數字金融與公司違規行為矯正

張澤南 周潔銀

【摘要】數字金融的發展對中國式現代化微觀企業主體治理有著重要影響， 其能否有效矯正上市公司違規行為？本文選用2011 ～ 2021年A股上市公司數據為研究樣本， 探討數字金融對公司違規是否存在矯正效應， 并進一步分析其中的影響機制。研究發現， 數字金融能顯著弱化公司違規傾向與違規程度， 對公司違規行為具有積極的矯正治理效應。機制檢驗發現， 數字金融能有效發揮資源效應、 信息效應與治理效應， 主要通過緩解融資約束、 提升信息透明度和加強內部控制三個傳導路徑抑制公司違規。異質性分析發現， 數字金融在公司規模較大、 市場法律制度環境較差的樣本中更有助于矯正公司違規行為。

【關鍵詞】數字金融；公司違規；融資約束；信息透明度；內部控制

【中圖分類號】 F830? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2024）03-0020-8

一、 引言

黨的二十大報告指出： “加強和完善現代金融監管， 強化金融穩定保障體系。”公司違規行為嚴重破壞了金融監管秩序， 影響了資本市場效能的有效發揮， 對金融系統穩定與社會經濟高質量發展造成了巨大危害。雖然， 政府頒布了系列政策打擊、 懲處公司違法違規行為， 但近年來， 上市公司違規舞弊事件仍呈持續高發態勢。2023年2月， 中國證監會官網數據顯示， 2022年共辦理信息披露違法案件203件， 其中， 涉及財務造假94件， 占比高達46%①。并且， 在中國證監會官網發布的《2022年證監稽查20起典型違法案例》②中， 無論是同濟堂的財務造假， 金正大的虛假陳述和虛構業務， 或是海航控股的違規擔保、 巨額資金占用等違法違規案例， 均震驚了海內外市場。此外， 公司違規現象往往扎堆出現， 極易引發系統性金融風險（陸瑤和李茶，2016）， 嚴重影響資本市場的穩定， 打擊投資者的信心， 最終對經濟高質量發展“量質提升”帶來顯著負面影響。因此， 如何治理和防范公司違規行為、 保護投資者利益是學術界和實務界亟需解決的重要問題。

“加快發展數字經濟， 促進數字經濟和實體經濟深度融合”是深入貫徹落實黨的二十大精神、 推進中國式現代化的重要戰略舉措。隨著人工智能、 區塊鏈、 云計算、 大數據等新型數字技術與傳統金融服務的有機融合， 數字信息技術被廣泛深入應用于金融業務。作為金融創新的新模式， 數字金融充分發揮了數字技術在征信、 風險識別、 風險控制、 監管評估等金融業務方面的優勢， 其數字平臺的創新性與可延伸性突破了傳統金融的時空界限（封思賢和徐卓，2021）， 使金融平臺業務規模和業務種類得以擴大， 有效降低了信息不對稱程度， 減少了金融交易成本， 充分發揮了長尾效應， 有力推動了金融服務的普惠與便捷性， 吸引了更多的中小企業參與數字金融市場交易。現有研究證實， 數字金融在宏微觀治理層面產生了積極的成效。在宏觀層面上， 數字金融能夠推動實體經濟發展（汪亞楠等，2020）、 助力減貧（李濤和彭東蔓，2022）等； 在微觀層面上， 數字金融能夠提升資金需求方的借貸可行性， 改善信息不對稱， 緩解中小企業融資約束（周兆斌和楊志國，2023）， 降低企業經營風險（袁鯤和曾德濤，2020；俞毛毛等，2022）， 促進技術創新（唐松等，2020）。此外， 數字金融的推廣能夠提高企業內控水平并降低真實盈余管理程度（阮堅等，2020）， 從而達到完善公司治理的效果。那么， 數字金融能否擊破公司治理頑疾， 矯正公司違規行為？其中的作用機制是什么？鮮有文獻予以探討。

基于此， 本文以2011 ～ 2021年滬深A股上市公司為研究樣本， 探究數字金融對公司違規行為的影響與機制。研究發現， 數字金融有效矯正了公司違規亂象， 并通過緩解融資約束的資源效應、 提升信息透明度的信息效應和加強內部控制的治理效應來發揮協同治理作用， 遏制公司違規。異質性分析表明， 在公司規模較大、 市場法律制度環境較差時， 數字金融矯正公司違規行為的治理效果更為突出。

