企業數字化轉型與分析師預測準確性

【摘 要】 文章以2011—2021年滬深A股上市公司為樣本，實證考察企業數字化轉型對分析師預測的影響。研究發現，企業數字化轉型顯著提高了分析師預測準確性。機制檢驗表明，企業數字化轉型具有信息驅動效應，通過提升企業信息透明度作用于分析師預測。異質性分析發現，企業數字化轉型對分析師預測準確性的提升影響在非國有企業和受媒體關注程度高的企業中更為顯著。經濟后果檢驗表明，企業數字化轉型降低了股價同步性。研究豐富了企業數字化轉型相關經濟后果文獻，對推動企業數字化轉型并促進資本市場發展具有重要的實踐意義。

【關鍵詞】 企業數字化轉型； 分析師預測準確性； 信息透明度； 股價同步性

【中圖分類號】 F275 【文獻標識碼】 A 【文章編號】 1004-5937（2024）21-0052-08

一、引言

黨的二十屆三中全會強調，要加快構建促進數字經 濟發展體制機制，完善促進數字產業化和產業數字化政 策體系?！吨袊鴶底纸洕l展研究報告（2024）》顯示，我國數字經濟在2023年規模達到了53.9萬億元，同比增長7.4%。產業數字化已成為推動數字經濟發展的主要力量，在推動國民經濟增長方面發揮著重要作用。

加快數字經濟發展并促進數字化轉型，已成為企業發展的新機遇[1]。數字化轉型不僅體現在數字技術與企業生產的深度融合上，還象征著企業向數字化系統轉變的革新[2]。眾多研究表明，數字化轉型帶來的產業結構、生產方式及治理模式的變革有助于增強全要素生產率并提升資本市場定價效率[3]。然而，數字化引發的信息量激增和業務復雜化也顯現出信息冗余和信息過剩等問題，或將導致決策偏誤[4]。

作為資本市場重要的信息主體，在面對龐大的數據 體量與參差不齊的數據質量時，分析師更具專業能力，因 此被稱為資本市場的“潤滑劑”?，F有研究表明，企業信息披露與分析師預測準確性相關[5]。而數字化轉型對企業信息披露具有雙重影響：一方面，數字化轉型通過信息供給渠道擴充和信息傳遞過程完善，加強了對管理層盈余管理行為的監督，促使企業及時將更多高質量信息向外部信息需求者公開，降低信息不對稱程度[2]；另一方面，數字化轉型產生的大體量信息很可能存在質量和邊際價值下降等問題，同時也對信息使用者的處理與分析能力提出更高的挑戰，可能導致其理解偏差和決策失誤等不利情況的發生。

基于此，本文以2011—2021年滬深A股上市公司為研究對象，探討企業數字化轉型對分析師預測準確性的影響和機制。研究發現：數字化轉型程度越高，分析師預測越準確。機制檢驗表明，數字化轉型具有信息驅動效應，通過提升企業信息透明度增強分析師預測準確性。異質性分析發現，數字化轉型對分析師預測準確性的提升影響在非國有企業和受媒體關注程度高的企業中更為顯著。經濟后果檢驗表明，數字化轉型降低了股價同步性。

本文可能的研究貢獻有以下三方面：第一，已有文獻從企業經營[6]、組織架構[7]、審計費用[8]、資本市場定價[3]等方面探討企業數字化轉型的經濟后果，本文從分析師預測層面補充了相關文獻。第二，已有文獻對數字化轉型的信息驅動[9]和信息過載效應[4]存在爭議，本文的研究結論支持了信息驅動效應，為企業數字化轉型提供了理論依據。第三，本文在數字化轉型、分析師預測和股價同步性之間建立聯系，為投資者和政策制定者理解數字化轉型機理提供了參考依據。

