數字化轉型、資金渠道差異與企業(yè)減持行為

鐘娟 陳昕 魏彥杰

(安徽財經大學 國際經濟貿易學院,安徽 蚌埠 233030)

一、引言

減持行為一直是資本市場中備受關注的話題。一方面,大股東和高管從減持行為中持續(xù)獲取超額收益,嚴重侵占中小股東權益[1]。2012—2022年間,上市公司董監(jiān)高凈減持金額年均增速近40%。其中,2020年減持金額為近十年來最高,董監(jiān)高當年減持額達1 274.49億元。另一方面,高管頻繁減持導致外部投資者恐慌并產生拋售行為,引發(fā)市場動蕩[2]。目前,有關減持行為的研究集中于企業(yè)利用信息優(yōu)勢獲取超額收益的投機性動機[3],重點關注的是減持前的策略性信息披露[4],以重大信息影響股價走向[5],或粉飾業(yè)績誤導中小投資者[6]。

但值得注意的是,在數字化轉型已成為大勢所趨的當下,企業(yè)高管對于轉型實際狀況的信息優(yōu)勢有可能成為投機性減持的新誘因。一方面,數字化轉型對重塑企業(yè)核心競爭力的意義重大,成功轉型有利于提升企業(yè)價值[7]。因此,受益于數字化轉型優(yōu)勢的企業(yè),其股票活躍度更高[8],為高管減持創(chuàng)造了條件。而另一方面,許多企業(yè)囿于內部資源和能力,難以支撐數字化轉型這一長期、系統性變革所需的技術、人才和資本投入[9],所以轉型不理想、不徹底或失敗的可能性很高。而高管相比外部投資者擁有“信息優(yōu)勢”[10],對轉型中風險的把握更精準,會對市場估值重新評判,形成私人價值判斷。由此,企業(yè)內外部之間的估值差異形成誘發(fā)減持的重要前提,估值差異越大,投機性減持的可能性越高。

總之,由于轉型本身及其效果的高度不確定性,即使轉型企業(yè)披露了真實信息,它仍然可能加劇企業(yè)內外部之間的估值分歧,進而引發(fā)投機性減持。這不僅會沖擊資本市場的穩(wěn)定,還可能助長企業(yè)“見好就收”,削弱其將轉型進行到底的決心。因此,探究數字化轉型可能在資本市場引發(fā)的間接負面影響,找到能夠在企業(yè)轉型過程中抑制投機性減持行為的有利因素,已成為推進企業(yè)數字化轉型和助力證券市場平穩(wěn)發(fā)展亟待解決的問題。

基于此,本文利用2008—2020年A股上市公司數據,實證研究企業(yè)數字化轉型對投機性減持行為的影響,并檢驗資金渠道對二者關系的調節(jié)作用,同時進一步分析這些作用在不同技術水平和外部融資環(huán)境下企業(yè)間的異質性特征。本文可能的邊際貢獻在于:(1)與現有研究主要關注數字化轉型的有利作用不同,嘗試探討轉型過程可能給證券市場帶來的間接負面影響,為減持行為動因研究補充新的經驗證據,豐富了轉型進程中企業(yè)高管證券市場行為的理論探索。(2)從資金渠道差異的角度探究了影響數字化轉型與減持行為之間關系的途徑,驗證了外部無償性資金支持的正向調節(jié)作用和內部充?，F金供給的負向調節(jié)作用,并基于異質性視角深入剖析了企業(yè)在不同技術水平和外部融資環(huán)境下數字化轉型對減持行為的作用差異,為有效抑制投機性減持行為提供了調控思路和目標導向。(3)研究結論為數字化轉型過程中企業(yè)如何兼顧提升轉型效率和抑制投機性減持提供了理論依據和決策參考,也為政府有針對性地支持企業(yè)數字化轉型提供了政策啟示。

二、理論分析與研究假設

(一)企業(yè)數字化轉型對減持行為的影響

數字化轉型是數字經濟時代革新企業(yè)生產方式、經營模式和組織架構的戰(zhàn)略性變革。轉型有助于提升企業(yè)全要素生產率[11]、創(chuàng)新能力[12]與業(yè)績水平[13],并降低債務違約風險[14]、加速企業(yè)成長[15]乃至促使企業(yè)承擔更多社會責任[16]。這些有利變化反映到證券市場上,市場熱情受到激發(fā),股票活躍度提升[8],刺激數字化轉型題材的股票市值攀升,出現高市場估值。

