李政 趙軼薇 卜林

(天津財(cái)經(jīng)大學(xué)金融學(xué)院，天津 300222)

一、引言

在數(shù)字經(jīng)濟(jì)發(fā)展的大背景下，推動(dòng)實(shí)體企業(yè)的數(shù)字化轉(zhuǎn)型成為建設(shè)制造業(yè)強(qiáng)國(guó)的必由之路。黨的二十大報(bào)告明確指出，“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)深度融合，打造具有國(guó)際競(jìng)爭(zhēng)力的數(shù)字產(chǎn)業(yè)集群”。當(dāng)前，我國(guó)傳統(tǒng)產(chǎn)業(yè)正處于數(shù)字化轉(zhuǎn)型升級(jí)期，根據(jù)中國(guó)通信院發(fā)布的《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展研究報(bào)告(2023)》，2022年我國(guó)數(shù)字經(jīng)濟(jì)規(guī)模達(dá)到50.2萬億元，產(chǎn)業(yè)數(shù)字化規(guī)模達(dá)到41萬億元。然而，作為賦能傳統(tǒng)企業(yè)的新生產(chǎn)物，數(shù)字化轉(zhuǎn)型是一把“雙刃劍”，將對(duì)企業(yè)生產(chǎn)經(jīng)營(yíng)帶來不確定性影響。雖然傳統(tǒng)企業(yè)在數(shù)字化轉(zhuǎn)型中可以借助外部信息資源與數(shù)字化平臺(tái)技術(shù)改善資源配置效率以及銷售決策，對(duì)其生產(chǎn)經(jīng)營(yíng)活動(dòng)進(jìn)行優(yōu)化升級(jí)，但是企業(yè)的數(shù)字化轉(zhuǎn)型絕非易事，隨著數(shù)字化程度的加深，需要企業(yè)管理架構(gòu)以及人力、物力與之相匹配；并且數(shù)字化研發(fā)項(xiàng)目的不確定性和高額的長(zhǎng)期投入很容易使企業(yè)陷入轉(zhuǎn)型失敗的困境，惡化企業(yè)資金狀況，進(jìn)而引發(fā)金融市場(chǎng)風(fēng)險(xiǎn)聯(lián)動(dòng)，提高企業(yè)尾部系統(tǒng)風(fēng)險(xiǎn)。

數(shù)字化轉(zhuǎn)型帶給企業(yè)經(jīng)營(yíng)的不確定性，會(huì)影響企業(yè)信息披露質(zhì)量，使市場(chǎng)投資者與企業(yè)間的信息不對(duì)稱程度發(fā)生變動(dòng)，進(jìn)而映射至其金融市場(chǎng)表現(xiàn)。具體而言，當(dāng)數(shù)字化轉(zhuǎn)型有效提高企業(yè)績(jī)效時(shí)，管理層利益得到保障，從而緩解了機(jī)會(huì)主義傾向和操弄盈余動(dòng)機(jī)，提高企業(yè)信息披露的質(zhì)量。并且，數(shù)字化的本質(zhì)在于挖掘與傳遞信息，數(shù)字化轉(zhuǎn)型將促使企業(yè)信息管理趨向標(biāo)準(zhǔn)化、靈活化和高效化，提高市場(chǎng)投資者獲得企業(yè)信息的數(shù)量與質(zhì)量，緩解企業(yè)與投資者之間的信息不對(duì)稱程度(林川，2022；馬慧和陳勝藍(lán)，2022)，以此降低尾部系統(tǒng)風(fēng)險(xiǎn)。但是，2022年初“元宇宙”概念股在大漲后集體下跌，此類上市企業(yè)因蹭數(shù)字化熱點(diǎn)導(dǎo)致股價(jià)在短期內(nèi)異動(dòng)的事件屢見不鮮。伴隨著數(shù)字化轉(zhuǎn)型的深入發(fā)展，企業(yè)信息披露中相關(guān)表述逐漸增多，部分企業(yè)甚至虛假美化數(shù)字化熱點(diǎn)信息，而投資者在過度關(guān)注數(shù)字化標(biāo)簽的情況下甄別能力下降，難以識(shí)別企業(yè)信息披露中隱藏的壞消息(彭俞超等，2023)，短暫的股價(jià)上漲將形成泡沫，提高企業(yè)面臨的尾部系統(tǒng)風(fēng)險(xiǎn)。

企業(yè)數(shù)字化轉(zhuǎn)型引發(fā)的生產(chǎn)經(jīng)營(yíng)效率以及信息傳遞質(zhì)量的不確定性問題，必然會(huì)蔓延至金融市場(chǎng)。在2008年金融危機(jī)、2015年股市異常波動(dòng)以及2020年初受全球公共衛(wèi)生事件沖擊期間，我國(guó)A股市場(chǎng)多次出現(xiàn)千股跌?，F(xiàn)象，極端事件頻發(fā)表現(xiàn)出極強(qiáng)的尾部系統(tǒng)風(fēng)險(xiǎn)。黨的二十大報(bào)告強(qiáng)調(diào)，要“加強(qiáng)完善現(xiàn)代金融監(jiān)管，強(qiáng)化金融穩(wěn)定保障體系，依法將各類金融活動(dòng)全部納入監(jiān)管體系，守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的底線”。目前僅有少數(shù)文獻(xiàn)探討了企業(yè)數(shù)字化轉(zhuǎn)型的資本市場(chǎng)表現(xiàn)。吳非等(2021)認(rèn)為數(shù)字化轉(zhuǎn)型可以提高股票流動(dòng)性。大多數(shù)研究發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型可以改善信息質(zhì)量與企業(yè)基本面，有效抑制股價(jià)崩盤風(fēng)險(xiǎn)(林川，2022；馬慧和陳勝藍(lán)，2022；李宏寅，2023；苑澤明等，2023)，但彭俞超等(2023)得出相反結(jié)論，認(rèn)為企業(yè)的數(shù)字化表述將引發(fā)投資者的樂觀情緒，降低股價(jià)信息含量，提高企業(yè)股價(jià)崩盤風(fēng)險(xiǎn)。賀超等(2023)則發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型通過增加內(nèi)部機(jī)會(huì)主義行為和外部監(jiān)管難度導(dǎo)致股價(jià)同步性上升。

尾部系統(tǒng)風(fēng)險(xiǎn)與股價(jià)崩盤風(fēng)險(xiǎn)不同，股價(jià)崩盤風(fēng)險(xiǎn)是指公司股價(jià)迅速下跌或崩盤的概率，現(xiàn)有文獻(xiàn)將個(gè)股特有收益出現(xiàn)極端負(fù)值的概率作為公司層面的股價(jià)崩盤風(fēng)險(xiǎn)，普遍使用負(fù)收益偏態(tài)系數(shù)和收益上下波動(dòng)比率來代表股價(jià)崩盤風(fēng)險(xiǎn)。其中，個(gè)股特有收益是指經(jīng)市場(chǎng)調(diào)整后的個(gè)股收益率。因此，崩盤風(fēng)險(xiǎn)關(guān)注的是公司個(gè)股的極端表現(xiàn)，度量剔除市場(chǎng)影響后的個(gè)體特質(zhì)風(fēng)險(xiǎn)。尾部系統(tǒng)風(fēng)險(xiǎn)則關(guān)注市場(chǎng)極端下跌情形下個(gè)股的表現(xiàn)，通過計(jì)算個(gè)股與市場(chǎng)的尾部相關(guān)性，度量市場(chǎng)極端下跌時(shí)個(gè)股出現(xiàn)極端下跌的相對(duì)概率，或通過計(jì)算尾部貝塔系數(shù)，度量極端狀態(tài)下個(gè)股對(duì)市場(chǎng)的敏感度，刻畫市場(chǎng)極端下跌時(shí)個(gè)股跌幅的絕對(duì)大小。因此，尾部系統(tǒng)風(fēng)險(xiǎn)捕捉了市場(chǎng)極端下跌狀態(tài)下個(gè)股的表現(xiàn)，反映其對(duì)整個(gè)市場(chǎng)不穩(wěn)定的貢獻(xiàn)，相比股價(jià)崩盤風(fēng)險(xiǎn)，尾部系統(tǒng)風(fēng)險(xiǎn)更能體現(xiàn)金融市場(chǎng)穩(wěn)定性。

