企業數字化轉型能抑制市場操縱嗎？

摘" "要：基于收盤價操縱的股價特征，本文構建了收盤價操縱識別模型，并對2008—2020年A股上市公司進行了檢測，采用識別模型的甄別結果，實證檢驗了企業數字化轉型對市場操縱的影響。研究發現，企業數字化轉型程度的提高能夠顯著抑制市場操縱行為。企業數字化轉型通過提升信息透明度和股票流動性抑制股票市場操縱行為，信息透明度和股票流動性越高，企業被操縱的可能性越低。同時，在信息環境質量低的企業和非國有企業中，數字化轉型對股票市場操縱的抑制作用更強。本文從市場操縱角度為理解企業數字化轉型的經濟意義提供了有益參考，研究結論對治理股票市場非法行為、維護市場公平正義具有重要啟示作用。

關鍵詞：企業數字化轉型；市場操縱；信息透明度；股票流動性；信息環境質量

中圖分類號：F832.5" 文獻標識碼：A" 文章編號：1674-2265（2023）12-0069-11

DOI：10.19647/j.cnki.37-1462/f.2023.12.008

一、引言

隨著人工智能、區塊鏈、大數據、云計算等技術的不斷涌現，數字技術已然成為全球經濟增長的重要驅動因素。黨的二十大報告也明確指出，要“加快發展數字經濟，促進數字經濟與實體經濟深度融合”。發展數字經濟已成為當前中國重要的經濟發展戰略，而推進數字化轉型是各個企業形成自身核心競爭力、實現高質量發展的關鍵。在這種背景下，數字化轉型成為政府職能部門、企業管理層、學術界和投資者重點關注的領域之一。

數字化轉型過程中，企業積極推動計算機技術與自身生產活動相融合，能夠有效降低生產成本，提高資源利用效率，促進生產結構升級和企業創新（袁淳等，2021；李琦等，2021；董松柯等，2023）[1-3]。同時，企業轉型行為對自身經營管理活動的積極變革，也必然會反映在證券市場活動中。吳非等（2021）[4]研究發現數字化轉型有利于吸引市場關注，提升企業創新產出和市場評價，進而促進股票交易，改善股票流動性。雷光勇等（2022）[5]認為數字化轉型推動的分析師追蹤水平的提升與股票流動性的提高對于優化資本市場定價效率起到了重要作用，減輕了市場中股價“同漲同跌”的現象。Jiang等（2022）[6]的研究進一步發現，企業數字化轉型對信息透明度和內部控制質量的提升作用有效降低了未來股價大幅下跌的風險。現有關注企業數字化轉型對證券市場影響的研究普遍認為，企業數字化轉型能夠提升證券市場效率，糾正錯誤定價，遏制各種違法違規行為。

受制于起步時間晚、治理機制不夠完善、散戶交易占比高等因素，我國股票市場中操縱現象仍時有發生（李志輝等，2018）[7]，這嚴重破壞了市場公平與正義，阻礙了資本市場的穩定運行和健康發展。為此，各級監管部門一直致力于提升市場治理水平，通過強化監管制度和法規體系，以期形成反操縱的長效機制。但遏制市場操縱行為不僅需要監管機構的不懈努力，上市企業自身發揮的作用同樣不容小覷。作為市場操縱中的當事人之一，上市公司能夠通過積極完善自身各項制度，遏制各種違法違規行為（李志輝和陳海龍，2022）[8]。數字化轉型在優化治理結構、改善信息環境和提升資本市場表現等方面已展現出其獨特效益（吳非等，2021；Jiang等，2022）[4，6]，然而鮮有文獻直接將企業數字化轉型和股票市場操縱聯系起來，二者之間的關系僅能從其他相關文獻中進行推論。因此，探索數字化轉型與市場操縱之間的關系，不僅有望為治理市場操縱提供新的思路，也有益于進一步理解數字化轉型在資本市場所產生的經濟影響。

有鑒于此，本文根據收盤價操縱的特征構建了收盤價操縱識別模型，并利用2008—2020 年滬深A股上市公司的分時交易數據進行疑似收盤價操縱檢測。基于識別模型甄別的疑似操縱數據，本文實證檢驗了數字化轉型對股票市場操縱的治理效應及作用機制。

相較于已有研究，本文可能存在如下邊際貢獻：第一，現有研究大多關注數字化轉型賦能企業生產結構優化升級（袁淳等，2021；李琦等，2021；董松柯等，2023）[1-3]，部分文獻探討了數字化轉型提升企業資本市場表現的積極效應（吳非等，2021；雷光勇等，2022；Jiang等，2022）[4-6]，而數字化轉型與股票市場操縱的關系尚未得到深入研究。本文實證檢驗了企業數字化轉型抑制股票市場操縱的作用機理，揭示出數字化轉型能夠通過提高信息透明度和股票流動性遏制市場操縱行為，為理解數字化轉型的經濟后果提供了新的視角和經驗證據。第二，現有文獻主要從機構投資者（李志輝和陳海龍，2022）[8]、證券分析師（李志輝等，2022）[9]和市場機制設置（Comerton-Forde和Rydge，2006；Lee等，2013）[10，11]等外部監管角度探求遏制市場操縱的方式，而本文基于企業自主治理的視角，指出數字化轉型策略的實施對市場操縱具有顯著的抑制作用，為企業主動防范市場操縱行為提供了可行的途徑。

