數(shù)字金融與公司違規(guī)行為矯正

張澤南（副教授），周潔銀

一、引言

黨的二十大報告指出：“加強和完善現(xiàn)代金融監(jiān)管，強化金融穩(wěn)定保障體系。”公司違規(guī)行為嚴重破壞了金融監(jiān)管秩序，影響了資本市場效能的有效發(fā)揮，對金融系統(tǒng)穩(wěn)定與社會經(jīng)濟高質量發(fā)展造成了巨大危害。雖然，政府頒布了系列政策打擊、懲處公司違法違規(guī)行為，但近年來，上市公司違規(guī)舞弊事件仍呈持續(xù)高發(fā)態(tài)勢。2023年2月，中國證監(jiān)會官網(wǎng)數(shù)據(jù)顯示，2022 年共辦理信息披露違法案件203 件，其中，涉及財務造假94 件，占比高達46%①。并且，在中國證監(jiān)會官網(wǎng)發(fā)布的《2022 年證監(jiān)稽查20 起典型違法案例》②中，無論是同濟堂的財務造假，金正大的虛假陳述和虛構業(yè)務，或是海航控股的違規(guī)擔保、巨額資金占用等違法違規(guī)案例，均震驚了海內(nèi)外市場。此外，公司違規(guī)現(xiàn)象往往扎堆出現(xiàn)，極易引發(fā)系統(tǒng)性金融風險（陸瑤和李茶，2016），嚴重影響資本市場的穩(wěn)定，打擊投資者的信心，最終對經(jīng)濟高質量發(fā)展“量質提升”帶來顯著負面影響。因此，如何治理和防范公司違規(guī)行為、保護投資者利益是學術界和實務界亟需解決的重要問題。

“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”是深入貫徹落實黨的二十大精神、推進中國式現(xiàn)代化的重要戰(zhàn)略舉措。隨著人工智能、區(qū)塊鏈、云計算、大數(shù)據(jù)等新型數(shù)字技術與傳統(tǒng)金融服務的有機融合，數(shù)字信息技術被廣泛深入應用于金融業(yè)務。作為金融創(chuàng)新的新模式，數(shù)字金融充分發(fā)揮了數(shù)字技術在征信、風險識別、風險控制、監(jiān)管評估等金融業(yè)務方面的優(yōu)勢，其數(shù)字平臺的創(chuàng)新性與可延伸性突破了傳統(tǒng)金融的時空界限（封思賢和徐卓，2021），使金融平臺業(yè)務規(guī)模和業(yè)務種類得以擴大，有效降低了信息不對稱程度，減少了金融交易成本，充分發(fā)揮了長尾效應，有力推動了金融服務的普惠與便捷性，吸引了更多的中小企業(yè)參與數(shù)字金融市場交易?，F(xiàn)有研究證實，數(shù)字金融在宏微觀治理層面產(chǎn)生了積極的成效。在宏觀層面上，數(shù)字金融能夠推動實體經(jīng)濟發(fā)展（汪亞楠等，2020）、助力減貧（李濤和彭東蔓，2022）等；在微觀層面上，數(shù)字金融能夠提升資金需求方的借貸可行性，改善信息不對稱，緩解中小企業(yè)融資約束（周兆斌和楊志國，2023），降低企業(yè)經(jīng)營風險（袁鯤和曾德濤，2020；俞毛毛等，2022），促進技術創(chuàng)新（唐松等，2020）。此外，數(shù)字金融的推廣能夠提高企業(yè)內(nèi)控水平并降低真實盈余管理程度（阮堅等，2020），從而達到完善公司治理的效果。那么，數(shù)字金融能否擊破公司治理頑疾，矯正公司違規(guī)行為？其中的作用機制是什么？鮮有文獻予以探討。

基于此，本文以2011 ～2021 年滬深A 股上市公司為研究樣本，探究數(shù)字金融對公司違規(guī)行為的影響與機制。研究發(fā)現(xiàn)，數(shù)字金融有效矯正了公司違規(guī)亂象，并通過緩解融資約束的資源效應、提升信息透明度的信息效應和加強內(nèi)部控制的治理效應來發(fā)揮協(xié)同治理作用，遏制公司違規(guī)。異質性分析表明，在公司規(guī)模較大、市場法律制度環(huán)境較差時，數(shù)字金融矯正公司違規(guī)行為的治理效果更為突出。

本文可能的邊際貢獻在于：一是豐富了數(shù)字金融于中國式現(xiàn)代化微觀企業(yè)治理影響效果的研究，有助于深入推進企業(yè)治理體系和治理能力現(xiàn)代化建設。現(xiàn)有對數(shù)字金融的經(jīng)濟后果研究較多集中于宏中觀層面，對微觀企業(yè)治理層面的探討相對較少，且大部分圍繞企業(yè)投融資優(yōu)化決策與創(chuàng)新績效相關方面展開，忽略了對公司違規(guī)舞弊的剖析。本文則聚焦公司違規(guī)亂象，豐富了數(shù)字金融針對公司治理領域的研究，有利于全力推進企業(yè)現(xiàn)代化治理體系與高質量發(fā)展。二是拓寬了公司違規(guī)影響因素的相關研究。當前大量文獻從公司內(nèi)部治理如股權結構、激勵機制、董事會、高管特征與經(jīng)歷等角度展開，鮮有剖析數(shù)字金融這一新型金融環(huán)境對公司違規(guī)的影響效果。本文基于宏微觀互動視角，從資源效應、信息效應與治理效應三個層面系統(tǒng)解讀數(shù)字金融有助于矯正公司違規(guī)的內(nèi)在邏輯，豐富了舞弊理論相關探討，對評估數(shù)字金融的社會與經(jīng)濟效益有著重要的理論與實踐價值。

