數字化轉型、宏觀經濟環境差異與股價崩盤風險

［摘"要］數字化轉型有助于企業自身信息的釋放，緩解投資者與企業、企業與產品供需市場之間的信息不對稱，并使企業和投資者對宏觀經濟環境的變化更加敏感。文章在已有研究證明數字化轉型能夠降低股價崩盤風險的基礎上，進一步提出數字化轉型對股價崩盤風險具有非線性影響，選取2012年至2021年中國滬深A股上市公司

為樣本，實證檢驗企業數字化轉型和宏觀經濟環境差異對股價崩盤風險的復雜影響。研究結果顯示：與現有數字化轉型能夠減弱股價崩盤風險的相關研究不同，企業數字化轉型對股價崩盤風險呈現倒“U”型影響，隨著企業數字化轉型加強，對股價崩盤風險的影響為先增大后減弱，并且當前眾多企業數字化轉型的影響處于倒“U”型的左側，致使企業股價崩盤風險上升；在各地區和國家金融市場分割普遍存在的情況下，不同資本市場之間的估值差異、利率差異，以及匯率預期對股價崩盤風險均具有影響；數字化轉型使企業與經濟社會深度融合，能夠調節宏觀經濟環境差異對股價崩盤風險的影響強度。

［關鍵詞］數字化轉型；估值差異；利率差異；匯率預期；股價崩盤風險；調節效應

［中圖分類號］"F8325［文獻標識碼］"A［文章編號］"1673-0461（2024）05-0073-11

一、問題的提出

根據中國信息通信研究院發布的《中國數字經濟發展報告（2022年）》，2021年中國數字經濟規模達到455萬億元，占我國GDP的比重已達398%，不同形式的數字經濟已經滲透于經濟社會的各個領域，不斷改變和升級企業生產經營方式，且已經成為支撐、穩固我國國民經濟的重要影響因素。數字經濟不僅帶來了技術效率的提升，同時數字化轉型促使企業對市場信息搜集處理和分析的能力增強，能夠快速捕捉市場供需關系以及宏觀經濟變化帶來的影響，對調整生產經營方向有著重要意義［1］，這些改變不僅在實體經濟中具有重要影響［2］，同時也對公司信息披露、風險承擔、投資者偏好等產生影響，不斷深化企業股價與宏觀經濟環境之間的內在聯系，導致公司股價受宏觀經濟變量的影響后波動進一步增大，成為股價崩盤風險產生的關鍵因素。此外，近年來各國受疫情影響不斷調整本國宏觀經濟政策，導致宏觀經濟環境發生劇烈變化，地區間資本市場非對稱的宏觀經濟政策使得宏觀經濟環境差異擴大，引起資本市場劇烈波動，進而形成股價崩盤風險。尤其是中國境內資本市場發展不完善，目前仍采取資本賬戶管理制度，同時A股市場發行制度和交易制度等也與國際資本市場存在明顯差別，多種制度差異導致了境內資本市場與境外國際資本市場產生分割。市場分割在隔離境外金融風險的同時也為擴大宏觀經濟環境差異提供了環境基礎。雖然中國境內資本市場與境外存在分割的情況，但境內宏觀經濟環境與境外產生較大差異時仍然會對境內維持現有貨幣政策等宏觀經濟政策產生較大成本壓力，從而形成宏觀經濟政策轉向的心理預期，存在對股價波動產生影響的現實基礎。

現有關于數字化轉型與股價崩盤風險的研究較少，且部分研究僅從單一的線性影響角度出發，并未考察更為復雜的非線性影響。在當前復雜多變的政治經濟環境下，數字化轉型使企業與宏觀經濟的聯系更加緊密，研究企業數字化轉型如何影響股價崩盤風險以及其對宏觀經濟環境差異影響的調節效應是投資者進行投資決策、企業進行市值管理、資本市場監管防范金融危機的有效著力點。本文的創新點在于：①立足數字化轉型成本收益視角，提出企業數字化轉型可能對股價崩盤風險存在的非線性影響。在數字化轉型的初期，由于前期投入和數字化強度不足、數字化轉型與現存公司架構不匹配等原因導致轉型尚未成功，難以引起企業效率提升或投資者偏好發生變化，甚至使原有穩定的管理和經營模式遭到破壞，此時數字化轉型成本大于收益，對股價崩盤風險產生負面影響；當數字化轉型到達一定強度則會引起質變，提升企業效益以及吸引投資者關注，此時數字化轉型收益大于成本，能夠降低股價崩盤風險。②指出金融市場分割是不同地區資本市場宏觀經濟環境差異擴大的基礎，能夠形成對股價崩盤風險的新影響。并且由于企業數字化轉型后與宏觀經濟聯系更加密切，進一步使數字化轉型成為調節宏觀經濟環境差異對股價崩盤風險影響的關鍵因素。

