苑澤明 高寒瓊 李萌 于翔

【摘 要】 數(shù)字經(jīng)濟時代，數(shù)字化轉(zhuǎn)型已經(jīng)成為優(yōu)化企業(yè)戰(zhàn)略、推動企業(yè)高質(zhì)量發(fā)展的必由之路。文章以2010—2020年中國A股上市公司為樣本，實證檢驗數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的影響以及經(jīng)濟政策不確定性的調(diào)節(jié)效應(yīng)。研究發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著降低股價崩盤風(fēng)險，經(jīng)濟政策不確定性能夠強化數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的抑制作用。上述關(guān)系經(jīng)過內(nèi)生性和穩(wěn)健性檢驗后依舊成立。從機制檢驗結(jié)果來看，數(shù)字化轉(zhuǎn)型通過提升企業(yè)內(nèi)部控制水平和信息透明度能夠顯著降低股價崩盤風(fēng)險。異質(zhì)性檢驗發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的抑制作用在規(guī)模較大、數(shù)字普惠金融發(fā)展水平較高地區(qū)以及東部地區(qū)的企業(yè)中表現(xiàn)得更為明顯。

【關(guān)鍵詞】 數(shù)字化轉(zhuǎn)型； 股價崩盤風(fēng)險； 經(jīng)濟政策不確定性； 內(nèi)部控制； 信息透明度

【中圖分類號】 F275? 【文獻標(biāo)識碼】 A? 【文章編號】 1004-5937（2023）14-0073-10

一、引言

隨著數(shù)字技術(shù)的蓬勃發(fā)展和廣泛應(yīng)用，數(shù)字經(jīng)濟已成為國家經(jīng)濟增長的新引擎。中國信通院發(fā)布的《2022年中國數(shù)字經(jīng)濟發(fā)展白皮書》指出，2021年中國數(shù)字經(jīng)濟蓬勃發(fā)展，規(guī)模高達45.5萬億元，占GDP的39.8%，并以16.2%的速度高位增長。這表明數(shù)字技術(shù)在推動經(jīng)濟社會發(fā)展中起著重要作用。黨的二十大報告指出，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，加快建設(shè)數(shù)字中國。作為數(shù)字經(jīng)濟與實體經(jīng)濟融合發(fā)展的重要實踐，企業(yè)數(shù)字化轉(zhuǎn)型能夠提高公司風(fēng)險防范、風(fēng)險承擔(dān)和應(yīng)對外界不確定性的能力，已成為多數(shù)企業(yè)戰(zhàn)略升級的重要選擇。二十大報告還指出防范金融風(fēng)險須解決許多重大問題，要守住不發(fā)生系統(tǒng)性風(fēng)險底線。股價崩盤風(fēng)險作為資本市場上的重大風(fēng)險，具有隱蔽性強、破壞性大等特點，會嚴重損害公司財富和投資者利益，不利于金融市場穩(wěn)定和實體經(jīng)濟發(fā)展。此外，從外部環(huán)境來看，世界經(jīng)濟不穩(wěn)定及競爭加劇使得經(jīng)濟下行壓力加大，為了應(yīng)對，國家不斷出臺和調(diào)整經(jīng)濟政策，在助益中國經(jīng)濟健康發(fā)展的同時也加劇了經(jīng)濟政策的不確定性，而經(jīng)濟政策不確定性的上升勢必會對微觀企業(yè)的經(jīng)營活動和資本市場表現(xiàn)產(chǎn)生一定的沖擊[ 1 ]?？梢娫诮?jīng)濟政策不確定性不斷加劇的環(huán)境下，研究數(shù)字化轉(zhuǎn)型能否有效抑制股價崩盤風(fēng)險是十分必要的。

股價崩盤本質(zhì)是由企業(yè)的委托代理問題和信息不對稱問題導(dǎo)致的[ 2 ]。而數(shù)字化轉(zhuǎn)型作為近年來企業(yè)戰(zhàn)略轉(zhuǎn)型的重要舉措，一方面能夠提高企業(yè)對信息的獲取和應(yīng)用能力，降低信息不對稱程度[ 3 ]；另一方面能夠提高公司治理水平，減少管理者機會主義行為，緩解委托代理問題[ 4 ]，從而在一定程度上減少股價崩盤發(fā)生的可能性。此外，在經(jīng)濟政策不確定性環(huán)境下，企業(yè)經(jīng)營風(fēng)險和生存壓力會不斷增加，在此背景下，企業(yè)會更積極地尋求突破創(chuàng)新，將數(shù)字化轉(zhuǎn)型作為求變的重要選擇，充分發(fā)揮數(shù)字技術(shù)提高企業(yè)資本市場表現(xiàn)的作用。因此數(shù)字化轉(zhuǎn)型與股價崩盤風(fēng)險的關(guān)系很可能受到經(jīng)濟政策不確定性的影響?；诖?，本文利用2010—2020年中國A股上市公司樣本，對企業(yè)數(shù)字化轉(zhuǎn)型與股價崩盤風(fēng)險之間的關(guān)系、渠道機制和異質(zhì)性進行識別檢驗，并探究經(jīng)濟政策不確定性在其中發(fā)揮的調(diào)節(jié)作用。