本文可能的邊際貢獻在于： 一是豐富了數字金融于中國式現代化微觀企業治理影響效果的研究， 有助于深入推進企業治理體系和治理能力現代化建設。現有對數字金融的經濟后果研究較多集中于宏中觀層面， 對微觀企業治理層面的探討相對較少， 且大部分圍繞企業投融資優化決策與創新績效相關方面展開， 忽略了對公司違規舞弊的剖析。本文則聚焦公司違規亂象， 豐富了數字金融針對公司治理領域的研究， 有利于全力推進企業現代化治理體系與高質量發展。二是拓寬了公司違規影響因素的相關研究。當前大量文獻從公司內部治理如股權結構、 激勵機制、 董事會、 高管特征與經歷等角度展開， 鮮有剖析數字金融這一新型金融環境對公司違規的影響效果。本文基于宏微觀互動視角， 從資源效應、 信息效應與治理效應三個層面系統解讀數字金融有助于矯正公司違規的內在邏輯， 豐富了舞弊理論相關探討， 對評估數字金融的社會與經濟效益有著重要的理論與實踐價值。

二、 理論分析與研究假設

舞弊三角理論認為， 公司違規舞弊行為的發生是動機（Motivation）、 機會（Opportunity）與自我合理化（Rationalization）共同作用的結果（Albrecht等，1986）， 既包括公司內部治理水平低、 信息不對稱程度高、 外部監管不力等因素帶來的機會， 也包括管理層或公司渴望尋租獲得高額收益的主觀動機， 通過自我合理化的“態度”， 最終成為違規事實。其中， 動機和機會是舞弊形成的最主要誘因， 而違規收益能否超越違規成本， 繼而攫取違規私利是公司實施違規的決策依據。本文在舞弊三角理論的基礎上， 借鑒陸瑤等（2012）、 谷溪和喬嗣佳（2021）對“公司違規成本與收益分析”的改進模型， 來解讀數字金融對公司違規行為的動機和機會施加的影響。

假設違規收益為B， 違規成本為C。其中， 違規收益B=EA+SL， EA為公司通過違規所獲得的額外收益， SL為公司通過違規所避免的損失， 而違規成本C=P×F+CC， P為公司違規受到稽查的概率， F為違規被稽查后所受的可能的罰款、 刑事處分、 薪酬損失、 名譽損失及解聘等處罰成本， CC為公司違規時與外界的溝通協調所需的成本。當B-C>0時， 違規所獲得的額外收益高于所要付出的成本， 激發了公司違規的主觀動機。此外， 當公司違規稽查率P較低、 內外監督薄弱的情況下， 公司與高管實施違規行為的舞弊窗口增大， 違規機會有所增加（Ha?等，2015）。因此， 如何降低違規收益B， 提高違規稽查率P和違規處罰成本F， 從而遏制違規動機與機會， 是治理公司違規的關鍵。本文認為， 數字金融將通過資源效應、 信息效應與治理效應約束公司違規， 發揮積極的治理矯正效應， 邏輯如下：

首先， 數字金融降低了公司違規收益B。從數字金融的資源效應角度來看， 數字金融將數字化、 信息化與智能化等多維數字技術與傳統金融服務有機融合， 提高了信息資源的搜尋、 流通與配置效率（周兆斌和楊志國，2023）， 有效改善了傳統金融下的融資錯配， 疏通了金融市場的融資渠道； 同時， 數字金融發揮了長尾效應， 增強了金融服務的普惠性與便捷性， 有助于盤活金融資源， 緩解企業融資約束， 為企業帶來更多融資便利。當企業融資困境改善時， 一方面， 企業的生存壓力得以緩釋， 資金的充足使得企業將專注于提升企業聲譽、 增強市場競爭力的研發創新活動（唐松等，2020）， 這將有助于抑制管理層非效率投資的短視行為， 提升企業績效與價值（李小玲等，2020）， 因此一定程度上降低了公司因投資失敗或經營不善所導致虧損的可能性（陸瑤等，2012）， 公司避免虧損的違規動機得以削弱， SL將顯著下降。另一方面， 由于金融錯配滋生違規尋租活動（趙曉鴿等，2021）， 企業在面臨融資難、 融資貴困境時， 往往會為了獲取資源進行尋租， 從而得到超額收益， 但數字金融優化了融資渠道， 改善了融資錯配， 有效緩解了融資約束， 從而抑制了公司違規尋租所產生的超額收益， EA得以下降。最終兩者共同降低了違規收益B， 遏制了公司違規的動機。

