企業(yè)數(shù)字化與股價(jià)崩盤風(fēng)險(xiǎn)：抑制還是促進(jìn)？

于成永　馬曉慧　于方舟

【摘 要】 數(shù)字化轉(zhuǎn)型促進(jìn)還是抑制企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)尚存爭(zhēng)議，文章以2014—2021年滬深A(yù)股上市企業(yè)為樣本，實(shí)證檢驗(yàn)發(fā)現(xiàn)，企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型會(huì)導(dǎo)致股價(jià)崩盤風(fēng)險(xiǎn)下降，信息不對(duì)稱程度、內(nèi)部控制質(zhì)量和企業(yè)環(huán)境不確定性發(fā)揮了中介作用。企業(yè)產(chǎn)權(quán)性質(zhì)、創(chuàng)新效率、財(cái)務(wù)報(bào)告質(zhì)量、產(chǎn)業(yè)屬性和市場(chǎng)化程度不同，數(shù)字化轉(zhuǎn)型對(duì)股價(jià)崩盤風(fēng)險(xiǎn)影響程度也不同。文章構(gòu)建了數(shù)字化轉(zhuǎn)型影響股價(jià)崩盤風(fēng)險(xiǎn)的理論框架，拓展了數(shù)字化轉(zhuǎn)型情境研究，發(fā)展了數(shù)字化轉(zhuǎn)型理論和股價(jià)崩盤風(fēng)險(xiǎn)理論，為國(guó)家數(shù)字化戰(zhàn)略與穩(wěn)金融政策實(shí)施提供了理論與證據(jù)支持，為全國(guó)統(tǒng)一大市場(chǎng)建設(shè)中市場(chǎng)主體、市場(chǎng)環(huán)境建設(shè)提供了參考建議。

【關(guān)鍵詞】 數(shù)字化轉(zhuǎn)型； 股價(jià)崩盤風(fēng)險(xiǎn)； 信息不對(duì)稱； 內(nèi)部控制質(zhì)量； 環(huán)境不確定性

【中圖分類號(hào)】 F832.51? 【文獻(xiàn)標(biāo)識(shí)碼】 A? 【文章編號(hào)】 1004-5937（2024）05-0020-09

一、引言

自2014年“大數(shù)據(jù)”被寫入國(guó)務(wù)院政府工作報(bào)告以來，數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)融合已經(jīng)被列入國(guó)家“十四五”規(guī)劃和黨的十九大和二十大報(bào)告中，數(shù)字經(jīng)濟(jì)已經(jīng)成為未來經(jīng)濟(jì)發(fā)展方向[1]。在“六穩(wěn)”政策中，穩(wěn)金融一直是防范經(jīng)濟(jì)風(fēng)險(xiǎn)的重點(diǎn)。資本市場(chǎng)穩(wěn)定與經(jīng)濟(jì)發(fā)展穩(wěn)健息息相關(guān)，對(duì)股票市場(chǎng)風(fēng)險(xiǎn)治理有助于實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展目標(biāo)[2]。

文獻(xiàn)研究表明，企業(yè)數(shù)字化轉(zhuǎn)型體現(xiàn)了實(shí)體經(jīng)濟(jì)與數(shù)字經(jīng)濟(jì)的融合，對(duì)股價(jià)崩盤風(fēng)險(xiǎn)產(chǎn)生不同影響[1，3-4]。馬慧等[1]發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型能夠緩解企業(yè)內(nèi)部人壞消息隱藏，從而降低企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)；董必榮等[3]研究表明，企業(yè)數(shù)字化戰(zhàn)略能夠通過治理賦能和信息傳遞降低股價(jià)崩盤風(fēng)險(xiǎn)；彭俞超等[4]則發(fā)現(xiàn)，企業(yè)數(shù)字化信息披露加大了股價(jià)崩盤風(fēng)險(xiǎn)。

與現(xiàn)有文獻(xiàn)不同，本文創(chuàng)新主要有：一是提出了數(shù)字化轉(zhuǎn)型抑制或促進(jìn)股價(jià)崩盤風(fēng)險(xiǎn)的理論觀點(diǎn)；二是從信息不對(duì)稱、內(nèi)部控制質(zhì)量和環(huán)境不確定角度拓展了數(shù)字化轉(zhuǎn)型影響股價(jià)崩盤風(fēng)險(xiǎn)的路徑；三是分別從微觀市場(chǎng)主體和外部環(huán)境視角豐富了數(shù)字化轉(zhuǎn)型影響股價(jià)崩盤風(fēng)險(xiǎn)的情境，為國(guó)家數(shù)字化戰(zhàn)略、穩(wěn)金融政策和全國(guó)統(tǒng)一大市場(chǎng)建設(shè)提出了相應(yīng)政策建議。

二、文獻(xiàn)綜述

從企業(yè)內(nèi)部視角看，企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)主要是由于信息不對(duì)稱，企業(yè)管理層會(huì)選擇披露正面信息而推遲公布負(fù)面信息，負(fù)面信息累積會(huì)引發(fā)股價(jià)崩盤風(fēng)險(xiǎn)[5-6]。從企業(yè)外部視角看，投資者情緒、媒體關(guān)注等也會(huì)影響股價(jià)崩盤風(fēng)險(xiǎn)[7-9]。

