數據資產信息披露、產品市場競爭與股價同步性

【中圖分類號】F275 【文獻標識碼】A 【文章編號】1004-0994（2025）09-0067-8

一、引言

黨的十九屆四中全會首次將數據列為生產要素，在數據要素驅動下，企業運營效率不斷提升，數據要素已被公認為一項新型資產。根據《數據資產管理實踐白皮書（6.0版）》，數據資產是由企業擁有或控制的，能夠為企業帶來未來經濟利益的，以物理或電子方式記錄的數據資源。企業紛紛展開數據資產化進程，通過制定數據戰略、搭建數據平臺等流程，運營并盤活數據資產。與此同時，企業的數據資產化進程同樣受到投資者、分析師等利益相關者的關注（危雁麟等，2022）。《企業數據資源相關會計處理暫行規定》（財會[2023]11號）也鼓勵企業根據實際情況，在年報中自愿披露數據資產的應用場景、業務模式以及加工維護等信息。事實上，部分上市公司為滿足資本市場對數據資產信息的需求，向外界傳遞利好信號，早已在年報中開展了自愿披露數據資產相關信息的有益實踐，且披露程度愈發深人。那么，企業對外傳遞的數據資產信息能否被投資者識別并指導決策呢？鮮有研究對此做出解答。

股價同步性反映個股股價變動與市場平均變動的關聯程度，是資本市場定價效率的重要體現（Roll，1988），學術界針對股價同步性存在兩種觀點，分別是信息效率觀和非理性行為觀。信息效率觀認為公司特質信息導致了個股的異質性波動（Morck等，2000），異質性波動程度越高，表明股價越能有效反映公司特質信息，即股價同步性負向反映資本市場定價效率。非理性行為觀認為投資者在處理信息時存在噪音偏誤（West，1988），個股的異質性波動來自狂熱、誤定價等噪音行為，而非公司特質信息，在此情況下，較低的股價同步性并不意味著更高的信息含量，即股價同步性正向反映資本市場定價效率。事實上，股價波動的驅動因素在不同地區有所差異，雖然我國資本市場歷經了30年的快速發展，但仍然屬于新興資本市場，投資主體多為采取短線交易策略的散戶，股價的形成容易受到盲目跟風、追漲殺跌等非理性行為的推動（Hu等，2019；朱琳等，2023），從而非理性行為觀比信息效率觀更適用于解釋我國的股價同步性問題。在此現實背景下，數據資產信息披露能否發揮降噪功能，進而提升個股股價同步性呢？

與此同時，2018年中央經濟工作會議強調加快建設競爭充分、秩序規范的市場體系，來自產品市場競爭的壓力同樣會改變管理層信息披露決策。基于此，本文立足我國新興資本市場的現實發展情況，在充分考慮我國資本市場尚存大量噪音交易的背景下，分析數據資產信息披露對股價同步性的影響及作用機制，并考察產品市場競爭的調節效應，進一步分析在不同外部環境下，數據資產信息披露對股價同步性的影響是否存在非對稱效果。

本文可能的研究貢獻體現在：第一，將數據資產信息披露與股價同步性置于同一分析框架內，探討數據資產信息披露與股價同步性之間的關系，不僅拓展了股價同步性的影響因素研究，還從數據資產信息披露角度，為數據資產的理論研究提供了增量貢獻。第二，從信息釋放和信息解讀兩個方面，部分打開了數據資產信息披露與股價同步性之間的作用機制“黑箱”。第三，根據企業所在地地理區位條件、網絡基礎設施條件、數字經濟發展水平以及法治環境差異，進一步識別數據資產信息披露對股價同步性的異質性影響，為差異化的政策指引提供經驗證據支持。第四，借助 文本數據庫，利用數據資產相關詞匯在年報中的詞頻來構建模型，分別采用加權平均以及算術平均的方法，刻畫出數據資產信息披露水平，為評估企業自愿性信息披露水平提供有益借鑒。

二、文獻回顧

（一）股價同步性的相關研究

Roll（1988）指出股價同步性會同時受到公司特質信息和非理性行為的影響，隨后學者們基于股價同步性指標的兩重性特點，分別從信息效率觀和非理性行為觀的角度探討股價同步性背后的經濟含義。

