于成永　馬曉慧　于方舟

【摘 要】 數(shù)字化轉(zhuǎn)型促進還是抑制企業(yè)股價崩盤風(fēng)險尚存爭議，文章以2014—2021年滬深A(yù)股上市企業(yè)為樣本，實證檢驗發(fā)現(xiàn)，企業(yè)進行數(shù)字化轉(zhuǎn)型會導(dǎo)致股價崩盤風(fēng)險下降，信息不對稱程度、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、財務(wù)報告質(zhì)量、產(chǎn)業(yè)屬性和市場化程度不同，數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險影響程度也不同。文章構(gòu)建了數(shù)字化轉(zhuǎn)型影響股價崩盤風(fēng)險的理論框架，拓展了數(shù)字化轉(zhuǎn)型情境研究，發(fā)展了數(shù)字化轉(zhuǎn)型理論和股價崩盤風(fēng)險理論，為國家數(shù)字化戰(zhàn)略與穩(wěn)金融政策實施提供了理論與證據(jù)支持，為全國統(tǒng)一大市場建設(shè)中市場主體、市場環(huán)境建設(shè)提供了參考建議。

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

【中圖分類號】 F832.51? 【文獻標(biāo)識碼】 A? 【文章編號】 1004-5937（2024）05-0020-09

一、引言

自2014年“大數(shù)據(jù)”被寫入國務(wù)院政府工作報告以來，數(shù)字經(jīng)濟與實體經(jīng)濟融合已經(jīng)被列入國家“十四五”規(guī)劃和黨的十九大和二十大報告中，數(shù)字經(jīng)濟已經(jīng)成為未來經(jīng)濟發(fā)展方向[1]。在“六穩(wěn)”政策中，穩(wěn)金融一直是防范經(jīng)濟風(fēng)險的重點。資本市場穩(wěn)定與經(jīng)濟發(fā)展穩(wěn)健息息相關(guān)，對股票市場風(fēng)險治理有助于實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展目標(biāo)[2]。

文獻研究表明，企業(yè)數(shù)字化轉(zhuǎn)型體現(xiàn)了實體經(jīng)濟與數(shù)字經(jīng)濟的融合，對股價崩盤風(fēng)險產(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)股價崩盤風(fēng)險；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崩盤風(fēng)險；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崩盤風(fēng)險。

與現(xiàn)有文獻不同，本文創(chuàng)新主要有：一是提出了數(shù)字化轉(zhuǎn)型抑制或促進股價崩盤風(fēng)險的理論觀點；二是從信息不對稱、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)型影響股價崩盤風(fēng)險的路徑；三是分別從微觀市場主體和外部環(huán)境視角豐富了數(shù)字化轉(zhuǎn)型影響股價崩盤風(fēng)險的情境，為國家數(shù)字化戰(zhàn)略、穩(wěn)金融政策和全國統(tǒng)一大市場建設(shè)提出了相應(yīng)政策建議。

二、文獻綜述

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

有關(guān)數(shù)字化轉(zhuǎn)型影響企業(yè)股票價格崩盤風(fēng)險的文獻不多且有爭議。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)型來降低股價崩盤風(fēng)險。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崩盤風(fēng)險。彭俞超等[4]將企業(yè)數(shù)字化信息披露分成預(yù)判性和行動性信息兩類，研究發(fā)現(xiàn)，股價崩盤風(fēng)險隨著企業(yè)數(shù)字化信息披露而加大；進一步分析發(fā)現(xiàn)，兩類信息披露對股價崩盤風(fēng)險的影響并不相同。

三、理論分析與研究假設(shè)

進行數(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稱問題，實現(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)的機會主義行為，改善信息不對稱程度[14]。

數(shù)字化轉(zhuǎn)型能夠增強內(nèi)部控制能力，加強對管理層的監(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)動企業(yè)內(nèi)控優(yōu)化[16]。葉康濤等[17]認(rèn)為，加強企業(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，抑制股價崩盤風(fēng)險發(fā)生[18]。

