企业数字化转型与资本市场表...—来自股票流动性的经验证据_吴非.pdf

　　企业数字化转型与资本市场表...—来自股票流动性的经验证据_吴非.pdf

　　DOI:10.19744/ki.11-1235/f.2021.0097 企业数字化转型与资本市场表现 工商管理 企业数字化转型与 资本市场表现* ——来自股票流动性的经验证据 吴 非 胡慧芷 林慧妍 任晓怡 摘要：数字化转型赋予了企业新的发展动能，这能否进一步改善企业在资本市场中的表现？本文基于中 国上市企业2007~2018年数据，借助爬虫技术归集企业年报中的“数字化转型”关键词，创新性地刻画出企业 数字化转型强度，实证检验企业数字化转型对股票流动性的影响及其渠道机制。研究发现，企业数字化转型 显著提升了股票流动性，并呈现出一定结构异质性特征，上述结论在经过一系列稳健性检验后依旧成立。渠 道机制表明，企业数字化转型程度的提高，一是能改善信息不对称并强化市场的正面预期，二是促进企业研发 投入与创新产出绩效提升，三是提升企业价值和财务稳定性，这些都有助于提升企业股票流动性水平。本文 还发现，企业数字化转型效力的发挥需要外部基础条件的支撑。在金融科技、数字金融发展较好情况下，企业 数字化转型对股票流动性的提升作用更为明显。本文可为理解资本市场中微观主体流动性提供线索，并为更 好地驱动企业数字化转型提供相关启示。 关键词：企业数字化转型 股票流动性 资本市场 文本识别 数字金融 金融科技 一、引言 随着人工智能（ArtificialIntelligence）、区块链（Blockchain）、云计算（CloudComputing）、大数据（BigData） 等“ABCD”技术的不断涌现，数字化（数字科技）正逐步成为全球企业创新变革的重要突破点。当前，企业发展 环境产生巨大变化，数据处理能力从KB级跨越至PB级，人类经济社会正在迈入一个以“数字（数据）”为核心 特征的全新时代。党的十九大报告指出，要“推动互联网、大数据、人工智能和实体经济深度融合”、“加快建设 制造强国”、“支持传统产业优化升级”。党的十九届四中全会进一步将数据确认为劳动、资本、土地、知识、技 术和管理之后的第七种生产要素，反映了当前支撑经济社会发展的经济要素开始发生划时代变化。2020年， 突如其来的新冠肺炎疫情对中国乃至全球经济社会形成重大冲击，在抗击疫情的特殊阶段中，数字经济发展 在疫情防控、实体经济复工复产中发挥着不可替代的重要作用。中国各层级政府部门正积极转“疫”为机，大 力推动经济社会数字化变革创新进程（吴非等，2020）。在这种实践导向变化和政策驱动下，数字化转型成为 微观经济主体高质量发展的必由之路，也是政学业三界共同关注的热点问题。 据《中国数字经济发展白皮书（2021）》报告显示，2020年中国数字经济规模已达39.2万亿元，占据GDP比 重达38.6%，成为国民经济高质量发展的重要支撑。企业作为宏观经济的微观构成，承载着宏观数字经济发展 与转型的重要功能，数字化转型正逐步映射在企业具体的生产行为变革中。企业数字化转型既是数字科技与 生产发展深度融合的微观转变，又是企业从传统生产体系向数字化体系转型的创新标志。特别是在全球经济 贸易不确定性陡增、经济下行压力加大和经济结构转型加快的环境中，中国的企业反而更加积极求变创新，将 “数字技术+”作为企业在逆境中的首要战略行为（杨德明、刘泳文，2018），赋能自身高质量发展。客观来看，企 *本文得到国家自然科学基金面上项目“利率市场化结构效应的分层传导与区域金融异质性风险防范研究”、广东省 哲学社会科学规划青年项目“高质量发展背景下粤港澳大湾区金融科技创新的空间效应及其监管研究——基于广东省案例” （GD19YYJ06）、广州市哲学社会科学规划羊城青年学人项目“企业金融化影响技术创新的异质特征、影响机制与治理——基于粤港澳 大湾区案例”（2020GZQN44）的资助。胡慧芷为本文通讯作者。 -130- 《管理世界》 2021年第7期 业转型行为必然会在一定程度上映射至资本市场活动中。在其中，股票流动性作为资本市场的生命线（Ami⁃ hudandMendelson，1988；杨之曙、吴宁玫，2000；冯根福等，2017），一直是金融领域的核心内容，其在很大程度 上反映出了资本市场的价格发现、资源配置效率功能的好坏，往往与市场认可密切关联（吴璇，2017）。由此可 见，企业的诸多生产、经营决策会在一定程度上由资本市场流动性所反映出来，数字化转型也不例外。 然而较为遗憾的是，目前并未有文献确切地将“企业数字化转型—股票流动性”联系起来，二者之间的影 响方向和可能机制仅能从其他相关文献中进行推论。一方面，Boland等（2007）的研究具有一定早期代表性， 该研究就数字技术对创新的影响进行了分析，发现企业分布式技术演进能够以更大强度的“技术穿透力”契合 复杂业务生态场景（陈春花，2019），这种具有独特节奏和运行轨迹的创新转型行为带来了经济绩效改善。何 帆、刘红霞（2019）发现，企业数字化变革提升了实体经济运行质效，并总结出“降成本”“提效率”“强创新”的渠 道机制（刘杰，2019），这种行为能够打破行业壁垒，助推企业跨界竞争（张骁等，2019）。