其次， 數字金融提高了違規稽查率P。從數字金融的信息效應角度來看， 數字金融通過構建精確的用戶畫像， 以低成本、 低風險的方式對海量的信息進行收集、 分類和整理， 幫助外部投資者挖掘企業更多信息空間， 打破了企業內外部信息壁壘。與傳統金融服務相比， 數字金融的數字技術業態服務如網絡貸款、 互聯網理財等能夠使外部投資者更易于了解企業經營狀況和支付能力， 幫助金融中介更好地識別企業信用風險（封思賢和徐卓，2021）， 有效緩解金融市場與企業資源融合中的逆向選擇和道德風險問題（Demertzis等，2018）， 降低市場與企業間的信息不對稱程度。另外， 數字金融憑借先進的信息技術， 能夠有效收集并分析企業內部的資金使用狀況（周升師，2022）， 企業內部資金流和經營活動逐步透明化， 企業信息透明度得到提升， 這極大地改善了信息披露質量（李小玲等，2020）， 企業供給市場的信息更準確， 外部投資者和監管者也更易于獲取企業內部的資金流和經營情況， 從而使違規事實難以被隱藏。這最終降低了稽查的難度， 使得違規稽查率P得以提升， 公司違規傾向與程度被有效遏制。

再次， 數字金融提高了違規處罰成本F和溝通協調成本CC。從數字金融的公司治理效應來看， 一方面， 數字金融增加了金融服務的觸達性， 降低了金融交易成本， 不僅幫助企業吸收更多外部資金、 改善資金流轉效率， 也降低了融資過程中的資源消耗， 對沖與化解了經營與財務風險（袁鯤和曾德濤，2020）， 優化了企業內部控制環境， 使得企業通過盈余管理、 財務欺詐、 內幕交易等操縱業績的尋租空間得以縮減（孟茂源和張廣勝，2022）， 企業實施違規的成本與處罰成本F大幅增加（周升師，2022）。另一方面， 數字金融緩解了因信息不對稱所致的代理成本問題， 提升了信息的流轉度和有效度（阮堅等，2020）， 推進了內部控制管理的信息化和合規化， 股東、 會計師事務所與外部監管機構更易于監督企業與管理層內部經營決策， 倒逼企業規范經營活動， 約束對企業造成信譽損失、 破壞資本市場交易秩序的違規行為， 企業實施違規舞弊的內部溝通與利益協調成本CC將更高， 因此， 高質量的內部控制將顯著制約企業財務造假、 信息披露等違法違規活動， 最終抬高了公司的違規處罰成本F和溝通協調成本CC。綜上， 本文提出如下假設：

H： 其他條件不變時， 數字金融能夠顯著矯正公司違規行為。

三、 研究設計

（一） 樣本選擇與數據來源

本文選用2011 ～ 2021年全部A股上市公司為研究樣本， 數字金融數據源自北京大學數字金融研究中心編制的《數字普惠金融指數》， 公司違規及其他數據來源于CSMAR數據庫， 部分缺失數據通過人工搜集補充。本文剔除了如下樣本： ST及?ST類企業； 金融類企業（銀行、 保險及其他金融類企業）； 缺失值樣本； 已退市的企業樣本。為避免極端值的影響， 對連續變量首尾各1%進行了Winsorize處理， 共獲得樣本25351個。

（二） 變量定義

1. 被解釋變量： 公司違規（Violation）。借鑒陸瑤等（2012）的研究， 根據中國證監會發布的相關規定， 將討論范圍界定為違背了國家或相關監管部門的法律法規的企業違規行為， 包括虛構利潤、 虛列資產、 虛假記載、 推遲披露、 重大遺漏、 披露不實、 欺詐上市、 出資違規、 擅自改變資金用途、 占用公司資產、 違規擔保、 內幕交易、 違法違規買賣股票、 操縱股價、 一般會計處理不當、 其他共計16種。借鑒陸瑤等（2012）、 谷溪和喬嗣佳（2021）的研究方法， 使用兩個變量度量公司違規： （1）違規傾向（Fraud）， 將監管機構查處的違規公司涉及的年份定義為違規年份， 公司當年存在違規行為時定義為1， 否則為0。（2）違規程度（Degree）， 根據公司受處罰的程度依次賦值（谷溪和喬嗣佳，2021）。公司當年不存在違規行為則賦值為0； 處罰類型為“其他”時視為違規程度較輕， 賦值為1； 處罰類型為“批評或者譴責”時視為違規程度較重， 賦值為2； 處罰類型為“警告、 罰款或者沒收非法所得”則視為違規程度嚴重， 賦值為3。如果公司在一年內受到多種處罰， 則取最嚴重的處罰類型進行相應的賦值。

