數據資產能否改善企業投融資期限錯配

【摘 要】 伴隨著數字技術的發展，數據資產已成為企業和國家的重要戰略資源與核心生產力。文章聚焦2012—2022年A股上市公司，探究數據資產對投融資期限錯配的影響及作用機制。研究結果顯示，數據資產能顯著優化投融資期限錯配狀況，這一結論經過一系列的內生性與穩健性檢驗后依然穩固可靠。機制檢驗發現，數據資產通過發揮“聲譽效應”與“監督效應”來有效降低投融資期限錯配，具體而言，數據資產可以通過提升企業聲譽和加強內外部監督力度，進而降低投融資期限錯配。異質性分析發現，在非國企、高新技術企業與行業競爭程度激烈的公司，數據資產對投融資期限錯配的改善作用更明顯。研究不僅豐富了數據資產和企業投融資期限錯配相關領域的文獻，而且為推動數據資產建設、實現資本市場高質量發展提供了一定的借鑒。

【關鍵詞】 數據資產； 投融資期限錯配； 資源效應； 監督效應

【中圖分類號】 F275" 【文獻標識碼】 A" 【文章編號】 1004-5937（2025）10-0151-09

一、引言

在數智深度融合的時代背景下，數字技術與數字經濟呈現出蓬勃的發展態勢，數據資源正以驚人的速度快速增長，這在很大程度上推動了社會生產模式與生活方式的深刻轉型和變革。數字經濟作為我國經濟發展的關鍵引擎，其核心動力源于數據，數據不斷催生新產品、新服務、新業態以及新商業模式的持續進化與升級[ 1 ]。在當前階段，數據已嶄露頭角，成為一種新型的生產要素，為企業經濟效益的提升開拓了全新路徑，并達到在財務報告中作為資產予以確認的標準，這標志著數據資產地位的正式確立。截至2023年，《數據資產管理實踐白皮書》已更新至6.0版本，成為我國數據資產管理實踐的關鍵指南。該白皮書明確闡釋了數據資產的定義：企業所擁有或控制，能夠為企業創造潛在或長期經濟收益，且以實體或電子形式存儲的數據資源。這一定義為企業管理和利用數據資產提供了明確方向，助力企業更好地挖掘數據價值，推動數據資產管理實踐的深入發展。在這一宏觀大環境下，如何高效充分地利用數據資產，挖掘其內在潛力，深入開發其生產力價值，已成為國家與企業在新發展階段培育新動能、構建新競爭優勢的核心議題與重大使命。

與此同時，黨的二十大報告著重強調，要竭力打贏防范與化解重大風險的硬仗，確保系統性金融風險零發生，而妥善解決企業投融資期限錯配難題，正是達成此目標的關鍵舉措之一。投融資期限錯配，即企業將短期資金大量投入長期項目之中，也被業界稱為“短資長用”或“短貸長投”現象。鑒于銀行對長期貸款的審慎態度，企業不得不頻繁舉借短期債務，以滿足其長期投資的資金需求，這導致短期債務占比持續超出短期資產占比，進而引發了投融資期限錯配的問題。統計數據顯示，在2008—2023年間，我國非金融上市公司中，短期資產占比長期維持在大約50%的水平，然而短期負債占比卻不斷攀升，通常處于80%以上的較高區間，明顯高于短期資產占比，此種狀況不僅制約了企業績效的提升，而且可能加劇企業資金鏈斷裂的風險[ 2 ]。更為堪憂的是，這種債務風險往往具有隱蔽性和突發性，給金融市場帶來了巨大的潛在威脅[ 3 ]。隨著我國經濟步入高質量發展新階段，防范和化解重大風險已成為推動經濟持續健康發展的核心目標，而防范企業投融資期限錯配問題，則是守住“不發生系統性金融風險底線”的微觀基礎。在此背景下，我們不禁思考：數據資產能否為緩解企業投融資期限錯配問題提供新的思路？其作用機理又是如何？對這些問題的深入探究，將有助于更全面、更深入地了解數據資產對企業的實際影響，同時也為防范和化解金融風險提供有力的實踐支撐和理論依據。