二、文獻綜述

（一）企業數字化轉型的經濟后果

多數學者認為，企業數字化轉型帶來正向經濟效應。數字化轉型能夠推動組織結構網絡化和扁平化[10]，降低信息獲取[1]、議價簽約[7]和審計監督[8]等成本，提高企業運營效率和全要素生產率[3]，也有助于減輕企業內部代理沖突[4]，提高會計信息質量[6]，增強市場積極預期[10]。然而，企業數字化轉型也可能伴隨負面影響。例如，數字化技術的廣泛應用引發信息冗余與信息過載等問題[11]，使得數據價值隨時間呈現邊際遞減趨勢[4]；數字化轉型還提高了企業業務復雜度，要求信息使用者具備更高的信息處理能力[2]。

（二）分析師預測準確性的影響因素

已有文獻從分析師個體特征、企業特征和外部信息環境方面研究分析預測準確性的影響因素。分析師行業專長提高了對特定行業公司的預測準確性[12]；分析師“大膽預測”比“羊群預測”更準確[13]；分析師有限注意力和有限理性降低了盈余預測準確性[14]。規模較大的公司，可能由于分析師關注度較高，盈余預測更為準確[15]，也可能因為經營活動差異較大和分析師的樂觀預期，盈余預測準確性降低[16]；內部控制體系完善以及成長空間較大的公司，信息披露質量較高，分析師預測更準確[6]。媒體有效補充了上市公司信息，從而提高分析師預測準確性[17]；發揮國家審計及社會審計信息監督作用，有助于約束企業信息自利行為并降低分析師樂觀偏差[18]。

綜上所述，已有文獻對數字化轉型的經濟后果存在爭議。就信息質量而言，數字化轉型既可能由于降低代理沖突提升信息質量，也可能由于信息過載降低信息質量。對于分析師預測準確性的影響因素，已有文獻進行了廣泛探討，但從數字技術視角的研究還較少。

三、理論分析與研究假說

分析師預測準確性與企業信息披露行為相關[5]。數字化轉型可能具有信息驅動效應，提升企業信息披露質量，從而提高分析師預測準確性。首先，企業數字化轉型通過數字技術創新對企業信息生成、處理和交流產生積極影響[19]。不同于傳統的從財務系統提取信息方式，利用數字技術能夠從多樣化載體中收集信息[9]，諸如企業業務數據平臺、供應商和客戶平臺、社交媒體及公共數據平臺等。這種多源信息采集模式不僅擴展了信息獲取的廣度，還通過實時性和顆粒度的提升增強了信息的深度，從而提高了企業的基礎信息質量。利用數字技術還可以提升信息處理質量，諸如通過人工智能深度學習提升數據分析效率，利用區塊鏈技術增加信息的安全性和可靠性，采用自然語言處理技術改善非結構化數據的分析質量等。此外，利用數字技術可以加強企業信息交流，提升信息溝通質量。例如：社交媒體平臺支持實時對話和反饋，在線互動渠道促進信息雙向流動，數字化客戶服務系統提升響應效率，智能化投資者關系管理平臺增強溝通效果。其次，企業數字化轉型能夠抑制管理層的盈余管理行為，提升信息披露質量。數字技術的應用提高了企業在運營、財務管理以及決策過程中的透明度[10]，自動化流程和數據分析工具的使用減少了人為干預的可能性，這在一定程度上限制了管理層操控盈余的機會[4]。并且，數字化轉型有助于提升企業內外部審計的效率[19]，防范管理層的盈余管理行為?；谏鲜龇治?，數字化轉型通過數據驅動效應，促使企業披露高質量信息，為分析師提供了更為準確和可靠的信息基礎，有助于提升分析師預測準確性。