有關(guān)數(shù)字化轉(zhuǎn)型影響企業(yè)股票價(jià)格崩盤風(fēng)險(xiǎn)的文獻(xiàn)不多且有爭(zhēng)議。Wu et al.[7]、李宏寅[10]、馬慧等[1]發(fā)現(xiàn)，企業(yè)可以通過數(shù)字化轉(zhuǎn)型來降低股價(jià)崩盤風(fēng)險(xiǎn)。將企業(yè)數(shù)字化定義為戰(zhàn)略承諾，董必榮等[3]發(fā)現(xiàn)，數(shù)字化戰(zhàn)略承諾能夠降低股價(jià)崩盤風(fēng)險(xiǎn)。彭俞超等[4]將企業(yè)數(shù)字化信息披露分成預(yù)判性和行動(dòng)性信息兩類，研究發(fā)現(xiàn)，股價(jià)崩盤風(fēng)險(xiǎn)隨著企業(yè)數(shù)字化信息披露而加大；進(jìn)一步分析發(fā)現(xiàn)，兩類信息披露對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響并不相同。

三、理論分析與研究假設(shè)

進(jìn)行數(shù)字化轉(zhuǎn)型的企業(yè)能夠顯著提升內(nèi)外信息處理能力，降低信息不對(duì)稱程度。數(shù)字化技術(shù)的普及和發(fā)展，使得信息傳遞更為高效和準(zhǔn)確，這不僅有助于提升信息透明度，消除信息偏差，而且還能夠緩解信息不對(duì)稱問題，實(shí)現(xiàn)信息資源的優(yōu)化配置[11-12]。陳德球等[13]認(rèn)為，通過數(shù)字技術(shù)，傳統(tǒng)信息的壁壘在一定程度上得到緩解，降低了各方獲取信息的成本，通過大數(shù)據(jù)等方式可以獲取更多信息幫助企業(yè)做出決策。通過數(shù)字化，將信息碎片整合起來，能夠減少企業(yè)的機(jī)會(huì)主義行為，改善信息不對(duì)稱程度[14]。

數(shù)字化轉(zhuǎn)型能夠增強(qiáng)內(nèi)部控制能力，加強(qiáng)對(duì)管理層的監(jiān)管，使藏匿不利信息變得更加困難[15]。數(shù)字化轉(zhuǎn)型能夠從內(nèi)部制度和組織結(jié)構(gòu)的角度提升內(nèi)控能力，驅(qū)動(dòng)企業(yè)內(nèi)控優(yōu)化[16]。葉康濤等[17]認(rèn)為，加強(qiáng)企業(yè)內(nèi)部控制可以使公司信息更加透明。內(nèi)部控制通過加大信息透明度、減少代理成本，抑制股價(jià)崩盤風(fēng)險(xiǎn)發(fā)生[18]。

數(shù)字化轉(zhuǎn)型能夠增強(qiáng)組織柔性，提升企業(yè)應(yīng)對(duì)不確定性的能力，從而緩解環(huán)境不確定性對(duì)企業(yè)造成的負(fù)面影響[19]。數(shù)字化轉(zhuǎn)型使得企業(yè)面對(duì)變化的市場(chǎng)能夠更快地重塑業(yè)務(wù)、生產(chǎn)適應(yīng)市場(chǎng)的產(chǎn)品，以企業(yè)變革適應(yīng)外部環(huán)境的不確定性。當(dāng)企業(yè)外部環(huán)境發(fā)生劇烈變化時(shí)，企業(yè)的生產(chǎn)經(jīng)營(yíng)應(yīng)對(duì)措施可能會(huì)失效，從而使企業(yè)的經(jīng)營(yíng)風(fēng)險(xiǎn)變大。這種情況下企業(yè)的管理層為了維護(hù)自身利益，將極有可能隱藏對(duì)企業(yè)不利的相關(guān)消息。具體而言，在外部環(huán)境不確定性較高的情況下，投資者難以準(zhǔn)確地評(píng)估企業(yè)的經(jīng)營(yíng)行為，同時(shí)由于監(jiān)管的成本和難度提升，監(jiān)管機(jī)構(gòu)和外部媒體也難以有效地監(jiān)督企業(yè)的經(jīng)營(yíng)狀況。這時(shí)企業(yè)管理層將有更大的空間完成對(duì)負(fù)面信息的隱藏，以操縱股價(jià)獲取更多收益。

通過上述分析可以認(rèn)為，數(shù)字化轉(zhuǎn)型將降低利益相關(guān)者信息獲取的成本，導(dǎo)致企業(yè)隱藏不利信息的行為減少；改變企業(yè)組織結(jié)構(gòu)，提升內(nèi)部控制水平；適應(yīng)企業(yè)外部環(huán)境，緩解企業(yè)面臨的環(huán)境不確定性的影響，從而降低股價(jià)波動(dòng)性。由此提出假設(shè)1a。