二、理論分析與研究假設

舞弊三角理論認為，公司違規(guī)舞弊行為的發(fā)生是動機（Motivation）、機會（Opportunity）與自我合理化（Rationalization）共同作用的結果（Albrecht 等，1986），既包括公司內(nèi)部治理水平低、信息不對稱程度高、外部監(jiān)管不力等因素帶來的機會，也包括管理層或公司渴望尋租獲得高額收益的主觀動機，通過自我合理化的“態(tài)度”，最終成為違規(guī)事實。其中，動機和機會是舞弊形成的最主要誘因，而違規(guī)收益能否超越違規(guī)成本，繼而攫取違規(guī)私利是公司實施違規(guī)的決策依據(jù)。本文在舞弊三角理論的基礎上，借鑒陸瑤等（2012）、谷溪和喬嗣佳（2021）對“公司違規(guī)成本與收益分析”的改進模型，來解讀數(shù)字金融對公司違規(guī)行為的動機和機會施加的影響。

假設違規(guī)收益為B，違規(guī)成本為C。其中，違規(guī)收益B=EA+SL，EA為公司通過違規(guī)所獲得的額外收益，SL為公司通過違規(guī)所避免的損失，而違規(guī)成本C=P×F+CC，P為公司違規(guī)受到稽查的概率，F(xiàn)為違規(guī)被稽查后所受的可能的罰款、刑事處分、薪酬損失、名譽損失及解聘等處罰成本，CC 為公司違規(guī)時與外界的溝通協(xié)調(diào)所需的成本。當B-C＞0時，違規(guī)所獲得的額外收益高于所要付出的成本，激發(fā)了公司違規(guī)的主觀動機。此外，當公司違規(guī)稽查率P較低、內(nèi)外監(jiān)督薄弱的情況下，公司與高管實施違規(guī)行為的舞弊窗口增大，違規(guī)機會有所增加（Ha? 等，2015）。因此，如何降低違規(guī)收益B，提高違規(guī)稽查率P和違規(guī)處罰成本F，從而遏制違規(guī)動機與機會，是治理公司違規(guī)的關鍵。本文認為，數(shù)字金融將通過資源效應、信息效應與治理效應約束公司違規(guī)，發(fā)揮積極的治理矯正效應，邏輯如下：

首先，數(shù)字金融降低了公司違規(guī)收益B。從數(shù)字金融的資源效應角度來看，數(shù)字金融將數(shù)字化、信息化與智能化等多維數(shù)字技術與傳統(tǒng)金融服務有機融合，提高了信息資源的搜尋、流通與配置效率（周兆斌和楊志國，2023），有效改善了傳統(tǒng)金融下的融資錯配，疏通了金融市場的融資渠道；同時，數(shù)字金融發(fā)揮了長尾效應，增強了金融服務的普惠性與便捷性，有助于盤活金融資源，緩解企業(yè)融資約束，為企業(yè)帶來更多融資便利。當企業(yè)融資困境改善時，一方面，企業(yè)的生存壓力得以緩釋，資金的充足使得企業(yè)將專注于提升企業(yè)聲譽、增強市場競爭力的研發(fā)創(chuàng)新活動（唐松等，2020），這將有助于抑制管理層非效率投資的短視行為，提升企業(yè)績效與價值（李小玲等，2020），因此一定程度上降低了公司因投資失敗或經(jīng)營不善所導致虧損的可能性（陸瑤等，2012），公司避免虧損的違規(guī)動機得以削弱，SL 將顯著下降。另一方面，由于金融錯配滋生違規(guī)尋租活動（趙曉鴿等，2021），企業(yè)在面臨融資難、融資貴困境時，往往會為了獲取資源進行尋租，從而得到超額收益，但數(shù)字金融優(yōu)化了融資渠道，改善了融資錯配，有效緩解了融資約束，從而抑制了公司違規(guī)尋租所產(chǎn)生的超額收益，EA得以下降。最終兩者共同降低了違規(guī)收益B，遏制了公司違規(guī)的動機。

其次，數(shù)字金融提高了違規(guī)稽查率P。從數(shù)字金融的信息效應角度來看，數(shù)字金融通過構建精確的用戶畫像，以低成本、低風險的方式對海量的信息進行收集、分類和整理，幫助外部投資者挖掘企業(yè)更多信息空間，打破了企業(yè)內(nèi)外部信息壁壘。與傳統(tǒng)金融服務相比，數(shù)字金融的數(shù)字技術業(yè)態(tài)服務如網(wǎng)絡貸款、互聯(lián)網(wǎng)理財?shù)饶軌蚴雇獠客顿Y者更易于了解企業(yè)經(jīng)營狀況和支付能力，幫助金融中介更好地識別企業(yè)信用風險（封思賢和徐卓，2021），有效緩解金融市場與企業(yè)資源融合中的逆向選擇和道德風險問題（Demertzis等，2018），降低市場與企業(yè)間的信息不對稱程度。另外，數(shù)字金融憑借先進的信息技術，能夠有效收集并分析企業(yè)內(nèi)部的資金使用狀況（周升師，2022），企業(yè)內(nèi)部資金流和經(jīng)營活動逐步透明化，企業(yè)信息透明度得到提升，這極大地改善了信息披露質量（李小玲等，2020），企業(yè)供給市場的信息更準確，外部投資者和監(jiān)管者也更易于獲取企業(yè)內(nèi)部的資金流和經(jīng)營情況，從而使違規(guī)事實難以被隱藏。這最終降低了稽查的難度，使得違規(guī)稽查率P 得以提升，公司違規(guī)傾向與程度被有效遏制。