从这个角度来看，数字 化转型赋予企业更大的经济活力，能够在资本市场中形成一定积极反馈（如提升股票流动性水平）。另一方 面，戚聿东、蔡呈伟（2020）认为，上市企业的管理组织制度和能力与数字化转型的技术架构先进性存在一定匹 配滞后，数字化转型带来的收益被其衍生管理成本所抵减，所形成的绩效驱动效果相对有限，特别是这种变革 具有典型的长期性与不确定性，使得企业数字化转型的隐性成本高昂（徐梦周、吕铁，2020）。Ekata（2012）在 考察了尼日利亚银行的数字化转型绩效后发现了同样证据，并提出了所谓的“IT悖论”。Hajli等（2015）也发 现，数字化转型驱动企业高质量发展仅对部分企业成立，有相当部分企业并未从中获益。基于上述文献发现 可以推断，数字化转型可能无助于企业在资本市场中的活跃表现度提升。特别地，数字化转型作为新时代下 的发展新导向，资本市场在对其进行识别时可能会出现时滞，即数字化转型为企业带来的改变，无法有效体现 在股票流动性中（或说需要较长的时间方得以展现）。不难发现，现有文献对于上述关系的探讨尚未达成一 致，需要后续更加深入的研究。有鉴于此，本文拟对“企业数字化转型—股票流动性”的影响、渠道机制和基础 条件进行识别检验，为理解中国上市企业数字化转型绩效和资本市场流动性提供新的证据。 本文可能的边际贡献在于，在研究立意上，将中国新时代企业数字化转型与资本市场活跃度联系起来，剖 析“企业数字化转型—股票流动性”之间的关系，从微观结构主体视角拓展对资本市场流动性的认识，丰富市 场同企业数字化转型互动模式的理解；在研究数据上，基于Python爬虫文本识别功能，以沪深两市上市企业年 报为基础，采用关键词“搜索—配对—加总”的方法来刻画企业数字化转型水平，为评估企业数字化转型及其 经济效应提供有益借鉴；在研究范式上，提供了一个“基准分析—异质性检验—机制分析”的研究框架，特别是 基于“分析师与媒体关注”“创新投入与产出”“企业价值与财务稳定”的渠道进行分析，打开了数字化转型与股 票流动性之间的机制“黑箱”；在研究内容上，突出金融科技（数字金融）发展大背景下企业数字化转型传递至 资本市场中所需的基础条件，检验企业数字化转型驱动股票流动性提升的重要外部支撑，并通过有效的实证 手段对其进行验证。 二、理论机制与假说提出 在现有文献中，针对股票流动性的影响因素已经做出了较为充分的探讨。宏观层面，学者们基于市场不 确定性（陈春春，2018）、货币政策（SensoyandTabak，2016）、高铁开通（韩琳等，2019）等视角分析了股票流动 性的影响因素。微观层面，已有研究分析了投资者行为（刘晓星等，2016）、机构投资者持股（Dangetal.， 2018）、市场分层制度改革（赵崇博等，2020）、做市商制度（陈辉、顾乃康，2017；LiuandXu，2017）、网络舆情 （吴璇等，2017）等对股票流动性的影响。上述研究从“宏观—微观”视角为理解股票流动性的动因和机制提供 了丰富经验借鉴和观点启发。 陈辉、顾乃康（2017）认为，股票流动性是价格发现、信息流动、资源配置等资本市场功能的基础，也会在很 大程度上映射出企业的经营质效和活力① 。而企业数字化转型（DigitalTransformation）是新时代数字经济高质 量发展下微观企业主体依循发展规律所必经的一个重要阶段，实际上是企业全方位要素同数字科技技术的深 -131- 企业数字化转型与资本市场表现 工商管理 度融合，这种创新转型理应在资本市场的股票流动性中体现出来。Acemoglu（2003）认为，数字科技技术与传 统生产模式互嵌，借助技术创新对生产资源进行重组优化，突破了传统要素的边界约束，展现出了全新的（数 据）价值功能。回归中国现实语境，数字化转型被赋予了更多的政策驱动力② ，“实体经济+数字科技”将成为企 业在数字经济时代下的核心战略路径（李晓华，2016）。可以推断，企业的数字化转型将在极大程度上提升自 身信息处理和流通效率、积累更大创新潜能，由此带来企业价值水平的提升。从这个角度来看，企业数字化转 型所带来的变化，恰恰符合资本市场中交易所需的信息效率（Balakrishnanetal.，2014）、成长机会（Segaletal.， 2015）、预期价值（吴璇等，2017）等要求，能够对股票流动性产生显著影响。基于此，本文从上述3个主要路径 出发，探讨企业数字化转型对股票流动性的影响及其作用机制。 企业数字化转型可以有效降低信息不对称程度，增强市场积极预期，从而提升股票流动性水平。从内部 生产经营视角来看，企业在“产品设计→质量监测→市场推广→订单销售→终端配送”等全流程中都积累了大 量的数据信息，但这种数据信息只有被转化为有效信息输出并用于企业生产决策时，才能产生积极效应。在 企业进行数字化转型之前，对信息数据的处理只能留滞在原有的低效模式中，信息中所隐含的规律无法被企 业有效挖掘，只能沉淀在企业系统内部。当企业有效推动自身数字化转型时，便意味着企业可以更好地借助 数字科技来处理内外部的海量、非标准化、非结构化数据，并将其编码输出成结构化、标准化信息，提升了信息 可利用度。