二、文獻綜述與研究假設

（一）文獻綜述

1. 股票市場操縱的分類與治理。市場操縱是股票市場最常見的違法違規行為之一，受到了研究者們的大量關注。依據操縱特征，Allen和Gale（1992）[12]將市場操縱劃分為三種類型：信息型操縱（Information-based）、行動型操縱（Action-based）和交易型操縱（Trade-based）。其中，信息型操縱是指通過傳播虛假信息，誤導投資者對資產真實價值的判斷，以抬高或壓低股價（Aggarwal和Wu，2006）[13]。行動型操縱涉及采取實際經濟活動來影響企業價值，如管理層通過發起并購業務以抬高股價（Peng和R?ell，2014）[14]。而在交易型操縱中，操縱者在二級市場通過特定的交易策略來影響股票價格或成交量。本文關注的收盤價操縱屬于交易型操縱，在一個典型的收盤價操縱過程中，操縱者通過在尾盤階段提交大量的非代表性訂單，制造短時間內的流動性失衡，引起市場價格扭曲，以獲取額外利潤（Comerton-Forde和Putni??，2011）[15]。

現有文獻發現交易型操縱不僅誤導市場價格，降低市場運行效率（李志輝等，2018；Aggarwal和Wu，2006；Comerton-Forde和Putni??，2011；孫廣宇等，2021）[7，13，15，16]，還會破壞正常生產經營活動，阻礙企業長期發展（Cumming等，2020；姚遠等，2022）[17，18]。鑒于市場操縱給股票市場帶來的嚴重危害，遏制操縱行為發生成為學術界關注的重點話題之一。現有研究認為以下措施能夠強化市場操縱治理：其一，構建識別模型，提升操縱識別效率。操縱受到查處的概率直接取決于證券監管部門的操縱偵測能力，良好的識別模型能夠為完善市場操縱識別體系提供理論參考。基于不同類型操縱的操縱策略和市場表現特征，研究者構建了大量操縱識別模型。如Comerton-Forde和Putni??（2011）[15]、李志輝等（2018）[7]、Liu等（2022）[19]等利用操縱過程中的異常量價表現和微觀結構變化特征，構建了收盤價操縱、開盤價操縱識別模型，并在不同國家市場中均取得了較好的識別能力。基于計算機技術在金融市場中的成功運用，Liu等（2021）[20]在市場操縱識別中引入了機器學習算法，進一步提升了操縱行為的識別效率。其二，完善市場制度設計。賣空機制（周春生等，2005）[21]、訂單披露規則（Lee等，2013）[11]、價格結算制度（Comerton-Forde和Rydge，2006）[10]等市場制度設計有助于提升市場流動性，增加市場的透明度，能夠在一定程度上降低市場操縱的風險。其三，加強外部監督。如楊墨竹（2008）[22]基于信息經濟學和行為金融學進行建模分析，發現我國股票市場中的機構投資者趨向于價值化和長期化投資，能夠遏制市場中的違法違規行為。李志輝等（2022）[9]發現證券分析師作為金融市場中的重要信息中介，能夠通過降低信息不對稱的渠道遏制市場操縱的發生。

作為市場操縱的當事人之一，企業內部特征卻并未受到研究者的充分重視，僅部分文獻關注了操縱者在選擇操縱標的時表現出的選擇偏好（Lee等，2013；Huang和Cheng，2015）[11，23]。操縱過程中，信息不對稱是操縱能否成功實施的關鍵，只有當投資者無法區分操縱者的真實意圖時，基于交易行為的操縱策略才能成功（Allen和Gale，1992；Aggarwal和Wu，2006）[12，13]。而良好的企業內部制度設計能夠在一定程度上緩解企業內外部的信息不對稱程度，進而起到遏制市場操縱的作用。

2. 企業數字化轉型的經濟后果。當前，全球經濟社會已迎來數字化轉型的關鍵時期，數字經濟對實體經濟發展的推動和引領作用日益凸顯，而企業數字化轉型是數字經濟與實體經濟融合發展的重要體現。

一方面，數字化轉型有助于提升企業在產品市場中的競爭力。數字化轉型是企業供應鏈集成和實現專業化分工進程中的“催化劑”，在提升企業經營績效和勞動生產率方面發揮著重要的作用（袁淳等，2021；李琦等，2021）[1，2]。同時，數字化轉型正在成為企業創新的關鍵驅動力。相關研究表明，數字化轉型不僅對企業創新具有顯著的“增量”效應（李雪松等，2022）[24]，而且通過提高企業供應鏈的開放度和降低交易成本與信息不對稱程度，緩解了企業內部研發操縱行為，實現企業生產效率和創新效率的同步提升（董松柯等，2023）[3]。另一方面，數字化轉型能夠提升證券市場質量。如吳非等（2021）[4]發現企業數字化轉型有助于增強資本市場股票流動性。數字科技的應用緩解了信息不對稱問題，提升了企業的創新產出績效和企業價值，進而促進了股票交易活動，提升了股票流動性水平。雷光勇等（2022）[5]則從股價同步性的角度考察了數字化轉型對企業資本市場表現的影響，數字化轉型行為引起的分析師關注度的上升和流動性的改善有利于股票價格納入更多的企業特質信息，因此，降低了股價同步性，提升了資本市場運行效率。此外，Jiang等（2022）[6]的研究表明，數字化轉型程度高的企業往往具有更優的信息環境和內部控制質量，企業的股價崩盤風險也會隨之下降。