本文可能存在以下邊際貢獻：第一，豐富了數(shù)字化轉(zhuǎn)型對資本市場影響的相關(guān)研究，為數(shù)字化轉(zhuǎn)型的經(jīng)濟后果研究提供了新的經(jīng)驗證據(jù)。第二，從經(jīng)濟政策不確定性視角出發(fā)，分析其在企業(yè)數(shù)字化轉(zhuǎn)型與股價崩盤風(fēng)險之間的調(diào)節(jié)作用，不僅拓寬了數(shù)字化轉(zhuǎn)型、宏觀經(jīng)濟政策以及股價崩盤風(fēng)險之間的相關(guān)研究，而且對企業(yè)防范金融風(fēng)險和適應(yīng)政府宏觀經(jīng)濟政策調(diào)整具有一定的啟示意義。第三，從影響股價崩盤風(fēng)險的兩大主要因素出發(fā)，系統(tǒng)分析了內(nèi)部控制和信息透明度在數(shù)字化轉(zhuǎn)型與股價崩盤風(fēng)險關(guān)系中產(chǎn)生的機制傳導(dǎo)作用，進一步打通了企業(yè)數(shù)字化轉(zhuǎn)型抑制股價崩盤風(fēng)險的路徑。

二、文獻綜述

（一）數(shù)字化轉(zhuǎn)型的經(jīng)濟后果研究

數(shù)字化轉(zhuǎn)型作為數(shù)字經(jīng)濟時代企業(yè)重要的戰(zhàn)略選擇，受到了許多學(xué)者的關(guān)注?，F(xiàn)有文獻主要從企業(yè)績效、生產(chǎn)運營效率和資本市場表現(xiàn)等角度對數(shù)字化轉(zhuǎn)型的經(jīng)濟后果展開研究。從企業(yè)績效來看，數(shù)字化轉(zhuǎn)型能夠通過提升供應(yīng)鏈集成程度[ 5 ]、財務(wù)績效[ 6 ]等進而提升企業(yè)績效。從生產(chǎn)運營效率來看，數(shù)字化轉(zhuǎn)型一方面提升了企業(yè)的專業(yè)化分工程度[ 7 ]；另一方面能夠降低企業(yè)生產(chǎn)成本，提升全要素生產(chǎn)率[ 8 ]，進而優(yōu)化企業(yè)經(jīng)營模式，提高生產(chǎn)運營效率。從資本市場表現(xiàn)來看，林川[ 9 ]研究發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型能夠通過提高企業(yè)信息質(zhì)量來降低股價崩盤風(fēng)險。并且，數(shù)字化轉(zhuǎn)型有助于提高企業(yè)經(jīng)營質(zhì)效，強化市場正面預(yù)期，提高企業(yè)股票流動性。

（二）股價崩盤風(fēng)險的影響因素研究

現(xiàn)有文獻主要從企業(yè)委托代理問題和信息不對稱兩個方面對股價崩盤風(fēng)險的影響因素展開研究?；谖写砝碚?，Chen（2001）以及Jin和Myers（2006）較早提出管理者的機會主義行為會引起股價崩盤風(fēng)險，并提出了管理者“捂盤”假說。之后，學(xué)者圍繞委托代理理論繼續(xù)開展研究。首先，從“捂盤”行為來看，大股東掏空[ 10 ]、擴大期權(quán)激勵價值[ 11 ]等行為會加劇管理者的盈余操縱行為，進而提高企業(yè)股價崩盤風(fēng)險。其次，從委托代理問題的治理措施來看，企業(yè)聘用女性審計師[ 12 ]、會計穩(wěn)健性[ 13 ]等均能夠監(jiān)督管理者捂盤行為，從而減少股價崩盤發(fā)生的可能性。基于信息不對稱理論，從企業(yè)內(nèi)部來看，信息披露質(zhì)量、財務(wù)信息透明度（Hutton et al.，2009）等方面的提高有助于投資者了解企業(yè)基本面，降低股價崩盤風(fēng)險；從企業(yè)外部來看，分析師關(guān)注[ 14 ]、媒體報道[ 15 ]等外部因素能夠減弱信息不對稱程度，抑制股價崩盤風(fēng)險。然而機構(gòu)投資者“羊群行為”和分析師樂觀偏差（許年行等，2012）則會加大信息不對稱，進而加劇股價崩盤風(fēng)險。

（三）文獻述評

第一，數(shù)字化轉(zhuǎn)型經(jīng)濟后果已有文獻主要體現(xiàn)在企業(yè)績效、生產(chǎn)運營效率和資本市場表現(xiàn)方面，而有關(guān)數(shù)字化轉(zhuǎn)型對企業(yè)資本市場表現(xiàn)的文獻較少，并且盡管有學(xué)者研究了企業(yè)數(shù)字化轉(zhuǎn)型與股價崩盤風(fēng)險的關(guān)系，但尚未從經(jīng)濟政策不確定性視角考察兩者的關(guān)系。因此本文將經(jīng)濟政策不確定性納入數(shù)字化轉(zhuǎn)型與股價崩盤風(fēng)險關(guān)系中，研究其發(fā)揮的調(diào)節(jié)作用。第二，縱觀股價崩盤風(fēng)險已有文獻，股價崩盤風(fēng)險產(chǎn)生的根源為委托代理問題和信息不對稱兩個維度，因此，本文從這兩個維度出發(fā)，全面打開數(shù)字化轉(zhuǎn)型與股價崩盤風(fēng)險的影響路徑，并對比企業(yè)不同特征下數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的影響差異。

三、理論假設(shè)

（一）數(shù)字化轉(zhuǎn)型與股價崩盤風(fēng)險

在數(shù)字化技術(shù)迅猛發(fā)展的背景下，數(shù)字化轉(zhuǎn)型已經(jīng)成為多數(shù)企業(yè)戰(zhàn)略升級的重要選擇。數(shù)字化轉(zhuǎn)型使得人工智能、云計算、大數(shù)據(jù)、區(qū)塊鏈等數(shù)字化技術(shù)融入企業(yè)生產(chǎn)和管理過程中，能夠提高企業(yè)內(nèi)部治理水平和信息處理能力，緩解企業(yè)委托代理問題和信息不對稱問題，進而抑制股價崩盤風(fēng)險。鑒此，本文從以下兩方面進行研究。