一方面，企业可以充分利用这类信息服务于自身生产决策、市场导向追踪，实现优化生产流程 （Liuetal.，2011）并强化“供给—需求”两侧的衔接，提升企业生产经营质效，从而提升市场的交易活跃度；另 一方面，企业数字化转型在更好地处理和输出有效信息的情况下，能够向市场主体“推送”信息，企业外部的市 场投资者无疑能够掌握比以往更充分的信息，由此降低了双方的信息不对称程度，从而为股票的交易流通提 供了良好基础。更为重要的是，企业数字化转型正在成为新时代新阶段下的社会建设发展热点，企业往往会 借助年报信息披露乃至实际生产技术转型投资等方式向外界释放积极信号，市场投资者对于进行数字化转型 的企业往往会具有较高预期水平，这具有引导投资者有限注意力的重要功能，这种正向的“曝光效应”可以增 加股票交易的概率（Liu，2015）。 企业数字化转型可以在“投入—产出”层面强化创新动能，从而提升股票流动性水平。企业数字化转型作 为新时代的前沿转型模式，能够充分赋能企业创新活动，特别是以5G、人工智能、物联网为代表的重要技术方 向而言更是如此。当企业在年报中披露了有关数字化转型的关键信息时，在后续的时间序列中，企业为了达 到上述战略目的，往往会加大研发投入。特别地，顺延上述逻辑，企业数字化转型在数字经济高质量发展时代 下更容易受到市场青睐，为主动契合市场导向，企业往往也具有更强的动机在研发领域增加投入，为数字化转 型奠定良好基础。进一步地，当企业数字化转型进程逐步深入时，能够极大地提升企业运作效率，使得企业在 原有（研发创新）资源边界下达到更大的产出绩效（LoebbeckeandPicot，2015），企业可以通过更小的成本来实 现对创新活动的信息分析、方向把握与过程优化，其结果是，企业资源利用度提升能够带来更多创新产出效 果，这种变化是吸引外部投资者的重要信号（HoenigandHenkel，2015）。这种在创新层面上的“投入—产出” 优化，在很大程度上决定着企业的生产发展前景，是影响企业股票在资本市场交易概率的一个重要因素。特 别是在新时代经济高质量发展的背景下，上述变化都会使得企业在后续的市场竞争中占据更大优势地位，其 基本面将会有着更好表现，市场投资者会对这类高潜力企业更加青睐，从而增加了交易股票的概率，股票流动 性由此得以提升。 企业数字化转型可以有效提升企业价值并改善财务境况，从而提升股票流动性水平。一方面，企业数字 化转型符合当前数字经济发展潮流，与当前“数字中国”和“智慧社会”的建设蓝图保持着较高一致性，这类符 合国家政策方针和经济实践导向的企业更容易在资本市场中受到追捧，市场对企业的估值也会水涨船高，这 会吸引大量投资者跟进，从而带来股票流动性提升；另一方面，进行数字化转型的企业往往更可能改善自身信 息传递效率和创新潜能，能有效优化自身组织结构（陈冬梅等，2020），企业生产、创新能力的增强映射在资本 市场中，则表现为企业内在价值的不断攀升，这同样会助推企业股票交易量的增加。特别地，企业数字化转型 -132- 《管理世界》 2021年第7期 能够借助自身数字科技技术极大地提升信息处理能力，增强财务运作效率，使得企业能够在有限财务资源约 束下达到最大资金使用效率边界。换言之，企业数字化转型进程的推进，能够有效改善企业财务状况。市场 投资者能够借助多方渠道更好地识别出具有优质财务状况的企业，进而增加交易规模，由此提升了股票交易 水平。基于以上分析，本文提出核心研究假设。 假设：在其他条件不变的情况下，企业的数字化转型将显著提升股票流动性水平。 三、研究设计 （一）数据来源 本文选取2007~2018年沪深A股上市公司的数据为初始研究样本，并对该数据进行了如下处理：第九游娱乐 九游娱乐官方一，剔 除金融类企业；第二，剔除ST和期间退市的样本；第三，剔除在考察年限中进行IPO的企业；第四，本文仅保留 了那些至少连续5年不存在数据缺失的样本；第五，为减少异常值影响，本文对所有微观层面的连续变量进行 1%和99%的缩尾处理。原始数据均来自国泰安数据库（CSMAR），相关企业年报数据则来自深圳证券交易所、 上海证券交易所官方网站。 （二）变量设定 1.被解释变量 股票流动性（Liquidity）。已有学者对比多种企业层面流动性指标，发现非流动性指标在中国资本市场中 是较合意的衡量企业股票流动性的指标（张峥等，2014），并且其可以表征股票交易成本和价格冲击的叠加影 响。本文借鉴Amihud和Mendelson（1986）的研究方法，按照式（1）核算股票非流动性指标（ILLIQ）。 D i,t r ILLIQ = 1 i,t,d （1） i,t D ∑ V i,t d=1 i,t,d 在上式中，│r │表示企业i在t年第d个交易日考虑现金红利再投资的回报率，V 表示企业i在t年第 i，t，d i，t，d d个交易日的成交金额，单位为百万元人民币，D 为企业i在t年的交易日天数。因此，直观地看，│r │/V i，t i，t，d i，t，d 即为股票i在t年第d个交易日每单位成交金额所引起的收益率变化，对其加总取均值后，即为非流动性指 标。ILLIQ数值越大，说明单位交易金额对股票价格的冲击越大，投资者的交易成本越高，股票流动性就越低， 反之亦然。