國(guó)內(nèi)外學(xué)者構(gòu)建了尾部系統(tǒng)風(fēng)險(xiǎn)的測(cè)度指標(biāo)，并考察了個(gè)股尾部系統(tǒng)風(fēng)險(xiǎn)的影響因素。一方面，就尾部系統(tǒng)風(fēng)險(xiǎn)的測(cè)度而言，首先，Patton(2006)提出Symmetrized Joe-Clayton Copula(SJC Copula)函數(shù)，通過計(jì)算個(gè)股與大盤同漲同跌時(shí)的極值相關(guān)性度量個(gè)股的尾部系統(tǒng)風(fēng)險(xiǎn)。其次，Chabi-Yo et al.(2018)運(yùn)用動(dòng)態(tài)混合Copula方法計(jì)算個(gè)股對(duì)市場(chǎng)的尾部相依系數(shù)衡量尾部系統(tǒng)風(fēng)險(xiǎn)。最后，Van Oordt and Zhou(2016，2019a，2019b)構(gòu)造了尾部CAPM模型，通過尾部貝塔系數(shù)測(cè)度個(gè)股對(duì)市場(chǎng)暴跌的敏感度，衡量其尾部系統(tǒng)風(fēng)險(xiǎn)水平。另一方面，就個(gè)股尾部系統(tǒng)風(fēng)險(xiǎn)的影響因素而言，首先，李志生等(2019)、陳海強(qiáng)等(2019)、陸蓉等(2022)利用SJC Copula函數(shù)度量尾部系統(tǒng)風(fēng)險(xiǎn)，分別考察了國(guó)家隊(duì)持股、融資融券制度和企業(yè)社會(huì)責(zé)任對(duì)尾部系統(tǒng)風(fēng)險(xiǎn)的影響。其次，潘寧寧和韓科飛(2022)參考Chabi-Yo et al.(2018)的方法估計(jì)尾部系統(tǒng)風(fēng)險(xiǎn)，并探究滬港通交易制度的實(shí)施對(duì)尾部系統(tǒng)風(fēng)險(xiǎn)的作用機(jī)制。最后，田正磊等(2019)、姜富偉等(2022)采用尾部貝塔系數(shù)測(cè)度個(gè)股尾部系統(tǒng)風(fēng)險(xiǎn)，分別探討了個(gè)股所處信息網(wǎng)絡(luò)的結(jié)構(gòu)特征以及機(jī)構(gòu)投資對(duì)尾部系統(tǒng)風(fēng)險(xiǎn)的影響效應(yīng)。

鑒于企業(yè)數(shù)字化轉(zhuǎn)型對(duì)其資本市場(chǎng)表現(xiàn)影響的階段差異性問題，本文對(duì)企業(yè)數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風(fēng)險(xiǎn)間的非線性關(guān)系展開研究，與現(xiàn)有文獻(xiàn)相比，存在如下貢獻(xiàn)之處：第一，目前關(guān)于企業(yè)數(shù)字化轉(zhuǎn)型對(duì)其資本市場(chǎng)表現(xiàn)影響效應(yīng)的研究仍較少，本文以金融市場(chǎng)穩(wěn)定為切入點(diǎn)，分析企業(yè)數(shù)字化轉(zhuǎn)型對(duì)其尾部系統(tǒng)風(fēng)險(xiǎn)的影響，有助于豐富數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)后果的相關(guān)研究。第二，少數(shù)文獻(xiàn)探討了企業(yè)數(shù)字化轉(zhuǎn)型的資本市場(chǎng)表現(xiàn)，但研究結(jié)論褒貶不一，因此本文采用非線性模型，并引入關(guān)于信息質(zhì)量與資金狀況的機(jī)制變量，對(duì)傳導(dǎo)渠道進(jìn)行理論與實(shí)證分析，有助于企業(yè)在數(shù)字化轉(zhuǎn)型中防范金融風(fēng)險(xiǎn)，為更好地守住不發(fā)生系統(tǒng)性風(fēng)險(xiǎn)的底線提供支撐。

二、理論分析與研究假說

(一)數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風(fēng)險(xiǎn)

近幾年我國(guó)多數(shù)傳統(tǒng)行業(yè)進(jìn)入轉(zhuǎn)型期，數(shù)字技術(shù)作為信息高頻傳播的載體，可以降低企業(yè)在各環(huán)節(jié)上的時(shí)間和資金成本(黃群慧等，2019)，升級(jí)企業(yè)生產(chǎn)經(jīng)營(yíng)活動(dòng)，增強(qiáng)抵御尾部系統(tǒng)風(fēng)險(xiǎn)的能力。一是在企業(yè)內(nèi)部信息的上傳下達(dá)中，數(shù)字化通訊工具的使用提高了員工間的交流效率，提升了內(nèi)部上下級(jí)間的協(xié)同性，降低了企業(yè)監(jiān)管成本與經(jīng)營(yíng)風(fēng)險(xiǎn)。二是在企業(yè)生產(chǎn)中，針對(duì)市場(chǎng)需求的智能分析、生產(chǎn)要素投入?yún)?shù)制定以及故障診斷等數(shù)字化技術(shù)的使用，可以提高企業(yè)生產(chǎn)效率。三是在產(chǎn)品銷售中，一方面，企業(yè)可以通過將制造業(yè)與現(xiàn)代服務(wù)業(yè)融合發(fā)展，運(yùn)用大數(shù)據(jù)對(duì)客戶進(jìn)行精準(zhǔn)營(yíng)銷，提升產(chǎn)品銷售規(guī)模；另一方面，消費(fèi)者可以使用移動(dòng)支付和電子商務(wù)平臺(tái)與企業(yè)進(jìn)行交易和溝通，拓寬產(chǎn)品銷售渠道。此外，企業(yè)不僅可以借助外部數(shù)字資源，還可以進(jìn)行數(shù)字化轉(zhuǎn)型項(xiàng)目的嘗試，建立企業(yè)數(shù)字化運(yùn)營(yíng)平臺(tái)，提高自身經(jīng)營(yíng)效率。

但隨著數(shù)字化轉(zhuǎn)型的發(fā)展，其對(duì)企業(yè)經(jīng)營(yíng)的優(yōu)化作用將會(huì)下降。在利用外部數(shù)字化創(chuàng)新成果的企業(yè)中，外部創(chuàng)新資源對(duì)企業(yè)經(jīng)營(yíng)和產(chǎn)出的邊際效率將會(huì)遞減(劉淑春等，2021)。在進(jìn)行數(shù)字化研發(fā)項(xiàng)目的企業(yè)中，盡管企業(yè)的數(shù)字創(chuàng)新行為源于自身利潤(rùn)與戰(zhàn)略目標(biāo)，但企業(yè)之間存在著機(jī)會(huì)主義行為與競(jìng)爭(zhēng)關(guān)系，其他企業(yè)可以利用這些數(shù)字技術(shù)提高自身經(jīng)營(yíng)水平，這導(dǎo)致企業(yè)數(shù)字化創(chuàng)新提高經(jīng)營(yíng)和產(chǎn)出的邊際效率遞減。