2. 解釋變量： 數字金融（index）。數字金融的測量參照唐松等（2020）的研究， 使用北京大學數字金融研究中心發布的中國數字普惠金融指數， 該指數包括省級和城市級數字金融指數， 被既有文獻普遍運用。本文在基準回歸中采用省級數字金融指數度量數字金融發展水平。為便于結果展示， 本文將數字金融指數進行100倍縮放處理， 在穩健性測試中使用數字普惠金融地級市指數予以替代。

3. 控制變量。考慮到公司特征與內部外治理層面因素對公司違規結果的影響， 參考馬連福和杜善重（2021）等的研究， 選取公司規模、 盈利能力、 償債能力、 是否虧損、 兩職合一、 董事會規模、 審計師是否來自國際“四大”、 股票年換手率等作為控制變量。考慮到數字金融會受到省際因素的影響， 模型中進一步控制了各省市場化程度與生產總值。具體變量定義見表1。

（三） 模型設定

為了考察數字金融對公司違規的影響， 本文構建多元回歸模型（1）：

Violationit=α0+α1indexit+∑Controlsit+∑Yearit+∑Indit+εit （1）

其中： 被解釋變量Violation為公司違規， 解釋變量index為數字金融， Controls為相關控制變量， ε為隨機誤差項。鑒于違規傾向（Fraud）為啞變量， 采用Logit回歸模型予以檢驗；違規程度（Degree）為有序變量， 采用Ordered Logit模型來檢驗數字金融對公司違規嚴重程度的影響。回歸分析中控制了年度和行業， 為了緩解公司層面的序列相關問題， 本文對所有回歸系數的標準誤在公司層面上進行了Cluster處理。

四、 實證結果與分析

（一） 描述性統計

表 2列示了各主要變量的描述性統計分析結果。其中， 違規傾向（Fraud）的均值為0.223， 表明約22%的樣本存在違規現象， 而違規程度（Degree）的均值為0.226， 且中位數為0， 表明大部分公司違規嚴重程度相對較低， 數字金融（index）的最小值為0.327， 最大值為4.59， 均值為2.769， 而標準差為1.042， 表明各省數字金融水平差異較大。

（二） 基準回歸分析

本文分別運用Logit回歸與Ordered Logit回歸， 以遞進的方式驗證數字金融與公司違規之間的關系， 回歸結果如表 3所示。當僅控制時間和行業固定效應后， 列（1）和列（2）顯示， 數字金融與違規傾向（Fraud）和違規程度（Degree）的回歸系數分別為-0.307和-0.415， 均在1%的水平上顯著。之后， 逐步加入控制變量， 列（3）和列（4）顯示， 數字金融與Fraud和Degree的回歸系數分別為-0.352和-0.455， 仍通過了1%的統計顯著性檢驗。以上實證結果證實主假設成立， 即數字金融對公司違規行為具有明顯的矯正效應， 不僅能夠有效抑制公司的違規傾向， 也能夠顯著降低公司的違規程度。

（三） 穩健性檢驗

1. 內生性處理。考慮到數字金融和公司違規間的負相關性可能是由于其他不可觀測因素造成的， 本文采取工具變量法來控制可能存在的內生性問題。借鑒唐松等（2020）的做法， 采用各省互聯網普及率（Inter）作為數字金融的工具變量， 網絡通信極大程度上反映了當地數字化特征， 是數字金融高質量發展的基礎， 因此互聯網普及率與數字金融顯著正相關， 但與公司違規行為并無直接關聯。同時借鑒李從剛和許榮（2020）的做法， 分別使用IVprobit模型和2SLS回歸進行極大似然估計， 詳見表4。IVprobit模型中第一階段Inter的回歸系數顯著為正， F統計量遠大于10， 滿足相關性條件， 第二階段回歸見列（2）和列（3）， 弱工具變量檢驗結果顯示， Wald值分別為8.95和6.82， p值分別為0.003和0.001， 通過了弱工具變量檢驗。2SLS模型第一階段Inter的回歸系數依舊顯著為正， 第二階段回歸結果見列（5）和列（6）， 數字金融均在1%的水平上顯著為負， Anderson Canon檢驗和Cragg-Donald 檢驗表示回歸模型均不存在識別不足和弱工具變量問題， 證明了工具變量是有效的。回歸結果均顯示， 在通過工具變量控制內生性問題后， 數字金融發揮了積極的矯正效應， 對公司違規有顯著的負向抑制影響。

