李政 趙軼薇 卜林

(天津財經(jīng)大學金融學院，天津 300222)

一、引言

在數(shù)字經(jīng)濟發(fā)展的大背景下，推動實體企業(yè)的數(shù)字化轉(zhuǎn)型成為建設(shè)制造業(yè)強國的必由之路。黨的二十大報告明確指出，“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”。當前，我國傳統(tǒng)產(chǎn)業(yè)正處于數(shù)字化轉(zhuǎn)型升級期，根據(jù)中國通信院發(fā)布的《中國數(shù)字經(jīng)濟發(fā)展研究報告(2023)》，2022年我國數(shù)字經(jīng)濟規(guī)模達到50.2萬億元，產(chǎn)業(yè)數(shù)字化規(guī)模達到41萬億元。然而，作為賦能傳統(tǒng)企業(yè)的新生產(chǎn)物，數(shù)字化轉(zhuǎn)型是一把“雙刃劍”，將對企業(yè)生產(chǎn)經(jīng)營帶來不確定性影響。雖然傳統(tǒng)企業(yè)在數(shù)字化轉(zhuǎn)型中可以借助外部信息資源與數(shù)字化平臺技術(shù)改善資源配置效率以及銷售決策，對其生產(chǎn)經(jīng)營活動進行優(yōu)化升級，但是企業(yè)的數(shù)字化轉(zhuǎn)型絕非易事，隨著數(shù)字化程度的加深，需要企業(yè)管理架構(gòu)以及人力、物力與之相匹配；并且數(shù)字化研發(fā)項目的不確定性和高額的長期投入很容易使企業(yè)陷入轉(zhuǎn)型失敗的困境，惡化企業(yè)資金狀況，進而引發(fā)金融市場風險聯(lián)動，提高企業(yè)尾部系統(tǒng)風險。

數(shù)字化轉(zhuǎn)型帶給企業(yè)經(jīng)營的不確定性，會影響企業(yè)信息披露質(zhì)量，使市場投資者與企業(yè)間的信息不對稱程度發(fā)生變動，進而映射至其金融市場表現(xiàn)。具體而言，當數(shù)字化轉(zhuǎn)型有效提高企業(yè)績效時，管理層利益得到保障，從而緩解了機會主義傾向和操弄盈余動機，提高企業(yè)信息披露的質(zhì)量。并且，數(shù)字化的本質(zhì)在于挖掘與傳遞信息，數(shù)字化轉(zhuǎn)型將促使企業(yè)信息管理趨向標準化、靈活化和高效化，提高市場投資者獲得企業(yè)信息的數(shù)量與質(zhì)量，緩解企業(yè)與投資者之間的信息不對稱程度(林川，2022；馬慧和陳勝藍，2022)，以此降低尾部系統(tǒng)風險。但是，2022年初“元宇宙”概念股在大漲后集體下跌，此類上市企業(yè)因蹭數(shù)字化熱點導致股價在短期內(nèi)異動的事件屢見不鮮。伴隨著數(shù)字化轉(zhuǎn)型的深入發(fā)展，企業(yè)信息披露中相關(guān)表述逐漸增多，部分企業(yè)甚至虛假美化數(shù)字化熱點信息，而投資者在過度關(guān)注數(shù)字化標簽的情況下甄別能力下降，難以識別企業(yè)信息披露中隱藏的壞消息(彭俞超等，2023)，短暫的股價上漲將形成泡沫，提高企業(yè)面臨的尾部系統(tǒng)風險。

企業(yè)數(shù)字化轉(zhuǎn)型引發(fā)的生產(chǎn)經(jīng)營效率以及信息傳遞質(zhì)量的不確定性問題，必然會蔓延至金融市場。在2008年金融危機、2015年股市異常波動以及2020年初受全球公共衛(wèi)生事件沖擊期間，我國A股市場多次出現(xiàn)千股跌?，F(xiàn)象，極端事件頻發(fā)表現(xiàn)出極強的尾部系統(tǒng)風險。黨的二十大報告強調(diào)，要“加強完善現(xiàn)代金融監(jiān)管，強化金融穩(wěn)定保障體系，依法將各類金融活動全部納入監(jiān)管體系，守住不發(fā)生系統(tǒng)性金融風險的底線”。目前僅有少數(shù)文獻探討了企業(yè)數(shù)字化轉(zhuǎn)型的資本市場表現(xiàn)。吳非等(2021)認為數(shù)字化轉(zhuǎn)型可以提高股票流動性。大多數(shù)研究發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型可以改善信息質(zhì)量與企業(yè)基本面，有效抑制股價崩盤風險(林川，2022；馬慧和陳勝藍，2022；李宏寅，2023；苑澤明等，2023)，但彭俞超等(2023)得出相反結(jié)論，認為企業(yè)的數(shù)字化表述將引發(fā)投資者的樂觀情緒，降低股價信息含量，提高企業(yè)股價崩盤風險。賀超等(2023)則發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型通過增加內(nèi)部機會主義行為和外部監(jiān)管難度導致股價同步性上升。

尾部系統(tǒng)風險與股價崩盤風險不同，股價崩盤風險是指公司股價迅速下跌或崩盤的概率，現(xiàn)有文獻將個股特有收益出現(xiàn)極端負值的概率作為公司層面的股價崩盤風險，普遍使用負收益偏態(tài)系數(shù)和收益上下波動比率來代表股價崩盤風險。其中，個股特有收益是指經(jīng)市場調(diào)整后的個股收益率。因此，崩盤風險關(guān)注的是公司個股的極端表現(xiàn)，度量剔除市場影響后的個體特質(zhì)風險。尾部系統(tǒng)風險則關(guān)注市場極端下跌情形下個股的表現(xiàn)，通過計算個股與市場的尾部相關(guān)性，度量市場極端下跌時個股出現(xiàn)極端下跌的相對概率，或通過計算尾部貝塔系數(shù)，度量極端狀態(tài)下個股對市場的敏感度，刻畫市場極端下跌時個股跌幅的絕對大小。因此，尾部系統(tǒng)風險捕捉了市場極端下跌狀態(tài)下個股的表現(xiàn)，反映其對整個市場不穩(wěn)定的貢獻，相比股價崩盤風險，尾部系統(tǒng)風險更能體現(xiàn)金融市場穩(wěn)定性。

