數(shù)字化轉型與企業(yè)綜合風險

劉純霞, 譚蓉慧, 陳友余, 鄧 超

(1.湖南財政經濟學院 會計學院,湖南 長沙 410205; 2.廣東外語外貿大學 金融學院,廣東 廣州 510420)

0 引言

當前,外部環(huán)境不確定性加大,世界經濟和貿易增長動能減弱。我國企業(yè)發(fā)展遇到國內外多重超預期因素沖擊,面臨巨大風險挑戰(zhàn)。2022年《中小企業(yè)數(shù)字化轉型指南》指出,要通過大中小企業(yè)“攜手行動”,多措并舉推動企業(yè)科學高效開展數(shù)字化轉型。

數(shù)字化轉型能否緩釋企業(yè)風險?學者們對此進行了大量研究,發(fā)現(xiàn)數(shù)字化轉型能有效降低經營風險[1],能提高股票流動性[2],能減小股價崩盤風險[3],還能降低融資約束[4],并顯著降低供應鏈上游供應商、下游客戶及供應鏈整體集中度[5],確保業(yè)務流程執(zhí)行更為穩(wěn)健可靠[6],維持經營穩(wěn)定性[7]和增強財務穩(wěn)定性[8]。但數(shù)字化轉型本質上屬于企業(yè)一種“破壞性”的創(chuàng)新策略或變革進程,難免會帶來技術上的重大改變或轉型,將進一步增大企業(yè)的不確定性風險或概率[9],可能因數(shù)字化轉型固有風險面臨更大的經營風險[10]。

綜上,現(xiàn)有研究主要是從單一風險視角進行研究的,發(fā)現(xiàn)數(shù)字化轉型對風險可能存在雙重影響,且觀點不一。考慮到這些不同層面的風險并不是相互獨立的,而是相互影響和相互制約的,這些單一風險是如何共同作用呈現(xiàn)綜合風險的呢?數(shù)字化轉型是否有助于降低企業(yè)綜合風險?其作用機理是什么?這些問題急需進一步研究。基于此,本文突破單一風險研究視角,構建企業(yè)風險組合體系,全面系統(tǒng)地分析了數(shù)字化轉型對企業(yè)綜合風險的緩釋機制,為從數(shù)字化轉型視角探尋風險理論研究提供經驗證據和決策支持,以推進企業(yè)數(shù)字化轉型與風險決策的統(tǒng)籌安排,力促企業(yè)高質量發(fā)展。

本文可能的貢獻在于:(1)突破單一風險研究視角,構建企業(yè)風險組合體系,并進行分解、降維和集成,創(chuàng)新性地反映企業(yè)綜合風險;(2)研究數(shù)字化轉型對企業(yè)綜合風險的影響機理,并通過實證分析予以驗證,對數(shù)字化轉型的經濟后果研究進行了進一步拓展和補充;(3)引入技術風險和人力資源風險,集成新型綜合風險,研究數(shù)字化轉型對新型綜合風險的線性與非線性影響機理,并剖析單一風險之間的共同作用機制。

1 理論分析與假設提出

1.1 直接作用機制

2022年10月,我國國家標準化管理委員會發(fā)布了《風險管理指南》,指出風險管理與其他管理活動是緊密相連的,整合是第一原則。2017年9月,COSO委員會正式發(fā)布更新版《企業(yè)風險管理框架》,指出要建立風險組合觀,管理層需要從組織整體角度考慮風險,而不是將其視為一個個單獨的、分散的風險。本文擬基于《風險管理指南》和《企業(yè)風險管理框架》要求,從風險整合視角出發(fā),構建綜合風險:(1)考慮企業(yè)內部可能存在的重要風險及利益相關者風險傳染可能,將信息風險、經營風險、財務風險、金融風險和供應鏈風險等五類關鍵風險納入企業(yè)風險組合體系,以反映企業(yè)綜合風險;(2)在第五部分,考慮數(shù)字化轉型可能滋生的新型風險類型,引入人力資源風險和技術風險,構建新型綜合風險。

本文的信息風險,側重于信息傳遞角度,主要指企業(yè)面對的由信息噪聲帶來的無法觀察真實需求的風險[11]。數(shù)字化轉型能將生產經營管理過程中產生的大量數(shù)據轉化為結構化和標準化的信息[2],提升業(yè)務信息可視化和會計信息可比性[12],能緩解信息不對稱?？梢?數(shù)字化轉型能大大改善信息風險。