然而，企業數字化轉型也可能具有信息過載效應，降低企業信息披露質量，從而對分析師預測準確性產生負面影響。首先，數字化轉型可能增加企業信息環境中的噪聲水平，導致信息披露質量下降。企業通過數字技術手段獲取和產生了海量數據，信息更新頻率顯著提升，這使得整體信息環境更為復雜。管理層可能利用信息不對稱優勢，通過復雜的數據展示方式或選擇性披露影響分析師的判斷。已有的研究表明，在信息復雜度較高的企業中，管理層更容易通過信息操縱實現特定目標[19]。大量非結構化數據存在也增加了有效信息提取難度，關鍵信息可能被淹沒在海量數據中，降低信息可識別性。其次，數字化轉型帶來的信息過載可能引發決策疲勞，影響分析師預測質量。Lateef et al.[11]研究發現，信息環境越復雜，分析師預測誤差越大。其原因是，人類注意力有限性使得分析師難以全面理解數字化轉型中的復雜信息，導致其在篩選和處理信息過程中出現偏差。再次，在信息環境復雜的企業中，分析師更傾向于表現出“羊群行為”?；诼曌u風險和薪酬考慮，分析師傾向于做出與同行相似的預測[20]。面對數字化轉型復雜的信息環境，分析師可能減少對企業特有信息的深入挖掘，轉而依賴同行觀點以降低決策成本。這種從眾傾向導致分析報告的同質性增加，原創性分析減少，最終影響預測準確性。最后，數字化轉型帶來的技術革新和商業模式創新顯著增加了企業價值預測的難度。數字技術的快速迭代和應用使企業運營更加復雜，傳統的分析框架可能難以適用[2]。商業模式的持續創新增加了業務發展的不確定性，提高了未來業績預測的難度?；谇笆龇治觯疚奶岢鲆韵赂偁幮约僭O。

H1a：企業數字化轉型會提升分析師預測準確性，即企業數字化轉型程度越高，分析師預測準確性越高。

H1b：企業數字化轉型會降低分析師預測準確性，即企業數字化轉型程度越高，分析師預測準確性越低。

四、研究設計

（一）樣本與數據來源

2011年，互聯網企業開始采取開放平臺戰略，推動了企業數字化轉型進程[21]。因此，本文選Fgj5SH5E02LELEsqUcskiPMhDXZLHh5N9MgRGeEg7v4=取2011年作為樣本起始年份，以2011—2021年滬深A股上市公司為初始研究樣本，并進行如下篩選，剔除金融行業樣本，剔除ST和*ST樣本，剔除詳細信息缺失的樣本，最終得到14 292個公司—年度觀測樣本。本文使用的數字化轉型詞頻、分析師預測、公司財務和公司治理數據等均來自國泰安（CSMAR）數據庫。

（二）變量定義

1.被解釋變量

參照Behn et al.[22]的研究，本文以分析師預測的股票價格與未來實際股價之差的絕對值除以實際股價度量分析師預測準確性（Ferror）：

其中，FEPS為該年跟蹤該公司的所有分析師在上年年報公布日之后且在本年年報發布日之前的最后一次每 股盈余預測的平均值；AEPS為公司當年實際每股盈余，StockPrice為公司當年期初開盤價。Ferror越大，分析師預測準確性越低。

2.解釋變量

參考吳非等[9]的研究，在年報中選取大數據、人工智能、區塊鏈等與數字化底層技術應用和技術實踐應用相關的詞，對其詞頻數進行加總，并做加1取自然對數后除以100處理，度量數字化轉型（DCG）。

3.控制變量

參考王美英等[18]的研究，加入以下控制變量：分析師跟蹤數量（Follow）、公司規模（Size）、資產負債率（Lev）、資產收益率（ROA）、每股經營現金流（Mcfps）、企業成長性（Growth）、企業價值（TobinQ）、第一大股東持股（TOP1）、董事會規模（Board）、董事長與總經理兩職合一（Duality）、產權性質（SOE）、審計師事務所類型（Big4）、審計意見類型（Opinion）。為了排除極端值的影響，本文對連續變量在1%和99%的水平上進行縮尾處理。

具體變量定義如表1所示。

（三）模型設計

本文構建固定效應模型以檢驗企業數字化轉型對 分析師預測準確性的影響。

其中，Ferror為分析師預測準確度，企業數字化轉型對分析師盈余預測的影響可能具有一定的延后性，本文做了滯后一期處理；DCG為企業數字化轉型；Controls 為控制變量。本文控制了公司和年度固定效應，并對回歸系數的標準誤進行了公司層面的聚類處理。