二、理論分析與研究假設

已有研究表明數字化轉型可以通過信息質量、傳播渠道和投資者偏好影響股價崩盤風險，并且數字化轉型對企業的影響并非完全正向的。信息質量是影響股價崩盤風險的重要變量，部分企業管理層可能實施對“壞消息”的壓制，導致最終股價崩盤［3-4］，而企業數字化轉型可以大大緩解信息不對稱產生的風險，肖紅軍等（2021）［5］的研究指出企業數字化轉型能夠改善企業信息披露質量，增強信息透明度。在數字經濟嵌入企業管理與經營時，信息在企業和用戶之間傳播更加便捷，需求方能夠主導企業創新和研發，一種全新的數字化企業信息披露方式將為所有利益相關方提供成本低廉的獲取渠道［6-7］，從而減輕信息不對稱對企業估值的影響。雖然林川（2022）［8］的研究顯示數字化轉型能夠顯著降低股價崩盤風險，但HAIJLI等（2015）［9］、FRYNAS等（2018）［10］的研究顯示數字化轉型并非能夠使所有企業都從中受益，數字化轉型期間的信息技術應用可能與現有的企業組織架構發生沖突，導致企業效率下降。吳非等（2021）［11］也指出企業數字化受管理層能力的影響，也存在失敗的可能，所以數字化轉型對股價崩盤風險的影響并非是線性的。此外，數字化轉型通過降低信息不對稱可能會導致分析師預測分析同質化，不能傳遞出市場的有效信息，從而導致股價崩盤風險增大［12］?；诖?，提出假設1。

H1：數字化轉型對股價崩盤風險的影響呈現倒“U”型曲線。

通過對關于股價崩盤風險影響因素的文獻梳理發現，現有研究將股價崩盤風險的影響因素歸納為宏觀和微觀兩個視角。其中，宏觀視角的相關研究顯示，公司所在資本市場的貨幣政策、宏觀金融杠桿和融資融券制度等，以及政府執政和環境規制等地區行政制度都改變了公司股價崩盤風險。郝芳靜等（2020）［13］指出適度寬松的貨幣政策可以通過緩解股權質押風險起到降低股價崩盤風險的調節作用；惠麗麗和謝獲寶（2020）［14］的實證研究證明宏觀金融杠桿與股價崩盤風險之間存在“U”型關系，在宏觀金融杠桿上升的初期股價崩盤風險是下降的，只有當宏觀金融杠桿水平達到高水平后，并持續上升才會導致股價崩盤風險上升。融資融券制度方面，雖然伴隨著融資融券標的擴容，融資融券交易制度對股價崩盤風險的影響從加劇轉變為緩解［15］，但融資融券額度存在長期的不均衡性，融資融券市場中融資余額長期高于融券余額所產生的非對稱性加劇了股價崩盤風險［16］。同時，公司所在地區的行政制度也能夠影響公司二級市場股價崩盤風險，褚劍等（2017）［17］、游家興等（2022）［18］的研究均證明政府官員腐敗現象和施政風格激進會導致當地企業股價崩盤風險上升；方紅星等（2022）［19］的研究證明環境信息規制政策的實施會加劇具有信息透明度低和機構持股比例低屬性的個股股價崩盤風險。上述研究顯示，宏觀經濟環境的變化導致資本市場資金成本、流動性、信息獲取成本的變化，從而影響股價崩盤風險。以融資融券為代表的制度環境成為維持宏觀經濟環境差異產生穩定影響的保障。中國境內由于政府采取“金融約束”（Financial"Restraint）政策穩定金融體系，致使境內資本市場所處的宏觀經濟環境具有特殊性和獨立性，具體表現為制度環境強化了貨幣政策對境內資本市場利率、匯率和資產估值的影響，使境內利率市場等的波動產生相對獨立于全球其他市場的表現。

雖然境內具有相對獨立的利率環境，但部分資金的成本受到來自不同地區資本市場利率的影響，境內相對獨立的利率環境與境外充分市場化的利率形成差異仍可以引起可跨境資本的雙向流動。王國松（2015）［20］的研究指出中國和美國的利率差異、匯率會影響外幣與人民幣的替代關系，研究結果顯示境內利率相對上升將在短期內促進貨幣反替代，從而促進境內資本市場獲得更多的流動性；相反，境內利率相對下降將導致貨幣替代現象加重，導致人民幣資產出現拋售，人民幣轉化為外幣。在貨幣的替代和反替代過程中，伴隨著資金進入或退出資本市場，從而影響股價崩盤風險。從國內單一利率視角看，荊濤等（2019）［21］、郝芳靜等（2020）［13］的研究證明利率上升會引起大股東質押平倉風險，進而引起股價崩盤風險，張玉英等（2021）［22］認為緊縮的貨幣政策可以改善公司治理抑制企業過度投資，從而降低股價崩盤風險。與此相似，境外與境內利率差異的擴大同樣給公司管理層和投資者釋放了信號，境外利率相對境內利率上升，形成了境內緊縮貨幣政策或利率同步上升的預期壓力，能夠降低股價崩盤風險?；诖?，提出假設2。

H2：境外相對境內的長期利率上升導致股價崩盤風險下降。

雖然相關研究指出人民幣實際匯率更偏向于一個“獨立”變量，其受到境內貨幣政策影響較強［23-24］，但周若馨等（2022）［25］的研究指出人民幣匯率預期貶值會導致企業投資呈現風險厭惡，使企業投資決策趨向于保守。匯率預期的影響不僅限于實體經濟投資，同樣能夠影響投資者偏好，徐飛等（2018）［26］從競爭性貨幣貶值的角度研究了各國匯率對股價崩盤風險的傳染影響，江春等（2022）［27］的實證研究顯示人民幣預期升值會刺激投資者風險偏好，以此催生的投機氛圍可以顯著提高股價崩盤風險［28］。無論是從企業實體投資視角還是股權二級市場投資視角，均顯示人民幣預期貶值會改變投資偏好，趨于保守的投資偏好會降低股價崩盤風險?；诖?，提出假設3。