一是基于委托代理理論，數(shù)字化轉(zhuǎn)型能夠發(fā)揮治理效應(yīng)和監(jiān)督效應(yīng)，提升企業(yè)內(nèi)部控制水平，從而降低股價崩盤風(fēng)險。首先，從治理效應(yīng)視角來看，數(shù)字化轉(zhuǎn)型一方面能夠提高企業(yè)數(shù)據(jù)獲取、處理和應(yīng)用的能力，使信息能夠在企業(yè)內(nèi)部高速流轉(zhuǎn)，降低企業(yè)內(nèi)部各部門的溝通成本，提高運營效率和組織績效，改善治理環(huán)境[ 16 ]；另一方面，將大數(shù)據(jù)技術(shù)運用在風(fēng)險防范和生產(chǎn)決策中，有利于企業(yè)掌握市場動態(tài)，減少非理性決策，提高治理能力，從而提高內(nèi)部控制水平。其次，從監(jiān)督效應(yīng)視角來看，就企業(yè)內(nèi)部來說，數(shù)字化轉(zhuǎn)型所帶來的高速信息流轉(zhuǎn)，有利于企業(yè)掌握采購、生產(chǎn)、銷售等過程的實時動態(tài)，增加企業(yè)管理流程的透明度，使得管理者機會主義行為被發(fā)現(xiàn)的可能性更大，有助于企業(yè)對經(jīng)營管理各個流程進行監(jiān)督；就企業(yè)外部來說，企業(yè)數(shù)字化轉(zhuǎn)型拓寬了外部利益相關(guān)者的監(jiān)督渠道[ 17 ]，企業(yè)所受到的外部監(jiān)督更多，內(nèi)部控制缺陷被監(jiān)管部門發(fā)現(xiàn)的可能性更高。迫于內(nèi)外界監(jiān)督壓力，企業(yè)相關(guān)部門會注重修復(fù)這些缺陷，為公司構(gòu)筑有效的控制環(huán)境，從而提升內(nèi)部控制水平。進一步，企業(yè)內(nèi)部控制水平的提高可以從事前防范、事中控制、事后糾正三個方面解決企業(yè)委托代理問題，降低股價崩盤風(fēng)險。事前防范方面，通過建立制衡機制和行為約束機制加強企業(yè)內(nèi)部控制環(huán)境建設(shè)，抑制管理者的舞弊意圖，從而防范管理層盈余信息操縱等行為；事中控制方面，通過風(fēng)險評估、控制活動對可能導(dǎo)致企業(yè)股價崩盤的行為嚴格把關(guān)，包括建立財產(chǎn)保護、授權(quán)審批等控制措施；事后糾正方面，發(fā)揮內(nèi)部控制在信息溝通和內(nèi)部監(jiān)督方面的作用，及時發(fā)現(xiàn)并糾正已經(jīng)發(fā)生的機會主義行為，從而降低股價崩盤風(fēng)險。

二是基于信息不對稱理論，數(shù)字化轉(zhuǎn)型能夠發(fā)揮信息效應(yīng)和關(guān)注效應(yīng)，提升企業(yè)信息透明度，從而降低股價崩盤風(fēng)險。首先，從信息效應(yīng)視角來看，一方面，企業(yè)可以通過數(shù)字化技術(shù)獲取海量信息，并將這些原始的、非標(biāo)準化、非結(jié)構(gòu)化的信息通過數(shù)字化技術(shù)轉(zhuǎn)變?yōu)槟鼙黄髽I(yè)利用的信息資源，且存儲在數(shù)據(jù)中臺供企業(yè)各部門使用，顯著提升了企業(yè)對信息的處理和應(yīng)用能力；另一方面信息處理和應(yīng)用能力的提升，使得公司對外披露自身情況時基于更真實可靠的信息，可以有效提升企業(yè)的信息披露質(zhì)量[ 18 ]，使投資者對公司績效和風(fēng)險做出更加可靠的評價，從而提升企業(yè)信息透明度，緩解信息不對稱程度。其次，從關(guān)注效應(yīng)視角來看，數(shù)字化轉(zhuǎn)型企業(yè)由于順應(yīng)了數(shù)字經(jīng)濟發(fā)展的潮流和建設(shè)“數(shù)字中國”的大政方針，在資本市場上會得到投資者更多的正面預(yù)期[ 16 ]，為了迎合投資者偏好，分析師會對數(shù)字化轉(zhuǎn)型企業(yè)給予更多的關(guān)注，由此增加的分析師研究報告通過媒體等途徑得到廣泛傳播，有助于利益相關(guān)者從外部了解企業(yè)經(jīng)營狀況，提高企業(yè)信息透明度，緩解信息不對稱。因此，數(shù)字化轉(zhuǎn)型能夠提高企業(yè)信息透明度，使投資者更加了解企業(yè)經(jīng)營狀況并挖掘出企業(yè)試圖掩蓋的壞消息，緩解由于信息不對稱所引發(fā)的股價崩盤風(fēng)險。綜上，本文提出假設(shè)1：

H1：企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著抑制股價崩盤風(fēng)險。

H1a：企業(yè)數(shù)字化轉(zhuǎn)型能夠通過提升內(nèi)部控制水平降低股價崩盤風(fēng)險。

H1b：企業(yè)數(shù)字化轉(zhuǎn)型能夠通過提升信息透明度降低股價崩盤風(fēng)險。

（二）外部環(huán)境影響分析：經(jīng)濟政策不確定性的調(diào)節(jié)作用

外部沖擊會加劇經(jīng)濟政策不確定性，而微觀企業(yè)行為常常受到宏觀外部環(huán)境的影響。企業(yè)所處外部環(huán)境的經(jīng)濟政策不確定性能夠從委托代理與信息不對稱兩方面對數(shù)字化轉(zhuǎn)型與股價崩盤風(fēng)險的關(guān)系發(fā)揮調(diào)節(jié)作用。