2. 替換變量。首先替換解釋變量數字金融（index）的測量方式， 采用地級市數字金融指數（pref_index）予以替代， 以增強研究結果的穩健性。表 5列（1）和列（2）顯示， 地級市數字金融指數與公司違規各指標間的回歸系數分別為-0.448與-0.611， 且在1%的水平上顯著， 說明數字金融與公司違規仍顯著負相關。此外， 將被解釋變量違規行為替換為公司當年違規頻數（Freq）， 以此分析數字金融對公司違規的影響。違規頻數是計數變量， 在非線性面板數據情形下， 可以使用面板泊松回歸或者面板負二項回歸。經分析， 違規頻數的均值為0. 163， 標準差為0. 505， 可能存在過度分散問題， 不滿足泊松回歸中均等分散的假設條件， 因此， 本文運用面板負二項回歸方法。回歸結果見表 5列（3）， 數字金融與Freq的回歸系數為-0.377， 且在1%的水平上顯著， 證實了數字金融有效矯正了公司的違規亂象。

3. 控制遺漏變量。考慮到數字金融和公司違規可能會受到包括公司外部環境與內部戰略行為等宏微觀因素的影響， 借鑒阮堅等（2020）的研究， 本文綜合納入經濟政策不確定性（Epu）、 行業競爭程度（HHI）、 機構投資者持股比例（Ins）、 股權集中度（Top1）等相關遺漏變量。如表 5列（4）和列（5）所示， 數字金融與Fraud、 Degree的回歸系數依舊顯著為負， 且在1%的水平上顯著， 研究結論依舊成立。

4. 滯后解釋變量。鑒于數字金融對公司違規行為的影響可能存在滯后效應， 本文將核心變量數字金融分別滯后4期以論證其是否存在長期治理效應。回歸結果顯示， 數字金融與公司違規之間的回歸系數隨時間變化逐漸變小， 顯著性逐步降低， 直至滯后4期數值在統計上不再顯著（限于篇幅，結果未列示）。這意味著， 數字金融能夠在較長區間內發揮矯正治理作用， 有效抑制公司違規傾向， 降低公司違規嚴重程度。

5. 時間行業聯合固定效應。進一步地， 采用更為嚴格的時間行業聯合固定效應， 控制隨時間變化的行業層面不可觀測的差異， 以避免內生性干擾， 結果表明研究結論依舊成立（限于篇幅，結果未列示）。

五、 影響機制分析

基于前述理論分析的邏輯， 本文對數字金融與公司違規之間的具體影響渠道進行細化分析。參照溫忠麟等（2005）的研究， 在模型（1）的基礎上構建了如下中介模型（2）和（3）， 分別檢驗數字金融對公司違規的資源效應、 信息效應與治理效應， 具體通過對融資約束、 信息透明度和內部控制三種作用路徑進行解讀， 以揭示數字金融與公司違規之間的內在邏輯。

Mediatori，t=θ0+θ1indexi，t+∑Controls+∑Year+∑Industry+πi，t （2）

Violationi，t=α? +α? indexi，t+α? Mediatori，t+∑Controls+∑Year+∑Industry+νi，t （3）

（一） 資源效應——融資約束機制分析

從數字金融的資源效應來看， 數字金融有效緩解了融資約束， 緩釋了企業內部資源匱乏問題（周兆斌和楊志國，2023）。當企業存在外部融資障礙時， 數字金融的發展一方面破除了銀行業壟斷， 改善了信貸資源錯配， 拓展了融資渠道， 中小金融機構的崛起拓展了金融服務的外延性和靈活性， 能夠更好地服務尾部企業， 以滿足其融資需求； 另一方面， 數字金融以其數字技術廣泛吸納市場信息， 降低了融資交易成本， 縮減了資源獲取費用， 從而打破傳統金融的限制， 提高了融資的效率（楊潔和馬從文，2022）。而融資難、 融資貴問題會導致企業利用非常規手段獲取資源， 數字金融通過緩解融資約束， 弱化了企業尋求資源的違規動機， 約束了企業為獲取資源而滋生的尋租行為， 從而降低了企業違規的可能性， 縮減了企業違規收益， 促使企業矯正公司違規行為。參考鞠曉生等（2013）的研究方法， 采用SA指數的絕對值作為企業融資約束代理變量， 該指標越大， 表明企業融資約束越強。表 6列（1）列示了數字金融對融資約束的影響， 二者回歸系數為-0.112， 在1%的統計水平上顯著， 表明數字金融顯著發揮了資源效應， 緩解了融資約束。列（2）和列（3）的中介效應回歸結果顯示， 融資約束與違規傾向、 違規程度的回歸系數分別為0.224和0.378， 且在1%的水平上顯著， 數字金融與違規傾向和違規程度的回歸系數分別為-0.331和-0.421， 且均在1%的水平上顯著。這表明融資約束在數字金融與公司違規中起著部分中介作用。本文對中介效應采取Sobel檢驗， 檢驗Z值分別為-2.682和-4.42， 表明數字金融緩解融資約束以矯正公司違規的中介機制成立。

