【摘 要】 文章以2011—2021年滬深A(yù)股上市公司為樣本，實(shí)證考察企業(yè)數(shù)字化轉(zhuǎn)型對分析師預(yù)測的影響。研究發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型顯著提高了分析師預(yù)測準(zhǔn)確性。機(jī)制檢驗表明，企業(yè)數(shù)字化轉(zhuǎn)型具有信息驅(qū)動效應(yīng)，通過提升企業(yè)信息透明度作用于分析師預(yù)測。異質(zhì)性分析發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型對分析師預(yù)測準(zhǔn)確性的提升影響在非國有企業(yè)和受媒體關(guān)注程度高的企業(yè)中更為顯著。經(jīng)濟(jì)后果檢驗表明，企業(yè)數(shù)字化轉(zhuǎn)型降低了股價同步性。研究豐富了企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)經(jīng)濟(jì)后果文獻(xiàn)，對推動企業(yè)數(shù)字化轉(zhuǎn)型并促進(jìn)資本市場發(fā)展具有重要的實(shí)踐意義。

【關(guān)鍵詞】 企業(yè)數(shù)字化轉(zhuǎn)型； 分析師預(yù)測準(zhǔn)確性； 信息透明度； 股價同步性

【中圖分類號】 F275 【文獻(xiàn)標(biāo)識碼】 A 【文章編號】 1004-5937（2024）21-0052-08

一、引言

黨的二十屆三中全會強(qiáng)調(diào)，要加快構(gòu)建促進(jìn)數(shù)字經(jīng) 濟(jì)發(fā)展體制機(jī)制，完善促進(jìn)數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化政 策體系?！吨袊鴶?shù)字經(jīng)濟(jì)發(fā)展研究報告（2024）》顯示，我國數(shù)字經(jīng)濟(jì)在2023年規(guī)模達(dá)到了53.9萬億元，同比增長7.4%。產(chǎn)業(yè)數(shù)字化已成為推動數(shù)字經(jīng)濟(jì)發(fā)展的主要力量，在推動國民經(jīng)濟(jì)增長方面發(fā)揮著重要作用。

加快數(shù)字經(jīng)濟(jì)發(fā)展并促進(jìn)數(shù)字化轉(zhuǎn)型，已成為企業(yè)發(fā)展的新機(jī)遇[1]。數(shù)字化轉(zhuǎn)型不僅體現(xiàn)在數(shù)字技術(shù)與企業(yè)生產(chǎn)的深度融合上，還象征著企業(yè)向數(shù)字化系統(tǒng)轉(zhuǎn)變的革新[2]。眾多研究表明，數(shù)字化轉(zhuǎn)型帶來的產(chǎn)業(yè)結(jié)構(gòu)、生產(chǎn)方式及治理模式的變革有助于增強(qiáng)全要素生產(chǎn)率并提升資本市場定價效率[3]。然而，數(shù)字化引發(fā)的信息量激增和業(yè)務(wù)復(fù)雜化也顯現(xiàn)出信息冗余和信息過剩等問題，或?qū)?dǎo)致決策偏誤[4]。

作為資本市場重要的信息主體，在面對龐大的數(shù)據(jù) 體量與參差不齊的數(shù)據(jù)質(zhì)量時，分析師更具專業(yè)能力，因 此被稱為資本市場的“潤滑劑”?，F(xiàn)有研究表明，企業(yè)信息披露與分析師預(yù)測準(zhǔn)確性相關(guān)[5]。而數(shù)字化轉(zhuǎn)型對企業(yè)信息披露具有雙重影響：一方面，數(shù)字化轉(zhuǎn)型通過信息供給渠道擴(kuò)充和信息傳遞過程完善，加強(qiáng)了對管理層盈余管理行為的監(jiān)督，促使企業(yè)及時將更多高質(zhì)量信息向外部信息需求者公開，降低信息不對稱程度[2]；另一方面，數(shù)字化轉(zhuǎn)型產(chǎn)生的大體量信息很可能存在質(zhì)量和邊際價值下降等問題，同時也對信息使用者的處理與分析能力提出更高的挑戰(zhàn)，可能導(dǎo)致其理解偏差和決策失誤等不利情況的發(fā)生。

基于此，本文以2011—2021年滬深A(yù)股上市公司為研究對象，探討企業(yè)數(shù)字化轉(zhuǎn)型對分析師預(yù)測準(zhǔn)確性的影響和機(jī)制。研究發(fā)現(xiàn)：數(shù)字化轉(zhuǎn)型程度越高，分析師預(yù)測越準(zhǔn)確。機(jī)制檢驗表明，數(shù)字化轉(zhuǎn)型具有信息驅(qū)動效應(yīng)，通過提升企業(yè)信息透明度增強(qiáng)分析師預(yù)測準(zhǔn)確性。異質(zhì)性分析發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型對分析師預(yù)測準(zhǔn)確性的提升影響在非國有企業(yè)和受媒體關(guān)注程度高的企業(yè)中更為顯著。經(jīng)濟(jì)后果檢驗表明，數(shù)字化轉(zhuǎn)型降低了股價同步性。