國內(nèi)外學者構(gòu)建了尾部系統(tǒng)風險的測度指標，并考察了個股尾部系統(tǒng)風險的影響因素。一方面，就尾部系統(tǒng)風險的測度而言，首先，Patton(2006)提出Symmetrized Joe-Clayton Copula(SJC Copula)函數(shù)，通過計算個股與大盤同漲同跌時的極值相關(guān)性度量個股的尾部系統(tǒng)風險。其次，Chabi-Yo et al.(2018)運用動態(tài)混合Copula方法計算個股對市場的尾部相依系數(shù)衡量尾部系統(tǒng)風險。最后，Van Oordt and Zhou(2016，2019a，2019b)構(gòu)造了尾部CAPM模型，通過尾部貝塔系數(shù)測度個股對市場暴跌的敏感度，衡量其尾部系統(tǒng)風險水平。另一方面，就個股尾部系統(tǒng)風險的影響因素而言，首先，李志生等(2019)、陳海強等(2019)、陸蓉等(2022)利用SJC Copula函數(shù)度量尾部系統(tǒng)風險，分別考察了國家隊持股、融資融券制度和企業(yè)社會責任對尾部系統(tǒng)風險的影響。其次，潘寧寧和韓科飛(2022)參考Chabi-Yo et al.(2018)的方法估計尾部系統(tǒng)風險，并探究滬港通交易制度的實施對尾部系統(tǒng)風險的作用機制。最后，田正磊等(2019)、姜富偉等(2022)采用尾部貝塔系數(shù)測度個股尾部系統(tǒng)風險，分別探討了個股所處信息網(wǎng)絡(luò)的結(jié)構(gòu)特征以及機構(gòu)投資對尾部系統(tǒng)風險的影響效應(yīng)。

鑒于企業(yè)數(shù)字化轉(zhuǎn)型對其資本市場表現(xiàn)影響的階段差異性問題，本文對企業(yè)數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風險間的非線性關(guān)系展開研究，與現(xiàn)有文獻相比，存在如下貢獻之處：第一，目前關(guān)于企業(yè)數(shù)字化轉(zhuǎn)型對其資本市場表現(xiàn)影響效應(yīng)的研究仍較少，本文以金融市場穩(wěn)定為切入點，分析企業(yè)數(shù)字化轉(zhuǎn)型對其尾部系統(tǒng)風險的影響，有助于豐富數(shù)字化轉(zhuǎn)型經(jīng)濟后果的相關(guān)研究。第二，少數(shù)文獻探討了企業(yè)數(shù)字化轉(zhuǎn)型的資本市場表現(xiàn)，但研究結(jié)論褒貶不一，因此本文采用非線性模型，并引入關(guān)于信息質(zhì)量與資金狀況的機制變量，對傳導渠道進行理論與實證分析，有助于企業(yè)在數(shù)字化轉(zhuǎn)型中防范金融風險，為更好地守住不發(fā)生系統(tǒng)性風險的底線提供支撐。

二、理論分析與研究假說

(一)數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風險

近幾年我國多數(shù)傳統(tǒng)行業(yè)進入轉(zhuǎn)型期，數(shù)字技術(shù)作為信息高頻傳播的載體，可以降低企業(yè)在各環(huán)節(jié)上的時間和資金成本(黃群慧等，2019)，升級企業(yè)生產(chǎn)經(jīng)營活動，增強抵御尾部系統(tǒng)風險的能力。一是在企業(yè)內(nèi)部信息的上傳下達中，數(shù)字化通訊工具的使用提高了員工間的交流效率，提升了內(nèi)部上下級間的協(xié)同性，降低了企業(yè)監(jiān)管成本與經(jīng)營風險。二是在企業(yè)生產(chǎn)中，針對市場需求的智能分析、生產(chǎn)要素投入?yún)?shù)制定以及故障診斷等數(shù)字化技術(shù)的使用，可以提高企業(yè)生產(chǎn)效率。三是在產(chǎn)品銷售中，一方面，企業(yè)可以通過將制造業(yè)與現(xiàn)代服務(wù)業(yè)融合發(fā)展，運用大數(shù)據(jù)對客戶進行精準營銷，提升產(chǎn)品銷售規(guī)模；另一方面，消費者可以使用移動支付和電子商務(wù)平臺與企業(yè)進行交易和溝通，拓寬產(chǎn)品銷售渠道。此外，企業(yè)不僅可以借助外部數(shù)字資源，還可以進行數(shù)字化轉(zhuǎn)型項目的嘗試，建立企業(yè)數(shù)字化運營平臺，提高自身經(jīng)營效率。

但隨著數(shù)字化轉(zhuǎn)型的發(fā)展，其對企業(yè)經(jīng)營的優(yōu)化作用將會下降。在利用外部數(shù)字化創(chuàng)新成果的企業(yè)中，外部創(chuàng)新資源對企業(yè)經(jīng)營和產(chǎn)出的邊際效率將會遞減(劉淑春等，2021)。在進行數(shù)字化研發(fā)項目的企業(yè)中，盡管企業(yè)的數(shù)字創(chuàng)新行為源于自身利潤與戰(zhàn)略目標，但企業(yè)之間存在著機會主義行為與競爭關(guān)系，其他企業(yè)可以利用這些數(shù)字技術(shù)提高自身經(jīng)營水平，這導致企業(yè)數(shù)字化創(chuàng)新提高經(jīng)營和產(chǎn)出的邊際效率遞減。

此后，若更加深入地開展數(shù)字化轉(zhuǎn)型項目，企業(yè)管理架構(gòu)和運作能力將難以適應(yīng)數(shù)字化轉(zhuǎn)型的需求，并面臨以下風險。一是技術(shù)風險。數(shù)字化深入發(fā)展帶來的信息過載與企業(yè)有限的信息處理技術(shù)形成矛盾，但企業(yè)對信息和數(shù)據(jù)平臺等外部路徑的依賴度增加，這將導致企業(yè)決策速度與管理能力下降。二是數(shù)據(jù)風險。一方面，數(shù)字技術(shù)使信息在虛擬網(wǎng)絡(luò)間自由流動，企業(yè)自身數(shù)據(jù)信息便會面臨泄露的風險，若商業(yè)決策信息被他人竊取，企業(yè)將失去競爭優(yōu)勢甚至造成經(jīng)濟損失；另一方面，企業(yè)對數(shù)據(jù)質(zhì)量的更高要求與企業(yè)有限的數(shù)據(jù)資源渠道形成矛盾，導致企業(yè)經(jīng)營效率下降。三是人才短缺風險。數(shù)字化轉(zhuǎn)型需要數(shù)字技術(shù)型人才與之適配，這將增加企業(yè)人才引進與培養(yǎng)的資金成本，若企業(yè)人力水平難以適應(yīng)數(shù)字化轉(zhuǎn)型需求，將阻礙數(shù)字化研發(fā)進程。隨著數(shù)字化轉(zhuǎn)型的深入，企業(yè)技術(shù)、數(shù)據(jù)、人員等組織管理能力難以與數(shù)字化轉(zhuǎn)型需求匹配，打破企業(yè)經(jīng)營的穩(wěn)定性。一方面，企業(yè)經(jīng)營風險所引發(fā)的財務(wù)問題將降低企業(yè)抵御外部危機沖擊的能力，從而可能成為加劇系統(tǒng)性金融風險的隱患(王竹泉等，2020)；另一方面，企業(yè)經(jīng)營風險的增加違背了資本市場交易者對企業(yè)成長機會和預(yù)期價值等要求，導致投資者的消極情緒增強，降低公司股票流動性(吳非等，2021)，進而提高尾部系統(tǒng)風險。