對于信息效率觀，Morck等（2000）認為更低的股價同步性意味著更高的信息透明度水平、公司特質信息能夠得以更好地揭示，Hutton等（2009）以及陳克兢等（2021）學者也對這一觀點給予支持。然而，也有學者對股價同步性的信息效率觀解釋提出懷疑，認為股價同步性正向反映了資本市場的信息效率，表現為股價同步性較高的企業不僅信息不對稱程度更低（Kelly，2014），而且股票流動性也更高（Chan等，2013）。王亞平等（2009）針對我國資本市場研究發現，信息透明度越高，股價同步性越高，表明股價同步性正向反映資本市場信息效率。由此可見，信息效率觀下股價同步性與資本市場信息效率的關系尚未形成一致結論。

對于非理性行為觀，West（1988）研究發現公司基本面波動性和貼現率波動性無法完全解釋單個股票的波動性，換言之股價同步性受到非理性行為驅動。進一步，學者們證實了在投資者恐慌和狂熱情緒以及股價泡沫和噪音交易（許年行等，2011；Li等，2014）等非理性因素的影響下，較低的股價同步性反映出更多的噪音（Chan和Chan，2014），支持了非理性行為觀。Wang等（2009）、蔡棟梁等（2022）、朱琳等（2023）也針對新興資本市場，研究發現股價同步性與投資者對企業特質信息的反應偏誤或企業基本面存在的不確定性相關。此時，企業披露更高質量的信息，能夠降低投資者對于公司未來發展前景的不確定性，減少非理性行為對股票市場價格波動的影響。

我國是一個新興加轉軌的經濟體，資本市場還不夠充分有效，信息透明度較低，容易誘發投資者的盲目炒作行為，股價波動更多是由噪音驅動（朱琳等，2023）。基于此，本文采用非理性行為觀分析我國股價同步性問題，并在這一前提下，探討數據資產信息披露與股價同步性之間的關系。

（二）數據資產信息披露的相關研究

數據資產信息披露的相關研究主要聚焦數據資產會計核算及經濟后果問題。在數據資產會計核算方面，現有研究主要探討了兩個問題：一是數據資產應當確認為何種科目（張俊瑞等，2020；張俊瑞和危雁麟，2023；翟麗麗和王佳妮，2016）；二是數據資產價值如何計量和評估（倪淵等，2020；左文進和劉麗君，2021）。在數據資產經濟后果方面，學者們證實了數據資產能夠促進企業實現高質量發展（孫穎和陳思霞，2021），其信息披露能夠吸引分析師關注，提高盈余預測準確度（危雁麟等，2022），并有助于提升企業價值（苑澤明等，2022）。

數據資產相關信息披露尚屬于自愿性信息披露。諸多文獻立足我國資本市場發展尚不充分的現實背景，探討了自愿性信息披露對資本市場定價效率的影響。張淑惠等（2021）研究發現公司披露的年報風險信息具有信息含量，能夠減少投資決策偏誤與投機行為，降低非理性行為對股價的影響，提高股價同步性。學者們也發現社會責任信息（李新麗和萬壽義，2019）、環境信息（危平和曾高峰，2018）、水信息（李世輝等，2020）、智力資本信息（傅傳銳等，2020）等特質信息披露會降低投資者對企業未來發展的不確定性認知，起到降噪作用，提高了股價同步性。如上文獻為本文挖掘數據資產信息披露與股價同步性之間的聯系提供了有益借鑒。

（三）研究述評

第一，在股價同步性的相關文獻中，信息效率觀內部對于股價同步性與信息效率的關系存在不一致的觀點，而非理性行為觀下國內外的研究結論較為一致，即較高的股價同步性代表了更少的噪音和更高的信息效率，考慮到我國資本市場當前新興加轉軌的現實背景，本文傾向于非理性行為觀的觀點。第二，從數據資產的研究現狀來看，數據資產信息披露的實證研究還較為匱乏，數據資產信息披露作為自愿性信息披露的一部分，對股價同步性會產生怎樣的影響，仍是一個有待探索的問題。

三、理論分析與研究假說

（一）數據資產信息披露對股價同步性的影響

依據資源基礎理論，數據資產作為價值創造不可或缺的核心中樞，是公司獲得持續競爭優勢的源泉，是企業發展過程中的稀缺性與競爭性資源。與此同時，企業也愈發注重在年報中披露數據資產信息，中國信息通信研究院的研報顯示，2011年數據資產概念首次出現在A股市場的企業年報中，此后，這一概念出現的頻次逐年提升。公司年報是投資者提早發現風險、分析公司價值的重要媒介，數據資產信息披露能否對股價同步性產生影響，關鍵在于企業數據資產信息能否充分釋放，以及股價能否充分吸收這些特質信息。

