彭曉潔 張建翔 莊志鵬
【摘 要】 數(shù)字經(jīng)濟(jì)時(shí)代,越來(lái)越多的企業(yè)開始數(shù)字化轉(zhuǎn)型,但數(shù)字化轉(zhuǎn)型對(duì)資本市場(chǎng)的影響尚需探索?;诖?,選取2012—2021年滬深A(yù)股上市公司數(shù)據(jù)為研究樣本,探尋企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)兩者間的關(guān)系。研究發(fā)現(xiàn):企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)呈顯著負(fù)相關(guān),即企業(yè)進(jìn)行數(shù)字化變革會(huì)降低企業(yè)股價(jià)崩盤的風(fēng)險(xiǎn)。在產(chǎn)權(quán)異質(zhì)性分析下,國(guó)有企業(yè)數(shù)字化更加顯著降低股價(jià)崩盤風(fēng)險(xiǎn)。進(jìn)一步研究發(fā)現(xiàn),企業(yè)數(shù)字化可以通過(guò)提高內(nèi)部控制質(zhì)量與降低企業(yè)盈余管理程度來(lái)達(dá)到降低股價(jià)崩盤風(fēng)險(xiǎn)目的。研究結(jié)論有助于理解企業(yè)數(shù)字化對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響機(jī)制,不僅為企業(yè)數(shù)字化提供了有益建議,而且有利于資本市場(chǎng)的建設(shè)與發(fā)展。
【關(guān)鍵詞】 數(shù)字化; 股價(jià)崩盤風(fēng)險(xiǎn); 產(chǎn)權(quán)性質(zhì); 內(nèi)部控制; 盈余管理
【中圖分類號(hào)】 F272.3;F832? 【文獻(xiàn)標(biāo)識(shí)碼】 A? 【文章編號(hào)】 1004-5937(2023)13-0106-10
一、引言與文獻(xiàn)回顧
黨的二十大報(bào)告明確指出關(guān)于數(shù)字化的重大戰(zhàn)略部署,提出要加快發(fā)展數(shù)字經(jīng)濟(jì),促進(jìn)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)的融合。近年來(lái),數(shù)字化浪潮席卷中國(guó),中國(guó)幾乎所有的產(chǎn)業(yè)都在進(jìn)行數(shù)字化變革,可見企業(yè)數(shù)字化轉(zhuǎn)型是至關(guān)重要的,數(shù)字作用更是企業(yè)發(fā)展壯大的重要保障。與此同時(shí),我國(guó)資本市場(chǎng)經(jīng)歷了30多年的發(fā)展,已經(jīng)成為全球第二大資本市場(chǎng),為社會(huì)經(jīng)濟(jì)發(fā)展提供了強(qiáng)大推動(dòng)力[1]。但是,各上市公司股價(jià)異常波動(dòng)頻繁,股價(jià)暴漲暴跌所導(dǎo)致的股價(jià)崩盤事件頻發(fā)(比如上市公司晶豐明源2022年前9個(gè)月股價(jià)暴跌72%),這對(duì)我國(guó)資本市場(chǎng)長(zhǎng)期健康發(fā)展構(gòu)成了較大隱患。如何減少股價(jià)異常波動(dòng)的頻率,降低股價(jià)崩盤風(fēng)險(xiǎn)成為政府監(jiān)管層長(zhǎng)期關(guān)注的重點(diǎn)問(wèn)題,因此,學(xué)術(shù)界對(duì)股價(jià)崩盤風(fēng)險(xiǎn)開展研究具有重要的理論與現(xiàn)實(shí)意義。
股價(jià)崩盤風(fēng)險(xiǎn)是指企業(yè)管理者因?yàn)殡[藏了企業(yè)的某些消極信息,導(dǎo)致市場(chǎng)內(nèi)外交易信息不對(duì)稱,當(dāng)消極信息被披露出來(lái)在短期之內(nèi)造成企業(yè)股票價(jià)格暴跌的表現(xiàn)。資本市場(chǎng)是現(xiàn)代經(jīng)濟(jì)的資源配置中心,但股價(jià)崩盤嚴(yán)重?fù)p害了投資者利益,降低了其應(yīng)發(fā)揮的資源配置功能。學(xué)術(shù)界關(guān)于導(dǎo)致企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)原因的研究,發(fā)現(xiàn)有以下因素:一是基于企業(yè)管理層面的因素,比如企業(yè)會(huì)計(jì)信息披露、企業(yè)社會(huì)責(zé)任、股權(quán)結(jié)構(gòu)、審計(jì)質(zhì)量等[2];二是外部監(jiān)管層面的因素,比如媒體監(jiān)督[3];三是基于企業(yè)戰(zhàn)略層面的因素,比如多元化經(jīng)營(yíng)、技術(shù)創(chuàng)新[4]。然而,鮮有研究企業(yè)數(shù)字化對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響。從理論層面來(lái)看,企業(yè)數(shù)字化作為經(jīng)濟(jì)轉(zhuǎn)型升級(jí)和高質(zhì)量發(fā)展的重要?jiǎng)恿?,為企業(yè)技術(shù)創(chuàng)新賦能和提高企業(yè)生產(chǎn)效率具有重要意義[5]。企業(yè)進(jìn)行數(shù)字化變革為企業(yè)的發(fā)展賦予了全新的模式和動(dòng)能,會(huì)對(duì)企業(yè)經(jīng)營(yíng)管理產(chǎn)生重大的影響,尤其會(huì)影響市場(chǎng)投資者之間信息不對(duì)稱的關(guān)系,從而影響到企業(yè)在風(fēng)險(xiǎn)管理以及應(yīng)對(duì)外部環(huán)境變化方面的能力[6],由此不禁要思考:企業(yè)數(shù)字化是否會(huì)對(duì)股價(jià)崩盤風(fēng)險(xiǎn)產(chǎn)生影響呢?
