(shù)(FNCSKEW)和收益上下波動(dòng)率(FDUVOL)作為被解釋變量。

2.核心解釋變量：企業(yè)數(shù)字化轉(zhuǎn)型(DTC)。參考既有研究[26][30][31]，本文利用Python語(yǔ)言對(duì)滬深A(yù)股上市公司年報(bào)所披露的“數(shù)字化轉(zhuǎn)型”相關(guān)關(guān)鍵詞分成人工智能技術(shù)、區(qū)塊鏈技術(shù)、云計(jì)算技術(shù)、大數(shù)據(jù)技術(shù)及數(shù)字技術(shù)應(yīng)用5大類74項(xiàng)進(jìn)行文本識(shí)別，搜索、匹配并加總詞頻，用詞頻總數(shù)加1取對(duì)數(shù)構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型這一關(guān)鍵解釋變量。具體關(guān)鍵詞詞庫(kù)見表1。

表1 企業(yè)數(shù)字化轉(zhuǎn)型文本詞庫(kù)

(三)模型設(shè)定

為了研究企業(yè)數(shù)字化轉(zhuǎn)型對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響，本文構(gòu)建回歸模型：

Crashi，t+1=β0+β1DTCi，t+γControli，t+θ∑Ind+δ∑Year+εi，t

(4)

其中，被解釋變量Crashi，t+1為企業(yè)i第t+1年的股價(jià)崩盤風(fēng)險(xiǎn)，DTCi，t為企業(yè)i第t年的數(shù)字化轉(zhuǎn)型程度。參考既有研究，本文在回歸方程中加入了如下控制變量(Controli，t)：(1)企業(yè)年換手率的變化(Dturn)，股票i第t年與第t-1年換手率之差/第t年的換手率；(2)企業(yè)年齡(Age)，第t年減去企業(yè)上市年度加1后取對(duì)數(shù)；(3)股票回報(bào)率(Ret)，股票i周特有收益的年平均值；(4)股票波動(dòng)率(Sigma)，股票i第t年周特有收益的標(biāo)準(zhǔn)差；(5)企業(yè)規(guī)模(Size)，企業(yè)i第t年期末總資產(chǎn)取對(duì)數(shù)；(6)資產(chǎn)負(fù)債率(Lev)，企業(yè)i第t年期末總負(fù)債/總資產(chǎn)；(7)總資產(chǎn)收益率(Roa)，企業(yè)i第t年期末凈利潤(rùn)與總資產(chǎn)之比；(8)市賬比(MB)，股票i第t年期末流通市值和賬面價(jià)值之比；(9)負(fù)收益偏態(tài)系數(shù)(NCSKEW)，股票i第t年的負(fù)收益偏態(tài)系數(shù)；(10)第一大股東持股比例(Top1)，股票i第t年第一大股東持股比例乘以100；(11)兩職合一(Same)，如果董事長(zhǎng)兼任總經(jīng)理，取值為1，否則取值為0。Ind、Year分別為行業(yè)、年度固定效應(yīng)。εi，t為隨機(jī)擾動(dòng)項(xiàng)。本文回歸使用企業(yè)層面的聚類穩(wěn)健標(biāo)準(zhǔn)誤。

本文實(shí)證部分重點(diǎn)考察回歸系數(shù)β1的符號(hào)和顯著性，以判斷企業(yè)數(shù)字化轉(zhuǎn)型對(duì)股價(jià)崩盤風(fēng)險(xiǎn)是抑制還是加劇。如果本文假說(shuō)成立，則β1應(yīng)顯著為負(fù)。表2匯報(bào)了主要變量的描述性統(tǒng)計(jì)結(jié)果。

表2 主要變量描述性統(tǒng)計(jì)

