銀行金融科技可以抑制貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)嗎？

摘" "要：金融科技賦能有助于銀行更好地發(fā)揮信貸配置作用和債權(quán)治理作用，對(duì)于維護(hù)金融市場(chǎng)穩(wěn)定具有重要作用。本文以2012—2022年A股非金融類(lèi)上市公司為樣本，實(shí)證探究了銀行金融科技對(duì)貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響。研究發(fā)現(xiàn)，銀行金融科技顯著抑制了貸款企業(yè)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)，并且這種抑制效果在污染企業(yè)和國(guó)有企業(yè)樣本組中更顯著。作用機(jī)制分析發(fā)現(xiàn)，銀行金融科技可以通過(guò)降低貸款企業(yè)債務(wù)違約風(fēng)險(xiǎn)和提高貸款企業(yè)會(huì)計(jì)信息質(zhì)量來(lái)抑制貸款企業(yè)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)。進(jìn)一步研究發(fā)現(xiàn)，企業(yè)高管金融背景在銀行金融科技抑制貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的過(guò)程中發(fā)揮負(fù)向調(diào)節(jié)作用，而分析師關(guān)注在銀行金融科技抑制貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的過(guò)程中發(fā)揮正向調(diào)節(jié)作用。

關(guān)鍵詞：銀行金融科技；債務(wù)違約風(fēng)險(xiǎn)；會(huì)計(jì)信息質(zhì)量；高管金融背景；分析師關(guān)注

中圖分類(lèi)號(hào)：F832" "文獻(xiàn)標(biāo)識(shí)碼：A" 文章編號(hào)：1674-2265（2024）11-0047-12

DOI：10.19647/j.cnki.37-1462/f.2024.11.005

一、引言

維護(hù)金融市場(chǎng)穩(wěn)定是實(shí)現(xiàn)我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)鍵。然而，受?chē)?guó)內(nèi)外經(jīng)濟(jì)環(huán)境和企業(yè)自身經(jīng)營(yíng)特征的影響，我國(guó)上市公司股價(jià)崩盤(pán)現(xiàn)象頻繁發(fā)生?？紤]到資本市場(chǎng)情緒的傳染性，這種企業(yè)層面的股價(jià)崩盤(pán)不僅會(huì)給投資者造成財(cái)富損失，還可能引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)，從而影響整個(gè)金融市場(chǎng)的穩(wěn)定（李政等，2024）[1]。因此，想要實(shí)現(xiàn)我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的目標(biāo)，必須有效抑制股價(jià)崩盤(pán)風(fēng)險(xiǎn)。自Jin和Myers（2006）[2]首次提出“信息隱藏假說(shuō)”后，一大批實(shí)證研究一致證明減少管理層的“壞消息”隱藏是降低企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的關(guān)鍵（Hutton等，2008；Kothari等，2009）[3，4]。受其影響，國(guó)內(nèi)學(xué)者著重探討了公司治理機(jī)制在提升公司信息披露質(zhì)量、約束管理層機(jī)會(huì)主義行為中的作用（王化成等，2015）[5]。然而，想要抑制企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)，僅僅依靠公司內(nèi)部治理是遠(yuǎn)遠(yuǎn)不夠的。2023年中央金融工作會(huì)議提出“支持國(guó)有大型金融機(jī)構(gòu)做優(yōu)做強(qiáng)，當(dāng)好服務(wù)實(shí)體經(jīng)濟(jì)的主力軍和維護(hù)金融穩(wěn)定的壓艙石”，在我國(guó)以間接融資為主的金融體系中，銀行信貸仍是企業(yè)最主要的外源融資渠道，因此，銀行要在服務(wù)實(shí)體經(jīng)濟(jì)和維護(hù)金融穩(wěn)定中發(fā)揮“領(lǐng)頭雁”的作用。已有研究發(fā)現(xiàn)，銀行如果能夠更好地發(fā)揮信貸配置和債權(quán)治理效應(yīng)，貸款企業(yè)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)也會(huì)隨之降低（鄢翔和耀友福，2020）[6]。

隨著互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等新一代數(shù)字技術(shù)的廣泛運(yùn)用，金融科技賦能正在重塑我國(guó)銀行業(yè)傳統(tǒng)的金融服務(wù)模式，它可以幫助銀行克服數(shù)據(jù)采集難的問(wèn)題，有效緩解銀企之間的信息不對(duì)稱(chēng)問(wèn)題（Gomber等，2018）[7]。此外，金融科技賦能可以為銀行貸前準(zhǔn)入控制、貸中決策支持和貸后輔助管理提供全方位支持（李逸飛等，2022；郭娜等，2023）[8，9]。受此影響，銀行的信貸配置和債權(quán)治理效應(yīng)能否更好地發(fā)揮作用呢？貸款企業(yè)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)是否會(huì)隨之降低呢？為了回答以上問(wèn)題，本文構(gòu)造了以銀行信貸為橋梁的銀行與企業(yè)相匹配的銀行金融科技指數(shù)，并基于2012—2022年A股非金融類(lèi)上市公司數(shù)據(jù)，實(shí)證探究了銀行金融科技對(duì)貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響及其作用機(jī)制。研究發(fā)現(xiàn)，銀行金融科技顯著抑制了貸款企業(yè)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)，并且這種抑制效果在污染企業(yè)和國(guó)有企業(yè)樣本組中更顯著。作用機(jī)制分析發(fā)現(xiàn)，銀行金融科技可以通過(guò)降低貸款企業(yè)債務(wù)違約風(fēng)險(xiǎn)和提高貸款企業(yè)會(huì)計(jì)信息質(zhì)量來(lái)抑制貸款企業(yè)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)。進(jìn)一步研究發(fā)現(xiàn)，企業(yè)高管金融背景在銀行金融科技抑制貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的過(guò)程中發(fā)揮負(fù)向調(diào)節(jié)作用，而分析師關(guān)注在銀行金融科技抑制貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的過(guò)程中發(fā)揮正向調(diào)節(jié)作用。

相比現(xiàn)有文獻(xiàn)，本文的研究貢獻(xiàn)主要有以下兩點(diǎn)：第一，首次探究了銀行金融科技對(duì)貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響，豐富了銀行金融科技的經(jīng)濟(jì)后果研究和企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響因素研究。以往研究主要從公司內(nèi)部治理角度探究信息隱藏行為對(duì)企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響，相比于通過(guò)制度改革等外部因素來(lái)影響企業(yè)內(nèi)部治理以抑制股價(jià)崩盤(pán)風(fēng)險(xiǎn)，銀行金融科技賦能所帶來(lái)的影響有待深究。第二，從銀行優(yōu)化信貸資源配置效率和發(fā)揮債權(quán)治理效應(yīng)視角厘清了銀行金融科技影響貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的作用機(jī)制。金融科技賦能有助于銀行優(yōu)化信貸資源配置效率和發(fā)揮債權(quán)治理效應(yīng)，從而降低了貸款企業(yè)債務(wù)違約風(fēng)險(xiǎn)、提高了貸款企業(yè)會(huì)計(jì)信息質(zhì)量，有效減少了企業(yè)壞消息的形成和管理層的信息隱藏行為。