为使实证结果简单易读，本文的股票流动性指标Liquidity采用非流动性指标的相反数来测度，计 算方式如下： Liquidity=-ILLIQ （2） 因此，Liquidity数值越大，则意味着企业的股票流动性越高。 2.核心解释变量 企业数字化转型（DCG）。企业数字化转型的定量测度无论是在学术界抑或是实务部门都是一个前沿问 题。从理论界定上来看，尽管数据已经被广泛接受成为新时代新阶段下重要的经济“新能源”，但企业数字化 转型并非简单的企业资料数据数字化，而是借助前沿数字科技技术与硬件系统来推动企业生产资料与生产过 程的数字化，从而达到提质增效的重要目标导向。在企业数字化转型进程中，首先，企业会着重依靠“数字科 技技术驱动”来改造、提升原有技术体系和生产系统的数字化程度，这种变革依赖于关键核心技术的布局和发 展。在其中，人工智能（ArtificialIntelligence）、区块链（Blockchain）、云计算（CloudComputing）、大数据（BigDa⁃ ta）等“ABCD”技术构成了企业数字化转型的核心底层技术架构（戚聿东、肖旭，2020），这一层次的数字化转型 更侧重于数字科技技术的嵌入，主要集中在企业内部生产经营、管理模式、支撑技术的数字化转换（Digitiza⁃ tion）和数字化升级（Digitalization）上；进一步地，企业数字化转型归根结底都是为了在市场中形成有效的创新 产出和应用，因此在更深入的阶段中，这种创新转型将逐步触及企业核心市场业务，从而将经济社会中所有生 活、工作中的特定行为场景进行贯通融合，进而形成全新业务增长极，这一层次的数字化转型更关注于数字科 技技术与复杂业务生态场景的融合创新，由第一层次的技术创新与嵌入升级至业务的深层变革，从企业后端 -133- 企业数字化转型与资本市场表现 工商管理 的业务链条、技术赋能提升逐步外移至前端的市场场景应用中。综合上述讨论，本文在企业数字化转型的结 构化分层中，界分了“底层技术运用”与“技术实践应用”两个层面：在“底层技术运用”上，则界分为4个主流的 技术方向；在“技术实践应用”，则关注具体的数字化业务场景应用。 目前针对企业数字化转型的研究大多以理论定性分析居多，诸如陈春花等（2019）、陈剑等（2020）、肖静华 （2020）等。相比之下，基于企业数字化转型的定量研究较为罕见。要实证检验企业数字化转型的经济绩效， 首先需要对“数字化转型”这个行为变量进行高度凝练。部分学者在定量分析上进行了有益尝试。如何帆、刘 红霞（2019）采用“当年是否进行数字化转型”的“0-1”虚拟变量来测度企业数字化转型。然而，这种技术处理 手法尚无法有效展现出企业数字化转型的“强度”，极有可能造成企业数字化转型程度的错估。本文认为，企 业数字化转型作为新时代下企业高质量发展的重大战略，这类特征信息更容易体现在企业具有总结和指导性 质的年报中。年报中的词汇用法能够折射出企业的战略特征和未来展望，在很大程度上体现企业所推崇的经 营理念及在这种理念指引下的发展路径。因此，从上市企业年报中涉及“企业数字化转型”的词频统计角度来 刻画其转型程度，有其可行性和科学性。在类似的研究中，韩永辉等（2017）通过关键词的配对、筛选，统计出 各省市相应的产业政策文件累计数作为产业政策强度的刻画指标。这为本文的研究提供了启发性类推逻辑： 可通过上市企业公布的年度报告中的相应关键词词频测度，作为企业数字化转型程度的代理指标。 从变量设计的技术实现上来看，本文通过Python爬虫功能归集整理了上海交易所、深圳交易所全部A股上 市企业的年度报告，并通过JavaPDFbox库提取所有文本内容，并以此作为数据池供后续的特征词筛选。在企 业数字化转型特征词的确定上，本文基于学术领域和实业领域进行了分项讨论。在学术文献的借鉴上，本文参 考了一系列以数字化转型为主题的经典文献（陈春花等，2019；陈剑等，2020；李春涛等，2020；凌润泽等，2021）， 归纳整理出有关数字化转型的特定关键词；在重要政策文件和研究报告借鉴上，本文以《中小企业数字化赋能 专项行动方案》《关于推进“上云用数赋智”行动培育新经济发展实施方案》《2020年数字化转型趋势报告》以及 近年《政府工作报告》为蓝本，进一步扩充数字化转型的特征词库，并依照前述分析展开结构化分类（即“底层技 术运用”与“技术实践应用”两个层面），形成了图1的特征词图谱。在此基础上，剔除关键词前存在“没”“无” “不”等否定词语的表述，同时也剔除非本公司（包括公司的股东、客户、供应商、公司高管简介介绍在内）的“数 字化转型”关键词。最后，基于Py⁃ 人工智能技术 大数据技术 thon对上市企业年报文本提取形成 人工智能、商业智能、图像理解、 投资决策辅助系统、智能数据分 大数据、数据挖掘、文本挖掘、数 的数据池，根据图1的特征词进行 析、智能机器人、机器学习、深 据可视化、异构数据、征信、增强 学习、语义搜索、生物识别技术、 现实、混合现实、虚拟现实 搜索、匹配和词频计数，进而分类 人脸识别、语音识别、身份验证、 自动驾驶、自然语言处理 归集关键技术方向的词频并形成 最终加总词频，从而构建企业数字 企业数字化转型 化转型的指标体系。