再次，數(shù)字金融提高了違規(guī)處罰成本F 和溝通協(xié)調(diào)成本CC。從數(shù)字金融的公司治理效應來看，一方面，數(shù)字金融增加了金融服務的觸達性，降低了金融交易成本，不僅幫助企業(yè)吸收更多外部資金、改善資金流轉效率，也降低了融資過程中的資源消耗，對沖與化解了經(jīng)營與財務風險（袁鯤和曾德濤，2020），優(yōu)化了企業(yè)內(nèi)部控制環(huán)境，使得企業(yè)通過盈余管理、財務欺詐、內(nèi)幕交易等操縱業(yè)績的尋租空間得以縮減（孟茂源和張廣勝，2022），企業(yè)實施違規(guī)的成本與處罰成本F 大幅增加（周升師，2022）。另一方面，數(shù)字金融緩解了因信息不對稱所致的代理成本問題，提升了信息的流轉度和有效度（阮堅等，2020），推進了內(nèi)部控制管理的信息化和合規(guī)化，股東、會計師事務所與外部監(jiān)管機構更易于監(jiān)督企業(yè)與管理層內(nèi)部經(jīng)營決策，倒逼企業(yè)規(guī)范經(jīng)營活動，約束對企業(yè)造成信譽損失、破壞資本市場交易秩序的違規(guī)行為，企業(yè)實施違規(guī)舞弊的內(nèi)部溝通與利益協(xié)調(diào)成本CC將更高，因此，高質量的內(nèi)部控制將顯著制約企業(yè)財務造假、信息披露等違法違規(guī)活動，最終抬高了公司的違規(guī)處罰成本F 和溝通協(xié)調(diào)成本CC。綜上，本文提出如下假設：

H：其他條件不變時，數(shù)字金融能夠顯著矯正公司違規(guī)行為。

三、研究設計

（一）樣本選擇與數(shù)據(jù)來源

本文選用2011 ～2021 年全部A 股上市公司為研究樣本，數(shù)字金融數(shù)據(jù)源自北京大學數(shù)字金融研究中心編制的《數(shù)字普惠金融指數(shù)》，公司違規(guī)及其他數(shù)據(jù)來源于CSMAR數(shù)據(jù)庫，部分缺失數(shù)據(jù)通過人工搜集補充。本文剔除了如下樣本：ST 及*ST 類企業(yè)；金融類企業(yè)（銀行、保險及其他金融類企業(yè)）；缺失值樣本；已退市的企業(yè)樣本。為避免極端值的影響，對連續(xù)變量首尾各1%進行了Winsorize處理，共獲得樣本25351個。

（二）變量定義

1.被解釋變量：公司違規(guī)（Violation）。借鑒陸瑤等（2012）的研究，根據(jù)中國證監(jiān)會發(fā)布的相關規(guī)定，將討論范圍界定為違背了國家或相關監(jiān)管部門的法律法規(guī)的企業(yè)違規(guī)行為，包括虛構利潤、虛列資產(chǎn)、虛假記載、推遲披露、重大遺漏、披露不實、欺詐上市、出資違規(guī)、擅自改變資金用途、占用公司資產(chǎn)、違規(guī)擔保、內(nèi)幕交易、違法違規(guī)買賣股票、操縱股價、一般會計處理不當、其他共計16 種。借鑒陸瑤等（2012）、谷溪和喬嗣佳（2021）的研究方法，使用兩個變量度量公司違規(guī)：（1）違規(guī)傾向（Fraud），將監(jiān)管機構查處的違規(guī)公司涉及的年份定義為違規(guī)年份，公司當年存在違規(guī)行為時定義為1，否則為0。（2）違規(guī)程度（Degree），根據(jù)公司受處罰的程度依次賦值（谷溪和喬嗣佳，2021）。公司當年不存在違規(guī)行為則賦值為0；處罰類型為“其他”時視為違規(guī)程度較輕，賦值為1；處罰類型為“批評或者譴責”時視為違規(guī)程度較重，賦值為2；處罰類型為“警告、罰款或者沒收非法所得”則視為違規(guī)程度嚴重，賦值為3。如果公司在一年內(nèi)受到多種處罰，則取最嚴重的處罰類型進行相應的賦值。

2.解釋變量：數(shù)字金融（index）。數(shù)字金融的測量參照唐松等（2020）的研究，使用北京大學數(shù)字金融研究中心發(fā)布的中國數(shù)字普惠金融指數(shù)，該指數(shù)包括省級和城市級數(shù)字金融指數(shù)，被既有文獻普遍運用。本文在基準回歸中采用省級數(shù)字金融指數(shù)度量數(shù)字金融發(fā)展水平。為便于結果展示，本文將數(shù)字金融指數(shù)進行100倍縮放處理，在穩(wěn)健性測試中使用數(shù)字普惠金融地級市指數(shù)予以替代。