四、實(shí)證結(jié)果與分析

(一)基準(zhǔn)回歸分析

本文采用遞進(jìn)式的回歸策略檢驗(yàn)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響。表3第(1)、(2)列中，企業(yè)數(shù)字化轉(zhuǎn)型(DTC)系數(shù)分別為-0.0145、-0.01，且均在1%水平下顯著。第(3)、(4)列加入了企業(yè)年換手率的變化(Dturn)、企業(yè)年齡(Age)、股票回報(bào)率(Ret)和股票波動(dòng)率(Sigma)四個(gè)控制變量，企業(yè)數(shù)字化轉(zhuǎn)型(DTC)系數(shù)分別為-0.0162、-0.0111，且依然在1%水平下顯著。第(5)、(6)列中進(jìn)一步加入其余控制變量，企業(yè)數(shù)字化轉(zhuǎn)型(DTC)系數(shù)分別為-0.0185、-0.0103，且依然在1%水平下顯著。這說(shuō)明企業(yè)數(shù)字化轉(zhuǎn)型程度越高，越能抑制股價(jià)崩盤風(fēng)險(xiǎn)，本文假說(shuō)得到了驗(yàn)證。大多數(shù)控制變量的回歸系數(shù)符號(hào)及顯著性都和既有研究一致，說(shuō)明本文的基準(zhǔn)回歸結(jié)果是可靠的。

表3 企業(yè)數(shù)字化轉(zhuǎn)型與股價(jià)崩盤風(fēng)險(xiǎn)

(二)穩(wěn)健性檢驗(yàn)

1.更換被解釋變量?；鶞?zhǔn)回歸中使用的負(fù)收益偏態(tài)系數(shù)和收益上下波動(dòng)比率是基于目前學(xué)術(shù)界主流方法計(jì)算得到的，考慮到中國(guó)股市中各個(gè)子市場(chǎng)(滬深主板、創(chuàng)業(yè)板、科創(chuàng)板)特質(zhì)差異較大，此處使用分市場(chǎng)負(fù)收益偏態(tài)系數(shù)(DNCSKEW)和分市場(chǎng)收益上下波動(dòng)比率(DDUVOL)對(duì)被解釋變量進(jìn)行替換。以股票i為例：如果股票i屬于主板，則計(jì)算周特有收益率(wi，j)時(shí)使用對(duì)應(yīng)主板市場(chǎng)流通市值加權(quán)平均收益率；如果股票i屬于創(chuàng)業(yè)板，則計(jì)算周特有收益率(wi，j)時(shí)使用創(chuàng)業(yè)板市場(chǎng)流通市值加權(quán)平均收益率。

2.傾向得分匹配(PSM)檢驗(yàn)?？紤]到進(jìn)行數(shù)字化轉(zhuǎn)型的企業(yè)并不是隨機(jī)產(chǎn)生的，為了克服這樣的內(nèi)生性問題，本文從沒有進(jìn)行數(shù)字化轉(zhuǎn)型的企業(yè)中選取那些與進(jìn)行數(shù)字化轉(zhuǎn)型的企業(yè)在主要控制變量上相似的企業(yè)構(gòu)建對(duì)照組來(lái)進(jìn)行檢驗(yàn)。對(duì)照組的構(gòu)建過(guò)程如下：首先估計(jì)Logit模型，被解釋變量為企業(yè)當(dāng)年是否進(jìn)行數(shù)字化轉(zhuǎn)型的虛擬變量，解釋變量為前文基準(zhǔn)回歸中的所有控制變量，計(jì)算出每個(gè)樣本進(jìn)行數(shù)字化轉(zhuǎn)型的傾向得分。然后使用一對(duì)一的K近鄰匹配法從當(dāng)年沒有進(jìn)行數(shù)字化轉(zhuǎn)型的樣本中選取傾向得分最近的樣本作為當(dāng)年進(jìn)行了數(shù)字化轉(zhuǎn)型樣本的對(duì)照組。