經營風險是指,由企業(yè)經營基本面變化可能引起的損失,并最終反映在企業(yè)收益變動上[13]。學者們通過研究發(fā)現(xiàn),數(shù)字化轉型能有效降低企業(yè)的經營風險[1]。但企業(yè)一旦投入大量資金開展數(shù)字化研發(fā)項目,由于研發(fā)形成的資產變現(xiàn)能力差且不確定性高,企業(yè)實施數(shù)字化轉型的固有風險可能面臨更大的經營風險[10]。

財務風險是企業(yè)未來無力承擔或覆蓋必要的財務義務的潛在可能性[14]。高潛在破產風險能夠促進企業(yè)通過數(shù)字化轉型精準控制損失并維持經營穩(wěn)定性[7]。數(shù)字化轉型可提高企業(yè)內部經濟運行質效,重構資源配置模式,增強財務穩(wěn)定性[8]。企業(yè)通過數(shù)字化轉型,能監(jiān)督長期財務風險和短期財務風險,將風險管理從“被動應對”轉變?yōu)椤爸鲃幼R別”,能進行前瞻性預警和管控。

企業(yè)風險可能傳導到金融市場。在金融市場方面,企業(yè)數(shù)字化轉型能夠緩解信息不對稱,提高股票流動性[2],降低股價崩盤風險,并通過市場評價預期值改善和內部財務穩(wěn)定性提高減小股價崩盤風險[3]。融資是企業(yè)最基本的財務活動之一,融資約束風險產生。數(shù)字化轉型可以改善企業(yè)融資狀況,降低融資約束,獲取信貸支持[4]。不妨將股價崩盤風險和融資約束風險簡記為金融風險。在推進數(shù)字化轉型過程中,可能加劇企業(yè)“數(shù)字鴻溝”負面效應,也可能導致企業(yè)因資產利潤狀況變差、資金鏈斷裂而出現(xiàn)轉型風險[9]。

供應商-客戶關系是企業(yè)聯(lián)結市場的紐帶。相關研究發(fā)現(xiàn),企業(yè)數(shù)字化轉型顯著降低了供應鏈上游供應商、下游客戶及供應鏈整體集中度,推動供應鏈配置多元化[5]。但供應鏈風險可能增加企業(yè)經營風險,并導致利益侵占[15]。此時,企業(yè)在利用上下游數(shù)字化轉型存在的聯(lián)動效應時,必須規(guī)避可能帶來的“風險效應”,實現(xiàn)上下游協(xié)同發(fā)展。

綜上,數(shù)字化轉型對企業(yè)單一風險存在雙重影響?？紤]到不同層面的風險是相互影響和相互傳導的,其共同作用結果需要進一步研究,提出如下假設:

H1數(shù)字化轉型能降低企業(yè)綜合風險。

1.2 調節(jié)作用機制

數(shù)字化轉型能顯著提升企業(yè)創(chuàng)新效率,對行業(yè)競爭程度越高及市場化程度越低的企業(yè)促進作用越明顯[16]。數(shù)字化轉型可能僅能促進企業(yè)技術創(chuàng)新增量,并不能促進其提質,“雙重套利”與“同群效應”是增量不提質的重要原因[17]。對此,提出如下假設:

H2數(shù)字化轉型對企業(yè)綜合風險的減緩效應在高創(chuàng)新企業(yè)更明顯。

行業(yè)競爭度可弱化或強化企業(yè)對外部環(huán)境或自身行為的認知和關切,進而影響企業(yè)決策[18]。行業(yè)競爭往往使數(shù)字化轉型低的企業(yè)處于更高壓的狀態(tài),數(shù)字化轉型低的企業(yè)難以與行業(yè)競爭者處于同一“起跑線”。企業(yè)通過數(shù)字化轉型,主動增加信息透明度,降低信息不對稱和代理成本,可能緩解經營風險和融資風險。對此,提出如下假設:

H3數(shù)字化轉型對企業(yè)綜合風險的減緩效應在高競爭行業(yè)更明顯。

企業(yè)實施數(shù)字化轉型后,內部控制質量顯著提升[19]。企業(yè)實施數(shù)字化轉型后,可能擁有更加透明的信息和溝通環(huán)境,改善企業(yè)內部控制質量,減少經理人的機會主義行為,降低企業(yè)各類潛在風險。數(shù)字化轉型還可能助推企業(yè)更加完備地發(fā)揮監(jiān)督激勵功能,保障企業(yè)無內部控制缺陷,在有效權衡利弊得失基礎上及時采取較為合理的風險規(guī)避措施。對此,提出如下假設:

H4數(shù)字化轉型對企業(yè)綜合風險的減緩效應在無內部控制缺陷的企業(yè)更明顯。

2 研究設計

2.1 樣本選擇和數(shù)據來源

以2013—2020年我國A股上市公司為初始樣本,并進行如下篩選:(1)剔除金融保險類上市公司;(2)剔除經營環(huán)境不正常、數(shù)據不具備代表性的ST、PT公司;(3)剔除數(shù)據有缺失或不符合數(shù)據計量要求的公司。為消除異常值影響,在實證分析中,對連續(xù)變量在上下1%的水平上進行了Winsorize縮尾處理。本文最終得到2897個樣本觀測值,相關數(shù)據主要來自CSMAR國泰安數(shù)據庫及Wind數(shù)據庫,所應用軟件為Stata 16.0。

2.2 變量定義與度量

2.2.1 被解釋變量:綜合風險(SumRisk)

(1)單一風險的定義與度量

信息風險,本文是指企業(yè)的信息化綜合水平,即以企業(yè)所在行業(yè)及所在地區(qū)中每百家企業(yè)擁有的網站數(shù)均值予以刻畫。本文擬選取營業(yè)利潤率、ROE、ROA及經營杠桿系數(shù),衡量經營風險。鑒于財務風險有長短期之分,選取流動比率和速動比率衡量企業(yè)短期償債能力,選取權益對負債的比率及權益比率衡量企業(yè)長期償債能力,并添加財務杠桿系數(shù),衡量財務風險。本文擬應用負收益偏態(tài)系數(shù)和股票收益的非對稱波動比率衡量股價崩盤風險[3],用SA指數(shù)衡量企業(yè)融資約束風險[20]。借鑒IRVINE等[21]和MALLOY[22]的研究,用前五大客戶到該企業(yè)的平均地理距離及前五大供應商到該企業(yè)的平均地理距離的均值衡量供應鏈相對地理距離,用客戶集中度與供應商集中度的均值衡量供應鏈整體集中度,最后用供應鏈相對地理距離和供應鏈整體集中度的平均值衡量供應鏈風險。

(2)綜合風險的定義與度量

考慮到企業(yè)風險存在諸多測評維度,且各維度之間可能存在較強的相關性。在引入各類單一風險基礎上集成企業(yè)綜合風險時,需考慮以下三方面:(1)企業(yè)面臨的風險是動態(tài)變化的,企業(yè)綜合風險的構成要素也將動態(tài)變化,在不同時期可能面臨增減或調整;(2)單一風險指標的選取,要考慮關鍵風險類型,也要考慮數(shù)字化轉型可能滋生的新型風險類型,進而使綜合風險構成更科學合理;(3)方法應用上,選取的集成方法須能對動態(tài)調整的風險類型進行集成?；诖?選取多分格主成分分析法進行分解、降維和集成。

以財務風險為例,即將財務風險指標寫成多個主成分在其方向上的分解:

Risk1j=v11×A1j+v12×A2j+…+v1N×ANj

… …

RiskNj=vN1×A1j+vN2×A2j+…vNN×ANj

(1)

其中,A代表各個主成分,j代表企業(yè)個數(shù),N代表風險衡量指標個數(shù),v代表主成分在各風險衡量指標上的分量。將式(1)的系數(shù)矩陣轉置,可得到主成分中各類財務風險衡量分量的權重表達式:

A1j=f11(c1│dig1j)+f12(c2│dig2j)+…+f1N(cN│digNj)

… …

ANj=fN1(c1│dig1j)+fN2(c2│dig2j)+…+fNN(cN│digNj)

(2)

其中,c是各風險分量的權重系數(shù),f是各風險分量取值到所對應系數(shù)的映射,得到財務風險的主成分。相同地,再次應用可得到經營風險、信息風險、金融風險和供應鏈風險的主成分。據此,得出企業(yè)綜合風險。