企業(yè)進(jìn)行數(shù)字化變革能夠?qū)ζ髽I(yè)經(jīng)營(yíng)管理產(chǎn)生積極的影響,會(huì)抑制企業(yè)盈余管理活動(dòng)和提高內(nèi)部控制質(zhì)量[7],從而可能會(huì)對(duì)股價(jià)崩盤風(fēng)險(xiǎn)產(chǎn)生影響。一方面,企業(yè)數(shù)字化轉(zhuǎn)型會(huì)引起企業(yè)內(nèi)外部各運(yùn)行機(jī)制的改變,降低企業(yè)信息不對(duì)稱[8],抑制企業(yè)盈余管理活動(dòng),從而提高會(huì)計(jì)信息治理。另一方面,數(shù)字化利用新的信息技術(shù),開發(fā)企業(yè)的信息資源,獲取企業(yè)內(nèi)部和外部的信息,以實(shí)現(xiàn)信息交流[9],優(yōu)化企業(yè)的流程管理制度,提高內(nèi)部控制質(zhì)量?;诖耍髽I(yè)數(shù)字化能否通過(guò)降低盈余管理水平和提高內(nèi)部控制質(zhì)量這兩個(gè)途徑來(lái)降低企業(yè)崩盤風(fēng)險(xiǎn)是需要深入研究的問(wèn)題。
本文通過(guò)建立模型,基于2012—2021年滬深A(yù)股上市公司數(shù)據(jù),考察了企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)的關(guān)系。首先,研究了企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)的關(guān)系;其次,考察了不同產(chǎn)權(quán)性質(zhì)下的企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)的關(guān)系;最后,進(jìn)一步研究了企業(yè)數(shù)字化能否通過(guò)抑制盈余管理和增強(qiáng)內(nèi)部控制質(zhì)量這兩個(gè)途徑來(lái)降低企業(yè)崩盤風(fēng)險(xiǎn)。
本文的研究主要有以下三方面貢獻(xiàn):第一,以往關(guān)于企業(yè)數(shù)字化的研究大多數(shù)都聚焦于企業(yè)數(shù)字化對(duì)企業(yè)績(jī)效和管理變革等方面的影響,較少文獻(xiàn)基于企業(yè)數(shù)字化轉(zhuǎn)型視角分析對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響,本文將兩者結(jié)合起來(lái)研究,將有助于完善實(shí)證研究,深化對(duì)企業(yè)數(shù)字化變革的認(rèn)識(shí),因此具有較強(qiáng)的理論意義。第二,本文結(jié)合企業(yè)產(chǎn)權(quán)性質(zhì),將國(guó)有企業(yè)和民營(yíng)企業(yè)相區(qū)分作為制度背景來(lái)研究,這將有助于解釋企業(yè)數(shù)字化變革對(duì)企業(yè)價(jià)值影響在不同產(chǎn)權(quán)性質(zhì)的企業(yè)中存在差異的原因,以及在什么條件下才會(huì)產(chǎn)生積極作用,從而為研究企業(yè)數(shù)字化變革的有效性問(wèn)題提供一種新的思路。第三,在企業(yè)數(shù)字化對(duì)股價(jià)崩盤風(fēng)險(xiǎn)影響的研究中,進(jìn)一步考察了兩者之間的傳導(dǎo)路徑,深化了內(nèi)部控制和盈余管理對(duì)數(shù)字化變革影響企業(yè)價(jià)值作用的認(rèn)識(shí),為如何進(jìn)行數(shù)字化變革從而提升企業(yè)價(jià)值提供了新視角。
二、理論分析與研究假設(shè)
(一)企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)
從目前的理論研究看,股價(jià)崩盤風(fēng)險(xiǎn)主要是由于企業(yè)的管理者和股東之間信息的不對(duì)稱所引起的[10],即管理者存在掩蓋負(fù)面信息的行為,而對(duì)外釋放利己的好信息[11],從而推高企業(yè)的股價(jià),但隨著日積月累負(fù)面信息達(dá)到上限時(shí),就會(huì)被集中披露出來(lái),產(chǎn)生嚴(yán)重負(fù)面影響往往會(huì)導(dǎo)致股價(jià)崩盤[12]。
根據(jù)委托代理理論,企業(yè)的管理層與股東之間目標(biāo)具有差異性,企業(yè)股東雖然是企業(yè)的所有者,但并不直接參與企業(yè)日常經(jīng)營(yíng)管理,企業(yè)管理層作為股東的委托代理人,他們?cè)谖袡?quán)限內(nèi)負(fù)責(zé)企業(yè)日?;顒?dòng),就會(huì)產(chǎn)生第一類代理人問(wèn)題,即由于存在信息不對(duì)稱,管理者與股東、股東與債權(quán)人之間存在利益沖突問(wèn)題。企業(yè)數(shù)字化其實(shí)質(zhì)是充分利用計(jì)算機(jī)技術(shù),開發(fā)企業(yè)的信息資源,獲取企業(yè)內(nèi)部和外部的信息,以實(shí)現(xiàn)信息交流,優(yōu)化企業(yè)的流程管理制度,提高企業(yè)的效率[13]。企業(yè)數(shù)字化扮演著信息傳播的工具,其主要的價(jià)值是緩解信息的不對(duì)稱。陳金亮等[14]研究發(fā)現(xiàn)企業(yè)運(yùn)用新的信息技術(shù)能夠優(yōu)化企業(yè)內(nèi)部組織結(jié)構(gòu),加強(qiáng)企業(yè)內(nèi)部的信息交流,減少企業(yè)內(nèi)部信息不對(duì)稱的問(wèn)題。賈京坤等[15]研究發(fā)現(xiàn),進(jìn)行數(shù)字化轉(zhuǎn)型之后的企業(yè)能夠優(yōu)化組織運(yùn)營(yíng)的流程,增加與外部客戶、供應(yīng)商等利益相關(guān)者的聯(lián)系,優(yōu)化了他們的體驗(yàn)和自身商業(yè)運(yùn)營(yíng)模式?;谏鲜龇治觯岢黾僭O(shè)1。
