金融科技對企業盈余管理的影響檢驗

宋海濤 楊忠海 陸陽

DOI：10．19641/j．cnki．42-1290/f．2024．05．011

【摘要】如何持續降低企業盈余管理以提高企業會計信息質量是實現經濟發展的基礎數據性問題。金融科技使傳統金融服務業發生根本性變革， 有利地推動了實體企業發展， 那么， 金融科技能否降低企業盈余管理呢？本文以2011 ～ 2020年創業板上市公司為樣本數據， 實證檢驗金融科技對企業盈余管理的抑制性作用。在采用工具變量、 雙重差分及替換回歸模型、 替換變量和增加金融發展水平控制變量等檢驗后， 結論依然穩健。機制檢驗表明， 金融科技通過微觀公司治理完善、 中觀融資約束緩解和分析師關注三個渠道作用于企業盈余管理。異質性分析表明， 內部控制強、 管理費用率低的企業以及非國有企業和地處東部沿海地區企業， 金融科技對企業盈余管理的抑制效果更加明顯。因此， 應大力推動金融科技賦能金融機構， 以降低企業盈余管理水平， 從而促進企業提供高質量的會計信息， 最終實現國家經濟的高質量發展。

【關鍵詞】金融科技；盈余管理；公司治理；融資約束；分析師關注

【中圖分類號】 F832? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2024）05-0074-10

一、 引言

持續提供高質量的會計信息是上市公司的責任與義務（唐松等，2020）， 高質量的會計信息可以為利益相關者提供決策信息支持、 有利于社會資源合理配置（Dechow和Dichev，2002）以及推動經濟高質量發展（王福勝等，2021）。但出于管理層私人利益最大化以及實現公司股票價格最大化需求（DeFond和Zhang，2014）， 管理層偏好對會計準則靈活運用， 并借助會計信息不對稱的窗口期， 實現對公司財務報告的修飾（Kothari和Mizik，2016）。由此看來， 以盈余管理為手段而披露的會計信息， 深深地刻上了公司私利的烙印， 再通過資本市場的信息傳遞功能， 使裹挾著各種利益訴求的不真實信息相互滲透、 擴散演變， 誘導利益相關者做出預期可能傷及自身的錯誤判斷， 進而影響資本市場的健康發展。因此， 探討如何降低企業盈余管理水平， 便成為研究公司財務的經典主題之一。智能化時代下， 科技創新成果第一時間遷移到金融領域， 金融與科技的完美結合， 可以發揮金融穿透式監管效能， 迫使企業提供高質量的會計信息， 從而有效降低資本市場上的信息不對稱程度（Murinde等，2022）。

近年來， 數字技術的迭代更新賦能金融服務業的迅猛發展， 金融科技運用大數據、 人工智能、 區塊鏈、 云計算、 移動互聯等現代創新科技（Lim等，2010）， 驅動金融普惠至廣大而精深。信貸與支付是金融科技服務實體經濟最多的兩個領域， 信貸領域主要通過金融科技對客戶資金流向、 信用狀況、 還款能力、 產品市場信息等數據進行追蹤與分析， 不僅在一定程度上緩解了資本市場上的信息不對稱（方一卓等，2022）， 而且在降低企業融資費用、 緩解企業融資約束等方面發揮出重要功能； 支付領域里廣泛運用到金融科技進行便捷的消費支付， 在大幅度提升金融服務效率的同時， 能迅速吸納長尾客戶資金（Nelaturu等，2022）， 進一步拓寬了實體企業的融資渠道。那么， 金融科技推動信息傳遞渠道的暢通， 能否有效規避管理層私利行為實施， 進而降低企業的盈余管理水平？金融科技作用于企業盈余管理的渠道機制又是什么？鮮有學者對該問題進行深入探究。面對國際國內不確定因素的雙重疊加影響， 厘清二者之間的關系， 對于科技創新驅動金融服務實體經濟發展、 提高企業信息披露質量、 降低企業盈余管理水平等方面具有重要的理論和現實意義。

金融科技主要通過“技術溢出效應”對傳統金融機構的科技進行賦能， 實現對實體企業的影響（宋敏等，2021）。首先， 金融科技通過大數據、 云計算和人工智能， 進行滴管式精準放貸， 將社會資本合理化配置給短期利潤低、 發展潛力大、 長期效益好的創新型企業； 其次， 金融科技拓寬金融服務渠道， 加快企業信貸審批流程， 提高企業貸款發放效率， 紓解企業融資難、 融資貴的困局； 最后， 金融科技面向業務場景的自我賦能， 實現與企業的實時交互， 預防資金流入投資風險大、 獲利能力低的項目， 從而幫助企業更好地實現價值增值。綜上分析， 通過金融科技構建起合作共贏的數字化金融新生態（Morgan，2022）， 能有效提高企業信息透明度， 在一定程度上可以發揮出抑制企業盈余管理的作用。

創業板市場上以信息、 生物和新材料技術為代表的高新技術企業， 上市企業成立時間短、 市場潛力大、 發展前景好， 金融科技對企業賦能效果更加明顯。有鑒于此， 本文以2011 ～ 2020年創業板上市公司為樣本數據， 研究金融科技對企業盈余管理的影響， 依據《北京大學數字普惠金融指數（2011-2020）》， 參考Dechow和Dichev（2002）、 王福勝等（2021）的研究方法， 重新計算合成代表企業盈余管理的指標。實證研究結果表明， 金融科技發展能有效抑制企業盈余管理， 在緩解內生性問題和穩健性檢驗后， 主假設依然成立。進一步檢驗發現， 金融科技通過公司治理、 融資約束和分析師關注三個中介渠道對企業盈余管理產生作用。此外， 金融科技對內部控制水平高、 管理費用率低的企業以及非國有企業和東部地區企業的盈余管理抑制效果更加明顯。