2.2.2 解釋變量

數(shù)字化轉型(Dig):借鑒張永坤等[23]的研究成果,以上市公司財務報告附注中披露的年末無形資產明細項中與企業(yè)數(shù)字化程度提升部分占無形資產總額的比例,衡量數(shù)字化轉型。

2.2.3 調節(jié)變量與控制變量

引入企業(yè)創(chuàng)新水平(Rd)、行業(yè)競爭程度(HHI)和內部控制是否存在缺陷(Def),作為調節(jié)變量。借鑒已有研究,選取企業(yè)年齡(Age)、企業(yè)規(guī)模(Size)、資本結構(Lev)、企業(yè)所有制(Soe)、股權集中度(Top5)及管理費用率(MCost)等企業(yè)特征變量為主要控制變量。最后,對年份固定效應(Year)或行業(yè)固定效應(Industry)加以控制。主要變量設定及定義如表1所示。

表1 變量符號、變量名稱與變量定義

2.3 模型設定

基于上述理論和假設,首先建立模型1檢驗數(shù)字化轉型對綜合風險的影響;其次建立調節(jié)效應模型2、模型3和模型4,分別檢驗創(chuàng)新水平、行業(yè)競爭程度和內部控制缺陷對數(shù)字化轉型與綜合風險的影響。其中,i代表企業(yè),j代表行業(yè),c代表城市,Control代表一系列控制變量,ε代表隨機干擾項。

模型1:Riskijc=β0+β1Digijc+αxControlijc+∑Industry+∑Year+εijc

模型2:Riskijc=β0+β1Digijc+β2Rdijc+β3Digijc×Rdijc+αxControlijc+∑Industry+∑Year+∑Area+εijc

模型3:Riskijc=β0+β1Digijc+β2HHIijc+β3Digijc×HHIijc+αxControlijc+∑Year+∑Area+εijc

模型4:Riskijc=β0+β1Digijc+β2Defijc+β3Digijc×Defijc+αxControlijc+∑Industry+∑Year+∑Area+εijc

3 實證檢驗

3.1 基準回歸結果分析

為檢驗數(shù)字化轉型對企業(yè)綜合風險的影響,對基準模型進行回歸分析,回歸結果如表2所示。其中,第(1)列僅控制行業(yè)及年份,第(2)列在控制行業(yè)及年份基礎上,加入公司及地區(qū)層面的控制變量。相應地結果均顯示,數(shù)字化轉型(Dig)的系數(shù)均在1%水平上顯著為負,表明數(shù)字化轉型有助于降低企業(yè)綜合風險。假設1得到驗證。

表2 基準模型回歸結果

3.2 內生性問題處理

(1)控制逆向因果關系

數(shù)字化轉型與企業(yè)綜合風險之間,除存在數(shù)字化轉型對企業(yè)綜合風險的影響外,可能存在反向因果關系,帶來內生性問題。為緩解內生性問題可能帶來的估計偏誤,選用按行業(yè)-城市維度劃分的企業(yè)數(shù)字化轉型平均值,作為所在組內企業(yè)數(shù)字化轉型的工具變量進行2SLS估計。檢驗結果顯示,數(shù)字化轉型(Dig)的系數(shù)在1%水平上顯著為負。綜上,所選取的工具變量是合理可靠的,且主要結論與基準回歸結果一致。此外,還選取企業(yè)所在地區(qū)各省份的互聯(lián)網普及率[24]作為工具變量,檢驗結果顯示出數(shù)字化轉型(Dig)的系數(shù)依然顯著為負,說明結論依然穩(wěn)健。

(2)排除樣本選擇偏誤

樣本選擇偏誤也可能影響實證結果。相關統(tǒng)計結果顯示,約25%的企業(yè)沒有進行數(shù)字化投資,即對未實行數(shù)字化轉型的樣本,其數(shù)字化轉型取值為0,說明企業(yè)數(shù)字化也面臨樣本選擇性。對此,使用Tobit模型進行回歸。檢驗結果顯示,數(shù)字化轉型(Dig)的系數(shù)在5%水平上顯著為負,說明結論依然穩(wěn)健,假設1仍然成立。