H1:在其他條件不變的情況下,企業(yè)數(shù)字化能夠有效降低股價(jià)崩盤風(fēng)險(xiǎn)。
(二)產(chǎn)權(quán)異質(zhì)性與股價(jià)崩盤風(fēng)險(xiǎn)
在國(guó)內(nèi)由于產(chǎn)權(quán)性質(zhì)的不同,企業(yè)經(jīng)營(yíng)目標(biāo)與決策行為均存在顯著差異,這也會(huì)導(dǎo)致企業(yè)數(shù)字化對(duì)企業(yè)經(jīng)營(yíng)管理的作用機(jī)制存在差異。本文通過(guò)分析認(rèn)為,國(guó)有企業(yè)數(shù)字化轉(zhuǎn)型可以有效抑制其股價(jià)崩盤風(fēng)險(xiǎn),而對(duì)民營(yíng)企業(yè)影響較小。原因在于:國(guó)有企業(yè)的最終控制人是政府,國(guó)有企業(yè)高管往往由各級(jí)政府委派,嚴(yán)格遵從規(guī)章制度,更容易受到正式制度約束;相反,民營(yíng)企業(yè)的最終控制權(quán)人是自然人或者家庭,其受到政府部門的制約較少,通常情況下公司治理機(jī)制也不完善,導(dǎo)致大股東或管理者擁有更多的自由裁定權(quán),在公司治理機(jī)制約束相對(duì)較弱的民營(yíng)企業(yè)中信息不對(duì)稱問(wèn)題可能會(huì)表現(xiàn)得更為明顯。同時(shí),民營(yíng)企業(yè)更加關(guān)注資本市場(chǎng),主要的原因是民營(yíng)企業(yè)為了獲取更多的資金,會(huì)將股票做抵押進(jìn)行融資業(yè)務(wù)[16],因此民營(yíng)企業(yè)會(huì)主動(dòng)隱瞞消息,以免股價(jià)大幅下跌,導(dǎo)致股票被強(qiáng)制平倉(cāng),而失去公司的控制權(quán),而國(guó)有企業(yè)融資渠道更廣、融資阻礙少,基本很少出現(xiàn)上述問(wèn)題?;谏鲜龇治觯岢黾僭O(shè)2。
H2:在其他條件不變的情況下,相對(duì)于民營(yíng)企業(yè),國(guó)有企業(yè)數(shù)字化降低股價(jià)崩盤風(fēng)險(xiǎn)更顯著。
三、研究設(shè)計(jì)
(一)樣本選取和數(shù)據(jù)來(lái)源
本文選取2012—2021年滬深A(yù)股上市公司的數(shù)據(jù)為樣本。在2012年后,隨著云計(jì)算、人工智能等新技術(shù)的發(fā)展,推動(dòng)和促進(jìn)了上市公司的數(shù)字化變革,為此,將2012年作為研究樣本的初始年份,并對(duì)數(shù)據(jù)進(jìn)行如下篩選:剔除金融行業(yè)、ST和?觹ST公司、相關(guān)數(shù)據(jù)異常與缺失的公司,最終得到樣本公司8 417家。為了降低異常值的影響,本文對(duì)連續(xù)變量進(jìn)行了雙向1%的Winsorize處理,數(shù)據(jù)主要來(lái)自Wind、CSMAR數(shù)據(jù)庫(kù)。
(二)變量說(shuō)明
1.被解釋變量:股價(jià)崩盤風(fēng)險(xiǎn)(NCSKEW)
借鑒權(quán)小鋒等[17]的文獻(xiàn),本文通過(guò)股票周收益負(fù)偏程度來(lái)測(cè)度股價(jià)崩盤風(fēng)險(xiǎn)。分年度對(duì)股票周收益率數(shù)據(jù)進(jìn)行下列回歸,建立如下模型:
Ri,t=α+β1Rm,t-2+β2Rm,t-1+β3Rm,t+β4Rm,t+1+β5Rm,t+2+
εi,t? ? (1)
Wi,t=Ln(1+εi,t)? ? (2)
其中,Ri,t為股票i在第t周現(xiàn)金紅利再投資的收益率,Rm,t為A股股票在第t周流通市值加權(quán)市場(chǎng)收益率,將上述模型所得殘差進(jìn)行計(jì)算,得到年平均收益(Wi,t)。其次,根據(jù)年平均收益(Wi,t)分別計(jì)算負(fù)收益偏態(tài)系數(shù)(NCSKEW),建立如下模型:
NCSKEWi,t=Ln■? (3)
其中,股票i在某年交易周數(shù)為n,負(fù)偏態(tài)系數(shù)(NCSKEW)的數(shù)值與股價(jià)崩盤的風(fēng)險(xiǎn)正相關(guān)。
2.核心解釋變量:企業(yè)數(shù)字化(Digital)