3.增加控制變量。在基準(zhǔn)回歸的基礎(chǔ)上參考相關(guān)研究[32][33]，加入其他控制變量來(lái)減小因遺漏變量問題造成的內(nèi)生性。具體包括：(1)機(jī)構(gòu)投資者持股比例，股票i第t年機(jī)構(gòu)投資者持股占比百分?jǐn)?shù)；(2)高管薪酬，股票i第t年管理層最高薪酬前三名總額加1取對(duì)數(shù)；(3)管理層持股，管理層持股比例百分?jǐn)?shù)。

4.樣本自選擇問題。企業(yè)數(shù)字化轉(zhuǎn)型與股價(jià)崩盤風(fēng)險(xiǎn)的負(fù)向關(guān)系可能會(huì)受到樣本自選擇問題的影響，為了緩解此選擇性偏差，本文構(gòu)建了Heckman二階段模型。第一階段以企業(yè)當(dāng)年是否進(jìn)行數(shù)字化轉(zhuǎn)型的虛擬變量為被解釋變量構(gòu)建Probit回歸模型，并計(jì)算逆米爾斯比率(Inverse Mills Ratio)。第二階段將逆米爾斯比率作為控制變量放入原方程進(jìn)行回歸。

5.剔除特殊樣本。在樣本數(shù)據(jù)期間，2008年發(fā)生國(guó)際金融危機(jī)，2015年中國(guó)股市異常波動(dòng)。為避免異常行情對(duì)研究結(jié)果造成的影響，借鑒梁上坤等(2020)[34]的研究，本文剔除2008年及2015年的數(shù)據(jù)后重新進(jìn)行檢驗(yàn)。

6.工具變量檢驗(yàn)。盡管基準(zhǔn)回歸分析中采用第t期企業(yè)數(shù)字化轉(zhuǎn)型對(duì)第t+1期股價(jià)崩盤風(fēng)險(xiǎn)進(jìn)行解釋能夠在一定程度上對(duì)反向因果關(guān)系造成的內(nèi)生性進(jìn)行緩解，但是為了進(jìn)一步克服潛在的內(nèi)生性問題，本文參考彭俞超等(2018)[18]的研究，構(gòu)建了三個(gè)工具變量：一是企業(yè)i同行業(yè)其他企業(yè)數(shù)字化轉(zhuǎn)型(DTC)的平均值，二是企業(yè)i同省份其他企業(yè)DTC的平均值，三是企業(yè)i同城市其他企業(yè)DTC的平均值。一般而言，同行業(yè)、同省份及同城市其他企業(yè)數(shù)字化轉(zhuǎn)型的平均值與該企業(yè)數(shù)字化轉(zhuǎn)型程度相關(guān)，但不會(huì)直接影響該企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)。經(jīng)檢驗(yàn)，這三個(gè)工具變量滿足相關(guān)性要求且不存在弱工具變量問題，工具變量的外生性在統(tǒng)計(jì)意義上得到滿足。

穩(wěn)健性檢驗(yàn)結(jié)果顯示(1)限于篇幅，具體結(jié)果未報(bào)告，作者備索。，企業(yè)數(shù)字化轉(zhuǎn)型能顯著抑制股價(jià)崩盤風(fēng)險(xiǎn)，說(shuō)明基準(zhǔn)回歸結(jié)果是可靠的。

五、機(jī)制檢驗(yàn)

