區塊鏈技術應用對公司縱向并購的影響:促進還是抑制

許汝俊

(湖北工業大學 經濟與管理學院,湖北 武漢 430068)

一、引言

隨著產業鏈、創新鏈等不同鏈條式關聯關系形態的發展,產業轉型升級越顯重要,產業數字化和數字產業化具有同等重要的地位。《中國產業數字化報告2020》提出在新一代數字科技支撐和引領下,以數據為關鍵要素、價值釋放為核心、數據賦能為主線,對產業鏈上下游的全要素進行數字化升級、轉型和再造。

在數字經濟快速發展的背景下,區塊鏈技術應運而生,中國信通院、華為、百度等研究機構和商業巨頭先后發布了區塊鏈白皮書。隨著區塊鏈技術的逐漸普及,我國部分區塊鏈平臺公司已經實現了產業鏈、供應鏈上相關公司的信息共享。目前,部分公司尚未積極關注新技術在資本市場并購領域的應用問題,而以中企云鏈、元界等為代表的區塊鏈技術平臺公司業務領域已逐漸拓展到產業鏈并購,并已和眾多公司達成合作,致力于逐漸改變并購市場的格局,推動區塊鏈技術在并購市場的應用。與此同時,圍繞價值鏈的縱向并購行為本身存在著盡職調查信息成本、優質資源搜尋信息成本、程序履行成本等諸多并購信息成本,以及信息管理能力弱化引致的信息孤島、外界信息真實性溯源難等信息困境及瓶頸[1]。區塊鏈技術正是基于上鏈信息和分布式數據存儲實現信息共享,提高信息傳遞效率。因此,研究區塊鏈技術的應用是否推動了產業鏈上的縱向并購,能夠為我國區塊鏈技術賦能產業鏈轉型升級提供新思路,并為利用大數據技術提高資本市場縱向并購效率提供參考。

目前,在縱向并購的驅動因素方面,產業政策和行業特征驅動縱向并購的觀點得到了廣泛認可。學者們認為受做大做強導向產業政策支持的公司會進行更多的并購交易[2],外部經濟政策不確定性、價格的不確定性以及政府對原材料供應行業的管制政策和契約實施強度也會顯著推動相關公司進行更多縱向并購[3-4]。同時,出于規避風險的動機,相關公司可以通過上下游資源整合以應對風險,并且,資產專用性越高,公司的縱向并購傾向性越高。此外,國企性質、供應鏈金融、供應鏈非一體化制造商之間競爭的弱化也能夠推動公司沿著產業鏈上下游進行垂直整合,對公司縱向并購具有促進作用[5-7]。

近年來,隨著數字經濟在全球的發展,學者們開始聚焦數字化轉型下數字并購方向的相關問題研究。為獲取數字技術和服務或搶占數字市場,相關公司會在國內外進行積極的數據驅動型并購,并且,此類并購呈現出多樣化的類型[8-10]。在并購效應方面,數字并購能夠顯著提升平臺公司經濟績效和創新績效[11-13],同時,對制造業公司具有長期持續的市場勢力提升效應[14]。

作為一種新興的數字技術,區塊鏈技術應用對會計行為的影響研究也逐漸顯現。區塊鏈股權交易平臺由于其股權信息的公開性,可以對公司的無形資產進行公平的市場化定價,部分解決了股權退出機制不完善的問題。同時,財務共享模式的優化也能夠受益于區塊鏈技術應用,能夠優化交易信息管理,確保財務信息公開透明,降低交易風險[15]。此外,區塊鏈技術能夠解決財務數據完整性,降低財務報告風險,并通過與其他技術的融合對審計行為和公司治理實踐產生重要影響[16-17]。

然而,前期研究尚存以下不足:(1)鮮有研究直接關注區塊鏈技術在資本市場縱向并購領域的應用。理論上,基于區塊鏈技術優勢及發展趨勢,其對公司縱向并購率的影響將會更加有利于認知產業數字化轉型下資本市場并購行為的特征,提高資本市場信息傳遞效率。(2)新技術體系影響公司縱向并購的理論邏輯、機制及相關因素的實證研究較為鮮見,也缺乏系統性的研究,針對上述問題的探索,為公司認知新技術應用場景、條件及相關策略選擇提供重要的經驗證據。

那么,區塊鏈技術是否能夠緩解縱向并購中可能面臨的信息困境問題,進而促進相關公司高效地進行產業鏈資源整合,推動縱向并購?如果存在影響,其理論及機制是什么?鑒于此,本文將基于區塊鏈技術應用指標,結合區塊鏈技術優勢及縱向并購流程中的痛點問題,探索區塊鏈技術應用影響公司縱向并購的理論邏輯,并從信息成本、風險控制及資源整合三個方面構建作用機制的分析框架,通過實證分析進行驗證,并提出相關建議。