本文可能的研究貢獻(xiàn)有以下三方面：第一，已有文獻(xiàn)從企業(yè)經(jīng)營[6]、組織架構(gòu)[7]、審計費(fèi)用[8]、資本市場定價[3]等方面探討企業(yè)數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)后果，本文從分析師預(yù)測層面補(bǔ)充了相關(guān)文獻(xiàn)。第二，已有文獻(xiàn)對數(shù)字化轉(zhuǎn)型的信息驅(qū)動[9]和信息過載效應(yīng)[4]存在爭議，本文的研究結(jié)論支持了信息驅(qū)動效應(yīng)，為企業(yè)數(shù)字化轉(zhuǎn)型提供了理論依據(jù)。第三，本文在數(shù)字化轉(zhuǎn)型、分析師預(yù)測和股價同步性之間建立聯(lián)系，為投資者和政策制定者理解數(shù)字化轉(zhuǎn)型機(jī)理提供了參考依據(jù)。

二、文獻(xiàn)綜述

（一）企業(yè)數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)后果

多數(shù)學(xué)者認(rèn)為，企業(yè)數(shù)字化轉(zhuǎn)型帶來正向經(jīng)濟(jì)效應(yīng)。數(shù)字化轉(zhuǎn)型能夠推動組織結(jié)構(gòu)網(wǎng)絡(luò)化和扁平化[10]，降低信息獲取[1]、議價簽約[7]和審計監(jiān)督[8]等成本，提高企業(yè)運(yùn)營效率和全要素生產(chǎn)率[3]，也有助于減輕企業(yè)內(nèi)部代理沖突[4]，提高會計信息質(zhì)量[6]，增強(qiáng)市場積極預(yù)期[10]。然而，企業(yè)數(shù)字化轉(zhuǎn)型也可能伴隨負(fù)面影響。例如，數(shù)字化技術(shù)的廣泛應(yīng)用引發(fā)信息冗余與信息過載等問題[11]，使得數(shù)據(jù)價值隨時間呈現(xiàn)邊際遞減趨勢[4]；數(shù)字化轉(zhuǎn)型還提高了企業(yè)業(yè)務(wù)復(fù)雜度，要求信息使用者具備更高的信息處理能力[2]。

（二）分析師預(yù)測準(zhǔn)確性的影響因素

已有文獻(xiàn)從分析師個體特征、企業(yè)特征和外部信息環(huán)境方面研究分析預(yù)測準(zhǔn)確性的影響因素。分析師行業(yè)專長提高了對特定行業(yè)公司的預(yù)測準(zhǔn)確性[12]；分析師“大膽預(yù)測”比“羊群預(yù)測”更準(zhǔn)確[13]；分析師有限注意力和有限理性降低了盈余預(yù)測準(zhǔn)確性[14]。規(guī)模較大的公司，可能由于分析師關(guān)注度較高，盈余預(yù)測更為準(zhǔn)確[15]，也可能因為經(jīng)營活動差異較大和分析師的樂觀預(yù)期，盈余預(yù)測準(zhǔn)確性降低[16]；內(nèi)部控制體系完善以及成長空間較大的公司，信息披露質(zhì)量較高，分析師預(yù)測更準(zhǔn)確[6]。媒體有效補(bǔ)充了上市公司信息，從而提高分析師預(yù)測準(zhǔn)確性[17]；發(fā)揮國家審計及社會審計信息監(jiān)督作用，有助于約束企業(yè)信息自利行為并降低分析師樂觀偏差[18]。

綜上所述，已有文獻(xiàn)對數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)后果存在爭議。就信息質(zhì)量而言，數(shù)字化轉(zhuǎn)型既可能由于降低代理沖突提升信息質(zhì)量，也可能由于信息過載降低信息質(zhì)量。對于分析師預(yù)測準(zhǔn)確性的影響因素，已有文獻(xiàn)進(jìn)行了廣泛探討，但從數(shù)字技術(shù)視角的研究還較少。