二、文獻(xiàn)綜述

（一）股價(jià)崩盤(pán)風(fēng)險(xiǎn)形成及其影響因素研究

股價(jià)崩盤(pán)風(fēng)險(xiǎn)是指?jìng)€(gè)股特有收益出現(xiàn)極端負(fù)值的概率，關(guān)于股價(jià)崩盤(pán)風(fēng)險(xiǎn)形成的研究，早期文獻(xiàn)主要聚焦于市場(chǎng)層面，先后提出了“財(cái)務(wù)杠桿效應(yīng)假說(shuō)” （Pindyck，1984）[10]“波動(dòng)率反饋假說(shuō)”“股價(jià)泡沫假說(shuō)”和“異質(zhì)信念假說(shuō)”（Hong和Stein，2003）[11]。自Jin和Myers（2006）[2]提出“信息隱藏假說(shuō)”后，學(xué)術(shù)界對(duì)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的形成機(jī)理認(rèn)知開(kāi)始趨于一致。該理論從企業(yè)普遍存在的委托代理問(wèn)題出發(fā)，認(rèn)為公司管理層會(huì)通過(guò)隱藏公司負(fù)面信息的方式維護(hù)自身利益，但是公司不能將這些負(fù)面消息永遠(yuǎn)隱藏，當(dāng)累積的負(fù)面信息達(dá)到公司無(wú)法承載的程度時(shí)會(huì)逐漸暴露并對(duì)市場(chǎng)造成沖擊，加大股價(jià)的波動(dòng)程度從而導(dǎo)致股價(jià)崩盤(pán)（Kothari等，2009）[4]。雖然股價(jià)崩盤(pán)風(fēng)險(xiǎn)是多種因素綜合作用的結(jié)果，但是現(xiàn)有研究大都基于委托代理理論和“信息隱藏假說(shuō)”框架展開(kāi)，并且可以分為公司內(nèi)部因素和外部因素兩類(lèi)。

從內(nèi)部影響因素來(lái)看，相關(guān)文獻(xiàn)主要立足于公司治理、管理層特征以及信息披露等角度進(jìn)行考察。比如大股東持股不僅可以發(fā)揮“監(jiān)督效應(yīng)”抑制管理層的代理問(wèn)題，還可以發(fā)揮“更少掏空效應(yīng)”減少對(duì)小股東的利益侵占，這兩個(gè)途徑顯著降低了企業(yè)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)（王化成等，2015）[5]；管理層的電話(huà)會(huì)議可以增加企業(yè)自愿性信息披露，這有助于緩解投資者與企業(yè)之間的信息不對(duì)稱(chēng)，從而抑制股價(jià)崩盤(pán)的發(fā)生（曹廷求和張光利，2020）[12]。從外部影響因素來(lái)看，相關(guān)文獻(xiàn)主要立足于資本市場(chǎng)環(huán)境、信息中介以及利益相關(guān)者等角度進(jìn)行考察。如退市監(jiān)管（林樂(lè)和鄭登津，2016）[13]和融券賣(mài)空制度（孟慶斌等，2018）[14]能夠降低股價(jià)崩盤(pán)風(fēng)險(xiǎn)，這是因?yàn)楦訃?yán)格的退市監(jiān)管和融券賣(mài)空制度提高了上市公司的信息透明度和公司治理水平；企業(yè)可以通過(guò)披露社會(huì)責(zé)任信息提高信息透明度和社會(huì)聲譽(yù)，進(jìn)而有效降低股價(jià)崩盤(pán)風(fēng)險(xiǎn)（宋獻(xiàn)中等，2017）[15]；相反，機(jī)構(gòu)投資者抱團(tuán)會(huì)提高上市公司的股價(jià)崩盤(pán)風(fēng)險(xiǎn)（吳曉暉等，2019）[16]。綜上可知，無(wú)論是何種因素，提高公司信息透明度和減少管理層信息隱藏行為都是抑制股價(jià)崩盤(pán)風(fēng)險(xiǎn)的關(guān)鍵。

（二）銀行債權(quán)治理效應(yīng)及金融科技賦能作用

一般認(rèn)為，銀行債權(quán)可以發(fā)揮財(cái)務(wù)效應(yīng)和治理效應(yīng)的雙重作用。一方面，作為信貸資金的提供者，銀行通過(guò)為企業(yè)提供信貸資金支持而發(fā)揮財(cái)務(wù)杠桿作用，支持企業(yè)的生產(chǎn)經(jīng)營(yíng)活動(dòng)，此為財(cái)務(wù)效應(yīng)；另一方面，作為企業(yè)最大的債權(quán)人，銀行可以通過(guò)債權(quán)治理作用來(lái)影響公司治理情況和降低企業(yè)生產(chǎn)經(jīng)營(yíng)中的風(fēng)險(xiǎn)，此為公司治理效應(yīng)（王滿(mǎn)四和徐朝輝，2020）[17]。然而，現(xiàn)有研究發(fā)現(xiàn)，雖然我國(guó)銀行債權(quán)對(duì)企業(yè)的總體影響是積極的，但是起主要作用的是財(cái)務(wù)效應(yīng)，以往我國(guó)的銀行貸款并沒(méi)有對(duì)企業(yè)產(chǎn)生顯著的治理效應(yīng)（陸嘉瑋等，2017）[18]。如張亦春（2015）[19]等在探究我國(guó)上市企業(yè)的非效率投資問(wèn)題時(shí)，研究發(fā)現(xiàn)“預(yù)算軟約束”導(dǎo)致我國(guó)銀行的債權(quán)治理效果整體上呈現(xiàn)不確定性特征；沈悅和安磊（2022）[20]在探究債務(wù)約束對(duì)企業(yè)“脫實(shí)向虛”的治理效果的研究中發(fā)現(xiàn)，債權(quán)治理未能發(fā)揮有效的作用。

研究發(fā)現(xiàn)，金融科技賦能正在改變銀行的信貸資源配置（Cheng和Qu，2020）[21]。一方面，金融科技賦能下，銀行對(duì)“軟信息”的處理能力得以提升。銀行可以通過(guò)大數(shù)據(jù)、區(qū)塊鏈等先進(jìn)技術(shù)獲得更多有價(jià)值的信貸決策信息，從而緩解銀企之間的信息不對(duì)稱(chēng)，減少銀行信貸投放中面臨的逆向選擇與道德風(fēng)險(xiǎn)，增強(qiáng)銀行貸前審查與貸后監(jiān)督能力（Sutherland，2018）[22]。金融科技還可以助力銀行經(jīng)營(yíng)范圍突破時(shí)空限制，在重大經(jīng)濟(jì)沖擊中發(fā)揮“穩(wěn)定器”的作用。同時(shí)，人工智能技術(shù)帶來(lái)的預(yù)測(cè)能力也有助于提升銀行對(duì)危機(jī)的前瞻性和預(yù)見(jiàn)性，從而顯著增強(qiáng)商業(yè)銀行應(yīng)對(duì)經(jīng)濟(jì)不確定性的能力（高昊宇等，2022）[23]。另一方面，金融科技為銀行貸前準(zhǔn)入控制、貸中決策支持和貸后輔助管理提供全方位支持，幫助銀行更有效地進(jìn)行企業(yè)資信評(píng)估及償債能力評(píng)價(jià)，從而有利于推動(dòng)銀行貸款模式從“重抵押輕信用”向“重信用輕抵押”轉(zhuǎn)變。金融科技也可以在長(zhǎng)尾客戶(hù)覆蓋方面發(fā)揮顯著賦能作用，不僅能夠彌補(bǔ)銀行原本在信貸業(yè)務(wù)風(fēng)險(xiǎn)控制方面的不足，還能壓縮銀行與客戶(hù)之間的時(shí)空距離，從而有助于銀行吸收流動(dòng)性負(fù)債并將其有效地轉(zhuǎn)換為非流動(dòng)性資產(chǎn)，提升自身服務(wù)實(shí)體經(jīng)濟(jì)的能力（宋科等，2023）[24]。