本文在理論研究上的邊際貢獻可能有： ①將金融科技的飛速發展與微觀企業盈余管理聯系起來， 剖析二者之間的關系， 從金融與科技融合發展視角拓展對企業盈余管理的認知， 豐富了因金融科技進步對微觀企業財務信息披露“真實性”要求的影響因素。②智能化時代背景下， 探索金融科技發展傳遞至企業內部盈余管理的必然路徑， 剖析金融科技抑制企業盈余管理的內外部因素， 并通過有效的實證手段進行檢驗。③基于我國經濟發展現狀， 及考慮微觀企業異質性， 在促進科技賦能金融發展、 服務實體經濟、 提高企業會計信息質量等方面提出建設性的意見。

二、 文獻綜述與研究假設

（一） 金融科技與盈余管理

金融科技（FinTech）一詞最早出現于20世紀70年代， 代表金融（Financial）與技術（Technology）的協同融合， 原表示銀行業務與計算機系統及科學管理的結合。近年來， 隨著大數據、 云計算、 區塊鏈、 智能投顧及物聯網等現代信息技術的普及， 智能技術內嵌于金融活動各個環節， 擴充了金融服務崗位、 延展了金融內涵邊界、 減小了傳統金融風險（Gomber等，2018）。2016年， 金融穩定理事會（FSB）指出“金融科技是由科學技術驅動的金融創新， 旨在運用最新科技前沿創新金融產品、 業務流程、 運營模式等， 以實現通過金融創新推動經濟發展提質增效的目的。”

盈余管理是在會計準則框架下， 管理者依據會計職業判斷或者安排經營及財務活動以實現其盈余目標的一種經濟行為（Dechow等，2010）， 具體表現為應計盈余管理和真實盈余管理兩種形式。對已有盈余管理影響因素的研究成果總結歸納， 從三個方面進行論述： ①環境因素。從宏觀環境來看， 企業外部環境不確定性的增加導致了上市公司盈余管理程度的增加（黃孝武等，2021）， 但隨著銀行業數字化程度的持續提升， 又迫使上市公司不斷提高會計信息的披露質量， 從而能有效降低企業的盈余管理（孟慶斌和劉嵐溪，2021）。②資本市場因素。對上市公司信息披露產生重要影響的薩班斯—奧克斯利（SOX）法案實施后， 公司盈余管理水平顯著下降， 具體表現為應計盈余管理減少和真實盈余管理增加（Cohen等，2008）， 但隨著資本市場數字化信息環境不斷改善， 又可以有效抑制企業真實盈余管理行為（彭雅哲和汪昌云，2022）。③技術因素。移動互聯技術的發展， 因網絡媒體報道而誘發的投資者異常關注， 對上市公司造成了較大的外部壓力， 迫使管理層采取更多的盈余管理行為（王福勝等，2021）。此外， 金融關聯（孟巖和周航，2018）、 科技創新（宋巖等，2017）、 公司的數字化運營水平（羅進輝和巫奕龍，2021）等技術創新均能顯著抑制企業的盈余管理行為。

綜上所述， 依據道德風險理論， 用戶在第三方科技平臺上的活動軌跡均以數據形式存儲， 第三方科技平臺再嵌入金融互聯網生態系統， 并對海量非結構化數據進行識別， 篩選出所有的結構化金融數據， 據此進行用戶畫像， 從而約束企業管理層道德風險， 有效抑制因管理者為實現個人私利而進行的盈余管理行為； 基于委托代理理論， 金融科技能降低委托人、 債權人和代理人之間的信息不對稱， 提高企業會計信息披露質量， 緩解企業融資約束， 進而實現降低企業盈余管理的目的。綜合以上分析， 本文提出：

H1： 金融科技的縱深發展能抑制企業盈余管理。

（二） 金融科技影響盈余管理渠道機制分析

金融科技的本源是金融， 科技創新使金融服務更加便捷和流暢， 金融科技的迅速崛起有其自身的邏輯機制和影響渠道。本文以金融功能理論、 金融中介理論和金融創新理論為邏輯起點， 通過科技創新嵌入金融業全流程視角， 研究金融科技影響企業盈余管理的渠道機制。

1. 微觀層面。基于金融功能理論的邏輯起點， 金融科技促進公司治理結構優化， 降低企業盈余管理水平。一方面， 有效管控金融風險倒逼公司治理結構優化。科技的迭代升級推動金融領域爆發式變革， 衍生出新的金融業態和金融風險（唐松等，2020）， 倒逼上市公司治理結構優化； 另一方面， 要素最優配置要求從供給側調整公司治理結構。物聯網和移動互聯主導的萬物互聯技術助力金融市場擴充服務邊界（李春濤等，2020）、 激發經濟主體潛在投融資需求、 從供給側調整生產經營結構、 實現資源要素的最優配置。公司治理結構優化能夠抑制企業進行盈余管理的行為， Klein（2002）研究發現， 董事會和審計委員會的獨立性與盈余管理之間存在負相關關系， 特別是董事會和審計委員會由少數外部董事組成時， 效果更明顯。可見， 金融科技通過公司治理結構優化降低了企業盈余管理水平。綜合以上分析， 本文提出：