基于以上內容，本文選取2012—2022年我國A股上市公司為樣本，借助實證分析方法，探討數據資產對企業投融資期限錯配的影響。與既有研究相比，本文的潛在邊際貢獻主要聚焦于以下三個維度：首先，本文將補充數據資產所帶來的經濟后果。雖然現有文獻研究了數據資產對企業創新投入[ 4 ]、企業高質量發展[ 5 ]、債券融資成本[ 6 ]、資本市場定價效率[ 7 ]等的影響，但鮮有文獻將數據資產與投融資期限錯配納入同一框架研究它們間的關系。其次，拓寬了關于企業投融資期限錯配影響因素的研究范疇。立足數據資產這一當下時代熱點，本文深入探討了數據資產前瞻性戰略資源如何影響企業的投融資期限錯配。最后，當前關于數據資產的相關研究還處于初步階段，本文通過分析數據資產與投融資期限錯配兩者之間的關系，為規范數據資產的信息披露和預防企業風險提供了理論參考。

二、理論分析與研究假設

（一）數據資產與投融資期限錯配

根據投融資期限匹配原理，企業資產的期限結構應與負債期限相協調，即長期投資應通過長期債務進行資金籌集，短期資金則應與短期融資相匹配。倘若企業利用短期融資來填補長期資金的不足，極有可能導致投融資期限出現錯配現象，從而使企業暴露于無法按時償還債務本息的風險之中[ 8 ]。鑒于銀行與企業間存在信息不對稱現象，銀行為避免壞賬損失，往往對發放長期貸款持謹慎態度。因此，緩解雙方信息不對稱問題成為改善企業投融資期限錯配的關鍵。

依據信息不對稱理論，交易雙方在信息掌握上存在差異，這使得交易過程更加審慎。數據資產在連接企業與金融機構方面扮演著至關重要的角色。通過對非結構化數據進行深入挖掘和標準化整理，數據資產能將企業龐大且分散的信息轉化為結構清晰、價值明確的標準化信息[ 4 ]。這有助于金融機構全面、多維度地精準了解企業的經營狀況、財務穩健性及未來發展潛力，從而有效減輕雙方長期存在的信息不對稱問題。信息不對稱程度的降低，增強了金融機構對企業信用狀況的信任，進而使企業能夠從銀行等金融機構獲得更多長期貸款授信額度，為企業的持續發展和戰略拓展提供更為堅實的金融支撐，推動企業與金融機構之間建立更加穩定、互利的長期合作關系[ 9 ]。此外，企業主動公布數據資產的相關信息，有助于拓展融資的多元化渠道，使企業的資金來源不再單一依賴于銀行的長期信貸[ 6 ]。數據資產信息的逐步透明化，使企業與外部投資者之間的信息不對稱問題得到有效緩解，進而增強了投資者對企業的信任程度。由此，企業能夠吸引更多社會上的潛在投資者，從而獲得長期且穩定的資金注入，這對緩解企業投融資期限不匹配的問題起到了顯著的積極作用。據此，本文提出假設1。

H1：數據資產能夠改善企業的投融資期限錯配。

（二）聲譽效應

數據資產會帶來“聲譽效應”。有研究表明，長期資金不足是企業投融資期限錯配的重要原因之一[ 10 ]。因此，如何解決長期資金的供應成為問題的關鍵，而企業通過數據資產所帶來的聲譽效應則可以為企業的經營發展帶來長期的資本。

一方面，根據聲譽理論，企業或個人在長期交易中建立良好形象具有重要作用，它有助于企業降低交易費用，吸引更多顧客，進而提升企業的市場競爭力。在當前中央積極部署及全國各地大力推進數據資產管理的背景下，數據資產無疑成為企業未來發展的重要方向，且數據資產項目更易贏得政府和社會公眾的青睞與支持。企業主動公開數據資產信息，不僅彰顯了其對國家大數據戰略及數據資產入表政策的積極響應，而且助力企業迅速樹立良好聲譽，從而吸引更多利益相關者的資源支持，增強企業的資源獲取力。具體而言，擁有數據資產優勢的企業，能夠全面、多維度地改造自身業務流程，打造全鏈條的競爭優勢[ 11 ]。比如，企業可構建基于數據分析的決策模型與管理體系，提高決策的準確性和效率，通過優化信息管理流程，實現成本降低和效率提升，推動企業轉型升級。如此，經濟利益將持續涌入企業，推動企業財務績效的穩步增長。而企業財務績效的提升，往往會在資本市場上得到反映，進而促進企業整體價值的提升[ 7 ]，塑造企業在資本市場中的良好形象和聲譽。進一步而言，投資者在做出投資決策時，會全面考慮企業的信用風險和償債能力，更傾向于為信用記錄優良的企業提供長期融資支持[ 12 ]。如此，企業的融資渠道和資金來源將得到有效拓寬。