（二） 信息效應——信息透明度機制分析

從數字金融的信息效應來看， 數字金融的信息耦合作用能夠有效緩解信息不對稱， 減少信息傳遞的損失， 優化信息獲取渠道和信息可信度， 這將極大地降低對公司經營數據的獲取成本， 支持外部監管者整合分析并監測公司財務數據， 從而方便監管者監管公司活動， 提升了公司信息透明度， 監管者更易觀測出企業的違規行為。借鑒楊潔和馬從文（2022）的研究， 構建公司信息透明度指標（TRANS）， 以國泰安數據庫中的上市公司信息披露考評信息表為依據， 對考核結果優秀、 良好、 合格和不合格分別賦值為4、 3、 2和1， 該數值越高代表企業信息透明度越高。表6列（4）中數字金融與信息透明度的回歸系數為0.144， 且在1%的水平上顯著， 說明數字金融有效發揮信息效應提升了公司信息透明度； 列（5）和列（6）中， 信息透明度與違規傾向和違規程度的回歸系數分別為-1.272和-1.58， 且在1%的水平上顯著， 說明信息透明度越高， 越能夠抑制公司的違規傾向， 削弱公司違規程度； 此外， 數字金融與違規傾向和違規程度的回歸系數分別為-0.186和-0.221， 且在10%的水平上顯著， 表明信息透明度在數字金融與公司違規中起著部分中介作用。Sobel檢驗Z值分別為-6.316和-6.338， 證實數字金融提升公司信息透明度以矯正公司違規的中介機制成立。

（三） 治理效應——內部控制機制分析

從數字金融的治理效應出發， 數字金融通過幫助企業引入資源流， 帶來更為多元化、 便利化的金融供給， 極大地降低了企業融資過程中的資源損耗（孟茂源和張廣勝，2022）。企業經營者能夠有效抓取、 識別關鍵信息， 規避投融資與創新決策過程中的風險因素， 提升內部控制質量， 幫助股東更有效地監管公司活動， 加大約束、 打擊違規活動力度。而公司違規行為與其內部治理水平存在明確的因果關系（班旭等，2022）， 內部控制存在缺陷的公司往往有更多隱患， 公司更易鋌而走險實施違規行為（單華軍，2010）， 內部控制越好， 委托代理問題越會被削減， 違規成本越大， 對公司違規行為的制約力越強。本文采用既有文獻廣泛采用的迪博內部控制指數作為內部控制的代理變量， 該指數越大， 表明內部控制質量越高。表 6列（7）中數字金融與內部控制的回歸系數為0.155， 且在1%的水平上顯著， 說明數字金融顯著提升了公司內部控制質量， 列（8）和列（9）中內部控制與公司違規Fraud和Degree的系數分別為-0.211和-0.262， 且均在1%的水平上顯著， 而數字金融與二者的回歸系數分別為-0.31和-0.407， 也均在1%的水平上顯著， 說明數字金融能夠發揮公司治理效應， 通過提升內部控制削弱了公司違規傾向和違規程度。Sobel檢驗Z值分別為-4.738和-4.844， 表明數字金融增強內部控制質量以矯正公司違規的中介機制成立。

六、 異質性分析

鑒于公司違規可能受到公司內部特征及外界環境等因素的影響。本文進一步從公司規模與市場法律制度環境兩個方面分別考察不同情境下數字金融對公司違規是否存在顯著差異。

（一） 公司規模

基于規模效應理論， 規模較小的公司流動性更差， 受到外界關注更少， 信息不對稱程度更為嚴重， 發生違規行為時， 越不易被公眾所發現， 而規模較大的公司可能更具資源優勢， 但同時內部關系更為復雜， 管理層級更多， 信息傳遞更易失真。因此， 數字金融對公司違規的矯正效應可能在不同規模的公司之間有所差異。本文借鑒張佳佳（2023）的研究， 將公司規模四等分， 設規模位于1/4分位數及以下的樣本為小規模公司， 設規模位于3/4分位數及以上的樣本為大規模公司， 進行分樣本回歸， 回歸結果見表 7。其中： 列（1）和列（2）為數字金融在小規模公司中對公司違規行為的影響， 回歸結果不顯著； 列（3）和列（4）為大規模公司樣本組回歸結果， 數字金融的回歸系數分別為-0.368和-0.466且在1%的水平上顯著， 表明數字金融對公司違規行為的矯正對象主要為大規模公司。這可能是因為大規模公司的外部關注度更高， 在數字金融的相關技術模式的催化下抬高了違規被稽查率和違規成本， 同時數字金融的信息提質功能幫助大規模公司優化信息流轉度， 縮減了溝通成本， 違規所獲收益的空間更小， 從而弱化了違規傾向， 顯著降低了違規程度。