基于信息釋放視角，數據資產信息披露能夠釋放私有信息，從而減少投資者非理性決策，提高股價同步性。一方面，數據資產信息披露能夠提供個性化的公司特質信息。數據資產作為數字經濟時代的核心競爭性資產，投資者對企業數據資產的信息愈發關注（張俊瑞等，2020），然而囿于我國《企業會計準則》尚未將數據資產納入強制性信息披露范疇，管理層可利用自由裁量權選擇是否披露以及如何披露。顯然數據資產相關信息不受規則強制約束，且各個企業數據資產化的程度不同，數據資產信息披露具有差異性，這一主動披露行為可以向利益相關者傳遞數據資產的規模、技術支持以及價值創造等信息，有效提升了特質信息的供給量和信息透明度（Liu等，2011）。另一方面，數據資產信息披露能夠讓投資者有更穩定的前瞻性預期。Abrahamson和Amir（1996）研究發現，上市公司管理層會在當前的信息披露中提供更多有關未來的增量信息來克服信息不對稱問題。當期披露更多的數據資產信息，減弱了未來實際發生時對個股的沖擊（Dasgupta等，2010），增加了當前股價中的未來信息含量。從信息經濟學的信號傳遞理論出發，信息透明度的提升有效降低了投資者獲取和加工信息的成本，能幫助投資者判斷企業的發展前景，加速特質信息的傳播，減弱噪音信息的干擾，從而提高股價同步性。

基于信息吸收視角，數據資產信息披露能夠吸引市場信息中介解讀和傳播信息，幫助投資者充分吸收企業公開信息并指導決策，從而加速特質信息融入股價，提高股價同步性。一方面，數據資產信息披露能夠吸引分析師發布研究報告，為投資者帶來依托特質信息的決策參考。企業數據資產的應用日益普遍，能夠給企業帶來巨大的經濟利益，使得數據資產信息的價值相關性提升（苑澤明等，2022），分析師作為對信息具有高度敏感性的信息中介，能夠充分認識到數據資產信息對于完善企業估值的作用，因而為了減少預測誤差，分析師會著重分析數據資產信息披露水平較高的企業，對信息進行充分解讀（危雁麟等，2022），從而提供客觀專業的投資決策風向標，加速了股價對特質信息的吸收。另一方面，數據資產信息披露能夠吸引媒體發布新聞報道，為投資者帶來通俗易懂的特質信息解讀。數據資產的積累與數字經濟時代的政策導向相契合，披露較多數據資產信息的企業往往會吸引到更多的媒體關注，且媒體在日趨嚴峻的競爭環境下，會花費更多精力調查、收集、解讀和傳播來自管理者、分析師等不同渠道的信息，從而提供更為中立、可靠的報道，提升信息的可見性和可理解性，進一步減少投資者的信息搜集成本。分析師和媒體等信息中介對數據資產信息的充分解讀能夠提升公司信息披露有用性（Liu和Mcconnell，2013），減少投資者的機會主義行為，降低受噪音影響的個股異質性波動，提高企業股價同步性水平。

基于以上分析，本文提出H1：數據資產信息披露水平與公司股價同步性呈正相關關系。

（二）產品市場競爭程度的影響

產品市場競爭的激烈程度會影響數據資產信息的披露程度，從而影響其對股價同步性進行降噪的效果。在激烈的市場競爭環境中，上市公司數據資產信息披露決策必須權衡披露收益和披露成本，差異化的信息披露可以將企業自身與競爭對手區別開來，為企業籌措資金和吸引人才帶來便利；然而，數據資產信息披露也會因向現有和潛在競爭者泄露核心競爭力信息，帶來高昂的信息專有成本，損害公司價值。