H3：當期本幣匯率相對高估（預期貶值）可以降低股價崩盤風險。

即便中國境內資本市場和資本賬戶存在較為嚴格的管制，但資本市場間的完全獨立性并不存在，有限度的資本市場開放仍可以受到來自全球資本市場風險的影響［29］，徐飛和唐建新（2017）［30］的研究顯示外部資本市場的股指波動能夠影響本地區的股價崩盤風險。不同資本市場的利率和匯率波動造成的金融風險可以傳遞至跨地區的金融市場［31］，是構成資本市場估值波動的重要原因，境內與境外不同資本市場之間存在的相對利率差異、匯率等變量會通過資金的相對成本和投資偏好影響投資者持有境內權益資產的意愿，從而形成估值差異。流動性枯竭也是造成股價崩盤風險的因素之一［32］，而資本市場間宏觀經濟環境帶來境內估值相對境外較高時，表示境內資本市場相對境外繁榮，流動性充裕，對資產的需求熱度較強，有助于減弱本地資本市場內的股價崩盤風險。與此同時，過高的股權估值溢價會在投資者心中產生風險預警，從而使投資者的投資決策趨于保守和謹慎，對標的資產的選擇標準也更為嚴格，有助于降低股價崩盤風險?；诖?，提出假設4。

H4：資本市場間的估值溢價上升能夠降低股價崩盤風險。

從實體經濟角度看，數字經濟能夠憑借信息技術改變社會生產方式，資源數字化將使知識的跨區域傳播更為便捷，跨區域團隊合作、企業組織變革、產品服務定制的個性化都因數字經濟得以實現［33］?，F有關于數字經濟研究顯示，數字經濟能夠促進企業全要素生產率提升和規模擴張，增強創新創業活躍度，對提高城市就業規模和經濟高質量發展具有顯著的促進作用［34-36］，良好的就業市場環境、充沛的企業創新活力，以及穩定的區域經濟能夠支撐境內相對獨立于境外的宏觀經濟環境差異，對抵御宏觀經濟環境差異風險具有重要意義。與此同時，數字化發展帶來的創新創業活躍會改變我國境內金融資源需求，從而可能使境內宏觀經濟環境與境外產生較大差異時，企業實體投資和二級市場投資者投資決策受到的宏觀經濟差異影響被放大或縮小。

從資本市場角度看，數字化轉型不僅提高了企業信息處理和流通效率，銜接供給需求兩端，增強企業在市場中的活力，同時能夠顯著提升股票流動性［11］，并為企業提供了良好的風險承擔基礎能力。企業借助數字科技賦能緩解委托代理沖突、增強信息披露透明度、獲得更強的盈利能力和現金流量，使企業的風險承擔水平提升［37］。當企業風險敞口不斷擴大，股票流動性和投資者參與度增長，其受宏觀經濟環境的影響會出現相應變化，股票價格崩盤風險增大。不僅如此，由于數字經濟已經成為當前經濟發展的熱點，企業管理層在年報以及其他對外信息披露時會積極釋放數字化轉型帶來的技術升級信號，投資者往往對此類開展數字化轉型的企業具有較高的投資參與度和收益預期［38］。上述研究證明，投資者對企業的投資意愿上升導致企業對宏觀經濟的波動更為敏感，成為研究數字化轉型調節宏觀經濟環境差異影響股價崩盤風險強度的基礎。基于此，提出假設5。

H5：企業數字化轉型能夠調節宏觀經濟環境差異對股價崩盤風險的影響強度。

三、研究設計

（一）變量定義

1被解釋變量

股價崩盤風險（NCSKEW），通過計算股票i經過市場調整后的周收益率負偏態測度股價崩盤風險［39-41］，具體計算方法分為兩步，第一步計算個股i經過市場調整后的周特有收益率Wi，t：

ri，t=α+β1，irm，t-2+β2，irm，t-1+β3，irm，t

+β4，irm，t+1+β5，irm，t+2+εi，t（1）

Wi，t=ln（1+εi，t）（2）

式中，ri，t為每個年度公司i股票在第t周的收益，rm，t為A股所有股票在t周經流通市值加權的平均收益率。第二步通過使用Wi，t，計算股票i經過市場調整后的周收益率的負偏態NCSKEWi，t：

NCSKEWi，t=-n-（n-1）32W3i，t（n-1）（n-2）（W2i，t）32（3）

為檢驗研究結論的穩健性，構建NCSKEW的替代變量Duvol：

Duvoli，t=log（nu-1）downW2i，t（nd-1）upW2i，t

（4）

式中，n為個股交易周數，nu和nd表示當年個股Wi，t大于和小于其均值的周數，Duvol測度的是收益率分布向左偏的程度。NCSKEW和Duvol的數值越大，表示股價崩盤風險越高。