綜上所述，現(xiàn)有關(guān)于如何抑制股價(jià)崩盤(pán)風(fēng)險(xiǎn)的研究大多集中在公司治理、管理層特征以及信息披露等角度，雖然關(guān)于影響因素的拓展研究已經(jīng)十分豐富，但是鮮有學(xué)者關(guān)注金融科技賦能作用下的銀行信貸如何影響企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)。尤其是在現(xiàn)有研究認(rèn)為以往我國(guó)銀行信貸并沒(méi)有對(duì)企業(yè)產(chǎn)生顯著的治理效應(yīng)的研究背景下，探究銀行金融科技對(duì)貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響具有重要的意義。

三、理論分析與研究假設(shè)

（一）銀行金融科技與貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)

金融科技改變了銀行傳統(tǒng)的經(jīng)營(yíng)模式、管理模式和生產(chǎn)模式，顯著地提升了傳統(tǒng)銀行的信息甄別能力（戚聿東和肖旭，2020）[25]。受此影響，銀行信貸資源配置效率和債權(quán)治理效應(yīng)將會(huì)顯著改善，這為降低貸款企業(yè)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)提供了可能。一方面，以人工智能和大數(shù)據(jù)為代表的金融科技可以通過(guò)挖掘數(shù)據(jù)中的非線(xiàn)性關(guān)系（Fuster等，2019）[26]和準(zhǔn)確把握企業(yè)基本面信息（Goldstein等，2019）[27]的方式對(duì)貸款企業(yè)進(jìn)行全方位的評(píng)級(jí)，進(jìn)而幫助銀行識(shí)別出潛在的貸款客戶(hù)，這有助于銀行提高信貸資源配置效率；另一方面，以移動(dòng)支付、數(shù)字營(yíng)銷(xiāo)和智能投顧等為代表的金融科技應(yīng)用已經(jīng)沉浸到企業(yè)全部的生產(chǎn)經(jīng)營(yíng)活動(dòng)中，有效打通了銀行與企業(yè)之間信息溝通的鏈條，幫助銀行更好地掌握企業(yè)的信息，這為銀行貸前準(zhǔn)入控制、貸中決策支持和貸后輔助管理提供了全方位支持，從而有助于銀行完善債務(wù)契約和發(fā)揮債權(quán)治理效應(yīng)（Cheng和Qu，2020）[21]?；诖?，銀行金融科技可以顯著提高貸款企業(yè)的信貸可得性，優(yōu)化貸款企業(yè)的債務(wù)期限結(jié)構(gòu)，減少貸款企業(yè)的短債長(zhǎng)用（李逸飛等，2022）[8]，抑制貸款企業(yè)的金融化（李真等，2023）[28]和信息隱藏行為（莊旭東等，2023）[29]。由此，本文認(rèn)為銀行金融科技不僅可以通過(guò)優(yōu)化信貸資源配置效率來(lái)提高貸款企業(yè)應(yīng)對(duì)風(fēng)險(xiǎn)的能力，而且可以通過(guò)更好地發(fā)揮債權(quán)治理效應(yīng)來(lái)抑制貸款企業(yè)管理層的信息隱藏行為?；谝陨戏治?，本文提出如下研究假設(shè)：

H1：銀行金融科技可以顯著抑制貸款企業(yè)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)。

（二）銀行金融科技影響貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的作用機(jī)制

從現(xiàn)有研究來(lái)看，債務(wù)違約風(fēng)險(xiǎn)的提高不僅會(huì)威脅企業(yè)的正常經(jīng)營(yíng)，而且會(huì)通過(guò)傳染效應(yīng)惡化市場(chǎng)投資者的預(yù)期，誘發(fā)債權(quán)人收緊信用條款、催討債務(wù)等連鎖反應(yīng)，從而形成股價(jià)崩盤(pán)風(fēng)險(xiǎn)。此外，根據(jù)“信息隱藏假說(shuō)”，管理層為了實(shí)現(xiàn)自身利益最大化，傾向于在財(cái)務(wù)報(bào)表等信息披露中暫時(shí)隱藏“壞消息”而加速披露“好消息”，從而達(dá)到粉飾盈余和提高股價(jià)的效果，但是當(dāng)“壞消息”在公司內(nèi)部不斷累積到一定程度后，最終會(huì)被集中釋放，彼時(shí)將會(huì)產(chǎn)生股價(jià)崩盤(pán)風(fēng)險(xiǎn)（Jin和Myers，2006）[2]。由此可見(jiàn)，降低企業(yè)債務(wù)違約風(fēng)險(xiǎn)和減少管理層信息隱藏行為是抑制股價(jià)崩盤(pán)風(fēng)險(xiǎn)的關(guān)鍵。理論上，銀行金融科技可以通過(guò)以上兩條途徑來(lái)抑制貸款企業(yè)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)。

一方面，銀行金融科技可以通過(guò)優(yōu)化信貸資源配置效率和發(fā)揮債權(quán)治理效應(yīng)來(lái)降低貸款企業(yè)的債務(wù)違約風(fēng)險(xiǎn)，從而抑制貸款企業(yè)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)。首先，通過(guò)人工智能和機(jī)器學(xué)習(xí)等技術(shù)，銀行可以建立更科學(xué)、更智能的風(fēng)險(xiǎn)評(píng)估模型，對(duì)貸款企業(yè)的信用風(fēng)險(xiǎn)進(jìn)行精準(zhǔn)識(shí)別和量化，提高風(fēng)險(xiǎn)管理的準(zhǔn)確性和效率（郭娜和張駿，2024）[30]。其次，金融科技提供的實(shí)時(shí)風(fēng)險(xiǎn)監(jiān)測(cè)系統(tǒng)能夠及時(shí)收集和分析企業(yè)的財(cái)務(wù)數(shù)據(jù)、行業(yè)趨勢(shì)、市場(chǎng)環(huán)境等多維度信息，捕捉企業(yè)財(cái)務(wù)狀況的變化和潛在風(fēng)險(xiǎn)信號(hào)，使銀行能夠迅速響應(yīng)并采取相應(yīng)的風(fēng)險(xiǎn)管理措施（陳東暉，2024）[31]。最后，金融科技賦能有效縮短了銀企之間的時(shí)空距離，降低了銀行信息搜尋成本，強(qiáng)化了銀行對(duì)信貸資金的有效監(jiān)控，從而提高了企業(yè)信貸資金的可獲得性，降低了企業(yè)因融資約束而導(dǎo)致的生產(chǎn)經(jīng)營(yíng)中斷、債務(wù)違約風(fēng)險(xiǎn)（李逸飛等，2022）[8]。

另一方面，銀行金融科技可以通過(guò)優(yōu)化信貸資源配置效率和發(fā)揮債權(quán)治理效應(yīng)來(lái)提高貸款企業(yè)的會(huì)計(jì)信息質(zhì)量，從而抑制貸款企業(yè)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)。首先，以大數(shù)據(jù)和人工智能為依托的金融科技有效提高了銀行信貸識(shí)別效率，破解了信貸管理瓶頸（Goldstein等，2019）[27]，銀行會(huì)通過(guò)增加長(zhǎng)期貸款的方式為企業(yè)提供穩(wěn)定持續(xù)的信貸資金支持（李逸飛等，2022）[8]，受此影響，企業(yè)通過(guò)盈余管理來(lái)獲得銀行信貸的動(dòng)機(jī)將會(huì)減少。其次，在金融科技賦能作用下，銀行逐步實(shí)現(xiàn)了對(duì)貸款企業(yè)生產(chǎn)經(jīng)營(yíng)活動(dòng)的實(shí)時(shí)監(jiān)控，這有助于銀行提高債務(wù)契約的完備性，并且保障了“控制權(quán)轉(zhuǎn)移”機(jī)制能夠及時(shí)發(fā)揮作用（Goldstein等，2019）[27]。最后，由于長(zhǎng)期貸款更能夠緩解企業(yè)融資約束和發(fā)揮財(cái)務(wù)杠桿作用，所以對(duì)于企業(yè)而言，長(zhǎng)期債務(wù)違約面臨的控制權(quán)轉(zhuǎn)移和斷貸威脅更大，這極大地增加了管理層的“損失厭惡”心理，促使管理層提高會(huì)計(jì)穩(wěn)健性，讓“壞消息”更及時(shí)地反映在會(huì)計(jì)盈余中（趙剛等，2014）[32]?；谝陨戏治?，本文提出如下研究假設(shè)：