另一方面，企業聲譽一旦受損，可能需要付出高昂的代價才能恢復。為了維持企業已有的因數據資產所帶來的良好聲譽和形象，企業對擁有的資源會進行良好的配置。在不斷變化的市場環境下，企業會及時調整資源配置以適應市場變化[ 13 ]。具體來看，數據資產為企業提供了實時監控市場動態的能力，使企業能夠迅速捕捉到市場信號，并據此做出快速響應。通過構建數據分析平臺，企業可以實時收集和分析市場數據、競爭數據以及內部運營數據，及時發現市場趨勢和競爭態勢的變化。基于這些分析結果，企業可以靈活調整產品組合、生產計劃和營銷策略，確保資源始終配置在最具潛力的領域。這種基于數據的動態調整機制，大大提高了資源配置的靈活性和適應性。這不僅增強了資源配置的合理性與預見性，而且大大緩解了企業短債長投行為。據此，本文提出假設2。

H2：數據資產能夠通過“聲譽效應”，改善企業的投融資期限錯配。

（三）監督效應

數據資產能引起“監督效應”。董事會作為公司內部監督的關鍵機構，對提升公司治理透明度及抑制企業短貸長投具有重要作用。而外部監督的力量，包括投資者、媒體等，亦能有效制約企業采取可能引發財務風險的短貸長投策略，從而優化企業的投融資期限結構。一方面，數據資產能夠增強董事會監督的有效性，緩解公司信息披露不足的狀況。作為公司治理結構中的核心決策主體，董事會地位關鍵，但由于信息獲取的限制，其監督職能往往難以充分施展。數據資產作為公司經營信息的記錄媒介，為董事會提供了全面、系統、規范且可信的信息支撐，助力董事會精準掌握公司運營實況及財務狀況，進而更高效地執行監督職責，提升公司信息對外的透明度。另一方面，數據資產作為一種至關重要的生產要素，其戰略資源價值不容小覷[ 11 ]。企業對外公開數據資產，可向市場釋放積極信號，吸引投資者、媒體等外部主體的關注。同時，隨著互聯網技術的持續進步，投資者與媒體得以借助網絡平臺進行廣泛的信息交流與傳播，從而拓展了企業數據資產公開披露的渠道。投資者及媒體關注度的增強，能夠從不同角度豐富并完善企業信息體系，為眾多利益相關者在數據資產信息之外提供決策參考，優化企業信息生態。這有利于減輕外部資金提供者與企業間的信息不對稱問題，從而改善企業投融資期限錯配情況，降低錯配風險。據此，本文提出假設3。

H3：數據資產能夠通過“監督效應”，改善企業的投融資期限錯配。

三、研究設計

（一）數據來源

本研究選取滬深A股上市公司作為分析對象，研究時段設定為2012—2022年，并對所收集的數據實施了以下預處理步驟：（1）排除了金融行業相關的樣本；（2）移除了ST、*ST及PT類別的樣本；（3）去除了關鍵財務指標信息不全的樣本。此外，為減輕極端值對結果的影響，對所有連續變量進行了雙側1%的縮尾調整。經過上述處理，最終獲得了22 732個公司—年份的觀察數據。

本研究的數據獲取渠道主要包括兩方面：其一，通過運用機器學習技術中的文本分析手段，對上市公司的年度報告內容進行深度挖掘、信息抽取及數據清洗，進而構建起企業數據資產的評估指標體系。這些年報數據的原始資料源自滬深證券交易所的官網。其二，關于企業投融資期限錯配的度量指標，以及其他企業級別的控制變量數據，全部采自CSMAR數據庫與Wind資訊數據庫。

（二）變量的定義與度量

1.被解釋變量

投融資期限錯配（SFLI）。參照何青等[ 14 ]的方法，采用長期資本無法滿足長期投資需求的缺口來度量企業的投融資期限錯配狀況。計算公式如下：［購建固定資產等投資活動現金支出-（長期借款本期增加額+本期權益增加額+經營活動現金凈流量+處置固定資產等收回的現金凈額）］/期初總資產。