但是,如何將數字技術與傳統組織架構相融合是一個復雜且長期的工作。首先,制約轉型的因素多樣且龐雜,包括資金約束,如更新設備的高昂成本[17]、融資約束和自身造血不足的疊加限制[18];創(chuàng)新能力約束,如創(chuàng)新資源不足,或中小企業(yè)技術選擇權受限等[19];戰(zhàn)略方向迷失,企業(yè)難以從數字化投入中真正發(fā)掘和釋放數據價值,轉型效果大打折扣、嚴重偏離預定績效目標[20]。其次,數字化轉型需要經歷局部端數字化、平臺數字化與生態(tài)系統數字化等階段,轉型初期的門檻、難度與資金需求往往并不高,多數企業(yè)都可以介入轉型過程,但隨著轉型程度加深,企業(yè)不僅要深度實現自身的數字化改造,而且要與產業(yè)鏈內的其他企業(yè)互聯互通,才能建成數字化下的決策應變系統。此時,出現方向錯誤和孤島式盲目探索、轉型工具單一乃至不斷推倒重來的可能性急劇增大,困難與資金壓力也隨之增加(騰訊社會研究中心,2022;艾瑞咨詢,2022)。轉型越深入,企業(yè)越容易陷入進退兩難,進則面臨資金、技術與戰(zhàn)略方向抉擇上的困難與挑戰(zhàn)(1)《2022中國制造業(yè)數字化轉型研究》(艾瑞咨詢)將這一問題稱為“錢-效-全”難兼顧,即費用、效果與轉型深度之間的矛盾。,退則需要承受前期投入資金和人力的高昂機會成本(2)企業(yè)對轉型費用很敏感,56%企業(yè)將其控制在企業(yè)總成本5%以內(騰訊社會研究中心,《中小企業(yè)數字化轉型路徑報告2022》)。。

而高管作為轉型“領航員”,他們掌握著轉型進展、困難和風險的真實信息,相比外部投資者擁有信息優(yōu)勢[21],會根據轉型的現實與未來態(tài)勢形成預期收益的私人判斷。此時,如果企業(yè)市場估值高于高管們的私人判斷,他們就可能選擇減持,提前將數字化轉型可能在未來產生的價值增值部分套現以鎖定收益。這種投機性減持是一種“雙輸”行為,不僅干擾證券市場平穩(wěn)運行,而且極大削弱了企業(yè)將轉型進行到底的決心與意愿。

總之,數字化轉型中存在固有的信息不對稱,極易造成企業(yè)價值的高管私人判斷與市場樂觀預期之間出現差異,進而催生“見好就收”的投機性減持,并且隨著轉型程度的深入,難度愈大,成本愈高,風險愈不可控,高管投機性減持動機愈強烈?；谏鲜龇治?本文提出假說1。

H1企業(yè)數字化轉型會加劇投機性減持行為,轉型越深入,減持行為越容易發(fā)生。

(二)企業(yè)數字化轉型、資金渠道與減持行為

在數字化轉型過程中,資金投入程度決定了轉型成敗。但企業(yè)對不同資金來源有不同心理預期。由于專項資金、研發(fā)補貼等政策性資金具有“無償性”和“條件性”,企業(yè)會對這種外部資金供給產生依賴性和迎合心理[22];而內部現金供給來自企業(yè)的價值創(chuàng)造和融資,具有“有償性”和“創(chuàng)造性”,進而也更具可持續(xù)性,它能顯著增強高管戰(zhàn)略投資信心[23]。

自2008年4月工信部成立伊始,財政補助就開始在企業(yè)數字化轉型中持續(xù)發(fā)力,三次“政策紅利”包括2013年兩化融合管理體系貫標、2015年智能制造工程、2017年工業(yè)互聯網創(chuàng)新發(fā)展戰(zhàn)略,財政獎補資金滲透到數字化轉型的方方面面。但是一方面,政府補助具有政策時限、政策傾斜與潛在門檻等選擇性[24-25],企業(yè)并非總是能夠適配這些條件。同時,由于補助資金期限短、數額有限,當數字化轉型更多地依賴該資金渠道時,資金供給的持續(xù)性和充足性無法保障,這將削弱管理層推進轉型的信心和轉型到底的決心,降低其對企業(yè)價值的判斷。而另一方面,政府補助又具有政府信用背書的間接信號傳遞作用[26],公司股票在資本市場上更受投資者青睞,反而容易產生較高市場估值?？傊?享有政策性資金越多的企業(yè),其轉型過程中市場估值和高管估值之間出現落差的可能性越高,更易滋生“見好就收、落袋為安”的投機性減持行為。尤其是對一部分為爭取補助而進行數字化轉型的企業(yè),它們會選擇性地進行門檻低、投入小、見效快的數字化投入,其估值的高漲更易誘發(fā)投機性減持。