3.控制變量?？紤]到公司特征與內(nèi)部外治理層面因素對公司違規(guī)結果的影響，參考馬連福和杜善重（2021）等的研究，選取公司規(guī)模、盈利能力、償債能力、是否虧損、兩職合一、董事會規(guī)模、審計師是否來自國際“四大”、股票年換手率等作為控制變量。考慮到數(shù)字金融會受到省際因素的影響，模型中進一步控制了各省市場化程度與生產(chǎn)總值。具體變量定義見表1。

表1 變量定義

（三）模型設定

為了考察數(shù)字金融對公司違規(guī)的影響，本文構建多元回歸模型（1）：

其中：被解釋變量Violation 為公司違規(guī)，解釋變量index 為數(shù)字金融，Controls 為相關控制變量，ε為隨機誤差項。鑒于違規(guī)傾向（Fraud）為啞變量，采用Logit回歸模型予以檢驗；違規(guī)程度（Degree）為有序變量，采用Ordered Logit 模型來檢驗數(shù)字金融對公司違規(guī)嚴重程度的影響?；貧w分析中控制了年度和行業(yè)，為了緩解公司層面的序列相關問題，本文對所有回歸系數(shù)的標準誤在公司層面上進行了Cluster處理。

四、實證結果與分析

（一）描述性統(tǒng)計

表2 列示了各主要變量的描述性統(tǒng)計分析結果。其中，違規(guī)傾向（Fraud）的均值為0.223，表明約22%的樣本存在違規(guī)現(xiàn)象，而違規(guī)程度（Degree）的均值為0.226，且中位數(shù)為0，表明大部分公司違規(guī)嚴重程度相對較低，數(shù)字金融（index）的最小值為0.327，最大值為4.59，均值為2.769，而標準差為1.042，表明各省數(shù)字金融水平差異較大。

表2 描述性統(tǒng)計

（二）基準回歸分析

本文分別運用Logit 回歸與Ordered Logit 回歸，以遞進的方式驗證數(shù)字金融與公司違規(guī)之間的關系，回歸結果如表3所示。當僅控制時間和行業(yè)固定效應后，列（1）和列（2）顯示，數(shù)字金融與違規(guī)傾向（Fraud）和違規(guī)程度（Degree）的回歸系數(shù)分別為-0.307 和-0.415，均在1%的水平上顯著。之后，逐步加入控制變量，列（3）和列（4）顯示，數(shù)字金融與Fraud和Degree的回歸系數(shù)分別為-0.352和-0.455，仍通過了1%的統(tǒng)計顯著性檢驗。以上實證結果證實主假設成立，即數(shù)字金融對公司違規(guī)行為具有明顯的矯正效應，不僅能夠有效抑制公司的違規(guī)傾向，也能夠顯著降低公司的違規(guī)程度。

表3 基準回歸分析

（三）穩(wěn)健性檢驗

1.內(nèi)生性處理?？紤]到數(shù)字金融和公司違規(guī)間的負相關性可能是由于其他不可觀測因素造成的，本文采取工具變量法來控制可能存在的內(nèi)生性問題。借鑒唐松等（2020）的做法，采用各省互聯(lián)網(wǎng)普及率（Inter）作為數(shù)字金融的工具變量，網(wǎng)絡通信極大程度上反映了當?shù)財?shù)字化特征，是數(shù)字金融高質量發(fā)展的基礎，因此互聯(lián)網(wǎng)普及率與數(shù)字金融顯著正相關，但與公司違規(guī)行為并無直接關聯(lián)。同時借鑒李從剛和許榮（2020）的做法，分別使用IVprobit 模型和2SLS 回歸進行極大似然估計，詳見表4。IVprobit模型中第一階段Inter的回歸系數(shù)顯著為正，F(xiàn)統(tǒng)計量遠大于10，滿足相關性條件，第二階段回歸見列（2）和列（3），弱工具變量檢驗結果顯示，Wald值分別為8.95和6.82，p 值分別為0.003 和0.001，通過了弱工具變量檢驗。2SLS 模型第一階段Inter 的回歸系數(shù)依舊顯著為正，第二階段回歸結果見列（5）和列（6），數(shù)字金融均在1%的水平上顯著為負，Anderson Canon 檢驗和Cragg-Donald檢驗表示回歸模型均不存在識別不足和弱工具變量問題，證明了工具變量是有效的?；貧w結果均顯示，在通過工具變量控制內(nèi)生性問題后，數(shù)字金融發(fā)揮了積極的矯正效應，對公司違規(guī)有顯著的負向抑制影響。