借鑒Eiteneyer et al.[18]數(shù)字化四方面導(dǎo)向(產(chǎn)品與服務(wù),能力與技能,客戶與供應(yīng)鏈,組織與流程)的詞庫(kù),在中文語(yǔ)境下對(duì)其四個(gè)維度的基礎(chǔ)詞匯進(jìn)行擴(kuò)充與延展,得到了數(shù)字化四個(gè)維度的中文關(guān)鍵詞庫(kù),并將所有導(dǎo)向的詞語(yǔ)匯總成總詞庫(kù)。接下來(lái)將總詞庫(kù)導(dǎo)入python第三方中文專用分詞庫(kù)jieba中,保證詞庫(kù)中的專有名詞不被分割,利用pdfminer對(duì)上市公司年報(bào)中“管理層(經(jīng)營(yíng)情況)討論與分析——未來(lái)發(fā)展展望(規(guī)劃)”部分內(nèi)容(分析所需部分)進(jìn)行分詞,對(duì)每一個(gè)導(dǎo)向內(nèi)的單個(gè)詞頻進(jìn)行統(tǒng)計(jì),并將每個(gè)詞頻相加得到數(shù)字化導(dǎo)向在該維度的總詞數(shù),除以該部分的總詞數(shù)進(jìn)行標(biāo)準(zhǔn)化,最終得到企業(yè)數(shù)字化的分析結(jié)果。
3.控制變量
參照陳運(yùn)森等[19]的做法,本文選取公司發(fā)展速度(Growth)、審計(jì)師質(zhì)量(Big4)、財(cái)務(wù)杠桿率(Leverage)、股票增發(fā)(Seo)、企業(yè)并購(gòu)(Ma)、上市年數(shù)(Age)、股權(quán)集中度(Top1)、現(xiàn)金流(Ocf)、公司規(guī)模(Size)等作為控制變量。
具體變量定義見表1。
(三)模型設(shè)定
本研究采用雙向固定效應(yīng)模型進(jìn)行回歸,同時(shí)考慮個(gè)體固定效應(yīng)和時(shí)間固定效應(yīng),默認(rèn)采用聚類穩(wěn)健標(biāo)準(zhǔn)誤。為了緩解多重共線性問(wèn)題,本文對(duì)連續(xù)變量進(jìn)行了中心化處理;解釋變量和控制變量滯后一期,以控制逆向因果的影響。本研究按照2012年證監(jiān)會(huì)行業(yè)分類標(biāo)準(zhǔn)劃分各個(gè)行業(yè)。另外,為了控制宏觀環(huán)境的影響,回歸中包含了年份、行業(yè)虛擬變量。基于本文提出的假設(shè)與借鑒相關(guān)文獻(xiàn),建立如下多元回歸模型:
NCSKEWi,t=β0+β1Digitali,t-1+
β2Growthi,t-1+β3Big4i,t-1+β4Leveragei,t-1+
β5Seoi,t-1+β6Mai,t-1+β7Agei,t-1+
β8Top1i,t-1+β9Ocfi,t-1+β10Sizei,t-1+
Year+Industry+?綴? ? ?(4)
四、實(shí)證分析
(一)描述性統(tǒng)計(jì)分析
表2中的Panel A是研究樣本的變量描述性統(tǒng)計(jì)分析結(jié)果。其中,股價(jià)崩盤風(fēng)險(xiǎn)(NCSKEW)均值為-0.291,標(biāo)準(zhǔn)差為0.767,說(shuō)明樣本數(shù)據(jù)差異大,樣本企業(yè)普遍存在著股價(jià)崩盤風(fēng)險(xiǎn);對(duì)于企業(yè)數(shù)字化而言,樣本最小值為0.497,最大值為1.721,表明在數(shù)字化方面,企業(yè)之間存在較大差別。
本文還根據(jù)中位數(shù)數(shù)值將企業(yè)數(shù)字化分為高低兩組來(lái)對(duì)樣本進(jìn)行組間均值差異比較。結(jié)果如表2中的Panel B所示,其中,在數(shù)字化較低的一組中,股價(jià)崩盤風(fēng)險(xiǎn)的均值為0.206,而在數(shù)字化較高的一組中,企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)的均值為0.143,可以看出兩組在1%水平上存在顯著差異;同時(shí),數(shù)字化較高的組股價(jià)崩盤風(fēng)險(xiǎn)次數(shù)顯著高于數(shù)字化低的組;此外,兩組在公司發(fā)展速度、審計(jì)師質(zhì)量、財(cái)務(wù)杠桿等方面也存在顯著差異。
(二)相關(guān)性分析
研究變量之間的相關(guān)性檢驗(yàn)結(jié)果如表3所示。由表3可知,在不加入控制變量進(jìn)行回歸的情況下,企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)顯著負(fù)相關(guān),初步驗(yàn)證了H1。其中可以看出控制變量與核心解釋變量企業(yè)數(shù)字化存在顯著的相關(guān)關(guān)系。由相關(guān)性分析可以看出,各變量的相關(guān)系數(shù)最大值是0.406,各變量相關(guān)性系數(shù)絕對(duì)值皆小于0.5,說(shuō)明變量間沒(méi)有出現(xiàn)嚴(yán)重的多重共線性問(wèn)題。
(三)多元回歸分析
1.企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)