此后，若更加深入地開展數(shù)字化轉(zhuǎn)型項(xiàng)目，企業(yè)管理架構(gòu)和運(yùn)作能力將難以適應(yīng)數(shù)字化轉(zhuǎn)型的需求，并面臨以下風(fēng)險(xiǎn)。一是技術(shù)風(fēng)險(xiǎn)。數(shù)字化深入發(fā)展帶來的信息過載與企業(yè)有限的信息處理技術(shù)形成矛盾，但企業(yè)對(duì)信息和數(shù)據(jù)平臺(tái)等外部路徑的依賴度增加，這將導(dǎo)致企業(yè)決策速度與管理能力下降。二是數(shù)據(jù)風(fēng)險(xiǎn)。一方面，數(shù)字技術(shù)使信息在虛擬網(wǎng)絡(luò)間自由流動(dòng)，企業(yè)自身數(shù)據(jù)信息便會(huì)面臨泄露的風(fēng)險(xiǎn)，若商業(yè)決策信息被他人竊取，企業(yè)將失去競(jìng)爭(zhēng)優(yōu)勢(shì)甚至造成經(jīng)濟(jì)損失；另一方面，企業(yè)對(duì)數(shù)據(jù)質(zhì)量的更高要求與企業(yè)有限的數(shù)據(jù)資源渠道形成矛盾，導(dǎo)致企業(yè)經(jīng)營(yíng)效率下降。三是人才短缺風(fēng)險(xiǎn)。數(shù)字化轉(zhuǎn)型需要數(shù)字技術(shù)型人才與之適配，這將增加企業(yè)人才引進(jìn)與培養(yǎng)的資金成本，若企業(yè)人力水平難以適應(yīng)數(shù)字化轉(zhuǎn)型需求，將阻礙數(shù)字化研發(fā)進(jìn)程。隨著數(shù)字化轉(zhuǎn)型的深入，企業(yè)技術(shù)、數(shù)據(jù)、人員等組織管理能力難以與數(shù)字化轉(zhuǎn)型需求匹配，打破企業(yè)經(jīng)營(yíng)的穩(wěn)定性。一方面，企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)所引發(fā)的財(cái)務(wù)問題將降低企業(yè)抵御外部危機(jī)沖擊的能力，從而可能成為加劇系統(tǒng)性金融風(fēng)險(xiǎn)的隱患(王竹泉等，2020)；另一方面，企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)的增加違背了資本市場(chǎng)交易者對(duì)企業(yè)成長(zhǎng)機(jī)會(huì)和預(yù)期價(jià)值等要求，導(dǎo)致投資者的消極情緒增強(qiáng)，降低公司股票流動(dòng)性(吳非等，2021)，進(jìn)而提高尾部系統(tǒng)風(fēng)險(xiǎn)。

因此，僅在數(shù)字化轉(zhuǎn)型與企業(yè)自身能力相匹配的適度區(qū)間內(nèi)，才能利用數(shù)字化賦能企業(yè)創(chuàng)新戰(zhàn)略升級(jí)轉(zhuǎn)型?；谏鲜龇治?，本文提出研究假設(shè)：

H1：企業(yè)數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風(fēng)險(xiǎn)間存在U型關(guān)系。

(二)數(shù)字化轉(zhuǎn)型、信息質(zhì)量與尾部系統(tǒng)風(fēng)險(xiǎn)

企業(yè)數(shù)字化轉(zhuǎn)型會(huì)影響信息披露的質(zhì)量，以及市場(chǎng)投資者與企業(yè)間的信息不對(duì)稱程度，從而作用于尾部系統(tǒng)風(fēng)險(xiǎn)。首先，數(shù)字化轉(zhuǎn)型將改變信息披露狀況，影響企業(yè)信息質(zhì)量。企業(yè)信息披露質(zhì)量與企業(yè)經(jīng)營(yíng)業(yè)績(jī)密切相關(guān)，在實(shí)施數(shù)字化轉(zhuǎn)型時(shí)，企業(yè)依靠外部信息資源與數(shù)字化平臺(tái)，降低企業(yè)時(shí)間和資金成本，優(yōu)化了自身經(jīng)營(yíng)效率。一方面，企業(yè)經(jīng)營(yíng)效率的提升弱化了企業(yè)管理層操弄信息的動(dòng)機(jī)，提高了信息披露的真實(shí)性；另一方面，企業(yè)為傳遞給投資者信心，便會(huì)及時(shí)主動(dòng)地披露企業(yè)數(shù)字化創(chuàng)新、經(jīng)營(yíng)狀況、成長(zhǎng)潛力等優(yōu)質(zhì)信息，增強(qiáng)信息披露的意愿。企業(yè)信息質(zhì)量的提升可以起到“降噪”的作用，增強(qiáng)市場(chǎng)的定價(jià)效率，降低尾部系統(tǒng)風(fēng)險(xiǎn)。但隨著數(shù)字化程度的加深，轉(zhuǎn)型逐漸脫離企業(yè)自身能力范圍，企業(yè)業(yè)績(jī)的下降將危害股東利益，加劇數(shù)字化轉(zhuǎn)型帶給企業(yè)經(jīng)營(yíng)的不確定性，增強(qiáng)管理層操弄信息以獲得更好賬面收益的動(dòng)機(jī)，影響企業(yè)披露信息質(zhì)量(Kim et al.，2016)，而管理層有選擇或虛假披露企業(yè)信息是提高尾部系統(tǒng)風(fēng)險(xiǎn)的核心因素。

其次，數(shù)字化轉(zhuǎn)型能夠改變市場(chǎng)投資者與企業(yè)間的信息不對(duì)稱程度，影響股價(jià)信息含量。在數(shù)字化轉(zhuǎn)型初期，信息的便捷化傳遞將直接改善企業(yè)信息披露的體系，提高投資者所獲得的企業(yè)信息質(zhì)量，降低企業(yè)與投資者之間的信息不對(duì)稱程度。信息不對(duì)稱程度較低意味著信息搜尋成本和市場(chǎng)投資的不確定性程度較低，這將會(huì)吸引投資者持股，增加股票的流動(dòng)性，降低尾部系統(tǒng)風(fēng)險(xiǎn)。隨著數(shù)字化轉(zhuǎn)型程度的加深，企業(yè)數(shù)字化信息的披露引起投資者情緒的盲目上漲，投資者在過度關(guān)注企業(yè)“數(shù)字化”標(biāo)簽的情況下，會(huì)忽略企業(yè)在主營(yíng)業(yè)務(wù)、經(jīng)營(yíng)狀況等方面的真實(shí)信息，導(dǎo)致股價(jià)信息含量降低(Aboody et al.，2010)。市場(chǎng)投資者的噪聲交易行為會(huì)在極大程度上影響市場(chǎng)流動(dòng)性，是造成尾部系統(tǒng)風(fēng)險(xiǎn)的重要原因。并且，數(shù)字化發(fā)展增強(qiáng)了信息網(wǎng)絡(luò)間的連接性，當(dāng)危機(jī)來臨時(shí)，極易引起集體踩踏事件的發(fā)生，進(jìn)而影響尾部系統(tǒng)風(fēng)險(xiǎn)。因此，本文提出研究假設(shè)：

H2：企業(yè)數(shù)字化轉(zhuǎn)型通過影響信息質(zhì)量作用于尾部系統(tǒng)風(fēng)險(xiǎn)。

(三)數(shù)字化轉(zhuǎn)型、資金狀況與尾部系統(tǒng)風(fēng)險(xiǎn)

數(shù)字化轉(zhuǎn)型將會(huì)惡化企業(yè)的資金狀況，降低企業(yè)面對(duì)市場(chǎng)波動(dòng)時(shí)抵御風(fēng)險(xiǎn)的能力，提高尾部系統(tǒng)風(fēng)險(xiǎn)水平。首先，數(shù)字化轉(zhuǎn)型將降低企業(yè)內(nèi)部現(xiàn)金充裕度。數(shù)字化發(fā)展并非一蹴而就，需要企業(yè)持續(xù)投入大量資金，數(shù)字化轉(zhuǎn)型成果的時(shí)滯性意味著研發(fā)使用資金的變現(xiàn)能力較差且不確定性較高。同時(shí)，數(shù)字化信息資源的快速累積將增加企業(yè)儲(chǔ)存和管理信息的高昂隱形成本，這不僅會(huì)降低企業(yè)的流動(dòng)性現(xiàn)金，同時(shí)也會(huì)擠占企業(yè)生產(chǎn)經(jīng)營(yíng)所需資金，甚至難以滿足企業(yè)正常運(yùn)轉(zhuǎn)的需要(Wamba et al.，2017)。企業(yè)現(xiàn)金狀況因數(shù)字化轉(zhuǎn)型惡化，甚至瀕臨破產(chǎn)，便會(huì)影響到投資者的信心，導(dǎo)致股票價(jià)格下跌，提高尾部系統(tǒng)風(fēng)險(xiǎn)。此外，企業(yè)資金周轉(zhuǎn)能力較差會(huì)在一定程度上加劇外源融資的依賴度，提高企業(yè)陷入財(cái)務(wù)困境的可能性，并使自有資產(chǎn)的資金平滑作用失效，不能及時(shí)抑制股價(jià)的異常波動(dòng)，進(jìn)而提高尾部系統(tǒng)風(fēng)險(xiǎn)。