通過對相關文獻進行梳理，本文發現針對數字化轉型經濟后果的討論主要集中在企業產品市場競爭中的優勢，以及部分股票交易特征，而缺少對市場操縱影響的探討。數字化轉型在降低信息不對稱程度、加強內部控制和優化信息環境等方面具有獨特作用（董松柯等，2023；雷光勇等，2022；Jiang等，2022）[3，5，6]，預期能夠在一定程度上抑制市場操縱。

（二）研究假設

在市場操縱過程中，操縱者利用自身的資金和信息優勢，通過策略性交易影響證券價格或交易量，從而誘導市場中不知情的投資者參與交易，以期為個人謀取不當利益。Comerton-Forde和Putni??（2013）[25]的研究指出，市場操縱主要通過以下兩種方式實施：

第一，利用資金優勢大量購買被操縱股票，操控市場供需關系，從而將價格推向特定目標水平。Comerton-Forde和Putni??（2013）[25]認為上述策略操縱股價的難易程度取決于被操縱股票的流動性。股票流動性越差，同等交易規模對股票價格的提升幅度越大，操縱者拉抬股價的難度越低。因此，操縱者在選取操縱目標時，傾向于選擇流動性較差的股票（李志輝等，2022）[9]。相反，更強的股票流動性意味著更高的市場效率，股票價格更趨向于真實價值（Chordia等，2008）[26]，操縱者需要更復雜的交易策略和更高的交易成本才能推動股價朝有利于自身的方向移動。因此，股票流動性的提升將導致操縱難度和操縱成本提高，降低了操縱者在短時間內對股票價格進行大幅度調控的可能性。

第二，利用股票價格的變動，營造市場活躍的假象，擾亂其他投資者對被操縱股票的價值判斷，進而吸引其他不知情投資者參與交易。在這種操縱策略下，企業的信息透明度是決定操縱結果的關鍵因素。在信息透明度低的企業中，操縱者具備更高的信息優勢，缺乏準確信息的普通投資者更容易受虛假信號誤導，進而給操縱者實施非法行為提供了便利（Liu等，2022；Huang和Cheng，2015）[19，23]。而當上市公司具有良好的信息透明度時，外部投資者能夠更加準確地了解公司的真實經營狀況，從而更確切地評估股票的真實價值，這有利于其甄別操縱者所制造的偏離企業基本面的虛假交易信號，規避操縱者的故意誘導。因此，良好的信息透明度能夠大幅提升操縱難度（Lee等，2013）[11]。

對相關研究的梳理發現，提高股票流動性和信息透明度是抑制市場操縱行為的關鍵（李志輝和陳海龍，2022）[8]。而企業數字化轉型能夠通過提升股票流動性和改善信息透明度，遏制市場操縱行為。

一是提升股票流動性。數字化轉型可以提高股票流動性，增加操縱成本和操縱難度，抑制市場操縱行為。一方面，信息不對稱是流動性的重要決定因素（Glosten和Milgrom，1985）[27]，信息的不透明將會體現在股票交易過程中，表現為流動性的下降（Amihud等，2006）[28]。大數據、人工智能、文本分析等現代信息技術能幫助管理層整合與輸送內部消息，提升信息披露的數量和質量，為外部市場投資者提供更充分的信息，使企業信息更加透明化與公開化，增強投資者的投資意愿，繼而提升股票流動性（吳非等，2021）[4]。另一方面，數字技術也通過優化企業的生產架構和組織結構，提升了企業的生產水平和創新產出（李琦等，2021；李雪松等，2022）[2，24]，這些改進將直接增強企業的生產能力與競爭優勢，吸引市場投資者的關注與青睞（馬連福等，2022）[29]，從而促進了股票的交易和流通，股票流動性由此得到改善。

二是改善信息透明度。數字化轉型可以提高企業的信息透明度，降低企業與外界之間的信息不對稱，從而削弱操縱者的信息優勢，抑制市場操縱行為。首先，內部治理方面，數字化策略的實施可以有效抑制內部機會主義的傾向（Jiang等，2022）[6]。數字化的業務流程為員工和管理人員提供了日益透明的操作環境，有效遏制了信息造假行為（雷光勇等，2022）[5]，增強了信息披露質量，從而有利于提高利益相關者的信息透明度。其次，外部監督方面，數字化轉型方案順應了新一輪科技革命和產業變革的方向，因此，實施數字化轉型的企業更容易成為媒體報道和關注的焦點（吳非等，2021）[4]。媒體監督作為市場監管機制中至關重要的一環，利用新聞報道廣泛傳播和重復播報的特性，將與企業經營運作相關的信息傳遞給社會公眾，降低了內幕人士的信息優勢，緩解了信息不對稱問題（Dai等，2015）[30]。最后，數字技術的應用使企業更加高效地整合、處理和輸出有效信息，這降低了證券分析師等外部信息用戶的信息搜集和處理成本，增強市場對企業的關注程度，優化了企業的信息環境（李志輝和陳海龍，2022）[8]。基于以上分析，本文提出如下三個假設：