相反地,企業(yè)內部現金本質上是企業(yè)即時付現能力的表現,更充裕的現金資產狀況能夠為企業(yè)變革提供安全可靠的資金支撐[27]。一方面,企業(yè)內部充裕現金具有抗風險能力,不僅能夠幫助企業(yè)抵御突發(fā)性事件,還可以幫助企業(yè)緩解來自市場的各種融資規(guī)制,保障企業(yè)穩(wěn)定經營[28];另一方面,充裕的內部現金類似自由現金流,可以使管理層決策更具機動靈活性[29],有利于管理層對轉型過程遭遇的問題進行即時有效應對,助力企業(yè)轉型目標的實現。此外,Hall(1992)[30]還發(fā)現企業(yè)內部資金能力與創(chuàng)新投入存在正相關關系,鞠曉生(2013)[31]也認為使用內部資金更有利于企業(yè)創(chuàng)新投入的長期可持續(xù)性。總之,企業(yè)內部充?，F金供給能夠為數字化轉型過程提供更穩(wěn)定可靠的支撐,使轉型過程更具長期可持續(xù)性,增強企業(yè)轉型信心,提高管理層對企業(yè)的估值,堅定高管“從長計議”的長期投資心理,降低投機性減持動機。

基于此,本文提出假說2和假說3。

H2企業(yè)對外部政策性資金的依賴越高,數字化轉型加劇投機性減持的作用越強。

H3企業(yè)內部現金供給越充裕,數字化轉型加劇投機性減持的作用越弱。

三、模型設定與變量測度

(一)樣本選擇和數據來源

本文選取2008—2020年A股上市公司為初始研究樣本(3)雖然在2011年,Gartner“數字化轉化”作為技術趨勢提出,中國的數字化轉型浪潮真正爆發(fā)是2014年,但2008年中國移動開始3G網絡商用,在2009年新浪推出將中國第一個云計算平臺SAE,標志著中國企業(yè)數字化轉型序幕的開啟,因此選擇2008年作為樣本的時間起點。,并對樣本進行如下處理:第一,剔除金融類、互聯網(4)考慮到互聯網相關企業(yè)因行業(yè)特殊性對數字化水平本身具有高要求,故本文刪除了行業(yè)代碼為I63、I64和I65的企業(yè)。相關上市公司樣本;第二,剔除ST、*ST的上市公司樣本;第三,剔除數據存在嚴重缺失的公司樣本。篩選后共計得到26 336個非平衡面板數據,為避免異常值影響,對所有連續(xù)變量進行上下1%水平的縮尾處理。本文原始數據來自國泰安數據庫(CSMAR)、萬得數據庫(WIND),相關企業(yè)年報數據來自上海證券交易所和深圳證券交易所官網。

(二)變量設定

1.被解釋變量

高管投機性減持(InsiderTrading)。因為減持的超額收益是內部人信息優(yōu)勢收益的重要量化表征,交易獲利性高提供了內部人在交易中大量利用信息優(yōu)勢的重要間接證據。有鑒于此,本文以高管減持后的異常回報作為表征高管進行機會主義減持的事后衡量指標。參考吳育輝和吳世農(2010)[4]及羅宏和黃婉(2020)[32]的做法,首先運用事件研究法,分析高管減持交易的超額收益,并將具有異常回報的減持行為認定為高管投機性減持,以此排除常規(guī)減持行為。然后將高管投機性減持行為進行“公司—年度”層面的手工匯總,構建合計的年度減持金額和減持次數變量,同時參考Huddart和Ke(2010)[33]的做法,將某年度內未發(fā)生高管投機性減持行為的公司做取零值處理。最后分別對減持金額和減持次數取對數,作為減持規(guī)模(Sell)和減持頻率(Selltimes)的代理變量。

2.核心解釋變量

企業(yè)數字化轉型(DCG)。本文參照趙宸宇(2021)[34]的做法,基于2008—2020年A股上市公司年報,在Python語言環(huán)境下,對公司年報中出現的“數字化轉型”相關關鍵詞進行抓取,統計每份年報中相關關鍵詞出現的次數,并進行“公司—年度”層面的手工匯總,對最終加總詞頻取對數處理后得到企業(yè)數字化轉型(DCG)的代理變量。其中,關于“數字化轉型”相關關鍵詞的界定主要參考吳非等(2021)[8]的做法,從“底層技術運用”和“技術實踐應用”兩個層面確定特征詞。底層技術運用層面主要包括人工智能(Artificial Intelligence)、區(qū)塊鏈(Blockchain)、云計算(Cloud Computing)和大數據(Big Data)等“ABCD”技術,共涉及44個關鍵詞;技術實踐應用層面主要指數字技術與企業(yè)生產經營的融合,包括移動支付、電子商務、數字金融、工業(yè)互聯網等業(yè)務場景中的數字化轉型,共涉及105個關鍵詞。