2解釋變量

企業數字化轉型（DT），通過對上市公司年度報告進行文本分析，提取年度報告中關于“人工智能技術、云計算技術、區塊鏈技術、大數據技術和數字技術應用”的詞匯，計算上述數字化轉型詞匯的總數量+1后取自然對數作為測度上市公司數字化轉型強度的變量。同時，選取企業數字化轉型的平方項（DT2）檢驗數字化轉型的非線性影響。

宏觀經濟環境差異測度變量，從市場相對估值、相對利率和以匯率為代表的貨幣相對價格三個維度對資本市場之間的宏觀經濟環境差異進行測度，具體包括不同的資本市場同質資產估值差異（AH）、長期利率差異（UDC）、匯率預期（Swap）。其中，不同的資本市場估值差異采用恒生AH股溢價指數進行測度，香港恒生指數有限公司于2007年正式發布恒生AH股溢價指數（Hang"Seng"China"AH"Premium"Index），該指數通過同時在中國境內A股市場和境外香港H股市場上市的公司作為成分股，并以流通市值作為價格權重計算AH股的平均溢價率，其中港股價格通過日度匯率數據換算為以人民幣為計價單位的價格。指數越高代表A股相對于H股溢價越高。長期利率差異（UDC），采用十年期美國國債收益率與中國國債收益率之比進行測度，此變量越大表明境外資金流出的可能性增大。匯率預期（Swap），采用一年期匯率掉期點數測度人民幣兌美元匯率的貶值預期

，匯率掉期點數越高，表示人民幣預期貶值強度越高，該變量作為一種超前指標，Swap值越大，表示當期人民幣幣值相對高估。

3控制變量

根據股價崩盤風險的相關研究的已有做法，選取相關控制變量（Controls）引入回歸模型［8，15］，具體包括：產權性質（Gov），當上市公司控股股東性質為國家、國有法人、境內國有法人的判斷為國有控股企業，則變量取值為1，非國有控股上市公司此變量取值為0；財務可持續性（SGR），測度方法為凈資產收益率×收益留存率/（1－凈資產收益率×收益留存率）；個股年收益率（Yretwd），采用考慮現金紅利再投資的年個股回報率；主營業務增長（Growth），采用公司主營業務收入增長率測度主營業務增長；公司規模（lnA），采用公司市值的自然對數測度公司規模；每股收益（Eps），采用歸屬于普通股股東的當期凈利潤除以發行在外普通股的加權平均數計算基本每股收益；企業價值（Q），用托賓Q值進行測度，采用企業市場價值與企業重置成本的比值，具體計算方法為（企業A股市值+（總股本-A股股本）×（所有者權益合計期末值/實收資本本期期末值）+企業負債）/總資產；現金持有（Cash），采用公司現金及現金等價物與企業總資產的比值來測度企業現金持有量；資產負債率（Lev），采用公司負債合計與公司資產總計的比值測度公司的資產負債率；股權集中度（Shrcr1），采用公司第一大股東持股數量占總股本的比例測度上市公司股權集中度；總資產收益率（ROA），采用凈利潤除以平均資產總額測度企業資產的盈利效率，計算方式為稅后凈利潤除以總資產；賬面市值比（BM），采用資產總計除以市值；獨董占比（IDR），獨立董事數量與董事規模之比；根據公司所在的行業屬性和時間設立行業固定效應（Industry）和時間固定效應變量（Year）。

（二）樣本選擇與數據來源

結合2007年實行新會計準則發布的時間點以及相關變量數據可獲得性因素，本文研究樣本選取為2012年至2021年中國滬深A股上市公司年度數據，并剔除具有如下屬性的研究樣本：①處于ST等狀態的非正常交易上市公司；②樣本數據缺失及樣本連續性不足5年的上市公司；③金融行業上市公司；④上市時間小于1年的上市公司。變量數據均來自國泰安數據庫（CSMAR），為消除個體異常值的影響，對主要連續型樣本數據進行Winsorized方法上下1%的縮尾處理。

（三）模型構建

為研究數字化轉型、宏觀經濟環境差異對股價崩盤風險多種形式的影響，根據理論分析得出的研究假設，分別建立基準回歸模型和調節效應模型。

含有固定效應的基準回歸模型為：

NCSKEWi，t+1=α0+α1DTi，t+α2DT2i，t+α3AHt+α4UDCt+α5Swapt+Controlsi，t+εi，t（5）

引入調節效應變量的回歸模型為：

NCSKEWi，t+1=α0+β1AHDTi，t+β2UDCDTi，t+β3SwapDTi，t+α1DTi，t+α2DT2i，t+α3AHi，t

+α4UDCi，t+α5Swapi，t+Controlsi，t+εi，t（6）

式中，DTi，t表示公司i在t時期的數字化轉型強度，DT2i，t表示為DTi，t的平方項，用于驗證數字化轉型的非線性影響，AHt為t時期A股市場相對于H股市場的估值溢價，UDCt表示t時期的長期利率差異，Swapt表示t時期外匯掉期點數，Controlsi，t代表全部的控制變量及其系數，AHDTi，t、UDCDTi，t、SwapDTi，t分別表示AH、UDC、Swap、與DT相乘得到的交互項，用于檢驗調節效應。α0為常數項，εi，t為殘差項。被解釋變量采用t+1期數據，而解釋變量和控制變量采用t期數據，以緩解模型中可能存在的內生性，所有回歸模型都經過針對企業層面的聚類穩健標準誤調整。