因此，僅在數(shù)字化轉(zhuǎn)型與企業(yè)自身能力相匹配的適度區(qū)間內(nèi)，才能利用數(shù)字化賦能企業(yè)創(chuàng)新戰(zhàn)略升級轉(zhuǎn)型?；谏鲜龇治觯疚奶岢鲅芯考僭O(shè)：

H1：企業(yè)數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風險間存在U型關(guān)系。

(二)數(shù)字化轉(zhuǎn)型、信息質(zhì)量與尾部系統(tǒng)風險

企業(yè)數(shù)字化轉(zhuǎn)型會影響信息披露的質(zhì)量，以及市場投資者與企業(yè)間的信息不對稱程度，從而作用于尾部系統(tǒng)風險。首先，數(shù)字化轉(zhuǎn)型將改變信息披露狀況，影響企業(yè)信息質(zhì)量。企業(yè)信息披露質(zhì)量與企業(yè)經(jīng)營業(yè)績密切相關(guān)，在實施數(shù)字化轉(zhuǎn)型時，企業(yè)依靠外部信息資源與數(shù)字化平臺，降低企業(yè)時間和資金成本，優(yōu)化了自身經(jīng)營效率。一方面，企業(yè)經(jīng)營效率的提升弱化了企業(yè)管理層操弄信息的動機，提高了信息披露的真實性；另一方面，企業(yè)為傳遞給投資者信心，便會及時主動地披露企業(yè)數(shù)字化創(chuàng)新、經(jīng)營狀況、成長潛力等優(yōu)質(zhì)信息，增強信息披露的意愿。企業(yè)信息質(zhì)量的提升可以起到“降噪”的作用，增強市場的定價效率，降低尾部系統(tǒng)風險。但隨著數(shù)字化程度的加深，轉(zhuǎn)型逐漸脫離企業(yè)自身能力范圍，企業(yè)業(yè)績的下降將危害股東利益，加劇數(shù)字化轉(zhuǎn)型帶給企業(yè)經(jīng)營的不確定性，增強管理層操弄信息以獲得更好賬面收益的動機，影響企業(yè)披露信息質(zhì)量(Kim et al.，2016)，而管理層有選擇或虛假披露企業(yè)信息是提高尾部系統(tǒng)風險的核心因素。

其次，數(shù)字化轉(zhuǎn)型能夠改變市場投資者與企業(yè)間的信息不對稱程度，影響股價信息含量。在數(shù)字化轉(zhuǎn)型初期，信息的便捷化傳遞將直接改善企業(yè)信息披露的體系，提高投資者所獲得的企業(yè)信息質(zhì)量，降低企業(yè)與投資者之間的信息不對稱程度。信息不對稱程度較低意味著信息搜尋成本和市場投資的不確定性程度較低，這將會吸引投資者持股，增加股票的流動性，降低尾部系統(tǒng)風險。隨著數(shù)字化轉(zhuǎn)型程度的加深，企業(yè)數(shù)字化信息的披露引起投資者情緒的盲目上漲，投資者在過度關(guān)注企業(yè)“數(shù)字化”標簽的情況下，會忽略企業(yè)在主營業(yè)務(wù)、經(jīng)營狀況等方面的真實信息，導致股價信息含量降低(Aboody et al.，2010)。市場投資者的噪聲交易行為會在極大程度上影響市場流動性，是造成尾部系統(tǒng)風險的重要原因。并且，數(shù)字化發(fā)展增強了信息網(wǎng)絡(luò)間的連接性，當危機來臨時，極易引起集體踩踏事件的發(fā)生，進而影響尾部系統(tǒng)風險。因此，本文提出研究假設(shè)：

H2：企業(yè)數(shù)字化轉(zhuǎn)型通過影響信息質(zhì)量作用于尾部系統(tǒng)風險。

(三)數(shù)字化轉(zhuǎn)型、資金狀況與尾部系統(tǒng)風險

數(shù)字化轉(zhuǎn)型將會惡化企業(yè)的資金狀況，降低企業(yè)面對市場波動時抵御風險的能力，提高尾部系統(tǒng)風險水平。首先，數(shù)字化轉(zhuǎn)型將降低企業(yè)內(nèi)部現(xiàn)金充裕度。數(shù)字化發(fā)展并非一蹴而就，需要企業(yè)持續(xù)投入大量資金，數(shù)字化轉(zhuǎn)型成果的時滯性意味著研發(fā)使用資金的變現(xiàn)能力較差且不確定性較高。同時，數(shù)字化信息資源的快速累積將增加企業(yè)儲存和管理信息的高昂隱形成本，這不僅會降低企業(yè)的流動性現(xiàn)金，同時也會擠占企業(yè)生產(chǎn)經(jīng)營所需資金，甚至難以滿足企業(yè)正常運轉(zhuǎn)的需要(Wamba et al.，2017)。企業(yè)現(xiàn)金狀況因數(shù)字化轉(zhuǎn)型惡化，甚至瀕臨破產(chǎn)，便會影響到投資者的信心，導致股票價格下跌，提高尾部系統(tǒng)風險。此外，企業(yè)資金周轉(zhuǎn)能力較差會在一定程度上加劇外源融資的依賴度，提高企業(yè)陷入財務(wù)困境的可能性，并使自有資產(chǎn)的資金平滑作用失效，不能及時抑制股價的異常波動，進而提高尾部系統(tǒng)風險。