(一)緩解信息不對(duì)稱

企業(yè)信息披露質(zhì)量越低，投資者越難準(zhǔn)確掌握企業(yè)真實(shí)情況。投資者與管理層之間的信息不對(duì)稱造成股價(jià)長(zhǎng)期偏離企業(yè)基本面，當(dāng)壞消息積聚超過(guò)承受閾值，引發(fā)股價(jià)崩盤。財(cái)務(wù)信息是投資者進(jìn)行投資決策時(shí)重要的參考依據(jù)，大量研究發(fā)現(xiàn)，信息披露質(zhì)量尤其是財(cái)務(wù)信息透明度是誘發(fā)股價(jià)崩盤風(fēng)險(xiǎn)的重要因素[5][28][35][36]。本文參考Kim和Zhang(2014)的研究，采用盈余管理指標(biāo)刻畫信息披露質(zhì)量[3]。為了進(jìn)一步保證研究結(jié)果的穩(wěn)健性，本文使用真實(shí)盈余管理(REM)和應(yīng)計(jì)盈余管理(ACC)兩個(gè)指標(biāo)，其中應(yīng)計(jì)盈余管理(ACC)為修正Jones模型計(jì)算所得。兩個(gè)指標(biāo)的絕對(duì)值越大，代表信息披露質(zhì)量越低。表4第(1)、(2)列中，企業(yè)數(shù)字化轉(zhuǎn)型(DTC)系數(shù)均顯著為負(fù)，意味著企業(yè)數(shù)字化轉(zhuǎn)型程度越高，信息披露質(zhì)量越高。由此可知，企業(yè)在推進(jìn)數(shù)字化轉(zhuǎn)型的進(jìn)程中，通過(guò)數(shù)字技術(shù)的應(yīng)用形成了完整的、良性的、有效的企業(yè)數(shù)據(jù)生態(tài)，改善了內(nèi)部溝通效率，提升了信息披露質(zhì)量，緩解了信息不對(duì)稱，進(jìn)而抑制股價(jià)崩盤風(fēng)險(xiǎn)。

表4 影響機(jī)制檢驗(yàn)

(二)改善企業(yè)基本面

1.投資效率。企業(yè)基本面惡化的表現(xiàn)之一是非效率投資，包括投資不足和投資過(guò)度。江軒宇和許年行(2015)發(fā)現(xiàn)，過(guò)度投資會(huì)加劇股價(jià)崩盤風(fēng)險(xiǎn)[37]，這為非效率投資引發(fā)股價(jià)崩盤提供了直接經(jīng)驗(yàn)證據(jù)。鑒于此，本文借鑒Richardson(2006)的研究，使用對(duì)第t年企業(yè)i新增投資支出回歸的殘差刻畫投資效率(Inef)，殘差絕對(duì)值越大意味著投資效率越低，殘差大于零屬于過(guò)度投資，殘差小于零屬于投資不足[38]。表4第(3)列結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型(DTC)系數(shù)在1%水平下顯著為負(fù)，表明企業(yè)數(shù)字化轉(zhuǎn)型能提高投資效率。企業(yè)數(shù)字化轉(zhuǎn)型能有效改善自身運(yùn)作效率，避免投資不足或投資過(guò)度，進(jìn)而抑制股價(jià)崩盤風(fēng)險(xiǎn)。

2.企業(yè)創(chuàng)新。企業(yè)基本面惡化通常還伴隨著創(chuàng)新不足，而企業(yè)創(chuàng)新性投資能夠改善企業(yè)績(jī)效，從而降低股價(jià)崩盤風(fēng)險(xiǎn)。本文使用創(chuàng)新投入(RD)作為企業(yè)創(chuàng)新的代理變量，以企業(yè)i第t年研發(fā)投入占營(yíng)業(yè)收入之比來(lái)衡量，其值越大代表企業(yè)創(chuàng)新能力和創(chuàng)新欲望越強(qiáng)。表4第(4)列結(jié)果顯示，企業(yè)數(shù)字化轉(zhuǎn)型(DTC)系數(shù)在1%水平下顯著為正，說(shuō)明企業(yè)數(shù)字化轉(zhuǎn)型通過(guò)加快企業(yè)信息化進(jìn)程、賦能傳統(tǒng)產(chǎn)業(yè)，形成了技術(shù)創(chuàng)新、模式創(chuàng)新和體系創(chuàng)新，刺激企業(yè)加大研發(fā)投入，激發(fā)企業(yè)創(chuàng)新潛能，最終降低股價(jià)崩盤風(fēng)險(xiǎn)。

六、拓展性分析

(一)產(chǎn)權(quán)性質(zhì)