(3)控制遺漏變量影響

遺漏變量也可能影響實證結果。盡管本文充分選取了主要控制因素,但也可能遺漏一些影響企業(yè)風險水平的重要特征,對此予以控制,進行如下處理:引入現(xiàn)金流(CashflowV)及盈利波動性(ProfitV),將其作為企業(yè)經營環(huán)境與成效特征變量;增加管理層持股比例(Mshare)和股權制衡度(Balance),將其作為企業(yè)管理層特征變量。檢驗結果顯示,數(shù)字化轉型(Dig)的系數(shù)在5%水平上均顯著為負,說明控制遺漏變量影響,仍然不改變本文的核心結論。

3.3 穩(wěn)健性檢驗

變量測度偏誤可能影響實證結論。對此,本文重新替換新的核心變量,并進行驗證。

一方面,替換被解釋變量。應用Z值模型替換企業(yè)綜合風險,將其作為新的被解釋變量。該值越大,表明公司面臨的綜合風險越小,故本文以Z值的倒數(shù)作為綜合風險代理變量引入模型。Z值模型對應的公式如下:

Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

(3)

其中,X1=凈營運資本/總資產,X2=留存收益/總資產,X3=息稅前利潤/總資產,X4=股權市場價值總額/總負債,X5=營業(yè)收入/總資產。

另一方面,替換解釋變量。選取更深層次和更精確的數(shù)字化轉型指標(Dig_替換),將其替換為新的解釋變量。借鑒吳非等[2]的研究,選取更深層次和更精確的數(shù)字化轉型特征詞:①將人工智能指標細分為機器學習、生物識別技術、自動駕駛、智能機器人、商業(yè)智能等二級關鍵詞;②將區(qū)塊鏈技術指標細分為數(shù)字貨幣、聯(lián)盟鏈、去中心化、分布式計算、比特幣等二級關鍵詞;③將云計算技術指標細分為物聯(lián)網、云計算、類腦計算、信息物理系統(tǒng)、融合架構等二級關鍵詞;④將大數(shù)據技術指標細分為數(shù)據挖掘、虛擬現(xiàn)實、征信、數(shù)據可視化、增強現(xiàn)實等二級關鍵詞;⑤將數(shù)字技術運用指標細分為移動互聯(lián)網、電子商務、互聯(lián)網金融、移動支付、工業(yè)互聯(lián)網、智能“+”等二級關鍵詞。隨后,基于上市公司年報,應用Python大數(shù)據爬蟲功能,進行文本挖掘,測度數(shù)字化轉型。

由替換被解釋變量和解釋變量后的實證結果可知:①第(1)列列示了替換解釋變量后的實證結果,Dig_替換的系數(shù)在1%水平上顯著為負,即替換新的數(shù)字化轉型變量,研究結論不變;②第(2)列列示了替換被解釋變量后的實證結果,企業(yè)綜合風險的系數(shù)顯著為負,但沒有通過顯著性檢驗;③第(3)列列示了同時替換解釋變量和被解釋變量后的實證結果,Dig_替換的系數(shù)在1%水平上顯著為負,研究結論不變?？梢?無論是替換被解釋變量,還是替換解釋變量,數(shù)字化轉型均能較好地緩釋企業(yè)綜合風險。

4 調節(jié)效應檢驗與異質性分析

4.1 調節(jié)效應檢驗

調節(jié)效應檢驗結果如表3所示。表3第(1)列顯示,企業(yè)創(chuàng)新水平對數(shù)字化轉型與企業(yè)綜合風險關系具有調節(jié)作用,且在1%水平上顯著正相關,即企業(yè)創(chuàng)新水平越高,數(shù)字化轉型越能降低綜合風險,假設2得到驗證。同理,表3第(2)列表3第(3)列顯示,行業(yè)競爭程度對數(shù)字化轉型與企業(yè)綜合風險關系具有調節(jié)作用,內部控制缺陷也具有調節(jié)作用,假設3及假設4得到驗證。

表3 調節(jié)效應檢驗

4.2 考慮企業(yè)性質、所處行業(yè)與地區(qū)特征的異質性分析

為了進一步討論企業(yè)性質、行業(yè)特征和地區(qū)因素對數(shù)字化轉型與企業(yè)綜合風險關系的作用機制,分別對企業(yè)性質、行業(yè)和地區(qū)子樣本進行數(shù)字化轉型與企業(yè)綜合風險的回歸檢驗,結果如表4所示。