本文的研究貢獻在于:(1)考慮現有研究更多聚焦于技術背景、技術差距、技術并購對并購行為的影響,本文基于信息技術學、財務學及產業經濟學交叉學科領域,引入區塊鏈技術應用對公司縱向并購的影響問題,使得新技術應用場景向縱深拓展,從新技術發展應用及發展趨勢視角著力探索公司縱向并購的影響因素。(2)本文利用區塊鏈應用的指標數據,實證分析了區塊鏈技術對縱向并購的影響,從大數據和文本視角豐富了區塊鏈技術在資本市場公司行為上應用效應的實證研究范疇。

二、理論分析與研究假說

區塊鏈技術作為當前新技術之一,以其分布式數據存儲、點對點傳輸等計算機技術的新型應用模式,實現信息共享、信息不可逆、信息不可篡改等一系列的信息管理優勢。區塊鏈技術下信任機制、共識機制、智能合約、加密機制等技術組合,能夠保證信息更加真實透明,具有更高的安全性。在并購的影響因素中,較高的信息成本已經成為阻礙并購行為的重要因素。基于不完全信息演化博弈模型,信息不對稱導致了并購談判成本的增加,進而影響并購收益[18]。信息透明度會通過私有信息含量、公司管理層能力及折價定價等方面影響相關公司競標并購,隨著信息透明度的提高,相關公司成為并購目標的可能性越小[19-22]。交易成本和信息不對稱對并購溢價產生了影響,較低的信息透明度是并購高溢價定價的重要因素[23]。

公司縱向并購是實現產業鏈整合及升級的重要手段。從區塊鏈技術應用與縱向并購行為來看,區塊鏈技術優勢能夠對產業的融合協同發展起到推動作用,進而影響縱向并購。擁有豐富上下游產業配套的相關地區,可廣泛運用區塊鏈中的聯盟鏈模式,聯合區域內的上下游公司實現產業鏈共建。在提升安全保障的同時,提高公司的經營效率。具體來看,第一,基于信息成本理論,通過縱向并購,相關公司能夠發揮自身在產業鏈中的重要作用,形成協同效應,提高核心競爭力和綜合資源利用率。相較橫向并購而言,縱向并購的目的更多在于對產業鏈上下游公司的資源整合,實現產業合力。絕大部分產業鏈上下游公司并非處于同一行業,即使屬于同一行業,也會存在組間戰略等差異。相比而言,不同行業的公司之間信息不對稱程度會更高,相關公司進入主業關聯度不大的行業引致的成本費用也更大,導致縱向并購面臨更高的信息成本甚至是信息困境。因此,相關公司可能利用區塊鏈分布式賬本技術形成的不同行業信息共享,能夠促進公司內部資源快速流動,在上下游公司范圍內實現真實信息的快速傳遞,使得公司與其上下游公司的信息不對稱程度降低,推動公司實施縱向并購。第二,基于風險控制理論,公司縱向并購行為本身屬于一項高風險的投資項目,存在較大不確定性和風險,區塊鏈技術則是通過密碼學等一系列信息安全技術實現信息共享中的安全傳遞。同時,區塊鏈網絡下的信息確認機制能夠提高信息的信度,降低信息傳遞的不確定性,提高公司風險承擔水平,推動公司做出縱向并購。第三,基于資源整合理論,產業鏈上下游公司產品及資源之間本身具有一定的依賴性和互補性,需要通過信息和資源整合形成合力,提高產業鏈效率,進而推動縱向并購。因此,本文提出如下假設。

H1區塊鏈技術的應用能夠推動公司進行縱向并購行為。

區塊鏈技術作為一種技術組合,其分布式數據存儲、智能合約等技術已經被廣泛應用于實踐,尤其是金融領域。基于供應鏈市場,各個主體之間存在嚴重的信息孤島現象,位于中心位置的核心公司無法掌握供應鏈上的全部信息,由此帶來的信息不對稱致使貿易的真實背景難以核查,導致資金充裕的主體無法發放資金,造成資金充裕和資金匱乏的主體之間供需不平衡的局面,供應鏈檸檬市場的嚴重信息資源不對稱問題成為熱點。提高供應鏈共享信息的透明度是解決供應鏈信息不對稱的關鍵[24]。由于供應鏈涉及較多的公司主體,貿易關系也較為冗雜,使得資金提供方付出的查驗成本更高。因此,核心公司通過區塊鏈技術能夠實現現有業務往來信息的數字化確認,進而有效降低資金提供方的信息核查成本。同時,區塊鏈各節點參與方通過信息相互查驗等方式對上鏈信息做出擔保,進一步降低核驗成本。螞蟻集團的雙鏈通就是典型的區塊鏈緩解信息成本的具體應用,通過信息實時共享、時間戳及數字憑證信用等方式,在保證信息真實的基礎上,降低人工檢查成本和出錯風險。此外,區塊鏈在資產證券化領域中也具有天然優勢,可以憑借自身特性解決資產證券化中的信息不對稱問題。