五、實證結果

（一）描述性統計

表2報告了描述性統計結果。分析師預測準確性（Ferror）的均值和中位數分別為0.037和0.020，呈一定的右偏分布狀態；標準差為0.051，最大值和最小值分別為0.303和0.000，表明不同公司的分析師預測準確性存在較大差異。企業數字化轉型（DCG）的中位數和標準差分別為0.011和0.014，最大值和最小值分別為0.051和0.000，表明不同企業間的數字化轉型程度存在較大差異。其余變量數特征與已有文獻一致。

（二）基本回歸結果

表3報告了基準回歸結果。列（1）僅包含解釋變量數字化轉型程度（DCG），結果顯示DCG系數為負，且在1%的水平上顯著。列（2）加入了控制變量，DCG的回歸系數為-0.233且在1%的水平上顯著，說明數字化轉型降低了分析師預測誤差，提高了分析師預測準確性，支持了H1a。

（三）穩健性檢驗

1.更換解釋變量和被解釋變量度量方式

參考何帆等[1]的研究，本文采用以下方法度量數字化轉型（DCG1）：數字化詞頻小于閾值3為0，否則為1。此外，本文更換了分析師預測準確性的度量方法，取分析師（團隊）預測報告發布日在本年年報發布日之前與上一年年報發布日之后的樣本中最近三次每股盈余預測的平均值作為分析師盈余預測值，計算變量分析師預測準確性（Ferror1）。結果如表4列（1）、列（2）列所示，數字化轉型系數在1%的水平上顯著為負，與基準結果一致。

2.Heckman兩階段檢驗

進行企業數字化轉型的企業可能也是分析師重點關注的企業。本文使用Heckman兩階段回歸緩解樣本選擇偏差問題。在原有控制變量的基礎上加入目標公司同年度同行業企業數字化轉型的平均數（DCGmean）得到逆米爾斯比率（IMR）后，將其作為控制變量參與回歸[21]。結果如表4列（3）、列（4）所示，數字化轉型（DCG）系數在1%的水平上顯著為負，支持基準回歸結果。

3.傾向得分匹配

是否進行數字化轉型會對企業產生系統性差異，本文使用傾向得分匹配法緩解樣本自選擇偏差問題。具體的，以目標公司在同行業同期的企業數字化轉型程度中位數為基礎，對研究樣本進行分組處理，如果高于中位數則為1，否則為0[19]。以原有控制變量為協變量，采用不放回的1■1最近鄰匹配法為處理組匹配控制組。使用匹配后的樣本對基準回歸模型再次進行檢驗，如表4列（5）所示，數字化轉型系數在1%的水平上顯著為負，與基準結果一致。

4.工具變量回歸

數字化轉型可能與分析師預測準確性存在雙向因果關系。如果分析師的預測更加準確，企業可以更好地評估轉型的潛在收益和風險，更有信心進行數字化轉型。本文使用工具變量回歸緩解這一問題。參考曾富全等[23]的研究，以目標公司同年度、同行業企業數字化轉型平均數（DCGmean）作為工具變量，使用兩階段最小二乘法進行檢驗。結果如表4列（6）、列（7）所示，數字化轉型（DCG）系數依然顯著為負。相關檢驗結果證實，工具變量不存在不可識別問題，弱工具變量檢驗通過。

六、進一步分析

（一）機制檢驗

根據前文分析，本文認為數字化轉型通過數字創新提升了信息質量，抑制了管理層的機會主義行為，具有信息驅動效應，從而提高了分析師預測準確性。對此，結合基準回歸模型2，本文構建以下模型進行機制檢驗：

式中，Opaque為信息透明度，使用修正Jones模型度量。該值越大，表明企業信息透明度越低[24]。其他變量與模型2相同。表5報告了機制檢驗結果。列（2）中Opaque的系數為-0.438，且在5%的水平上顯著，表明數字化轉型提升了企業信息透明度。列（3）DCG的系數為-0.307，且在1%的水平上顯著，表明企業數字化轉型通過提升信息透明度，提高了分析師預測準確性。