3.調節(jié)變量

(1)企業(yè)外部政策性資金供給(Subsidy)。本文選取政府補助作為衡量企業(yè)外部政策性資金供給的代理變量。該數據來自上市公司財務報表中政府補助的金額,參考羅宏等(2014)[35]的做法對政府補助金額進行加1取對數處理,以減少不同企業(yè)政府補助強度差異導致的估計偏誤。

(2)企業(yè)內部現金供給(Cash)。參考曾愛民等(2013)[36]的研究,現金柔性能反映企業(yè)調用內部資金的能力,本文采用現金比率作為衡量企業(yè)內部現金供給能力的代理變量?，F金比率量度了企業(yè)資產中相對于當前負債最具流動性的項目,能夠有效反映企業(yè)即時付現的能力。現金比率越高說明企業(yè)的變現能力越強,越能增強企業(yè)抗風險的能力。該數據來自上市公司財務報表,采用期末現金及現金等價物與流動負債的比值表示。

4.控制變量

考慮到可能影響高管投機性減持行為的其他因素,參考吳先聰等(2020)[37]的研究,本文共選取11個控制變量。(1)企業(yè)特征因素。包括:企業(yè)年齡(Age)、企業(yè)規(guī)模(Size)、資產負債率(Lev)。(2)企業(yè)創(chuàng)新和效率因素。包括:創(chuàng)新水平(RD)、技術效率(TE)。(3)股票市場因素。包括:股價同步性(Syn)、股票累計收益率(Income)、市盈率(PER)。(4)公司治理特征因素。包括:流通股股權集中度(Negshrcr)、兩職合一(Dual)、獨立董事占比(Ratio)。同時,為控制不可觀測的年份和行業(yè)因素對投機性減持行為的影響,加入了年份效應(Year)和行業(yè)效應(Ind)。具體變量說明見表1。

表1 變量界定與含義

(三)模型構建

1.基準回歸模型

為檢驗企業(yè)數字化轉型對減持行為的影響,參考現有研究方法,本文構建如下回歸模型

InsiderTradingit=α0+α1DCGit+α2Controlsit+∑Year+∑Ind+εit

(1)

其中,i代表企業(yè)個體,t代表年份;被解釋變量InsiderTradingit表示企業(yè)i在第t年的投機性減持行為,包括減持規(guī)模(Sell)和減持頻率(Selltimes)兩個指標;核心解釋變量DCGit表示企業(yè)i在第t年的數字化轉型程度;Controlsit為前述控制變量,Year和Ind分別代表年份和行業(yè)固定效應,εit為隨機擾動項。按照假說1,如果數字化轉型會加劇投機性減持,其回歸系數α1為正且顯著。

2.調節(jié)效應回歸模型

本文使用調節(jié)效應模型驗證不同資金供給渠道對企業(yè)數字化轉型中投機性減持行為的調節(jié)作用,在式(1)中分別加入企業(yè)數字化轉型和政府補助(Subsidy)的交互項、企業(yè)數字化轉型和現金比率(Cash)的交互項,構建式(2)

InsiderTradingit=β0+β1DCGit+β2Mit+β3DCGit×Mit+β4Controlsit+∑Year+∑Ind+εit

(2)

其中,Mit為調節(jié)變量,分別為企業(yè)外部政策性資金供給(Subsidy)和企業(yè)內部現金供給(Cash)。

(四)描述性統計

變量描述性統計結果見表2。在樣本期間內,高管減持規(guī)模最小值為0,最大值為18.15,平均值為2.94,標準差為5.81;高管減持頻率最小值為0,最大值為2.77,平均值為0.28,標準差為0.63。無論從規(guī)模還是頻率的角度看,高管投機性減持行為都普遍存在。不過,不同企業(yè)之間減持規(guī)模的離散程度較大,但減持頻率的離散程度相對較小。企業(yè)數字化轉型程度的最小值為0.69,最大值為5.88,標準差為1.28,表明我國絕大多數企業(yè)已步入數字化轉型新階段,但企業(yè)之間數字化轉型進度存在一定差異。