表4 考慮企業(yè)性質、所處行業(yè)與地區(qū)特征的異質性分析結果

企業(yè)性質沒有通過顯著性檢驗。通過行業(yè)類型對比分析發(fā)現(xiàn):制造業(yè)沒有通過顯著性檢驗;服務業(yè)對應的系數(shù)為0.207,在1%水平上顯著正相關,說明服務業(yè)的數(shù)字化轉型領先于制造業(yè)。這可能是因為,服務業(yè)競爭日趨激烈,服務業(yè)企業(yè)更偏向于通過數(shù)字化轉型探尋新的利潤增長點。通過地域對比分析發(fā)現(xiàn):中西部地區(qū)沒有通過顯著性檢驗;東部地域系數(shù)為-0.119,在5%水平上顯著負相關。這可能是因為,東部地區(qū)的市場開放程度高,起著引領帶頭作用,市場競爭強度與企業(yè)活力相對充足,故數(shù)字化轉型高,對綜合風險的減緩作用也大。

5 進一步分析

5.1 引入技術風險和人力資源風險

數(shù)字化轉型本質上屬于企業(yè)一種“破壞性”的創(chuàng)新策略或變革進程,難免會帶來技術和人力資源上的重大改變或轉型,將進一步增大企業(yè)的不確定性風險或概率[9],技術風險和人力資源風險已然成為影響企業(yè)數(shù)字化轉型的重要新型風險[25]。考慮到企業(yè)面臨的風險是動態(tài)變化的,在不同時期可能需要調整,本處在綜合風險基礎上添加這兩類風險,應用主成分分析法構建新型綜合風險?，F(xiàn)有研究主要采用研發(fā)人員投入強度和高管團隊平均教育水平度量企業(yè)人力資源風險。研發(fā)人員投入強度用研發(fā)人員數(shù)量占企業(yè)職工總數(shù)比重進行衡量;高管受教育程度可分為高中及以下、大專、本科、碩士及博士五類,分別用1,2,3,4和5表示,可計算出每家高新技術企業(yè)高管團隊的平均教育水平,并選取企業(yè)專利申請數(shù)進行衡量技術風險。

引入新風險后的回歸結果如表5所示。表5顯示,數(shù)字化轉型的系數(shù)在1%水平上顯著為負,表明數(shù)字化轉型能降低新型綜合風險,但兩者之間線性擬合效果較差。

表5 添加新風險后的基準模型回歸結果

5.2 單一風險之間的共同作用機制分析

對各類單一風險分別進行基準回歸模型分析,由數(shù)字化轉型與單一風險之間的基準模型回歸結果可知:(1)金融風險和供應鏈風險沒有通過顯著性檢驗;(2)就信息風險、財務風險、經營風險和技術風險而言,數(shù)字化轉型的系數(shù)均在1%水平上顯著為負,表明數(shù)字化轉型能降低這些單一風險,其中,數(shù)字化轉型與信息風險及財務風險之間的擬合效果較好,與經營風險及技術風險之間的擬合效果差;(3)就人力資源風險而言,數(shù)字化轉型的系數(shù)在5%水平上顯著為正,表明數(shù)字化轉型并不能緩釋人力資源風險,反而助推了企業(yè)人力資源風險增加,但兩者之間的擬合效果差。

5.3 數(shù)字化轉型與新型綜合風險之間的非線性關系探尋

鑒于數(shù)字化轉型與新型綜合風險之間的線性擬合效果差,本處試圖探尋數(shù)字化轉型與新型綜合風險之間的非線性關系。

表6 線性回歸模型擬合結果比較

表7 機器學習模型擬合結果

再次,為更好的捕捉機器學習模型對樣本數(shù)據的非線性關系,本處采用堆疊法(Stacking)進行集成融合。堆疊法的核心思想是將多個基本模型的預測結果進行組合,訓練出一個次級模型,以提升機器學習模型性能。本文選取擬合效果靠前的三類機器學習模型作為基本模型,將每個基本模型在驗證集上的預測結果作為元特征,創(chuàng)建一個新的特征矩陣,獲取元特征和驗證集的真實標簽,并選用線性回歸作為次級模型,用于融合基本模型的預測結果,生成最終的預測結果,擬合結果如表8所示。由表8可知,樣本外擬合優(yōu)度MSEOOS得到提升,能達到55.2%。相較于單一機器學習模型的擬合結果,基于堆疊法的機器學習集成模型擬合效果有所提升。