H2： 金融科技可以通過公司治理結構優化， 抑制企業盈余管理。

2. 中觀層面。基于金融中介理論的邏輯起點， 金融科技可以緩解企業融資約束， 減少企業盈余管理動機。建立在現代信息技術基礎上的金融科技可以為企業提供普惠精準的金融服務， 減少資本市場中的信息不對稱和企業交易成本， 拓寬企業融資渠道， 進而降低企業盈余管理。第一， 金融科技降低了信息不對稱程度。區塊鏈技術在金融領域的應用， 使區塊鏈上的每一筆數據均貼上不可偽造、 不可篡改的標簽， 并具有可追溯和保護隱私的功能（Nelaturu等，2022）， 金融系統運用數據挖掘技術， 可以全面捕捉企業的信用數據， 因此， 金融科技在一定程度上提高了資本市場信息披露的透明度。第二， 金融科技降低了企業融資成本。機器學習與大數據的結合使得金融機構可以自動評估企業信用等級， 大幅度降低供需兩側的金融信貸風險和邊際成本。此外， 金融科技從資金供給側技術創新出發， 精準衡量企業經營水平， 深度挖掘企業融資需求， 結合企業實際情況提供金融服務， 金融系統靈活多樣的服務方式降低了企業融資成本（胡濱和任喜萍，2021）。第三， 金融科技拓寬了企業融資渠道。科技升級與普及降低了進入金融領域的門檻， 金融服務擺脫了傳統物理網點的桎梏， 金融機構從業人員縮減、 固定資產投資與邊際成本減少， 用戶終端可以實時進行金融交易。由此可見， 金融科技擴展了金融服務的組織邊界、 改變了金融運行模式， 連接起資金供給者和需求者。綜合以上分析， 本文提出：

H3： 金融科技通過緩解融資約束抑制企業盈余管理。

基于金融創新理論的邏輯起點， 金融科技為分析師提供盈余數據， 降低企業盈余管理程度。金融科技是集大數據、 云計算、 區塊鏈、 人工智能等底層技術， 金融公司、 銀行系統、 科技公司等實體服務公司， 以及軟件、 應用程序、 手機等終端消費環節組成的以技術創新為前提、 具有普惠金融特性的金融生態系統（Morgan，2022）。分析師作為資本市場中的信息中轉站， 已成為連接企業和投資者的信息蓄水池。對于金融科技和數字化發展對分析師市場的影響， 學者們從不同角度進行了研究， 得出了不同的結論： 第一， 從信息市場供應角度看， 以中國金融科技企業和上市公司數據為樣本， 實證研究發現金融科技平臺的建立， 降低了分析師報道的市場份額， 即金融科技與分析師盈余預測之間產生替代效應（丁娜等，2020）。第二， 從市場效率角度看， 金融科技的發展為分析師提供了更加客觀、 準確、 透明的交易數據， 再通過算法、 模型及云計算等技術預測出企業未來的盈余狀況， 輔助分析師做出更精準的盈余預測（Allen等，2022）。此外， 分析師為了盡可能全面地掌握上市公司動態， 還會利用自身社會網絡資源（劉亞輝等，2022）、 捕捉網絡媒體信息（楊凡和張玉明，2020）等各種途徑搜集信息， 以此來提高分析師對企業盈余預測的準確性。由此推測， 金融科技可以為分析師提供更加全面、 可靠的盈余數據， 有效降低企業盈余管理程度。綜合以上分析， 本文提出：

H4： 金融科技通過分析師提供更精準的盈余信息抑制企業盈余管理。

三、 研究設計

（一） 樣本選擇

本文以我國創業板上市公司為研究對象， 選取2011 ～ 2020年的面板數據， 并對樣本數據進行如下處理： ①剔除創業板上市公司中金融類、 房地產類企業； ②剔除ST、 PT類企業， 和資不抵債、 股票受中國證監會特別公告處理及主要變量缺失較多的公司樣本數據； ③為防止離群值對實證結果的干擾， 對選取的全部連續變量進行雙側1%的縮尾處理。最終， 得到5393個公司—年度觀測數據。上市公司財務數據來自CSMAR數據庫， 區域發展指標來自《中國統計年鑒》， 金融科技計量選自《北京大學數字普惠金融指數（2011-2020）》中的省級及直轄市層面數據。

（二） 變量定義

1. 被解釋變量為盈余管理（EM）。借鑒Dechow和Dichev（2002）對傳統的Jones模型進行修正的處理方法， 考慮針對收入確認的盈余管理模型作為測度上市公司盈余管理水平（EM_i，t）的代理變量， 具體算法見式（1） ～ （3）。

首先， 按照中國證監會《上市公司行業分類指引》（2012年修訂）， 對全樣本按行業進行分組， 依每一行業和會計年度， 運用回歸模型（1）進行多元線性回歸并得到對應的回歸系數。

式中： TM_i，t=NI_i，t-CFO_i，t， 表示總應計利潤（指經營性應計利潤）； NI_i，t表示凈利潤； CFO_i，t表示經營活動現金流量； A_i，t-1表示公司i在t-1年年末的總資產； ?REV_i，t表示第t年營業收入與第t-1年營業收入之差； ?AR_i，t表示第t年應收賬款與第t-1年應收賬款之差； PPE_i，t表示固定資產。

其次， 將模型（1）的回歸系數代入模型（2）， 得到各公司i在每一年及其所屬行業的非操控性應計利潤NEA_i，t。

2. 解釋變量為金融科技（Fintech）。依據《北京大學數字普惠金融指數（2011-2020）》， 該指標體系可以綜合衡量一個地區金融科技總體發展水平（郭峰等，2020）。從時間序列上看， 指標體系中的數字化程度離散性較大， 且從數字化程度的省級橫截面數據看， 構成該維度的二級指標計算結果， 會因區域經濟發展不平衡而產生較大差異， 故本文選取金融科技總指數（Aggregate）、 金融科技覆蓋廣度（Breadth）和金融科技使用深度（Depth）三個指標分別計量金融科技變量。