三、理論分析與研究假說

分析師預(yù)測準(zhǔn)確性與企業(yè)信息披露行為相關(guān)[5]。數(shù)字化轉(zhuǎn)型可能具有信息驅(qū)動效應(yīng)，提升企業(yè)信息披露質(zhì)量，從而提高分析師預(yù)測準(zhǔn)確性。首先，企業(yè)數(shù)字化轉(zhuǎn)型通過數(shù)字技術(shù)創(chuàng)新對企業(yè)信息生成、處理和交流產(chǎn)生積極影響[19]。不同于傳統(tǒng)的從財務(wù)系統(tǒng)提取信息方式，利用數(shù)字技術(shù)能夠從多樣化載體中收集信息[9]，諸如企業(yè)業(yè)務(wù)數(shù)據(jù)平臺、供應(yīng)商和客戶平臺、社交媒體及公共數(shù)據(jù)平臺等。這種多源信息采集模式不僅擴(kuò)展了信息獲取的廣度，還通過實(shí)時性和顆粒度的提升增強(qiáng)了信息的深度，從而提高了企業(yè)的基礎(chǔ)信息質(zhì)量。利用數(shù)字技術(shù)還可以提升信息處理質(zhì)量，諸如通過人工智能深度學(xué)習(xí)提升數(shù)據(jù)分析效率，利用區(qū)塊鏈技術(shù)增加信息的安全性和可靠性，采用自然語言處理技術(shù)改善非結(jié)構(gòu)化數(shù)據(jù)的分析質(zhì)量等。此外，利用數(shù)字技術(shù)可以加強(qiáng)企業(yè)信息交流，提升信息溝通質(zhì)量。例如：社交媒體平臺支持實(shí)時對話和反饋，在線互動渠道促進(jìn)信息雙向流動，數(shù)字化客戶服務(wù)系統(tǒng)提升響應(yīng)效率，智能化投資者關(guān)系管理平臺增強(qiáng)溝通效果。其次，企業(yè)數(shù)字化轉(zhuǎn)型能夠抑制管理層的盈余管理行為，提升信息披露質(zhì)量。數(shù)字技術(shù)的應(yīng)用提高了企業(yè)在運(yùn)營、財務(wù)管理以及決策過程中的透明度[10]，自動化流程和數(shù)據(jù)分析工具的使用減少了人為干預(yù)的可能性，這在一定程度上限制了管理層操控盈余的機(jī)會[4]。并且，數(shù)字化轉(zhuǎn)型有助于提升企業(yè)內(nèi)外部審計的效率[19]，防范管理層的盈余管理行為?；谏鲜龇治觯瑪?shù)字化轉(zhuǎn)型通過數(shù)據(jù)驅(qū)動效應(yīng)，促使企業(yè)披露高質(zhì)量信息，為分析師提供了更為準(zhǔn)確和可靠的信息基礎(chǔ)，有助于提升分析師預(yù)測準(zhǔn)確性。

然而，企業(yè)數(shù)字化轉(zhuǎn)型也可能具有信息過載效應(yīng)，降低企業(yè)信息披露質(zhì)量，從而對分析師預(yù)測準(zhǔn)確性產(chǎn)生負(fù)面影響。首先，數(shù)字化轉(zhuǎn)型可能增加企業(yè)信息環(huán)境中的噪聲水平，導(dǎo)致信息披露質(zhì)量下降。企業(yè)通過數(shù)字技術(shù)手段獲取和產(chǎn)生了海量數(shù)據(jù)，信息更新頻率顯著提升，這使得整體信息環(huán)境更為復(fù)雜。管理層可能利用信息不對稱優(yōu)勢，通過復(fù)雜的數(shù)據(jù)展示方式或選擇性披露影響分析師的判斷。已有的研究表明，在信息復(fù)雜度較高的企業(yè)中，管理層更容易通過信息操縱實(shí)現(xiàn)特定目標(biāo)[19]。大量非結(jié)構(gòu)化數(shù)據(jù)存在也增加了有效信息提取難度，關(guān)鍵信息可能被淹沒在海量數(shù)據(jù)中，降低信息可識別性。其次，數(shù)字化轉(zhuǎn)型帶來的信息過載可能引發(fā)決策疲勞，影響分析師預(yù)測質(zhì)量。Lateef et al.[11]研究發(fā)現(xiàn)，信息環(huán)境越復(fù)雜，分析師預(yù)測誤差越大。其原因是，人類注意力有限性使得分析師難以全面理解數(shù)字化轉(zhuǎn)型中的復(fù)雜信息，導(dǎo)致其在篩選和處理信息過程中出現(xiàn)偏差。再次，在信息環(huán)境復(fù)雜的企業(yè)中，分析師更傾向于表現(xiàn)出“羊群行為”?；诼曌u(yù)風(fēng)險和薪酬考慮，分析師傾向于做出與同行相似的預(yù)測[20]。面對數(shù)字化轉(zhuǎn)型復(fù)雜的信息環(huán)境，分析師可能減少對企業(yè)特有信息的深入挖掘，轉(zhuǎn)而依賴同行觀點(diǎn)以降低決策成本。這種從眾傾向?qū)е路治鰣蟾娴耐|(zhì)性增加，原創(chuàng)性分析減少，最終影響預(yù)測準(zhǔn)確性。最后，數(shù)字化轉(zhuǎn)型帶來的技術(shù)革新和商業(yè)模式創(chuàng)新顯著增加了企業(yè)價值預(yù)測的難度。數(shù)字技術(shù)的快速迭代和應(yīng)用使企業(yè)運(yùn)營更加復(fù)雜，傳統(tǒng)的分析框架可能難以適用[2]。商業(yè)模式的持續(xù)創(chuàng)新增加了業(yè)務(wù)發(fā)展的不確定性，提高了未來業(yè)績預(yù)測的難度?；谇笆龇治觯疚奶岢鲆韵赂偁幮约僭O(shè)。