表4列示了模型3的回歸結(jié)果,其中(1)列和(2)列為企業(yè)數(shù)字化對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的回歸結(jié)果。在(1)列的回歸中,只放入企業(yè)數(shù)字化和股價(jià)崩盤風(fēng)險(xiǎn)變量,NCSKEW的回歸系數(shù)為-0.935,并在1%的水平上顯著,表明企業(yè)數(shù)字化程度越高,企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)可能性越低;在(2)列中,除了數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)變量之外,還加入了其他控制變量,此時(shí)股價(jià)崩盤風(fēng)險(xiǎn)的回歸系數(shù)變?yōu)?0.888,仍然在1%水平上顯著,擬合優(yōu)度R2也由(1)列的0.006增加為(2)列的0.069,表明模型的解釋力度有所增加,驗(yàn)證了H1成立,即企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)之間確實(shí)呈負(fù)相關(guān)關(guān)系。
2.產(chǎn)權(quán)異質(zhì)性與股價(jià)崩盤風(fēng)險(xiǎn)
(3)列和(4)列則是不同產(chǎn)權(quán)性質(zhì)下,企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)之間的回歸結(jié)果。其中,(3)列是民營(yíng)企業(yè)數(shù)字化和股價(jià)崩盤風(fēng)險(xiǎn)的回歸結(jié)果,(4)列是國(guó)有企業(yè)的企業(yè)數(shù)字化和股價(jià)崩盤風(fēng)險(xiǎn)的回歸結(jié)果,回歸系數(shù)皆顯著為負(fù),民營(yíng)與國(guó)有企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)變量的回歸系數(shù)分別為-0.637和-0.715,并分別在10%和1%水平上顯著,擬合優(yōu)度R2也由0.005增加為0.054,充分支持了H2成立,即國(guó)有企業(yè)數(shù)字化更加顯著降低股價(jià)崩盤風(fēng)險(xiǎn)。
(四)穩(wěn)健性檢驗(yàn)
為保證結(jié)論的可靠性,本文采取了替換指標(biāo)、Heckman兩階段法進(jìn)行穩(wěn)健性檢驗(yàn),具體結(jié)果如下:
1.替換解釋變量
為避免不同衡量方法對(duì)本文結(jié)論產(chǎn)生的影響,本文對(duì)企業(yè)數(shù)字化指標(biāo)進(jìn)行了多種度量,以檢驗(yàn)結(jié)論的可靠性,回歸結(jié)果如表5所示,其中(1)列是根據(jù)中位數(shù)數(shù)值將數(shù)字化分為高低兩組,高于中位數(shù)為1,否則為0,回歸結(jié)果顯示企業(yè)數(shù)字化(虛擬變量)與股價(jià)崩盤風(fēng)險(xiǎn)皆在1%水平上顯著負(fù)相關(guān),與前文的回歸結(jié)果一致;同時(shí),本文還將企業(yè)數(shù)字化進(jìn)行了四等分,以研究不同程度的數(shù)字化是否會(huì)影響股價(jià)崩盤風(fēng)險(xiǎn),回歸結(jié)果如(2)列所示,企業(yè)數(shù)字化對(duì)股價(jià)崩盤風(fēng)險(xiǎn)回歸結(jié)果仍然在1%水平上顯著負(fù)相關(guān),結(jié)論保持不變。
2.考慮樣本自選擇的逆米爾斯Heckman兩階段模型檢驗(yàn)
為了避免潛在的樣本選擇偏差,本文采用了Heckman(1979)兩階段回歸來(lái)解決該問(wèn)題。首先,在第一步中,將數(shù)字化根據(jù)中位數(shù)值分為數(shù)字化高低虛擬變量(Digital_3),在控制了基本的控制變量后對(duì)該虛擬變量進(jìn)行Probit回歸,并計(jì)算出逆米爾斯比率(Inverse Mils Ratio)。而第二步中,在回歸模型1中加入第一步計(jì)算得到的控制變量逆米爾斯比率(IMR),若IMR的回歸系數(shù)顯著,則表明本文存在樣本選擇問(wèn)題,若不顯著,則不存在樣本選擇問(wèn)題;表6中(1)列為第一步回歸結(jié)果,(2)列和(3)列則為第二步回歸結(jié)果。從回歸結(jié)果中可以發(fā)現(xiàn),逆米爾斯比率的回歸系數(shù)并不顯著,說(shuō)明樣本并不存在樣本選擇偏差問(wèn)題,此外,數(shù)字化虛擬變量的回歸系數(shù)均在1%水平上顯著為負(fù),說(shuō)明企業(yè)數(shù)字化越高時(shí),股價(jià)崩盤風(fēng)險(xiǎn)的可能性會(huì)越低,與本文的主要結(jié)論一致。
五、進(jìn)一步研究:作用機(jī)制分析
通過(guò)對(duì)前文分析發(fā)現(xiàn)企業(yè)進(jìn)行數(shù)字化變革,股價(jià)崩盤風(fēng)險(xiǎn)可以得到有效的控制,但是其背后的機(jī)理尚不清楚,企業(yè)數(shù)字化對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響是通過(guò)何種傳導(dǎo)途徑形成的?因此,為解開企業(yè)數(shù)字化對(duì)股價(jià)崩盤風(fēng)險(xiǎn)影響的“黑匣子”,本文將從以下兩種路徑展開分析。
(一)內(nèi)部控制作用機(jī)制