表2 變量描述性統計結果

四、實證分析

(一)基準回歸

根據式(1),本文對企業(yè)數字化轉型DCG與減持行為之間的關系進行了檢驗,結果見表3。從列(1)和列(5)可以看出,企業(yè)數字化轉型DCG對減持規(guī)模Sell和減持頻率Selltimes的影響為正且在1%水平上顯著。在加入了一系列控制變量后(見列(2)和列(6)),因果效應依舊顯著,說明隨著企業(yè)數字化轉型的不斷推進,企業(yè)高管投機性減持行為(包括減持規(guī)模和減持頻率)也在增加。也就是說,當企業(yè)所面對的不確定性隨著轉型程度的加深而不斷增大時,高管與市場之間對公司價值判斷的分歧也在增大,投機性減持動機增強,更高的數字化轉型程度容易誘發(fā)高管更強的減持規(guī)模與減持頻率,假說1得證。

控制變量回歸結果顯示(見列(2)和列(6)):企業(yè)年齡(Age)和企業(yè)規(guī)模(Size)對投機性減持行為存在負向因果效應,隨著企業(yè)年齡增長和規(guī)模擴大,企業(yè)經營更加穩(wěn)固,投機性減持動機減弱;企業(yè)資產負債率(Lev)回歸系數為負且顯著,可能原因在于高負債信息的披露降低了企業(yè)的市場估值,市場估值與高管估值之間形成較大落差的可能性降低,進而抑制了投機性減持行為;創(chuàng)新投入(RD)和技術效率(TE)的系數均顯著為正,可能是由于證券市場對高創(chuàng)新企業(yè)和高效率企業(yè)更為青睞,對其價值具有高預期,市場估值與高管估值之間容易形成較大落差,進而誘發(fā)更多投機性減持;股價同步性(Syn)的系數為負且顯著,說明當個股股價變動脫離市場平均變動的程度越高,即個股行情具有更高的獨立性和特定的題材性時,投機性減持行為越容易發(fā)生;流通股股權集中度Negshrcr和獨立董事占比Ratio的系數均顯著為負,說明流通股股東和獨立董事對高管行為具有監(jiān)督作用,能夠抑制其投機性減持;而兩職合一Dual的回歸系數顯著為正,說明當董事長同時兼任CEO時,會大大加強其投機性減持的可能,與現實情況相符。

(二)資金供給渠道的調節(jié)效應檢驗

表3的列(3)、列(4)和列(7)、列(8)顯示了不同資金供給渠道對企業(yè)數字化轉型中高管減持行為的調節(jié)效應。一方面,當主變量DCG顯著為正,作為調節(jié)變量的外部政策性資金(Subsidy)以及該變量與企業(yè)數字化轉型的交乘項(DCG×Subsidy)也顯著為正(5)由于交乘項包含了主變量和調節(jié)變量的信息,可能帶來多重共線性問題,所以調節(jié)變量Subsidy回歸結果的判斷以列(3)和列(7)為準。,表明隨著外部政策性資金增加,高管減持規(guī)模和減持頻率也在增大。外部政策性資金在企業(yè)數字化轉型與高管減持行為的因果關系中具有正向調節(jié)作用,即更多的政策性資金供給誘發(fā)了更強的高管投機性減持行為,假說2得證。另一方面,當主變量DCG顯著為正,作為調節(jié)變量的企業(yè)內部現金供給(Cash)以及該變量與企業(yè)數字化轉型的交乘項(DCG×Cash)顯著為負(6)與調節(jié)變量Subsidy情況類似,調節(jié)變量Cash回歸結果的判斷也是以列(3)和列(7)為準。,說明企業(yè)變現能力的增加降低了高管減持規(guī)模與減持頻率。內部現金供給在企業(yè)數字化轉型與高管減持行為的因果關系中發(fā)揮著負向調節(jié)作用,即企業(yè)內部現金供給能力的增加能抑制高管投機性減持行為,假說3得證。

(三)內生性檢驗

為解決由雙向因果、遺漏變量引發(fā)的內生性問題,首先使用工具變量法進行處理。選取“寬帶中國”戰(zhàn)略2014年試點城市(2014BC)作為第一個工具變量;并參考Lewbel(1997)[38]、蒲艷萍和顧冉(2019)[39]的做法,構建企業(yè)數字化轉型程度與其同行業(yè)、同年份企業(yè)數字化轉型均值差額的三次方(Lewbel工具變量)作為第二個工具變量。選擇2014BC的原因在于,網絡基礎設施建設能為企業(yè)數字化轉型提供基礎和平臺,但該政策與高管減持行為之間沒有相關性。結果見表4列(1)—(6):列(1)、列(4)的第一階段估計結果顯示2014BC和Lewbel工具變量與DCG顯著正相關,列(2)、列(5)的第二階段估計結果顯示DCG回歸系數為正且顯著,但與基準回歸相比系數值略有下降,表明內生性問題導致基準模型略微高估了數字化轉型對高管投機性減持行為的影響,再次驗證假說1。不可識別、弱工具變量與過度識別檢驗均通過。列(3)、列(6)將工具變量作為解釋變量加入基準模型,其估計系數均不顯著,說明工具變量滿足排他性原則,本文結論穩(wěn)健。