H1a：企業(yè)數(shù)字化轉(zhuǎn)型會提升分析師預(yù)測準(zhǔn)確性，即企業(yè)數(shù)字化轉(zhuǎn)型程度越高，分析師預(yù)測準(zhǔn)確性越高。

H1b：企業(yè)數(shù)字化轉(zhuǎn)型會降低分析師預(yù)測準(zhǔn)確性，即企業(yè)數(shù)字化轉(zhuǎn)型程度越高，分析師預(yù)測準(zhǔn)確性越低。

四、研究設(shè)計

（一）樣本與數(shù)據(jù)來源

2011年，互聯(lián)網(wǎng)企業(yè)開始采取開放平臺戰(zhàn)略，推動了企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)程[21]。因此，本文選Fgj5SH5E02LELEsqUcskiPMhDXZLHh5N9MgRGeEg7v4=取2011年作為樣本起始年份，以2011—2021年滬深A(yù)股上市公司為初始研究樣本，并進(jìn)行如下篩選，剔除金融行業(yè)樣本，剔除ST和*ST樣本，剔除詳細(xì)信息缺失的樣本，最終得到14 292個公司—年度觀測樣本。本文使用的數(shù)字化轉(zhuǎn)型詞頻、分析師預(yù)測、公司財務(wù)和公司治理數(shù)據(jù)等均來自國泰安（CSMAR）數(shù)據(jù)庫。

（二）變量定義

1.被解釋變量

參照Behn et al.[22]的研究，本文以分析師預(yù)測的股票價格與未來實(shí)際股價之差的絕對值除以實(shí)際股價度量分析師預(yù)測準(zhǔn)確性（Ferror）：

其中，F(xiàn)EPS為該年跟蹤該公司的所有分析師在上年年報公布日之后且在本年年報發(fā)布日之前的最后一次每 股盈余預(yù)測的平均值；AEPS為公司當(dāng)年實(shí)際每股盈余，StockPrice為公司當(dāng)年期初開盤價。Ferror越大，分析師預(yù)測準(zhǔn)確性越低。

2.解釋變量

參考吳非等[9]的研究，在年報中選取大數(shù)據(jù)、人工智能、區(qū)塊鏈等與數(shù)字化底層技術(shù)應(yīng)用和技術(shù)實(shí)踐應(yīng)用相關(guān)的詞，對其詞頻數(shù)進(jìn)行加總，并做加1取自然對數(shù)后除以100處理，度量數(shù)字化轉(zhuǎn)型（DCG）。

3.控制變量

參考王美英等[18]的研究，加入以下控制變量：分析師跟蹤數(shù)量（Follow）、公司規(guī)模（Size）、資產(chǎn)負(fù)債率（Lev）、資產(chǎn)收益率（ROA）、每股經(jīng)營現(xiàn)金流（Mcfps）、企業(yè)成長性（Growth）、企業(yè)價值（TobinQ）、第一大股東持股（TOP1）、董事會規(guī)模（Board）、董事長與總經(jīng)理兩職合一（Duality）、產(chǎn)權(quán)性質(zhì)（SOE）、審計師事務(wù)所類型（Big4）、審計意見類型（Opinion）。為了排除極端值的影響，本文對連續(xù)變量在1%和99%的水平上進(jìn)行縮尾處理。