從委托代理角度看，在經(jīng)濟政策不確定性較高的環(huán)境下，企業(yè)潛在的財務(wù)風(fēng)險和經(jīng)營風(fēng)險不斷加劇，管理者出于規(guī)避風(fēng)險或自利目的很可能投資短期獲利但損害公司長期利益的項目，且一旦決策失誤，管理者可能以經(jīng)濟政策不確定性為由推脫個人責(zé)任，從而加大了企業(yè)對管理者的監(jiān)督難度，加劇委托代理問題。此時，數(shù)字化轉(zhuǎn)型企業(yè)會更大力度地利用數(shù)字化技術(shù)發(fā)揮治理效應(yīng)和監(jiān)督效應(yīng)，在更大程度上發(fā)揮數(shù)字化轉(zhuǎn)型提高企業(yè)內(nèi)部控制水平的作用，從而在一定程度上緩解由于委托代理問題引發(fā)的股價崩盤風(fēng)險。從信息不對稱角度看，較高的經(jīng)濟政策不確定性會降低企業(yè)信息環(huán)境質(zhì)量，使得投資者判斷公司經(jīng)營狀況的難度加大，企業(yè)與市場的信息不對稱程度不斷加深。此時，數(shù)字化轉(zhuǎn)型企業(yè)會利用數(shù)字化技術(shù)更大程度地對企業(yè)內(nèi)外部數(shù)據(jù)進行挖掘、處理和傳遞，有助于緩解與投資者之間的信息不對稱程度，并降低由于信息不對稱所引發(fā)的股價崩盤風(fēng)險。因此，在經(jīng)濟政策不確定性較高的環(huán)境下，企業(yè)委托代理問題和信息不對稱問題更為突出，企業(yè)會更大力度地發(fā)揮數(shù)字化轉(zhuǎn)型緩解委托代理問題和信息不對稱問題的作用，進而對抑制股價崩盤風(fēng)險產(chǎn)生更大的邊際作用。反之，企業(yè)的委托代理問題和信息不對稱問題在經(jīng)濟政策不確定性較低時可能并不突出，即使企業(yè)數(shù)字化轉(zhuǎn)型程度很高，其緩解這兩大問題的動機和限度卻很低，對股價崩盤風(fēng)險的抑制作用可能較小。鑒此，本文提出假設(shè)2：

H2：經(jīng)濟政策不確定性能夠強化數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的抑制作用。

四、研究設(shè)計

（一）樣本選取和數(shù)據(jù)來源

為了排除2008年金融危機及其后效應(yīng)對資本市場產(chǎn)生的影響，本文參考武常岐等[ 19 ]的做法，選取2010—2020年我國全部A股上市公司為樣本，并對樣本進行以下處理：剔除金融行業(yè)的企業(yè)樣本；剔除缺失樣本；借鑒許年行等的做法，剔除年交易周數(shù)小于30的企業(yè)樣本，并在上下1%的水平上對連續(xù)變量進行了縮尾處理。最終得到9 380個觀測值。本文數(shù)字化轉(zhuǎn)型數(shù)據(jù)來源于CSMAR數(shù)據(jù)庫，內(nèi)部控制數(shù)據(jù)源于迪博上市公司內(nèi)部控制指數(shù)庫，經(jīng)濟政策不確定性數(shù)據(jù)來源于Baker et al.（2016）構(gòu)建的經(jīng)濟政策不確定性指數(shù)，其余數(shù)據(jù)均源于CSMAR數(shù)據(jù)庫。本文所有回歸均采用穩(wěn)?。╮obust）估計。

（二）變量定義

1.被解釋變量：股價崩盤風(fēng)險

參考Chen等（2001）的研究，本文采取負收益偏態(tài)系數(shù)（NCSKEW）與收益波動比率（DUVOL）來度量股價崩盤風(fēng)險，具體計算過程如下：

（1）負收益偏度系數(shù)（NCSKEW）

（2）收益上下波動率（DUVOL）

鑒于NCSKEW和DUVOL的計算過程已有較多文獻進行了闡釋，本文不再贅述。

2.解釋變量：企業(yè)數(shù)字化轉(zhuǎn)型（DT）

參考吳非等[ 3 ]的做法，通過文本挖掘的方式測度企業(yè)數(shù)字化轉(zhuǎn)型程度。第一步，確認數(shù)字化轉(zhuǎn)型關(guān)鍵詞，從數(shù)字化轉(zhuǎn)型的四種“底層技術(shù)”與“數(shù)字技術(shù)應(yīng)用”兩個方面界定企業(yè)數(shù)字化轉(zhuǎn)型程度的關(guān)鍵詞。四種底層技術(shù)包括“人工智能技術(shù)”“區(qū)塊鏈技術(shù)”“云計算技術(shù)”和“大數(shù)據(jù)技術(shù)”。第二步，計算關(guān)鍵詞詞頻。基于A股上市公司年報與前述關(guān)鍵詞，運用Python在年報中對關(guān)鍵詞進行檢索、匹配和詞頻統(tǒng)計。第三步，構(gòu)造數(shù)字化轉(zhuǎn)型指標(biāo)。選取披露數(shù)字化轉(zhuǎn)型的企業(yè)并對詞頻加總求和得出數(shù)字化轉(zhuǎn)型的總指標(biāo)?；跀?shù)字化轉(zhuǎn)型數(shù)據(jù)的右偏特征，本文以對數(shù)化方式對其定義。