從披露收益角度來看，激烈的產品市場競爭可以提高信息披露的水平與質量，積極的信息披露能夠傳遞利好消息以獲取競爭優勢（任宏達和王琨，2019）。信號傳遞理論認為，企業通常掌握更多的私有信息，內部管理者存在強烈的動機將自身的優勢信號傳遞給利益相關者，吸引其了解企業并做出合理決策（Akerlof，1970）。具體來說，一方面，產品市場競爭較激烈時，企業面臨的競爭者“捕食”威脅更大，甚至會使企業面臨破產清算的窘境，損害高管的聲譽和社會形象，數字經濟時代下在企業維系自身聲譽以及“適者生存\"法則的約束下，上市公司為了傳遞其公司價值和公司治理水平高于同行業競爭者這一信號，會積極披露與時代發展相契合的數據資產信息，傳遞利好消息，樹立企業形象，使得企業在市場競爭中獲得競爭優勢。另一方面，由于數據資產建設方面對資金的需求較大，處于激烈競爭環境中的企業更希望通過信息披露獲得融資的優勢與便利，所以對于產品市場競爭激烈的企業，其數據資產信息披露質量可能會更高（王雄元和劉焱，2008）。因此，在產品市場競爭程度更高的環境中，數據資產信息披露的水平與質量更高，數據資產信息披露對股價同步性的降噪作用會更加明顯。

基于以上分析，本文提出 ：限定其他條件，產品市場競爭程度越高，數據資產信息披露水平對股價同步性的提升作用越顯著。

從披露成本角度來看，伴隨著市場競爭激烈程度的不斷提升，企業面臨的數據資產信息專有成本也愈發高昂（周澤將等，2022）。專有成本理論認為，披露專有信息可能會被競爭對手獲取并加以利用，給企業帶來額外的專有成本，對公司價值產生不利影響（Verrecchia，

1983）。具體來說，一方面，專有成本較高的產品市場競爭環境會帶來“模仿效應”，數據資產是企業獲取競爭優勢的關鍵資源，企業數據資產的類別、規模、運作方式等動態信息無疑會受到競爭對手的關注。盡管數據資產的構建依托數據戰略、數據基礎設施以及數據人才，形成過程具有復雜性，相對而言難以模仿，但隨著時間的推移，競爭對手可以根據公開披露的數據資產相關信息模仿出具有相似或替代功能的生產要素，對披露企業的既有優勢和競爭地位產生掠奪性威脅（Bernard等，2018）。另一方面，作為抵制競爭的手段，市場競爭越激烈，信息披露的專有成本越高，企業越缺乏主動向市場輸出數據資產相關信息的意愿，而是會降低數據資產信息的透明度，從而限制數據資產信息外流產生的利他效應（Shleifer，2004）。因此，在產品市場競爭程度更低的環境中，信息專有成本更低，數據資產信息披露對股價同步性的降噪作用會更加明顯。

基于以上分析，本文提出H2b：限定其他條件，產品市場競爭程度越低，數據資產信息披露水平對股價同步性的提升作用越顯著。

四、研究設計

（一）樣本選擇與數據來源

本文以 2 0 1 1 ～ 2 0 2 1 年我國滬深A股上市公司為初始研究樣本，通過構建文本挖掘詞典測度企業數據資產信息披露指標，檢驗數據資產信息披露對上市公司股價同步性的影響。在樣本數據方面，數據資產信息披露頻率、年度報告詞頻統計數據以及年度報告可讀性指數來源于WinGo（文構）文本數據庫，其他變量數據均取自CSMAR數據庫和WIND數據庫。在獲取數據的基礎上，本文對樣本進行了如下處理：剔除個股年度交易周數小于30周的樣本；剔除當年交易狀態為ST的上市公司；剔除數據缺失樣本。最終獲得的樣本包括18617個公司年度觀察值。為避免極端異常值的影響，本文對所有連續變量在1 % 和 9 9 % 分位上進行了縮尾處理。

（二）變量設定

1.被解釋變量：股價同步性。參考Chan和Chan（2014）與傅傳銳等（2020）的做法，本文根據個股周收益率數據計算股價同步性。具體過程如模型（1）、（2）所示：

（1）

首先，構建模型（1）進行估計。根據中國證監會發布的《上市公司行業分類指引》（2012年修訂），計算得到企業年度擬合優度 。 表示個股i在第w周的股票

·70·財會月刊2025.09

收益率； 和 分別表示公司在第w周和第w-1周考慮現金紅利再投資的市場平均收益率； 和 分別表示第w周和第 周所在行業I剔除個股j后的行業平均收益率， 為隨機誤差項。其次，利用模型（2）對計算得出的 進行對數化處理， 即為個股i在t年的股價同步性指標。