其次，數(shù)字化轉(zhuǎn)型將影響企業(yè)的投資行為。隨著數(shù)字化轉(zhuǎn)型的深入，由于內(nèi)部資金壓力以及金融投資相較于實(shí)業(yè)投資的高回報(bào)率，金融投資成為管理層調(diào)節(jié)利潤(rùn)的工具，企業(yè)將以粉飾短期業(yè)績(jī)?yōu)槟康?，增加投機(jī)性金融投資(彭俞超等，2022)。并且，企業(yè)數(shù)字化水平的提高可以加速業(yè)務(wù)交易和資金流動(dòng)的速度，提高金融投資的靈活性。與主營(yíng)業(yè)務(wù)不匹配的金融資產(chǎn)配置，將成為企業(yè)尾部系統(tǒng)風(fēng)險(xiǎn)加劇的原因。首先，若企業(yè)管理層的投資決策傾向于短期效益，投入過多的金融資產(chǎn)，將導(dǎo)致企業(yè)偏離主營(yíng)業(yè)務(wù)長(zhǎng)期發(fā)展的目標(biāo)，干擾企業(yè)的穩(wěn)定發(fā)展。其次，若企業(yè)金融資產(chǎn)配置比重較大，當(dāng)資本市場(chǎng)受到外生事件沖擊時(shí)，企業(yè)將面臨較大的瞬時(shí)風(fēng)險(xiǎn)敞口，金融資產(chǎn)的損失惡化企業(yè)的資金狀況。最后，金融投資將企業(yè)生產(chǎn)經(jīng)營(yíng)的壞消息隱藏起來，負(fù)面消息累積會(huì)增加企業(yè)股價(jià)脆弱性，一旦集中釋放將引發(fā)投資者的拋售行為，使尾部系統(tǒng)性風(fēng)險(xiǎn)大幅攀升(彭俞超等，2018)。因此，本文提出研究假設(shè)：

H3：企業(yè)數(shù)字化轉(zhuǎn)型通過惡化資金狀況作用于尾部系統(tǒng)風(fēng)險(xiǎn)。

三、研究設(shè)計(jì)

(一)數(shù)據(jù)選取與說明

本文選取2006―2021年中國(guó)A股上市公司樣本進(jìn)行分析，數(shù)據(jù)取自Wind數(shù)據(jù)庫、國(guó)泰安數(shù)據(jù)庫，并對(duì)樣本進(jìn)行如下篩選和處理：(1)剔除信息技術(shù)服務(wù)業(yè)和金融業(yè)的企業(yè)樣本；(2)剔除樣本期內(nèi)被ST或退市等特殊處理的企業(yè)樣本；(3)剔除核心變量存在缺失的樣本；(4)對(duì)所有連續(xù)變量進(jìn)行1%和99%分位的縮尾處理。經(jīng)過上述處理，本文最終得到回歸使用的23124組年度觀測(cè)值。

(二)變量選取與說明

1.被解釋變量：尾部系統(tǒng)風(fēng)險(xiǎn)及其子成分

本文通過測(cè)度個(gè)股對(duì)市場(chǎng)暴跌的敏感度來衡量企業(yè)的尾部系統(tǒng)風(fēng)險(xiǎn)。參考Van Oordt and Zhou(2016)、姜富偉等(2022)等研究，本文在普通CAPM模型中添加一個(gè)極值條件，將市場(chǎng)收益率的分布限制在左尾，構(gòu)造一個(gè)市場(chǎng)極端下跌狀態(tài)的CAPM模型，此時(shí)貝塔系數(shù)衡量了個(gè)股對(duì)市場(chǎng)暴跌的敏感度，稱之為尾部貝塔系數(shù)，即本文需要估計(jì)的尾部系統(tǒng)風(fēng)險(xiǎn)。

與Van Oordt and Zhou(2019a)、田正磊等(2019)等研究相同，本文利用多元極值理論(EVT)對(duì)尾部貝塔系數(shù)進(jìn)行估計(jì)，測(cè)度個(gè)股i的尾部系統(tǒng)風(fēng)險(xiǎn)SRi。參照Van Oordt and Zhou(2019b)，本文將尾部系統(tǒng)風(fēng)險(xiǎn)SRi分解為個(gè)體風(fēng)險(xiǎn)IRi和關(guān)聯(lián)風(fēng)險(xiǎn)SLi。其中，IRi側(cè)重反映個(gè)股i個(gè)體層面的尾部風(fēng)險(xiǎn)，其截面維度的差異僅來自于個(gè)體特質(zhì)，衡量了個(gè)股i的自身風(fēng)險(xiǎn)水平；SLi衡量了個(gè)股i與市場(chǎng)的尾部關(guān)聯(lián)性，指標(biāo)數(shù)值越大，表示個(gè)股i在市場(chǎng)沖擊下的共振概率越高，代表了關(guān)聯(lián)風(fēng)險(xiǎn)(楊子暉等，2023)。

本文采用滾動(dòng)分析方法計(jì)算企業(yè)的動(dòng)態(tài)尾部系統(tǒng)風(fēng)險(xiǎn)。其中，設(shè)定滾動(dòng)窗口為4年，即在t時(shí)點(diǎn)，基于t時(shí)點(diǎn)之前4年的日度觀測(cè)值計(jì)算企業(yè)的尾部系統(tǒng)風(fēng)險(xiǎn)、個(gè)體風(fēng)險(xiǎn)和關(guān)聯(lián)風(fēng)險(xiǎn)；進(jìn)而將每個(gè)企業(yè)的日度測(cè)度結(jié)果，通過求均值轉(zhuǎn)化為年度指標(biāo)。本文采用中證800指數(shù)收益率代表市場(chǎng)收益率，基于2002年1月1日至2021年12月31日的日度觀測(cè)值，計(jì)算得到每個(gè)企業(yè)2006―2021年的尾部系統(tǒng)風(fēng)險(xiǎn)SR、個(gè)體風(fēng)險(xiǎn)IR和關(guān)聯(lián)風(fēng)險(xiǎn)SL。

2.核心解釋變量：企業(yè)數(shù)字化轉(zhuǎn)型

本文參考吳非等(2021)、李政等(2023)的方法，從人工智能技術(shù)、大數(shù)據(jù)技術(shù)、云計(jì)算技術(shù)、區(qū)塊鏈技術(shù)、數(shù)字技術(shù)運(yùn)用這5個(gè)維度，在各企業(yè)年報(bào)文本內(nèi)容中抓取關(guān)鍵詞，得到涉及“數(shù)字化”關(guān)鍵詞的詞頻數(shù)，以對(duì)數(shù)形式定義變量DCG，即DCG=ln(“數(shù)字化”關(guān)鍵詞詞頻數(shù)量+1)。

3.控制變量

本文參考李志生等(2019)、田正磊等(2019)的研究，選定以下影響企業(yè)尾部系統(tǒng)風(fēng)險(xiǎn)的指標(biāo)作為控制變量：機(jī)構(gòu)投資者持股比例(Inst)，本文采用機(jī)構(gòu)投資者持有股份數(shù)量占上市公司總股份的比重測(cè)度；財(cái)務(wù)杠桿率(Lev)，采用期末總負(fù)債與期末總資產(chǎn)的比值測(cè)度；賬面市值比(BM)，采用股東權(quán)益與公司市值的比值測(cè)度；換手率(Turn)，采用年內(nèi)流通股數(shù)的日均換手率測(cè)度；股票收益率(Ret)，采用年內(nèi)日均收益率測(cè)度；波動(dòng)率(Vol)、收益率偏度(Skew)、收益率峰度(Kurt)均根據(jù)日度收益率計(jì)算得出；凈資產(chǎn)收益率(ROE)，采用凈利潤(rùn)與股東權(quán)益平均余額的比值測(cè)度；企業(yè)規(guī)模(Size)，采用股票流通市值的自然對(duì)數(shù)測(cè)度。

(三)實(shí)證模型設(shè)計(jì)

為檢驗(yàn)企業(yè)數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風(fēng)險(xiǎn)間的非線性關(guān)系，本文構(gòu)建如下計(jì)量模型：