H1a：在控制其他條件的情況下，企業(yè)的數(shù)字化轉(zhuǎn)型將顯著降低股價(jià)崩盤風(fēng)險(xiǎn)。

從理論上看，數(shù)字化轉(zhuǎn)型也可能會(huì)加大企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)。一是企業(yè)數(shù)字化轉(zhuǎn)型的信息一般來自企業(yè)主動(dòng)披露，從動(dòng)機(jī)上看，有轉(zhuǎn)移投資者注意力、對(duì)負(fù)面信息進(jìn)行隱匿的可能，從而形成信息不對(duì)稱程度上升局面[4]。在此情形下，企業(yè)內(nèi)部負(fù)面信息被隱瞞，當(dāng)這類信息達(dá)到相應(yīng)閾值被集中釋放出來后，會(huì)導(dǎo)致股票價(jià)格大幅下跌。二是企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型的相關(guān)信息中一般會(huì)包含研發(fā)創(chuàng)新信息的披露。研究表明，外部利益相關(guān)者普遍對(duì)研發(fā)創(chuàng)新信息的辨識(shí)能力比較弱[20]，這會(huì)加劇內(nèi)外信息不對(duì)稱和不透明程度。三是投資者情緒高漲會(huì)導(dǎo)致股票價(jià)格大漲形成價(jià)格泡沫，一旦情緒回落，股票價(jià)格會(huì)大跌[4]。數(shù)字化轉(zhuǎn)型信息受到了資本市場(chǎng)熱捧，在投資者非理性和信息甄別能力弱的條件下容易發(fā)生誤判[21]，這種高關(guān)注度所引發(fā)的股票市值上漲難以維持[4]。四是數(shù)字化轉(zhuǎn)型是一種戰(zhàn)略承諾，一旦難以實(shí)現(xiàn)，管理層可能會(huì)采用信息操縱、盈余管理等短視行為，從而誘發(fā)股價(jià)崩盤風(fēng)險(xiǎn)[3]。五是數(shù)字經(jīng)濟(jì)時(shí)代給企業(yè)帶來的環(huán)境不確定性是個(gè)常態(tài)，企業(yè)數(shù)字化轉(zhuǎn)型本身意味著變革，會(huì)帶來新的不確定性，進(jìn)一步加劇企業(yè)面臨的不確定性的影響。

顯然，在上述情形下，數(shù)字化轉(zhuǎn)型可能會(huì)進(jìn)一步提升企業(yè)內(nèi)外部信息不對(duì)稱程度，降低內(nèi)部控制質(zhì)量，并加劇企業(yè)外部環(huán)境的不確定對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的負(fù)面影響。由此，提出假設(shè)1b。

H1b：在控制其他因素情況下，企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型會(huì)造成股價(jià)崩盤風(fēng)險(xiǎn)上升。

四、研究設(shè)計(jì)

（一）樣本選擇與數(shù)據(jù)來源

考慮到2014年3月“大數(shù)據(jù)”首次被寫入國(guó)務(wù)院政府工作報(bào)告，本文以2014年為起點(diǎn)收集數(shù)據(jù)，以截至2021年12月底滬深A(yù)股企業(yè)作為初始樣本，依次執(zhí)行以下篩選程序：（1）基于可比性考慮，分別剔除金融保險(xiǎn)企業(yè)和ST 、*ST公司；（2）剔除主要變量數(shù)據(jù)缺失的樣本。最終獲得了14 411個(gè)公司-年度觀察值。相關(guān)變量原始數(shù)據(jù)來源于國(guó)泰安數(shù)據(jù)庫。為避免異常值的干擾，本文對(duì)連續(xù)變量進(jìn)行1%和99%分位上的縮尾處理。

（二）變量定義

參考彭俞超等[4]，構(gòu)建負(fù)收益偏態(tài)系數(shù)（NCSKEW）來度量股價(jià)崩盤風(fēng)險(xiǎn)。NCSKEW值越大，表明股價(jià)波動(dòng)性越高，即股價(jià)崩盤風(fēng)險(xiǎn)越大。

企業(yè)數(shù)字化轉(zhuǎn)型主要依據(jù)上市公司年報(bào)、募集資金公告、資質(zhì)認(rèn)定等公告中公布的相關(guān)內(nèi)容，提取出戰(zhàn)略引領(lǐng)、技術(shù)驅(qū)動(dòng)、組織賦能、環(huán)境支撐、數(shù)字化成果、數(shù)字化應(yīng)用六個(gè)指標(biāo)，加權(quán)計(jì)算得出企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)（Digital），該指標(biāo)越大表明企業(yè)數(shù)字化轉(zhuǎn)型的程度就越高。

參照馬慧等[1]、彭俞超等[4]的研究，本文控制變量包括公司規(guī)模（Size）、周特有收益率均值（Ret）、周特有收益率標(biāo)準(zhǔn)差（Sigma）、總資產(chǎn)凈利潤(rùn)率（ROA）、賬面市值比（BM）、股權(quán)集中度（TOP1）、兩職合一（Dual）、公司年齡（Age）、資產(chǎn)負(fù)債率（Lev）。此外，在回歸中控制了行業(yè)虛擬變量、年份虛擬變量。

各變量定義見表1。

（三）模型選擇

為檢驗(yàn)假設(shè)，構(gòu)建模型1。NCSKEWi，t是被解釋變量，本文指負(fù)收益偏態(tài)系數(shù)，在穩(wěn)健性檢驗(yàn)中，使用收益上下波動(dòng)率（DUVOLi，t）指標(biāo)作為替代被解釋變量；數(shù)字化轉(zhuǎn)型指數(shù)（Digitali，t）為核心解釋變量；Controlsi，t表示控制變量；∑Industry和∑Year分別指企業(yè)所屬的行業(yè)以及年度的固定效應(yīng)，用來控制隨行業(yè)變化以及隨時(shí)間變化而無法觀測(cè)因素的影響；εi，t為隨機(jī)誤差項(xiàng)。

NCSKEWi，t=α+β2Digitali，t+∑？漬Controlsi，t+∑Year+∑Industry+εi，t? （1）

五、實(shí)證檢驗(yàn)和結(jié)果分析

（一）統(tǒng)計(jì)描述和相關(guān)系數(shù)