考慮到中國(guó)的基本國(guó)情和經(jīng)濟(jì)制度，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響在不同產(chǎn)權(quán)性質(zhì)下可能會(huì)存在非對(duì)稱效果。本文把觀測(cè)數(shù)據(jù)劃分為國(guó)有企業(yè)和非國(guó)有企業(yè)2個(gè)子樣本進(jìn)行檢驗(yàn)。表5結(jié)果顯示，在國(guó)有企業(yè)組，企業(yè)數(shù)字化轉(zhuǎn)型(DTC)系數(shù)雖然為負(fù)，但不顯著異于零，而在非國(guó)有企業(yè)組，DTC系數(shù)均在1%水平下顯著為負(fù)，同時(shí)組間系數(shù)差異性檢驗(yàn)的P值至少在5%水平下顯著。這說(shuō)明企業(yè)數(shù)字化轉(zhuǎn)型對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響因產(chǎn)權(quán)性質(zhì)差異而存在非對(duì)稱性。一方面，國(guó)有企業(yè)較非國(guó)有企業(yè)在資源獲取及市場(chǎng)準(zhǔn)入方面有著得天獨(dú)厚的優(yōu)勢(shì)，導(dǎo)致市場(chǎng)敏感度較弱，缺乏數(shù)字化轉(zhuǎn)型的動(dòng)力和強(qiáng)烈意愿；另一方面，國(guó)有企業(yè)的性質(zhì)決定其運(yùn)行過(guò)程中不能僅強(qiáng)調(diào)經(jīng)營(yíng)和績(jī)效，還要凸顯社會(huì)責(zé)任和社會(huì)擔(dān)當(dāng)，因此，國(guó)有企業(yè)在數(shù)字化轉(zhuǎn)型過(guò)程中對(duì)“穩(wěn)健”的要求勝于對(duì)“速度”的追求。這些因素導(dǎo)致國(guó)有企業(yè)數(shù)字化轉(zhuǎn)型的績(jī)效傳導(dǎo)存在時(shí)滯，進(jìn)而與非國(guó)有企業(yè)在資本市場(chǎng)上有不同表現(xiàn)。

表5 產(chǎn)權(quán)性質(zhì)

(二)數(shù)字環(huán)境

企業(yè)數(shù)字化轉(zhuǎn)型不僅要靠?jī)?nèi)部數(shù)字技術(shù)驅(qū)動(dòng)，還要靠外部數(shù)字環(huán)境支撐。本文參考清華大學(xué)互聯(lián)網(wǎng)治理研究中心與伏羲智庫(kù)聯(lián)合發(fā)布的《中國(guó)城市資源數(shù)字化配置指數(shù)研究報(bào)告》，以樣本企業(yè)所在城市資源配置的數(shù)字化發(fā)展水平是否超過(guò)60分為標(biāo)準(zhǔn)，將樣本數(shù)據(jù)劃分為數(shù)字環(huán)境水平高與低兩個(gè)組別。具體而言，企業(yè)所在城市為杭州、北京、上海、廣州、深圳、寧波、成都和重慶的為數(shù)字環(huán)境水平高組別，其余為數(shù)字環(huán)境水平低組別。表6結(jié)果顯示，在數(shù)字環(huán)境水平高的組別中，企業(yè)數(shù)字化轉(zhuǎn)型(DTC)系數(shù)均在1%水平下顯著為負(fù)，數(shù)字環(huán)境水平低的組別DTC系數(shù)雖然為負(fù)，卻不顯著異于零，同時(shí)組間系數(shù)差異性檢驗(yàn)均在5%水平下拒絕組間系數(shù)不存在差異的原假設(shè)。這說(shuō)明包括數(shù)字基礎(chǔ)設(shè)施建設(shè)及配套政策支持等在內(nèi)的外部數(shù)字環(huán)境能對(duì)企業(yè)數(shù)字化轉(zhuǎn)型形成有力支撐，進(jìn)而抑制股價(jià)崩盤風(fēng)險(xiǎn)。