表4 工具變量法

2.替換變量。首先替換解釋變量數(shù)字金融（index）的測量方式，采用地級市數(shù)字金融指數(shù)（pref_index）予以替代，以增強研究結果的穩(wěn)健性。表5列（1）和列（2）顯示，地級市數(shù)字金融指數(shù)與公司違規(guī)各指標間的回歸系數(shù)分別為-0.448 與-0.611，且在1%的水平上顯著，說明數(shù)字金融與公司違規(guī)仍顯著負相關。此外，將被解釋變量違規(guī)行為替換為公司當年違規(guī)頻數(shù)（Freq），以此分析數(shù)字金融對公司違規(guī)的影響。違規(guī)頻數(shù)是計數(shù)變量，在非線性面板數(shù)據(jù)情形下，可以使用面板泊松回歸或者面板負二項回歸。經(jīng)分析，違規(guī)頻數(shù)的均值為0.163，標準差為0.505，可能存在過度分散問題，不滿足泊松回歸中均等分散的假設條件，因此，本文運用面板負二項回歸方法。回歸結果見表5 列（3），數(shù)字金融與Freq 的回歸系數(shù)為-0.377，且在1%的水平上顯著，證實了數(shù)字金融有效矯正了公司的違規(guī)亂象。

表5 替換變量和控制遺漏變量

3.控制遺漏變量?？紤]到數(shù)字金融和公司違規(guī)可能會受到包括公司外部環(huán)境與內(nèi)部戰(zhàn)略行為等宏微觀因素的影響，借鑒阮堅等（2020）的研究，本文綜合納入經(jīng)濟政策不確定性（Epu）、行業(yè)競爭程度（HHI）、機構投資者持股比例（Ins）、股權集中度（Top1）等相關遺漏變量。如表5列（4）和列（5）所示，數(shù)字金融與Fraud、Degree的回歸系數(shù)依舊顯著為負，且在1%的水平上顯著，研究結論依舊成立。

4.滯后解釋變量。鑒于數(shù)字金融對公司違規(guī)行為的影響可能存在滯后效應，本文將核心變量數(shù)字金融分別滯后4 期以論證其是否存在長期治理效應?；貧w結果顯示，數(shù)字金融與公司違規(guī)之間的回歸系數(shù)隨時間變化逐漸變小，顯著性逐步降低，直至滯后4期數(shù)值在統(tǒng)計上不再顯著（限于篇幅，結果未列示）。這意味著，數(shù)字金融能夠在較長區(qū)間內(nèi)發(fā)揮矯正治理作用，有效抑制公司違規(guī)傾向，降低公司違規(guī)嚴重程度。

5.時間行業(yè)聯(lián)合固定效應。進一步地，采用更為嚴格的時間行業(yè)聯(lián)合固定效應，控制隨時間變化的行業(yè)層面不可觀測的差異，以避免內(nèi)生性干擾，結果表明研究結論依舊成立（限于篇幅，結果未列示）。

五、影響機制分析

基于前述理論分析的邏輯，本文對數(shù)字金融與公司違規(guī)之間的具體影響渠道進行細化分析。參照溫忠麟等（2005）的研究，在模型（1）的基礎上構建了如下中介模型（2）和（3），分別檢驗數(shù)字金融對公司違規(guī)的資源效應、信息效應與治理效應，具體通過對融資約束、信息透明度和內(nèi)部控制三種作用路徑進行解讀，以揭示數(shù)字金融與公司違規(guī)之間的內(nèi)在邏輯。

（一）資源效應——融資約束機制分析

從數(shù)字金融的資源效應來看，數(shù)字金融有效緩解了融資約束，緩釋了企業(yè)內(nèi)部資源匱乏問題（周兆斌和楊志國，2023）。當企業(yè)存在外部融資障礙時，數(shù)字金融的發(fā)展一方面破除了銀行業(yè)壟斷，改善了信貸資源錯配，拓展了融資渠道，中小金融機構的崛起拓展了金融服務的外延性和靈活性，能夠更好地服務尾部企業(yè)，以滿足其融資需求；另一方面，數(shù)字金融以其數(shù)字技術廣泛吸納市場信息，降低了融資交易成本，縮減了資源獲取費用，從而打破傳統(tǒng)金融的限制，提高了融資的效率（楊潔和馬從文，2022）。而融資難、融資貴問題會導致企業(yè)利用非常規(guī)手段獲取資源，數(shù)字金融通過緩解融資約束，弱化了企業(yè)尋求資源的違規(guī)動機，約束了企業(yè)為獲取資源而滋生的尋租行為，從而降低了企業(yè)違規(guī)的可能性，縮減了企業(yè)違規(guī)收益，促使企業(yè)矯正公司違規(guī)行為。參考鞠曉生等（2013）的研究方法，采用SA指數(shù)的絕對值作為企業(yè)融資約束代理變量，該指標越大，表明企業(yè)融資約束越強。表6列（1）列示了數(shù)字金融對融資約束的影響，二者回歸系數(shù)為-0.112，在1%的統(tǒng)計水平上顯著，表明數(shù)字金融顯著發(fā)揮了資源效應，緩解了融資約束。列（2）和列（3）的中介效應回歸結果顯示，融資約束與違規(guī)傾向、違規(guī)程度的回歸系數(shù)分別為0.224 和0.378，且在1%的水平上顯著，數(shù)字金融與違規(guī)傾向和違規(guī)程度的回歸系數(shù)分別為-0.331 和-0.421，且均在1%的水平上顯著。這表明融資約束在數(shù)字金融與公司違規(guī)中起著部分中介作用。本文對中介效應采取Sobel 檢驗，檢驗Z 值分別為-2.682 和-4.42，表明數(shù)字金融緩解融資約束以矯正公司違規(guī)的中介機制成立。