H2：銀行金融科技可以降低貸款企業(yè)債務(wù)違約風(fēng)險(xiǎn)和提高貸款企業(yè)會(huì)計(jì)信息質(zhì)量，從而顯著抑制了貸款企業(yè)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)。

（三）高管金融背景和分析師關(guān)注的調(diào)節(jié)作用

銀行金融科技對(duì)貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的作用效果可能受到企業(yè)內(nèi)部特征和外部信息環(huán)境等因素的影響。從現(xiàn)有研究看，高管金融背景有助于企業(yè)緩解債務(wù)違約風(fēng)險(xiǎn)（杜勇等，2019）[33]；分析師關(guān)注可以發(fā)揮外部監(jiān)督作用提高企業(yè)會(huì)計(jì)信息質(zhì)量（林晚發(fā)等，2023）[34]。因此，高管金融背景和分析師關(guān)注對(duì)銀行金融科技對(duì)貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響可能存在調(diào)節(jié)效應(yīng)。具體地，一方面，具有金融背景的高管可以借助其專(zhuān)業(yè)知識(shí)和經(jīng)驗(yàn)，在企業(yè)投融資、公司治理和風(fēng)險(xiǎn)管理等方面發(fā)揮重要作用，從而有助于降低企業(yè)的債務(wù)違約風(fēng)險(xiǎn)，這會(huì)在一定程度上削弱銀行金融科技降低企業(yè)債務(wù)違約風(fēng)險(xiǎn)的作用效果（杜勇等，2019）[33]。因此，對(duì)于那些擁有金融背景高管的企業(yè)而言，銀行金融科技降低其股價(jià)崩盤(pán)風(fēng)險(xiǎn)的作用效果將會(huì)大打折扣。另一方面，從監(jiān)督治理效應(yīng)看，分析師關(guān)注可以有效抑制管理層的消息隱藏行為，從而提高企業(yè)的會(huì)計(jì)信息質(zhì)量，緩解企業(yè)與外部投資者之間的信息不對(duì)稱(chēng)。因此，分析師關(guān)注可以與銀行債權(quán)治理發(fā)揮“協(xié)同效應(yīng)”，共同降低貸款企業(yè)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)（趙子銥等，2024）[35]?；谝陨戏治觯疚奶岢鋈缦卵芯考僭O(shè)：

H3：企業(yè)高管金融背景在銀行金融科技抑制貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的過(guò)程中發(fā)揮負(fù)向調(diào)節(jié)作用，分析師關(guān)注在銀行金融科技抑制貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的過(guò)程中發(fā)揮正向調(diào)節(jié)作用。

四、研究設(shè)計(jì)

（一）數(shù)據(jù)來(lái)源與數(shù)據(jù)處理

基于2012—2022年滬深A(yù)股上市公司數(shù)據(jù)，本文對(duì)初始數(shù)據(jù)進(jìn)行如下處理：（1）剔除金融類(lèi)上市公司樣本；（2）剔除所有ST、*ST類(lèi)上市公司樣本；（3）剔除了主要變量缺失嚴(yán)重的公司樣本；（4）對(duì)主要連續(xù)變量在1%和99%的水平上進(jìn)行縮尾處理（Winsorize）。除了企業(yè)ESG表現(xiàn)數(shù)據(jù)來(lái)源于萬(wàn)得數(shù)據(jù)庫(kù)外，其他變量數(shù)據(jù)均來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)。

銀行層面的金融科技水平主要通過(guò)媒體報(bào)道對(duì)銀行金融科技應(yīng)用相關(guān)信息的關(guān)注度來(lái)衡量（Wang等，2021）[36]。一般來(lái)說(shuō)，關(guān)于特定主題的新聞報(bào)道數(shù)量在很大程度上反映了這一主題的發(fā)展?fàn)顩r，在互聯(lián)網(wǎng)媒體時(shí)代，通過(guò)百度新聞高級(jí)檢索金融科技（FinTech）相關(guān)關(guān)鍵詞及其數(shù)量來(lái)度量銀行層面的金融科技具有可操作性強(qiáng)、準(zhǔn)確度高的優(yōu)勢(shì)（Askitas和Zimmermann，2015）[37]。首先，在銀行金融科技特征詞的確定上，本文不僅參考了一系列以銀行金融科技為主題的經(jīng)典文獻(xiàn)（Wang等，2021）[36]，還參考了《金融科技（FinTech）發(fā)展規(guī)劃（2019—2021年）》《金融科技發(fā)展規(guī)劃（2022—2025年）》以及歷年《金融科技藍(lán)皮書(shū)：中國(guó)金融科技發(fā)展報(bào)告》，分別從學(xué)術(shù)界和業(yè)界歸納整理出有關(guān)銀行金融科技應(yīng)用的特定關(guān)鍵詞；其次，在建立金融科技關(guān)鍵詞詞庫(kù)時(shí)界分了“底層技術(shù)”與“應(yīng)用場(chǎng)景”兩個(gè)層面，其中“應(yīng)用場(chǎng)景”層面又包括“智能營(yíng)銷(xiāo)”“風(fēng)險(xiǎn)防控”以及“運(yùn)營(yíng)管理”三個(gè)關(guān)鍵維度，共選取了與銀行金融科技相關(guān)的32個(gè)關(guān)鍵詞；最后，以文本挖掘法為基礎(chǔ)，綜合運(yùn)用Python網(wǎng)絡(luò)爬蟲(chóng)、詞頻分析和綜合指數(shù)法等技術(shù)手段構(gòu)建銀行層面的金融科技發(fā)展指數(shù)（fintech）。具體的金融科技關(guān)鍵詞選取情況如表1所示。

（二）模型構(gòu)建

為了檢驗(yàn)銀行金融科技對(duì)貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響，本文構(gòu)建了雙向固定效應(yīng)模型：

[NCSKEWi，t=α0+β1Bfintechi，t+k=1kδkControli，t+μt+δi+εi，t] （1）

其中，[NCSKEWi，t]是貸款企業(yè)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)，[Bfintechi，t]是企業(yè)對(duì)應(yīng)的銀行金融科技水平，[Controli，t]是一系列控制變量，[μi]為個(gè)體固定效應(yīng)，[δi]為時(shí)間固定效應(yīng)，[εi，t]為隨機(jī)誤差項(xiàng)。

（三）主要變量

1.被解釋變量：股票負(fù)收益率偏態(tài)系數(shù)（NCSKEW）和股價(jià)波動(dòng)率（DUVOL）。參考Hutton等（2008）[3]、曹廷求和張光利（2020）[12]的研究，首先，利用股票的周收益率數(shù)據(jù)分年度進(jìn)行回歸，計(jì)算上市公司的周股票收益率：