其次，數(shù)字化轉(zhuǎn)型將影響企業(yè)的投資行為。隨著數(shù)字化轉(zhuǎn)型的深入，由于內(nèi)部資金壓力以及金融投資相較于實業(yè)投資的高回報率，金融投資成為管理層調(diào)節(jié)利潤的工具，企業(yè)將以粉飾短期業(yè)績?yōu)槟康?，增加投機性金融投資(彭俞超等，2022)。并且，企業(yè)數(shù)字化水平的提高可以加速業(yè)務(wù)交易和資金流動的速度，提高金融投資的靈活性。與主營業(yè)務(wù)不匹配的金融資產(chǎn)配置，將成為企業(yè)尾部系統(tǒng)風險加劇的原因。首先，若企業(yè)管理層的投資決策傾向于短期效益，投入過多的金融資產(chǎn)，將導致企業(yè)偏離主營業(yè)務(wù)長期發(fā)展的目標，干擾企業(yè)的穩(wěn)定發(fā)展。其次，若企業(yè)金融資產(chǎn)配置比重較大，當資本市場受到外生事件沖擊時，企業(yè)將面臨較大的瞬時風險敞口，金融資產(chǎn)的損失惡化企業(yè)的資金狀況。最后，金融投資將企業(yè)生產(chǎn)經(jīng)營的壞消息隱藏起來，負面消息累積會增加企業(yè)股價脆弱性，一旦集中釋放將引發(fā)投資者的拋售行為，使尾部系統(tǒng)性風險大幅攀升(彭俞超等，2018)。因此，本文提出研究假設(shè)：

H3：企業(yè)數(shù)字化轉(zhuǎn)型通過惡化資金狀況作用于尾部系統(tǒng)風險。

三、研究設(shè)計

(一)數(shù)據(jù)選取與說明

本文選取2006―2021年中國A股上市公司樣本進行分析，數(shù)據(jù)取自Wind數(shù)據(jù)庫、國泰安數(shù)據(jù)庫，并對樣本進行如下篩選和處理：(1)剔除信息技術(shù)服務(wù)業(yè)和金融業(yè)的企業(yè)樣本；(2)剔除樣本期內(nèi)被ST或退市等特殊處理的企業(yè)樣本；(3)剔除核心變量存在缺失的樣本；(4)對所有連續(xù)變量進行1%和99%分位的縮尾處理。經(jīng)過上述處理，本文最終得到回歸使用的23124組年度觀測值。

(二)變量選取與說明

1.被解釋變量：尾部系統(tǒng)風險及其子成分

本文通過測度個股對市場暴跌的敏感度來衡量企業(yè)的尾部系統(tǒng)風險。參考Van Oordt and Zhou(2016)、姜富偉等(2022)等研究，本文在普通CAPM模型中添加一個極值條件，將市場收益率的分布限制在左尾，構(gòu)造一個市場極端下跌狀態(tài)的CAPM模型，此時貝塔系數(shù)衡量了個股對市場暴跌的敏感度，稱之為尾部貝塔系數(shù)，即本文需要估計的尾部系統(tǒng)風險。

與Van Oordt and Zhou(2019a)、田正磊等(2019)等研究相同，本文利用多元極值理論(EVT)對尾部貝塔系數(shù)進行估計，測度個股i的尾部系統(tǒng)風險SRi。參照Van Oordt and Zhou(2019b)，本文將尾部系統(tǒng)風險SRi分解為個體風險IRi和關(guān)聯(lián)風險SLi。其中，IRi側(cè)重反映個股i個體層面的尾部風險，其截面維度的差異僅來自于個體特質(zhì)，衡量了個股i的自身風險水平；SLi衡量了個股i與市場的尾部關(guān)聯(lián)性，指標數(shù)值越大，表示個股i在市場沖擊下的共振概率越高，代表了關(guān)聯(lián)風險(楊子暉等，2023)。

本文采用滾動分析方法計算企業(yè)的動態(tài)尾部系統(tǒng)風險。其中，設(shè)定滾動窗口為4年，即在t時點，基于t時點之前4年的日度觀測值計算企業(yè)的尾部系統(tǒng)風險、個體風險和關(guān)聯(lián)風險；進而將每個企業(yè)的日度測度結(jié)果，通過求均值轉(zhuǎn)化為年度指標。本文采用中證800指數(shù)收益率代表市場收益率，基于2002年1月1日至2021年12月31日的日度觀測值，計算得到每個企業(yè)2006―2021年的尾部系統(tǒng)風險SR、個體風險IR和關(guān)聯(lián)風險SL。

2.核心解釋變量：企業(yè)數(shù)字化轉(zhuǎn)型

本文參考吳非等(2021)、李政等(2023)的方法，從人工智能技術(shù)、大數(shù)據(jù)技術(shù)、云計算技術(shù)、區(qū)塊鏈技術(shù)、數(shù)字技術(shù)運用這5個維度，在各企業(yè)年報文本內(nèi)容中抓取關(guān)鍵詞，得到涉及“數(shù)字化”關(guān)鍵詞的詞頻數(shù)，以對數(shù)形式定義變量DCG，即DCG=ln(“數(shù)字化”關(guān)鍵詞詞頻數(shù)量+1)。

3.控制變量

本文參考李志生等(2019)、田正磊等(2019)的研究，選定以下影響企業(yè)尾部系統(tǒng)風險的指標作為控制變量：機構(gòu)投資者持股比例(Inst)，本文采用機構(gòu)投資者持有股份數(shù)量占上市公司總股份的比重測度；財務(wù)杠桿率(Lev)，采用期末總負債與期末總資產(chǎn)的比值測度；賬面市值比(BM)，采用股東權(quán)益與公司市值的比值測度；換手率(Turn)，采用年內(nèi)流通股數(shù)的日均換手率測度；股票收益率(Ret)，采用年內(nèi)日均收益率測度；波動率(Vol)、收益率偏度(Skew)、收益率峰度(Kurt)均根據(jù)日度收益率計算得出；凈資產(chǎn)收益率(ROE)，采用凈利潤與股東權(quán)益平均余額的比值測度；企業(yè)規(guī)模(Size)，采用股票流通市值的自然對數(shù)測度。

(三)實證模型設(shè)計

為檢驗企業(yè)數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風險間的非線性關(guān)系，本文構(gòu)建如下計量模型：

其中，Riski,t表示企業(yè)i在第t年的尾部系統(tǒng)風險及兩個子成分，分別采用尾部系統(tǒng)風險(SR)、個體風險(IR)以及關(guān)聯(lián)風險(SL)進行測度；DCGi,t-1是上市企業(yè)的數(shù)字化披露程度，CVi,t-1表示一系列的控制變量，μi、θt分別表示企業(yè)與年度層面的固定效應(yīng)。為避免雙向因果關(guān)系，本文將所有的解釋變量和控制變量滯后一期。