（二）異質性分析

1.產權性質

數字化轉型對分析師預測準確性的影響可能因企業產權性質不同而存在差異。企業所處的產權制度背景影響著其信息披露行為，一般而言，非國有企業信息透明度低于國有企業[23]。這是由于國有企業面臨來自證監會和國資委等多重監管壓力，同時承擔著更多的社會責任，這促使其建立更為嚴格的信息披露制度，較為完善的治理機制提升了國有企業的信息透明度。這意味著非國有企業更可能通過數字化轉型改善信息披露質量。因此，本文預期數字化轉型對分析師預測準確性的影響，應該在非國有企業更為顯著。

本文依據實際控制人性質將企業劃分為國有企業組和非國有企業組，對模型2進行分組檢驗。表6列（1）、列（2）報告了回歸結果。列（1）為國有企業組，數字化轉型（DCG）的系數為負，但不顯著。列（2）為非國有企業組，數字化轉型（DCG）的系數在1%的水平上顯著為負，證實了本文的預期。

2.媒體關注度

作為公司外部治理環境的重要組成部分，媒體環境可能協同企業數字化轉型提高分析師預測準確性。媒體的高度關注促使公司在數字化轉型中提供更詳細和及時的信息。并且，媒體報道可以提供對公司數字化轉型背后邏輯和戰略的分析，增強分析師對公司數字化轉型的了解，從而提高預測的準確性。因此，本文預期數字化轉型對分析師預測準確性的影響，應該在媒體關注度高的企業更為顯著。

本文依據中國研究數據服務平臺報刊媒體報道內容數總量的中位數，將樣本劃分為媒體關注度高組和媒體關注度低組，對模型2進行分組檢驗。表6列（3）、列（4）報告了回歸結果。列（3）為媒體關注度高組，數字化轉型（DCG）的系數在1%的水平上顯著為負。列（4）為媒體關注度低組，數字化轉型（DCG）的系數為負但不顯著，證實了本文的預期。

（三）經濟后果檢驗

數字化轉型通過提升企業信息處理能力、數據分析效率以及信息傳遞的及時性，顯著改善了企業信息環境的透明度，提升了分析師預測準確性。分析師預測準確性能夠減少市場噪音，增強投資者的理性決策能力，削弱羊群效應，最終提升資本市場配置效率。本文參照林鐘高等[25]的研究，構建以下模型檢驗上述假說。

式中，SYN為股價同步性，借鑒Gul et al.[26]的模型度量，其他變量同模型2。回歸結果如表7所示，列（3）數字化轉型（DCG）的系數為-0.487，且在5%的水平上顯著為負，表明數字化轉型通過提升分析師預測準確性，顯著降低了資本市場的股價同步性。

七、結論與啟示

本文以2011—2021年滬深A股上市公司為樣本，實證檢驗企業數字化轉型與分析師預測準確性的關系。研究發現，企業數字化轉型顯著提高分析師預測準確性。機制檢驗表明，數字化轉型提升了信息透明度，從而提高了分析師預測準確性。異質性分析表明，在非國有企業和受媒體關注度較高的企業中，數字化轉型對分析師預測準確性的提升效應更顯著。經濟后果檢驗表明，數字化轉型對分析預測準確性的影響進一步降低了股價同步性。以上結論表明，數字化轉型不僅能夠促進自身發展，還有助于提升分析師預測準確性，促進資本市場有效配置資源。

本研究具有以下啟示：首先，企業應當深化數字化戰略部署，制定數字化轉型路徑圖，加大信息化基礎設施和人才培養投入，建立專業的數據分析團隊，提升數據價值挖掘能力，將數字化技術融入生產和運營中，提升企業競爭力。其次，分析師應當提升數字化分析能力，加強對大數據、人工智能等新技術的應用水平，完善數據分析模型，構建更科學的企業價值評估體系。最后，監管機構應當完善數字經濟相關法律法規，為企業數字化轉型提供制度保障；建立統一的數據標準體系，促進信息共享和數據互通，通過技術補貼、專利保護等政策創造良好的外部制度環境。

【參考文獻】

［1］ 何帆，劉紅霞.數字經濟視角下實體企業數字化變革的業績提升效應評估［J］.改革，2019（4）：137-148.