[ri，t=ai+β1rm，t-2+β2rm，t-1+β3rm，t+β4rm，t+1+β5rm，t+2+εi，t]" " （2）

其次，利用回歸殘差[εi，t]計(jì)算個(gè)股特定周收益率[Wi，t=ln（1+εi，t）]。

最后，根據(jù)式（3）和式（4）計(jì)算股票負(fù)收益率偏態(tài)系數(shù)和股價(jià)波動(dòng)率。二者的數(shù)值越大，表示股價(jià)崩盤(pán)風(fēng)險(xiǎn)越高。

[NCSKEWi，t=n（n-1）32w3i，t（n-1）（n-2）（w2i，t）32]" "（3）

[DUVOLi，t=log（nu-1）Downw2i，t（nd-1）upw2i，t]" " "（4）

在式（2）中，[ri，t]為公司[i]在第[t]周考慮現(xiàn)金紅利再投資的周股票收益率，[rm，t]為第[t]周經(jīng)流通市值加權(quán)的市場(chǎng)平均收益率，并在回歸模型中加入[rm，t]的滯后項(xiàng)和超前項(xiàng)調(diào)整股價(jià)變動(dòng)非同步性問(wèn)題；在式（3）和式（4）中，[n]為每只股票的年交易周數(shù)，[nu（nd）]表示股票周特有收益[wi，t]大于（小于）年平均收益率[w1]的周數(shù)。

2. 解釋變量：銀行金融科技指標(biāo)（BFintech）。參考張金清等（2022）[38]的研究方式，以企業(yè)每年在各大銀行的貸款金額為權(quán)重，將企業(yè)各個(gè)貸款銀行的金融科技指標(biāo)進(jìn)行加權(quán)，合成企業(yè)對(duì)應(yīng)的銀行金融科技指標(biāo)（BFintech）。具體定義如下：

[Bfintechi，t=n-1Nfintechint×Lsizei，n，tSum_Lsizei，t]" " （5）

其中，[Bfintechi，t]是企業(yè)[i]在[t]期對(duì)應(yīng)的合成的銀行金融科技指標(biāo)，[fintechi，t]表示企業(yè)[i]在[t]期對(duì)應(yīng)銀行[n]的銀行金融科技指數(shù)，[Lsizei，t]t表示企業(yè)[i]在[t]期在銀行[n]的貸款規(guī)模，[Sum_Lsizei，t]表示企業(yè)[i]在[t]期在所有銀行的貸款總和。

3. 控制變量。基于股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響因素，本文參考崔學(xué)剛等（2019）[39]的研究，添加如下控制變量：企業(yè)規(guī)模（Size）、資產(chǎn)負(fù)債率（Lev）、固定資產(chǎn)（FIXED）、上市年齡（Age）、資產(chǎn)回報(bào)率（ROA）、機(jī)構(gòu)投資者（Inst）、股權(quán)制衡度（EBD）、獨(dú)立董事占比（ID）、兩職合一（DUAL）和四大會(huì)計(jì)師事務(wù)所（Big4）。主要變量的定義及說(shuō)明見(jiàn)表2。

（四）描述性統(tǒng)計(jì)

表3報(bào)告了主要變量的描述性統(tǒng)計(jì)結(jié)果?？梢钥吹?，股票負(fù)收益偏態(tài)系數(shù)的均值是-0.480，標(biāo)準(zhǔn)差是0.761，最小值和最大值分別為-2.792 和 1.684；股價(jià)波動(dòng)率的均值是-0.262，標(biāo)準(zhǔn)差是0.496，最小值和最大值分別為-2.385 和 2.347，以上說(shuō)明各企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)差異較大，這與已有研究基本一致（崔學(xué)剛等，2019）[39]。銀行金融科技指標(biāo)的均值為0.032，標(biāo)準(zhǔn)差是0.827，最小值和最大值分別為-2.618和2.057，說(shuō)明不同企業(yè)不同年份受銀行金融科技影響的差異較大，這為本文的實(shí)證檢驗(yàn)提供了研究空間。其他控制變量的分布特征與前期文獻(xiàn)基本相符。

五、實(shí)證檢驗(yàn)及其分析

（一）基準(zhǔn)回歸結(jié)果

表4報(bào)告了銀行金融科技影響貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的回歸結(jié)果。其中，第（1）列是沒(méi)有添加控制變量的回歸結(jié)果，銀行金融科技指標(biāo)的系數(shù)在5%統(tǒng)計(jì)水平上顯著為負(fù)；第（2）列和第（3）列是依次加入控制變量后的回歸結(jié)果，銀行金融科技指標(biāo)的系數(shù)均在5%統(tǒng)計(jì)水平上顯著為負(fù)。實(shí)證結(jié)果表明本文構(gòu)建的銀行金融科技指標(biāo)與企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)顯著負(fù)相關(guān)。在經(jīng)濟(jì)意義上，以第（3）列為例，考慮到股價(jià)崩盤(pán)風(fēng)險(xiǎn)的均值為-0.480，銀行金融科技水平每提高 1個(gè)單位標(biāo)準(zhǔn)差，企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)相較于均值而言會(huì)降低約0.0731（即 -0.0424×0.827/-0.480=0.0731）。以上回歸結(jié)果驗(yàn)證了研究假說(shuō)H1，即銀行金融科技顯著抑制了貸款企業(yè)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)。

（二）內(nèi)生性問(wèn)題

為提高研究結(jié)論的可靠性，本文利用工具變量法來(lái)緩解基準(zhǔn)回歸模型中可能存在的內(nèi)生性問(wèn)題。具體地，本文分別以同一省份和行業(yè)的企業(yè)在同一年份的銀行金融科技均值（IV1）和各企業(yè)所在地與杭州的球面距離（IV2）作為工具變量。實(shí)證檢驗(yàn)發(fā)現(xiàn)，本文選擇的兩個(gè)工具變量不存在“識(shí)別不足”和“弱工具變量”問(wèn)題。

表5報(bào)告了兩階段最小二乘法回歸結(jié)果。第（1）列和第（3）列為第一階段的回歸結(jié)果，IV的系數(shù)分別在1%統(tǒng)計(jì)水平上顯著為正和在1%統(tǒng)計(jì)水平上顯著為負(fù)，前者說(shuō)明單個(gè)企業(yè)受到的銀行金融科技影響與同一省份和行業(yè)的企業(yè)受到的銀行金融科技影響趨同；后者說(shuō)明企業(yè)所在地距離杭州越遠(yuǎn)，企業(yè)受到金融科技發(fā)展水平的影響越小。第（2）列和第（4）列為第二階段的回歸結(jié)果，銀行金融科技的系數(shù)分別在1%和5%統(tǒng)計(jì)水平上顯著為負(fù)，這與基準(zhǔn)回歸結(jié)果趨于一致，說(shuō)明在糾正了潛在的內(nèi)生性偏差后，銀行金融科技和貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的關(guān)系仍保持不變。

（三）穩(wěn)健性檢驗(yàn)

1. 替換解釋變量和被解釋變量。一方面，進(jìn)一步以解釋變量的滯后一期（L.BFintech）作為解釋變量來(lái)緩解內(nèi)生性問(wèn)題。表6第（1）列結(jié)果顯示，解釋變量滯后一期的系數(shù)在5%統(tǒng)計(jì)水平上顯著為負(fù)。另一方面，以股價(jià)波動(dòng)率代替股票負(fù)收益率偏態(tài)系數(shù)作為被解釋變量進(jìn)行穩(wěn)健性檢驗(yàn)。第（2）列結(jié)果顯示，銀行金融科技的系數(shù)在5%統(tǒng)計(jì)水平上顯著為負(fù)。以上回歸結(jié)果表明基準(zhǔn)回歸結(jié)果是可靠的，即銀行金融科技降低了貸款企業(yè)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)。