四、實證研究

（一）描述性統計

所有變量數據描述性統計結果見表1，DT均值和中位數分別為1240和0693，可以發現研究

樣本中多數公司都開展了數字化轉型。宏觀經濟環境差異變量方面，AH均值和中位數分別為1217和1271，表示絕大多數時期A股相對H股產生溢價，A股市場相對H股市場繁榮，但最小值為9411，表示極端時期仍存在A股相對H股折價的情況，UDC均值和中位數等均顯示美國利率長期低于中國境內利率，Swap均值和中位數分別為8124和610，表示人民幣貶值預期長期存在，但最小值為-278，表示少數時期也存在升值預期。Gov均值為0399，研究樣本內國有控股企業大約占比40%。

（二）基準模型回歸結果

數字化轉型和宏觀經濟環境差異對股價崩盤風險影響的多元回歸估計結果如表2所示。模型（1）顯示，在假設數字化轉型對企業股價崩盤的無非線性影響時，DT對NCSKEW的影響表現并不顯著，表示企業數字化轉型與股價崩盤風險的線性關系不顯著。但在模型（2）加入了平方項DT2的回歸結果顯示，數字化轉型對企業股價崩盤風險具有顯著的非線性影響，DT系數在5%水平上顯著為正，DT2系數在1%水平上顯著為負，表示數字化轉型對股價崩盤風險的影響呈現先上升后下降的倒“U”型曲線狀態。通過計算倒“U”型數字化轉型影響的拐點值為3329，描述性統計顯示目前上市公司數字化轉型的強度均值和中位數分別為1240和0693，遠未達到拐點值，但最大值為4990，證明僅少數公司通過數字化轉型降低了股價崩盤風險，絕大多數公司數字化轉型對股價崩盤風險的影響仍處在倒“U”型曲線的左半部分的上升區間，表示數字化轉型加大了企業股價崩盤風險。假設1得到驗證。

模型（3）顯示了宏觀經濟環境差異對股價崩盤的影響，其中AH的系數在1%水平上顯著為負，表示A股市場相對H股市場估值上升有助于緩解股價崩盤風險，即資本市場相對繁榮能夠對股價崩盤風險產生抑制作用；UDC的系數在1%水平上顯著為負，表示美元利率相對人民幣利率增長會導致股價崩盤風險下降。從長期的利率市場來看，境內相對寬松的貨幣政策環境，可以導致A股市場企業股價崩盤風險下降，Swap的系數在1%水平上顯著為負，表示當期人民幣相對美元強勢能夠減小股價崩盤風險。模型（4）為將企業數字化轉型與宏觀經濟環境差異變量全部納入模型的回歸結果，各變量仍顯著符合預期，假設2、假設3和假設4得到驗證。

（三）穩健性檢驗

1替換被解釋變量

通過將原有的被解釋變量NCSKEW替換為Duvol進行穩健性檢驗。表3為替換被解釋變量穩健性檢驗結果，從模型（1）至（4）分別報告了數字化轉型和宏觀經濟環境差異變量的表現，模型估計結果與原基準模型估計結果基本一致，證明基準回歸模型得出的結論具有穩健性。

2門檻回歸穩健性檢驗

使用門檻回歸模型實證檢驗DT是否存在顯著的門檻值，用以判斷基準模型中倒“U”型影響結論的拐點是否真實存在。以DT作為門檻變量，通過門檻效果自抽樣檢驗進行單門檻和雙門檻效應檢驗，從F統計量和Bootstrap法得到的P值可知單一門檻模型下DT在1%水平上通過檢驗，雙重門檻下DT未通過檢驗，檢驗結果表示僅具有單一門檻而不具有雙重門檻，DT單一門檻值為4304，將企業數字化轉型強度劃分為兩個等級，表4為門檻效果自抽樣檢驗結果，為保證結果可靠性同時使用NCSKEW的替代變量Duvol進行了門檻效應檢驗，檢驗結果顯示同樣僅存在單一門檻。

表5為門檻模型回歸結果，模型（1）為以DT為門檻變量進程回歸分析的結果，當DT超過門檻值4304時，DT對NCSKEW的影響由不顯著轉為顯著，DT的系數在1%水平上顯著為負，并且使用替換后的被解釋變量進行門檻回歸仍能得出一致性結果，證明企業數字化轉型對股價崩盤風險的影響存在拐點，基準回歸模型得到的數字化轉型倒“U”型影響結論具有穩健性。

3研究樣本范圍調整

考慮到與其他類型企業相比，創業板上市的企業具有規模相對較小、科技含量高、投資風險大、數字化轉型成本低等特點，且受到的宏觀經濟不確定性風險影響更強。為避免這類企業極強的數字技術應用意愿、能力，以及較低的轉型成本和宏觀經濟差異風險抵御能力對實證結果造成偏差影響，本節穩健性檢驗采取縮小研究樣本的方法，從總樣本中剔除創業板上市企業后，重新使用基準回歸模型估計數字化轉型和宏觀經濟環境差異對股價崩盤風險的影響。表6為縮小樣本量的穩健性檢驗，根據檢驗結果顯示，與基準回歸模型得出的結論具有一致性，再次證明基準回歸模型所得出結論的穩健性。