由于这类数 据具有典型的“右偏性”特征，本文 将其进行对数化处理，从而得到刻 云计算技术 区块链技术 画企业数字化转型的整体指标。 云九游娱乐 九游娱乐官方计算、流计算、图计算、内存计 算、多方安全计算、类脑计算、绿 区块链、数字货币、分布式计算、 在稳健性检验中，本文根据技术的 色计算、认知计算、融合架构、亿 差分隐私技术、智能金融合约 级并发、EB级存储、物联网、信息 构成差异和运用状况，进行口径细 物理系统 分并重新进行回归检验。 3.控制变量 为提高研究精度，本文加入了 数字技术运用 移动互联网、工业互联网、移动互联、互联网医疗、电子商务、移动支付、第三方支付、NFC支付、智 一系列控制变量。包括企业年龄 能能源、B2B、B2C、C2B、C2C、O2O、网联、智能穿戴、智慧农业、智能交通、智能医疗、智能客服、 智能家居、智能投顾、智能文旅、智能环保、智能电网、智能营销、数字营销、无人零售、互联网金 （Age）、企业营收规模（Sale，对数化 融、数字金融、Fintech、金融科技、量化金融、开放银行 处理）、股权集中度（S-D，第一大 图1 企业数字化转型的结构化特征词图谱 -134- 《管理世界》 2021年第7期 股东集中度）、现金流强度（现金及其现金等价物与总资产之比）、净资产收益率（ROE）、股票收益波动性 （Stdret，企业月收益率的年度标准差）、账面市值比（BM，所有者权益总额与市值之比）、两职合一（Dual，董事 长和总经理两职合一为1，否则为0）、审计意见（Audit，会计事务所出具标准无保留意见取0，否则为1），详细 的变量数据结构可参见表1。 （三）模型设定与实证策略 为研究企业数字化转型对股票流动性的影响，本文设定了式（3）加以检验。 Liquidity =φ+φDCG + φCVs+ Year+ Ind+ε （3） i,t 1 i,t-1 ∑ ∑ ∑ 其中，回归中的被解释变量为股票流动性（Liquidity），核心解释变量为企业数字化转型（DCG），CVs为前述 控制变量；ε为模型随机误差项。为提升回归结果可靠性，本文还进行如下基本处理：第一，考虑到企业数字 化转型影响至股票流动性需要一定时滞，因此，本文对核心解释变量进行滞后1期处理，这样既考虑到实践中 变量之间的传递耗时，又能在技术上尽可能减轻反向因果的内生性干扰问题。第二，在所有回归方程中，均默 认采用了Cluster聚类稳健标准误调整的t统计量。第三，本文同时控制了时间（Year）和行业（Ind）的虚拟变 量，以尽可能地吸收固定效应。 表1 描述性统计 四、实证结果及经济解释 Variable Obs Mean Std. Dev. Min Max Liquidity 19535 -0.059 0.065 -0.371 -0.003 DCG 19640 1.148 1.388 0 4.949 （一）基准回归 Sale 19630 21.509 1.478 12.801 28.693 S-D 19629 35.003 14.881 8.940 74.300 表2报告了“企业数字化转型—股票流动性”关系的核心检验结 Age 19640 2.741 0.372 1.609 3.434 果。在基准回归中，本文采用了递进式的回归策略。模型M（1）仅 Cash 19613 0.181 0.146 0.0126 0.714 ROE 19611 0.072 0.090 -0.369 0.311 控制了时间和行业固定效应，企业数字化转型指标（L.DCG）的回归 Stdret 19511 0.030 0.010 0.013 0.057 BM 19138 0.981 0.936 0.110 5.248 系数为0.005且通过了1%的统计显著性检验；模型M（2）中，在原有 Dual 19352 0.225 0.417 0 1 基础上纳入了控制变量集，相关的回归系数有所缩小（0.001），这可 Audit 19640 0.019 0.135 0 1 能是因为在纳入了控制变量后，部分影响股票流动性的因素被吸收 表2 企业数字化转型与股票流动性 所致，但显著性依旧保持不变（t值为3.71）。这意味着，企业数字化 M(1) M(2) Liquidity Liquidity 转型程度越高，会显著提升企业股票流动性，二者之间呈现出显著 0.005*** 0.001*** L.DCG (12.03) (3.71) 正向相关关系。由此，本文的假说得到了经验证据支持。 0.016*** Sale （二）稳健性检验 (42.43) -0.000*** 企业的数字化转型乃至股票流动性水平，同全球范围内的重大 S-D (-16.74) 0.003** 金融冲击有较大关联。譬如，在重大不利金融事件冲击后，企业股票 Age (2.31) 流动性水平可能面临枯竭，自身数字化转型进程也可能面临阻滞，忽 -0.002 Cash (-0.48) 略对这类因素的探讨，容易造成一定的内生性干扰。在本文样本数 *** 0.032 ROE 据的时间序列中，存在国际国内两个重要金融冲击，一是国际金融危 (6.01) 0.001 机（2008年）；二是中国股灾（2015年）。