（二） 市場法律制度環境

公司所處地區的法律環境也深刻影響其行為決策。當位于市場法律制度較為薄弱的地區時， 公司受到的外部監督更少、 違規成本更低， 違規被稽查的概率也更低， 將有較強的動機攫取違規收益。而法律制度較為完善的地區， 公司實施違規被稽查的概率與處罰成本相對更高， 迫于法律制度的震懾力， 實施違規舞弊的動機可能會有所下降。因此， 本文推測， 在市場法律環境較弱的樣本中， 數字金融對公司違規行為的矯正效果可能相對更強。本文選取《中國分省份市場化指數報告》的市場化指數中的分指標——法律制度環境指數作為市場法律制度環境的代理變量， 取中位數進行分樣本回歸。表 7列（5）和列（6）為市場法律制度完善的環境中數字金融對公司違規的影響， 回歸結果不顯著； 列（7）和列（8）中， 在市場法律制度薄弱的環境下， 數字金融的回歸系數分別為-0.594和-0.673， 均在1%的水平上顯著。這表明， 數字金融在市場法律制度環境較差的地區矯正公司違規行為時具有獨特的技術優勢， 一定程度上可以彌補法律制度環境的監管不足， 為法制環境較差的公司提供信貸資源和透明化信息支撐， 幫助公司優化內部控制， 從而更好地矯正公司違規行為。

七、? 結論與啟示

本文以2011 ～ 2021年A股上市公司為研究樣本， 考察了數字金融對公司違規行為的影響與作用機制。研究發現， 數字金融顯著弱化了公司違規傾向， 削弱了公司的違規程度， 對公司違規行為具有積極的矯正效應， 這一結論經過內生性處理等一系列穩定性檢驗之后依然成立。機制檢驗發現， 數字金融主要通過緩解融資約束、 提升公司信息透明度和加強內部控制這三個傳導路徑發揮對公司違規行為的矯正效應。異質性分析發現， 數字金融在公司規模較大、 市場法律制度環境較差時更能矯正公司違規行為。基于此， 本文分別從企業、 政府與監管層面提出以下建議：

第一， 企業應主動適應數字金融的技術支持， 積極尋求變革路徑， 與外界進行信貸互換， 利用數字金融的多元化融資渠道緩解融資約束， 為企業提供資源支撐； 構建信息溝通體制機制， 對接金融機構進行信息共享， 從而緩解內外信息不對稱， 提升信息透明度； 同時， 企業需要不斷加強自身內部控制， 提高管理水平， 發揮數字金融的風險控制功能， 降低自身經營風險與財務風險， 杜絕“走捷徑”的違規行為。

第二， 政府應大力推動數字金融的縱深發展， 夯實數字金融推動實體經濟的相關政策。數字技術的浪潮大勢可趨， 政府應健全數字金融相關法律法規， 改善市場法律環境， 完善并持續推動數字金融的戰略布局， 推動數字金融與金融平臺服務、 企業之間的相互融合發展， 積極推動金融機構與企業實施數字化轉型， 培養數字化方面的人才， 并積極打造信息互通的平臺， 從而加快數字金融的深化發展。

第三， 監管部門針對公司違規亂象， 需要日臻完善資本市場的法律制度， 強化金融監管體系建設， 優化公司違規處罰機制， 遏制企業違規， 保障資本市場健康有序運行。此外， 監管部門需進一步搭建更為合理的資本市場違規反響機制， 通過數字信息數據， 優化違規檢舉流程、 試行監管沙盒機制等， 充分發揮數字金融的賦能作用， 扎實推進金融服務實體經濟高質量發展。

【 注 釋 】

1 證監會通報2022年案件辦理情況，http：//www.csrc.gov.cn/csrc/c100028/c7088291/content.shtml，2023-02-10。

2 2022年證監稽查20起典型違法案例，http：//www.csrc.gov.cn/csrc/c100028/c7397653/content.shtml，2023-03-24。