通過統(tǒng)計(jì)分析，表2中負(fù)收益偏態(tài)系數(shù)（NCSKEW）均值為-0.312，與其他文獻(xiàn)處于同一水平，與中位數(shù)-0.274比較接近，標(biāo)準(zhǔn)差為0.735，表明不同企業(yè)的股價(jià)崩盤風(fēng)險(xiǎn)存在較大差異。數(shù)字化轉(zhuǎn)型（Digital）的均值為3.568，最小值為3.141，最大值為4.175，表明數(shù)字化轉(zhuǎn)型的程度在不同企業(yè)之間有較大差異。

相關(guān)分析發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型（Digital）與負(fù)收益偏態(tài)系數(shù)（NCSKEW）的相關(guān)系數(shù)為-0.024，在1%的水平上顯著負(fù)相關(guān)，支持H1a。周特有收益率（Ret）均值和周特有收益率（Sigma）標(biāo)準(zhǔn)差之間的皮爾森相關(guān)系數(shù)為0.554，其他各變量之間相關(guān)系數(shù)均小于這一數(shù)值，根據(jù)一般經(jīng)驗(yàn)判斷說明，上述變量之間相關(guān)性不會(huì)造成后文回歸方程存在嚴(yán)重的多重共線性問題（數(shù)據(jù)備索）。

（二）基準(zhǔn)檢驗(yàn)

表3列（1）為基準(zhǔn)檢驗(yàn)結(jié)果。Digital系數(shù)為-0.086，在1%水平上顯著，這說明數(shù)字化轉(zhuǎn)型負(fù)向影響股價(jià)崩盤風(fēng)險(xiǎn)，支持H1a，而不支持H1b。這一證據(jù)與Wu et al.[7]、馬慧等[1]的觀點(diǎn)一致。為了檢驗(yàn)這一結(jié)論是否具有穩(wěn)健性，本文進(jìn)一步通過變量測(cè)量誤差、樣本區(qū)間差異以及考慮內(nèi)生性問題等來解決。

（三）穩(wěn)健性檢驗(yàn)

1.變量測(cè)量誤差

為了避免單一變量造成的誤差，使研究結(jié)果更加穩(wěn)健，在穩(wěn)健性檢驗(yàn)中，引入收益率上下波動(dòng)比率（DUVOLi，t）度量股價(jià)崩盤風(fēng)險(xiǎn)。根據(jù)袁淳等[22]的研究，以數(shù)字化四個(gè)關(guān)鍵詞維度（數(shù)字技術(shù)應(yīng)用、現(xiàn)代信息系統(tǒng)、互聯(lián)網(wǎng)商業(yè)模式、智能制造）為基礎(chǔ)，重新設(shè)計(jì)變量Dig表示企業(yè)數(shù)字化轉(zhuǎn)型。這個(gè)變量越大，代表企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型的力度越大。表3列（2）、列（3）為替換被解釋變量、解釋變量之后的檢驗(yàn)結(jié)果，數(shù)字化轉(zhuǎn)型的系數(shù)分別為-0.059、-0.029，在1%水平上顯著為負(fù)，這些結(jié)果說明，數(shù)字化轉(zhuǎn)型有助于降低股價(jià)崩盤風(fēng)險(xiǎn)。

2.刪除股災(zāi)年份

企業(yè)的數(shù)字化轉(zhuǎn)型及股價(jià)崩盤風(fēng)險(xiǎn)與國(guó)際國(guó)內(nèi)市場(chǎng)環(huán)境有較大關(guān)聯(lián)，受重大金融事件沖擊影響較大，忽略此類問題易造成內(nèi)生性問題，在本文考慮的時(shí)間序列中包括的重大金融沖擊為2015年股災(zāi)，為剔除股災(zāi)的影響，同時(shí)考慮到災(zāi)害效果的延后性，故刪除2015年、2016年數(shù)據(jù)，截取了2014年、2017—2021年的樣本進(jìn)行回歸檢驗(yàn)。回歸結(jié)果見表3列（4），數(shù)字化轉(zhuǎn)型系數(shù)為-0.132，在1%水平上顯著，與基準(zhǔn)檢驗(yàn)中結(jié)論一致。

3.滯后項(xiàng)處理

考慮企業(yè)數(shù)字化在影響股價(jià)崩盤風(fēng)險(xiǎn)中可能存在一定時(shí)間上的滯后性，本文將數(shù)字化轉(zhuǎn)型程度（Digital）滯后了一期、二期分別進(jìn)行檢驗(yàn)，表3列（5）、列（6）的結(jié)果顯示，滯后一期、二期的解釋變量的系數(shù)均負(fù)向顯著，這說明數(shù)字化轉(zhuǎn)型在未來兩年內(nèi)仍能影響股價(jià)崩盤風(fēng)險(xiǎn)。

（四）內(nèi)生性問題

1.傾向得分匹配法

為了緩解樣本可能存在的自選擇所帶來的內(nèi)生性問題，也就是企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型是自我決策的結(jié)果，本文用傾向得分匹配法（PSM）對(duì)樣本進(jìn)行匹配。首先，通過將每一“公司-年度”的數(shù)字化轉(zhuǎn)型程度（Digital）與其中位數(shù)做對(duì)比，該“公司-年度”數(shù)字化轉(zhuǎn)型程度大于中位數(shù)的則生成數(shù)字化轉(zhuǎn)型指標(biāo)虛擬變量（Digital_01），賦值為1，小于其中位數(shù)的，賦值為0，以此將樣本劃分為進(jìn)行數(shù)字化轉(zhuǎn)型的實(shí)驗(yàn)組，與未進(jìn)行數(shù)字化轉(zhuǎn)型的對(duì)照組。其次使用Logit模型進(jìn)行傾向得分匹配。本文采取1■5來配對(duì)生成控制組企業(yè)。