從信息成本視角下區塊鏈與縱向并購行為關系來看,公司在進行縱向并購時都會面臨并購行為的諸多環節,需要通過產業鏈市場尋找優質的并購資源,對相關公司信息進行搜集和分析,在并購過程中進行法律、業務及財務的盡職調查,簽訂相關合同,進行并購談判,履行相關程序及手續,并在并購后期進行資源的整合。雖然這些程序在橫向并購及混合并購中也會存在,但跨行業信息差異程度的不同及并購融合難度的不同都將引致縱向并購行為付出更大的信息搜集、確認、分析等成本,區塊鏈技術在其中的應用前景更為合理與必要。針對縱向并購較其他并購類型可能存在更高的并購信息成本問題,區塊鏈技術能夠有效地降低相關反饋信息與價值交換過程中具體環節的成本,將內部資源充分調動起來,與外部信息資源高效對接,提高公司縱向并購率。因此,基于以上分析,本文提出如下假設。

H2a區塊鏈技術通過降低并購信息成本進而推動公司進行縱向并購。

區塊鏈技術一定程度上能夠降低公司行為風險,提高行為決策的概率及效率。供應鏈融資在區塊鏈技術的支持下風險更低,完整連續的交易記錄會向所有供應鏈公司及中介機構開放[25-27],而交易中的信用風險能夠通過區塊鏈技術進行有效的分解,提高多維度數據的相對準確性[28],避免參與方可能存在的私下交易風險甚至犯罪行為風險。區塊鏈技術通過對歷史數據的自動比對,并與鏈上主體信用評級等信息交叉檢驗,能夠控制借款主體的準入風險。同時,區塊鏈技術的點對點特征能夠通過數據跟蹤實現貸后管理過程中相關道德風險等行為的預警。此外,操作風險、市場風險都可以通過區塊鏈智能合約技術和多節點分布予以管理,保證相關交易的可追溯性。

從風險視角下區塊鏈與縱向并購行為關系來看,一方面,產業鏈縱向并購本身存在著信息真實性驗證難及安全性問題,并購也具有較高風險性及不確定性。區塊鏈技術從信息利用安全性、傳遞及時性和并購信息資源的可追溯性方面,保證縱向并購過程中相關信息傳遞的及時性、并購資源投入的可追溯性,利用密碼學技術實現對產業鏈上下游公司的信息權限設置,有效緩解信息共享過程中資產質量、或有負債等信息風險或困境問題。區塊鏈技術下智能合約的條件性也會幫助公司降低法律條款的繁瑣及限制帶來的風險,使得并購雙方能夠在保證產業升級及資源整合的基礎上提高風險承擔意愿。另一方面,現有研究發現,偏好風險的公司,其并購傾向更高。與風險偏好類似,公司風險承擔會隨著公司高管的年齡經驗與資源權力等方面的變化而有所不同[29]。風險承擔能力與其水平也有趨同性,能夠動態反映在公司的各種風險決策中。公司并購尤其是縱向并購,其信息不對稱程度更高,面臨的風險也更大,區塊鏈技術應用引致的風險承擔意愿提升能夠推動公司進行并購。因此,隨著區塊鏈技術的應用,公司風險承擔意愿更高,進行縱向并購行為的概率也更大。基于以上分析,本文提出如下假設。

H2b區塊鏈技術通過提高風險承擔水平進而推動公司進行縱向并購。

公司發展離不開產業鏈轉型升級,更離不開產業鏈上相關資源的整合。當前,在政務信息、教育信息、檔案信息方面,區塊鏈能夠利用其技術優勢使得各方資源進行充分融合,促進其賦能各領域各行業的發展,優化各方資源整合[30]。基于物流供應鏈,學者們發現物流供應網絡中相關公司面臨溝通成本增加、效率下降等諸多問題,而區塊鏈能夠推動物流產業創新及升級[31]。從資源整合理論來看,商品從原料到消費品的形成過程需要供應鏈上下游公司不同類型資源的有效整合,其中,產業鏈核心公司與上下游公司資源類型差異較為明顯,需要通過技術優勢實現知識和資源共享,推動產業鏈資源整合,提高整合效率。基于以上分析,本文提出如下假設。

H2c區塊鏈技術能夠通過提高資源整合效率進而推動公司進行縱向并購。

三、研究設計

(一)樣本選擇與數據處理

鑒于我國區塊鏈技術從2016年才逐漸普及應用,結合技術應用可能存在滯后性,本文選取2016—2021年相關公司應用區塊鏈技術數據,選取2017—2022年A股上市公司實施并購的事件作為研究對象。其中,區塊鏈技術應用數據來自中國研究數據服務平臺,并購數據和公司層面的財務數據均來自于國泰安數據庫。為了更為準確地研究相關問題,本文對后續回歸樣本數據進行了一定的處理:刪除掉金融類、ST類公司樣本,所有連續變量均經過上下1%的異常值處理。由于本文重在研究并購,所以并未對100萬以下或者并購后并購方持股比例較小的樣本予以刪除,盡量保留所有并購事件。在匹配前的原始樣本中,2016—2021年應用區塊鏈技術的相關公司樣本數量達到1 307家,2017—2022年A股實施縱向并購事件樣本量為2 058次。