數(shù)字化轉(zhuǎn)型能夠增強組織柔性，提升企業(yè)應(yīng)對不確定性的能力，從而緩解環(huán)境不確定性對企業(yè)造成的負面影響[19]。數(shù)字化轉(zhuǎn)型使得企業(yè)面對變化的市場能夠更快地重塑業(yè)務(wù)、生產(chǎn)適應(yīng)市場的產(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，企業(yè)的生產(chǎn)經(jīng)營應(yīng)對措施可能會失效，從而使企業(yè)的經(jīng)營風(fēng)險變大。這種情況下企業(yè)的管理層為了維護自身利益，將極有可能隱藏對企業(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)確地評估企業(yè)的經(jīng)營行為，同時由于監(jiān)管的成本和難度提升，監(jiān)管機構(gòu)和外部媒體也難以有效地監(jiān)督企業(yè)的經(jīng)營狀況。這時企業(yè)管理層將有更大的空間完成對負面信息的隱藏，以操縱股價獲取更多收益。

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，從而降低股價波動性。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)型將顯著降低股價崩盤風(fēng)險。

從理論上看，數(shù)字化轉(zhuǎn)型也可能會加大企業(yè)股價崩盤風(fēng)險。一是企業(yè)數(shù)字化轉(zhuǎn)型的信息一般來自企業(yè)主動披露，從動機上看，有轉(zhuǎn)移投資者注意力、對負面信息進行隱匿的可能，從而形成信息不對稱程度上升局面[4]。在此情形下，企業(yè)內(nèi)部負面信息被隱瞞，當(dāng)這類信息達到相應(yīng)閾值被集中釋放出來后，會導(dǎo)致股票價格大幅下跌。二是企業(yè)進行數(shù)字化轉(zhuǎn)型的相關(guān)信息中一般會包含研發(fā)創(chuàng)新信息的披露。研究表明，外部利益相關(guān)者普遍對研發(fā)創(chuàng)新信息的辨識能力比較弱[20]，這會加劇內(nèi)外信息不對稱和不透明程度。三是投資者情緒高漲會導(dǎo)致股票價格大漲形成價格泡沫，一旦情緒回落，股票價格會大跌[4]。數(shù)字化轉(zhuǎn)型信息受到了資本市場熱捧，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，一旦難以實現(xiàn)，管理層可能會采用信息操縱、盈余管理等短視行為，從而誘發(fā)股價崩盤風(fēng)險[3]。五是數(shù)字經(jīng)濟時代給企業(yè)帶來的環(huán)境不確定性是個常態(tài)，企業(yè)數(shù)字化轉(zhuǎn)型本身意味著變革，會帶來新的不確定性，進一步加劇企業(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)型可能會進一步提升企業(yè)內(nèi)外部信息不對稱程度，降低內(nèi)部控制質(zhì)量，并加劇企業(yè)外部環(huán)境的不確定對股價崩盤風(fēng)險的負面影響。由此，提出假設(shè)1b。

H1b：在控制其他因素情況下，企業(yè)進行數(shù)字化轉(zhuǎn)型會造成股價崩盤風(fēng)險上升。

四、研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

考慮到2014年3月“大數(shù)據(jù)”首次被寫入國務(wù)院政府工作報告，本文以2014年為起點收集數(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個公司-年度觀察值。相關(guān)變量原始數(shù)據(jù)來源于國泰安數(shù)據(jù)庫。為避免異常值的干擾，本文對連續(xù)變量進行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)建負收益偏態(tài)系數(shù)（NCSKEW）來度量股價崩盤風(fēng)險。NCSKEW值越大，表明股價波動性越高，即股價崩盤風(fēng)險越大。

企業(yè)數(shù)字化轉(zhuǎn)型主要依據(jù)上市公司年報、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、組織賦能、環(huán)境支撐、數(shù)字化成果、數(shù)字化應(yīng)用六個指標(biāo)，加權(quán)計算得出企業(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

為檢驗假設(shè)，構(gòu)建模型1。NCSKEWi，t是被解釋變量，本文指負收益偏態(tài)系數(shù)，在穩(wěn)健性檢驗中，使用收益上下波動率（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)變化以及隨時間變化而無法觀測因素的影響；εi，t為隨機誤差項。