(四)描述性統(tǒng)計

表1呈現(xiàn)了本文基準回歸中各變量的描述性統(tǒng)計結(jié)果。尾部系統(tǒng)風險均值為1.4491。在將尾部系統(tǒng)風險細分為個體風險與關(guān)聯(lián)風險后，通過比較二者數(shù)值分布與標準差可以發(fā)現(xiàn)，關(guān)聯(lián)風險的數(shù)值不僅普遍低于個體風險，其波動性也較小。企業(yè)數(shù)字化披露程度的均值為1.0047，中位數(shù)為0.6931，通過運算得出，企業(yè)年報中“數(shù)字化”關(guān)鍵詞詞頻數(shù)的均值1.7311個，中位數(shù)為1個，說明大多數(shù)樣本中數(shù)字化詞頻披露數(shù)量較少，即數(shù)字化轉(zhuǎn)型程度較低。

表1 描述性統(tǒng)計結(jié)果

四、實證結(jié)果與分析

(一)基準回歸：企業(yè)數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風險及其子成分

為檢驗企業(yè)數(shù)字化轉(zhuǎn)型對尾部系統(tǒng)風險的影響，本文進行回歸分析。表2列(1)～(3)考察了企業(yè)數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風險的線性關(guān)系，結(jié)果表明，DCG對尾部系統(tǒng)風險的影響系數(shù)為0.0034，在5%水平下顯著，說明整體而言，企業(yè)數(shù)字化轉(zhuǎn)型將提高尾部系統(tǒng)風險。隨后，本文將尾部系統(tǒng)風險分解為個體風險與關(guān)聯(lián)風險，發(fā)現(xiàn)DCG對個體風險與關(guān)聯(lián)風險的回歸系數(shù)分別為0.0080和-0.0015，均在1%水平下顯著。這說明企業(yè)數(shù)字化轉(zhuǎn)型會提高個體風險，降低關(guān)聯(lián)風險，由于對個體風險的影響大于關(guān)聯(lián)風險，因此總體的尾部系統(tǒng)風險上升。

表2 基準回歸結(jié)果

列(4)～(6)引入DCG2，回歸結(jié)果表明，DCG回歸系數(shù)均在1%水平下顯著為負，DCG2回歸系數(shù)均在1%水平下顯著為正，極值點分別為1.3510、1.0961、2.1762，處于解釋變量區(qū)間范圍[0,4.6540]內(nèi)，證明企業(yè)數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風險之間存在正U型關(guān)系，驗證了研究假設(shè)H1。

(二)穩(wěn)健性檢驗與內(nèi)生性處理

通過前文的分析，本文發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型對尾部系統(tǒng)風險的影響呈正U型，為了確保估計結(jié)果的準確性，進行如下穩(wěn)健性檢驗。

1.穩(wěn)健性檢驗：替換變量

現(xiàn)選取t-3至t期4年間的觀測數(shù)據(jù)計算得出Last_SRt，即使用滾動算法得到上市公司每個年度最后一個交易日的尾部貝塔系數(shù)衡量其尾部系統(tǒng)風險(Last_SRt)，并將其分解得到個體風險(Last_IRt)和關(guān)聯(lián)風險(Last_SLt)，替換被解釋變量。

本文參考趙宸宇等(2021)的方法，從數(shù)字技術(shù)應(yīng)用、互聯(lián)網(wǎng)商業(yè)模式、智能制造、現(xiàn)代信息系統(tǒng)這4個維度抓取關(guān)鍵詞，在上市公司年報的管理層討論與分析文本中篩選數(shù)字化詞頻，并以對數(shù)形式定義變量MD&A，即MD&A=ln(“數(shù)字化”關(guān)鍵詞詞頻數(shù)量+1)，替換數(shù)字化轉(zhuǎn)型變量。

回歸結(jié)果如表3所示，在重新測度尾部系統(tǒng)風險和企業(yè)數(shù)字化轉(zhuǎn)型變量后，解釋變量系數(shù)的符號及顯著性均與前文保持一致，證明前文結(jié)論具有穩(wěn)健性。

表3 穩(wěn)健性檢驗：替換變量

2.穩(wěn)健性檢驗：改變樣本范圍

在金融危機期間，極端金融環(huán)境會導致股票市場信號失靈，加劇因投資者恐慌產(chǎn)生的羊群效應(yīng)，導致企業(yè)數(shù)字化轉(zhuǎn)型影響尾部系統(tǒng)風險的回歸結(jié)果不再可靠。為排除金融危機的潛在影響，本文刪除2008―2009年金融危機期間樣本數(shù)據(jù)，并剔除股價異常波動的2015年樣本數(shù)據(jù)，將其余樣本進行回歸估計，結(jié)果如表4列(1)～(3)所示。此外，企業(yè)所在城市經(jīng)濟發(fā)展程度的不同可能導致各地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型程度和金融市場敏感度存在差異，本文剔除所在地在直轄市的企業(yè)樣本后進行回歸估計，結(jié)果見表4列(4)～(6)。表4顯示，DCG和DCG2回歸系數(shù)的符號和顯著性與前文保持不變，證明前文結(jié)論具有穩(wěn)健性。

表4 穩(wěn)健性檢驗：改變樣本范圍

3.穩(wěn)健性檢驗：改變估計模型

上文的基準回歸模型使用滯后一期的解釋變量與控制變量，本文轉(zhuǎn)為使用當期變量進行實證檢驗，回歸結(jié)果見表5列(1)～(3)。除此之外，本文進一步控制高階固定效應(yīng)(省份×年份、行業(yè)×年份)，核心解釋變量的回歸結(jié)果如表5列(4)～(6)所示。表5表明，DCG和DCG2回歸系數(shù)的符號和顯著性與前文保持不變，證明前文結(jié)論具有穩(wěn)健性。

表5 穩(wěn)健性檢驗：改變估計模型

4.內(nèi)生性處理

在基準回歸中，本文采用滯后項可以在一定程度上避免反向因果問題，但上市公司是否進行數(shù)字化轉(zhuǎn)型可能會受到某些自身特質(zhì)的影響，存在樣本自選擇以及遺漏變量等造成的內(nèi)生性問題。因此，本文參考李雪松等(2022)的做法構(gòu)建工具變量，在計算得出數(shù)字化轉(zhuǎn)型模擬增量值后，采用企業(yè)數(shù)字化轉(zhuǎn)型與模擬增量值離差三次方的滯后一期及其平方項作為工具變量，運用2SLS回歸克服內(nèi)生性問題。經(jīng)過檢驗，不存在弱工具變量問題，保證了工具變量引入的正確性。第二階段的回歸結(jié)果見表6列(1)～(3)，DCG和DCG2系數(shù)的符號均與前文保持一致，證明了基準回歸結(jié)果是穩(wěn)健可信的。