2. 控制城市和行業(yè)固定效應(yīng)。為了減少遺漏變量偏誤，考慮地區(qū)差異和行業(yè)特征的影響，在基準(zhǔn)模型的基礎(chǔ)上，進(jìn)一步補(bǔ)充城市固定效應(yīng)和行業(yè)固定效應(yīng)。表7第（1）—（3）列分別報(bào)告了補(bǔ)充城市固定效應(yīng)、行業(yè)固定效應(yīng)、行業(yè)固定效應(yīng)和時(shí)間固定效應(yīng)交乘項(xiàng)的回歸結(jié)果，銀行金融科技的系數(shù)均在5%統(tǒng)計(jì)水平上顯著為負(fù)，且絕對(duì)值與基準(zhǔn)回歸結(jié)果絕對(duì)值接近。

六、進(jìn)一步研究

（一）作用機(jī)制檢驗(yàn)

為了驗(yàn)證債務(wù)違約風(fēng)險(xiǎn)和會(huì)計(jì)信息質(zhì)量在銀行金融科技抑制貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)過(guò)程中的中介作用，本文參考江艇（2022）[40]的做法，建立模型（6），已有文獻(xiàn)證實(shí)債務(wù)違約風(fēng)險(xiǎn)和會(huì)計(jì)信息質(zhì)量顯著影響企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)，如λ顯著且符號(hào)符合預(yù)期，則說(shuō)明銀行金融科技能夠通過(guò)降低貸款企業(yè)債務(wù)違約風(fēng)險(xiǎn)和提高貸款企業(yè)會(huì)計(jì)信息質(zhì)量影響貸款企業(yè)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)。在此基礎(chǔ)上，本文還將借鑒嚴(yán)兵等（2024）[41]的做法，通過(guò)補(bǔ)充異質(zhì)性分析的方式進(jìn)行情景檢驗(yàn)，從側(cè)面證明信貸違約風(fēng)險(xiǎn)和會(huì)計(jì)信息質(zhì)量在銀行金融科技抑制貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)過(guò)程中發(fā)揮的中介作用。

[DDi，t/AIQi，t=α0+λBFintechi，t+k=1kδkControli，t+μt+σt+εi，t] （6）

式（6）中，[DD]為企業(yè)信貸違約距離，[AIQ]為企業(yè)會(huì)計(jì)信息質(zhì)量，其余變量同式（1）。機(jī)制變量的構(gòu)建方法如下。

一是債務(wù)違約風(fēng)險(xiǎn)（DD）。以MertonDD模型計(jì)算企業(yè)違約距離，該距離越大，企業(yè)的債務(wù)違約風(fēng)險(xiǎn)越小。具體步驟如下：（1）選定一個(gè)預(yù)測(cè)范圍T，并度量公司的債務(wù)賬面價(jià)值 F；（2）得到公司無(wú)風(fēng)險(xiǎn)利率；（3）采用 Matlab 軟件求解公司資產(chǎn)價(jià)值V及其波動(dòng)率σV；（4）基于模型（7）計(jì)算違約距離 DD。

[DD=lnVF+r-1/2σ2VTσVT]" " "（7）

二是會(huì)計(jì)信息質(zhì)量（AIQ）。以深交所、滬交所披露的公司信息披露工作考核結(jié)果為基礎(chǔ)，將公司信息披露質(zhì)量從高到低劃分為A，B，C，D四個(gè)等級(jí)（即優(yōu)秀、良好、及格和不及格），依次賦值為4、3、2和1，數(shù)值越大，公司信息披露質(zhì)量越高，公司透明度越高。

表8第（1）列報(bào)告了銀行金融科技對(duì)貸款企業(yè)債務(wù)違約風(fēng)險(xiǎn)的影響，銀行金融科技的系數(shù)在5%統(tǒng)計(jì)水平上顯著為正，說(shuō)明銀行金融科技顯著增加了貸款企業(yè)的債務(wù)違約距離，即銀行金融科技可以降低貸款企業(yè)的債務(wù)違約風(fēng)險(xiǎn)。進(jìn)一步地，由于已有文獻(xiàn)發(fā)現(xiàn)污染企業(yè)的債務(wù)違約風(fēng)險(xiǎn)更大（李楠等，2024）[42]，一個(gè)合理的推測(cè)是：銀行金融科技抑制貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的作用在污染企業(yè)樣本組中更顯著。表8第（2）列和第（3）列報(bào)告了異質(zhì)性分組回歸結(jié)果，即銀行金融科技可以在1%統(tǒng)計(jì)水平上顯著抑制污染企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)，但是并不能顯著抑制非污染企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)。對(duì)此，本文的解釋是：金融科技通過(guò)大數(shù)據(jù)、云計(jì)算等技術(shù)手段，能夠收集和分析大量企業(yè)運(yùn)營(yíng)數(shù)據(jù)，包括財(cái)務(wù)數(shù)據(jù)、環(huán)境績(jī)效等，有助于金融機(jī)構(gòu)更準(zhǔn)確地評(píng)估污染企業(yè)的信用風(fēng)險(xiǎn)，受此影響，“斷貸威脅”和“控制權(quán)轉(zhuǎn)移”機(jī)制將會(huì)真正發(fā)揮作用，有助于銀行在“事后”充分發(fā)揮監(jiān)督治理作用，有效地降低了污染企業(yè)的債務(wù)違約風(fēng)險(xiǎn)，進(jìn)而抑制其股價(jià)崩盤(pán)風(fēng)險(xiǎn)。

表9第（1）列報(bào)告了銀行金融科技對(duì)貸款企業(yè)會(huì)計(jì)信息質(zhì)量的影響，銀行金融科技的系數(shù)在5%統(tǒng)計(jì)水平上顯著為正，這說(shuō)明銀行金融科技顯著提高了貸款企業(yè)的會(huì)計(jì)信息質(zhì)量。進(jìn)一步地，由于已有文獻(xiàn)發(fā)現(xiàn)國(guó)有企業(yè)的會(huì)計(jì)信息質(zhì)量較差（褚劍，2024；綦好東等，2024）[43，44]，一個(gè)合理的推測(cè)是：銀行金融科技抑制貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的作用效果在國(guó)有企業(yè)樣本組中更顯著。表9第（2）列和第（3）列報(bào)告了異質(zhì)性分組回歸結(jié)果，即銀行金融科技可以在5%統(tǒng)計(jì)水平上顯著抑制國(guó)有企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)，但是并不能顯著抑制民營(yíng)企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)。對(duì)此，本文的解釋是：一般來(lái)說(shuō)，國(guó)有企業(yè)的第一類(lèi)代理成本更為嚴(yán)重。由于缺乏對(duì)管理層的監(jiān)督，國(guó)有企業(yè)的壞消息隱藏行為可能更多。金融科技賦能有助于銀行發(fā)揮債權(quán)治理效應(yīng)，可以有效彌補(bǔ)國(guó)有企業(yè)中股東對(duì)管理層的監(jiān)督空白，從而減少管理層的壞消息隱藏行為，抑制股價(jià)崩盤(pán)風(fēng)險(xiǎn)。

（二）調(diào)節(jié)效應(yīng)檢驗(yàn)

為了驗(yàn)證假設(shè)H3，本文構(gòu)造如下模型：

[NCSKEWi，t=α0+β1BFintechi，t+β2BFintechi，t×Fini，t/Analysti，t+k=1kδkControli，t+μt+σt+εi，t] （8）