H1：企業數字化轉型能夠顯著抑制股票市場操縱。

H2：企業數字化轉型提升了股票流動性，進而抑制股票市場操縱。

H3：企業數字化轉型改善了信息透明度，進而抑制股票市場操縱。

三、研究設計

（一）樣本選擇與數據來源

本文選取2008—2020年所有A股上市公司為初始研究樣本，并對樣本進行如下篩選：（1）剔除金融類上市公司；（2）剔除ST、*ST、PT等異常交易狀態的上市公司；（3）剔除關鍵變量數據缺失的上市公司。經過上述處理后，本文共計得到30981個上市公司年度觀測值。為盡可能地降低異常值對實證結果的影響，本文對模型中使用的連續變量在1%和99%分位數進行縮尾處理。數字化轉型詞匯統計數據、股票交易數據及公司財務數據來源于國泰安金融數據庫，股票分時高頻交易數據來源于銳思金融數據庫。

（二）變量設定

1. 市場操縱。在收盤價操縱過程中，被操縱股票的價格通常表現出顯著的“先漲后跌”的特征，即在收盤前大幅度上漲，并在下一個交易日開盤后逐漸恢復（李志輝等，2018；Comerton-Forde和Putni??，2011）[7，15]。基于收盤價操縱中的價格表現特征，借鑒Cumming等（2020）[17]等的研究設計，本文基于尾盤價格異常、股價反轉和無信息披露三個條件構建了收盤價操縱識別模型。具體而言，若股票[i]在交易日[d]滿足以下三個條件，則判定為發生收盤價操縱：

（1）尾盤價格異常，即：

其中，[ΔEODi，d=Pi，d，EOD-Pi，d，EOD-15minPi，d，EOD-15min]，為股票[i]在交易日[d]收盤前15分鐘的股價收益率，[Pi，d，EOD]為股票[i]在交易日[d]的收盤價，[Pi，d，EOD-15min]為股票[i]在交易日[d]收盤前15分鐘的成交價，[EODi，d]為前30個交易日[ΔEOD]的均值，[σi，d]為前30個交易日[ΔEOD]的標準差。

（2）下一個交易日發生股價反轉，即：

其中，[Pi，d，OPN]為股票[i]在交易日[d]的開盤價。

（3）無信息披露，即股票[i]在交易日[d]前后5個交易日不存在基本面事件①。

本文利用收盤價操縱識別模型甄別的股票年內累計疑似發生市場操縱的總天數作為股票市場操縱的代理變量（NumManip）。其數值越大，說明疑似發生市場操縱的情況越嚴重。同時，本文使用年內是否發生過疑似市場操縱的虛擬變量（Manip，若年內發生疑似市場操縱，取值為1，否則為0）進行穩健性檢驗。

2. 企業數字化轉型。借鑒吳非等（2021）[4]的研究，本文運用年報文本中數字化轉型相關詞匯出現頻率的總數度量企業的數字化轉型程度。同時，考慮到該類數據的“右偏性”特征，利用數字化轉型相關詞匯的詞頻總數加一后取對數得到企業數字化轉型指標（Digital）。

（三）實證檢驗模型

為了檢驗假設H1，即企業數字化轉型能否抑制股票市場操縱，本文建立了如下模型：

其中，被解釋變量[NumManipi，t]為企業[i]在第[t]年疑似市場操縱的總天數，[Digitali，t]為企業[i]在第[t]年的數字化轉型程度。[Controls]為一系列控制變量，如上市公司股票交易特征，包括股票成交量（Volume）、股票價格（Price）、A股流通市值占比（Liqr）和個股年度Beta值（Beta）；上市公司經營狀況特征，包括市值（Size）、凈資產收益率（Roe）、資產負債率（Lev）、產權性質（Soe）、賬面市值比（Mtb）和營業收入增長率（Growth）；上市公司股權結構特征，包括第一大股東持股比例（Cent）和股權制衡度（Balance）。[IndFE]為行業固定效應；[YearFE]為年份固定效應；[εi，t]為隨機擾動項。若式（3）的[β1]顯著為負，則表明企業數字化轉型能抑制股票市場操縱。由于[NumManipi，t]屬于計數變量，因此，使用負二項回歸進行分析。