表6 內(nèi)生性處理

此外，本文借鑒杜勇和眭鑫(2021)的方法，采用“PSM+DID”方法克服內(nèi)生性問題。首先，以是否披露數(shù)字化轉(zhuǎn)型信息作為處理變量，基準回歸中的控制變量作為協(xié)變量進行Logit估計，計算出每個樣本的傾向得分，采取最鄰近匹配的方法，按1:1的比例為處理組選取對照組，經(jīng)匹配后得到14813個樣本。其次，本文根據(jù)U型拐點設(shè)置啞變量(Point)，即當數(shù)字化披露程度大于拐點數(shù)值時，賦值為1，反之為0。表6列(4)～(6)報告了“PSM+DID”的回歸結(jié)果，DCG的回歸系數(shù)均顯著為負，表明在極值點的左側(cè)，數(shù)字化轉(zhuǎn)型會降低尾部系統(tǒng)風險。DCG與極值點交互項的系數(shù)均在1%水平下顯著為正，且大于DCG回歸系數(shù)的絕對值，說明隨著數(shù)字化披露程度升高至越過拐點，企業(yè)數(shù)字化轉(zhuǎn)型水平的升高將提高尾部系統(tǒng)風險，證明了企業(yè)數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風險間存在U型關(guān)系。

五、機制檢驗和異質(zhì)性分析

(一)機制檢驗

為研究企業(yè)數(shù)字化轉(zhuǎn)型對尾部系統(tǒng)風險的影響機制，本文借鑒葉永衛(wèi)等(2022)、黃群慧等(2019)、謝紅軍和呂雪(2022)等研究的做法，構(gòu)建機制效應(yīng)模型進行分析，具體檢驗?zāi)Ｐ蜑椋?/p>

其中，M為機制變量，式(2)估計了數(shù)字化披露程度對機制變量的影響，β1、β2表示數(shù)字化轉(zhuǎn)型對機制變量的影響程度。

1.信息質(zhì)量

在企業(yè)內(nèi)部，數(shù)字化轉(zhuǎn)型信息的披露可能通過改變企業(yè)信息透明度而影響尾部系統(tǒng)風險。本文參考林川(2022)的方法，使用企業(yè)前三年操縱性應(yīng)記利潤的絕對值之和計算企業(yè)信息操弄程度(IMD)，用以衡量企業(yè)信息質(zhì)量。IMD數(shù)值越大，代表信息操弄程度越大，企業(yè)信息質(zhì)量越差，而企業(yè)信息質(zhì)量的降低將導致尾部系統(tǒng)風險提高，即IMD與尾部系統(tǒng)風險指標呈正相關(guān)關(guān)系。本文將IMD代入機制效應(yīng)模型，回歸結(jié)果如表7列(1)所示。DCG的回歸系數(shù)在5%水平下顯著為負，DCG2的回歸系數(shù)在5%水平下顯著為正，說明數(shù)字化轉(zhuǎn)型與IMD之間存在U型關(guān)系，即企業(yè)開展數(shù)字化轉(zhuǎn)型初期可以提高企業(yè)信息質(zhì)量，降低尾部系統(tǒng)風險；但隨著數(shù)字化轉(zhuǎn)型信息披露程度的增加，數(shù)字化轉(zhuǎn)型將會降低企業(yè)信息質(zhì)量，提高尾部系統(tǒng)風險。

表7 機制檢驗：信息質(zhì)量與資金狀況

在金融市場上，企業(yè)數(shù)字化轉(zhuǎn)型信息的披露可能通過改變股價信息含量，影響尾部系統(tǒng)風險。本文參考鐘覃琳和陸正飛(2018)的方法，使用股價同步性指標(PI)測度個股信息含量。PI值越高，代表股價波動同步性越低，股票價格中具有的特質(zhì)信息含量越高，而股價信息含量的增加將降低尾部系統(tǒng)風險，即PI與尾部系統(tǒng)風險指標呈負相關(guān)關(guān)系。本文將PI代入機制效應(yīng)模型，回歸結(jié)果如表7列(2)所示，DCG的回歸系數(shù)在5%水平下顯著為正，DCG2回歸系數(shù)在1%水平下顯著為負，說明數(shù)字化轉(zhuǎn)型與PI之間存在倒U型關(guān)系，即企業(yè)開展數(shù)字化轉(zhuǎn)型初期可以增加個股信息含量，進而降低尾部系統(tǒng)風險；但隨著數(shù)字化轉(zhuǎn)型信息披露程度的增加，數(shù)字化轉(zhuǎn)型將會降低股價信息含量，提高尾部系統(tǒng)風險。這驗證了研究假設(shè)H2。

2.資金狀況

在企業(yè)內(nèi)部，數(shù)字化轉(zhuǎn)型將占用企業(yè)資金，降低企業(yè)內(nèi)部現(xiàn)金充裕度，影響企業(yè)資金周轉(zhuǎn)能力，使得企業(yè)面臨財務(wù)困境，提高尾部系統(tǒng)風險水平。本文參考李連燕和張東廷(2017)的方法，采用經(jīng)營凈現(xiàn)金流量與流動負債之比測度企業(yè)內(nèi)部現(xiàn)金充裕度(ICA)。ICA值越高，代表企業(yè)內(nèi)部現(xiàn)金充裕度越高，企業(yè)經(jīng)營風險越低。本文將內(nèi)部現(xiàn)金充裕度(ICA)代入機制效應(yīng)模型中，回歸結(jié)果如表7列(3)所示，DCG與DCG2的系數(shù)均不顯著，因此在列(4)中僅將DCG作為解釋變量進行回歸分析，此時DCG的回歸系數(shù)在5%水平下顯著為負，說明數(shù)字化轉(zhuǎn)型將會降低企業(yè)內(nèi)部現(xiàn)金充裕度，從而提高尾部系統(tǒng)風險。

在金融市場上，數(shù)字化轉(zhuǎn)型提高企業(yè)金融化趨勢，誘導企業(yè)脫實向虛，將導致企業(yè)陷入財務(wù)困境，提高尾部系統(tǒng)風險。本文參考彭俞超等(2018)的做法，采用企業(yè)資產(chǎn)負債表中金融類資產(chǎn)(包括交易性金融資產(chǎn)、買入返售金融資產(chǎn)、可供出售金融資產(chǎn)、發(fā)放貸款及墊款和持有至到期投資)與期末總資產(chǎn)之比測度企業(yè)金融投資水平(FIN)。本文將金融投資水平(FIN)代入機制效應(yīng)模型，在表7列(5)的非線性模型中，一次項的系數(shù)不顯著，因此在列(6)中僅將DCG作為解釋變量進行線性回歸分析，此時DCG的回歸系數(shù)在1%水平下顯著為正，說明數(shù)字化轉(zhuǎn)型將會增強企業(yè)金融化水平，從而提高尾部系統(tǒng)風險。