具體變量定義如表1所示。

（三）模型設(shè)計

本文構(gòu)建固定效應(yīng)模型以檢驗企業(yè)數(shù)字化轉(zhuǎn)型對 分析師預(yù)測準(zhǔn)確性的影響。

其中，F(xiàn)error為分析師預(yù)測準(zhǔn)確度，企業(yè)數(shù)字化轉(zhuǎn)型對分析師盈余預(yù)測的影響可能具有一定的延后性，本文做了滯后一期處理；DCG為企業(yè)數(shù)字化轉(zhuǎn)型；Controls 為控制變量。本文控制了公司和年度固定效應(yīng)，并對回歸系數(shù)的標(biāo)準(zhǔn)誤進(jìn)行了公司層面的聚類處理。

五、實(shí)證結(jié)果

（一）描述性統(tǒng)計

表2報告了描述性統(tǒng)計結(jié)果。分析師預(yù)測準(zhǔn)確性（Ferror）的均值和中位數(shù)分別為0.037和0.020，呈一定的右偏分布狀態(tài)；標(biāo)準(zhǔn)差為0.051，最大值和最小值分別為0.303和0.000，表明不同公司的分析師預(yù)測準(zhǔn)確性存在較大差異。企業(yè)數(shù)字化轉(zhuǎn)型（DCG）的中位數(shù)和標(biāo)準(zhǔn)差分別為0.011和0.014，最大值和最小值分別為0.051和0.000，表明不同企業(yè)間的數(shù)字化轉(zhuǎn)型程度存在較大差異。其余變量數(shù)特征與已有文獻(xiàn)一致。

（二）基本回歸結(jié)果

表3報告了基準(zhǔn)回歸結(jié)果。列（1）僅包含解釋變量數(shù)字化轉(zhuǎn)型程度（DCG），結(jié)果顯示DCG系數(shù)為負(fù)，且在1%的水平上顯著。列（2）加入了控制變量，DCG的回歸系數(shù)為-0.233且在1%的水平上顯著，說明數(shù)字化轉(zhuǎn)型降低了分析師預(yù)測誤差，提高了分析師預(yù)測準(zhǔn)確性，支持了H1a。

（三）穩(wěn)健性檢驗

1.更換解釋變量和被解釋變量度量方式

參考何帆等[1]的研究，本文采用以下方法度量數(shù)字化轉(zhuǎn)型（DCG1）：數(shù)字化詞頻小于閾值3為0，否則為1。此外，本文更換了分析師預(yù)測準(zhǔn)確性的度量方法，取分析師（團(tuán)隊）預(yù)測報告發(fā)布日在本年年報發(fā)布日之前與上一年年報發(fā)布日之后的樣本中最近三次每股盈余預(yù)測的平均值作為分析師盈余預(yù)測值，計算變量分析師預(yù)測準(zhǔn)確性（Ferror1）。結(jié)果如表4列（1）、列（2）列所示，數(shù)字化轉(zhuǎn)型系數(shù)在1%的水平上顯著為負(fù)，與基準(zhǔn)結(jié)果一致。

2.Heckman兩階段檢驗

進(jìn)行企業(yè)數(shù)字化轉(zhuǎn)型的企業(yè)可能也是分析師重點(diǎn)關(guān)注的企業(yè)。本文使用Heckman兩階段回歸緩解樣本選擇偏差問題。在原有控制變量的基礎(chǔ)上加入目標(biāo)公司同年度同行業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的平均數(shù)（DCGmean）得到逆米爾斯比率（IMR）后，將其作為控制變量參與回歸[21]。結(jié)果如表4列（3）、列（4）所示，數(shù)字化轉(zhuǎn)型（DCG）系數(shù)在1%的水平上顯著為負(fù)，支持基準(zhǔn)回歸結(jié)果。

3.傾向得分匹配

是否進(jìn)行數(shù)字化轉(zhuǎn)型會對企業(yè)產(chǎn)生系統(tǒng)性差異，本文使用傾向得分匹配法緩解樣本自選擇偏差問題。具體的，以目標(biāo)公司在同行業(yè)同期的企業(yè)數(shù)字化轉(zhuǎn)型程度中位數(shù)為基礎(chǔ)，對研究樣本進(jìn)行分組處理，如果高于中位數(shù)則為1，否則為0[19]。以原有控制變量為協(xié)變量，采用不放回的1■1最近鄰匹配法為處理組匹配控制組。使用匹配后的樣本對基準(zhǔn)回歸模型再次進(jìn)行檢驗，如表4列（5）所示，數(shù)字化轉(zhuǎn)型系數(shù)在1%的水平上顯著為負(fù)，與基準(zhǔn)結(jié)果一致。