為了檢驗假設H2和H3，參考李志輝和陳海龍（2022）[8]的研究設計，本文構建如下實證模型：

其中，[Liqi，t]為股票流動性的代理變量。參考李志輝等（2018）[7]和Amihud（2002）[31]的研究設計，本文選取成交額加權相對報價價差（QSP，Relative Quoted Spread）、成交額加權相對有效價差（ESP，Relative Effective Spread）和Amihud指標衡量股票流動性。相對報價價差（QSP）、相對有效價差（ESP）和Amihud指標（Amihud）均為非流動性指標，其取值越大，則表明股票市場流動性越差。[InfoTrani，t]為信息透明度的代理變量。借鑒李春濤等（2018）[32]和吳非等（2021）[4]的研究設計，本文分別選取KV指數（KV）、新聞媒體關注度（Media）和分析師關注度（Analyst）作為透明度的代理變量。KV指數越低，新聞媒體關注度和分析師關注度越高，表明企業的信息透明度越高。若式（4）中回歸系數[β1]顯著，則表明數字化轉型顯著地影響了股票流動性和企業信息透明度。若式（5）中回歸系數[β1]顯著，則表明股票流動性和企業信息透明度能夠影響股票市場操縱，進一步地證實了傳導過程的有效性。式（4）和式（5）中控制變量與式（3）保持一致。表1匯報了主要變量的符號和定義。

四、實證結果

（一）描述性統計

表2展示了本文主要變量的描述性統計結果。股票市場操縱的均值為0.1448，這表明個股收盤價每年平均受到0.1448次操縱。企業數字化轉型程度的均值為1.0642，最小值為0，最大值為4.68，標準差為1.06，與吳非等（2021）[4]的統計結果基本一致。

（二）基準回歸分析

本文采用式（3）考察了企業數字化轉型程度與市場操縱的關系。負二項回歸的估計結果列于表3的列（1）—（3），其中列（1）包含了本文核心變量企業數字化轉型，并控制了年度與行業固定效應，列（2）和列（3）則進一步引入了一系列控制變量，表3的列（4）—（6）則展示了基于估計參數測算所得到的平均邊際效應（Average Marginal Effect，AME）。

結果表明，企業數字化轉型的估計系數均在1%的顯著性水平下為負，以列（3）的估計結果為例，企業數字化轉型的估計系數為-0.0580，z統計量為-3.32；列（6）的平均邊際效應測算結果表明企業數字化轉型每增加1個單位，被操縱次數降低0.84%。這一結果說明企業數字化轉型能夠對市場操縱起到積極的治理作用，降低企業股價被操縱的次數。本文的實證結果亦支持了吳非等（2021）[4]和雷光勇等（2022）[5]的研究結論，即企業數字化轉型能夠優化股票市場治理結構，提升市場質量。假設H1得到驗證。

（三）穩健性檢驗

為了盡可能地降低內生性問題對研究結論的影響以及驗證實證結果的穩健性，本文進行了如下檢驗：

第一，工具變量法。本文參考李雪松等（2022）[24]的研究，使用份額移動法構造數字化轉型的工具變量。具體步驟為：（1）計算樣本范圍內所有企業的數字化轉型均值的年增長率（Shift）；（2）計算每家企業同行業其他企業上一年度的數字化轉型均值（Share）；（3）以（Shift×Share）作為每家企業在每個年度的數字化轉型模擬增量值；（4）每家企業每個年度的數字化轉型指標與上述模擬增量值離差的三次方，為本文所使用的工具變量（Digital_IV），使用兩階段最小二乘法（2SLS）進行回歸。表4展示了工具變量的回歸結果。列（1）的第一階段模型回歸結果顯示，工具變量的估計系數為0.054，且在1%的水平上顯著為正，說明本文選取的工具變量滿足相關性條件。同時，Kleibergen-Paap rk LM統計量在1%的水平上顯著，拒絕“工具變量識別不足”的原假設；Kleibergen-Paap rk Wald F統計量大于Stock-Yogo弱識別檢驗10%水平上的臨界值，拒絕“弱工具變量”的原假設。以上檢驗證明了該工具變量的合理性與有效性。列（2）的第二階段模型回歸結果顯示，企業數字化轉型的系數仍在1%的水平上顯著為負，說明在考慮了內生性問題后，企業數字化轉型仍對股票市場操縱產生顯著的抑制效應，本文核心結論穩健可信。第二，滯后自變量。考慮到企業數字化轉型影響股票市場操縱的時滯效應，本文將核心解釋變量滯后一期和滯后兩期后引入式（3）進行回歸，結果列于表5列（1）和列（2）。第三，更換識別模型基準時間窗口。為了驗證不同時間窗口下研究結論的穩健性，本文進一步采用60個交易日和90個交易日構建識別模型進行甄別，并重復檢驗了數字化轉型和股票市場操縱之間的關系，估計結果列于表5列（3）和列（4）。第四，不同的回歸模型設定。表5列（5）中，本文采用泊松模型重新檢驗了企業數字化轉型與市場操縱的關系；表5列（6）中，本文使用年內是否發生過疑似市場操縱（Manip ，若年內發生了疑似市場操縱，取值為1，否則為0）作為被解釋變量，運用Logit模型進行檢驗。第五，不同的自變量度量方式。本文依據袁淳等（2021）[1]構建的企業數字化術語詞典，計算每家上市公司每年年報的“管理層討論與分析”（MDamp;A）部分中各個數字化關鍵詞的出現頻數總和占MDamp;A語段總詞數的比例，將該比例乘以100以衡量企業的數字化轉型程度，估計結果列于表5的列（7）。表5的結果顯示，核心解釋變量的回歸結果與前文基本一致且顯著，證明結果穩健。