表6 影響機制分析

（二）信息效應——信息透明度機制分析

從數(shù)字金融的信息效應來看，數(shù)字金融的信息耦合作用能夠有效緩解信息不對稱，減少信息傳遞的損失，優(yōu)化信息獲取渠道和信息可信度，這將極大地降低對公司經(jīng)營數(shù)據(jù)的獲取成本，支持外部監(jiān)管者整合分析并監(jiān)測公司財務數(shù)據(jù)，從而方便監(jiān)管者監(jiān)管公司活動，提升了公司信息透明度，監(jiān)管者更易觀測出企業(yè)的違規(guī)行為。借鑒楊潔和馬從文（2022）的研究，構建公司信息透明度指標（TRANS），以國泰安數(shù)據(jù)庫中的上市公司信息披露考評信息表為依據(jù)，對考核結果優(yōu)秀、良好、合格和不合格分別賦值為4、3、2 和1，該數(shù)值越高代表企業(yè)信息透明度越高。表6列（4）中數(shù)字金融與信息透明度的回歸系數(shù)為0.144，且在1%的水平上顯著，說明數(shù)字金融有效發(fā)揮信息效應提升了公司信息透明度；列（5）和列（6）中，信息透明度與違規(guī)傾向和違規(guī)程度的回歸系數(shù)分別為-1.272和-1.58，且在1%的水平上顯著，說明信息透明度越高，越能夠抑制公司的違規(guī)傾向，削弱公司違規(guī)程度；此外，數(shù)字金融與違規(guī)傾向和違規(guī)程度的回歸系數(shù)分別為-0.186和-0.221，且在10%的水平上顯著，表明信息透明度在數(shù)字金融與公司違規(guī)中起著部分中介作用。Sobel檢驗Z 值分別為-6.316 和-6.338，證實數(shù)字金融提升公司信息透明度以矯正公司違規(guī)的中介機制成立。

（三）治理效應——內(nèi)部控制機制分析

從數(shù)字金融的治理效應出發(fā)，數(shù)字金融通過幫助企業(yè)引入資源流，帶來更為多元化、便利化的金融供給，極大地降低了企業(yè)融資過程中的資源損耗（孟茂源和張廣勝，2022）。企業(yè)經(jīng)營者能夠有效抓取、識別關鍵信息，規(guī)避投融資與創(chuàng)新決策過程中的風險因素，提升內(nèi)部控制質量，幫助股東更有效地監(jiān)管公司活動，加大約束、打擊違規(guī)活動力度。而公司違規(guī)行為與其內(nèi)部治理水平存在明確的因果關系（班旭等，2022），內(nèi)部控制存在缺陷的公司往往有更多隱患，公司更易鋌而走險實施違規(guī)行為（單華軍，2010），內(nèi)部控制越好，委托代理問題越會被削減，違規(guī)成本越大，對公司違規(guī)行為的制約力越強。本文采用既有文獻廣泛采用的迪博內(nèi)部控制指數(shù)作為內(nèi)部控制的代理變量，該指數(shù)越大，表明內(nèi)部控制質量越高。表6列（7）中數(shù)字金融與內(nèi)部控制的回歸系數(shù)為0.155，且在1%的水平上顯著，說明數(shù)字金融顯著提升了公司內(nèi)部控制質量，列（8）和列（9）中內(nèi)部控制與公司違規(guī)Fraud 和Degree 的系數(shù)分別為-0.211 和-0.262，且均在1%的水平上顯著，而數(shù)字金融與二者的回歸系數(shù)分別為-0.31和-0.407，也均在1%的水平上顯著，說明數(shù)字金融能夠發(fā)揮公司治理效應，通過提升內(nèi)部控制削弱了公司違規(guī)傾向和違規(guī)程度。Sobel檢驗Z值分別為-4.738和-4.844，表明數(shù)字金融增強內(nèi)部控制質量以矯正公司違規(guī)的中介機制成立。

六、異質性分析

鑒于公司違規(guī)可能受到公司內(nèi)部特征及外界環(huán)境等因素的影響。本文進一步從公司規(guī)模與市場法律制度環(huán)境兩個方面分別考察不同情境下數(shù)字金融對公司違規(guī)是否存在顯著差異。

（一）公司規(guī)模

基于規(guī)模效應理論，規(guī)模較小的公司流動性更差，受到外界關注更少，信息不對稱程度更為嚴重，發(fā)生違規(guī)行為時，越不易被公眾所發(fā)現(xiàn)，而規(guī)模較大的公司可能更具資源優(yōu)勢，但同時內(nèi)部關系更為復雜，管理層級更多，信息傳遞更易失真。因此，數(shù)字金融對公司違規(guī)的矯正效應可能在不同規(guī)模的公司之間有所差異。本文借鑒張佳佳（2023）的研究，將公司規(guī)模四等分，設規(guī)模位于1/4分位數(shù)及以下的樣本為小規(guī)模公司，設規(guī)模位于3/4分位數(shù)及以上的樣本為大規(guī)模公司，進行分樣本回歸，回歸結果見表7。其中：列（1）和列（2）為數(shù)字金融在小規(guī)模公司中對公司違規(guī)行為的影響，回歸結果不顯著；列（3）和列（4）為大規(guī)模公司樣本組回歸結果，數(shù)字金融的回歸系數(shù)分別為-0.368和-0.466且在1%的水平上顯著，表明數(shù)字金融對公司違規(guī)行為的矯正對象主要為大規(guī)模公司。這可能是因為大規(guī)模公司的外部關注度更高，在數(shù)字金融的相關技術模式的催化下抬高了違規(guī)被稽查率和違規(guī)成本，同時數(shù)字金融的信息提質功能幫助大規(guī)模公司優(yōu)化信息流轉度，縮減了溝通成本，違規(guī)所獲收益的空間更小，從而弱化了違規(guī)傾向，顯著降低了違規(guī)程度。