3. 中介變量。

（1） 公司治理。借鑒吳永鋼和蔣銘磊（2021）采用主成分分析法合成公司治理綜合指數的方法， 選取高管持股比例、 兩職合一、 董事會規模、 獨立董事比例及股權集中度五個公司治理相關指標， 計算五個指標的主成分得分， 其中高管持股比例和股權集中度的載荷系數居前兩位， 再分別用其比重作為權數進行加權平均， 并同新合成的公司治理最小值的絕對值相加， 最終計算出用以反映公司治理水平的綜合指數（GCI）。

（2） 融資約束。綜合利用公司各項財務指標來測度企業融資約束的指數主要有三種： SA指數、 KZ指數和WW指數， 其中， KZ指數和WW指數的計算選取了個別內生變量， 有可能造成結果偏誤， 因此本文借鑒Hadlock和Pierce（2010）得到的計算公式SA=-0.737×Size+0.043×Size²-0.04×Age測度企業融資約束， 式中： Size表示企業某年總資產， Age表示企業從成立時起至觀察年份的年齡。

（3） 分析師關注。用某年度內某公司被分析師跟蹤分析的數量衡量分析師關注（Analyst）， 該數據來自CSMAR數據庫。

4. 控制變量。結合已有研究成果及本文研究對象的相關性， 具體控制變量選取如表1所示。

（三） 模型設定

參考Chen等（2022）、 李春濤等（2020）的研究模型， 本文構建主回歸模型來反映金融科技對企業盈余管理的影響， 見模型（4）：

EM_i，t=β₁+β₂Fintech_m，t+β₃∑Controls+δ_i+∑Ind+∑Year+ε_i，t（4）

其中： EM_i，t表示公司i第t年的盈余管理； Fintech_m，t表示m省第t年的金融科技發展水平； ∑Controls表示所有控制變量； δ_i表示個體固定效應； ∑Ind和∑Year分別表示行業固定效應和年份固定效應； ε_i，t表示隨機誤差。

為進一步檢驗金融科技是否通過公司治理、 融資約束和分析師關注度三個不同層次對企業盈余管理產生影響， 本文借鑒唐松等（2020）、 溫忠麟和葉寶娟（2014）的研究成果， 構建本文的渠道機制檢驗， 如模型（5） ～ （7）：

EM_i，t=φ₁+φ₂Fintech_m，t+φ₃∑Controls+∑Ind+∑Year+μ_i，t（5）

Mediator_i，t=θ₁+θ₂Fintech_m，t+θ₃∑Controls+∑Ind+∑Year+τ_i，t（6）

EM_i，t=ρ₁+ρ₂Mediator_i，t+ρ₃Fintech_m，t+ρ₄∑Controls+∑Ind+∑Year+γ_i，t（7）

其中： Mediator_i，t代表本文選取的三個中介變量； μ_i，t、 τ_i，t、 γ_i，t分別表示隨機誤差； 其余項目同上說明。

四、 實證分析

（一） 描述性統計

根據表2的描述性統計結果， 盈余管理（EM）的均值為0.049， 中位數為0.032， 略低于A股主板上市企業的盈余管理平均水平， 標準差為0.056， 說明創業板上市企業之間的盈余管理差別較大。反映省級金融科技水平的三個變量， 最大值和最小值之間的差距較大， 反映出各地區金融科技水平參差不齊。中介變量中， 公司治理最小值為0.617， 最大值為3.573， 由此可知， 不同公司之間的治理水平差距較大； 分析師關注的標準差為9.075， 說明不同公司被分析師關注的次數存在較大差異， 有些公司甚至在一段時期內從未被分析師關注過。

（二） 實證檢驗結果

1. 基準回歸。表2報告了金融科技總指數、 金融科技覆蓋廣度和金融科技使用深度對企業盈余管理的固定效應模型（4）的回歸結果， 并且每一列均控制了行業和年份固定效應， 其中第（1）、 （3）、 （5）列僅以數字化程度作為控制變量， 第（2）、 （4）、 （6）列為本文選取的全部控制變量的回歸結果。由表3可見， 在僅以數字化程度（Digital）作為控制變量的情況下， 金融科技總指數和金融科技覆蓋廣度的系數回歸結果在5%的水平上顯著為負， 金融科技使用深度的系數在1%的水平上顯著為負； 在考慮全部控制變量的情況下， 金融科技的縱深發展對企業盈余管理均在5%的水平上顯著為負， 這說明金融科技發展對企業盈余管理發揮了顯著的抑制效應， H1得證。

2. 內生性問題。

（1） 工具變量（IV）法。為了克服因遺漏變量而導致的金融科技對企業盈余管理回歸結果的測量誤差問題， 借鑒金燦陽等（2022）的研究方法， 構建我國省域數字經濟發展指數（Dige）， 并作為本文解釋變量金融科技的工具變量（IV）。中國省域數字經濟發展指標體系包括數字基礎設施、 數字創新、 政府數字治理、 產業數字化、 數字產業化等5個一級指標， 以及移動電話普及率、 互聯網普及率、 R&D經費、 政府開放數據平臺等20個二級指標， 可以有效避免遺漏變量問題。具體分析如下： ①相關性。通過文獻歸納定性分析得出（Gomber等，2018；郭峰等，2020）， 金融科技推動了數字經濟的發展， 數字經濟奠定了金融科技持續迭代創新的技術基礎， 因此， 二者之間具有顯著的相關性。②外生性。區域數字經濟發展依托于數字設施投入和產業結構調整， 影響區域內企業的技術創新（唐松等，2020）和生產要素配置（宋敏等，2021）， 進一步檢驗發現， 省域數字經濟發展對企業盈余管理行為影響不顯著。因此， 以省域數字經濟發展指數作為工具變量滿足相關性和外生性假設。工具變量法采用2SLS， 回歸結果如表4所示。