其中，Riski,t表示企業(yè)i在第t年的尾部系統(tǒng)風(fēng)險(xiǎn)及兩個(gè)子成分，分別采用尾部系統(tǒng)風(fēng)險(xiǎn)(SR)、個(gè)體風(fēng)險(xiǎn)(IR)以及關(guān)聯(lián)風(fēng)險(xiǎn)(SL)進(jìn)行測(cè)度；DCGi,t-1是上市企業(yè)的數(shù)字化披露程度，CVi,t-1表示一系列的控制變量，μi、θt分別表示企業(yè)與年度層面的固定效應(yīng)。為避免雙向因果關(guān)系，本文將所有的解釋變量和控制變量滯后一期。

(四)描述性統(tǒng)計(jì)

表1呈現(xiàn)了本文基準(zhǔn)回歸中各變量的描述性統(tǒng)計(jì)結(jié)果。尾部系統(tǒng)風(fēng)險(xiǎn)均值為1.4491。在將尾部系統(tǒng)風(fēng)險(xiǎn)細(xì)分為個(gè)體風(fēng)險(xiǎn)與關(guān)聯(lián)風(fēng)險(xiǎn)后，通過比較二者數(shù)值分布與標(biāo)準(zhǔn)差可以發(fā)現(xiàn)，關(guān)聯(lián)風(fēng)險(xiǎn)的數(shù)值不僅普遍低于個(gè)體風(fēng)險(xiǎn)，其波動(dòng)性也較小。企業(yè)數(shù)字化披露程度的均值為1.0047，中位數(shù)為0.6931，通過運(yùn)算得出，企業(yè)年報(bào)中“數(shù)字化”關(guān)鍵詞詞頻數(shù)的均值1.7311個(gè)，中位數(shù)為1個(gè)，說明大多數(shù)樣本中數(shù)字化詞頻披露數(shù)量較少，即數(shù)字化轉(zhuǎn)型程度較低。

表1 描述性統(tǒng)計(jì)結(jié)果

四、實(shí)證結(jié)果與分析

(一)基準(zhǔn)回歸：企業(yè)數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風(fēng)險(xiǎn)及其子成分

為檢驗(yàn)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)尾部系統(tǒng)風(fēng)險(xiǎn)的影響，本文進(jìn)行回歸分析。表2列(1)～(3)考察了企業(yè)數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風(fēng)險(xiǎn)的線性關(guān)系，結(jié)果表明，DCG對(duì)尾部系統(tǒng)風(fēng)險(xiǎn)的影響系數(shù)為0.0034，在5%水平下顯著，說明整體而言，企業(yè)數(shù)字化轉(zhuǎn)型將提高尾部系統(tǒng)風(fēng)險(xiǎn)。隨后，本文將尾部系統(tǒng)風(fēng)險(xiǎn)分解為個(gè)體風(fēng)險(xiǎn)與關(guān)聯(lián)風(fēng)險(xiǎn)，發(fā)現(xiàn)DCG對(duì)個(gè)體風(fēng)險(xiǎn)與關(guān)聯(lián)風(fēng)險(xiǎn)的回歸系數(shù)分別為0.0080和-0.0015，均在1%水平下顯著。這說明企業(yè)數(shù)字化轉(zhuǎn)型會(huì)提高個(gè)體風(fēng)險(xiǎn)，降低關(guān)聯(lián)風(fēng)險(xiǎn)，由于對(duì)個(gè)體風(fēng)險(xiǎn)的影響大于關(guān)聯(lián)風(fēng)險(xiǎn)，因此總體的尾部系統(tǒng)風(fēng)險(xiǎn)上升。

表2 基準(zhǔn)回歸結(jié)果

列(4)～(6)引入DCG2，回歸結(jié)果表明，DCG回歸系數(shù)均在1%水平下顯著為負(fù)，DCG2回歸系數(shù)均在1%水平下顯著為正，極值點(diǎn)分別為1.3510、1.0961、2.1762，處于解釋變量區(qū)間范圍[0,4.6540]內(nèi)，證明企業(yè)數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風(fēng)險(xiǎn)之間存在正U型關(guān)系，驗(yàn)證了研究假設(shè)H1。

(二)穩(wěn)健性檢驗(yàn)與內(nèi)生性處理

通過前文的分析，本文發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)尾部系統(tǒng)風(fēng)險(xiǎn)的影響呈正U型，為了確保估計(jì)結(jié)果的準(zhǔn)確性，進(jìn)行如下穩(wěn)健性檢驗(yàn)。

1.穩(wěn)健性檢驗(yàn)：替換變量

現(xiàn)選取t-3至t期4年間的觀測(cè)數(shù)據(jù)計(jì)算得出Last_SRt，即使用滾動(dòng)算法得到上市公司每個(gè)年度最后一個(gè)交易日的尾部貝塔系數(shù)衡量其尾部系統(tǒng)風(fēng)險(xiǎn)(Last_SRt)，并將其分解得到個(gè)體風(fēng)險(xiǎn)(Last_IRt)和關(guān)聯(lián)風(fēng)險(xiǎn)(Last_SLt)，替換被解釋變量。

本文參考趙宸宇等(2021)的方法，從數(shù)字技術(shù)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)這4個(gè)維度抓取關(guān)鍵詞，在上市公司年報(bào)的管理層討論與分析文本中篩選數(shù)字化詞頻，并以對(duì)數(shù)形式定義變量MD&A，即MD&A=ln(“數(shù)字化”關(guān)鍵詞詞頻數(shù)量+1)，替換數(shù)字化轉(zhuǎn)型變量。

回歸結(jié)果如表3所示，在重新測(cè)度尾部系統(tǒng)風(fēng)險(xiǎn)和企業(yè)數(shù)字化轉(zhuǎn)型變量后，解釋變量系數(shù)的符號(hào)及顯著性均與前文保持一致，證明前文結(jié)論具有穩(wěn)健性。

表3 穩(wěn)健性檢驗(yàn)：替換變量

2.穩(wěn)健性檢驗(yàn)：改變樣本范圍

在金融危機(jī)期間，極端金融環(huán)境會(huì)導(dǎo)致股票市場(chǎng)信號(hào)失靈，加劇因投資者恐慌產(chǎn)生的羊群效應(yīng)，導(dǎo)致企業(yè)數(shù)字化轉(zhuǎn)型影響尾部系統(tǒng)風(fēng)險(xiǎn)的回歸結(jié)果不再可靠。為排除金融危機(jī)的潛在影響，本文刪除2008―2009年金融危機(jī)期間樣本數(shù)據(jù)，并剔除股價(jià)異常波動(dòng)的2015年樣本數(shù)據(jù)，將其余樣本進(jìn)行回歸估計(jì)，結(jié)果如表4列(1)～(3)所示。此外，企業(yè)所在城市經(jīng)濟(jì)發(fā)展程度的不同可能導(dǎo)致各地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型程度和金融市場(chǎng)敏感度存在差異，本文剔除所在地在直轄市的企業(yè)樣本后進(jìn)行回歸估計(jì)，結(jié)果見表4列(4)～(6)。表4顯示，DCG和DCG2回歸系數(shù)的符號(hào)和顯著性與前文保持不變，證明前文結(jié)論具有穩(wěn)健性。

表4 穩(wěn)健性檢驗(yàn)：改變樣本范圍

3.穩(wěn)健性檢驗(yàn)：改變估計(jì)模型

上文的基準(zhǔn)回歸模型使用滯后一期的解釋變量與控制變量，本文轉(zhuǎn)為使用當(dāng)期變量進(jìn)行實(shí)證檢驗(yàn)，回歸結(jié)果見表5列(1)～(3)。除此之外，本文進(jìn)一步控制高階固定效應(yīng)(省份×年份、行業(yè)×年份)，核心解釋變量的回歸結(jié)果如表5列(4)～(6)所示。表5表明，DCG和DCG2回歸系數(shù)的符號(hào)和顯著性與前文保持不變，證明前文結(jié)論具有穩(wěn)健性。

表5 穩(wěn)健性檢驗(yàn)：改變估計(jì)模型

4.內(nèi)生性處理

在基準(zhǔn)回歸中，本文采用滯后項(xiàng)可以在一定程度上避免反向因果問題，但上市公司是否進(jìn)行數(shù)字化轉(zhuǎn)型可能會(huì)受到某些自身特質(zhì)的影響，存在樣本自選擇以及遺漏變量等造成的內(nèi)生性問題。因此，本文參考李雪松等(2022)的做法構(gòu)建工具變量，在計(jì)算得出數(shù)字化轉(zhuǎn)型模擬增量值后，采用企業(yè)數(shù)字化轉(zhuǎn)型與模擬增量值離差三次方的滯后一期及其平方項(xiàng)作為工具變量，運(yùn)用2SLS回歸克服內(nèi)生性問題。經(jīng)過檢驗(yàn)，不存在弱工具變量問題，保證了工具變量引入的正確性。第二階段的回歸結(jié)果見表6列(1)～(3)，DCG和DCG2系數(shù)的符號(hào)均與前文保持一致，證明了基準(zhǔn)回歸結(jié)果是穩(wěn)健可信的。