（四）異質性檢驗

為驗證產權性質方面的異質性影響，將研究樣本按照是否國有控股分為國有產權性質（Gov=1）和非國有產權性質（Gov=0）兩組進行回歸分析。從表7的模型（1）和（2）可以發現，數字化轉型僅在非國有控股企業樣本中顯著，非國有控股企業能夠通過數字化轉型調整自身股價崩盤風險。在宏觀經濟環境差異影響方面，雖然AH、UDC和Swap在國有控股和非國有控股兩組樣本中均在1%水平上顯著為負，但UDC和Swap系數顯示其對國有企業樣本的影響要遠大于非國有企業，并且Suest檢驗值均在5%水平上顯著，證實差異的存在，境內相對境外長期的低利率環境和人民幣匯率強勢更能夠降低國有控股企業股價崩盤風險。

為驗證企業資產負債率的異質性影響，將研究樣本按照資產負債率變量Lev值的高低分為高Lev（Lev=1）和低Lev（Lev=0）兩組進行回歸分析。從表7的模型（3）和（4）可以發現，企業數字化轉型對股價崩盤風險的影響在低Lev分組具有顯著性，而在高Lev分組并不顯著，并且兩組樣本的回歸系數DT和DT2的Suest檢驗值均在10%水平上顯著，表明數字化轉型在不同資產負債率的企業樣本中存在顯著差異，企業資產負債率水平較低時，開展數字化轉型對股價崩盤風險的影響更為顯著。AH、UDC和Swap在兩組樣本中均在1%水平上顯著為負，Suest檢驗值顯示AH對股價崩盤風險的影響在不同資產負債率樣本企業中存在顯著差異，AH對低資產負債率的企業影響更強。

為驗證企業規模方面的異質性影響，將研究樣本按照變量企業規模lnA的高低分為高lnA（lnA=1）和低lnA（lnA=0）兩組進行回歸分析。從表7的模型（5）和（6）可以發現，在大規模企業中開展數字化轉型對企業股價崩盤風險影響的顯著性要高于小規模企業，同時Suest檢驗值顯示大規模企業和小規模企業的股價崩盤風險受宏觀經濟環境差異的影響具有顯著性差異，AH、UDC和Swap對規模較大的企業影響更強，并且Swap在小規模的樣本企業中表現不顯著。

（五）數字化轉型調節效應檢驗

首先對核心解釋變量進行去中心化處理，之后分別使用變量AH、UDC和Swap與DT相乘構建交互項AHDT、UDCDT和SwapDT，檢驗數字化轉型的調節效應。表8為數字化轉型調節效應模型回歸結果，其中模型（1）、（2）和（3）為僅考慮單個宏觀經濟環境差異變量的調節效應模型回歸結果。模型（1）顯示AHDT的系數在1%水平上顯著為負，表示數字化轉型能夠加強資本市場估值溢價緩解股價崩盤風險的能力。模型（2）顯示UDCDT系數在10%水平上顯著為正，表示數字化轉型能夠減弱境內通過相對寬松的貨幣政策環境緩解股價崩盤風險的能力。雖然模型（3）顯示SwapDT表現不顯著，但在模型（4）中綜合考慮AHDT、UDCDT和SwapDT三種調節效應影響的模型回歸結果顯示，SwapDT在1%水平上顯著為正，表示數字化轉型能夠減弱人民幣匯率預期貶值緩解股價崩盤風險的能力，并且UDCDT顯著性得到了提升，假設5得到驗證。

五、結論與啟示

近年來，數字化轉型對股價崩盤風險的影響逐漸受到學者關注，本文在現有關于企業數字化轉型與股價崩盤風險線性影響的研究基礎上，結合數字化轉型在不同企業不同轉型階段的適用性，提出數字化轉型對股價崩盤風險的影響可能是非線性的，并且宏觀經濟環境差異能夠引起股價崩盤風險變化。企業數字化轉型可以改變企業的風險承擔水平，調節宏觀經濟環境差異對股價崩盤風險的影響。研究結果顯示：企業數字化轉型對股價崩盤風險呈現倒“U”型影響，且目前多數企業仍面臨數字化轉型不足導致的股價崩盤風險上升問題；多種宏觀經濟環境差異對股價崩盤風險產生影響，在估值差異方面，A股市場相對H股市場更為繁榮，能夠顯著降低股價崩盤風險；在利率差異方面，雖然美國利率相對中國境內利率上升后會引起資金外流，但相對寬松的境內利率環境能夠顯著降低股價崩盤風險；在匯率方面，人民幣預期貶值幅度越大，表明當前人民幣在國際貨幣市場上越強勢，使人民幣計價資產得到資金的追捧，能夠有效降低股價崩盤風險；此外，在調節效應模型的實證研究中發現，數字化轉型使企業與宏觀經濟環境在不同層面上深度融合，改變了宏觀經濟環境差異影響股價崩盤風險的能力，實證結果表明數字化轉型對三種宏觀經濟環境差異指標均具有顯著的調節作用。