表4第（1） ～ （3）列為第一階段回歸結果， IV對三個金融科技變量的影響均在1%的水平上顯著， 說明數字經濟發展水平與金融科技高度相關。第（4） ～ （6）列的第二階段回歸結果顯示， 金融科技的系數均在1%的水平上顯著為負， 說明緩解潛在內生性后， H1依然成立。

（2） 雙重差分（DID）法。為進一步克服影響金融科技與企業盈余管理之間因果關系的其他因素和遺漏變量問題， 借鑒宋敏等（2021）的研究思路， 本文采用準自然試驗中的雙重差分法， 甄別二者因果關系。以2015年12月31日國務院印發的《推進普惠金融發展規劃（2016-2020年）》作為外生沖擊政策， 將全部樣本數據依據固定資產占總資產的比重進行分組（錢雪松和方勝，2021）， 將固定資產占比大于等于中位數的設定為實驗組， 反之設定為控制組。運用控制行業固定效應和年度固定效應的雙重差分模型進行實證研究， 建立DID模型如式（8）：

EM_i，t=ω₁+ω₂Treat_i×Post_t+ω₃∑Controls+∑Ind+∑Year+?_i，t （8）

其中： Treat_i為實驗組指示變量； Post_t為時點指示變量， 樣本觀測值在2016年及以后取值為1， 否則取值為0； ?_i，t表示隨機誤差； Treat_i×Post_t的系數ω₂記錄跟蹤政策變更的影響程度， 即DID效應； 其余項目同上說明。

表5第（1）列為僅控制行業和年份固定效應的回歸結果， Treat×Post的系數估計值在5%的水平上顯著為負； 第（2）列為引入主回歸中宏觀、 微觀特征控制變量的實證檢驗， Treat×Post的系數在1%的水平上顯著為負。綜合實證分析可知， 《推進普惠金融發展規劃（2016-2020年）》政策發布后， 隨著金融科技的快速發展， 相比較于控制組樣本， 創業板上市公司中固定資產占比較大企業的盈余管理行為受到顯著抑制。

參考錢雪松和方勝（2021）的研究方法， 表5第（3）列為DID無偏估計假定的平行趨勢檢驗， Treat與事前年份虛擬變量（Year2011 ～ Year2015）交乘項的系數均不顯著， 表明在政策實施前， 實驗組和控制組公司的盈余管理差異不顯著， 符合DID平行趨勢假定； Treat與事后年份虛擬變量（Year2016 ～ Year2020）的交乘項除2019年在1%的水平上顯著為負外， 其余系數為負但均不顯著， 這說明金融科技發展可以抑制企業盈余管理但具有一定的滯后性。

（三） 穩健性檢驗

1. 改變回歸模型。本文計算的盈余管理數據在0處存在左歸并， 且為正值連續分布變量， 借鑒唐松等（2020）的檢驗策略， 本文采用Tobit模型進行穩健性檢驗， 并使用聚類穩健標準誤進行回歸， 如表6第（1） ～ （3）列所示， 金融科技對企業盈余管理的影響均在5%的水平上顯著負相關。同時， 控制變量中引入“行業×時間”的高階聯合固定效應， 回歸結果如表6第（4） ～ （6）列所示， 金融科技依然與企業盈余管理顯著負相關， H1得證。

2. 替換變量。

（1） 替換被解釋變量。基于Jones（1991）的研究和Dechow等（1995）設計得到的修正的Jones模型， 計算不可操控性應計利潤， 作為企業應計盈余管理程度的代理變量， 回歸結果如表7第（1）列所示。金融科技在5%的水平上顯著抑制了企業盈余管理水平。參考已有研究成果（羅進輝和巫奕龍，2021； 莫冬燕等，2023）， 計算企業真實盈余管理指標值， 并作為被解釋變量， 由表7第（2）列可知， 金融科技在1%的水平上顯著抑制了企業真實性盈余管理活動； 另外， 金融科技對企業盈余管理的影響可能存在滯后性， 表7第（3）列為滯后一期的企業盈余管理指標， 可以看出， 金融科技在1%的水平上顯著降低了企業盈余管理。

（2） 替換解釋變量。借鑒李春濤等（2020）的數據爬取技術， 通過技術分析手段， 選取48個能代表金融科技的關鍵詞， 構建文本庫， 運用網絡爬蟲技術， 爬取百度新聞高級檢索頁面的網頁源代碼并提取搜索結果數量。由于該指標存在大量數據， 且其分布存在右偏型， 因此， 對該指標取自然對數， 作為衡量金融科技發展水平的代理變量。由表7第（4）列所知， 金融科技在1%的水平上顯著抑制了企業盈余管理水平。

3. 控制金融發展水平。省域金融發展水平較高的地區， 有利于緩解企業融資困境， 降低企業融資成本， 從而減少企業盈余管理動機。因此， 企業盈余管理行為的減少有可能是區域金融發展水平提升的結果， 而不一定是金融科技發展抑制的。有鑒于此， 本文以樊綱金融市場化程度指數（FinDev）和每年度省域內創業板上市公司數量標準化后的各地區金融信息服務企業單位數量（Branch）作為測度金融發展水平的代理變量， 分別加入原有控制變量中進行回歸。表8第（1） ～ （3）列為加入FinDev控制變量的回歸結果， 同時考慮到2015年12月31日頒布的《推進普惠金融發展規劃（2016-2020年）》和2020年突發公共事件， 剔除相關影響因素后， 選取2016 ～ 2019年的樣本數據進行穩健性檢驗； 第（4） ～ （6）列為加入Branch控制變量的回歸結果。由表8控制金融發展水平的穩健性檢驗回歸結果可知， 無論是縮減樣本期限， 還是控制不同金融發展水平的代理變量， 金融科技發展對創業板上市公司的盈余管理均具有顯著的抑制性作用， 說明主回歸結果是可靠的。