表4 內生性檢驗結果

其次,使用Heckman二階段模型解決因樣本選擇偏差導致的內生性問題,即在高管持股比例較少的情況下,可能存在因減持份額較少而未被觀測到的情況。本文以企業(yè)當年是否進行數字化轉型作為被解釋變量構建Probit回歸模型,并計算逆米爾斯比率(Inverse Mills Ratio)。表4列(7)、列(8)匯報了加入逆米爾斯比率(IMR)的第二階段回歸結果,DCG回歸系數仍為正且顯著,說明在考慮樣本選擇偏差問題后,本文結論依舊成立。

(四)穩(wěn)健性檢驗

1.替換被解釋變量

本文將減持規(guī)模(Sell)和減持頻率(Selltimes)中不為0的部分全部用1進行替換,即被解釋變量的含義被更改為是否發(fā)生減持行為(0,1),并用Logit模型進行回歸,結果見表5列(1)—(4)。從結果看,數字化轉型對投機性減持行為的發(fā)生也具有正向作用且顯著,這與表3中其增強減持規(guī)模和頻率的作用一致。不過與表3相比,雖然企業(yè)內部現金供給(Cash)的負向調節(jié)作用保持不變,但是企業(yè)外部政策性資金供給(Subsidy)的調節(jié)作用不再顯著。這說明當企業(yè)獲得更多外部政策性資金,盡管資金供給不確定性在增加,但這一變化并不是企業(yè)數字化轉型中高管決定是否減持的影響因素,恰恰相反,只有當高管決定減持時,外部政策性資金供給的多寡才會成為決定減持規(guī)模和頻率的重要因素?？傊?結合表3和表5可以發(fā)現,企業(yè)外部政策性資金供給的調節(jié)作用主要體現為加劇企業(yè)數字化轉型中高管投機性減持的規(guī)模與頻率,而非加劇投機性減持行為的發(fā)生。

表5 替換被解釋變量回歸結果

2.替換核心解釋變量

本文也嘗試更換核心解釋變量企業(yè)數字化轉型(DCG)的度量方法。鑒于使用詞頻度量的方法難以精準衡量企業(yè)真實的數字化轉型程度,本文進一步使用企業(yè)數字化轉型指數作為DCG的代理變量(數據來自CSMAR數據庫)。該指數從戰(zhàn)略引領、技術驅動、組織賦能、環(huán)境支撐、數字化成果轉化和數字化應用六個層面對企業(yè)的數字化轉型程度進行評分,能夠更全面、更真實地反映企業(yè)數字化轉型程度。結果見表5列(5)—(8),回歸結果與前述基準回歸結果保持一致,DCG能顯著增強減持規(guī)模(Sell)與減持頻率(Selltimes),而企業(yè)內部現金供給Cash在其中發(fā)揮負向調節(jié)作用,企業(yè)外部政策性資金供給Subsidy在其中發(fā)揮正向調節(jié)作用。

3.更換樣本

由于詞頻度量更多反映企業(yè)數字化轉型“意愿”而非“作為”,容易高估企業(yè)數字化水平。所以,進一步使用更換樣本的方法對詞頻測度方法進行優(yōu)化處理。首先使用分位數分割的方法,將全樣本三分段,去除位于34%～67%分段的樣本,僅保留余下2/3樣本進行回歸,結果見表6列(1)—(4),回歸結果與前文結論一致。其次,本文還使用有效聚類將樣本按詞頻分成低、中、高三部分,僅保留詞頻最高的部分和最低的部分進行回歸,結果見表6列(5)—(8),回歸結果與前文結論一致。

表6 更換樣本回歸結果

4.更換估計方法和控制其他非觀測因素

考慮到被解釋變量中存在較多零值,本文更換使用PPML估計,PPML通過賦予不同觀測值相同權重得到更合理的統計量[40]。結果見表7列(1)—(4),DCG回歸系數為正且顯著,調節(jié)變量企業(yè)內部現金供給(Cash)的負向調節(jié)效應仍顯著,只是外部政策性資金供給(Subsidy)的正向調節(jié)作用不再顯著(但回歸系數符號與前文一致),原因可能來自PPML估計方法本身,Silva和Tenreyro在提出PPML估計方法時,曾指出該方法下得到的回歸彈性會顯著偏小。