2.解釋變量：數據資產信息披露。數據資產作為企業核心競爭力的重要體現，企業已在財務報告中以文字形式對其進行自愿性信息披露，而文本分析詞頻是度量概念的重要方式（胡楠等，2020）。因此，本文以WinGo財經文本數據平臺為數據來源，借鑒危雁麟等（2022）所采用的文本挖掘方法，計算數據資產相關詞匯總詞頻在年報文本總詞頻中的占比，構建數據資產信息披露指標，衡量上市公司數據資產信息披露水平。

具體指標構建過程如下：首先，囿于數據資產在數據庫中并未成為固定種子詞匯，基于中國信息通信研究院發布的《數據資產管理實踐白皮書（4.0版）》中“數據資產就是有價值的數據資源\"的觀點，將“數據資產”與“數據資源”視為同源詞，并將“數據資源”作為種子詞匯。其次，通過Word2Vec機器學習技術獲取在財經語境下代表數據資產的擴充詞集，然后基于財經專業類文本的分詞系統技術，通過自然語言處理和文本分析計算出所有詞集的詞頻和相似度。在此基礎上，僅保留相似度大于0.5的相似詞，最終獲得26個相似詞。最后，以相似度為權重，將詞典中對應詞匯的詞頻進行加總，并計算其占年度報告總詞頻的比例，由于這類數據具有典型的“右偏性”特征，故本文對其進行對數化處理，從而得到數據資產信息披露的代理變量。具體計算如模型（3）所示：

其中： 表示個股i在第t年的數據資產信息披露水平， 表示個股i第 個相似詞在第t年出現的頻率， 表示第 個相似詞與種子詞匯的相似度，To- 表示個股i第t年年度報告的總詞頻（排除英文和數字），考慮到分子分母絕對值相差過大，故將結果擴大100倍。

3.控制變量。本文參考Chan和Chan（2014）、孫穎和陳思霞（2021）的研究，在回歸中納入如下控制變量：公司規模（SIZE）、資產負債率（LEV）、資產收益率（ROA）、無形資產（INTANGIBLE）、總資產周轉率（TO）、董事會規模（BOARD）、第一大股東持股比例（FIRST）、文本可讀性（READ）、兩職合一（DUAL）、上市年齡（AGE）、換手率（TURNOVER）和產權性質（SOE）。此外，本文還分別控制了年度（YEAR）及行業（IND）虛擬變量。具體定義見表1。

（三）模型設定

為驗證H1即數據資產信息披露與股價同步性之間的關系，本文構建了模型（4）：

（4）

其中，解釋變量為數據資產信息披露（DATFRE），被解釋變量為股價同步性（SYNCH），由于數據資產信息披露傳遞至股價變動存在一定時滯，且為減輕反向因果的內生性干擾問題，本文使用的是 期的股價同步性，Controls表示前文所述的控制變量。本文設置了行業（IND）和年度（YEAR）啞變量，ε為隨機誤差項。此外，為消除可能存在的異方差問題，所有回歸均進行了基于公司層面的聚類（cluster）處理。根據H1，本文預期模型中的系數α1顯著為正。

為驗證H2a和H2b，本文以產品市場競爭程度（MC）分行業和年度的中位數作為分組指標，將全樣本劃分為產品市場競爭程度高組（MC小于中位數）與產品市場競爭程度低組（MC大于中位數），然后進行分組討論。如若在產品市場競爭程度低的組別中顯著，則驗證了H2b，反之，則H2a成立。

五、實證分析

（一）描述性統計

表2報告了主要變量的描述性統計結果。 的均值為0.461，與已有文獻（Morck等，2000；傅傳銳等，2020）的研究結果較為接近。SYNCH根據 計算得出，其均值為-0.189，最小值為-2.400，最大值為1.513，表明上市公司股價同步性的差異較大。數據資產信息披露（DAT-FRE）的均值為0.004，最小值為0，最大值為0.081，而危雁麟等（2022）研究中報告的 年該指標均值為0.002，可見近些年上市公司的數據資產信息披露水平明顯提升，但不同公司之間數據資產信息披露水平仍存在較大差異。此外，控制變量的平均值和中位數分布比較合理，與先前研究基本一致。