客观来看，现有文献难以通 Stdret (0.01) 过变量构建的方式来吸收这类因素的影响。基于此，本文借鉴唐松 BM -0.009*** (-15.62) 等（2020）的研究，将金融危机因素进行剔除：其一，剔除国际金融危 -0.001 Dual (-0.85) 机的影响，考虑到危机的后效性特征，本文删除了2009年和2010年 -0.003 Audit 的企业样本；其二，在剔除国际金融危机的基础上，进一步剔除中国 (-0.85) -0.138*** -0.429*** 股灾的影响，截取了2011~2014年的样本进行回归检验。特别地，考 _cons (-18.77) (-15.73) 虑到直辖市有着较大的经济、政治特殊性，企业数字化转型与股票流 Year YES YES Ind YES YES 动性的特征也可能存在较大不同。对此，本文对直辖市的样本剔除 N 17560 16883 adj. R2 0.334 0.443 后重新进行了回归检验。表3的实证回归结果显示，核心结论“企业 注：（1）***、**、*分别代表在1%、5%、10%的显著 性水平；（2）括号中是经过聚类稳健标准误调整的t 数字化转型有助于提升股票流动性”并没有发生任何改变。 值。下文同。 -135- 企业数字化转型与资本市场表现 工商管理 在表4的研究中，本文延长了企业数字化转型影响股票流动性的时间考察窗口。在模型M（1）~模型M（3） 中，本文将核心解释变量（DCG）进行了滞后2~4期处理，在模型M（4）~模型M（6）中，本文将被解释变量（Li⁃ quidity）进行了前置2~4期处理进行交叉比对。研究发现，无论是对核心解释变量进行滞后处理抑或是对被解 释变量进行前置处理，企业数字化转型对股票流动性的影响都呈现出高度显著的正向促进作用（回归系数均 为正值且都通过了1%的统计显著性检验），这种促进作用并没有随着时间窗口的延长而呈现出显著衰减。综 上，企业数字化转型能够在较长的一个时间序列内对股票流动性形成具有叠加特征的促进作用，从而在更大 程度上刺激了企业股票交易活跃度上升，这也从侧面为本文的核心研究假说提供了佐证。 企业数字化转型是一个谱系概念，包含着不同结构特征的技术差异。为了更进一步精细化“企业数字化 转型—股票流动性”的分析，本文将企业整体的数字化转型指标降维分解至两大层面，一是“底层技术层面”， 二是“实践应用层面”。在底层技术层面中，本文依据当前对数字化转型的权威界分，以“ABCD”技术为界，划 分出了人工智能（AI）、区块链（BD）、云计算（CC）和大数据（DT）4个子指标；而在实践应用层面（ADT），则以实 践中的具体数字化运用关键词为准（详见图1）。 实证研究发现（表5），所有数字化转型子指标的回归系数均为正值（且至少在10%的水平上统计显著），符 合本文的预期，这也说明本项研究的回归具有高度 表3 稳健性检验：删除部分样本 的稳健性。特别地，大数据技术转型对企业股票流 M(1) M(2) M(3) Liquidity Liquidity Liquidity 动性提升最为显著（系数为0.008，远大于其他数字 *** *** *** 0.001 0.002 0.001 L.DCG 化转型的系数弹性）。本文认为，从政策层面来看， (3.08) (2.81) (3.53) 党的十九届四中全会首次强调了“健全数据作为生 剔除国际金融 剔除国际金融危机 剔除直辖市 危机的影响 +中国股灾的影响 的样本 产要素参与收益分配机制”的重大革新理念，意味 CVs、Year、Ind YES YES YES N 13812 6352 13444 着中国开始逐步进入数字经济红利时代，数据作为 2 adj. R 0.341 0.395 0.450 新的生产要素将在新时代中发挥着更大的作用，因 表4 稳健性检验：延长观测窗口 此大数据技术的研发和运用有着更坚实的时代背 M(1) M(2) M(3) M(4) M(5) M(6) Liquidity Liquidity Liquidity F2.Liquidity F3.Liquidity F4.Liquidity 景和政策基础；从国家发展程度来看，中国拥有全 *** *** *** 0.002 0.002 0.002 DCG 球最庞大的数据生产群体，网民数量、移动电线*** 量、消费数量等都相当庞大，无论是从存量抑或是 L2.DCG (4.18) 0.002*** 增量来看，中国都是名副其实的数据大国，得益于 L3.DCG (4.37) 大数据产业规模优势，大数据技术的发展有着得天 L4.DCG 0.001*** (2.74) 独厚的优势，上市企业重点开展这类数字化转型， CVs、Year、Ind YES YES YES YES YES YES N 14981 13076 11183 14916 13037 11204 更容易获得市场认同并形成积极效应（如股票流动 adj. R2 0.308 0.310 0.323 0.287 0.277 0.277 性水平的提升）。