根據研究結論可以得到如下啟示：目前A股上市公司數字化轉型程度普遍較低，仍未達到拐點加劇了股價崩盤風險，現階段應出臺政策促使企業加速數字化轉型，避免因數字化轉型程度不足導致的股價崩盤風險上升影響企業實體經營及融資；宏觀經濟環境差異是股價崩盤風險的重要影響因素，投資者應關注不同國家和地區的經濟周期與貨幣政策變化，及時作出反應，優化投資決策；企業實施數字化轉型后，使公司的生產經營和投資者投資決策與宏觀經濟環境聯系更加緊密，導致公司股價對宏觀經濟環境差異風險的反應強度發生改變。隨著數字化轉型程度不斷深入，宏觀經濟環境差異的影響能力不斷出現變化，企業管理層和投資者應更加警惕宏觀經濟環境差異造成的股價崩盤風險，以及衍生出的資產定價和融資問題。

［參考文獻］

［1］孫蘭蘭，鐘琴，祝兵，等.數字化轉型如何影響供需長鞭效應？——基于企業與供應鏈網絡雙重視角［J］.證券市場導報，2022（10）：26-37.

［2］李萬利，潘文東，袁凱彬.企業數字化轉型與中國實體經濟發展［J］.數量經濟技術經濟研究，2022，39（9）：5-25.

［3］KIM"J"B，"ZHANG"L.Financial"reporting"opacity"and"expected"crash"risk："evidence"from"implied"volatility"smirks［J］.Contemporary"accounting"research，"2014，"31（3）：851-875.

［4］孫淑偉，梁上坤，阮剛銘，等.高管減持、信息壓制與股價崩盤風險［J］.金融研究，2017（11）：175-190.

［5］肖紅軍，陽鎮，劉美玉.企業數字化的社會責任促進效應：內外雙重路徑的檢驗［J］.經濟管理，2021，43（11）：52-69.

［6］HININGS"B，"GEGENHUBER"T，"GREENWOOD"R.Digital"innovation"and"transformation："an"institutional"perspective［J］.Information"and"organization，2018，28（1）："52-61.

［7］肖靜華，吳小龍，謝康，等.信息技術驅動中國制造轉型升級——美的智能制造跨越式戰略變革縱向案例研究［J］.管理世界，2021，37（3）：161-179，225，11.

［8］林川.數字化轉型與股價崩盤風險［J］.證券市場導報，2022（6）：47-57.

［9］HAIJLI"M，"SIMS"J"M，IBRAGIMOV"V.Information"technology"（IT）"productivity"paradox"in"the"21st"century［J］.International"journal"of"productivity"and"performance"management，2015，64"（4）："457-478.

［10］FRYNAS"J"G，"MOL"M"J，"MELLAHI"K.Management"innovation"made"in"China："Haier’s"rendanheyi［J］.California"management"review，2018，61（1）：71-93.

［11］吳非，胡慧芷，林慧妍，等.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（7）：130-144，10.

［12］徐高彥，高歌.分析師預測分歧是市場情緒洪流的“漫水橋”嗎——基于股價崩盤風險的視角［J］.現代經濟探討，2022（2）：52-67.

［13］郝芳靜，謝遠濤，欒志乾.去杠桿背景下民營企業爆倉的影響研究——基于貨幣政策不確定性視角［J］.投資研究，2020，39（2）：43-61.

［14］惠麗麗，謝獲寶.宏觀金融杠桿、機構投資者持股與股價崩盤風險［J］.金融學季刊，2020，14（4）：91-114.

［15］溫博慧，徐佳翔，劉玉康.融資融券漸進擴容是否緩解了股價崩盤風險？——兼論市場定價效率與企業金融化的并行中介效應［J］.證券市場導報，2022（9）：59-70.

［16］鐘凱，李昕宇，王化成.融資融券非對稱性與股價崩盤風險——基于風險對沖視角的分析［J］.管理評論，2022，34（5）：13-24.

［17］褚劍，方軍雄，張瑋倩.地區官員腐敗會惡化股價崩盤風險嗎［J］.金融學季刊，2017，11（1）：26-45.

［18］游家興，于明洋，伍翕婷.地方政府施政風格與經濟高質量發展——基于股價崩盤風險的研究視角［J］.經濟學（季刊），2022，22（2）：485-504.

［19］方紅星，林婷，許東彥.中國環境信息規制的市場效應——基于股價崩盤風險的實證檢驗［J］.財經研究，2022，48（7）：63-78.

［20］王國松.套匯還是套利？中國貨幣替代與反替代影響因素的實證研究［J］.商業經濟與管理，2015（7）：46-55.

［21］荊濤，郝芳靜，欒志乾.股權質押、利率水平與股價崩盤風險［J］.投資研究，2019，38（3）：63-78.

［22］張玉英，謝遠濤，郝芳靜.過度投資對企業股價崩盤風險的影響研究——基于貨幣政策視角［J］.金融論壇，2021，26（11）：67-80.

［23］王國松.中國的利率管制與利率市場化［J］.經濟研究，2001（6）：13-20，95.

［24］顧標，周紀恩.真實匯率與真實利率差異——基于人民幣真實匯率的實證研究［J］.經濟學（季刊），2008（1）：283-296.