通過上述機制效應(yīng)分析可以發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型將降低內(nèi)部現(xiàn)金充裕度并加大金融投資水平，影響企業(yè)資金狀況，從而提高尾部系統(tǒng)風險，這驗證了研究假設(shè)H3。該渠道分析印證了前文的基準回歸結(jié)果，即企業(yè)數(shù)字化轉(zhuǎn)型會提高個體風險，進而導致總體的尾部系統(tǒng)風險上升。

(二)異質(zhì)性分析

1.來自數(shù)字化轉(zhuǎn)型自身的風險

為檢驗尾部系統(tǒng)性風險是否來自于真實的數(shù)字化轉(zhuǎn)型活動，本文利用CSMAR數(shù)據(jù)庫披露的上市公司數(shù)字化項目研發(fā)總數(shù)(由于該數(shù)據(jù)起始年份為2010年，因此選取2010―2021年數(shù)據(jù))進行回歸分析。兩組樣本分別為無數(shù)字化研發(fā)項目和有數(shù)字化研發(fā)項目，回歸結(jié)果如表8列(1)(2)所示，并繪制出U型關(guān)系圖和邊際效應(yīng)圖，如圖1所示。

圖1 分數(shù)字化研發(fā)項目檢驗

表8 異質(zhì)性分析：基于數(shù)字化研發(fā)項目與企業(yè)微觀特征分組

表8列(1)(2)顯示，無論是有無數(shù)字化研發(fā)項目的企業(yè)，DCG系數(shù)均顯著為負，DCG2均顯著為正，說明無論企業(yè)有無數(shù)字化研發(fā)項目，數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風險間均存在顯著的U型關(guān)系，如圖1(a)所示。有數(shù)字研發(fā)項目的DCG與DCG2回歸系數(shù)的絕對值均大于無數(shù)字化研發(fā)項目，組間系數(shù)差異檢驗顯示，回歸系數(shù)在兩組間存在顯著差異。從圖1(b)可以看出，有數(shù)字化研發(fā)項目樣本組的邊際效應(yīng)曲線更為陡峭，說明在真實存在數(shù)字化研發(fā)項目的企業(yè)中，尾部系統(tǒng)風險受到數(shù)字化轉(zhuǎn)型的影響程度更為敏感，表明真實的數(shù)字化轉(zhuǎn)型活動會影響尾部系統(tǒng)風險。

2.基于企業(yè)微觀特征分組

前文的機制分析表明，企業(yè)數(shù)字化轉(zhuǎn)型影響尾部系統(tǒng)風險，其背后的傳導路徑體現(xiàn)在信息質(zhì)量與資金狀況兩方面，因此本文根據(jù)企業(yè)微觀特征，采用高管薪酬水平和財務(wù)風險水平兩個變量進行分組檢驗，并繪制出U型關(guān)系圖和邊際效應(yīng)圖，如圖2和圖3所示。

圖2 分高管薪酬水平檢驗

圖3 分財務(wù)風險檢驗

首先，數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風險之間的關(guān)系與企業(yè)信息披露有關(guān)，若管理層基于機會主義對數(shù)字化轉(zhuǎn)型信息進行夸大描述，將會降低企業(yè)信息質(zhì)量，提高尾部系統(tǒng)風險水平。本文參考王克敏和王志超(2007)的做法，使用前三名高管年薪總額的對數(shù)值衡量高管薪酬水平，作為管理層機會主義的代理變量。高管薪酬水平越高，表明管理層機會主義程度越小。根據(jù)高管薪酬水平的中位數(shù)，將樣本分為高管薪酬水平較低和較高兩組。表8列(3)(4)顯示，兩組企業(yè)的DCG系數(shù)均顯著為負，DCG2均顯著為正，說明無論高管薪酬水平高低，數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風險間均存在顯著的U型關(guān)系，如圖2(a)所示。高管薪酬水平較低的企業(yè)樣本中DCG與DCG2回歸系數(shù)的絕對值均大于高管薪酬水平較高的企業(yè)，組間系數(shù)差異檢驗表明，兩組間系數(shù)存在顯著差異。從圖2(b)可以看出，高管薪酬水平較低樣本組的邊際效應(yīng)曲線更加陡峭，尾部系統(tǒng)風險受到數(shù)字化轉(zhuǎn)型的影響程度更為敏感。

其次，財務(wù)困境風險增加代表企業(yè)資金狀況惡化，會加劇數(shù)字化轉(zhuǎn)型對尾部系統(tǒng)風險的影響。本文使用Z-score值衡量企業(yè)面臨的財務(wù)風險，Z-score值越高，財務(wù)風險水平越低。根據(jù)財務(wù)風險水平的中位數(shù)，將樣本分為較高和較低兩組。表8列(5)(6)顯示，兩組企業(yè)的DCG系數(shù)均顯著為負，DCG2均顯著為正，說明數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風險間存在顯著的U型關(guān)系，如圖3(a)所示。此外，財務(wù)風險水平較高的企業(yè)樣本中DCG與DCG2回歸系數(shù)的絕對值均大于財務(wù)風險水平較低的企業(yè)。組間系數(shù)差異檢驗結(jié)果表明，兩組系數(shù)存在顯著差異。從圖3(b)可以看出，財務(wù)風險水平較高樣本組的邊際效應(yīng)曲線更加陡峭，尾部系統(tǒng)風險受到數(shù)字化轉(zhuǎn)型的影響程度更為敏感。

3.基于外部宏觀環(huán)境特征分組

數(shù)字化轉(zhuǎn)型對尾部系統(tǒng)風險的影響可能在處于不同外部宏觀環(huán)境的企業(yè)間存在差異，因此本文根據(jù)企業(yè)所處的外部宏觀環(huán)境，從是否為技術(shù)密集型行業(yè)和地方金融監(jiān)管強度兩個角度進行分組檢驗，并繪制出U型關(guān)系圖和邊際效應(yīng)圖，如圖4和圖5所示。