2.解釋變量

數據資產（DA）。借鑒苑澤明等[ 5 ]的研究，采用“種子詞+Word2Vec相似詞擴充”的文本分析方法來測度企業的數據資產水平。具體的計算過程見模型（1）：

其中：DALi，t代表數據資產水平；dictionary_wordsitn代表個股i在第t年的年度財務報告詞典里第n個核心或相似詞匯出現的準確次數；total_wordsit用來衡量個股i在第t年的年度報告中所有詞匯（英文和數字除外）的總出現頻次。鑒于數據資產信息披露水平的變量呈現出右偏態分布的特征，為了使其更符合分析需求，對該指標進行了對數轉換處理。

3.控制變量

為盡可能減少估計過程中遺漏變量的潛在影響，本研究參考已有文獻[ 15 ]，在構建模型時納入了其他可能影響投融資期限錯配的變量，如公司特征、財務指標等作為控制變量。具體解釋詳見表1。

（三）模型構建

為了考察數據資產對企業投融資期限錯配的影響，本文構建模型（2）：

其中，被解釋變量為投融資期限錯配（SFLI），解釋變量為數據資產（DA），Controls為控制變量組，i和t分別代表企業和年份，Ind和Year分別代表行業固定效應和年份固定效應，？著為隨機擾動項。此外，鑒于數據資產對企業的影響可能存在時間滯后效應，本研究對數據資產進行了滯后一期的調整，以期更準確地捕捉其對企業投融資期限錯配的長期效應。

四、實證結果分析

（一）描述性統計

各變量的描述性統計結果如表2所示。企業投融資期限錯配（SFLI）的平均值為-0.109，標準差為0.207，這與以往研究的測算結果基本一致，且最大值和最小值分別為0.258和-1.167，說明企業間投融資期限錯配的差距較大。企業數據資產（DA）的最小值為0，最大值為4.174，平均值為0.724，可見上市公司整體數據資產水平較低，有待進一步提高。

（二）基準模型回歸

對模型（2）進行回歸，經濟顯著性檢驗結果如表3所示。在列（1）中，未加入控制變量，僅考慮了行業固定效應和年份固定效應。結果表明，數據資產的回歸系數估計值為-0.0117，且在1%的水平上顯著為負。列（2）展示了加入全部控制變量后的回歸結果，此時數據資產回歸系數的估計值為-0.0072，同樣在1%的水平保持顯著。上述兩項回歸結果一致表明，數據資產對企業的投融資期限錯配問題具有顯著的改善作用，這一發現有力支持了前文所提出的H1。

（三）內生性檢驗

1.工具變量法

為解決逆向因果引發的問題，本文運用工具變量法進行內生性檢驗。具體而言，本文借鑒李健等[ 4 ]的做法，選取同年度、同行業（排除本企業）的數據資產均值作為工具變量（IV）進行回歸分析。這一選擇基于如下邏輯：當同一行業或地區內的其他企業在某年度的數據資產水平較高時，往往會激勵本企業加強自身的數據資產建設[ 16 ]，同時，企業的投融資期限錯配狀況則較少受到其他企業數據資產水平的影響，從而確保了該工具變量滿足相關性和外生性這兩個關鍵條件。

回歸分析的結果呈現在表4的列（1）和列（2）中。從表中可以觀察到，本研究所選的工具變量成功通過了弱工具變量檢驗和不可識別性檢驗，表明了其作為工具變量是有效的。列（1）呈現了第一階段回歸分析的結果，工具變量（IV）對企業數據資產的影響在1%的顯著性水平上呈正相關性，這驗證了工具變量與企業數據資產之間存在緊密聯系。列（2）則展示了第二階段回歸分析的結果，表明數據資產對企業投融資期限錯配的影響在統計上顯著且呈負向關系。這一發現表明，在有效控制了內生性問題后，原有的研究結論依然保持穩健，進一步佐證了H1的正確性。

2.傾向得分匹配法

為解決樣本選擇偏差導致的內生性問題，本研究運用傾向得分匹配法開展內生性檢驗。具體操作為：先將數據資產值超過行業年度平均水平的樣本標記為1，隨后對數據資產變量應用Logit回歸模型進行分析。在匹配環節，采取最近鄰有放回的1：1匹配策略，目的是為處理組樣本找到在公司特征方面最為接近的控制組樣本進行配對。同時，選擇資產負債率、資產收益率、現金流比率、固定資產比率、企業成長能力、董事會規模與會計績效作為控制變量。為確保所選控制變量的可靠性和準確性，進一步實施了平衡性檢驗，檢驗結果顯示所選控制變量符合平衡性標準。之后，對匹配處理后的樣本數據重新進行了回歸分析，相關結果詳見表4的列（3）。從回歸結果中可以清晰地看出，數據資產對企業的投融資期限錯配具有顯著的降低效應，這一發現進一步驗證了前文的研究假設。