3.調(diào)節(jié)變量：經(jīng)濟政策不確定性（EPU）

本文借鑒李增福等[ 20 ]的做法，使用Baker et al.（2016）構(gòu)建的經(jīng)濟政策不確定性指數(shù)來度量中國經(jīng)濟政策不確定性程度，由于本文使用年度數(shù)據(jù)，因此該年度的經(jīng)濟政策不確定性指標(biāo)=月度指標(biāo)算術(shù)平均值/100。

4.中介變量

內(nèi)部控制（IC）：借鑒董小紅和孫文祥[ 21 ]的做法，使用迪博公司內(nèi)部控制指數(shù)/100來衡量企業(yè)內(nèi)部控制水平。

信息透明度（Ta）：借鑒肖土盛等[ 2 ]的做法，本文采用深圳證券交易所對上市公司信息質(zhì)量的考核結(jié)果衡量企業(yè)信息透明度。若公司考評結(jié)果為合格或不合格，則信息透明度較低，將Ta賦值為0；若考評結(jié)果為優(yōu)秀或良好，則信息透明度較高，將Ta賦值為1。

5.控制變量

本文參考肖土盛等[ 2 ]的研究，對可能影響股價崩盤風(fēng)險的變量進行控制，各變量的具體度量方式見表1。

（三）模型設(shè)計

為驗證H1，本文使用模型（1）檢驗數(shù)字化轉(zhuǎn)型與股價崩盤風(fēng)險的關(guān)系。

其中，Crashi，t+1表示t+1期的股價崩盤風(fēng)險NCSKEWi，t+1和DUVOLi，t+1，controlsi，t為控制變量，∑Year和∑IND分別為控制年份和行業(yè)固定效應(yīng)，？著i，t+1為隨機擾動項。若H1成立，則？茁1<0。

為驗證H2，本文構(gòu)建模型（2）檢驗經(jīng)濟政策不確定性在數(shù)字化轉(zhuǎn)型與股價崩盤風(fēng)險關(guān)系中的調(diào)節(jié)作用，若H2成立，則？茁3<0。

五、實證結(jié)果分析

（一）描述性統(tǒng)計

如表2所示，NCSKEW和DUVOL的均值分別為-0.3141和-0.2056，中位數(shù)分別為-0.2847和-0.2098，與既有研究無顯著差異。數(shù)字化轉(zhuǎn)型（DT）的標(biāo)準差為1.1501，表明不同企業(yè)數(shù)字化轉(zhuǎn)型程度存在較大差異。經(jīng)濟政策不確定性（EPU）的均值為3.9664，說明近年來經(jīng)濟政策不確定性較高，并且標(biāo)準差為2.3980，表明各年間經(jīng)濟政策不確定性差異較大。

（二）基準回歸分析

基于模型（1），本文使用OLS模型對假設(shè)1進行檢驗，表3的列（1）和列（2）報告了數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的回歸結(jié)果?；貧w結(jié)果表明，DT與NCSKEW和DUVOL的回歸系數(shù)分別為-0.0225和-0.0108，并分別在1%和5%的水平顯著，表明從經(jīng)濟意義上來看，企業(yè)數(shù)字化轉(zhuǎn)型能夠促使股價崩盤風(fēng)險平均減少2.25%和1.08%。這說明企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著抑制股價崩盤風(fēng)險，H1得以驗證。

基于模型（2），本文對經(jīng)濟政策不確定性在數(shù)字化轉(zhuǎn)型與股價崩盤風(fēng)險之間的調(diào)節(jié)作用進行檢驗，回歸結(jié)果如表3的列（3）和列（4）所示。當(dāng)被解釋變量分別為NCSKEW和DUVOL時，DT×EPU的系數(shù)分別為-0.0053和-0.0037，均在5%的水平顯著，表明從經(jīng)濟意義上看，相對于經(jīng)濟政策不確定性較低時而言，經(jīng)濟政策不確定性較高時數(shù)字化轉(zhuǎn)型企業(yè)股價崩盤風(fēng)險分別多下降0.53%和0.37%。這說明經(jīng)濟政策不確定性能夠強化數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的抑制作用，H2得以驗證。

（三）內(nèi)生性和穩(wěn)健性檢驗

1.內(nèi)生性檢驗

（1）工具變量法。為了緩解可能產(chǎn)生的內(nèi)生性問題，參考易露霞等[ 22 ]的做法，本文采用企業(yè)所在城市上市公司數(shù)量作為工具變量進行2SLS檢驗，回歸結(jié)果如表4所示。列（1）表明在1%的顯著性水平下，工具變量與數(shù)字化轉(zhuǎn)型存在顯著的正相關(guān)性；列（2）和列（3）回歸結(jié)果表明，數(shù)字化轉(zhuǎn)型能夠顯著降低股價崩盤風(fēng)險。此外，本文對工具變量進行“工具變量識別不足”檢驗和“弱工具變量”檢驗，研究結(jié)果均拒絕原假設(shè)。

（2）Heckman兩階段回歸。本文使用Heckman兩階段模型解決樣本自選擇問題，具體做法如下：參考王超恩和張瑞君[ 10 ]的研究，在Probit模型中被解釋變量為數(shù)字化轉(zhuǎn)型的虛擬變量，當(dāng)數(shù)字化轉(zhuǎn)型程度大于樣本中位數(shù)時取值為1，否則取值為0。對第一階段回歸后得到逆米爾斯比率，將逆米爾斯比率imr作為控制變量引入第二階段模型重新進行回歸，表4列（4）和列（5）給出Heckman兩階段回歸的內(nèi)生性檢驗結(jié)果，DT的系數(shù)均在1%的水平下顯著為負，研究結(jié)論依然成立。