表6 數(shù)字環(huán)境

七、研究結(jié)論與政策啟示

隨著大數(shù)據(jù)、人工智能、云計(jì)算、區(qū)塊鏈等數(shù)字技術(shù)的發(fā)展，數(shù)字經(jīng)濟(jì)對(duì)社會(huì)發(fā)展各領(lǐng)域和全過(guò)程的滲透不斷深入，成為重塑中國(guó)經(jīng)濟(jì)結(jié)構(gòu)、重組企業(yè)要素資源、改變傳統(tǒng)業(yè)態(tài)的關(guān)鍵力量。本文以滬深A(yù)股上市公司2007—2021年的數(shù)據(jù)為樣本，通過(guò)Python文本分析方法構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型這一關(guān)鍵變量，實(shí)證檢驗(yàn)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響。研究發(fā)現(xiàn)：企業(yè)數(shù)字化轉(zhuǎn)型能顯著降低股價(jià)崩盤風(fēng)險(xiǎn)；機(jī)制檢驗(yàn)發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型通過(guò)提升企業(yè)信息披露質(zhì)量、緩解信息不對(duì)稱，以及提升投資效率、激發(fā)創(chuàng)新，從而改善企業(yè)基本面來(lái)抑制股價(jià)崩盤風(fēng)險(xiǎn)；進(jìn)一步研究發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響在非國(guó)有企業(yè)及外部數(shù)字環(huán)境發(fā)展水平較高的企業(yè)中更為顯著。

依據(jù)以上研究結(jié)果，本文得到如下政策啟示：第一，政府應(yīng)出臺(tái)鼓勵(lì)政策，推動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實(shí)體經(jīng)濟(jì)深度融合，完善5G、工業(yè)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)等新型基礎(chǔ)設(shè)施建設(shè)，增強(qiáng)數(shù)字政府效能，激發(fā)數(shù)字經(jīng)濟(jì)活力，不斷優(yōu)化數(shù)字營(yíng)商環(huán)境，同時(shí)對(duì)不同企業(yè)要遵循差異化原則，根據(jù)產(chǎn)權(quán)屬性、行業(yè)性質(zhì)及所處數(shù)字環(huán)境等具體情況規(guī)劃各具特色的數(shù)字化轉(zhuǎn)型之路。第二，企業(yè)要在數(shù)字經(jīng)濟(jì)革命和產(chǎn)業(yè)升級(jí)的時(shí)代大背景下勇于主動(dòng)出擊，不僅要重構(gòu)組織模式，打破時(shí)空限制，延伸產(chǎn)業(yè)鏈條，實(shí)現(xiàn)跨界發(fā)展，還要利用好大數(shù)據(jù)這一新型生產(chǎn)要素，改造升級(jí)傳統(tǒng)業(yè)務(wù)，努力激發(fā)創(chuàng)新潛能，提高投資效率，進(jìn)行高質(zhì)量信息披露，優(yōu)化內(nèi)部控制的同時(shí)有效增進(jìn)與外部投資者的互動(dòng)。第三，金融監(jiān)管機(jī)構(gòu)要進(jìn)一步提升資本市場(chǎng)的信息傳導(dǎo)效率，使企業(yè)數(shù)字化轉(zhuǎn)型成效在資本市場(chǎng)中及時(shí)且充分釋放，運(yùn)用大數(shù)據(jù)技術(shù)對(duì)虛假不實(shí)信息進(jìn)行有效識(shí)別，嚴(yán)懲信息操縱行為，以降低投資者信息搜集成本，提升市場(chǎng)有效性，使資本市場(chǎng)更好地服務(wù)實(shí)體經(jīng)濟(jì)。第四，投資者要借助數(shù)字經(jīng)濟(jì)的東風(fēng)，積極參與到上市公司治理當(dāng)中，加強(qiáng)自身信息鑒別能力，充分行使外部監(jiān)督職能，切實(shí)維護(hù)自身利益。