4.工具變量回歸

數(shù)字化轉(zhuǎn)型可能與分析師預(yù)測準(zhǔn)確性存在雙向因果關(guān)系。如果分析師的預(yù)測更加準(zhǔn)確，企業(yè)可以更好地評估轉(zhuǎn)型的潛在收益和風(fēng)險，更有信心進(jìn)行數(shù)字化轉(zhuǎn)型。本文使用工具變量回歸緩解這一問題。參考曾富全等[23]的研究，以目標(biāo)公司同年度、同行業(yè)企業(yè)數(shù)字化轉(zhuǎn)型平均數(shù)（DCGmean）作為工具變量，使用兩階段最小二乘法進(jìn)行檢驗。結(jié)果如表4列（6）、列（7）所示，數(shù)字化轉(zhuǎn)型（DCG）系數(shù)依然顯著為負(fù)。相關(guān)檢驗結(jié)果證實(shí)，工具變量不存在不可識別問題，弱工具變量檢驗通過。

六、進(jìn)一步分析

（一）機(jī)制檢驗

根據(jù)前文分析，本文認(rèn)為數(shù)字化轉(zhuǎn)型通過數(shù)字創(chuàng)新提升了信息質(zhì)量，抑制了管理層的機(jī)會主義行為，具有信息驅(qū)動效應(yīng)，從而提高了分析師預(yù)測準(zhǔn)確性。對此，結(jié)合基準(zhǔn)回歸模型2，本文構(gòu)建以下模型進(jìn)行機(jī)制檢驗：

式中，Opaque為信息透明度，使用修正Jones模型度量。該值越大，表明企業(yè)信息透明度越低[24]。其他變量與模型2相同。表5報告了機(jī)制檢驗結(jié)果。列（2）中Opaque的系數(shù)為-0.438，且在5%的水平上顯著，表明數(shù)字化轉(zhuǎn)型提升了企業(yè)信息透明度。列（3）DCG的系數(shù)為-0.307，且在1%的水平上顯著，表明企業(yè)數(shù)字化轉(zhuǎn)型通過提升信息透明度，提高了分析師預(yù)測準(zhǔn)確性。

（二）異質(zhì)性分析

1.產(chǎn)權(quán)性質(zhì)

數(shù)字化轉(zhuǎn)型對分析師預(yù)測準(zhǔn)確性的影響可能因企業(yè)產(chǎn)權(quán)性質(zhì)不同而存在差異。企業(yè)所處的產(chǎn)權(quán)制度背景影響著其信息披露行為，一般而言，非國有企業(yè)信息透明度低于國有企業(yè)[23]。這是由于國有企業(yè)面臨來自證監(jiān)會和國資委等多重監(jiān)管壓力，同時承擔(dān)著更多的社會責(zé)任，這促使其建立更為嚴(yán)格的信息披露制度，較為完善的治理機(jī)制提升了國有企業(yè)的信息透明度。這意味著非國有企業(yè)更可能通過數(shù)字化轉(zhuǎn)型改善信息披露質(zhì)量。因此，本文預(yù)期數(shù)字化轉(zhuǎn)型對分析師預(yù)測準(zhǔn)確性的影響，應(yīng)該在非國有企業(yè)更為顯著。

本文依據(jù)實(shí)際控制人性質(zhì)將企業(yè)劃分為國有企業(yè)組和非國有企業(yè)組，對模型2進(jìn)行分組檢驗。表6列（1）、列（2）報告了回歸結(jié)果。列（1）為國有企業(yè)組，數(shù)字化轉(zhuǎn)型（DCG）的系數(shù)為負(fù)，但不顯著。列（2）為非國有企業(yè)組，數(shù)字化轉(zhuǎn)型（DCG）的系數(shù)在1%的水平上顯著為負(fù)，證實(shí)了本文的預(yù)期。

2.媒體關(guān)注度

作為公司外部治理環(huán)境的重要組成部分，媒體環(huán)境可能協(xié)同企業(yè)數(shù)字化轉(zhuǎn)型提高分析師預(yù)測準(zhǔn)確性。媒體的高度關(guān)注促使公司在數(shù)字化轉(zhuǎn)型中提供更詳細(xì)和及時的信息。并且，媒體報道可以提供對公司數(shù)字化轉(zhuǎn)型背后邏輯和戰(zhàn)略的分析，增強(qiáng)分析師對公司數(shù)字化轉(zhuǎn)型的了解，從而提高預(yù)測的準(zhǔn)確性。因此，本文預(yù)期數(shù)字化轉(zhuǎn)型對分析師預(yù)測準(zhǔn)確性的影響，應(yīng)該在媒體關(guān)注度高的企業(yè)更為顯著。