上述实证检验的差异化结果，为 表5 企业数字化转型与股票流动性： 理解企业数字化转型的结构特征提供了新的分析 基于企业数字化转型口径的分解 M(1) M(2) M(3) M(4) M(5) 视角和经验证据。 Liquidity Liquidity Liquidity Liquidity Liquidity 前述稳健性检验考虑到样本偏误和核心解释 L.AI 0.002** (2.40) 变量的不同口径问题，以验证本文核心结论“数字 0.001** L.BD 化转型能提升股票流动性”的确当性。但本文的研究还可能存在内生性问题，尽管在所有回归中都默 (1.70) 认采用了核心解释变量滞后的处理方法来减弱互 L.DT 0.008** (2.36) 为因果的干扰，但回归模型中仍旧可能存在遗漏变 0.001** L.ADT (2.34) 量偏误。基于此，本文考虑到企业数字化转型是回 指标特征 人工智能 区块链 云计算 大数据 数字化应用 应“ABCD”技术发展不断成熟的积极表现，企业分 CVs、Year、Ind YES YES YES YES YES N 16758 16826 16826 16826 16826 批次地逐步推动自身数字化转型行为是一个极佳 adj. R2 0.434 0.443 0.443 0.443 0.443 -136- 《管理世界》 2021年第7期 的准自然实验。本文参考郑建明等（2018）的研究，选择多期双重差分模型（DID）来进一步克服内生性问题： 通过对实验组（TreatmentGroup）和对照组（ControlGroup）对企业实施数字化转型战略前后进行两次差分，有 效地消除个体之间的内在差异以及与实验组无关的时间趋势导致的偏误，可得到企业数字化转型对股票流动 性的“净效应”。据此，本文构建如下双重差分模型来检验企业数字化转型如何影响股票流动性（参见式4）： Liquidity =α+θdu +θ (du ×dt )+θ dt + φCVs+ε （4） i,t 1 i,t 2 i,t i,t 3 i,t ∑ 其中，du为个体虚拟变量，du=1表示样本期间内进行数字化转型企业的组别，du=0表示一直未进行数字 化转型企业的组别。进一步设置时期虚拟变量dt，如果公司当年和之后年份进行数字化转型则将dt赋值为1， 否则为0。其中，θ2体现了企业推动数字化转型前后股票流动性的变化，是本文关键变量的待估参数。需要指 出的是，本文选择的样本是期间至少连续5年的样本，数据分布中不少企业是近几年才执行数字化转型策略， 而双重差分样本需要政策变化前后几年均有足够的观察值，为此本文将企业实施数字化转型不足两年的样本 不认定为du=1的样本，以尽可能保证差分后有足够观察期，同时本文将那些样本期间内一直出现数字化转型 关键词的样本予以剔除。 进一步地，为再次验证双重差分模型的稳健性，本文将上述模型进行一定变化并再次检验： Liquidity =α +θ (du ×dt )+ φCVs+ Year+ Ind+ε （5） i,t 1 i,t i,t ∑ ∑ ∑ 其中，式（5）着重控制了企业的时间和行业固定效应，其余设定如上。在此，本文在模型中考虑到虚拟变 量的设定可能忽视企业数字化转型强度的影响，并进一步通过带有调节效应的双重差分模型来估计这一影 响，具体模型设定如下： Liquidity =α +θ (du ×dt ×DCG )+ φ CVs+ Year+ Ind+ε i,t ″ ″1 i,t i,t i,t ∑″ ∑ ∑ （6） 式（6）中DCG为企业的数字化转型强度，du ×dt ×DCG 的系数θ 体现了企业实施数字化转型后的转型 i，t i，t i，t 1 强度大小对股票流动性产生的影响，是主要待估参数。 表6报告了基于双重差分法检验的实证结果。在模型M（1）中，本文进行了式（4）的回归检验，du×dt的回 归系数显著为正（系数为0.007且t值为3.15），这表明企业在进行数字化 表6 内生性处理：基于数字化 转型的准自然实验 转型后，企业股票流动性水平有明显提升。在模型M（2）中，本文变更了 M(1) M(2) M(3) M(4) 回归的模式，采用式（5）进行检验。研究发现，du×dt 的系数有所缩小 Liquidity Liquidity Liquidity Liquidity 0.009*** （0.001），但依旧呈现显著状态（t值为2.13）。从模型M（1）和模型M（2） dt (4.93) 中可以基本确证，在采用双重差分克服内生性问题后，企业数字化转型 du×dt 0.007*** 0.001** (3.15) (2.13) 所带来的股票流动性活跃度增加。最后，在模型M（3）中，本文在du×dt 0.001** du×dt×DCG 的基础上，进一步引入前述实证检验中的强度变量（DCG），以考虑企业数 (2.45) -0.009*** 字化转型后，其不同的转型强度下的股票流动性影响差异。实证结果发 du (-7.00) 现，du×dt×DCG的回归结果依旧为正值且显著。特别地，本文还考察了这 du×Before1 -0.002 (-1.15) 种冲击在时间序列上的趋势特征。