表6 內(nèi)生性處理

此外，本文借鑒杜勇和眭鑫(2021)的方法，采用“PSM+DID”方法克服內(nèi)生性問題。首先，以是否披露數(shù)字化轉(zhuǎn)型信息作為處理變量，基準(zhǔn)回歸中的控制變量作為協(xié)變量進(jìn)行Logit估計(jì)，計(jì)算出每個(gè)樣本的傾向得分，采取最鄰近匹配的方法，按1:1的比例為處理組選取對(duì)照組，經(jīng)匹配后得到14813個(gè)樣本。其次，本文根據(jù)U型拐點(diǎn)設(shè)置啞變量(Point)，即當(dāng)數(shù)字化披露程度大于拐點(diǎn)數(shù)值時(shí)，賦值為1，反之為0。表6列(4)～(6)報(bào)告了“PSM+DID”的回歸結(jié)果，DCG的回歸系數(shù)均顯著為負(fù)，表明在極值點(diǎn)的左側(cè)，數(shù)字化轉(zhuǎn)型會(huì)降低尾部系統(tǒng)風(fēng)險(xiǎn)。DCG與極值點(diǎn)交互項(xiàng)的系數(shù)均在1%水平下顯著為正，且大于DCG回歸系數(shù)的絕對(duì)值，說明隨著數(shù)字化披露程度升高至越過拐點(diǎn)，企業(yè)數(shù)字化轉(zhuǎn)型水平的升高將提高尾部系統(tǒng)風(fēng)險(xiǎn)，證明了企業(yè)數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風(fēng)險(xiǎn)間存在U型關(guān)系。

五、機(jī)制檢驗(yàn)和異質(zhì)性分析

(一)機(jī)制檢驗(yàn)

為研究企業(yè)數(shù)字化轉(zhuǎn)型對(duì)尾部系統(tǒng)風(fēng)險(xiǎn)的影響機(jī)制，本文借鑒葉永衛(wèi)等(2022)、黃群慧等(2019)、謝紅軍和呂雪(2022)等研究的做法，構(gòu)建機(jī)制效應(yīng)模型進(jìn)行分析，具體檢驗(yàn)?zāi)Ｐ蜑椋?/p>

其中，M為機(jī)制變量，式(2)估計(jì)了數(shù)字化披露程度對(duì)機(jī)制變量的影響，β1、β2表示數(shù)字化轉(zhuǎn)型對(duì)機(jī)制變量的影響程度。

1.信息質(zhì)量

在企業(yè)內(nèi)部，數(shù)字化轉(zhuǎn)型信息的披露可能通過改變企業(yè)信息透明度而影響尾部系統(tǒng)風(fēng)險(xiǎn)。本文參考林川(2022)的方法，使用企業(yè)前三年操縱性應(yīng)記利潤(rùn)的絕對(duì)值之和計(jì)算企業(yè)信息操弄程度(IMD)，用以衡量企業(yè)信息質(zhì)量。IMD數(shù)值越大，代表信息操弄程度越大，企業(yè)信息質(zhì)量越差，而企業(yè)信息質(zhì)量的降低將導(dǎo)致尾部系統(tǒng)風(fēng)險(xiǎn)提高，即IMD與尾部系統(tǒng)風(fēng)險(xiǎn)指標(biāo)呈正相關(guān)關(guān)系。本文將IMD代入機(jī)制效應(yīng)模型，回歸結(jié)果如表7列(1)所示。DCG的回歸系數(shù)在5%水平下顯著為負(fù)，DCG2的回歸系數(shù)在5%水平下顯著為正，說明數(shù)字化轉(zhuǎn)型與IMD之間存在U型關(guān)系，即企業(yè)開展數(shù)字化轉(zhuǎn)型初期可以提高企業(yè)信息質(zhì)量，降低尾部系統(tǒng)風(fēng)險(xiǎn)；但隨著數(shù)字化轉(zhuǎn)型信息披露程度的增加，數(shù)字化轉(zhuǎn)型將會(huì)降低企業(yè)信息質(zhì)量，提高尾部系統(tǒng)風(fēng)險(xiǎn)。

表7 機(jī)制檢驗(yàn)：信息質(zhì)量與資金狀況

在金融市場(chǎng)上，企業(yè)數(shù)字化轉(zhuǎn)型信息的披露可能通過改變股價(jià)信息含量，影響尾部系統(tǒng)風(fēng)險(xiǎn)。本文參考鐘覃琳和陸正飛(2018)的方法，使用股價(jià)同步性指標(biāo)(PI)測(cè)度個(gè)股信息含量。PI值越高，代表股價(jià)波動(dòng)同步性越低，股票價(jià)格中具有的特質(zhì)信息含量越高，而股價(jià)信息含量的增加將降低尾部系統(tǒng)風(fēng)險(xiǎn)，即PI與尾部系統(tǒng)風(fēng)險(xiǎn)指標(biāo)呈負(fù)相關(guān)關(guān)系。本文將PI代入機(jī)制效應(yīng)模型，回歸結(jié)果如表7列(2)所示，DCG的回歸系數(shù)在5%水平下顯著為正，DCG2回歸系數(shù)在1%水平下顯著為負(fù)，說明數(shù)字化轉(zhuǎn)型與PI之間存在倒U型關(guān)系，即企業(yè)開展數(shù)字化轉(zhuǎn)型初期可以增加個(gè)股信息含量，進(jìn)而降低尾部系統(tǒng)風(fēng)險(xiǎn)；但隨著數(shù)字化轉(zhuǎn)型信息披露程度的增加，數(shù)字化轉(zhuǎn)型將會(huì)降低股價(jià)信息含量，提高尾部系統(tǒng)風(fēng)險(xiǎn)。這驗(yàn)證了研究假設(shè)H2。

2.資金狀況

在企業(yè)內(nèi)部，數(shù)字化轉(zhuǎn)型將占用企業(yè)資金，降低企業(yè)內(nèi)部現(xiàn)金充裕度，影響企業(yè)資金周轉(zhuǎn)能力，使得企業(yè)面臨財(cái)務(wù)困境，提高尾部系統(tǒng)風(fēng)險(xiǎn)水平。本文參考李連燕和張東廷(2017)的方法，采用經(jīng)營(yíng)凈現(xiàn)金流量與流動(dòng)負(fù)債之比測(cè)度企業(yè)內(nèi)部現(xiàn)金充裕度(ICA)。ICA值越高，代表企業(yè)內(nèi)部現(xiàn)金充裕度越高，企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)越低。本文將內(nèi)部現(xiàn)金充裕度(ICA)代入機(jī)制效應(yīng)模型中，回歸結(jié)果如表7列(3)所示，DCG與DCG2的系數(shù)均不顯著，因此在列(4)中僅將DCG作為解釋變量進(jìn)行回歸分析，此時(shí)DCG的回歸系數(shù)在5%水平下顯著為負(fù)，說明數(shù)字化轉(zhuǎn)型將會(huì)降低企業(yè)內(nèi)部現(xiàn)金充裕度，從而提高尾部系統(tǒng)風(fēng)險(xiǎn)。

在金融市場(chǎng)上，數(shù)字化轉(zhuǎn)型提高企業(yè)金融化趨勢(shì)，誘導(dǎo)企業(yè)脫實(shí)向虛，將導(dǎo)致企業(yè)陷入財(cái)務(wù)困境，提高尾部系統(tǒng)風(fēng)險(xiǎn)。本文參考彭俞超等(2018)的做法，采用企業(yè)資產(chǎn)負(fù)債表中金融類資產(chǎn)(包括交易性金融資產(chǎn)、買入返售金融資產(chǎn)、可供出售金融資產(chǎn)、發(fā)放貸款及墊款和持有至到期投資)與期末總資產(chǎn)之比測(cè)度企業(yè)金融投資水平(FIN)。本文將金融投資水平(FIN)代入機(jī)制效應(yīng)模型，在表7列(5)的非線性模型中，一次項(xiàng)的系數(shù)不顯著，因此在列(6)中僅將DCG作為解釋變量進(jìn)行線性回歸分析，此時(shí)DCG的回歸系數(shù)在1%水平下顯著為正，說明數(shù)字化轉(zhuǎn)型將會(huì)增強(qiáng)企業(yè)金融化水平，從而提高尾部系統(tǒng)風(fēng)險(xiǎn)。