（四） 渠道機制檢驗

以上實證分析結果表明， 隨著金融科技的發展， 企業盈余管理行為受到顯著抑制， 但金融科技影響企業盈余管理機制的“黑箱”依然未能破解， 鑒于此， 本文嘗試以微觀層面的金融功能觀、 中觀層面的金融中介觀和金融創新觀作為理論檢驗的邏輯起點， 利用模型（5） ～ （7）深入探究金融科技影響企業盈余管理的渠道機制。

1. 金融科技、 公司治理與企業盈余管理。微觀層面的金融功能觀認為， 金融機構競爭變革和金融產品創新演化促使金融功能迭代升級（Gomber等，2018）， 金融功能邊界的逐級擴展， 使得金融科技成為金融服務實體經濟的新途徑。企業通過金融科技平臺實時捕捉市場需求變化， 輔助企業快速精準做出生產經營決策并適時調整產品生產結構， 公開透明的信息流、 物流和資本流以及供給側結構性改革， 使得企業利益相關者獲取信息更加便捷， 參與公司治理的機會更多。為了滿足利益相關方的訴求， 企業需及時調整治理結構， 而完善的治理結構將直接影響企業盈余管理水平（袁蓉麗等，2021）。本文檢驗了公司治理在金融科技和企業盈余管理之間的中介效應， 回歸結果表明， 金融科技顯著促進了公司治理結構的調整， 并且公司治理均在5%的水平上顯著抑制了企業盈余管理， 說明微觀層面的公司治理在金融科技和企業盈余管理間發揮了中介效應。

2. 金融科技、 融資約束與企業盈余管理。中觀層面的金融中介觀認為， 降低企業信息不對稱程度、 融資成本以及拓寬企業融資渠道并最終實現企業價值增值， 是金融中介觀核心理論（Gabor和Brooks，2017）。金融科技減小了數字鴻溝， 降低了金融機構服務門檻和成本， 實現精準式滴灌助企紓困， 金融科技使金融真正做到普惠民生。金融科技有利于緩解企業融資約束， 企業不用再為滿足資本市場預期而采取盈余管理活動（Palumbo和Rosati，2022）。據此推測， 中觀層面的融資約束在金融科技和企業盈余管理間發揮中介效應。融資約束作為中介變量的實證回歸結果顯示， 金融科技顯著降低了企業外部融資約束， 融資約束對企業盈余管理的回歸系數顯著為負， 說明金融科技通過緩釋融資約束有效抑制了企業盈余管理動機， 即融資約束在金融科技和企業盈余管理間發揮了中介效應。

3. 金融科技、 分析師關注與企業盈余管理。中觀層面的金融創新觀認為， 依托技術創新的特色化金融產品和服務， 能深度挖掘客戶需求缺口， 并通過海量數據為客戶價值創造提供信息支持（Chen等，2022）。金融科技匯集海量金融數據、 構建金融風險防范模型及運用人工智能算法， 為企業利益相關者正確決策及降低風險程度提供決策有用信息， 同時金融還可以甄別高風險交易、 智能測度金融異常活動， 發揮金融交易全流程監管優勢， 從而有效提升金融監管效率。分析師關注是企業外部治理機制之一， 作為資本市場中重要的風險監管者和信息收集者， 分析師在金融科技和企業盈余管理間發揮中介效應。由分析師關注的渠道機制回歸結果可知， 金融科技顯著提高了分析師關注質量， 分析師關注對企業盈余管理的回歸系數顯著為負， 說明金融科技通過分析師關注降低了企業盈余管理程度。

（五） 異質性分析

1. 企業異質性。一是內部控制。高質量的內部控制能夠抑制企業應計盈余管理（劉斌等，2021）， 這在理論界和實務界已得到公認。研究金融科技對企業盈余管理的影響， 可以按照企業內部控制程度分組進行檢驗。本文依據迪博（DIB）內部控制與風險管理數據庫發布的內部控制指數（ICE）， 以該指數的67%和33%分位數為門限， 將樣本數據分為強內部控制組和弱內部控制組， 并將內部控制指數作為控制變量， 重新分組進行實證檢驗， 回歸結果如表第9（1） ～ （2）列所示。由結果可知， 在強內部控制組中， 金融科技在5%的水平上顯著抑制企業盈余管理， 但對于弱內部控制組而言， 金融科技對企業盈余管理的影響不顯著。

二是管理費用率。管理費用是在生產經營管理過程中發生的非生產經營消耗， 企業發生管理費用金額的多少能夠反映企業經營管理水平的高低。管理費用率是一定期間的管理費用和營業收入的比率， 說明企業1元錢收入中管理費用支出所占的比例。以管理費用率的50%分位數作為分組依據， 小于50%分位數的為低管理費用率組， 大于50%分位數的為高管理費用率組， 金融科技對企業盈余管理影響的管理費用率異質性分組回歸結果如表9第（3） ～ （4）列所示。由此可見， 低管理費用率組的金融科技顯著抑制企業盈余管理， 而在高管理費用率組中該影響不顯著。

三是企業產權。我國國有企業憑借獨特的“自然稟賦”而擁有較強的融投資能力， 而對于中小民營企業特別是科技型民營企業來說， 卻因其承擔較高創新風險， 時常面臨融資困境。如上文實證分析結果， 金融科技通過緩解融資約束而抑制了企業盈余管理。那么， 金融科技對不同產權性質企業的盈余管理又能產生怎樣的抑制效果呢？由表9第（5） ～ （6）列可知， 金融科技對非國有企業盈余管理的抑制效應在5%的水平上顯著， 而對國有企業盈余管理的影響不顯著。這表明， 金融科技通過紓解非國有企業的融資約束降低了企業盈余管理動機和行為。