表7 異質性分析

（二）市場法律制度環(huán)境

公司所處地區(qū)的法律環(huán)境也深刻影響其行為決策。當位于市場法律制度較為薄弱的地區(qū)時，公司受到的外部監(jiān)督更少、違規(guī)成本更低，違規(guī)被稽查的概率也更低，將有較強的動機攫取違規(guī)收益。而法律制度較為完善的地區(qū)，公司實施違規(guī)被稽查的概率與處罰成本相對更高，迫于法律制度的震懾力，實施違規(guī)舞弊的動機可能會有所下降。因此，本文推測，在市場法律環(huán)境較弱的樣本中，數(shù)字金融對公司違規(guī)行為的矯正效果可能相對更強。本文選取《中國分省份市場化指數(shù)報告》的市場化指數(shù)中的分指標——法律制度環(huán)境指數(shù)作為市場法律制度環(huán)境的代理變量，取中位數(shù)進行分樣本回歸。表7列（5）和列（6）為市場法律制度完善的環(huán)境中數(shù)字金融對公司違規(guī)的影響，回歸結果不顯著；列（7）和列（8）中，在市場法律制度薄弱的環(huán)境下，數(shù)字金融的回歸系數(shù)分別為-0.594 和-0.673，均在1%的水平上顯著。這表明，數(shù)字金融在市場法律制度環(huán)境較差的地區(qū)矯正公司違規(guī)行為時具有獨特的技術優(yōu)勢，一定程度上可以彌補法律制度環(huán)境的監(jiān)管不足，為法制環(huán)境較差的公司提供信貸資源和透明化信息支撐，幫助公司優(yōu)化內(nèi)部控制，從而更好地矯正公司違規(guī)行為。

七、結論與啟示

本文以2011 ～2021 年A 股上市公司為研究樣本，考察了數(shù)字金融對公司違規(guī)行為的影響與作用機制。研究發(fā)現(xiàn)，數(shù)字金融顯著弱化了公司違規(guī)傾向，削弱了公司的違規(guī)程度，對公司違規(guī)行為具有積極的矯正效應，這一結論經(jīng)過內(nèi)生性處理等一系列穩(wěn)定性檢驗之后依然成立。機制檢驗發(fā)現(xiàn)，數(shù)字金融主要通過緩解融資約束、提升公司信息透明度和加強內(nèi)部控制這三個傳導路徑發(fā)揮對公司違規(guī)行為的矯正效應。異質性分析發(fā)現(xiàn)，數(shù)字金融在公司規(guī)模較大、市場法律制度環(huán)境較差時更能矯正公司違規(guī)行為?；诖?，本文分別從企業(yè)、政府與監(jiān)管層面提出以下建議：

第一，企業(yè)應主動適應數(shù)字金融的技術支持，積極尋求變革路徑，與外界進行信貸互換，利用數(shù)字金融的多元化融資渠道緩解融資約束，為企業(yè)提供資源支撐；構建信息溝通體制機制，對接金融機構進行信息共享，從而緩解內(nèi)外信息不對稱，提升信息透明度；同時，企業(yè)需要不斷加強自身內(nèi)部控制，提高管理水平，發(fā)揮數(shù)字金融的風險控制功能，降低自身經(jīng)營風險與財務風險，杜絕“走捷徑”的違規(guī)行為。

第二，政府應大力推動數(shù)字金融的縱深發(fā)展，夯實數(shù)字金融推動實體經(jīng)濟的相關政策。數(shù)字技術的浪潮大勢可趨，政府應健全數(shù)字金融相關法律法規(guī)，改善市場法律環(huán)境，完善并持續(xù)推動數(shù)字金融的戰(zhàn)略布局，推動數(shù)字金融與金融平臺服務、企業(yè)之間的相互融合發(fā)展，積極推動金融機構與企業(yè)實施數(shù)字化轉型，培養(yǎng)數(shù)字化方面的人才，并積極打造信息互通的平臺，從而加快數(shù)字金融的深化發(fā)展。

第三，監(jiān)管部門針對公司違規(guī)亂象，需要日臻完善資本市場的法律制度，強化金融監(jiān)管體系建設，優(yōu)化公司違規(guī)處罰機制，遏制企業(yè)違規(guī)，保障資本市場健康有序運行。此外，監(jiān)管部門需進一步搭建更為合理的資本市場違規(guī)反響機制，通過數(shù)字信息數(shù)據(jù)，優(yōu)化違規(guī)檢舉流程、試行監(jiān)管沙盒機制等，充分發(fā)揮數(shù)字金融的賦能作用，扎實推進金融服務實體經(jīng)濟高質量發(fā)展。

【注 釋】

①證監(jiān)會通報2022 年案件辦理情況，http：//www.csrc.gov.cn/csrc/c100028/c7088291/content.shtml，2023-02-10。

②2022 年證監(jiān)稽查20 起典型違法案例，http：//www.csrc.gov.cn/csrc/c100028/c7397653/content.shtml，2023-03-24。

【 主要參考文獻】

班旭，姜英兵，徐傳鑫.證監(jiān)會隨機抽查制度能否抑制公司違規(guī)？［J］.現(xiàn)代財經(jīng)（天津財經(jīng)大學學報），2022（10）：93 ～113.