通過上述機(jī)制效應(yīng)分析可以發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型將降低內(nèi)部現(xiàn)金充裕度并加大金融投資水平，影響企業(yè)資金狀況，從而提高尾部系統(tǒng)風(fēng)險(xiǎn)，這驗(yàn)證了研究假設(shè)H3。該渠道分析印證了前文的基準(zhǔn)回歸結(jié)果，即企業(yè)數(shù)字化轉(zhuǎn)型會(huì)提高個(gè)體風(fēng)險(xiǎn)，進(jìn)而導(dǎo)致總體的尾部系統(tǒng)風(fēng)險(xiǎn)上升。

(二)異質(zhì)性分析

1.來自數(shù)字化轉(zhuǎn)型自身的風(fēng)險(xiǎn)

為檢驗(yàn)尾部系統(tǒng)性風(fēng)險(xiǎn)是否來自于真實(shí)的數(shù)字化轉(zhuǎn)型活動(dòng)，本文利用CSMAR數(shù)據(jù)庫披露的上市公司數(shù)字化項(xiàng)目研發(fā)總數(shù)(由于該數(shù)據(jù)起始年份為2010年，因此選取2010―2021年數(shù)據(jù))進(jìn)行回歸分析。兩組樣本分別為無數(shù)字化研發(fā)項(xiàng)目和有數(shù)字化研發(fā)項(xiàng)目，回歸結(jié)果如表8列(1)(2)所示，并繪制出U型關(guān)系圖和邊際效應(yīng)圖，如圖1所示。

圖1 分?jǐn)?shù)字化研發(fā)項(xiàng)目檢驗(yàn)

表8 異質(zhì)性分析：基于數(shù)字化研發(fā)項(xiàng)目與企業(yè)微觀特征分組

表8列(1)(2)顯示，無論是有無數(shù)字化研發(fā)項(xiàng)目的企業(yè)，DCG系數(shù)均顯著為負(fù)，DCG2均顯著為正，說明無論企業(yè)有無數(shù)字化研發(fā)項(xiàng)目，數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風(fēng)險(xiǎn)間均存在顯著的U型關(guān)系，如圖1(a)所示。有數(shù)字研發(fā)項(xiàng)目的DCG與DCG2回歸系數(shù)的絕對(duì)值均大于無數(shù)字化研發(fā)項(xiàng)目，組間系數(shù)差異檢驗(yàn)顯示，回歸系數(shù)在兩組間存在顯著差異。從圖1(b)可以看出，有數(shù)字化研發(fā)項(xiàng)目樣本組的邊際效應(yīng)曲線更為陡峭，說明在真實(shí)存在數(shù)字化研發(fā)項(xiàng)目的企業(yè)中，尾部系統(tǒng)風(fēng)險(xiǎn)受到數(shù)字化轉(zhuǎn)型的影響程度更為敏感，表明真實(shí)的數(shù)字化轉(zhuǎn)型活動(dòng)會(huì)影響尾部系統(tǒng)風(fēng)險(xiǎn)。

2.基于企業(yè)微觀特征分組

前文的機(jī)制分析表明，企業(yè)數(shù)字化轉(zhuǎn)型影響尾部系統(tǒng)風(fēng)險(xiǎn)，其背后的傳導(dǎo)路徑體現(xiàn)在信息質(zhì)量與資金狀況兩方面，因此本文根據(jù)企業(yè)微觀特征，采用高管薪酬水平和財(cái)務(wù)風(fēng)險(xiǎn)水平兩個(gè)變量進(jìn)行分組檢驗(yàn)，并繪制出U型關(guān)系圖和邊際效應(yīng)圖，如圖2和圖3所示。

圖2 分高管薪酬水平檢驗(yàn)

圖3 分財(cái)務(wù)風(fēng)險(xiǎn)檢驗(yàn)

首先，數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風(fēng)險(xiǎn)之間的關(guān)系與企業(yè)信息披露有關(guān)，若管理層基于機(jī)會(huì)主義對(duì)數(shù)字化轉(zhuǎn)型信息進(jìn)行夸大描述，將會(huì)降低企業(yè)信息質(zhì)量，提高尾部系統(tǒng)風(fēng)險(xiǎn)水平。本文參考王克敏和王志超(2007)的做法，使用前三名高管年薪總額的對(duì)數(shù)值衡量高管薪酬水平，作為管理層機(jī)會(huì)主義的代理變量。高管薪酬水平越高，表明管理層機(jī)會(huì)主義程度越小。根據(jù)高管薪酬水平的中位數(shù)，將樣本分為高管薪酬水平較低和較高兩組。表8列(3)(4)顯示，兩組企業(yè)的DCG系數(shù)均顯著為負(fù)，DCG2均顯著為正，說明無論高管薪酬水平高低，數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風(fēng)險(xiǎn)間均存在顯著的U型關(guān)系，如圖2(a)所示。高管薪酬水平較低的企業(yè)樣本中DCG與DCG2回歸系數(shù)的絕對(duì)值均大于高管薪酬水平較高的企業(yè)，組間系數(shù)差異檢驗(yàn)表明，兩組間系數(shù)存在顯著差異。從圖2(b)可以看出，高管薪酬水平較低樣本組的邊際效應(yīng)曲線更加陡峭，尾部系統(tǒng)風(fēng)險(xiǎn)受到數(shù)字化轉(zhuǎn)型的影響程度更為敏感。

其次，財(cái)務(wù)困境風(fēng)險(xiǎn)增加代表企業(yè)資金狀況惡化，會(huì)加劇數(shù)字化轉(zhuǎn)型對(duì)尾部系統(tǒng)風(fēng)險(xiǎn)的影響。本文使用Z-score值衡量企業(yè)面臨的財(cái)務(wù)風(fēng)險(xiǎn)，Z-score值越高，財(cái)務(wù)風(fēng)險(xiǎn)水平越低。根據(jù)財(cái)務(wù)風(fēng)險(xiǎn)水平的中位數(shù)，將樣本分為較高和較低兩組。表8列(5)(6)顯示，兩組企業(yè)的DCG系數(shù)均顯著為負(fù)，DCG2均顯著為正，說明數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風(fēng)險(xiǎn)間存在顯著的U型關(guān)系，如圖3(a)所示。此外，財(cái)務(wù)風(fēng)險(xiǎn)水平較高的企業(yè)樣本中DCG與DCG2回歸系數(shù)的絕對(duì)值均大于財(cái)務(wù)風(fēng)險(xiǎn)水平較低的企業(yè)。組間系數(shù)差異檢驗(yàn)結(jié)果表明，兩組系數(shù)存在顯著差異。從圖3(b)可以看出，財(cái)務(wù)風(fēng)險(xiǎn)水平較高樣本組的邊際效應(yīng)曲線更加陡峭，尾部系統(tǒng)風(fēng)險(xiǎn)受到數(shù)字化轉(zhuǎn)型的影響程度更為敏感。

3.基于外部宏觀環(huán)境特征分組

數(shù)字化轉(zhuǎn)型對(duì)尾部系統(tǒng)風(fēng)險(xiǎn)的影響可能在處于不同外部宏觀環(huán)境的企業(yè)間存在差異，因此本文根據(jù)企業(yè)所處的外部宏觀環(huán)境，從是否為技術(shù)密集型行業(yè)和地方金融監(jiān)管強(qiáng)度兩個(gè)角度進(jìn)行分組檢驗(yàn)，并繪制出U型關(guān)系圖和邊際效應(yīng)圖，如圖4和圖5所示。

圖4 分技術(shù)密集型行業(yè)的檢驗(yàn)

圖5 分金融監(jiān)管強(qiáng)度的檢驗(yàn)