同時,考慮到本文研究容易受到行業(yè)政策影響,引入年份―行業(yè)固定效應后再次進行回歸。結果見表7列(5)—(8),DCG回歸系數為正且顯著,調節(jié)變量交互項回歸結果與前述基準回歸無顯著區(qū)別,說明在控制其他非觀測因素后本文結論依舊穩(wěn)健。

(五)拓展性研究

1.基于企業(yè)技術水平差異的異質性分析

企業(yè)技術水平差異可能導致其在數字化轉型過程中面臨不同狀況。高新技術企業(yè)創(chuàng)新水平更高,數字化轉型“起點”也更高,其轉型過程可能周期相對較短,風險相對較低[41]。因此,通過內部現金供給支撐其數字化轉型的能力更強,充裕的內部現金供給將極大地增強管理者信心,抑制投機性減持動機,使得內部現金供給的負向調節(jié)作用在高新技術企業(yè)中可能更為明顯;而非高新技術企業(yè)前期技術積累少,轉型所需時間和資源投入大,因此政策性資金供給的正向調節(jié)作用在非高新技術企業(yè)中可能更為明顯,因為非高新技術企業(yè)獲得政策性外部資金的難度大,同時政策性資金相對于轉型所需資金更是“杯水車薪”,很難給高管足夠信心,容易加劇投機性減持。因此,本文按照是否為高新技術企業(yè)進行分組回歸(7)高新技術企業(yè)的判定標準借鑒《戰(zhàn)略性新興產業(yè)分類目錄》(國家統計局令第23號,2018),將樣本中行業(yè)代碼為C25、C26、C27、C28、C29、C31、C32、C34、C35、C36、C37、C38、C39、C40、C41和M73的企業(yè)判定為高新技術企業(yè)。,高新技術企業(yè)取值為1,否則為0,結果見表8。

表8 企業(yè)技術水平差異的異質性分析

如表8所示,從企業(yè)數字化轉型(DCG)的回歸結果看,兩類行業(yè)回歸系數均為正且顯著,組間系數差異的經驗P值在減持規(guī)模(Sell)和減持頻率(Selltimes)下分別為0.58和0.72,說明數字化轉型誘發(fā)投機性減持的正向作用在兩組樣本間并無顯著差異。從內部現金供給(Cash)的調節(jié)效應看,在高新技術企業(yè)下,交乘項(DCG×Cash)回歸系數為負且顯著(見列(2)、列(6)),在非高新技術企業(yè)下則不顯著(見列(4)、列(8)),說明內部充裕現金供給能力對數字化轉型與高管減持行為關系的負向調節(jié)作用主要發(fā)生在高新技術企業(yè)中,更充裕的內部現金供給能力能顯著抑制高新技術企業(yè)數字化轉型中的投機性減持行為。從外部政策性資金供給(Subsidy)的調節(jié)效應看,在非高新技術企業(yè)下,Subsidy對減持頻率的正向調節(jié)作用顯著(見列(8)),在高新技術企業(yè)下則不顯著(見列(2)、列(6)),這可能是由于非高新技術企業(yè)轉型中面臨的風險更大,同時其獲得補助的難度也更大,無論是轉型本身還是政策性資金供給的未來不確定性都更高。因此,非高新技術企業(yè)享受的政策性資金供給越多,其數字化轉型過程中高管投機性減持越頻繁。

2.基于外部融資環(huán)境差異的異質性分析

外部融資環(huán)境差異對公司經營和戰(zhàn)略選擇可能產生不同影響。在高資本成本企業(yè)中,技術創(chuàng)新活動或因資金問題而受限,從而不可避免地造成數字化轉型的支撐資源不足[42]。在這種情況下,短期且不穩(wěn)定的外部政策性資金供給不僅不能徹底緩解資金壓力,反而可能進一步催生短視行為,誘發(fā)更強烈的投機性減持動機。因此,政策性資金供給的正向調節(jié)作用在高資本成本企業(yè)中可能更為明顯;而低資本成本企業(yè)融資成本和融資約束水平都更低,充裕的內部現金供給能在轉型過程中給予管理者更強信心,降低投機性減持動機,其負向調節(jié)作用在低資本成本企業(yè)中可能更為明顯。因此,參考邵挺(2010)[43]的做法,按照不同企業(yè)的資本成本構建虛擬變量(8)資本成本的定義為“企業(yè)資本成本—行業(yè)平均資本成本”,其中資本成本為“利息支出/(負債—應付賬款)”。,并使用K均值聚類法[44]分組,其中,高資本成本組取值為1,低資本成本組取值為0,回歸結果見表9。