［2］ 信春華，郝曉露，程璐.“信息”抑或“噪聲”：企業數字化轉型與分析師預測質量［J］.上海金融，2022（4）：41-58.

［3］ 黃群慧，賀俊.“第三次工業革命”與中國經濟發展戰略調整——技術經濟范式轉變的視角［J］.中國工業經濟，2013（1）：5-18.

［4］ 戚聿東，肖旭.數字經濟時代的企業管理變革［J］.管理世界，2020，36（6）：135-152，250.

［5］ 方軍雄.我國上市公司信息披露透明度與證券分析師預測［J］.金融研究，2007（6）：136-148.

［6］ 徐子堯，龐月維，張莉沙.數字化轉型提升了上市公司信息披露質量嗎？［J］.南京審計大學學報，2023，20（2）：33-42.

［7］ VIAL G.Understanding digital transformation：a reviewand a research agenda［J］.Journal of Strategic Information Systems，2019，28（2）：118-144.

［8］ 張永 ，李小波，邢銘強.企業數字化轉型與審計定價［J］.審計研究，2021（3）：62-71.

［9］ 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.

［10］ 劉政，姚雨秀，張國勝，等.企業數字化、專用知識與組織授權［J］.中國工業經濟，2020（9）：156-174.

［11］ LATEEF A，OMOTAYO F O.Information audit asan important tool in organizational management：a review of literature［J］.Business Information Review，2019，36（1）：15-22.

［12］ 劉永澤，高嵩.信息披露質量、分析師行業專長與預 測準確性——來自我國深市A 股的經驗證據［J］.會計研究，2014（12）：60-65，96.

［13］ CLEMENT M B，TSE S Y.Financial analyst characteristics and herding behavior in forecasting［J］.The Journal of Finance，2005（55）：301-341.

［14］ DRISKILL M，KIRK M P，TUCKER J W.Concurrent earnings announcements and analysts' information production［J］.The Accounting Review，2020，

95（1）：165-189.

［15］ 岳衡，林小馳.證券分析師VS統計模型：證券分析 師盈余預測的相對準確性及其決定因素［J］.會計研究，2008（8）：40-49，95.

［16］ 石桂峰，蘇力勇，齊偉山.財務分析師盈余預測精確度決定因素的實證分析［J］.財經研究，2007（5）：62-71.

［17］ 周開國，應千偉，陳曉嫻.媒體關注度、分析師關注度與盈余預測準確度［J］.金融研究，2014（2）：139-152.

［18］ 王美英，付楠楠，霍宜君，等.國家審計影響分析師盈余預測準確度了嗎？［J］.審計研究，2021（5）：61-71.

［19］ 王瑤，馮曉晴，侯德帥.企業數字化轉型能提高分析 師預測準確度嗎？——基于信息披露和信息挖掘的雙重視角［J］.中南財經政法大學學報，2023（4）：16-27，135.

［20］ CHEN W，ZHANG L，JIANG P，MENG F，SUNQ.Can digital transformation improve the information environment of the capital market？Evidencefrom the analysts' prediction behaviour［J］.Accounting & Finance，2022，62（2）：2543-2578.

［21］ 聶興凱，王穩華，裴璇.企業數字化轉型會影響會計信息可比性嗎［J］.會計研究，2022（5）：17-39.

［22］ BEHN B K，JONGGHAG C，KANG T.Audit quality and properties of anlyst earnings forecasts［J］.The Accounting Review，2008，83（2）：327-349.

［23］ 曾富全，李泓安.數字化轉型、融資約束與企業高質 量發展［J］.會計之友，2024（14）：50-58.

［24］ 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.

［25］ 林鐘高，辛明璇.董事網絡位置與企業金融資產投資效率［J］.會計研究，2023（2）：79-95.

［26］ GUL F A，KIM J B，QIU A A.Ownership concentration，foreign shareholding，audit quality，and stock price synchronicity：evidence from China［J］.Journal of Financial Economics，2010，95（3）：425-443.