圖4 分技術(shù)密集型行業(yè)的檢驗

圖5 分金融監(jiān)管強度的檢驗

首先，本文參考魯桐和黨印(2014)的做法，將企業(yè)樣本劃分為技術(shù)密集型和非技術(shù)密集型行業(yè)。表9列(1)(2)顯示，兩組企業(yè)的DCG系數(shù)均顯著為負，DCG2均顯著為正，說明無論是否處于技術(shù)密集型行業(yè)，數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風險間均存在顯著的U型關(guān)系，如圖4(a)所示。此外，技術(shù)密集型行業(yè)的企業(yè)樣本中DCG與DCG2回歸系數(shù)的絕對值均大于非技術(shù)密集型行業(yè)的企業(yè)。組間系數(shù)差異檢驗結(jié)果表明，兩組系數(shù)存在顯著差異。從圖4(b)可以看出，技術(shù)密集型樣本組的邊際效應(yīng)曲線更為陡峭，這是因為技術(shù)密集型的企業(yè)在數(shù)字化轉(zhuǎn)型中占據(jù)技術(shù)和人才優(yōu)勢，更有意愿進行數(shù)字化轉(zhuǎn)型，同時更重視科技研發(fā)對數(shù)字化轉(zhuǎn)型的支撐作用，尾部系統(tǒng)風險受到數(shù)字化轉(zhuǎn)型的影響程度便會更為敏感。

表9 異質(zhì)性分析：基于外部宏觀環(huán)境特征分組

其次，本文參考唐松等(2020)的做法，采用各省份金融監(jiān)管支出與金融業(yè)增加值的比值計算各省份金融監(jiān)管強度，金融監(jiān)管強度越高，地方為維護金融秩序所做出的努力程度越大。根據(jù)金融監(jiān)管強度的中位數(shù)，將樣本分為金融監(jiān)管強度較低和較高兩組。表9列(3)(4)顯示，兩組企業(yè)的DCG系數(shù)均顯著為負，DCG2均顯著為正，說明無論企業(yè)所在地區(qū)金融監(jiān)管強度高低，數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風險間均存在顯著的U型關(guān)系，如圖5(a)所示。此外，金融監(jiān)管強度較低的企業(yè)樣本中DCG與DCG2回歸系數(shù)的絕對值均大于金融監(jiān)管強度較高的企業(yè)，且兩組系數(shù)存在顯著差異。從圖5(b)可以看出，金融監(jiān)管強度較低樣本組的邊際效應(yīng)曲線更為陡峭，這是因為金融監(jiān)管強度較高地區(qū)的企業(yè)，其地方性金融法規(guī)制度較為完善、對企業(yè)以及金融中介機構(gòu)的監(jiān)管能力較強，且有較好的防范化解金融風險的能力，因此尾部系統(tǒng)風險受到數(shù)字化轉(zhuǎn)型的影響程度較小。

六、結(jié)論與啟示

為探究企業(yè)數(shù)字化轉(zhuǎn)型對尾部系統(tǒng)風險的影響，本文以2006―2021年中國A股上市公司數(shù)據(jù)為樣本進行實證分析。研究發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風險間呈現(xiàn)U型關(guān)系，即在數(shù)字化轉(zhuǎn)型與企業(yè)自身能力相匹配的適度區(qū)間內(nèi)，數(shù)字化轉(zhuǎn)型降低尾部系統(tǒng)風險，但隨著數(shù)字化轉(zhuǎn)型程度加深至超過拐點值后，數(shù)字化轉(zhuǎn)型將提高尾部系統(tǒng)風險。該結(jié)論經(jīng)過穩(wěn)健性檢驗后依然成立。機制分析表明，數(shù)字化轉(zhuǎn)型通過影響信息質(zhì)量和資金狀況作用于個股的尾部系統(tǒng)風險。就信息質(zhì)量而言，在企業(yè)開展數(shù)字化轉(zhuǎn)型初期，企業(yè)信息質(zhì)量和股價信息含量的提高可以規(guī)避尾部系統(tǒng)風險；但當數(shù)字化轉(zhuǎn)型逐漸加深超過拐點值后，企業(yè)信息質(zhì)量和股價信息含量的降低將導致尾部系統(tǒng)風險提高。就資金狀況而言，數(shù)字化轉(zhuǎn)型將降低內(nèi)部現(xiàn)金充裕度，并增強企業(yè)金融投資趨勢，進而提高尾部系統(tǒng)風險。異質(zhì)性分析發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型對尾部系統(tǒng)風險的影響程度在有數(shù)字化研發(fā)項目、高管薪酬水平較低、財務(wù)風險水平較高、技術(shù)密集型行業(yè)以及地方金融監(jiān)管強度較差的企業(yè)中表現(xiàn)得更加顯著。

本文的研究對于降低尾部系統(tǒng)風險以及推進企業(yè)數(shù)字化轉(zhuǎn)型具有一定的現(xiàn)實意義：第一，企業(yè)應(yīng)根據(jù)自身資源稟賦，避免盲目過度地數(shù)字化轉(zhuǎn)型。企業(yè)應(yīng)慎重考慮數(shù)字化轉(zhuǎn)型強度與企業(yè)自身結(jié)構(gòu)的適配性，將數(shù)字和資本、勞動力等生產(chǎn)要素進行合理配置，有序推動數(shù)字化轉(zhuǎn)型。地方政府可以針對性地實施人才引進、稅收優(yōu)惠、知識產(chǎn)權(quán)保護以及數(shù)字化基礎(chǔ)設(shè)施建設(shè)等政策，緩解企業(yè)在數(shù)字化轉(zhuǎn)型過程中面臨的人才和資金儲備不足等問題，提高企業(yè)數(shù)字化轉(zhuǎn)型的上限。第二，嚴管上市公司公開信息審核，加強地方金融監(jiān)管強度。企業(yè)應(yīng)增強內(nèi)部約束，降低管理層在會計操控和過度投資中的機會主義行為，規(guī)范信息披露制度。監(jiān)管部門應(yīng)加強會計、金融等相關(guān)監(jiān)管和法規(guī)的完整性，高度關(guān)注財務(wù)造假問題，嚴格監(jiān)督企業(yè)信息披露行為是否規(guī)范、信息披露水平是否達標。第三，完善資本市場信息傳導效率，加強投資者理性投資思維。政府部門在優(yōu)化企業(yè)的信息披露程序和質(zhì)量、減少企業(yè)和投資者之間信息不對稱問題的同時，還需培養(yǎng)投資者理性投資思維，宣傳風險防范意識，引導資本市場形成良好的投資風向，提高企業(yè)融資能力。 ■

[基金項目：國家社科基金重大項目“服務(wù)實體經(jīng)濟和防范系統(tǒng)性風險并重的金融體制改革路徑與機制研究”(項目編號：23ZDA038)]