為了相關研究的嚴謹性,結和區塊鏈應用數據的特征,考慮數據樣本量的效度問題,選取公司是否屬于高新技術公司(Tech)、公司研發投入占營業收入比例(RDinv)及所有控制變量作為原始匹配變量,對應用區塊鏈技術的公司與未應用區塊鏈技術公司進行半徑為0.005的匹配。配對后的平衡性檢驗結果(表1)表明,匹配變量在配對之后的偏差絕對值均在10%以下,總體來看,配對后的樣本不存在顯著差異,匹配效果較好,適合后續針對區塊鏈技術應用與縱向并購的回歸分析。

表1 匹配變量的平衡性檢驗結果

(二)變量定義

1.被解釋變量(縱向并購,Verm)

在樣本區間里,相關公司進行縱向并購行為取1,否則取0。具體來看,本文對縱向并購的定義主要依據李善民等(2020)[32]和CSMAR數據庫對縱向并購的界定為基礎來確定。對公司并購數據庫中的“交易概述”關于并購目的的描述,將收購方與被收購方處于同一產業鏈條上的上下游關系的并購確定為縱向并購。認定并購類型時,具體操作如下:出現 “完善產業鏈”“上、下游布局”等有縱向并購含義詞語的將其定義為縱向并購,如國際實業在其并購交易概述中強調,“為加強公司成品油銷售終端布局,完善石油化工產業鏈等等”。

2.解釋變量(區塊鏈技術應用,Blkc)

借鑒楊德明和劉泳文(2018)[33]、楊德明等(2020)[34]的做法,通過搜集上市公司各類公告,搜索“區塊鏈”“分布式計算”“億級并發”“信息物理系統”等關鍵詞,判斷上市公司在當期是否涉及區塊鏈技術應用,如果上市公司公告內容中明確提及正在投資或從事與區塊鏈技術相關的事項,則認為其涉及區塊鏈;如果上市公司明確說明當期經營不涉及區塊鏈技術或者所述內容與其從事區塊鏈無關,則為“不涉及”。此處需要說明的是相關數據只能判斷出公司在當年是否涉及區塊鏈業務,并不能判斷可能由于應用成本、突發事件等原因引致的后續年度對區塊鏈技術的應用。因此,本文以涉及區塊鏈技術應用公告為準進行分析。

3.中介變量

第一,本文借鑒辛清泉等(2014)[35]的做法,用盈余質量指標(DQ)、交易所信息披露考核指標(DSCORE)、分析師跟蹤人數(Analyst)、分析師預測精度(Accuracy)和公司當年是否聘請國際四大作為其年報的審計師(BIG4)共同構建了信息透明度指標(Trans),其值等于DQ、DSCORE、Analyst、Accuracy和BIG4變量的樣本百分等級的平均值。如果上市公司其中某個或多個透明度變量缺失,則Trans等于剩余變量百分等級的均值,Trans越大,公司透明度越高。

第二,借鑒何瑛等(2019)[36]的做法,本文采用公司在觀測時段內的RoA波動程度來度量公司風險承擔水平(Risk)。其中,RoA使用息稅前利潤除以年末總資產衡量,將公司RoA減去年度行業均值得到Adj_RoA,緩解行業及周期的影響。由于制造業上市公司數量較多,觀測值超過全樣本的70%,因此,對制造業公司的行業分類細化至兩位代碼,并刪除行業僅有一家公司的樣本,以每三年(t-1年至t+1年)作為一個觀測時段,分別滾動計算經行業調整后的RoA(Adj_RoA)的標準差。同時,參考Faccio等(2011)[37]和宋建波等(2017)[38]的處理方式,將該結果乘以100得到Risk指標以衡量公司風險承擔水平。對于量綱的處理能夠使結果更加直觀,并不影響其顯著性水平。

第三,借鑒張倩肖和段義學(2023)[39]的做法,本文在測度公司專業化分工水平和供應鏈整合水平兩大指標的基礎上,進一步計算產業鏈整合水平(Integration)。根據現代產業經濟學理論,公司專業化分工水平越高,要求供應鏈網絡更具有穩定性和多樣性,以滿足公司對數據資源的穩定需求,進而對供應鏈整合水平要求越高。因此,產業鏈整合水平取決于兩者的乘積。

4.異質性分析涉及的變量

供應鏈集中度(Supplier),用前5供應商、客戶采購銷售比例之和的均值表示,即(向前5名供應商采購比例+前5名客戶銷售比例)/2。企業生命周期,借鑒陳旭東等(2008)[40]的相關做法,結合投資、籌資及經營現金流特征,分別計入導入期、增長期、成熟期、衰退期。當籌資現金流為零時,根據經營現金流、投資現金流的特征,分別計入成熟期、衰退期,當投資現金流為零時,根據經營現金流、籌資現金流的特征,也分別計入成熟期、衰退期。鑒于本文的研究主題是新興技術的應用,故不再考慮衰退期的相關影響,分別形成導入期(SM)、成長期(SM1)、成熟期(SM2)。