封思賢，徐卓.數(shù)字金融、金融中介與資本配置效率［J］.改革，2021（3）：40～55.

谷溪，喬嗣佳.國企混改治理效果的資本市場證據(jù)——基于信息披露違規(guī)事件的實證檢驗［J］.財政科學，2021（9）：55 ～73.

鞠曉生，盧荻，虞義華.融資約束、營運資本管理與企業(yè)創(chuàng)新可持續(xù)性［J］.經(jīng)濟研究，2013（1）：4 ～16.

李從剛，許榮.保險治理與公司違規(guī)——董事高管責任保險的治理效應研究［J］.金融研究，2020（6）：188 ～206.

李濤，彭東蔓.數(shù)字金融減貧：研究熱點綜述及展望［J］.財會月刊，2022（8）：154 ～160.

李小玲，崔淑琳，賴曉冰.數(shù)字金融能否提升上市企業(yè)價值？——理論機制分析與實證檢驗［J］.現(xiàn)代財經(jīng)（天津財經(jīng)大學學報），2020（9）：83 ～95.

陸瑤，李茶.CEO 對董事會的影響力與上市公司違規(guī)犯罪［J］.金融研究，2016（1）：176 ～191.

陸瑤，朱玉杰，胡曉元.機構投資者持股與上市公司違規(guī)行為的實證研究［J］.南開管理評論，2012（1）：13 ～23.

馬連福，杜善重.數(shù)字金融能提升企業(yè)風險承擔水平嗎［J］.經(jīng)濟學家，2021（5）：65 ～74.

孟茂源，張廣勝.數(shù)字金融與企業(yè)盈余管理——來自制造業(yè)上市公司的證據(jù)［J］.學習與實踐，2022（8）：33 ～43.

阮堅，申么，范忠寶.何以驅動企業(yè)債務融資降成本——基于數(shù)字金融的效用識別、異質性特征與機制檢驗［J］.金融經(jīng)濟學研究，2020（1）：32 ～44.

單華軍.內(nèi)部控制、公司違規(guī)與監(jiān)管績效改進——來自2007—2008年深市上市公司的經(jīng)驗證據(jù)［J］.中國工業(yè)經(jīng)濟，2010（11）：140 ～148.

唐松，伍旭川，祝佳.數(shù)字金融與企業(yè)技術創(chuàng)新——結構特征、機制識別與金融監(jiān)管下的效應差異［J］.管理世界，2020（5）：52 ～66+9.

汪亞楠，葉欣，許林.數(shù)字金融能提振實體經(jīng)濟嗎［J］.財經(jīng)科學，2020（3）：1～13.

溫忠麟，侯杰泰，張雷.調(diào)節(jié)效應與中介效應的比較和應用［J］.心理學報，2005（2）：268 ～274.

楊潔，馬從文.金融科技對企業(yè)避稅的影響及作用機制研究［J］.哈爾濱商業(yè)大學學報（社會科學版），2022（2）：97 ～113.

俞毛毛，馬文婷，錢金娥.數(shù)字金融發(fā)展對企業(yè)債務違約風險的影響［J］.金融與經(jīng)濟，2022（3）：39 ～47.

袁鯤，曾德濤.區(qū)際差異、數(shù)字金融發(fā)展與企業(yè)融資約束——基于文本分析法的實證檢驗［J］.山西財經(jīng)大學學報，2020（12）：40 ～52.

張佳佳.數(shù)字金融、技術創(chuàng)新與企業(yè)競爭力——來自中國A 股上市企業(yè)的實證證據(jù)［J］.南方金融，2023（1）：23 ～36.

趙曉鴿，鐘世虎，郭曉欣.數(shù)字普惠金融發(fā)展、金融錯配緩解與企業(yè)創(chuàng)新［J］.科研管理，2021（4）：158 ～169.

周升師.數(shù)字金融發(fā)展與企業(yè)現(xiàn)金持有調(diào)整——來自中國上市企業(yè)的經(jīng)驗證據(jù)［J］.財經(jīng)論叢，2022（4）：69 ～80.

周兆斌，楊志國.數(shù)字金融發(fā)展與中小企業(yè)會計信息質量——基于財務重述的研究視角［J］.財經(jīng)論叢，2023（6）：69 ～79.

Albrecht W.S.，Romney M.B.，Cherrington D.J.，et al..Red-flagging Management Fraud：A Validation［J］.Advances in Accounting，1986（3）：323 ～333.

Demertzis M.，Merler S.，Wolff G.B..Capital Markets Union and the Fintech Opportunity［J］.Journal of Financial Regulation，2018（1）：157 ～165.

Ha? L.H.，Müller M.A.，Vergauwe S..Tournament Incentives and Corporate Fraud［J］.Journal of Corporate Finance，2015（34）：251 ～267.