本文依據(jù)中國研究數(shù)據(jù)服務(wù)平臺報刊媒體報道內(nèi)容數(shù)總量的中位數(shù)，將樣本劃分為媒體關(guān)注度高組和媒體關(guān)注度低組，對模型2進(jìn)行分組檢驗。表6列（3）、列（4）報告了回歸結(jié)果。列（3）為媒體關(guān)注度高組，數(shù)字化轉(zhuǎn)型（DCG）的系數(shù)在1%的水平上顯著為負(fù)。列（4）為媒體關(guān)注度低組，數(shù)字化轉(zhuǎn)型（DCG）的系數(shù)為負(fù)但不顯著，證實(shí)了本文的預(yù)期。

（三）經(jīng)濟(jì)后果檢驗

數(shù)字化轉(zhuǎn)型通過提升企業(yè)信息處理能力、數(shù)據(jù)分析效率以及信息傳遞的及時性，顯著改善了企業(yè)信息環(huán)境的透明度，提升了分析師預(yù)測準(zhǔn)確性。分析師預(yù)測準(zhǔn)確性能夠減少市場噪音，增強(qiáng)投資者的理性決策能力，削弱羊群效應(yīng)，最終提升資本市場配置效率。本文參照林鐘高等[25]的研究，構(gòu)建以下模型檢驗上述假說。

式中，SYN為股價同步性，借鑒Gul et al.[26]的模型度量，其他變量同模型2?；貧w結(jié)果如表7所示，列（3）數(shù)字化轉(zhuǎn)型（DCG）的系數(shù)為-0.487，且在5%的水平上顯著為負(fù)，表明數(shù)字化轉(zhuǎn)型通過提升分析師預(yù)測準(zhǔn)確性，顯著降低了資本市場的股價同步性。

七、結(jié)論與啟示

本文以2011—2021年滬深A(yù)股上市公司為樣本，實(shí)證檢驗企業(yè)數(shù)字化轉(zhuǎn)型與分析師預(yù)測準(zhǔn)確性的關(guān)系。研究發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型顯著提高分析師預(yù)測準(zhǔn)確性。機(jī)制檢驗表明，數(shù)字化轉(zhuǎn)型提升了信息透明度，從而提高了分析師預(yù)測準(zhǔn)確性。異質(zhì)性分析表明，在非國有企業(yè)和受媒體關(guān)注度較高的企業(yè)中，數(shù)字化轉(zhuǎn)型對分析師預(yù)測準(zhǔn)確性的提升效應(yīng)更顯著。經(jīng)濟(jì)后果檢驗表明，數(shù)字化轉(zhuǎn)型對分析預(yù)測準(zhǔn)確性的影響進(jìn)一步降低了股價同步性。以上結(jié)論表明，數(shù)字化轉(zhuǎn)型不僅能夠促進(jìn)自身發(fā)展，還有助于提升分析師預(yù)測準(zhǔn)確性，促進(jìn)資本市場有效配置資源。

本研究具有以下啟示：首先，企業(yè)應(yīng)當(dāng)深化數(shù)字化戰(zhàn)略部署，制定數(shù)字化轉(zhuǎn)型路徑圖，加大信息化基礎(chǔ)設(shè)施和人才培養(yǎng)投入，建立專業(yè)的數(shù)據(jù)分析團(tuán)隊，提升數(shù)據(jù)價值挖掘能力，將數(shù)字化技術(shù)融入生產(chǎn)和運(yùn)營中，提升企業(yè)競爭力。其次，分析師應(yīng)當(dāng)提升數(shù)字化分析能力，加強(qiáng)對大數(shù)據(jù)、人工智能等新技術(shù)的應(yīng)用水平，完善數(shù)據(jù)分析模型，構(gòu)建更科學(xué)的企業(yè)價值評估體系。最后，監(jiān)管機(jī)構(gòu)應(yīng)當(dāng)完善數(shù)字經(jīng)濟(jì)相關(guān)法律法規(guī)，為企業(yè)數(shù)字化轉(zhuǎn)型提供制度保障；建立統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)體系，促進(jìn)信息共享和數(shù)據(jù)互通，通過技術(shù)補(bǔ)貼、專利保護(hù)等政策創(chuàng)造良好的外部制度環(huán)境。

【參考文獻(xiàn)】

［1］ 何帆，劉紅霞.數(shù)字經(jīng)濟(jì)視角下實(shí)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（4）：137-148.

［2］ 信春華，郝曉露，程璐.“信息”抑或“噪聲”：企業(yè)數(shù)字化轉(zhuǎn)型與分析師預(yù)測質(zhì)量［J］.上海金融，2022（4）：41-58.

［3］ 黃群慧，賀俊.“第三次工業(yè)革命”與中國經(jīng)濟(jì)發(fā)展戰(zhàn)略調(diào)整——技術(shù)經(jīng)濟(jì)范式轉(zhuǎn)變的視角［J］.中國工業(yè)經(jīng)濟(jì)，2013（1）：5-18.