從各變量PSM匹配前后的偏差程度看，除個(gè)別變量外，其余變量的偏差程度均有所下降，滿足傾向得分匹配平衡性假設(shè)；從傾向得分匹配共同取值范圍看，不滿足共同取值的樣本很少，因此，匹配后樣本滿足傾向得分匹配法的共同支撐假設(shè)（數(shù)據(jù)備索）。利用匹配后的樣本重新檢驗(yàn)數(shù)字化轉(zhuǎn)型程度對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響，結(jié)果見表4列（1），Digital系數(shù)為-0.078，在5%水平上顯著，數(shù)字化轉(zhuǎn)型程度對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響依然顯著，這說明在克服樣本自選擇偏差后基準(zhǔn)檢驗(yàn)的結(jié)論依舊穩(wěn)健。

2.工具變量法

為了緩解企業(yè)數(shù)字化轉(zhuǎn)型對(duì)股價(jià)崩盤風(fēng)險(xiǎn)作用中可能存在的遺漏變量以及反向因果的影響，將除了本企業(yè)以外同行業(yè)其他企業(yè)數(shù)字化轉(zhuǎn)型的年度均值（IV_Digital）作為工具變量。在弱工具變量檢驗(yàn)中，F(xiàn)值為19.2257，表明該工具變量并非弱工具變量，滿足工具變量相關(guān)性要求；從理論上看，其他企業(yè)的數(shù)字化水平并不會(huì)影響本企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)，因而工具變量具有外生性。由表4列（2）、列（3）可知，在工具變量法的第一階段回歸中，工具變量的回歸系數(shù)為-0.132，在5%的統(tǒng)計(jì)水平上顯著；在第二階段回歸中，數(shù)字化轉(zhuǎn)型（Digital）的回歸系數(shù)為-5.133，在5%的水平上顯著，這些結(jié)果表明，股價(jià)崩盤風(fēng)險(xiǎn)隨企業(yè)數(shù)字化轉(zhuǎn)型而下降。

3.安慰劑檢驗(yàn)

為了進(jìn)一步排除基準(zhǔn)檢驗(yàn)結(jié)論可能受到研究設(shè)計(jì)中某些缺陷影響的可能，本文進(jìn)行安慰劑檢驗(yàn)。首先將每一“公司-年度”的解釋變量（Digital）觀測(cè)值提取，隨機(jī)賦予到新的“公司-年度”觀測(cè)值中，再對(duì)樣本重新進(jìn)行檢驗(yàn)，此過程重復(fù)500次，獲得500個(gè)數(shù)字化轉(zhuǎn)型變量的回歸系數(shù)和對(duì)應(yīng)的p值。結(jié)果發(fā)現(xiàn)，估計(jì)系數(shù)的分布接近正態(tài)分布，P值大多數(shù)大于0.10，在10%的水平上并不顯著。這表明企業(yè)數(shù)字化轉(zhuǎn)型對(duì)股價(jià)崩盤風(fēng)險(xiǎn)的影響并非由其他未觀測(cè)到的隨機(jī)性因素造成，即本文的研究結(jié)論是可靠的。

（五）機(jī)制檢驗(yàn)

1.信息不對(duì)稱的作用

本文利用企業(yè)信息透明度構(gòu)建信息不對(duì)稱指標(biāo)，將企業(yè)信息透明度評(píng)級(jí)為“A”的企業(yè)構(gòu)建變量（Trans）并賦值為4，“B”等評(píng)級(jí)的企業(yè)賦值為3，“C”等評(píng)級(jí)的企業(yè)賦值為2，“D”等評(píng)級(jí)的企業(yè)賦值為1。根據(jù)表5列（2）可以看出，數(shù)字化轉(zhuǎn)型（Digital）的系數(shù)為正，在1%水平上顯著，這說明企業(yè)信息透明度會(huì)因數(shù)字化轉(zhuǎn)型而提升。根據(jù)表5列（3），數(shù)字化轉(zhuǎn)型、信息透明度分別在10%、1%水平上顯著，表明信息不對(duì)稱水平在企業(yè)數(shù)字化轉(zhuǎn)型影響股價(jià)崩盤風(fēng)險(xiǎn)中具有部分中介效應(yīng)。

2.內(nèi)部控制的作用

數(shù)字化能夠推動(dòng)企業(yè)內(nèi)控活動(dòng)的智能化，提高內(nèi)部控制水平；而良好的企業(yè)內(nèi)部控制可以幫助企業(yè)提高治理效能，能在一定程度上監(jiān)督企業(yè)管理層及大股東行為，從而降低股價(jià)崩盤風(fēng)險(xiǎn)。本文以迪博內(nèi)部控制指數(shù)為基礎(chǔ)測(cè)量企業(yè)內(nèi)部控制質(zhì)量，定義IC為迪博內(nèi)部控制指數(shù)/100。