（四）穩健性檢驗

1.更換解釋變量

為驗證基準回歸結果的穩定性，本研究采納了何瑛等[ 17 ]的研究方法，從上市公司財務報表的附注信息中，甄別出與數字化建設相關聯的無形資產及固定資產項目。隨后，計算這兩類資產合計額在無形資產與固定資產總和中的占比，以此作為企業數據資產的替代性評估指標。表5列（1）展示了將這一替代指標納入基準回歸模型進行重新分析的結果，該結果揭示，在變換了解釋變量的測量途徑后，研究的結論依然保持一致。

2.替換被解釋變量

參照翟淑萍等[ 18 ]的研究，本文構造了投融資期限錯配的虛擬變量SFLI1，當企業面臨長期投資缺乏長期資本支撐的資金缺口時，SFLI1取值為1，反之取0。采用面板Logit模型對該變量進行回歸分析。表5列（2）呈現了替換被解釋變量后的回歸結果，其中數據資產的回歸系數在1%水平上顯著為負，這一發現為H1提供了進一步的實證支持。

3.子樣本回歸

在信息通信行業，企業于服務提供過程中自然生成并處理大量數據，因此在數據資產的積累與運用上，相較于其他實體企業擁有更明顯的優勢，若以這些行業的數據資產探究其與投融資期限錯配的關系，可能會產生一定的偏差。鑒于此，本文依據姚會娜等[ 19 ]的研究，在樣本分析中排除了計算機、通信和其他電子設備制造業，以及廣播、電視、電影和影視錄音制作業，還有互聯網和相關服務等行業的數據，旨在更精確地考察其余行業企業中數據資產對投融資期限錯配所產生的影響。表5列（3）呈現了針對剩余樣本進行回歸后的結果，其中數據資產的系數在1%的水平上顯著為負，這一發現再次證實了H1的正確性。

4.更換聚類方法

為了增強識別策略的穩健性，本文對聚類的維度進行了調整，由原本的企業層面聚類轉變為行業層面聚類。這一變更后的回歸結果展示在表5列（4）中，從結果中可以清晰地觀察到，數據資產的系數在統計上顯著為負，這表明研究的主要結論依然保持有效。

5.調整固定效應

為了全面考察企業個體層面因素對先前研究結果的潛在影響，本文在已有年份和行業控制的基礎上，進一步納入了企業個體層面的固定效應，以期有效規避因遺漏變量而引發的內生性問題。調整后的回歸結果詳見表5列（5），數據顯示，數據資產的系數在1%水平上顯著為負，這一發現有力地支持了前文結論。

（五）異質性檢驗

1.產權性質異質性

本文對國有企業與非國有企業進行性質劃分，并實施了分組檢驗，其結果見表6列（1）、列（2）。對非國有企業而言，數據資產對緩解企業投融資期限錯配問題具有顯著的抑制作用；相比之下，在國有企業中，這種影響則未表現出顯著性。這一差異可能歸因于：非國有企業相較于國有企業，展現出更為突出的創新驅動力，它們對數據資產賦予了更高的關注度。這些企業能夠更準確地把握數字化轉型的發展趨勢，從而確保數據資產化管理的順利推進。由此，非國有企業能夠更充分地挖掘并發揮數據資產的價值效應。

2.行業性質異質性

各行業數據資產的持有量存在差異，高新技術企業相較于傳統行業，擁有更為豐富的數據資產儲備。基于此，本研究將樣本劃分為高新技術企業與非高新技術企業兩組，并進行了回歸分析，其結果呈現在表6列（3）、列（4）中。分析顯示，在高新技術企業組，數據資產對優化企業投融資期限錯配的現象具有更為顯著的促進作用，且此種差異在組間系數差異檢驗中得到了驗證。