［4］ 戚聿東，肖旭.數(shù)字經(jīng)濟(jì)時代的企業(yè)管理變革［J］.管理世界，2020，36（6）：135-152，250.

［5］ 方軍雄.我國上市公司信息披露透明度與證券分析師預(yù)測［J］.金融研究，2007（6）：136-148.

［6］ 徐子堯，龐月維，張莉沙.數(shù)字化轉(zhuǎn)型提升了上市公司信息披露質(zhì)量嗎？［J］.南京審計大學(xué)學(xué)報，2023，20（2）：33-42.

［7］ VIAL G.Understanding digital transformation：a reviewand a research agenda［J］.Journal of Strategic Information Systems，2019，28（2）：118-144.

［8］ 張永 ，李小波，邢銘強(qiáng).企業(yè)數(shù)字化轉(zhuǎn)型與審計定價［J］.審計研究，2021（3）：62-71.

［9］ 吳非，胡慧芷，林慧妍，等.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（7）：130-144，10.

［10］ 劉政，姚雨秀，張國勝，等.企業(yè)數(shù)字化、專用知識與組織授權(quán)［J］.中國工業(yè)經(jīng)濟(jì)，2020（9）：156-174.

［11］ LATEEF A，OMOTAYO F O.Information audit asan important tool in organizational management：a review of literature［J］.Business Information Review，2019，36（1）：15-22.

［12］ 劉永澤，高嵩.信息披露質(zhì)量、分析師行業(yè)專長與預(yù) 測準(zhǔn)確性——來自我國深市A 股的經(jīng)驗證據(jù)［J］.會計研究，2014（12）：60-65，96.

［13］ CLEMENT M B，TSE S Y.Financial analyst characteristics and herding behavior in forecasting［J］.The Journal of Finance，2005（55）：301-341.

［14］ DRISKILL M，KIRK M P，TUCKER J W.Concurrent earnings announcements and analysts' information production［J］.The Accounting Review，2020，

95（1）：165-189.

［15］ 岳衡，林小馳.證券分析師VS統(tǒng)計模型：證券分析 師盈余預(yù)測的相對準(zhǔn)確性及其決定因素［J］.會計研究，2008（8）：40-49，95.

［16］ 石桂峰，蘇力勇，齊偉山.財務(wù)分析師盈余預(yù)測精確度決定因素的實(shí)證分析［J］.財經(jīng)研究，2007（5）：62-71.

［17］ 周開國，應(yīng)千偉，陳曉嫻.媒體關(guān)注度、分析師關(guān)注度與盈余預(yù)測準(zhǔn)確度［J］.金融研究，2014（2）：139-152.

［18］ 王美英，付楠楠，霍宜君，等.國家審計影響分析師盈余預(yù)測準(zhǔn)確度了嗎？［J］.審計研究，2021（5）：61-71.

［19］ 王瑤，馮曉晴，侯德帥.企業(yè)數(shù)字化轉(zhuǎn)型能提高分析 師預(yù)測準(zhǔn)確度嗎？——基于信息披露和信息挖掘的雙重視角［J］.中南財經(jīng)政法大學(xué)學(xué)報，2023（4）：16-27，135.

［20］ CHEN W，ZHANG L，JIANG P，MENG F，SUNQ.Can digital transformation improve the information environment of the capital market？Evidencefrom the analysts' prediction behaviour［J］.Accounting & Finance，2022，62（2）：2543-2578.

［21］ 聶興凱，王穩(wěn)華，裴璇.企業(yè)數(shù)字化轉(zhuǎn)型會影響會計信息可比性嗎［J］.會計研究，2022（5）：17-39.

［22］ BEHN B K，JONGGHAG C，KANG T.Audit quality and properties of anlyst earnings forecasts［J］.The Accounting Review，2008，83（2）：327-349.

［23］ 曾富全，李泓安.數(shù)字化轉(zhuǎn)型、融資約束與企業(yè)高質(zhì) 量發(fā)展［J］.會計之友，2024（14）：50-58.

［24］ HUTTON A P，MARCUS A J，TEHRANIAN H.Opaque financial reports，R2，and crash risk［J］.Journal of Financial Economics，2009，94（1）：67-86.

［25］ 林鐘高，辛明璇.董事網(wǎng)絡(luò)位置與企業(yè)金融資產(chǎn)投資效率［J］.會計研究，2023（2）：79-95.

［26］ GUL F A，KIM J B，QIU A A.Ownership concentration，foreign shareholding，audit quality，and stock price synchronicity：evidence from China［J］.Journal of Financial Economics，2010，95（3）：425-443.