（四）影響機制分析

1.股票流動性。Comerton-Forde和Putni??（2011）[15]指出，當股票流動性較高時，操縱者難以通過較小的成本實施操縱。而數字化轉型能夠通過增強信息透明度、促進企業研發創新、提升企業價值和財務穩健性等途徑改善企業股票流動性水平（吳非等，2021）[4]。因此，本文預期企業數字化轉型能夠通過提升股票流動性實現對市場操縱的遏制。為了驗證這一論斷，本文基于式（4）和式（5）進行實證檢驗。式（4）考察了企業數字化轉型與股票流動性的關系，相關回歸結果見表6的列（1）—（3）。與吳非等（2021）[4]的研究結論一致，企業數字化轉型的估計系數均在1%的顯著性水平下為負，說明數字化轉型促進了股票交易，提升了股票流動性。此外，式（5）進一步明確了股票流動性與股票市場操縱的關系，表6的列（4）—（6）展示了相關回歸結果。相對報價價差、相對有效價差和Amihud指標與股票市場操縱間存在顯著的正向關系，說明流動性水平越低的企業，越易成為市場操縱的目標。綜合表6的實證結果可知，企業數字化轉型能夠通過提升股票流動性的渠道來遏制市場操縱。股票流動性的提升使得特定的交易金額對股票價格產生的影響更小，增加了操縱成本與操縱難度，削弱了操縱者的資金優勢，從而抑制了股票市場操縱行為。這驗證了數字化轉型治理市場操縱的“流動性渠道”，假設H2得到證實。

2. 信息透明度。信息透明度同樣是市場操縱實施的關鍵，更高的信息透明度削弱了操縱者利用其信息優勢制造虛假價格信號以誘導非知情投資者參與市場交易的能力，提升了操縱的實施難度（李志輝和陳海龍，2022）[8]。因此，本文預期數字化轉型優化了企業的信息披露質量，吸引新聞媒體和證券分析師的關注，緩解企業與外部投資者之間的信息不對稱問題，進而提升了信息透明度，實現對股票市場操縱的抑制。為了對這一假設進行檢驗，本文基于式（4）和式（5）進行實證檢驗。式（4）考察了數字化轉型與企業信息透明度的關系，相關回歸結果見表7的列（1）—（3）。與吳非等（2021）[4]的發現基本一致，結果表明，數字化轉型提高了企業的信息披露質量，吸引了新聞媒體與證券分析師的關注，使得企業與市場間的信息不對稱程度降低，改善了企業的信息透明度。式（5）進一步考察了提高企業信息透明度是否能抑制股票市場操縱，回歸結果見表7的列（4）—（6）。與李志輝和陳海龍（2022）[8]的研究一致，信息披露質量、媒體關注度和分析師追蹤與股票市場操縱存在顯著的負向關系，信息透明度越高，企業受到操縱的可能性越低。綜合表7的實證結果可知，數字化轉型提高了企業的信息披露質量、媒體關注度和分析師關注水平，企業信息透明度得到提升，使投資者對股票真實價值的判斷更為一致，進而增加了操縱者的操縱難度，抑制了市場操縱的發生。上述結果驗證了數字化轉型治理市場操縱的“信息透明度渠道”，支持了假設H3。

五、進一步分析

（一）信息環境質量

機制分析表明，企業數字化轉型能夠通過提升企業信息透明度，實現對市場操縱的治理。本文進一步研究了企業所處的信息環境質量在企業數字化轉型與股票市場操縱關系中的作用。若企業所處的信息環境質量較低，內外部信息傳導渠道更加閉塞，則企業理應更多地受益于數字化轉型帶來的信息透明度改善。為了檢驗信息環境質量的影響，本文選取了兩職合一（Dual）、信息披露質量評級（LowRating）、機構投資者持股水平（LowInst）、是否融資融券標的（NonShortable）等四個變量進行了實證檢驗。

第一，委托代理理論認為，由CEO擔任董事長可能導致董事會缺乏應有的獨立性，董事長和CEO兩個職位應該互相制衡，以減輕公司高層管理人員的決策偏誤或權力濫用。若董事長和CEO兩個職位由同一人擔任，可能會導致權力過于集中，從而阻礙合理的信息披露（張潔梅，2013）[33]。由此，本文定義變量Dual，表示企業董事長和CEO是否兩職合一，公司董事長和CEO為同一人時取值為1，否則取值為0。

第二，基于信息披露的真實性、準確性、完整性、及時性和公平性，上海證券交易所和深圳證券交易所定期對上市公司的信息披露質量進行排名，具體包括四個等級，即A（優秀）、B（良好）、C（合格）和D（不合格）。企業的信息披露質量評級越高，表明其信息更加透明，信息環境質量越佳。由此，本文定義變量LowRating，表示企業的信息披露評級水平，公司當年信息披露質量評級低于A（優秀）時取值為1，否則取值為0。

第三，機構投資者被視為重要的外部監督力量。機構投資者憑借其信息優勢和資源優勢，能夠更多地獲取企業的私有信息，并且能夠積極參與公司治理。實證研究表明，機構所有權更高的企業往往具有更高的透明度和更好的信息環境（李春濤等，2018）[32]。由此，本文定義變量LowInst，表示企業的機構投資者持股水平，機構投資者持股比例低于當年同行業中位數時取值為1，否則取值為0。