從表5列（4）可以看出，數(shù)字化轉(zhuǎn)型（Digital）的系數(shù)為正且在1%水平上顯著，表明企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型可以顯著提高企業(yè)內(nèi)部控制水平。根據(jù)表5列（5），數(shù)字化轉(zhuǎn)型、內(nèi)部控制的系數(shù)均顯著為負(fù)，表明內(nèi)部控制在企業(yè)數(shù)字化轉(zhuǎn)型影響股價(jià)崩盤風(fēng)險(xiǎn)中具有部分中介效應(yīng)，即企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型可以通過影響企業(yè)的內(nèi)部控制能力從而降低股價(jià)崩盤風(fēng)險(xiǎn)。

3.環(huán)境不確定性的作用

環(huán)境不確定性會(huì)使企業(yè)高管無法獲取決策所需的完整信息，無法預(yù)計(jì)未來不得不面對(duì)的風(fēng)險(xiǎn)。利用公司過去5年銷售收入的標(biāo)準(zhǔn)差并經(jīng)行業(yè)調(diào)整后的值，衡量公司的環(huán)境不確定性（EU），探究環(huán)境不確定性在數(shù)字化轉(zhuǎn)型對(duì)股價(jià)崩盤風(fēng)險(xiǎn)作用過程中的影響。

從表5列（6）可以看出數(shù)字化轉(zhuǎn)型（Digital）的系數(shù)為負(fù)且在1%水平上顯著，表明企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型可以顯著降低企業(yè)面臨的環(huán)境不確定性。根據(jù)表5列（7），數(shù)字化轉(zhuǎn)型、環(huán)境不確定性的系數(shù)在5%的水平上顯著，這些證據(jù)說明，在企業(yè)數(shù)字化轉(zhuǎn)型對(duì)股價(jià)崩盤風(fēng)險(xiǎn)影響中，環(huán)境不確定性起部分中介作用。

（六）異質(zhì)性分析

1.產(chǎn)權(quán)性質(zhì)

一般而言，國(guó)有企業(yè)不僅要實(shí)現(xiàn)財(cái)務(wù)上的目標(biāo)，更要承擔(dān)起社會(huì)責(zé)任，在這種情況下，國(guó)有企業(yè)想要進(jìn)行數(shù)字化轉(zhuǎn)型要考慮的因素更多，因此轉(zhuǎn)型將會(huì)更加困難。而非國(guó)有企業(yè)，如民營(yíng)企業(yè)、外資企業(yè)等更多地以自身經(jīng)營(yíng)狀況為目標(biāo)，更有動(dòng)力利用數(shù)字化轉(zhuǎn)型降低股價(jià)崩盤風(fēng)險(xiǎn)。從表6列（1）可以看到數(shù)字化轉(zhuǎn)型（Digital）對(duì)負(fù)收益偏態(tài)系數(shù)（NCSKEW）影響的回歸系數(shù)為-0.154，在1%統(tǒng)計(jì)水平上顯著，這一證據(jù)說明，在非國(guó)有企業(yè)中，進(jìn)行數(shù)字化轉(zhuǎn)型能夠降低企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)。

2.創(chuàng)新效率

企業(yè)進(jìn)行技術(shù)創(chuàng)新可以降低企業(yè)的股價(jià)崩盤風(fēng)險(xiǎn)。首先，利用企業(yè)創(chuàng)新效率來衡量企業(yè)創(chuàng)新水平，利用企業(yè)專利申請(qǐng)數(shù)與前一期研發(fā)投入取自然對(duì)數(shù)的比值進(jìn)行衡量。其次計(jì)算企業(yè)創(chuàng)新效率的年度-行業(yè)中位數(shù)，若該“公司-年度”創(chuàng)新效率大于中位數(shù)的則定義為高創(chuàng)新效率組別；小于中位數(shù)定義為低創(chuàng)新效率組別。根據(jù)表6列（4），在高創(chuàng)新效率企業(yè)所在的組別，Digital的回歸系數(shù)為-0.092，在5%統(tǒng)計(jì)水平上顯著，這說明，在創(chuàng)新效率越高的企業(yè)中，數(shù)字化轉(zhuǎn)型有利于股價(jià)崩盤風(fēng)險(xiǎn)的降低。

3.財(cái)務(wù)報(bào)告質(zhì)量

通過審計(jì)，能夠及時(shí)發(fā)現(xiàn)企業(yè)美化財(cái)務(wù)狀況、藏匿不利消息的行為，從而降低企業(yè)股價(jià)產(chǎn)生波動(dòng)風(fēng)險(xiǎn)。企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型通過提升會(huì)計(jì)信息透明度降低企業(yè)面臨的風(fēng)險(xiǎn)。因而本文認(rèn)為財(cái)務(wù)報(bào)告質(zhì)量高的企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型，緩解股價(jià)崩盤風(fēng)險(xiǎn)的效果更好。將審計(jì)報(bào)告意見類型分成標(biāo)準(zhǔn)無保留意見與其他兩類。根據(jù)表7列（1），可以看到數(shù)字化轉(zhuǎn)型（Digital）影響負(fù)收益偏態(tài)（NCSKEW）的系數(shù)在5%水平上負(fù)向顯著；這說明財(cái)報(bào)質(zhì)量越高的企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型，越有可能降低股價(jià)崩盤風(fēng)險(xiǎn)。

4.市場(chǎng)化程度

企業(yè)的發(fā)展與社會(huì)環(huán)境息息相關(guān)。本文將31個(gè)省份市場(chǎng)化指數(shù)排名中的前四位定義為高市場(chǎng)化程度所在組別，其他省份為低市場(chǎng)化程度組。依據(jù)表7列（4），在高市場(chǎng)化程度所在的組別，Digital的系數(shù)在1%水平上與股價(jià)崩盤風(fēng)險(xiǎn)顯著負(fù)相關(guān)。這說明所屬地區(qū)市場(chǎng)化程度越高的企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型，越能夠降低股價(jià)崩盤風(fēng)險(xiǎn)。