企業(yè)數(shù)字化降低股價(jià)崩盤風(fēng)險(xiǎn)可以通過(guò)改善內(nèi)部控制的路徑來(lái)提升。企業(yè)進(jìn)行數(shù)字化變革能夠提高企業(yè)的內(nèi)部控制質(zhì)量,從而提高企業(yè)的決策效率,增強(qiáng)企業(yè)的核心競(jìng)爭(zhēng)力。企業(yè)進(jìn)行數(shù)字化變革能夠規(guī)范企業(yè)內(nèi)部非標(biāo)準(zhǔn)化、非結(jié)構(gòu)化的業(yè)務(wù),優(yōu)化企業(yè)資源配置方式、業(yè)務(wù)管理流程和生產(chǎn)組織模式[20],通過(guò)對(duì)公司的戰(zhàn)略設(shè)計(jì)、財(cái)務(wù)穩(wěn)定性、報(bào)表可信度、資產(chǎn)安全等方面不斷完善,可以使公司的組織運(yùn)作更加有序與科學(xué)。在戰(zhàn)略設(shè)計(jì)、財(cái)務(wù)穩(wěn)定、報(bào)表可靠性、資產(chǎn)安全上持續(xù)強(qiáng)化,企業(yè)組織經(jīng)營(yíng)行為的有序性和科學(xué)性也能隨之增強(qiáng)。換言之,企業(yè)內(nèi)部控制能力越高,越能有效利用好自身資源實(shí)現(xiàn)“提升效率”和“降低風(fēng)險(xiǎn)”的雙重匹配,降低信息的不對(duì)稱性[21]。其傳導(dǎo)路徑為:企業(yè)數(shù)字化→內(nèi)部控制質(zhì)量→股價(jià)崩盤風(fēng)險(xiǎn)。
(二)盈余管理作用機(jī)制
企業(yè)數(shù)字化降低股價(jià)崩盤風(fēng)險(xiǎn)可以通過(guò)抑制盈余管理的路徑來(lái)提升。一方面,企業(yè)通過(guò)數(shù)字化可以優(yōu)化企業(yè)管理流程,加強(qiáng)企業(yè)信息交流。目前,在大型企業(yè)生產(chǎn)領(lǐng)域中廣泛運(yùn)用SAP等技術(shù),它能夠優(yōu)化企業(yè)生產(chǎn)活動(dòng)的資源配置。同時(shí)通過(guò)SAP數(shù)字化變革形成定制化生產(chǎn)應(yīng)用,使得財(cái)務(wù)數(shù)據(jù)更加準(zhǔn)確,可以降低企業(yè)信息不對(duì)稱。另一方面,企業(yè)通過(guò)數(shù)字化變革減少信息不對(duì)稱來(lái)降低企業(yè)交易成本。根據(jù)交易成本理論,企業(yè)為了促成交易達(dá)成必然產(chǎn)生以下成本:搜尋成本、信息成本、監(jiān)督成本和決策成本等,這些成本產(chǎn)生的根本原因就是信息不對(duì)稱,企業(yè)進(jìn)行數(shù)字化變革能夠?yàn)榻档托畔⒉粚?duì)稱提供契機(jī)。首先,企業(yè)在內(nèi)部搭建數(shù)字化平臺(tái),通過(guò)內(nèi)部平臺(tái)能夠有效地降低企業(yè)決策簽訂契約所需的內(nèi)部成本,同時(shí)數(shù)字化平臺(tái)對(duì)交易流程進(jìn)行跟蹤、監(jiān)督,減少企業(yè)監(jiān)督成本;其次,企業(yè)搭建外部平臺(tái),可以增加對(duì)客戶和供應(yīng)商的聯(lián)系,獲取商品信息與交易對(duì)象信息,降低企業(yè)搜尋成本和信息成本,因此數(shù)字化可以有效降低盈余管理。盈余管理在某種程度上抑制了負(fù)面信息向市場(chǎng)的傳遞,降低了信息的透明性,當(dāng)公司對(duì)不良信息的承受能力達(dá)到極限時(shí),很可能導(dǎo)致股價(jià)崩盤風(fēng)險(xiǎn)[22]。其傳導(dǎo)路徑為:企業(yè)數(shù)字化→盈余管理→股價(jià)崩盤風(fēng)險(xiǎn)。
為了檢驗(yàn)企業(yè)數(shù)字化對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的作用機(jī)制,本文借鑒溫忠麟等[23]中介效應(yīng)檢驗(yàn)方法,建立如下模型:
NCSKEWi,t=γ0+γ1Digitali,t+■γ2ControlVali,t+εi,t
(5)
HIi,t=β0+β1Digitali,t+■β2ControlVali,t+εi,t (6)
NCSKEWi,t=α0+α1HIi,t+α2Digitali,t+■α3Control-
Vali,t+εi,t (7)
模型6和模型7中,HI表示中介變量。本文根據(jù)迪博(DIB)數(shù)據(jù)庫(kù),以DIB指數(shù)來(lái)表示內(nèi)部控制質(zhì)量。本文應(yīng)用修正后的Jones模型,通過(guò)可操縱性應(yīng)計(jì)利潤(rùn)絕對(duì)值(DA)來(lái)表示盈余管理,建立如下模型:
■=■+α2■+α3■
(8)
■=■+α2■+α3■+εi,t
(9)
■=■-■? (10)
其中,下標(biāo)i表示公司;t表示年份;NDA為非操縱性應(yīng)計(jì)利潤(rùn);A為初始資產(chǎn)總值;ΔREV為營(yíng)業(yè)收入差額;ΔREC為應(yīng)收賬款差額;PPE為公司的固定資產(chǎn)原值;TA為總應(yīng)計(jì)利潤(rùn),表示凈利潤(rùn)與現(xiàn)金流量差額;DA為操縱性應(yīng)計(jì)利潤(rùn),表示總應(yīng)計(jì)利潤(rùn)與非操縱性應(yīng)計(jì)利潤(rùn)之差。