2. 區域異質性。地區間經濟發展不均衡， 一直是我國政府著力解決的經濟發展問題之一。不同地區經濟發展水平、 金融科技發展程度及智能科技基礎設施存在明顯差異， 為進一步考察區域金融科技對企業盈余管理影響的異質性， 本文將全部樣本劃分為東部、 中部和西部三個地區， 并對子樣本進行回歸。由實證回歸結果（見表10）可知， 東部地區子樣本為4281個， 占全部樣本數的79.38%， 說明東部地區聚集了創業板大部分上市公司， 從回歸結果來看， 東部地區的金融科技對企業盈余管理的影響在1%的水平上顯著為負， 說明東部地區高水平的金融科技極大地抑制了企業盈余管理； 中部地區和西部地區金融科技對企業盈余管理的異質性檢驗回歸結果并不顯著， 說明中西部地區受經濟發展水平所限， 金融科技程度較低， 對企業盈余管理暫時沒有發揮出應有的抑制性作用。

五、 研究結論與啟示

（一） 研究結論

金融與科技的深度融合， 構建起能夠支撐實體經濟發展的強大的金融生態系統， 已成為推動我國經濟高質量發展的重要引擎。本文借助2011 ～ 2020年創業板上市公司面板數據， 就金融科技對企業盈余管理的影響效應、 渠道機制和異質性展開研究， 主要得出如下結論： 第一， 金融科技的縱深發展顯著抑制了企業的盈余管理， 在緩解內生性問題以及替換回歸模型、 控制金融發展水平、 縮減樣本期限等穩健性檢驗后， 該結論依然成立。第二， 渠道機制檢驗表明， 金融科技通過微觀促進公司治理結構完善、 中觀緩解融資約束、 輔助分析師預測三個渠道抑制企業盈余管理。第三， 異質性分析結論得出， 在內部控制程度高、 管理費用率低的企業， 以及非國有企業和處于我國東部地區的企業， 金融科技對企業盈余管理的抑制效果更加顯著。

（二） 啟示

本文研究結論對加快我國金融科技發展、 降低企業盈余管理水平、 提升會計信息披露質量以及保護利益相關者權益、 促進區域均衡發展和推動國家經濟高質量發展等方面具有一定的啟示。

第一， 加大科技賦能金融服務力度， 提升金融穿透式監管能力。從政策層面引導和支持先進科技賦能金融服務體系， 用科技推動金融供給側結構性改革， 助力金融科技與資本市場深度融合， 從技術發展層面創新和融合先進技術以重構移動支付架構體系， 制定標準的條碼支付互聯互通， 探索人臉識別支付技術的安全應用， 實現支付工具安全與便捷的有效統一。加強人工智能、 區塊鏈、 云計算的技術在金融監管領域的應用， 健全數字化規則庫， 對資金流向進行全流程監管， 通過系統接口精準傳輸至金融監管中心， 滿足金融監管要求。

第二， 提升金融科技服務實體經濟的力度， 抑制企業盈余管理。科技在金融領域的拓展與融合， 最根本的目的在于服務于實體經濟的健康發展。為防止企業出現脫實向虛、 資金空轉等問題提供決策支持， 具體舉措如下： 一是提升金融服務效率， 助推企業治理結構完善。構建金融綜合服務平臺， 縮減金融業務辦理時間， 提升服務客戶識別效率， 通過金融科技為企業提供更多的產品、 市場、 資本、 人才等信息， 積極參與企業治理結構調整， 為企業健康、 平穩、 有序地開展生產活動提供信息支持。二是通過金融科技創新豐富企業融資渠道。創新互聯網金融資源， 增強線上金融服務能力， 繼續發揮線下金融服務優勢， 構建線上線下良性互補的投融資經營發展模式， 給予金融科技企業政策優惠， 鼓勵金融科技企業參與企業層面的金融開發與應用， 以豐富非金融類企業的融資渠道。三是調整金融產品供給側， 助力分析師精準預測。利用大數據、 物聯網、 人工智能等技術分析客戶特征， 滿足不同客戶的個性化需求， 通過提升金融科技數據處理、 分析與預測能力， 為客戶提供簡單易懂的金融產品與服務， 滿足不同用戶的差異化風險偏好， 通過對金融產品供給側數據信息的抓取， 輔助分析師對企業盈余進行預測， 以提高分析師預測的精準性。

第三， 提高企業會計信息質量， 協同推進區域經濟高質量發展。金融科技抑制企業盈余管理的最終目的是提高企業披露會計信息的質量， 高質量的企業會計信息不僅能有效保護相關者利益， 而且是企業優化資源配置、 提高企業核心競爭力和創新能力的成果展示。現階段， 政府應著力推進中西部地區金融科技的基礎設施建設、 加強對國有企業數字化轉型的投入、 加大對內部控制較弱企業和管理費用較高企業的監管力度， 這些措施對于促進區域經濟發展及推動國家經濟高質量發展等方面均具有十分重要的戰略意義。