2.穩(wěn)健性檢驗

（1）剔除策略性信息披露的企業(yè)。參考袁淳等[ 7 ]的做法，鑒于創(chuàng)業(yè)板上市公司多數(shù)為高新技術(shù)企業(yè)，且與數(shù)字化商業(yè)模式等有諸多聯(lián)系，為了排除企業(yè)蹭數(shù)字化熱度而在年報中夸大數(shù)字化轉(zhuǎn)型信息披露次數(shù)的行為，本文剔除創(chuàng)業(yè)板上市公司樣本后重新檢驗，檢驗結(jié)果表明H1和H2依然成立。

（2）排除城市級別差異的影響。參考林川[ 9 ]的做法，剔除四大直轄市的樣本重新對H1和H2進行實證檢驗，檢驗結(jié)果與基準回歸結(jié)果無實質(zhì)性差異。

（3）調(diào)整回歸年份。自2013年大數(shù)據(jù)元年開始，數(shù)字技術(shù)蓬勃發(fā)展，數(shù)字化轉(zhuǎn)型在我國逐漸推廣普及，越來越多的企業(yè)將數(shù)字技術(shù)應(yīng)用于企業(yè)價值創(chuàng)造中[ 23 ]，因此本文將年份調(diào)整為2013—2020年對H1和H2重新檢驗，回歸結(jié)果仍然顯著。

（四）影響機制檢驗

上述回歸充分驗證了數(shù)字化轉(zhuǎn)型與企業(yè)股價崩盤風(fēng)險的負相關(guān)關(guān)系，下面本文將依據(jù)理論分析部分的邏輯分別對提高企業(yè)內(nèi)部控制水平和提高企業(yè)信息透明度兩種作用路徑進行檢驗。參考溫忠麟等（2004）的研究，本文在模型（1）的基礎(chǔ)上構(gòu)建中介模型（3）和（4），以便清晰揭示數(shù)字化轉(zhuǎn)型與股價崩盤風(fēng)險之間的作用機制。其中Mediator代表中介變量。

首先，本文對數(shù)字化轉(zhuǎn)型—內(nèi)部控制—股價崩盤風(fēng)險的中介路徑進行檢驗。由表5列（3）可知，數(shù)字化轉(zhuǎn)型能夠顯著提高內(nèi)部控制水平，回歸系數(shù)為0.0480并且在1%的水平顯著。列（4）和列（5）分別顯示當(dāng)被解釋變量為NCSKEW和DUVOL時，內(nèi)部控制在數(shù)字化轉(zhuǎn)型和股價崩盤風(fēng)險之間發(fā)揮的機制傳導(dǎo)作用，IC的系數(shù)均在1%的水平下負向顯著。這表明“企業(yè)數(shù)字化轉(zhuǎn)型→（提高）內(nèi)部控制水平→（降低）股價崩盤風(fēng)險”的傳遞路徑成立，H1a得以驗證。其次，本文對數(shù)字化轉(zhuǎn)型—信息透明度—股價崩盤風(fēng)險的中介路徑進行檢驗。表5列（6）顯示，數(shù)字化轉(zhuǎn)型能夠顯著提高企業(yè)信息透明度，列（7）和列（8）顯示Ta的系數(shù)分別為-0.0824和-0.0473，并分別在1%和5%的水平顯著。這表明“企業(yè)數(shù)字化轉(zhuǎn)型→（提高）信息透明度→（降低）股價崩盤風(fēng)險”的傳遞路徑成立，H1b得以驗證。

六、進一步分析

前文從宏觀層面驗證了經(jīng)濟政策不確定性的異質(zhì)性影響，在進一步分析中，本文繼續(xù)從微觀層面將企業(yè)規(guī)模納入異質(zhì)性分析，并從中觀層面研究地區(qū)數(shù)字普惠金融發(fā)展水平和地理區(qū)位差異帶來的影響。

（一）基于企業(yè)規(guī)模的異質(zhì)性檢驗

數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的作用可能會受企業(yè)規(guī)模的影響，本文按照企業(yè)規(guī)模對樣本進行分組回歸，將樣本以資產(chǎn)總額中位數(shù)為標(biāo)準分為大型企業(yè)組和中小企業(yè)組，結(jié)果如表6所示。大型企業(yè)DT的系數(shù)均在1%的水平顯著，而中小企業(yè)DT的回歸系數(shù)并不顯著。這表明企業(yè)規(guī)模擴張有助于加強數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的抑制作用。究其原因可能是企業(yè)數(shù)字化轉(zhuǎn)型過程中需要大范圍地研發(fā)和應(yīng)用數(shù)字技術(shù)，搭建現(xiàn)代化信息系統(tǒng)，這些舉措需要耗費大量的人力、物力和財力，因此，相對中小企業(yè)來說，大型企業(yè)不僅擁有支持數(shù)字化轉(zhuǎn)型的資金優(yōu)勢，而且擁有更高質(zhì)量的人力資本和科研實力，有更充分的資源基礎(chǔ)為數(shù)字化轉(zhuǎn)型保駕護航[ 5 ]，這無疑有助于發(fā)揮企業(yè)數(shù)字化轉(zhuǎn)型降低股價崩盤風(fēng)險的作用。