【 主 要 參 考 文 獻 】

班旭，姜英兵，徐傳鑫．證監會隨機抽查制度能否抑制公司違規？［ J］．現代財經（天津財經大學學報），2022（10）：93 ～ 113．

封思賢，徐卓．數字金融、金融中介與資本配置效率［ J］．改革，2021（3）：40 ～ 55．

谷溪，喬嗣佳．國企混改治理效果的資本市場證據——基于信息披露違規事件的實證檢驗［ J］．財政科學，2021（9）：55 ～ 73．

鞠曉生，盧荻，虞義華．融資約束、營運資本管理與企業創新可持續性［ J］．經濟研究，2013（1）：4 ～ 16．

李從剛，許榮．保險治理與公司違規——董事高管責任保險的治理效應研究［ J］．金融研究，2020（6）：188 ～ 206．

李濤，彭東蔓．數字金融減貧：研究熱點綜述及展望［ J］．財會月刊，2022（8）：154 ～ 160．

李小玲，崔淑琳，賴曉冰．數字金融能否提升上市企業價值？——理論機制分析與實證檢驗［ J］．現代財經（天津財經大學學報），2020（9）：83 ～ 95．

陸瑤，李茶．CEO對董事會的影響力與上市公司違規犯罪［ J］．金融研究，2016（1）：176 ～ 191．

陸瑤，朱玉杰，胡曉元．機構投資者持股與上市公司違規行為的實證研究［ J］．南開管理評論，2012 （1）：13 ～ 23．

馬連福，杜善重．數字金融能提升企業風險承擔水平嗎［ J］．經濟學家，2021（5）：65 ～ 74．

孟茂源，張廣勝．數字金融與企業盈余管理——來自制造業上市公司的證據［ J］．學習與實踐，2022（8）：33 ～ 43．

阮堅，申么，范忠寶．何以驅動企業債務融資降成本——基于數字金融的效用識別、異質性特征與機制檢驗［ J］．金融經濟學研究，2020（1）：32 ～ 44．

單華軍．內部控制、公司違規與監管績效改進——來自2007—2008年深市上市公司的經驗證據［ J］．中國工業經濟，2010（11）：140 ～ 148．

唐松，伍旭川，祝佳．數字金融與企業技術創新——結構特征、機制識別與金融監管下的效應差異［ J］．管理世界，2020（5）：52 ～ 66+9．

汪亞楠，葉欣，許林．數字金融能提振實體經濟嗎［ J］．財經科學，2020（3）：1 ～ 13．

溫忠麟，侯杰泰，張雷．調節效應與中介效應的比較和應用［ J］．心理學報，2005（2）：268 ～ 274．

楊潔，馬從文．金融科技對企業避稅的影響及作用機制研究［ J］．哈爾濱商業大學學報（社會科學版），2022（2）：97 ～ 113．

俞毛毛，馬文婷，錢金娥．數字金融發展對企業債務違約風險的影響［ J］．金融與經濟，2022（3）：39 ～ 47．

袁鯤，曾德濤．區際差異、數字金融發展與企業融資約束——基于文本分析法的實證檢驗［ J］．山西財經大學學報，2020（12）：40 ～ 52．

張佳佳．數字金融、技術創新與企業競爭力——來自中國A股上市企業的實證證據［ J］．南方金融，2023（1）：23 ～ 36．

趙曉鴿，鐘世虎，郭曉欣．數字普惠金融發展、金融錯配緩解與企業創新［ J］．科研管理，2021（4）：158 ～ 169．

周升師．數字金融發展與企業現金持有調整——來自中國上市企業的經驗證據［ J］．財經論叢，2022（4）：69 ～ 80．

周兆斌，楊志國．數字金融發展與中小企業會計信息質量——基于財務重述的研究視角［ J］．財經論叢，2023（6）：69 ～ 79．

Albrecht W. S.， Romney M. B.， Cherrington D. J.， et al.. Red-flagging Management Fraud： A Validation［ J］． Advances in Accounting，1986（3）：323 ～ 333．

Demertzis M.， Merler S.， Wolff G. B.. Capital Markets Union and the Fintech Opportunity［ J］． Journal of Financial Regulation，2018（1）：157 ～ 165．

Ha? L. H.， Müller M. A.， Vergauwe S.. Tournament Incentives and Corporate Fraud［ J］． Journal of Corporate Finance，2015（34）：251 ～ 267．

【基金項目】教育部人文社會科學研究規劃基金項目（項目編號：22YJA630116）；國家自然科學基金地區科學基金項目（項目編號：71762030）；江蘇省社會科學應用研究精品工程財經發展專項（項目編號：23SCC-012）

【作者單位】江南大學商學院， 江蘇無錫 214122。周潔銀為通訊作者