5.高新技術(shù)產(chǎn)業(yè)

高新技術(shù)企業(yè)為了實(shí)現(xiàn)更好的生產(chǎn)經(jīng)營(yíng)，需要為數(shù)字技術(shù)創(chuàng)新投入更多支持。也正因此高新技術(shù)企業(yè)更有能力和意愿推進(jìn)數(shù)字化轉(zhuǎn)型，也更有可能降低股價(jià)崩盤風(fēng)險(xiǎn)。本文將C28化學(xué)纖維制造業(yè)，C36汽車制造業(yè)，C39計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)，I64互聯(lián)網(wǎng)和相關(guān)服務(wù)，I65軟件和信息技術(shù)服務(wù)業(yè)，M73研究和試驗(yàn)發(fā)展定義為高新技術(shù)行業(yè)。根據(jù)表7列（6），在高新技術(shù)企業(yè)所在組別，數(shù)字化轉(zhuǎn)型（Digital）影響負(fù)收益偏態(tài)（NCSKEW）的系數(shù)為-0.115，在1%水平顯著負(fù)相關(guān)。這說明，具有高新技術(shù)屬性的企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型可以顯著降低股價(jià)崩盤風(fēng)險(xiǎn)。

六、結(jié)論與政策建議

（一）基本結(jié)論

探討數(shù)字化轉(zhuǎn)型是正面還是負(fù)面影響股價(jià)崩盤風(fēng)險(xiǎn)，本質(zhì)上是國(guó)家數(shù)字化戰(zhàn)略實(shí)施中數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)融合在金融領(lǐng)域的作用問題。本文實(shí)證研究發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型不僅能夠提升信息透明度、內(nèi)控質(zhì)量和改善環(huán)境不確定性，從而降低股價(jià)崩盤風(fēng)險(xiǎn)，而且在企業(yè)內(nèi)外環(huán)境不同條件下，數(shù)字化轉(zhuǎn)型在緩解資本市場(chǎng)股價(jià)波動(dòng)中的作用存在差異。

（二）政策建議

一是從數(shù)字經(jīng)濟(jì)發(fā)展視角看，要確保國(guó)家數(shù)字化戰(zhàn)略與穩(wěn)金融政策落地，應(yīng)積極推進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型，鼓勵(lì)企業(yè)在戰(zhàn)略引領(lǐng)、技術(shù)驅(qū)動(dòng)、組織賦能、環(huán)境支撐、數(shù)字化成果、數(shù)字化應(yīng)用、互聯(lián)網(wǎng)商業(yè)模式、智能制造、現(xiàn)代信息系統(tǒng)等方面持續(xù)發(fā)力。要進(jìn)一步發(fā)揮數(shù)字化轉(zhuǎn)型對(duì)企業(yè)信息披露、內(nèi)部控制建設(shè)和應(yīng)對(duì)環(huán)境不確定性上的積極作用，提升數(shù)字化轉(zhuǎn)型企業(yè)應(yīng)對(duì)資本市場(chǎng)風(fēng)險(xiǎn)的水平。

二是從全國(guó)統(tǒng)一大市場(chǎng)建設(shè)視角看，應(yīng)進(jìn)一步強(qiáng)化企業(yè)作為市場(chǎng)主體的作用。持續(xù)支持民營(yíng)經(jīng)濟(jì)發(fā)展，引導(dǎo)非國(guó)有經(jīng)濟(jì)健康發(fā)展，發(fā)揮非國(guó)有企業(yè)在數(shù)字化轉(zhuǎn)型促進(jìn)資本市場(chǎng)穩(wěn)定上的作用；積極引導(dǎo)企業(yè)創(chuàng)新，提升創(chuàng)新效率；積極引導(dǎo)國(guó)有企業(yè)在數(shù)字化轉(zhuǎn)型中有所為有所不為，不斷提升其數(shù)字化建設(shè)水平。

三是促進(jìn)市場(chǎng)環(huán)境建設(shè)，積極進(jìn)行市場(chǎng)化改革，提升政府治理效能和經(jīng)濟(jì)發(fā)展中的市場(chǎng)調(diào)控能力；強(qiáng)化高新技術(shù)行業(yè)發(fā)展引導(dǎo)，提升產(chǎn)業(yè)發(fā)展中的技術(shù)創(chuàng)新水平；促進(jìn)會(huì)計(jì)師事務(wù)所健康發(fā)展，確保財(cái)務(wù)報(bào)告質(zhì)量，為數(shù)字化轉(zhuǎn)型保障資本市場(chǎng)平穩(wěn)發(fā)展提供外部環(huán)境支撐。

【參考文獻(xiàn)】

［1］ 馬慧，陳勝藍(lán).企業(yè)數(shù)字化轉(zhuǎn)型、壞消息隱藏與股價(jià)崩盤風(fēng)險(xiǎn)［J］.會(huì)計(jì)研究，2022（10）：31-44.

［2］ 彭俞超，倪驍然，沈吉.企業(yè)“脫實(shí)向虛”與金融市場(chǎng)穩(wěn)定——基于股價(jià)崩盤風(fēng)險(xiǎn)的視角［J］.經(jīng)濟(jì)研究，2018，

53（10）：50-66.