首先，本文參考魯桐和黨印(2014)的做法，將企業(yè)樣本劃分為技術(shù)密集型和非技術(shù)密集型行業(yè)。表9列(1)(2)顯示，兩組企業(yè)的DCG系數(shù)均顯著為負(fù)，DCG2均顯著為正，說明無論是否處于技術(shù)密集型行業(yè)，數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風(fēng)險(xiǎn)間均存在顯著的U型關(guān)系，如圖4(a)所示。此外，技術(shù)密集型行業(yè)的企業(yè)樣本中DCG與DCG2回歸系數(shù)的絕對(duì)值均大于非技術(shù)密集型行業(yè)的企業(yè)。組間系數(shù)差異檢驗(yàn)結(jié)果表明，兩組系數(shù)存在顯著差異。從圖4(b)可以看出，技術(shù)密集型樣本組的邊際效應(yīng)曲線更為陡峭，這是因?yàn)榧夹g(shù)密集型的企業(yè)在數(shù)字化轉(zhuǎn)型中占據(jù)技術(shù)和人才優(yōu)勢(shì)，更有意愿進(jìn)行數(shù)字化轉(zhuǎn)型，同時(shí)更重視科技研發(fā)對(duì)數(shù)字化轉(zhuǎn)型的支撐作用，尾部系統(tǒng)風(fēng)險(xiǎn)受到數(shù)字化轉(zhuǎn)型的影響程度便會(huì)更為敏感。

表9 異質(zhì)性分析：基于外部宏觀環(huán)境特征分組

其次，本文參考唐松等(2020)的做法，采用各省份金融監(jiān)管支出與金融業(yè)增加值的比值計(jì)算各省份金融監(jiān)管強(qiáng)度，金融監(jiān)管強(qiáng)度越高，地方為維護(hù)金融秩序所做出的努力程度越大。根據(jù)金融監(jiān)管強(qiáng)度的中位數(shù)，將樣本分為金融監(jiān)管強(qiáng)度較低和較高兩組。表9列(3)(4)顯示，兩組企業(yè)的DCG系數(shù)均顯著為負(fù)，DCG2均顯著為正，說明無論企業(yè)所在地區(qū)金融監(jiān)管強(qiáng)度高低，數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風(fēng)險(xiǎn)間均存在顯著的U型關(guān)系，如圖5(a)所示。此外，金融監(jiān)管強(qiáng)度較低的企業(yè)樣本中DCG與DCG2回歸系數(shù)的絕對(duì)值均大于金融監(jiān)管強(qiáng)度較高的企業(yè)，且兩組系數(shù)存在顯著差異。從圖5(b)可以看出，金融監(jiān)管強(qiáng)度較低樣本組的邊際效應(yīng)曲線更為陡峭，這是因?yàn)榻鹑诒O(jiān)管強(qiáng)度較高地區(qū)的企業(yè)，其地方性金融法規(guī)制度較為完善、對(duì)企業(yè)以及金融中介機(jī)構(gòu)的監(jiān)管能力較強(qiáng)，且有較好的防范化解金融風(fēng)險(xiǎn)的能力，因此尾部系統(tǒng)風(fēng)險(xiǎn)受到數(shù)字化轉(zhuǎn)型的影響程度較小。

六、結(jié)論與啟示

為探究企業(yè)數(shù)字化轉(zhuǎn)型對(duì)尾部系統(tǒng)風(fēng)險(xiǎn)的影響，本文以2006―2021年中國(guó)A股上市公司數(shù)據(jù)為樣本進(jìn)行實(shí)證分析。研究發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型與尾部系統(tǒng)風(fēng)險(xiǎn)間呈現(xiàn)U型關(guān)系，即在數(shù)字化轉(zhuǎn)型與企業(yè)自身能力相匹配的適度區(qū)間內(nèi)，數(shù)字化轉(zhuǎn)型降低尾部系統(tǒng)風(fēng)險(xiǎn)，但隨著數(shù)字化轉(zhuǎn)型程度加深至超過拐點(diǎn)值后，數(shù)字化轉(zhuǎn)型將提高尾部系統(tǒng)風(fēng)險(xiǎn)。該結(jié)論經(jīng)過穩(wěn)健性檢驗(yàn)后依然成立。機(jī)制分析表明，數(shù)字化轉(zhuǎn)型通過影響信息質(zhì)量和資金狀況作用于個(gè)股的尾部系統(tǒng)風(fēng)險(xiǎn)。就信息質(zhì)量而言，在企業(yè)開展數(shù)字化轉(zhuǎn)型初期，企業(yè)信息質(zhì)量和股價(jià)信息含量的提高可以規(guī)避尾部系統(tǒng)風(fēng)險(xiǎn)；但當(dāng)數(shù)字化轉(zhuǎn)型逐漸加深超過拐點(diǎn)值后，企業(yè)信息質(zhì)量和股價(jià)信息含量的降低將導(dǎo)致尾部系統(tǒng)風(fēng)險(xiǎn)提高。就資金狀況而言，數(shù)字化轉(zhuǎn)型將降低內(nèi)部現(xiàn)金充裕度，并增強(qiáng)企業(yè)金融投資趨勢(shì)，進(jìn)而提高尾部系統(tǒng)風(fēng)險(xiǎn)。異質(zhì)性分析發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型對(duì)尾部系統(tǒng)風(fēng)險(xiǎn)的影響程度在有數(shù)字化研發(fā)項(xiàng)目、高管薪酬水平較低、財(cái)務(wù)風(fēng)險(xiǎn)水平較高、技術(shù)密集型行業(yè)以及地方金融監(jiān)管強(qiáng)度較差的企業(yè)中表現(xiàn)得更加顯著。

本文的研究對(duì)于降低尾部系統(tǒng)風(fēng)險(xiǎn)以及推進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型具有一定的現(xiàn)實(shí)意義：第一，企業(yè)應(yīng)根據(jù)自身資源稟賦，避免盲目過度地?cái)?shù)字化轉(zhuǎn)型。企業(yè)應(yīng)慎重考慮數(shù)字化轉(zhuǎn)型強(qiáng)度與企業(yè)自身結(jié)構(gòu)的適配性，將數(shù)字和資本、勞動(dòng)力等生產(chǎn)要素進(jìn)行合理配置，有序推動(dòng)數(shù)字化轉(zhuǎn)型。地方政府可以針對(duì)性地實(shí)施人才引進(jìn)、稅收優(yōu)惠、知識(shí)產(chǎn)權(quán)保護(hù)以及數(shù)字化基礎(chǔ)設(shè)施建設(shè)等政策，緩解企業(yè)在數(shù)字化轉(zhuǎn)型過程中面臨的人才和資金儲(chǔ)備不足等問題，提高企業(yè)數(shù)字化轉(zhuǎn)型的上限。第二，嚴(yán)管上市公司公開信息審核，加強(qiáng)地方金融監(jiān)管強(qiáng)度。企業(yè)應(yīng)增強(qiáng)內(nèi)部約束，降低管理層在會(huì)計(jì)操控和過度投資中的機(jī)會(huì)主義行為，規(guī)范信息披露制度。監(jiān)管部門應(yīng)加強(qiáng)會(huì)計(jì)、金融等相關(guān)監(jiān)管和法規(guī)的完整性，高度關(guān)注財(cái)務(wù)造假問題，嚴(yán)格監(jiān)督企業(yè)信息披露行為是否規(guī)范、信息披露水平是否達(dá)標(biāo)。第三，完善資本市場(chǎng)信息傳導(dǎo)效率，加強(qiáng)投資者理性投資思維。政府部門在優(yōu)化企業(yè)的信息披露程序和質(zhì)量、減少企業(yè)和投資者之間信息不對(duì)稱問題的同時(shí)，還需培養(yǎng)投資者理性投資思維，宣傳風(fēng)險(xiǎn)防范意識(shí)，引導(dǎo)資本市場(chǎng)形成良好的投資風(fēng)向，提高企業(yè)融資能力。 ■

[基金項(xiàng)目：國(guó)家社科基金重大項(xiàng)目“服務(wù)實(shí)體經(jīng)濟(jì)和防范系統(tǒng)性風(fēng)險(xiǎn)并重的金融體制改革路徑與機(jī)制研究”(項(xiàng)目編號(hào)：23ZDA038)]