5.控制變量

本文選擇了地區經濟發展水平(Zone)、并購規模(Scale)、并購方資產規模(Size)、總資產凈利潤率(ROA)、資產負債率(Lev)、上市年限(ListAge)、股權制衡度(Balance)、戰略差異度(Strategy)作為控制變量。其中,戰略差異度(Strategy)借鑒葉康濤等(2014)[41]、孫健等(2016)[42]對公司戰略差異的定義,首先,計算廣告和宣傳投入:銷售費用/營業收入,研發投入:無形資產凈值/營業收入,資本密集度:固定資產/員工人數,固定資產更新程度:固定資產凈值/固定資產原值,管理費用投入:管理費用/營業收入,公司財務杠桿:(短期借款+長期借款+應付債券)/權益賬面價值。其中,廣告和宣傳投入、研發投入、資本密集度和固定資產更新程度代表公司在營銷、創新和生產能力擴張方面的行為。管理費用占比代表公司的費用結構,財務杠桿代表公司的資本運營方式。每個變量都從一個側面反映公司的戰略。整體來看,六個變量反映了公司的總體戰略。由于我國上市公司較少單獨披露廣告費用和研發費用,為此本文分別采用銷售費用和無形資產凈值來近似代替廣告費用和研發費用。其次,本文將各公司六個戰略維度指標分別減去同行業當年該指標的平均值,再除以該指標的標準差予以標準化,并取絕對值。這樣,就得到了各公司在每一個戰略維度上偏離行業平均水平的程度。最后,對每個公司標準化后的六個戰略指標取平均值,得到戰略差異度指標Strategy,該指標越大,說明公司與同年度同行的戰略差異越大。

其他控制變量數據見表2。

表2 變量定義表

(三)模型構建

為了驗證相關假設,本文構建如下模型進行檢驗

Vermi,t+1=η0+η1Blkci,t+∑Controls+∑Ind+∑Year+ε

(1)

Transi,t/Riski,t/Integrationi,t=γ0+γ1Blkci,t+∑Controls+∑Ind+∑Year+ε

(2)

Vermi,t+1=α0+α1Blkci+α2Transi,t/Riski,t/Integrationi,t+∑Controls+∑Ind+∑Year+ε

(3)

Vermi,t+1=β0+β1Blkci,t+β2Supplieri,t+β3Blkci,t×Supplieri,t+∑Controls+∑Ind+∑Year+ε

(4)

Vermi,t+1=φ0+φ1Blkci,t+φ2SMi,t+φ3Blkci,t×SMi,t+∑Controls+∑Ind+∑Year+ε

(5)

模型(1)主要用于檢驗區塊鏈技術應用對公司縱向并購的影響,即主回歸分析。模型(2)-(3)用于檢驗區塊鏈技術應用是否會通過降低信息成本、提高風險承擔水平以及提升產業鏈資源整合效率,進而影響公司縱向并購。模型(4)-(5)則是用于驗證供應鏈集中度及公司生命周期對模型(1)中兩者關系的影響。

四、實證結果分析

(一)描述性統計

首先,針對原始數據中區塊鏈技術應用的公司數量、占比和實施縱向并購的公司數量、占比進行了描述性統計。結果(表3)表明,2016—2021年,應用區塊鏈的公司數量呈現遞增的趨勢。與此同時,從實施縱向并購的公司分年度情況來看,縱向并購事件的絕對數量呈現逐年遞減趨勢。2020年之后的樣本可能受到新冠疫情的影響,整體經濟形勢呈下降態勢,公司縱向并購業務乃至整個資本市場并購業務均受到較大沖擊,縱向并購事件較上年度出現了較大幅度的下降。

表3 應用區塊鏈技術的公司數量和縱向并購事件數量的年度分布情況(1)此處的相關數據統計是基于原始數據,即匹配之前的數據。同時,由于技術應用與并購關系存在的滯后性,后續回歸中縱向并購數據均滯后一期,故此處的縱向并購年份為2017-2022年。此外,同一家公司在同一年份同一月份的多次記錄視為多次事件進行事件統計。

其次,本文對原始的實施縱向并購的公司所在行業分布進行了描述性統計。結果(表4)表明,發生縱向并購行為最多的行業集中于制造業、信息傳輸、軟件和信息技術服務業、批發零售業及能源供應業。其中,制造業公司本身在上市公司中占據絕大部分比例,其發展需要進行不斷的轉型升級與改造。信息及其技術服務行業則更加集中信息技術的研發及服務,甚至有可能本身就是區塊鏈技術研發的公司。批發零售和能源供應更多涉及到了供應鏈條的整合與優化,對供應鏈升級的需求也會越來越大。所以,從描述性統計數據來看,近年來制造業等行業進行縱向并購的數量最多,這也為本文相關主題的后續研究奠定了基礎。同時,教育業、住宿餐飲業、衛生社會工作和公共管理行業的縱向并購事件最少,這表明在一般的專業化實體經濟行業上較少進行短期的多元化擴張。