在若干政策冲击前置项中，相关回归 -0.001 du×Before2 (-0.59) 系数的结果均无法通过统计显著性检验，表明实证结果基本通过了平行 -0.001 du×Before3+ 趋势检验；除了数字化转型实施当年（du×Current）系数不显著外，实施后 (-0.74) 0.003 一年（du×After1）、两年（du×After2）及3年以上（du×After3+ ）的回归系数均 du×Current (1.37) 至少通过了5%的统计显著性检验，这说明企业数字化转型对股票流动性 0.004** du×After1 (2.16) 的正向影响具有较强的持续性特征，这也与表4的研究结果保持高度一 0.005*** du×After2 致。由此可以发现，经过多重的稳健性和内生性处理，本文的核心结论 (2.77) 0.005*** 依旧保持着高度一致性。 du×After3+ (3.47) （三）异质性检验 CVs YES YES YES YES Year NO YES YES YES 在第一部分检验中，本文基于全样本视角考察了企业数字化转型对 Ind NO YES YES YES N 18753 18753 18753 18753 股票流动性的影响，并经过多重稳健性检验确证了二者间的影响效应。 adj. R2 0.245 0.457 0.457 0.457 -137- 企业数字化转型与资本市场表现 工商管理 但值得注意的是，在不同企业属性差异下，企业数字化转型 表7 企业数字化转型与股票流动性： 企业类型差异性检验 传递至股票流动性可能存在非对称效果，对这类情况的探讨 M(1) M(2) M(3) M(4) 有助于形成差异化的政策导向。为实现上述目的，本文将全 Liquidity Liquidity Liquidity Liquidity 0.001 0.001*** 0.002*** 0.001 样本以产权属性和科技属性进行分样本检验（表7）。 L.DCG (1.45) (3.27) (3.12) (0.40) 实证结果发现，在国有企业组别中（模型M（1）~M（2））， 划分依据 国有企业 非国有企业 高科技企业 非高科技企业 CVs、Year、Ind YES YES YES YES 企业数字化转型对股票流动性的回归系数尽管为正值，但t N 5517 11325 9118 7765 值偏小（仅为1.45），无法通过统计显著性检验；而非国有企 adj. R2 0.506 0.430 0.436 0.448 业组别中，企业数字化转型的促进作用则通过了1%的统计显著性检验。本文认为，国有企业能够凭借自身的 国家信誉链条嵌入优势，在资源获取、市场占有等领域中有着天然的优势，这类型企业往往面临着较小的市场 竞争压力，其在创新转型领域中也往往动力不足，对前沿数字科技技术的关注相对较弱，本身就缺乏推动数字 化转型的强烈意愿。于此，这类企业的数字化转型变革行为很难在资本市场中形成有效的反馈回路。相比之 下，非国有企业面临着不进则退的市场竞争压力，为了获取足够的市场份额，这类企业有着更强烈的主观意愿 从事创新转型活动，以求得在市场竞争中获得一席之地。基于此，非国有企业有着更强的动机推动数字化转 型落地，从而谋求更高的绩效，这体现在资本市场中，是自身股票流动性水平的明显增升。 在模型M（3）~M（4）中，则针对了企业科技属性特征差异进行了检验。研究发现，在高科技企业组别中， 企业数字化转型带来了显著的股票流动性提升效果（系数为0.002且通过了1%的统计显著性检验），而非高科 技企业组别中，L.DCG的回归系数并没有通过统计显著性检验（t值仅为0.40），这表明高科技企业相比于非高 科技企业而言，企业数字化转型的股票流动性优化效果更为明显，从而展现出了一定的差异化效果。本文认 为，一方面，高科技企业的生产经营重要导向即在于科技创新，数字技术的创新与转型作为新时代下的前沿阵 地，自然也是高科技企业关注并投入

　　2、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问加。

　　3、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。

　　4、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

　　2024年基础考核草坪园艺师三级真题练习试卷附答案（答案在末尾）.docx

　　2023-2024年知识考核草坪园艺师二级真题与答案（答案在末尾）.docx

　　中学九年级上学期期末跟踪测试数学试卷（带解析）基础知识模拟复习卷.doc

　　《ISO56001-2024创新管理体系 — 要求》之4：“4组织环境-确定创新管理体系的范围”解读和应用指导材料(雷泽佳编制-2024).pdf

　　中学九年级上学期期末测试数学试卷（一）（带解析）基础知识习题卷.doc

　　原创力文档创建于2008年，本站为文档C2C交易模式，即用户上传的文档直接分享给其他用户（可下载、阅读），本站只是中间服务平台，本站所有文档下载所得的收益归上传人所有。原创力文档是网络服务平台方，若您的权利被侵害，请发链接和相关诉求至 电线) ，上传者