3.行業競爭程度異質性

本文選用赫芬達爾指數來評估企業所屬行業的競爭狀況，該指數的計算方法為：將行業內各公司的主營業務收入占行業主營業務收入總額的比例進行平方后求和。指數值越低，表明行業市場競爭越激烈。根據赫芬達爾指數與中位數的大小關系，將樣本劃分為行業競爭激烈組（指數小于中位數）和行業競爭緩和組，隨后進行了分組檢驗，檢驗結果見表6列（5）、列（6）。研究結果顯示，在行業競爭激烈的企業組中，數據資產對企業投融資期限錯配具有更為顯著的減緩效果，且此差異在組間系數差異檢驗中獲得了證實。這一現象的可能解釋包括兩個方面：其一，在競爭更為激烈的市場環境中，企業更傾向于主動披露數據資產的相關信息，這有助于增強信息的附加效應[ 6 ]，減少企業與金融機構之間的信息不對稱，進而提升企業獲得長期融資的機會；其二，產品市場的激烈競爭促進了企業間關于數據資產的信息互通，使得企業對數據資產投資項目的反應敏感度有所提高[ 20 ]。因此，處于競爭激烈行業中的企業在實施數據資產化管理時，可能會取得更好的成效，從而更有效地緩解其面臨的投融資期限錯配難題。

五、機制分析

根據前文的理論分析，數據資產改善企業投融資期限錯配可能源于“聲譽效應”和“監督效應”。本文對上述兩種效應進行檢驗，以揭示數據資產影響企業投融資期限錯配的真實作用機制。

本文參考盛明泉等[ 21 ]的研究思路，構建機制檢驗模型（3）：

模型（3）中，Mi，t為“聲譽效應”和“監督效應”的代理變量。

（一）聲譽效應

為了驗證聲譽效應所帶來的傳導作用，本文選取兩種衡量方法作為企業聲譽的代理變量，以增強結論的穩健性。具體指標方面，企業聲譽1：參考已有的研究方法，選取了12項企業聲譽評價指標。隨后，運用因子分析的技術手段，對這12項指標進行了綜合處理，最終計算得出企業的聲譽得分。企業聲譽2：采用原創網絡與原創報刊的正面新聞數之和加1取對數。表7列（1）和列（2）顯示具體實證結果，數據資產對企業聲譽的回歸系數均在1%水平上顯著為正，驗證了前文提出的H2，支持“數據資產—聲譽效應—投融資期限錯配”的傳導路徑。

（二）監督效應

為驗證監督效應所帶來的傳導作用，本文參考管考磊等[ 22 ]、王福勝等[ 23 ]的研究，選取兩類方法反映監督效應。其中，內部監督采用企業內部控制質量進行度量，外部監督采用媒體報道總量加1取自然對數衡量。回歸結果見表7列（3）、列（4），數據資產對企業內部監督和外部監督的回歸系數均在1%水平顯著，驗證了前文提出的H3，支持“數據資產—監督效應—投融資期限錯配”的傳導路徑。

六、研究結論與啟示

本文以數據資產為背景，選取2012—2022年滬深A股上市公司作為研究對象，分析了數據資產對企業投融資期限錯配的影響，并探討“聲譽效應”與“監督效應”在二者關系中發揮的中介作用。在完成了內生性與穩健性的相關檢驗后，本研究進一步從企業產權性質、所屬行業性質以及行業競爭程度三個維度出發，對企業進行了異質性分析。研究結果顯示：（1）數據資產能改善企業投融資期限錯配；（2）數據資產通過“聲譽效應”和“監督效應”兩條路徑，進而改善企業投融資期限錯配；（3）當企業為非國有企業、高新技術企業和處在競爭激烈的行業時，數據資產對企業投融資期限錯配的改善更加顯著。

基于前述研究結論，本文得出以下啟示：首先，政府應加大對企業數據資產開發利用的支持強度，為企業構建一個優良的外部治理環境。政府應向實體經濟實施政策扶持，鼓勵企業在多個領域深入發展和利用數據資產，以有效緩解企業投融資期限錯配的問題，推動企業實現高質量且可持續的發展。其次，應積極疏通數據資產的傳導路徑，建立和健全多元化的企業數字化創新生態體系。通過充分利用數據資產，提高企業內外部信息的傳遞效率，優化企業內部各個環節的運作。同時，要加強投資者與媒體的關注度，為提升企業市場價值和聲譽提供有力保障，從而進一步增強數據資產對企業投融資期限錯配的驅動效能。最后，企業應積極開發和應用數據資產，并提高數據資產信息披露的透明度。企業應著力加強長期融資項目的信息公開工作，主動吸引銀行的長期信貸資金流入。同時，應積極借鑒新型管理激勵制度，為重點項目設置預警機制和風險閾值，以便在必要時及時止損。此外，還應加強業務部門與風險部門之間的溝通協作，提高管理層與員工對長期投資項目的績效評估和風險意識，對重點項目進行全面的風險評估、預測和控制，并持續推進長期融資項目的信息公開工作，以最大程度地減少企業投融資期限錯配所帶來的財務風險。

【參考文獻】

［1］ 王艷，楊達.中國式管理會計體系變革：從數據要素到數據資產［J］.管理世界，2024，40（10）：171-189.