表9 外部融資環(huán)境差異的異質性分析

如表9所示,企業(yè)數字化轉型(DCG)的回歸結果均為正且顯著,組間差異經驗P值表明數字化轉型對減持規(guī)模(Sell)和減持頻率(Selltimes)的影響在兩組樣本間均不存在顯著差異。從調節(jié)效應看,一方面,交乘項(DCG×Cash)的回歸系數在低資本成本企業(yè)中為負且顯著(見列(4)、列(8)),在高資本成本企業(yè)中則不顯著(見表9列(2)、列(6)),說明企業(yè)內部現金供給的負向調節(jié)作用主要發(fā)生在低資本成本企業(yè)中。這說明由于低資本成本企業(yè)外部融資的代價更低,對企業(yè)回報的侵蝕更小,導致該類企業(yè)更有信心通過增加內部現金供給支撐數字化轉型,提升高管對數字化轉型的信心和轉型到底的決心,進而降低其投機性減持行為。另一方面,交乘項(DCG×Subsidy)的回歸系數在高資本成本企業(yè)中為正且顯著(見列(6)),在低資本成本企業(yè)中則不顯著(見列(4)、列(8)),說明企業(yè)外部政策性資金供給的正向調節(jié)作用主要發(fā)生在高資本成本企業(yè)中。這說明由于高資本成本企業(yè)外部融資成本更高,所以其轉型過程中面臨的資金約束更強,而外部政策性資金供給具有高不確定性,它削弱了管理層對企業(yè)價值的判斷,進而引發(fā)高管更頻繁的投機性減持。

五、結論與啟示

利用2008—2020年A股上市公司數據,基于數字化轉型過程中企業(yè)高管證券市場行為的視角,實證研究轉型過程對高管投機性減持行為的影響,以及企業(yè)內外部資金渠道對這一影響的調節(jié)作用。研究結果表明:(1)隨著企業(yè)數字化轉型的深入,高管投機性減持行為增強,包括減持的發(fā)生、規(guī)模與頻率均會增加;(2)來自企業(yè)外部的政策性資金供給在數字化轉型與高管減持行為的關系中具有正向調節(jié)作用,享有政府補助越多的企業(yè),其數字化轉型過程中高管投機性減持動機越強;來自企業(yè)內部的現金供給則發(fā)揮負向調節(jié)作用,反映企業(yè)短期償債能力的現金比率越高,這類企業(yè)在轉型中的投機性減持動機越弱。(3)異質性分析發(fā)現,在企業(yè)數字化轉型過程中,企業(yè)外部政策性資金供給加劇減持行為的正向調節(jié)作用主要發(fā)生在非高新技術企業(yè)和高資本成本企業(yè)中,而企業(yè)內部充?，F金供給抑制減持行為的負向調節(jié)作用主要發(fā)生在高新技術企業(yè)和低資本成本企業(yè)中。

上述結論的政策啟示在于:(1)證券市場監(jiān)管者應加強企業(yè)數字化轉型中的信息披露,要求企業(yè)完整詳細地披露轉型進展、不足、困難與前景,以及詳細披露減持計劃及原因,從降低信息不對稱的角度遏制投機性減持的發(fā)生。(2)補助政策制定者應意識到這種“外援性”的政策性資金供給對減持行為的影響,完善政策舉措并甄選受助對象,以減輕可能助長投機性減持的政策因素。應慎重選擇補助對象與靈活安排補助力度,對高資本成本和非高新技術企業(yè)的補助應慎重規(guī)范、力度合理,以避免誘發(fā)減持。同時,還應強化政府補助的延續(xù)性和可預見性,降低企業(yè)對補助預期的不確定性。(3)各級政府和經濟管理部門應堅持“授之以魚,不如授之以漁”的原則,注重對企業(yè)“內助性”現金能力的培育,通過拓寬融資渠道、降低融資成本以及助力企業(yè)加速自我積累等方式,引導企業(yè)保持充裕合理的現金流,對低資本成本和高新技術企業(yè)實施精準激勵,對高資本成本和非高新技術企業(yè)注重減負紓困,在加快其數字化轉型的同時,充分發(fā)揮企業(yè)內部資金供給對投機性減持的抑制作用。