【 主 要 參 考 文 獻 】

丁娜，金婧，田軒．金融科技與分析師市場［ J］．經濟研究，2020（9）：74 ～ 89．

方一卓，強國令，李鈺燕．金融科技與制造業企業創新［ J］．產經評論，2022（3）：110 ～ 126．

郭峰，王靖一，王芳，孔濤，張勛，程志云．測度中國數字普惠金融發展：指數編制與空間特征［ J］．經濟學（季刊），2020（4）：1401 ～ 1418．

胡濱，任喜萍．金融科技發展：特征、挑戰與監管策略［ J］．改革，2021（9）：82 ～ 90．

黃孝武，任亞奇，余杰．宏觀經濟不確定性與上市公司盈余管理——來自上市公司的經驗分析［ J］．統計與決策，2021（1）：174 ～ 177．

金燦陽，徐藹婷，邱可陽．中國省域數字經濟發展水平測度及其空間關聯研究［ J］．統計與信息論壇，2022（6）：11 ～ 21．

羅進輝，巫奕龍．數字化運營水平與真實盈余管理［ J］．管理科學，2021（4）：3 ～ 18．

孟慶斌，劉嵐溪．商業銀行競爭與公司盈余管理［ J］．經濟理論與經濟管理，2021（5）：32 ～ 47．

孟巖，周航．金融關聯對上市公司盈余管理的影響研究——代理成本的中介作用［ J］．貴州財經大學學報，2018（1）：47 ～ 56．

莫冬燕，陳如意，方芳，張錦華．大數據技術、企業動態能力與真實活動盈余管理［ J］．證券市場導報，2023（3）：35 ～ 45．

彭雅哲，汪昌云．資本市場開放與企業真實盈余管理——基于“陸港通”的經驗證據［ J］．經濟管理，2022（1）：176 ～ 191．

錢雪松，方勝．《物權法》出臺、融資約束與民營企業投資效率——基于雙重差分法的經驗分析［ J］．經濟學（季刊），2021（2）：713 ～ 732．

宋敏，周鵬，司海濤．金融科技與企業全要素生產率——“賦能”和信貸配給的視角［ J］．中國工業經濟，2021（4）：138 ～ 155．

宋巖，滕萍萍，秦昌才．企業社會責任與盈余管理：基于中國滬深股市A股制造業上市公司的實證研究［ J］．中國管理科學，2017（5）：187 ～ 196．

王福勝，王也，劉仕煜．網絡媒體報道對盈余管理的影響研究——基于投資者異常關注視角的考察［ J］．南開管理評論，2021（5）：116 ～ 129．

溫忠麟，葉寶娟．中介效應分析：方法和模型發展［ J］．心理科學進展，2014（5）：731 ～ 745．

楊凡，張玉明．網絡媒介、互動式信息披露與分析師行為——來自“上證e互動”的證據［ J］．山西財經大學學報，2020（11）：113 ～ 126．

袁蓉麗，李瑞敬，孫健．董事的信息技術背景能抑制盈余管理嗎［ J］．南開管理評論，2021（3）：139 ～ 151．

李春濤，閆續文，宋敏，楊威．金融科技與企業創新——新三板上市公司的證據［ J］．中國工業經濟，2020（1）：81 ～ 98．

劉斌，李延喜，遲健心．內部控制意愿、內部控制水平與盈余管理方式——基于文本分析與機器學習的計量方法［ J］．科研管理，2021（9）：166 ～ 174．

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．

吳永鋼，蔣銘磊．經濟政策不確定性、公司治理水平與房企去杠桿［ J］．南開學報（哲學社會科學版），2021（5）：82 ～ 96．

Cohen D. A.， A. Dey T. Z. Lys. Real and Accrual-Based Earnings Management in the Pre- And Post-Sarbanes-Oxley Periods［ J］． Accounting Review，? 2008（83）：757 ～ 787．

Dechow M. P.， R.. Sloan G.， A. Sweeney P.. Detecting Earnings Management［ J］． Accounting Review，1995（70）：193 ～ 225．

Dechow P. M.， I. D. Dichev. The Quality of Accruals and Earnings： The Role of Accrual Estimation Errors［ J］． Accounting Review，2002（77）：35 ～ 59．

Dechow P.， W. L. Ge， C. Schrand. Understanding Earnings Quality： A Review of the Proxies， their Determinants and their Consequences［ J］． Journal of Accounting & Economics，2010（50）：344 ～ 401．

DeFond， M.， J. Zhang. A Review of Archival Auditing Research［ J］． Journal of Accounting & Economics，2014（58）：275 ～ 326．

Gabor D.， S. Brooks. The Digital Revolution in Financial Inclusion： International Development in the Fintech Era［ J］． New Political Economy，2017（22）：423 ～ 436．

Gomber P.， R. J. Kauffman， C. Parker， B. W. Weber.? On the Fintech Revolution： Interpreting the Forces of Innovation， Disruption， and Transformation in Financial Services［ J］． Journal of Management Information Systems，2018（35）：220 ～ 265．

Hadlock C. J.， J. R. Pierce. New Evidence on Measuring Financial Constraints： Moving Beyond the Kz Index［ J］． Review of Financial Studies，2010（23）：1909 ～ 1940．

Jones J. J.. Earnings Management During Import Relief Investigation［ J］． Journal of Accounting Research，1991（29）：193 ～ 228．

Klein A.. Audit Committee， Board of Director Characteristics， and Earnings Management［ J］． Journal of Accounting and Economics，2002（33）：375 ～ 400．

Kothari S. P.， N. Mizik S.. Roychowdhury. Managing for the Moment： The Role of Earnings Management Via Real Activities Versus Accruals in Seo Valuation［ J］． Accounting Review，2016（91）：559 ～ 586．

Lim D.， E. A. Morse， R. K. Mitchell， K. K. Seawright. Institutional Environment and Entrepreneurial Cognitions： A Comparative Business Systems Perspective［ J］． Entrepreneurship Theory and Practice，2010（34）：491 ～ 516．

Morgan P. J.. Fintech and Financial Inclusion in Southeast Asia and India［ J］．Asian Economic Policy Review，2022（17）：183 ～ 208．

（責任編輯·校對： 劉鈺瑩? 羅萍）

【基金項目】黑龍江省哲學社會科學規劃項目“習近平總書記重要講話重要指示精神研究專項”（項目編號：23XZT022）

【作者單位】1.哈爾濱金融學院管理會計研究中心， 哈爾濱 150030；2.哈爾濱工程大學經濟管理學院， 哈爾濱 150001；3.哈爾濱商業大學會

計學院， 哈爾濱 150028