［2］ 申志軒，祝樹金，湯超，等.數字化轉型如何影響企業投融資期限錯配問題：基于資產端和負債端的雙重視角［J］.財經研究，2024，50（5）：139-153.

［3］ 張一林，梁瑋，郁蕓君.中國影子銀行發展中剛性兌付的形成與治理機制［J］.經濟研究，2023，58（2）：192-208.

［4］ 李健，董小凡，張金林，等.數據資產對企業創新投入的影響研究［J］.外國經濟與管理，2023，45（12）：18-33.

［5］ 苑澤明，尹琪，于翔.數據資產如何賦能企業高質量發展：對傳統生產要素的優化機制［J］.西部論壇，2024，34（3）：54-73.

［6］ 牛彪，杜雨晴，于翔，等.數據資產信息披露與債券融資成本［J］.廣東財經大學學報，2024，39（5）：88-101.

［7］ 徐海偉，劉華.數據資產信息披露與資本市場定價效率：基于股價同步性的分析［J］.當代財經，2024（12）：140-152.

［8］ MORRIS J R.On corporate debt maturity strategies［J］.The Journal of Finance，1976，31（1）：29-37.

［9］ 高玉強，王子帥，張宇.大數據應用如何抑制企業投融資期限錯配：資源效應與信息效應［J］.金融論壇，2023，28（10）：36-47.

［10］ 李曉艷，梁日新，吳秋生.ESG評級如何影響企業投融資期限錯配：基于ESG不確定性的視角［J］.南開管理評論，2024，27（9）：173-184，196.

［11］ 邢天才，張宇.數據資產如何賦能制造業企業融資能力［J］.山西財經大學學報，2024，46（8）：59-71.

［12］ 夏同水，胡中涵.股權質押、公司戰略激進度與投融資期限錯配［J］.會計之友，2023（20）：76-85.

［13］ 王薇，衛珂卉.數字經濟助推中國產業轉型升級：基于創新要素配置的中介效應［J］.貴州財經大學學報，2024（1）：52-61.

［14］ 何青，琚望靜，莊朋濤.如何緩解企業投融資期限錯配：基于數字化轉型視角［J］.數量經濟技術經濟研究，2024，41（5）：113-133.

［15］ 趙玲，黃昊.企業數字化轉型、高管信息技術特長與創新效率［J］.云南財經大學學報，2023，39（7）：86-110.

［16］ 霍春輝，呂夢曉，許曉娜.數字化轉型“同群效應”與企業高質量發展：基于制造業上市公司的經驗證據［J］.科技進步與對策，2023，40（4）：77-87.

［17］ 何瑛，陳麗麗，杜亞光.數據資產化能否緩解“專精特新”中小企業融資約束［J］.中國工業經濟，2024（8）：154-173.

［18］ 翟淑萍，甦葉，樊子晴.多個大債權人對企業投融資期限錯配的影響研究［J］.管理學報，2024，21（10）：1552-1561.

［19］ 姚會娜，張金昌.企業數據資產對全要素生產率的影響研究［J］.經濟經緯，2024，41（5）：107-119.

［20］ 陳慶江，萬茂豐，王彥萌.數字技術應用對企業雙元創新的影響：基于組織生命周期的實證檢驗［J］.軟科學，2021，35（11）：92-98.

［21］ 盛明泉，李志杰，汪順.ESG信息披露與企業全要素生產率［J］.統計與信息論壇，2024，39（8）：88-100.

［22］ 管考磊，朱海寧.員工滿意度與內部控制質量：來自“中國年度最佳雇主”的經驗證據［J］.審計與經濟研究，2023，38（6）：35-44.

［23］ 王福勝，鄭茜月，張東超.數字化轉型、國際化戰略與企業創新［J］.運籌與管理，2024，33（9）：120-125.