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

五、實證檢驗和結(jié)果分析

（一）統(tǒng)計描述和相關(guān)系數(shù)

通過統(tǒng)計分析，表2中負收益偏態(tài)系數(shù)（NCSKEW）均值為-0.312，與其他文獻處于同一水平，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)的股價崩盤風(fēng)險存在較大差異。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)驗判斷說明，上述變量之間相關(guān)性不會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

表3列（1）為基準(zhǔn)檢驗結(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)型負向影響股價崩盤風(fēng)險，支持H1a，而不支持H1b。這一證據(jù)與Wu et al.[7]、馬慧等[1]的觀點一致。為了檢驗這一結(jié)論是否具有穩(wěn)健性，本文進一步通過變量測量誤差、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

1.變量測量誤差

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)健性檢驗中，引入收益率上下波動比率（DUVOLi，t）度量股價崩盤風(fēng)險。根據(jù)袁淳等[22]的研究，以數(shù)字化四個關(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)計變量Dig表示企業(yè)數(shù)字化轉(zhuǎn)型。這個變量越大，代表企業(yè)進行數(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，這些結(jié)果說明，數(shù)字化轉(zhuǎn)型有助于降低股價崩盤風(fēng)險。

2.刪除股災(zāi)年份

企業(yè)的數(shù)字化轉(zhuǎn)型及股價崩盤風(fēng)險與國際國內(nèi)市場環(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年的樣本進行回歸檢驗?；貧w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)檢驗中結(jié)論一致。

3.滯后項處理

考慮企業(yè)數(shù)字化在影響股價崩盤風(fēng)險中可能存在一定時間上的滯后性，本文將數(shù)字化轉(zhuǎn)型程度（Digital）滯后了一期、二期分別進行檢驗，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)仍能影響股價崩盤風(fēng)險。

（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）對樣本進行匹配。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行數(shù)字化轉(zhuǎn)型的實驗組，與未進行數(shù)字化轉(zhuǎn)型的對照組。其次使用Logit模型進行傾向得分匹配。本文采取1■5來配對生成控制組企業(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數(shù)字化轉(zhuǎn)型程度對股價崩盤風(fēng)險的影響，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)型程度對股價崩盤風(fēng)險的影響依然顯著，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)型對股價崩盤風(fēng)險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)字化水平并不會影響本企業(yè)股價崩盤風(fēng)險，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，股價崩盤風(fēng)險隨企業(yè)數(shù)字化轉(zhuǎn)型而下降。

3.安慰劑檢驗

為了進一步排除基準(zhǔn)檢驗結(jié)論可能受到研究設(shè)計中某些缺陷影響的可能，本文進行安慰劑檢驗。首先將每一“公司-年度”的解釋變量（Digital）觀測值提取，隨機賦予到新的“公司-年度”觀測值中，再對樣本重新進行檢驗，此過程重復(fù)500次，獲得500個數(shù)字化轉(zhuǎn)型變量的回歸系數(shù)和對應(yīng)的p值。結(jié)果發(fā)現(xiàn)，估計系數(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)型對股價崩盤風(fēng)險的影響并非由其他未觀測到的隨機性因素造成，即本文的研究結(jié)論是可靠的。

（五）機制檢驗

1.信息不對稱的作用

本文利用企業(yè)信息透明度構(gòu)建信息不對稱指標(biāo)，將企業(yè)信息透明度評級為“A”的企業(yè)構(gòu)建變量（Trans）并賦值為4，“B”等評級的企業(yè)賦值為3，“C”等評級的企業(yè)賦值為2，“D”等評級的企業(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，表明信息不對稱水平在企業(yè)數(shù)字化轉(zhuǎn)型影響股價崩盤風(fēng)險中具有部分中介效應(yīng)。

2.內(nèi)部控制的作用

數(shù)字化能夠推動企業(yè)內(nèi)控活動的智能化，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，從而降低股價崩盤風(fēng)險。本文以迪博內(nèi)部控制指數(shù)為基礎(chǔ)測量企業(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，表明內(nèi)部控制在企業(yè)數(shù)字化轉(zhuǎn)型影響股價崩盤風(fēng)險中具有部分中介效應(yīng)，即企業(yè)進行數(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崩盤風(fēng)險。