［3］ 董必榮，徐懷寧，王菁華.企業(yè)數(shù)字化戰(zhàn)略承諾與股價(jià)崩盤風(fēng)險(xiǎn)［J］.會(huì)計(jì)研究，2022（9）：112-126.

［4］ 彭俞超，王南萱，顧雷雷.企業(yè)數(shù)字化轉(zhuǎn)型、預(yù)判性信息披露與股價(jià)暴跌風(fēng)險(xiǎn)［J］.財(cái)貿(mào)經(jīng)濟(jì)，2023，44（5）：73-90.

［5］ JIN L，S C MYERS.R2 around the world：new theory and new tests［J］.Journal of Financial Economics，2006，79（2）：257-292.

［6］ XU N，et al.Excess perks and stock price crash risk：evidence from China［J］.Journal of Corporate Finance，2014，25：419-434.

［7］ WU K，Y FU，D KONG.Does the digital transformation of enterprises affect stock price crash risk？［J］.Finance Research Letters，2022，48.

［8］ AN Z，et al.Does media coverage deter firms from withholding bad news？ Evidence from stock price crash risk［J］.Journal of Corporate Finance，2020，64.

［9］ CALLEN J L，X FANG.Crash risk and the auditor-client relationship［J］.Contemporary Accounting Research，2017，34（3）：1715-1750.

［10］ 李宏寅.企業(yè)數(shù)字化轉(zhuǎn)型能抑制股價(jià)崩盤風(fēng)險(xiǎn)嗎？ ［J］.財(cái)經(jīng)論叢，2023（7）：58-67.

［11］ 祁懷錦，曹修琴，劉艷霞.數(shù)字經(jīng)濟(jì)對(duì)公司治理的影響——基于信息不對(duì)稱和管理者非理性行為視角［J］.改革，2020（4）：50-64.

［12］ BLOOM N，et al.The distinct effects of information technology and communication technology on firm organization［J］.Management Science，2014，60（12）：2859-2885.

［13］ 陳德球，胡晴.數(shù)字經(jīng)濟(jì)時(shí)代下的公司治理研究：范式創(chuàng)新與實(shí)踐前沿［J］.管理世界，2022，38（6）：213-240.

［14］ 劉淑春，閆津臣，張思雪，等.企業(yè)管理數(shù)字化變革能提升投入產(chǎn)出效率嗎［J］.管理世界，2021，37（5）：170-190，13.

［15］ 易露霞，吳非，徐斯■.企業(yè)數(shù)字化轉(zhuǎn)型的業(yè)績(jī)驅(qū)動(dòng)效應(yīng)研究［J］.證券市場(chǎng)導(dǎo)報(bào)，2021（8）：15-25，69.

［16］ 胡青.企業(yè)數(shù)字化轉(zhuǎn)型的機(jī)制與績(jī)效［J］.浙江學(xué)刊，2020（2）：146-154.

［17］ 葉康濤，曹豐，王化成.內(nèi)部控制信息披露能夠降低股價(jià)崩盤風(fēng)險(xiǎn)嗎？ ［J］.金融研究，2015（2）：192-206.

［18］ 黃政，吳國(guó)萍.內(nèi)部控制質(zhì)量與股價(jià)崩盤風(fēng)險(xiǎn)：影響效果及路徑檢驗(yàn)［J］.審計(jì)研究，2017（4）：48-55.

［19］ 陳其齊，杜義飛，薛敏.數(shù)字化轉(zhuǎn)型及不確定環(huán)境下中國(guó)管理研究與實(shí)踐的創(chuàng)新發(fā)展——第11屆“中國(guó)·實(shí)踐·管理”論壇評(píng)述［J］.管理學(xué)報(bào)，2021，18（3）：337-342.

［20］ COHEN L，K DIETHER，C MALLOY.Misvaluing innovation［J］.Review of Financial Studies，2013（3）：635-666.

［21］ HIRSHLEIFER D，et al.Driven to distraction：extraneous events and underreaction to earnings news［J］.The Journal of Finance，2009，64（5）：2289-2325.

［22］ 袁淳，肖士盛，張春曉，等.數(shù)字化轉(zhuǎn)型與企業(yè)分工：專業(yè)化還是縱向一體化［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2021（9）：137-155.

【基金項(xiàng)目】 江蘇省高校哲學(xué)社會(huì)科學(xué)研究重大項(xiàng)目“全國(guó)統(tǒng)一大市場(chǎng)促進(jìn)企業(yè)高質(zhì)量發(fā)展機(jī)制、路徑與對(duì)策研究”（2023SJZD017）；國(guó)家自然科學(xué)基金項(xiàng)目“融資約束影響產(chǎn)業(yè)績(jī)效：并購規(guī)模和并購方向的作用”（71272239）

【作者簡(jiǎn)介】 于成永（1971— ），男，江蘇淮安人，博士，中國(guó)注冊(cè)會(huì)計(jì)師（非執(zhí)業(yè)），南京財(cái)經(jīng)大學(xué)會(huì)計(jì)學(xué)院副院長(zhǎng)、教授、碩士生導(dǎo)師，研究方向：公司財(cái)務(wù)；馬曉慧（1998— ），女，安徽界首人，南京財(cái)經(jīng)大學(xué)會(huì)計(jì)學(xué)院碩士研究生，研究方向：公司財(cái)務(wù)；于方舟（2002— ），男，江蘇淮安人，北京理工大學(xué)計(jì)算機(jī)學(xué)院，研究方向：大數(shù)據(jù)金融

① 于方舟為通訊作者。