［25］周若馨，馬海超，王美媛.匯率預期、融資約束與企業對外直接投資決策［J］.財經理論與實踐，2022，43（4）：59-66.

［26］徐飛，唐建新，程利敏.國際貿易網絡與股價崩盤傳染：競爭性貨幣貶值視角［J］.國際金融研究，2018（12）：84-93.

［27］江春，楊力菲，姜婷婷.投資者風險態度、資產價格與匯率預期的動態關系研究——基于DCCGARCH和TVPSVVAR模型［J］.統計研究，2022，39（2）：114-129.

［28］曹豐，張雪燕.投機氛圍與股價崩盤風險［J］.中南財經政法大學學報，2021（5）：16-27，158-159.

［29］BEKAERT"G，"HARVEY"C.Timevarying"world"market"integration［J］.Journal"of"finance，1995，50：403-444.

［30］徐飛，唐建新.股指波動率、市場流動性與全球股市崩盤傳染［J］.金融論壇，2017，22（8）：58-69.

［31］張華勇.金融市場聯動性和風險傳染的內在機制研究［J］.云南社會科學，2014（4）：81-84.

［32］PERSAU"D，"AVINASH"D.流動性黑洞：理解，量化與管理金融流動性風險［M］.北京：中國金融出版社，2007.

［33］TAPSCOTT"DON."The"digital"economy："promise"and"peril"in"the"age"of"networked"intelligence［M］.New"York："McGrawHill，1996.

［34］郭家堂，駱品亮.互聯網對中國全要素生產率有促進作用嗎？［J］.管理世界，2016（10）：34-49.

［35］黃海清，魏航.數字經濟如何穩就業——機制與經驗分析［J］.貴州財經大學學報，2022（1）：13-24.

［36］趙濤，張智，梁上坤.數字經濟、創業活躍度與高質量發展——來自中國城市的經驗證據［J］.管理世界，2020，36（10）：65-76.

［37］黃大禹，謝獲寶，鄒夢婷，等.數字化轉型對企業風險承擔水平的影響——作用機制與影響渠道［J］.科技進步與對策，2023，40（11）：1-10.

［38］LIU"S."Investor"sentiment"and"stock"market"liquidity［J］.Journal"of"behavioral"finance，"2015，16（1）：51-67.

［39］HUTTON"A"P，"MARCUS"A"J，TEHRANIAN"H.Opaque"financial"reports，"R2，"and"crash"risk［J］.Journal"of"financial"economics，2009，94（1）：67-86.

［40］梁權熙，曾海艦.獨立董事制度改革、獨立董事的獨立性與股價崩盤風險［J］.管理世界，2016（3）：144-159.

［41］許年行，于上堯，伊志宏.機構投資者羊群行為與股價崩盤風險［J］.管理世界，2013（7）：31-43.

Digital"Transformation，"Macroeconomic"Environment"Difference"

and"Stock"Price"Collapse"Risk

Fang""Jian1，2

（1."School"of"Environment"and"Energy，"Peking"University"Shenzhen"Graduate"School，"Shenzhen"518055，"China;"

2."Futian"High"Quality"Development"and"Innovation"Center，"Shenzhen"518036，"China）

Abstract："""Digital"transformation"helps"enterprises"release"their"information，"alleviates"the"information"asymmetry"between"investors"and"enterprises，"enterprises"and"product"supply"and"demand"markets，"and"makes"enterprises"and"investors"more"sensitive"to"changes"in"the"macroeconomic"environment."Based"on"existing"research"proving"that"digital"transformation"can"reduce"the"risk"of"stock"price"crash，"this"article"further"proposes"that"digital"transformation"has"a"nonlinear"impact"on"stock"price"risk."By"selecting"nonfinancial"listed"companies"in"China’s"Shanghai"and"Shenzhen"stock"exchanges"from"2012"to"2021"as"samples，"we"empirically"test"the"complex"impact"of"corporate"digital"transformation"and"macroeconomic"environment"differences"on"stock"price"crash"risks."The"research"results"show"that，"unlike"related"research，"digital"transformation"can"reduce"the"risk"of"stock"price"crash，"and"enterprise"digital"transformation"has"an"inverted"“U”"shaped"impact"on"stock"price"crash"risk."As"the"digital"transformation"of"enterprises"strengthens，"the"impact"on"stock"price"crash"risk"first"increases"and"then"weakens."Moreover，"the"current"impact"of"digital"transformation"on"many"enterprises"is"on"the"left"side"of"the"inverted"“U”"shape，"causing"the"risk"of"corporate"stock"price"collapse"to"increase."In"the"context"of"widespread"segmentation"of"financial"markets"in"various"regions"and"countries，"valuation"differences，"interest"rate"differences，"and"exchange"rate"expectations"between"different"capital"markets"impact"the"risk"of"stock"price"collapse."Digital"transformation"deeply"integrates"enterprises"with"the"economy"and"society."It"can"adjust"the"intensity"of"the"impact"of"differences"in"the"macroeconomic"environment"on"the"risk"of"stock"price"collapse.

Key"words：digital"transformation;"valuation"difference;"interest"rate"difference;"exchange"rate;"expected"stock"price"collapse;"risk"adjustment"effect

（責任編輯：蔡曉芹）