表8 基于堆疊法的機器學習集成模型擬合結果

最后,進一步探究新型綜合風險與數(shù)字化轉型及數(shù)字化轉型相關信息的相互影響。根據機器學習模型優(yōu)化結果,獲取數(shù)字化轉型特征變量對新型綜合風險影響的重要度,特征重要度排序結果如表9所示。由表9可知,時間、產業(yè)和地區(qū)對企業(yè)綜合風險的影響較小,具體行業(yè)及數(shù)字化轉型本身的影響較大。

表9 特征重要度排序結果

6 研究結論與管理啟示

當前,世界百年未有之大變局加速演進,我國企業(yè)面臨風高浪急甚至驚濤駭浪的重大風險考驗。而數(shù)字化轉型已成為新發(fā)展格局下企業(yè)實現(xiàn)高質量發(fā)展的必由之路。鑒于學者們主要從單一風險視角進行研究,且研究觀點不一,本文創(chuàng)新性地從風險組合視角構建風險組合體系,并應用多分格主成分分析法進行分解、降維和集成,以反映企業(yè)綜合風險,探討數(shù)字化轉型對企業(yè)綜合風險的影響機理。通過研究發(fā)現(xiàn):

(1)數(shù)字化轉型對企業(yè)綜合風險具有緩釋效應;其緩釋效應,在高創(chuàng)新企業(yè)、高競爭行業(yè)和無內部控制缺陷企業(yè)更顯著;通過異質性分析發(fā)現(xiàn),服務業(yè)的數(shù)字化轉型進程領先于制造業(yè),東部地區(qū)的數(shù)字化轉型程度較高且風險減緩效果較好;

(2)考慮到企業(yè)面臨的風險是動態(tài)變化的,在原有風險基礎上添加技術風險和人力資源風險,集成新型綜合風險,發(fā)現(xiàn)數(shù)字化轉型有助于降低新型企業(yè)綜合風險,但兩者之間的線性擬合效果差;通過剖析數(shù)字化轉型與各類單一風險之間的線性相關關系,發(fā)現(xiàn)呈現(xiàn)異質性特點,且單一風險之間的共同作用機制導致數(shù)字化轉型緩釋新型綜合風險的效果較弱;引入機器學習模型,發(fā)現(xiàn)機器學習模型能顯著提升擬合效果,基于堆疊法的機器學習集成模型的擬合效果最好,表明數(shù)字化轉型與企業(yè)新型綜合風險之間存在一定的非線性關系。

基于以上分析,得出如下管理啟示:

(1)在當前不確定風險加劇的環(huán)境下,企業(yè)應主動協(xié)調好內外風險因素和收益關系,并將各類風險融為一個整體,進行風險組合管理,定期或不定期地實施風險辨識,打造全面風險管控體系,使風險信息能真正發(fā)揮出決策支持功能;

(2)企業(yè)要把握數(shù)字化轉型機遇,利用同群效應和“干中學”方式進行創(chuàng)新投入和創(chuàng)新活動變革,通過創(chuàng)新引領企業(yè)發(fā)展,并通過智能化技術和方法管控企業(yè)可能面臨的各類風險,提升企業(yè)內外信息挖掘能力、處理能力和吸收能力,緩解信息不對稱問題、委托代理沖突和融資壓力,提升企業(yè)風險承擔水平,使數(shù)字化轉型減緩企業(yè)內部風險的功能高質量的發(fā)揮出來;

(3)產業(yè)鏈供應鏈上的企業(yè)要在數(shù)字化轉型步調上協(xié)同一致,通過產業(yè)鏈供應鏈鏈條的數(shù)據協(xié)同,實現(xiàn)數(shù)據無縫對接和實時共享,簡化中間流程,降低交易成本,構建風險聯(lián)合管控機制,對產業(yè)鏈供應鏈上的主要風險和潛在風險進行全天候不間斷監(jiān)測與預警,提高風險響應速度,妥善處理好產業(yè)鏈供應鏈上的效率與安全關系,使數(shù)字化轉型發(fā)揮出減緩供應鏈風險的功能。