3.環(huán)境不確定性的作用

環(huán)境不確定性會使企業(yè)高管無法獲取決策所需的完整信息，無法預(yù)計未來不得不面對的風(fēng)險。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)型對股價崩盤風(fēng)險作用過程中的影響。

從表5列（6）可以看出數(shù)字化轉(zhuǎn)型（Digital）的系數(shù)為負且在1%水平上顯著，表明企業(yè)進行數(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)型對股價崩盤風(fēng)險影響中，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，國有企業(yè)不僅要實現(xiàn)財務(wù)上的目標(biāo)，更要承擔(dān)起社會責(zé)任，在這種情況下，國有企業(yè)想要進行數(shù)字化轉(zhuǎn)型要考慮的因素更多，因此轉(zhuǎn)型將會更加困難。而非國有企業(yè)，如民營企業(yè)、外資企業(yè)等更多地以自身經(jīng)營狀況為目標(biāo)，更有動力利用數(shù)字化轉(zhuǎn)型降低股價崩盤風(fēng)險。從表6列（1）可以看到數(shù)字化轉(zhuǎn)型（Digital）對負收益偏態(tài)系數(shù)（NCSKEW）影響的回歸系數(shù)為-0.154，在1%統(tǒng)計水平上顯著，這一證據(jù)說明，在非國有企業(yè)中，進行數(shù)字化轉(zhuǎn)型能夠降低企業(yè)股價崩盤風(fēng)險。

2.創(chuàng)新效率

企業(yè)進行技術(shù)創(chuàng)新可以降低企業(yè)的股價崩盤風(fēng)險。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)專利申請數(shù)與前一期研發(fā)投入取自然對數(shù)的比值進行衡量。其次計算企業(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)型有利于股價崩盤風(fēng)險的降低。

3.財務(wù)報告質(zhì)量

通過審計，能夠及時發(fā)現(xiàn)企業(yè)美化財務(wù)狀況、藏匿不利消息的行為，從而降低企業(yè)股價產(chǎn)生波動風(fēng)險。企業(yè)進行數(shù)字化轉(zhuǎn)型通過提升會計信息透明度降低企業(yè)面臨的風(fēng)險。因而本文認(rèn)為財務(wù)報告質(zhì)量高的企業(yè)進行數(shù)字化轉(zhuǎn)型，緩解股價崩盤風(fēng)險的效果更好。將審計報告意見類型分成標(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）影響負收益偏態(tài)（NCSKEW）的系數(shù)在5%水平上負向顯著；這說明財報質(zhì)量越高的企業(yè)進行數(shù)字化轉(zhuǎn)型，越有可能降低股價崩盤風(fēng)險。

4.市場化程度

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

5.高新技術(shù)產(chǎn)業(yè)

高新技術(shù)企業(yè)為了實現(xiàn)更好的生產(chǎn)經(jīng)營，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數(shù)字化轉(zhuǎn)型，也更有可能降低股價崩盤風(fēng)險。本文將C28化學(xué)纖維制造業(yè)，C36汽車制造業(yè)，C39計算機、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）影響負收益偏態(tài)（NCSKEW）的系數(shù)為-0.115，在1%水平顯著負相關(guān)。這說明，具有高新技術(shù)屬性的企業(yè)進行數(shù)字化轉(zhuǎn)型可以顯著降低股價崩盤風(fēng)險。

六、結(jié)論與政策建議

（一）基本結(jié)論

探討數(shù)字化轉(zhuǎn)型是正面還是負面影響股價崩盤風(fēng)險，本質(zhì)上是國家數(shù)字化戰(zhàn)略實施中數(shù)字經(jīng)濟與實體經(jīng)濟融合在金融領(lǐng)域的作用問題。本文實證研究發(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，從而降低股價崩盤風(fēng)險，而且在企業(yè)內(nèi)外環(huán)境不同條件下，數(shù)字化轉(zhuǎn)型在緩解資本市場股價波動中的作用存在差異。