表4 不同行業中縱向并購事件數量及占比統計(2)行業標準按照2012版中國證監會上市公司行業分類指引。

最后,本文對匹配后的樣本中所有主要變量的基本數據進行了描述性統計,結果見表5。總體來看,經過半徑匹配后,應用區塊鏈技術的公司樣本量占到了3.80%,實施縱向并購的公司樣本量占比達到31.90%。同時,從控制變量數據信息來看,并購規模差異較大,雖然并購交易金額占并購方資產的比例均值在0.10左右,但是并購規模比例最大達到了2.87,中位數與均值差距明顯,這也說明縱向并購更多基于戰略目的,而非單純的經濟目的。雖然戰略差異度也顯示出一定程度的差異分布,但中位數與均值差異不大,未表現出明顯的區別,再次表明縱向并購更多基于戰略目的。此外,公司規模、凈資產收益率、資產負債率、地區發展水平、上市年限、股權制衡度在樣本中未表現出明顯差異。

表5 主要變量描述性統計

(二)基準回歸分析

針對區塊鏈技術應用與相關公司縱向并購的關系,本文進行了回歸檢驗。實證結果(表6)表明,單變量回歸及引入控制變量后區塊鏈技術應用與縱向并購間回歸系數分別為0.44、0.46,均通過了5%的顯著性水平,說明相較于沒有應用區塊鏈技術的公司,應用區塊鏈技術的公司進行縱向并購的概率更大,以上結果基本驗證了H1。

表6 主回歸結果

(三)穩健性檢驗

1.主并公司局限于境內公司

由于前述樣本中包含了所有縱向并購類型,也包含了少部分主并公司為境外公司的樣本。因此,為了進一步驗證相關結果的穩健性,本文剔除了主并公司是境外公司的樣本數據,重復前述主要回歸。實證結果(表7)表明,區塊鏈技術應用與縱向并購行為之間系數依然為正且顯著,再次驗證H1。

表7 穩健性檢驗結果

表8-1 內生性處理

2.控制其他主流技術的影響

借鑒吳非等(2021)[43]提出的有關數字化轉型的特定關鍵詞,除關鍵詞前存在“沒”“無”“不”等否定詞語的表述,在上市公司年度財務報告中進行全文搜索,形成相關主流新技術的分指標體系:人工智能技術包括人工智能、商業智能、圖像理解、投資決策輔助系統、智能數據分析、智能機器人、機器學習、深度學習、語義搜索、生物識別技術、人臉識別、語音識別、身份驗證、自動駕駛、自然語言處理;云計算技術包括內存計算、云計算、流計算、圖計算、物聯網、多方安全計算、類腦計算、綠色計算、認知計算、融合架構、億級并發、EB級存儲、信息物理系統;大數據技術包括大數據、數據挖掘、文本挖掘、數據可視化、異構數據、征信、增強現實、混合現實、虛擬現實。通過相關新技術分指標在年度報告中出現的頻次界定相關新技術影響程度。實證結果(表7)表明,在控制人工智能、大數據及云計算技術的影響后,區塊鏈技術應用對縱向并購的影響依然較為顯著,再次佐證區塊鏈技術與公司縱向并購之間的關系。

3.改變樣本匹配半徑

為了提高相關匹配的精度,讓匹配標準更為嚴格,本文選擇0.001作為匹配半徑進行樣本匹配,最終篩選出3 425個樣本,重復前述回歸后(表7)發現,區塊鏈技術應用與縱向并購之間系數為0.64,在1%的水平上顯著,再次驗證了H1。

(四)內生性問題處理

1.采用傾向得分匹配-雙重差分(PSM-DID)方法

由于2016年我國區塊鏈技術應用才開始出現和逐漸普及,因此,本文選取2012—2021年相關樣本及數據(縱向并購數據取2013—2022年的滯后值),以10年內2016年為時間窗口,對2016年前4年及2016年后6年(含2016年)的數據進行了傾向得分匹配-雙重差分檢驗。相關結果(表8-2)表明,雙重差分變量系數為0.06,在5%的水平上顯著,一定程度上表明2016年之后區塊鏈技術應用的影響并非時間驅使,再次佐證了前述回歸的主要結論。

表8-2 內生性檢驗:PSM-DID

2.工具變量兩階段回歸檢驗

為了一定程度上避免區塊鏈技術應用與縱向并購回歸中遺漏變量帶來的內生性問題,本文借鑒李少林和馮亞飛(2021)[44]的做法,選擇地區數字經濟發展水平(Rdigital)作為工具變量,該變量由當年地方公司數字經濟專利發明授權和新型專利授權總量來表征。選擇其原因在于,一方面,區塊鏈技術應用與數字經濟發展水平之間存在必然聯系,處于數字經濟發展程度較高區域的公司進行信息技術應用的概率更大,即區塊鏈技術更易在數字經濟水平較高的城市中應用,滿足相關性條件。另一方面,地區數字經濟水平發展屬于宏觀經濟發展內容,很大程度上受到宏觀科技政策的影響,一定程度上具有隨機性,理論上不會直接對單個公司的縱向并購行為產生顯著影響,滿足外生性條件。工具變量回歸結果見表9,第一階段結果顯示,相關變量回歸系數為正且顯著,說明相較于數字經濟水平發展程度較低的地區公司而言,數字經濟發展水平較高的地區公司應用區塊鏈技術的概率更大。