表7報(bào)告了內(nèi)部控制質(zhì)量與盈余管理分別作為傳導(dǎo)路徑的回歸檢驗(yàn)結(jié)果。(2)列顯示,當(dāng)內(nèi)部控制質(zhì)量(DIB)為因變量時(shí),企業(yè)數(shù)字化的回歸系數(shù)(0.061)在1%水平顯著為正,即企業(yè)數(shù)字化與內(nèi)部控制質(zhì)量正相關(guān);(3)列顯示,股價(jià)崩盤風(fēng)險(xiǎn)對(duì)企業(yè)數(shù)字化、內(nèi)部控制質(zhì)量的回歸系數(shù)分別為-0.029和-0.025,皆在5%的水平上顯著為負(fù),說(shuō)明內(nèi)部控制發(fā)揮著部分中介作用,即企業(yè)數(shù)字化可以通過(guò)提高內(nèi)部控制質(zhì)量降低股價(jià)崩盤風(fēng)險(xiǎn);(5)列顯示,盈余管理(DA)為因變量時(shí),企業(yè)數(shù)字化的回歸系數(shù)(-0.027)在5%水平顯著為負(fù),即企業(yè)數(shù)字化與盈余管理負(fù)相關(guān);(6)列顯示,股價(jià)崩盤風(fēng)險(xiǎn)對(duì)企業(yè)數(shù)字化、盈余管理的回歸系數(shù)分別為-0.038和0.021,分別在1%、10%的水平上顯著,說(shuō)明盈余管理發(fā)揮著部分中介作用,即企業(yè)數(shù)字化能夠有效地抑制信息不對(duì)稱,減少市場(chǎng)摩擦和交易成本,降低企業(yè)盈余管理程度,提高會(huì)計(jì)信息質(zhì)量,降低股價(jià)崩盤風(fēng)險(xiǎn)。
六、研究結(jié)論和啟示
本文選取2012—2021年滬深A(yù)股上市公司數(shù)據(jù),研究企業(yè)數(shù)字化對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響,通過(guò)分析得出以下結(jié)論:(1)企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)呈顯著負(fù)相關(guān),即數(shù)字化轉(zhuǎn)型程度越高的企業(yè),其股價(jià)崩盤風(fēng)險(xiǎn)越低;(2)異質(zhì)性分析表明,民營(yíng)企業(yè)相較于國(guó)有企業(yè)數(shù)字化對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的抑制效應(yīng)并不顯著;(3)機(jī)制檢驗(yàn)表明,內(nèi)部控制質(zhì)量與盈余管理分別在傳導(dǎo)路徑中發(fā)揮了正向中介與負(fù)向中介作用,因此企業(yè)數(shù)字化可以通過(guò)提高內(nèi)部控制質(zhì)量與降低企業(yè)盈余管理程度來(lái)達(dá)到降低股價(jià)崩盤風(fēng)險(xiǎn)目的。
本文研究結(jié)論具有如下啟示:(1)要用戰(zhàn)略的眼光看待企業(yè)數(shù)字化對(duì)企業(yè)價(jià)值的影響。作為企業(yè)的管理者,應(yīng)該采取前瞻性戰(zhàn)略積極主動(dòng)地去開展數(shù)字化變革,企業(yè)數(shù)字化不僅短期會(huì)改善企業(yè)的商業(yè)模式、組織模式,在經(jīng)濟(jì)全球化的壓力下,企業(yè)信息化也成為提升核心競(jìng)爭(zhēng)力的主要有效途徑之一,會(huì)給企業(yè)帶來(lái)長(zhǎng)期的價(jià)值增長(zhǎng)。企業(yè)的管理層應(yīng)該更加積極地去擁抱數(shù)字化變革,通過(guò)加強(qiáng)對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的引導(dǎo),發(fā)揮數(shù)字化轉(zhuǎn)型對(duì)股票市場(chǎng)的穩(wěn)定作用。(2)政府要加大對(duì)民營(yíng)企業(yè)的扶持力度,助力民營(yíng)企業(yè)數(shù)字化轉(zhuǎn)型??紤]企業(yè)自身性質(zhì)與發(fā)展情況,采用符合企業(yè)特征的發(fā)展模式,只有考慮到企業(yè)資源的異質(zhì)性,才可以讓企業(yè)獲得先行優(yōu)勢(shì),獲得額外利潤(rùn),“雙管齊下”才能有效降低股價(jià)崩盤風(fēng)險(xiǎn)。(3)企業(yè)在面對(duì)內(nèi)外風(fēng)險(xiǎn)時(shí),要把握機(jī)遇,加強(qiáng)內(nèi)部控制管理,降低經(jīng)營(yíng)風(fēng)險(xiǎn)。同時(shí)企業(yè)要找準(zhǔn)數(shù)字化轉(zhuǎn)型的切入點(diǎn),內(nèi)部控制質(zhì)量與企業(yè)盈余管理作為企業(yè)數(shù)字化對(duì)股價(jià)崩盤風(fēng)險(xiǎn)影響的中介路徑,可以作為企業(yè)進(jìn)行數(shù)字化變革的切入點(diǎn),這樣可以形成科學(xué)預(yù)估,避免短視行為的產(chǎn)生,保證其能夠以長(zhǎng)遠(yuǎn)的眼光來(lái)看待企業(yè)價(jià)值問(wèn)題,從而做出有利于企業(yè)長(zhǎng)遠(yuǎn)發(fā)展的決策。
【參考文獻(xiàn)】
[1] 羅進(jìn)輝,杜興強(qiáng).媒體報(bào)道、制度環(huán)境與股價(jià)崩盤風(fēng)險(xiǎn)[J].會(huì)計(jì)研究,2014(9):7.