式（8）在模型（1）的基礎(chǔ)上補(bǔ)充了銀行金融科技與金融背景高管（Fin）和分析師關(guān)注度（Analyst）的交互項(xiàng)Bfintech×Fin和Bfintech×Analyst，其余變量同式（1）。其中，參考李卓松（2018）[45]的研究，根據(jù)企業(yè)董監(jiān)高中是否有金融機(jī)構(gòu)從業(yè)經(jīng)歷人員設(shè)置金融背景高管虛擬變量，若存在則記為1，反之則記為0；參考伊志宏等（2019）[46]的研究，以一年內(nèi)對(duì)該公司進(jìn)行跟蹤分析的分析師（團(tuán)隊(duì)）數(shù)量衡量企業(yè)分析師關(guān)注度，該數(shù)值越大，表示資本市場(chǎng)對(duì)該企業(yè)的關(guān)注度越高。

表10報(bào)告了調(diào)節(jié)效應(yīng)檢驗(yàn)的回歸結(jié)果。其中第（1）列顯示，交互項(xiàng)BFintech×Fin的系數(shù)在5%統(tǒng)計(jì)水平上顯著為正，這說(shuō)明企業(yè)高管金融背景在銀行金融科技抑制貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的過(guò)程中發(fā)揮了顯著的負(fù)向調(diào)節(jié)作用。第（2）列顯示，交互項(xiàng)BFintech×Analyst的系數(shù)在5%統(tǒng)計(jì)水平上顯著為負(fù)，這說(shuō)明分析師關(guān)注在銀行金融科技抑制貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的過(guò)程中發(fā)揮了顯著的正向調(diào)節(jié)作用。以上回歸結(jié)果驗(yàn)證了研究假設(shè)H3。

七、研究結(jié)論與啟示

以2012—2022年A股非金融類(lèi)上市公司為樣本，本文探究了銀行金融科技對(duì)貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的影響及作用機(jī)制。研究發(fā)現(xiàn)；（1）銀行金融科技顯著抑制了貸款企業(yè)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)，并且這種抑制效果在污染企業(yè)和國(guó)有企業(yè)中更顯著。（2）銀行金融科技可以通過(guò)降低貸款企業(yè)債務(wù)違約風(fēng)險(xiǎn)和提高貸款企業(yè)會(huì)計(jì)信息質(zhì)量的途徑來(lái)抑制貸款企業(yè)的股價(jià)崩盤(pán)風(fēng)險(xiǎn)。（3）企業(yè)高管金融背景在銀行金融科技抑制貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的過(guò)程中發(fā)揮負(fù)向調(diào)節(jié)作用，分析師關(guān)注在銀行金融科技抑制貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)的過(guò)程中發(fā)揮正向調(diào)節(jié)作用。

基于以上研究結(jié)論，本文提出如下政策啟示：

第一，銀行應(yīng)該進(jìn)一步提升金融科技水平，當(dāng)好服務(wù)實(shí)體經(jīng)濟(jì)的主力軍和維護(hù)金融穩(wěn)定的“壓艙石”。銀行應(yīng)該以深化金融供給側(cè)結(jié)構(gòu)性改革為目標(biāo)，注重金融創(chuàng)新的科技驅(qū)動(dòng)和數(shù)據(jù)賦能，通過(guò)完善債務(wù)契約等途徑提升自身的債權(quán)人地位，完善債權(quán)治理機(jī)制，有效遏制管理層的機(jī)會(huì)主義行為，從而降低貸款企業(yè)股價(jià)崩盤(pán)風(fēng)險(xiǎn)。

第二，企業(yè)應(yīng)該著力降低債務(wù)違約風(fēng)險(xiǎn)，并提高會(huì)計(jì)信息質(zhì)量。一方面，企業(yè)應(yīng)該主動(dòng)和銀行等債權(quán)人交流，減少銀企之間的信息不對(duì)稱(chēng)，通過(guò)溝通協(xié)作有效降低債務(wù)違約風(fēng)險(xiǎn)。另一方面，管理層應(yīng)該積極提高企業(yè)會(huì)計(jì)穩(wěn)健性，讓“壞消息”更及時(shí)地反映在會(huì)計(jì)盈余中，以避免“壞消息”的長(zhǎng)期積累而形成股價(jià)崩盤(pán)風(fēng)險(xiǎn)。

第三，投資者應(yīng)該發(fā)揮外部監(jiān)督治理效應(yīng)，協(xié)助抑制企業(yè)的“壞消息”隱藏行為。投資者可以利用分析師更易搜尋并運(yùn)用專(zhuān)業(yè)知識(shí)解讀企業(yè)各類(lèi)信息的優(yōu)勢(shì)，主動(dòng)關(guān)注企業(yè)信息披露情況和分析師研究報(bào)告，充分發(fā)揮外部監(jiān)督治理效應(yīng)，構(gòu)建債權(quán)治理和投資者外部監(jiān)督的協(xié)同治理模式，共同抑制企業(yè)的“壞消息”隱藏行為，防范股價(jià)崩盤(pán)風(fēng)險(xiǎn)。

參考文獻(xiàn)：

[1]李政，李麗雯，劉淇.我國(guó)行業(yè)間尾部風(fēng)險(xiǎn)溢出的測(cè)度及時(shí)空驅(qū)動(dòng)因素研究 [J].統(tǒng)計(jì)研究，2024，41（02）.

[2]Jin L，Myers S C. 2006. R2 Around the world：New Theory and New Tests [J].Journal of Financial Economics，79（2）.

[3]Amy P Hutton，Alan J Marcus，Hassan Tehranian. 2008. Opaque Financial Reports，R2，and Crash Risk [J]. Journal of Financial Economics，94（1）.

[4]Kothari S P，Shu S" S，Wysocki" P" D. 2009. Do Managers" Withhold" Bad" News？[J].Journal" of" Accounting" Research，47（1）.

[5]王化成，曹豐，葉康濤.監(jiān)督還是掏空：大股東持股比例與股價(jià)崩盤(pán)風(fēng)險(xiǎn) [J].管理世界，2015，（02）.

[6]鄢翔，耀友福.放松利率管制、銀行債權(quán)治理與股價(jià)崩盤(pán)風(fēng)險(xiǎn)——基于中央銀行取消貸款利率上下限的準(zhǔn)自然實(shí)驗(yàn) [J].財(cái)經(jīng)研究，2020，46（03）.

[7]Gomber P，Kauffman R J，Parker C，Weber B W. 2018. On the Fintech Revolution： Interpreting the Forces of Innovation，Disruption，and Transformation in Financial Services [J].Journal of Management Information Systems，35（1）．

[8]李逸飛，李茂林，李靜.銀行金融科技、信貸配置與企業(yè)短債長(zhǎng)用 [J].中國(guó)工業(yè)經(jīng)濟(jì)，2022，（10）.

[9]郭娜，張駿，陳東暉.金融科技、銀行風(fēng)險(xiǎn)容忍度與流動(dòng)性囤積 [J].金融論壇，2023，28（04）.

[10]Pindyck S R. 1984. Uncertainty in the Theory of Renewable Resource Markets [J].The Review of Economic Studies，51（2）.

[11]Hong H，Stein C J. 2003. Differences of Opinion， Short-Sales Constraints，and Market Crashes [J].The Review of Financial Studies，16（2）.

[12]曹廷求，張光利.自愿性信息披露與股價(jià)崩盤(pán)風(fēng)險(xiǎn)：基于電話(huà)會(huì)議的研究 [J].經(jīng)濟(jì)研究，2020，55（11）.

[13]林樂(lè)，鄭登津.退市監(jiān)管與股價(jià)崩盤(pán)風(fēng)險(xiǎn) [J].中國(guó)工業(yè)經(jīng)濟(jì)，2016，（12）.