表9 內生性檢驗:工具變量法

五、進一步分析

(一)機制分析

1.降低信息成本

為了驗證H2a,本文設定了中介效應模型進行檢驗。具體分為兩個步驟:第一,以中介變量Trans為因變量,檢驗Blkc對Trans的影響,觀察模型(2)中γ1是否為正且顯著;第二,將Blkc和Trans放入同一個模型中與Verm進行回歸,觀察模型(3)中α1和α2是否顯著。中介效應檢驗結果(表10)顯示,Blkc與Trans的回歸系數為正且顯著,表明隨著相關公司對區塊鏈技術的應用,信息透明度更高,信息不對稱程度逐漸降低。同時,中介效應第二步顯示Blkc與Verm的回歸系數為正且顯著,Trans與Verm的回歸系數為正且顯著,進一步表明Trans在Blkc對Verm的影響中發揮了中介作用。以上結果說明,隨著公司對區塊鏈技術的應用,相關公司信息披露更為充分,信息不對稱程度下降,縱向并購信息獲取成本更低,信息困境一定程度上得到緩解,進而提高相關公司進行縱向并購的概率,實現產業鏈戰略轉型,基本驗證了H2a。

表10 影響機制回歸結果

2.提高風險承擔水平

與信息成本的中介路徑分析相類似,本文進一步驗證了區塊鏈技術應用是否提高了公司風險承擔水平,進而推動相關公司進行縱向并購。中介路徑檢驗結果(表10)顯示,Blkc與Risk的回歸系數為0.01,在1%水平上顯著。在引入了Vermwt 為因變量后,Blkc與Verm的回歸系數為正且顯著,Risk與Verm的回歸系數也為正且顯著,再次說明相較于未應用區塊鏈技術的公司,已經進行區塊鏈技術應用的公司縱向并購過程中能夠承擔更高的風險水平,進行更為廣泛的產業鏈縱向并購,同時,縱向并購本身作為一種更為高風險的投資項目,也需要產業鏈上風險容忍度更高的公司參與,因此,H2b也得到驗證。

3.產業鏈資源整合效率

結合前述理論分析和指標測度,本文驗證了區塊鏈技術應用對產業鏈資源整合效率的影響。實證結果(表10)表明,第一階段回歸系數為0.89,在5%的水平上顯著,表明區塊鏈技術應用能夠提高產業鏈資源整合效率。第二階段回歸系數為0.15,在10%的水平上顯著,顯示出產業鏈資源整合效率作為區塊鏈技術影響縱向并購率的中介機制,一定程度上說明通過區塊鏈技術的發展及應用,能夠促進相關公司進行資源整合,推動并購行為,充分發揮各公司的專業化分工,實現產業鏈縱向一體化。

(二)異質性分析

為了更為深入探索不同環境對區塊鏈技術應用與相關公司縱向并購關系的影響,本文構建了相關異質性理論分析框架。具體來看,影響區塊鏈技術應用與公司縱向并購關系的因素集中于兩方面。

第一,基于供應鏈管理理論和利益相關者理論,影響公司縱向并購行為的因素中,供應鏈關系程度至關重要。核心公司與其上下游公司的信息溝通、資源共享、專有資產管理能夠促進供應鏈上公司間信息效率的提升。面對日趨復雜的市場環境,供應鏈合作伙伴帶來的競爭優勢是核心公司所需求的一種“資源”,進而供應鏈集中度的提高能夠推動縱向并購。相關公司的供應鏈集中度也會顯著影響信息的對稱性,進而對區塊鏈技術應用與縱向并購的關系產生影響。基于信息互補理論,隨著供應鏈集中度的提高,相關公司對供應商的采購額及對客戶的銷售額更加集中,與大客戶和主要供應商之間的關系更為密切,產業鏈上下游公司信息資源的獲取會相對更為便利,信息成本也會更低,理論上會弱化區塊鏈技術對縱向并購帶來的信息優勢。因此,供應鏈集中度對公司應用區塊鏈技術與縱向并購之間的關系產生影響。

基于上述理論分析,相關實證結果(表11)顯示,供應鏈集中度與區塊鏈技術應用的交乘項系數為-0.03,在10%的水平上顯著,一定程度上說明供應鏈集中度的提升讓相關公司較好地收集與分析跨行業信息,拓寬了各類信息來源和渠道,弱化了區塊鏈技術的信息優勢對縱向并購的影響。

表11 異質性檢驗回歸結果(供應鏈集中度差異)