（二）基于數(shù)字普惠金融發(fā)展水平的異質(zhì)性檢驗

數(shù)字普惠金融作為數(shù)字經(jīng)濟時代的產(chǎn)物，具有較強的技術(shù)外溢特性，因此本文按照省份數(shù)字普惠金融發(fā)展水平的中位數(shù)將樣本分為數(shù)字普惠金融水平高和水平低兩組，并進行異質(zhì)性檢驗，回歸結(jié)果如表7所示。對于數(shù)字普惠金融發(fā)展水平較高地區(qū)的企業(yè)來說，數(shù)字化轉(zhuǎn)型能夠顯著降低企業(yè)股價崩盤風(fēng)險，而DT的回歸系數(shù)在數(shù)字普惠金融發(fā)展水平低地區(qū)的企業(yè)中并不顯著，這表明地區(qū)數(shù)字普惠金融的發(fā)展強化了企業(yè)數(shù)字化轉(zhuǎn)型抑制股價崩盤風(fēng)險的作用。原因可能是企業(yè)數(shù)字化轉(zhuǎn)型的推進需要一定的資金儲備，而地區(qū)數(shù)字普惠金融的發(fā)展能夠緩解企業(yè)實施數(shù)字化轉(zhuǎn)型的資金壓力。數(shù)字普惠金融的發(fā)展一方面能夠擴大金融服務(wù)的廣度和深度，拓寬企業(yè)融資渠道；另一方面能夠緩解傳統(tǒng)信貸過程中的信息不對稱問題，有效減少借貸雙方的信息搜集成本、處理成本和交易成本，降低企業(yè)融資成本，從而能夠在一定程度上緩解企業(yè)融資約束[ 24 ]，盡可能滿足企業(yè)數(shù)字化轉(zhuǎn)型的資金需求，推動企業(yè)數(shù)字化轉(zhuǎn)型，進而更好地發(fā)揮數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的抑制作用。

（三）基于地理區(qū)位的異質(zhì)性檢驗

考慮到所處不同地域的企業(yè)進行數(shù)字化轉(zhuǎn)型的環(huán)境有所差異，開展數(shù)字化轉(zhuǎn)型的程度可能會受到企業(yè)所在地域經(jīng)濟環(huán)境的影響，因此，本文按東部地區(qū)和中西部地區(qū)企業(yè)分別回歸，回歸結(jié)果如表8所示。可以看出東部地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的影響十分顯著，而這一影響在中西部地區(qū)企業(yè)并不顯著。這表明相對于中西部來說，東部的地域性質(zhì)有助于企業(yè)發(fā)揮數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的抑制作用。究其原因可能是因為東部地區(qū)的人力資本、創(chuàng)新能力、營商環(huán)境的優(yōu)越性更有利于企業(yè)進行數(shù)字化轉(zhuǎn)型，從而更好地發(fā)揮數(shù)字化轉(zhuǎn)型降低股價崩盤風(fēng)險的作用。此外，相對于中西部地區(qū)企業(yè)，東部地區(qū)企業(yè)所面臨的競爭壓力更大，為了獲得競爭優(yōu)勢，企業(yè)具有更強的主觀意愿推進數(shù)字化轉(zhuǎn)型，從而更好地發(fā)揮數(shù)字化轉(zhuǎn)型抑制股價崩盤風(fēng)險的作用。

七、結(jié)論與建議

本文以2010—2020年中國A股上市公司為樣本，實證研究了企業(yè)數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的影響以及經(jīng)濟政策不確定性的調(diào)節(jié)作用。主要研究結(jié)論如下：第一，企業(yè)數(shù)字化轉(zhuǎn)型能夠顯著降低股價崩盤風(fēng)險。并且，較高的經(jīng)濟政策不確定性能夠強化數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的抑制作用，即經(jīng)濟政策不確定性越高，數(shù)字化轉(zhuǎn)型抑制股價崩盤風(fēng)險的程度越大。第二，作用機制研究表明，企業(yè)數(shù)字化轉(zhuǎn)型是通過提升內(nèi)部控制水平和信息透明度達到顯著抑制股價崩盤風(fēng)險的效果。第三，異質(zhì)性檢驗發(fā)現(xiàn)，數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的抑制作用在規(guī)模較大、數(shù)字普惠金融發(fā)展水平較高地區(qū)以及東部地區(qū)的企業(yè)中表現(xiàn)更為顯著。

基于以上結(jié)論，本文提出以下建議：

對于企業(yè)而言：首先，企業(yè)應(yīng)緊跟數(shù)字技術(shù)迅猛發(fā)展的浪潮，加快推進企業(yè)數(shù)字化轉(zhuǎn)型進程，加強對數(shù)字化技術(shù)的開發(fā)、分析和應(yīng)用，將數(shù)字化技術(shù)滲透到生產(chǎn)經(jīng)營的各個領(lǐng)域。其次，應(yīng)當(dāng)充分重視數(shù)字化轉(zhuǎn)型對股價崩盤風(fēng)險的抑制作用，尤其在經(jīng)濟政策不確定性的外部條件下，企業(yè)應(yīng)當(dāng)優(yōu)先考慮數(shù)字化轉(zhuǎn)型這一突破性舉措，制定與企業(yè)戰(zhàn)略深度結(jié)合的數(shù)字化轉(zhuǎn)型政策，充分發(fā)揮數(shù)字化轉(zhuǎn)型抑制股價崩盤風(fēng)險的積極作用。最后，打通企業(yè)數(shù)字化轉(zhuǎn)型的傳導(dǎo)機制。一方面，企業(yè)應(yīng)當(dāng)注重利用數(shù)字技術(shù)完善內(nèi)部控制規(guī)范體系，減少內(nèi)部控制缺陷，從而提高內(nèi)部控制質(zhì)量；另一方面，企業(yè)應(yīng)當(dāng)借助數(shù)字化技術(shù)提高信息披露質(zhì)量，并積極主動披露信息以提高信息披露數(shù)量，從而提高信息透明度，減少股價崩盤發(fā)生的概率和實現(xiàn)加速。