（二）政策建議

一是從數(shù)字經(jīng)濟發(fā)展視角看，要確保國家數(shù)字化戰(zhàn)略與穩(wěn)金融政策落地，應(yīng)積極推進企業(yè)數(shù)字化轉(zhuǎn)型，鼓勵企業(yè)在戰(zhàn)略引領(lǐng)、技術(shù)驅(qū)動、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。要進一步發(fā)揮數(shù)字化轉(zhuǎn)型對企業(yè)信息披露、內(nèi)部控制建設(shè)和應(yīng)對環(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)對資本市場風(fēng)險的水平。

二是從全國統(tǒng)一大市場建設(shè)視角看，應(yīng)進一步強化企業(yè)作為市場主體的作用。持續(xù)支持民營經(jīng)濟發(fā)展，引導(dǎo)非國有經(jīng)濟健康發(fā)展，發(fā)揮非國有企業(yè)在數(shù)字化轉(zhuǎn)型促進資本市場穩(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。

三是促進市場環(huán)境建設(shè)，積極進行市場化改革，提升政府治理效能和經(jīng)濟發(fā)展中的市場調(diào)控能力；強化高新技術(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；促進會計師事務(wù)所健康發(fā)展，確保財務(wù)報告質(zhì)量，為數(shù)字化轉(zhuǎn)型保障資本市場平穩(wěn)發(fā)展提供外部環(huán)境支撐。

【參考文獻】

［1］ 馬慧，陳勝藍.企業(yè)數(shù)字化轉(zhuǎn)型、壞消息隱藏與股價崩盤風(fēng)險［J］.會計研究，2022（10）：31-44.

［2］ 彭俞超，倪驍然，沈吉.企業(yè)“脫實向虛”與金融市場穩(wěn)定——基于股價崩盤風(fēng)險的視角［J］.經(jīng)濟研究，2018，

53（10）：50-66.

［3］ 董必榮，徐懷寧，王菁華.企業(yè)數(shù)字化戰(zhàn)略承諾與股價崩盤風(fēng)險［J］.會計研究，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暴跌風(fēng)險［J］.財貿(mào)經(jīng)濟，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)型能抑制股價崩盤風(fēng)險嗎？ ［J］.財經(jīng)論叢，2023（7）：58-67.

［11］ 祁懷錦，曹修琴，劉艷霞.數(shù)字經(jīng)濟對公司治理的影響——基于信息不對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)濟時代下的公司治理研究：范式創(chuàng)新與實踐前沿［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)績驅(qū)動效應(yīng)研究［J］.證券市場導(dǎo)報，2021（8）：15-25，69.

［16］ 胡青.企業(yè)數(shù)字化轉(zhuǎn)型的機制與績效［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崩盤風(fēng)險嗎？ ［J］.金融研究，2015（2）：192-206.

［18］ 黃政，吳國萍.內(nèi)部控制質(zhì)量與股價崩盤風(fēng)險：影響效果及路徑檢驗［J］.審計研究，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)境下中國管理研究與實踐的創(chuàng)新發(fā)展——第11屆“中國·實踐·管理”論壇評述［J］.管理學(xué)報，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］.中國工業(yè)經(jīng)濟，2021（9）：137-155.

【基金項目】 江蘇省高校哲學(xué)社會科學(xué)研究重大項目“全國統(tǒng)一大市場促進企業(yè)高質(zhì)量發(fā)展機制、路徑與對策研究”（2023SJZD017）；國家自然科學(xué)基金項目“融資約束影響產(chǎn)業(yè)績效：并購規(guī)模和并購方向的作用”（71272239）

【作者簡介】 于成永（1971— ），男，江蘇淮安人，博士，中國注冊會計師（非執(zhí)業(yè)），南京財經(jīng)大學(xué)會計學(xué)院副院長、教授、碩士生導(dǎo)師，研究方向：公司財務(wù)；馬曉慧（1998— ），女，安徽界首人，南京財經(jīng)大學(xué)會計學(xué)院碩士研究生，研究方向：公司財務(wù)；于方舟（2002— ），男，江蘇淮安人，北京理工大學(xué)計算機學(xué)院，研究方向：大數(shù)據(jù)金融

① 于方舟為通訊作者。