第二,基于公司生命周期理論,相較成長期公司,成熟期公司面臨更多的業務多元化需求和轉型需求。與此同時,更多的正向經營現金流為其引入和應用區塊鏈平臺技術提供了良好的資金支持。從公司所處生命周期來看,公司發展階段存在導入期、增長期、成熟期、衰退期四個主要的生命周期階段[40],導入期和增長期的公司資金需求更大,籌資現金流一般為正數,尤其是更多的自有資金將會用于業務擴張及規模擴大等業務需求,相較成熟期公司而言,他們沒有過多經營現金流用于技術研發及應用。此外,區塊鏈作為一種新興技術,雖然其信息優勢不言而喻,但其在開發或者外購的使用中需要足夠的資金維系其良好的運轉,因此,基于區塊鏈使用效率和企業生命周期的現金流情況來看,成熟期公司會有更多資金用于區塊鏈的實際應用,這與當前的現實背景也基本一致。

實證結果(表12)表明,在導入期的公司中,交乘項與縱向并購行為之間的回歸系數為0.01,成長期公司的交乘項系數為-0.89,在5%的水平上顯著。雖然成熟期公司交乘項并未顯著,但其t值趨近于正向的臨界值。綜合來看,一方面,成熟期公司擁有更為充足的經營現金流,對區塊鏈技術應用具有較好的資金支持,不論是技術自研還是外部采購都能推動區塊鏈與縱向并購的深度融合。另一方面,成熟期公司本身具有較高的市場份額和穩定業態,通過區塊鏈技術的應用,能夠推動其進行更為廣泛和高效的產業鏈并購,實現多元化并購發展戰略。

表12 生命周期不同階段分組回歸結果

(三)價值效應

為了進一步驗證區塊鏈技術應用對縱向并購后公司價值的影響,本文借鑒前期公司價值文獻的相關指標[45],選取托賓Q值(TQ)作為公司價值指標。運用如下模型進行回歸檢驗

TQi,t+1=η0+η1Blkci,t+∑Controls+∑Ind+∑Year+ε

(6)

實證結果(表13)表明,在縱向并購樣本下,區塊鏈技術應用對公司價值的回歸系數為0.77,在1%的水平上顯著。在非縱向并購的子樣本中,并未發現區塊鏈技術應用對公司價值的顯著影響,這也進一步說明在相關縱向并購樣本下區塊鏈技術應用能夠顯著提升公司價值,推動公司積極應用以區塊鏈為代表的新技術體系參與資本市場公司行為,驗證了區塊鏈技術應用在公司縱向并購行為下的績效性。

表13 縱向并購樣本下區塊鏈技術應用對公司價值與績效的影響(3)由于此部分僅針對縱向并購子樣本的價值效應,故樣本量會有所減少。

六、結論及建議

本文基于協同理論、信息成本效益理論及風險管理理論,實證檢驗了區塊鏈技術應用對公司縱向并購的影響。研究發現:第一,區塊鏈技術的應用能夠顯著推動公司進行更多的縱向并購行為,提高公司縱向并購率。第二,區塊鏈技術應用影響公司縱向并購率的作用渠道包括:信息成本、風險承擔與產業鏈資源整合,即區塊鏈技術應用能夠通過降低信息成本、提高公司風險承擔水平及提升資源整合效率進而驅動公司縱向并購。第三,進一步異質分析和價值效應分析表明,區塊鏈技術應用對具有較低供應鏈集中度的公司及成熟期公司的縱向并購行為的促進作用更為明顯,區塊鏈技術驅動下相關公司的縱向并購能夠顯著提升公司價值。

根據上述研究結論,本文提出以下政策建議。第一,著力推進區塊鏈技術在縱向并購中的相關應用。公司應該積極在資本市場縱向并購領域推動區塊鏈新技術應用,不斷推進產業數字化轉型,充分發揮區塊鏈技術優勢,在產業鏈縱向并購領域適時建立創新聯盟鏈。第二,提高產業鏈上下游相關公司信息透明度。在一定范圍內營造良好的信息環境,降低信息搜集成本,提高信息透明度,為充分發揮區塊鏈技術優勢奠定信息基礎。第三,創建良好的公司縱向并購風險治理體系。充分識別新技術應用過程中縱向并購環節的風險點,從內控視角設置相關風險關鍵控制點,緩解技術應用可能帶來的新風險、新問題。第四,提高產業鏈上下游公司資源整合能力。優化產業鏈公司各類資源的追溯與整合,適時形成供應鏈分包業務,提高供應鏈資源配置效率,發揮供應鏈上下游公司資源優勢。第五,重視供應鏈與區塊鏈的“雙鏈”融合發展。重視區塊鏈技術賦能供應鏈各環節的要素及策略,充分認知供應鏈數字化特征,明確供應鏈下各公司數據信息共享的流程,提升供應鏈韌性及安全水平。第六,推動成熟期公司進行區塊鏈技術應用及發展。基于區塊鏈技術應用優勢,成熟期公司可以利用更多經營現金流采購或自研區塊鏈技術,并與區塊鏈平臺公司形成良好的合作關系,共同助益區塊鏈技術在產業鏈領域的深度發展。