對于政府而言：首先，政府應(yīng)當(dāng)做好對企業(yè)數(shù)字化轉(zhuǎn)型的引導(dǎo)工作，出臺相關(guān)政策鼓勵數(shù)字技術(shù)與實體經(jīng)濟的融合，通過提供資金和技術(shù)支持、稅收補貼等方式助推企業(yè)數(shù)字化轉(zhuǎn)型。其次，做好對企業(yè)數(shù)字化轉(zhuǎn)型的規(guī)范工作，深入落實對數(shù)字化技術(shù)的產(chǎn)權(quán)保護，建立完善的知識產(chǎn)權(quán)保護體系，保障企業(yè)數(shù)字化轉(zhuǎn)型過程中產(chǎn)出的科研成果，提高企業(yè)實施數(shù)字化轉(zhuǎn)型的積極性，這對推進數(shù)字化轉(zhuǎn)型和完善中國資本市場建設(shè)具有重要而深遠的意義。

【主要參考文獻】

［1］ 唐勇，呂太升，王蓉.經(jīng)濟政策不確定性、投資者情緒與股價崩盤風(fēng)險［J］.哈爾濱商業(yè)大學(xué)學(xué)報（社會科學(xué)版），2022（3）：3-18.

［2］ 肖土盛，宋順林，李路.信息披露質(zhì)量與股價崩盤風(fēng)險：分析師預(yù)測的中介作用［J］.財經(jīng)研究，2017，43（2）：110-121.

［3］ 吳非，胡慧芷，林慧妍，等.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場表現(xiàn)：來自股票流動性的經(jīng)驗證據(jù)［J］.管理世界，2021，37（7）：130-144.

［4］ 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.

［5］ 李琦，劉力鋼，邵劍兵.數(shù)字化轉(zhuǎn)型、供應(yīng)鏈集成與企業(yè)績效：企業(yè)家精神的調(diào)節(jié)效應(yīng)［J］.經(jīng)濟管理，2021，43（10）：5-23.

［6］ ELLER R，ALFORD P，KALLMUNZER A，et al.Antecedents，consequences，and challenges of small and medium-sized enterprise digitalization［J］.Journal of Business Research，2020，112（7）：119-127.

［7］ 袁淳，肖土盛，耿春曉，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.

［8］ 趙宸宇.數(shù)字化發(fā)展與服務(wù)化轉(zhuǎn)型：來自制造業(yè)上市公司的經(jīng)驗證據(jù)［J］.南開管理評論，2021，24（2）：149-163.

［9］ 林川.數(shù)字化轉(zhuǎn)型與股價崩盤風(fēng)險［J］.證券市場導(dǎo)報，2022（6）：47-57.

［10］ 王超恩，張瑞君.內(nèi)部控制、大股東掏空與股價崩盤風(fēng)險［J］.山西財經(jīng)大學(xué)學(xué)報，2015，37（10）：79-90.

［11］ KIM J B，LI Y H，ZHANG L D.CFOs versus CEOs：equity incentives and crashes［J］.Journal of Financial Economics，2011，101（3）：713-730.

［12］ 黃宏斌，尚文華.審計師性別、審計質(zhì)量與股價崩盤風(fēng)險［J］.中央財經(jīng)大學(xué)學(xué)報，2019（1）：80-97.

［13］ KIM J B，ZHANG L.Accounting conservatism and stock price crash risk：firm-level evidence［J］.Contemporary Accounting Research，2016（33）：412-441.

［14］ 韓艷錦，馮曉晴，宋建波.基于信息生成環(huán)節(jié)的分析師關(guān)注與股價崩盤風(fēng)險［J］.管理學(xué)報，2021，18（2）：279-286.

［15］ 康進軍，王敏，范英杰.媒體報道、會計穩(wěn)健性與股價崩盤風(fēng)險［J］.南京審計大學(xué)學(xué)報，2021，18（3）：32-41.

［16］ 易露霞，吳非，徐斯旸.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.

［17］ 王守海，徐曉彤，劉燁煒.企業(yè)數(shù)字化轉(zhuǎn)型會降低債務(wù)違約風(fēng)險嗎？［J］.證券市場導(dǎo)報，2022（4）：45-56.

［18］ 苑澤明，于翔，李萌，等.數(shù)字化轉(zhuǎn)型如何影響企業(yè)的融資約束［J］.會計之友，2022（19）：99-108.

［19］ 武常岐，張昆賢，周欣雨，等.數(shù)字化轉(zhuǎn)型、競爭戰(zhàn)略選擇與企業(yè)高質(zhì)量發(fā)展：基于機器學(xué)習(xí)與文本分析的證據(jù)［J］.經(jīng)濟管理，2022，44（4）：5-22.

［20］ 李增福，陳俊杰，連玉君，等.經(jīng)濟政策不確定性與企業(yè)短債長用［J］.管理世界，2022，38（1）：77-89.

［21］ 董小紅，孫文祥.企業(yè)金融化、內(nèi)部控制與審計質(zhì)量［J］.審計與經(jīng)濟研究，2021，36（1）：26-36.

［22］ 易露霞，吳非，常曦.企業(yè)數(shù)字化轉(zhuǎn)型進程與主業(yè)績效：來自中國上市企業(yè)年報文本識別的經(jīng)驗證據(jù)［J］.現(xiàn)代財經(jīng)（天津財經(jīng)大學(xué)學(xué)報），2021，41（10）：24-38.

［23］ 張遠，李煥杰.數(shù)字化轉(zhuǎn)型與制造企業(yè)服務(wù)化：基于嵌入式服務(wù)化和混入式服務(wù)化的雙重視角［J］.中國流通經(jīng)濟，2022，36（2）：90-106.

［24］ 郎香香，張朦朦，王佳寧.數(shù)字普惠金融、融資約束與中小企業(yè)創(chuàng)新：基于新三板企業(yè)數(shù)據(jù)的研究［J］.南方金融，2021（11）：13-25.