第四，中國資本市場于2010年正式開展融資融券制度的試點工作，賣空機制不僅有利于實現資本市場的價格發現功能，還具備一定的公司治理作用。研究指出，賣空機制的設置顯著抑制了融券標的公司的盈余管理行為，在提升上市公司信息披露質量方面發揮著重要作用（張璇等，2016）[34]。由此，本文定義變量NonShortable，表示企業是否為融券標的公司，公司當年不屬于融券標的公司時取值為1，否則取值為0。

本文分別構建了上述四個變量與企業數字化轉型的交互項，并將上述四個變量及對應的交互項納入式（3）中，以探討信息環境質量對企業數字化轉型與股票市場操縱關系的影響，實證結果見表8。估計結果表明，交互項的系數在至少5%的水平上具有統計顯著性。具體而言，對于企業董事長和CEO兩職合一、信息披露質量評級較低、機構投資者持股水平較低和非融券標的的企業，數字化轉型對股票市場操縱的抑制作用更強。這表明在企業所處的信息環境質量較低的情況下，數字化轉型會發揮更強的抑制股票市場操縱的作用。

（二）產權性質

Aggarwal和Wu（2006）[13]、Comerton-Forde和Putni??（2011）[15]、Huang和Cheng（2015）[23]指出規模小、收益水平低、資產負債率高和經營穩定性差的企業，更容易成為市場操縱的目標。一般而言，中國的國有上市公司通常具有較大的市值規模。并且，由于具有一定的政策資源優勢，國有上市公司的經營績效往往較好。非國有上市公司由于資源的限制，則存在著更嚴重的管理經營風險。孫廣宇等（2021）[16]發現與非國有上市公司相比，國有上市公司受到市場操縱的可能性更低。因此，本文進一步研究了產權性質如何影響企業數字化轉型與市場操縱間的關系。

本文構建了產權性質（Soe，國有企業取值為1，否則取值為0）與數字化轉型程度的交互項，并將產權性質及對應的交互項納入式（3）中，以探討產權性質對數字化轉型與股票市場操縱關系的作用，實證結果見表9。估計結果與孫廣宇等（2021）[16]的結論相符合，產權性質與數字化轉型程度的交互項的回歸系數在1%的水平上顯著為正，非國有企業作為更易受到市場操縱的群體，將更多地受益于數字化轉型后所取得的信息透明度和股票流動性的提升，數字化轉型抑制股票市場操縱的作用對于非國有企業更加顯著。

六、結論與啟示

基于收盤價操縱的特征，本文構建了收盤價操縱識別模型，并對2008—2020年滬深A股上市公司進行了檢測。采用識別模型的甄別結果，本文實證檢驗了企業數字化轉型對股票市場操縱的影響。研究結果表明，數字化轉型程度越高，企業受到市場操縱的次數越少，數字化轉型對股票市場操縱具有顯著的抑制作用。機制分析的結果表明，企業數字化轉型可以通過提升信息透明度和提高股票流動性兩條渠道削弱操縱者的資源優勢，從而抑制市場操縱的發生。進一步的研究發現，在兩職合一、低信息披露質量、低機構投資者持股比例、非融券標的的企業以及非國有企業中，數字化轉型降低股票市場操縱的效應更加顯著。

基于以上結論，本文提出的政策建議如下：第一，企業應自發投入數字化轉型浪潮，運用數字技術改進內部的商業模式，提高生產效率和經營管理水平。并且，通過數字化轉型渠道加強企業的公司治理，減少信息不對稱，提升投資者對企業的信任度，降低受到市場操縱的風險，為自身及投資者創造共同價值，推動中國數字經濟蓬勃發展。第二，信息環境質量較低的企業和非國有企業要更加充分地意識到數字化轉型對于市場操縱的治理作用，主動利用新興數字技術抵御非法操縱行為導致的企業價值受損。第三，政府應繼續出臺相關政策指引企業積極開展數字化轉型。一方面，運用數字化轉型推動新技術、新產業和新業態的出現，促進經濟轉型升級和持續發展；另一方面，通過發揮數字化轉型對股票市場操縱的治理作用遏制市場非法行為，提升市場的公平性與有效性，實現經濟高質量發展。

注：

①重大基本面事件為17項可能影響股票市場表現的事件，具體包括：（1）資產出售與轉讓；（2）資產置換；（3）資產重組；（4）資產贈與；（5）資產拍賣；（6）資金凍結；（7）股份回購；（8）借貸；（9）發行企業債券；（10）違規處罰及批評；（11）業績預告；（12）稅負變動；（13）意外事故；（14）重大經營合同；（15）發債人違約；（16）財務數據調整修正；（17）經營范圍變動。

參考文獻：

[1]袁淳，肖土盛，耿春曉，盛譽.數字化轉型與企業分工：專業化還是縱向一體化 [J].中國工業經濟，2021，（09）.

[2]李琦，劉力鋼，邵劍兵.數字化轉型、供應鏈集成與企業績效——企業家精神的調節效應 [J].經濟管理，2021，43（10）.