[14]孟慶斌，侯德帥，汪叔夜.融券賣(mài)空與股價(jià)崩盤(pán)風(fēng)險(xiǎn)——基于中國(guó)股票市場(chǎng)的經(jīng)驗(yàn)證據(jù) [J].管理世界，2018，34（04）.

[15]宋獻(xiàn)中，胡珺，李四海.社會(huì)責(zé)任信息披露與股價(jià)崩盤(pán)風(fēng)險(xiǎn)——基于信息效應(yīng)與聲譽(yù)保險(xiǎn)效應(yīng)的路徑分析[J].金融研究，2017，（04）.

[16]吳曉暉，郭曉冬，喬政.機(jī)構(gòu)投資者抱團(tuán)與股價(jià)崩盤(pán)風(fēng)險(xiǎn) [J].中國(guó)工業(yè)經(jīng)濟(jì)，2019，（02）.

[17]王滿(mǎn)四，徐朝輝.考慮市場(chǎng)治理體系的銀行債權(quán)治理及其效應(yīng)研究——來(lái)自A股工業(yè)企業(yè)的經(jīng)驗(yàn)證據(jù) [J].會(huì)計(jì)研究，2020，（01）.

[18]陸嘉瑋，陳文強(qiáng)，賈生華.信貸配置偏好、貸后債務(wù)治理與房地產(chǎn)企業(yè)投資 [J].金融經(jīng)濟(jì)學(xué)研究，2017，32（06）.

[19]張亦春，李晚春，彭江.債權(quán)治理對(duì)企業(yè)投資效率的作用研究——來(lái)自中國(guó)上市公司的經(jīng)驗(yàn)證據(jù) [J].金融研究，2015，（07）.

[20]沈悅，安磊.債務(wù)約束對(duì)企業(yè)“脫實(shí)向虛”的治理效果研究 [J].南開(kāi)管理評(píng)論，2022，25（06）.

[21]Cheng M，Qu Y. 2020. Does Bank FinTech Reduce Credit Risk？Evidence from China [J].Pacific-Basin Finance Journal，63（C）.

[22]SutherlandA. 2018. Does Credit Reporting Lead to A Decline in Relationship Lending？ Evidence from Information Sharing Technology [J].Journal of Accounting ＆ Economics，66（1）．

[23]高昊宇，方錦程，李夢(mèng).金融科技的風(fēng)險(xiǎn)管理賦能：基于中國(guó)銀行業(yè)的經(jīng)驗(yàn)研究 [J].系統(tǒng)工程理論與實(shí)踐，2022，42（12）.

[24]宋科，李振，楊家文.金融科技與銀行行為——基于流動(dòng)性創(chuàng)造視角 [J].金融研究，2023，（02）.

[25]戚聿東，肖旭.數(shù)字經(jīng)濟(jì)時(shí)代的企業(yè)管理變革 [J].管理世界，2020，36（06）.

[26]Fuster A，Plosser M，Schnabl P，Vickery J. 2019. The Role of Technology in Mortgage Lending [J].Review of Financial Studies，32（5）.

[27]Goldstein I，Wei J，Karolyi G A. 2019. To FinTech and Beyond [J].Review of Financial Studies，32（5）.

[28]李真，李茂林，朱林染.銀行金融科技與企業(yè)金融化：基于避險(xiǎn)與逐利動(dòng)機(jī) [J].世界經(jīng)濟(jì)，2023，46（04）.

[29]莊旭東，吳桐桐，王仁曾.金融科技創(chuàng)新、外部審計(jì)與股價(jià)崩盤(pán)風(fēng)險(xiǎn)——來(lái)自專(zhuān)利的經(jīng)驗(yàn)證據(jù) [J].金融監(jiān)管研究，2023，（06）.

[30]郭娜，張駿.金融科技應(yīng)用與銀行主動(dòng)風(fēng)險(xiǎn)承擔(dān)行為——基于銀行信貸供給的理論和實(shí)證研究 [J].經(jīng)濟(jì)學(xué)家，2024，（05）.

[31]陳東暉.貸款銀行金融科技、信貸決策與借款企業(yè)可持續(xù)發(fā)展 [J].金融理論與實(shí)踐，2024，（07）.

[32]趙剛，梁上坤，王玉濤.會(huì)計(jì)穩(wěn)健性與銀行借款契約——來(lái)自中國(guó)上市公司的經(jīng)驗(yàn)證據(jù) [J].會(huì)計(jì)研究，2014（12）.

[33]杜勇，謝瑾，陳建英.CEO金融背景與實(shí)體企業(yè)金融化 [J].中國(guó)工業(yè)經(jīng)濟(jì)，2019，（05）.

[34]林晚發(fā)，盧潔宜，趙仲匡，宋敏.投資者付費(fèi)評(píng)級(jí)機(jī)構(gòu)跟蹤能改善股票市場(chǎng)信息質(zhì)量嗎——來(lái)自分析師預(yù)測(cè)的證據(jù) [J].南開(kāi)管理評(píng)論，2023，26（03）.

[35]趙子銥，張紫紅，馬新松.ESG評(píng)級(jí)分歧與股票收益——內(nèi)部控制與外部關(guān)注的調(diào)節(jié)效應(yīng) [J].金融發(fā)展研究，2024，（03）.

[36]Wang R，Liu J，Luo R H. 2021. Fintech Development and Bank Risk Taking in China [J].The European Journal of Finance，27（4-5）.

[37]Askitas N，Zimmermann K F. 2015. The Internet as a Data Source for Advancement in Social Sciences [J].International Journal of Manpower，36（1）.

[38]張金清，李柯樂(lè)，張劍宇.銀行金融科技如何影響企業(yè)結(jié)構(gòu)性去杠桿？ [J].財(cái)經(jīng)研究，2022，48（01）.

[39]崔學(xué)剛，鄧衢，鄺文俊.賣(mài)空交易、市場(chǎng)行情與股價(jià)崩盤(pán)風(fēng)險(xiǎn) [J].會(huì)計(jì)研究，2019（06）.

[40]江艇.因果推斷經(jīng)驗(yàn)研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng) [J].中國(guó)工業(yè)經(jīng)濟(jì)，2022，（05）.

[41]嚴(yán)兵，程敏，王乃合.ESG綠色溢出、供應(yīng)鏈傳導(dǎo)與企業(yè)綠色創(chuàng)新 [J].經(jīng)濟(jì)研究，2024，59（07）.

[42]李楠，張璐，劉鉆擴(kuò).碳排放權(quán)交易對(duì)企業(yè)違約風(fēng)險(xiǎn)的影響及作用機(jī)制 [J].系統(tǒng)工程理論與實(shí)踐，2024，44（08） .

[43]褚劍.總會(huì)計(jì)師交流任職能夠改善國(guó)有企業(yè)會(huì)計(jì)信息質(zhì)量嗎 [J].會(huì)計(jì)研究，2024，（01）.

[44]綦好東，呂振偉，楊丹.國(guó)有資本授權(quán)經(jīng)營(yíng)體制改革能提高國(guó)企會(huì)計(jì)信息質(zhì)量嗎？[J].證券市場(chǎng)導(dǎo)報(bào)，2024，（04）.

[45]李卓松.企業(yè)風(fēng)險(xiǎn)承擔(dān)、高管金融背景與債券融資成本 [J].金融評(píng)論，2018，10（02）.

[46]伊志宏，朱琳，陳欽源.分析師研究報(bào)告負(fù)面信息披露與股價(jià)暴跌風(fēng)險(xiǎn) [J].南開(kāi)管理評(píng)論，2019，22（05）.