[2] 耀友福,胡寧,周蘭.審計(jì)師變更、事務(wù)所轉(zhuǎn)制與股價(jià)崩盤風(fēng)險(xiǎn)[J].審計(jì)研究,2017(3):8.
[3] 杜金岷,李亞菲,吳非.股票流動(dòng)性、媒體關(guān)注與企業(yè)創(chuàng)新[J].中國(guó)經(jīng)濟(jì)問(wèn)題,2020(3):17.
[4] 張倩倩,周銘山,董志勇.研發(fā)支出資本化向市場(chǎng)傳遞了公司價(jià)值嗎?[J].金融研究,2017(6):15.
[5] 吳非,胡慧芷,林慧妍,等.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場(chǎng)表現(xiàn)——來(lái)自股票流動(dòng)性的經(jīng)驗(yàn)證據(jù)[J].管理世界,2021,37(7):15.
[6] 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(jī)提升效應(yīng)評(píng)估[J].改革,2019(4):12.
[7] 羅艷梅,張全爽,李秀媛.數(shù)字化轉(zhuǎn)型視角下制造企業(yè)內(nèi)部控制質(zhì)量研究——來(lái)自中國(guó)制造業(yè)上市公司的經(jīng)驗(yàn)證據(jù)[J].會(huì)計(jì)之友,2022(22):103-110.
[8] 梁琳娜,張國(guó)強(qiáng),李浩,等.企業(yè)數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)效果研究——基于市場(chǎng)績(jī)效和財(cái)務(wù)績(jī)效的分析[J].現(xiàn)代管理科學(xué),2022(5):146-155.
[9] 聶興凱,王穩(wěn)華,裴璇.企業(yè)數(shù)字化轉(zhuǎn)型會(huì)影響會(huì)計(jì)信息可比性嗎[J].會(huì)計(jì)研究,2022(5):23.
[10] 司登奎,李小林,趙仲匡.非金融企業(yè)影子銀行化與股價(jià)崩盤風(fēng)險(xiǎn)[J].中國(guó)工業(yè)經(jīng)濟(jì),2021(6):19.
[11] 郭慧婷,張曉,劉瑩.現(xiàn)金股利政策、過(guò)度投資與股價(jià)崩盤風(fēng)險(xiǎn)[J].會(huì)計(jì)之友,2020(8):110-116.
[12] GRIFFIN J M,KRUGER S,MATURANA G.What drove the 2003—2006 house price boom and subsequent collapse? Disentangling competing explanations[J].Journal of Financial Economics,2021,141(3):1007-1035.
[13] 許漢友,岳茹菲,趙靜.財(cái)務(wù)共享智能化水平對(duì)企業(yè)績(jī)效的影響研究[J].會(huì)計(jì)之友,2022(7):141-147.
[14] 陳金亮,趙雅欣,林嵩.智能制造能促進(jìn)企業(yè)創(chuàng)新績(jī)效嗎?[J].外國(guó)經(jīng)濟(jì)與管理,2021,43(9):83-101.
[15] 賈京坤,朱英,談捷.數(shù)字化轉(zhuǎn)型趨勢(shì)下國(guó)際能源化工公司的戰(zhàn)略與實(shí)踐[J].石油學(xué)報(bào)(石油加工),2023(1):204-202.
[16] ANDERSON R C,DURU A,REEB D M.Founders,heirs,and corporate opacity in the United States[J].Journal of Financial Economics,2009,92(2):205-222.
[17] 權(quán)小鋒,肖紅軍.社會(huì)責(zé)任披露對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響研究:基于會(huì)計(jì)穩(wěn)健性的中介機(jī)理[J].中國(guó)軟科學(xué),2016(6):18.
[18] EITENEYER N,BENDIG D,BRETTEL M.Social capital and the digital crowd:involving backers to promote new product innovativeness[J].Research Policy,2019,48(8).
[19] 陳運(yùn)森,鄧■璐,李哲.證券交易所一線監(jiān)管的有效性研究:基于財(cái)務(wù)報(bào)告問(wèn)詢函的證據(jù)[J].管理世界,2019(3):18.
[20] 曾德麟,蔡家瑋,歐陽(yáng)桃花.數(shù)字化轉(zhuǎn)型研究:整合框架與未來(lái)展望[J].外國(guó)經(jīng)濟(jì)與管理,2021(5):14.
[21] 黃群慧,余泳澤,張松林.互聯(lián)網(wǎng)發(fā)展與制造業(yè)生產(chǎn)率提升:內(nèi)在機(jī)制與中國(guó)經(jīng)驗(yàn)[J].中國(guó)工業(yè)經(jīng)濟(jì),2019(8):19.
[22] 周愛(ài)民,遙遠(yuǎn).真實(shí)盈余管理、監(jiān)督壓力與股價(jià)崩盤風(fēng)險(xiǎn)[J].上海金融,2018(7):1-6.
[23] 溫忠麟,張雷,侯杰泰,等.中介效應(yīng)檢驗(yàn)程序及其應(yīng)用[J].心理學(xué)報(bào),2004(5):614-620.