[3]董松柯，劉希章，李娜.數字化轉型是否降低企業研發操縱？ [J].數量經濟技術經濟研究，2023，40（04）.

[4]吳非，胡慧芷，林慧妍，任曉怡.企業數字化轉型與資本市場表現——來自股票流動性的經驗證據 [J].管理世界，2021，37（07）.

[5]雷光勇，買瑞東，左靜靜.數字化轉型與資本市場效率——基于股價同步性視角 [J].證券市場導報，2022，（08）.

[6]K Jiang，X Du，Z Chen.2022.Firms' Digitalization and Stock Price Crash Risk [J].International Review of Financial Analysis，82.

[7]李志輝，王近，李夢雨.中國股票市場操縱對市場流動性的影響研究——基于收盤價操縱行為的識別與監測 [J].金融研究，2018，（02）.

[8]李志輝，陳海龍.Qfii持股能抑制股票市場操縱嗎？——基于尾市價格偏離模型的檢驗 [J].中央財經大學學報，2022，（08）.

[9]李志輝，王博，孫沁茹.分析師關注能否抑制市場操縱行為——基于收盤價操縱識別模型的檢驗 [J].南開經濟研究，2022，（05）.

[10]C Comerton-Forde，J Rydge. 2006. The Influence of Call Auction Algorithm Rules on Market Efficiency [J].Journal of Financial Markets，9（2）.

[11]E J Lee，K S Eom，K S Park. 2013. Microstructure-Based Manipulation：Strategic Behavior and Performance of Spoofing Traders [J].Journal of Financial Markets，16（2）.

[12]F Allen，D Gale. 1992. Stock-Price Manipulation [J].The Review of Financial Studies，5（3）.

[13]R K Aggarwal，G Wu. 2006. Stock Market Manipulations [J].The Journal of Business，79（4）.

[14]L Peng，A R?ell.2014. Managerial Incentives and Stock Price Manipulation [J].The Journal of Finance，69（2）.

[15]C Comerton-Forde，T J Putni??. 2011. Measuring Closing Price Manipulation [J].Journal of Financial Intermediation，20（2）.

[16]孫廣宇，李志輝，杜陽，王近.市場操縱降低了中國股票市場的信息效率嗎——來自滬市a股高頻交易數據的經驗證據 [J].金融研究，2021，（09）.

[17]D Cumming，S Ji，R Peter，M Tarsalewska. 2020. Market Manipulation and Innovation [J].Journal of Banking amp; Finance，120.

[18]姚遠，趙陽，張朝陽.新型監測指標、市場操縱量化監測與交互式決策框架 [J].金融發展研究，2022，（08）.

[19]J Liu，C Wu，L Yuan，J Liu. 2022. Opening Price Manipulation and Its Value Influences [J].International Review of Financial Analysis，83.

[20]Q Liu，C Wang，P Zhang，K Zheng. 2021. Detecting Stock Market Manipulation Via Machine Learning： Evidence from China Securities Regulatory Commission Punishment Cases [J].International Review of Financial Analysis，78.

[21]周春生，楊云紅，王亞平.中國股票市場交易型的價格操縱研究 [J].經濟研究，2005，（10）.

[22]楊墨竹.證券市場機構投資者投資行為分析 [J].金融研究，2008，（08）.

[23]Y C Huang，Y J Cheng. 2015. Stock Manipulation and Its Effects： Pump and Dump Versus Stabilization [J].Review of Quantitative Finance and Accounting，44（4）.

[24]李雪松，黨琳，趙宸宇.數字化轉型、融入全球創新網絡與創新績效 [J].中國工業經濟，2022，（10）.

[25]C Comerton-Forde，T J Putni??. 2013. Stock Price Manipulation： Prevalence and Determinants [J].Review of Finance，18（1）.

[26]T Chordia，R Roll，A Subrahmanyam. 2008. Liquidity and Market Efficiency [J].Journal of Financial Economics，87（2）.

[27]L R Glosten，P R Milgrom. 1985. Bid，Ask and Transaction Prices in a Specialist Market with Heterogeneously Informed Traders [J].Journal of Financial Economics，14（1）.

[28]Y Amihud，H Mendelson，L H Pedersen. 2006. Liquidity and Asset Prices [J].Foundations and Trends? in Finance，1（4）.

[29]馬連福，王博，宋婧楠.散戶更偏愛數字化嗎？——基于投資者情緒異質性的研究 [J].經濟與管理研究，2022，43（09）.

[30]L Dai，J T Parwada，B Zhang. 2015. The Governance Effect of the Media's News Dissemination Role： Evidence from Insider Trading [J].Journal of Accounting Research，53（2）.

[31]Y Amihud.2002. Illiquidity and Stock Returns： Cross-Section and Time-Series Effects [J].Journal of Financial Markets，5（1）.

[32]李春濤，劉貝貝，周鵬，張璇.它山之石：Qfii與上市公司信息披露 [J].金融研究，2018，（12）.

[33]張潔梅.自愿性信息披露的影響因素——基于董事會治理視角 [J].經濟管理，2013，35（07）.

[34]張璇，周鵬，李春濤.賣空與盈余質量——來自財務重述的證據 [J].金融研究，2016，（08）.