（二）基準回歸檢驗結果

本文采用遞進式回歸策略對數據資產信息披露與股價同步性之間的基本關系進行檢驗，結果見表3第（1）＼～第（3）列。單獨使用核心變量回歸時，第（1）列中數據資產信息披露與股價同步性的系數為3.020，在 1 % 的水平上顯著；在控制時間和行業固定效應后，第（2）列的結果仍然在 1 % 的水平上顯著；第（3）列在納入控制變量集進行回歸后，DATFRE的系數為1.629，同樣在 1 % 的水平上顯著。此外，在遞進式回歸的過程中數據資產信息披露的系數依次在減小，這可能是因為模型在加入控制變量之后，部分影響股價同步性的因素被吸收了，但顯著性均保持不變。綜上，企業通過披露數據資產信息，減少了股價在噪音影響下的波動，提高了股價同步性，二者呈現出顯著的正相關關系，H1得到驗證。

（三）產品市場競爭程度的影響

本文進一步討論在不同產品市場競爭程度情境下，數據資產信息披露與股價同步性的正相關關系有何差異。借鑒周澤將等（2022）的研究，本文采用赫芬達爾指數來衡量產品市場競爭程度（MC），赫芬達爾指數是根據行業內各公司的營業收入占行業總營業收入比重的平方和計算而得，該指數越小，表明一個產業相同規模的公司越多，產品市場競爭程度越激烈。表3第（4）、（5）列顯示，在產品市場競爭程度較低的地區，數據資產信息披露與股價同步性的系數在 1 % 的水平上顯著為正，而在產品市場競爭程度較高的地區，二者的正向關系并不顯著。由此可見，當產品市場競爭程度較低、數據資產信息披露產生的專有成本較少時，數據資產信息披露對股價同步性的降噪作用更為凸顯，H2b得以驗證。

（四）穩健性與內生性檢驗

為保證研究結論的可靠性，本文從以下方面進行穩健性檢驗（限于篇幅，穩健性和內生性檢驗的回歸結果均未列示，留存備索）。一是變更股價同步性的度量方式。

本文借鑒王亞平等（2009）的研究，僅考慮同期市場收益率和行業收益率的影響，重新計算個股的年度擬合優度R2和股價同步性指標，依據前文方法重新進行回歸。二是變更數據資產信息披露的度量方式。前文將對應詞的精確詞頻與相似度相乘并求和，利用其占年報文本總詞頻的比重度量數據資產信息披露，此外還可以借鑒胡楠等（2020）的方法，直接將對應詞的詞頻總和作為分子，計算數據資產信息披露水平，并重新進行回歸。三是變更產品市場競爭程度的度量方式。參考陳志斌和王詩雨（2015）的研究，通過個股勒納指數重新衡量產品市場競爭程度，個股勒納指數 （營業收入-營業成本-銷售費用-管理費用）/營業收入，該指數越大，說明企業在其所處行業內的競爭力越強，面臨的市場競爭程度越低。四是排除股市異常波動的影響。金融市場重大沖擊或波動會傳導至微觀個體企業，可能會對公司股票價格波動造成一定影響。在本研究的樣本期內，2015年的股市異常波動可能會導致結果產生偏誤，因此本文排除2015年的樣本后重新進行回歸。前述回歸結果均與之前的研究結論保持一致。

為了進一步緩解可能存在的內生性問題，本文進行以下內生性檢驗：一是采用工具變量法。借鑒江軒宇和林莉（2022）選取工具變量的思路，使用剔除本公司后的數據資產信息披露分年度、行業平均值（DAT_IND）作為工具變量，進行兩階段最小二乘估計。上市公司數據資產信息披露會受到同行業內其他公司的影響，但行業平均數據資產信息披露水平并不會對該公司的股價同步性造成影響，因此滿足工具變量選取標準。二是采用固定效應模型。為了將可能會對股價同步性產生影響而不隨時間變化的企業特征因素納入模型，即克服遺漏變量帶來的內生性干擾，本文采用個體固定效應模型重新進行回歸。三是采用傾向得分匹配法。企業進行數據資產信息披露與否可能并非隨機分配，而是由個體自選擇的結果，為解決因控制變量在不同樣本間存在系統性差異所引致的內生性問題，本文采用傾向得分匹配法進行內生性檢驗。本文先按有、無數據資產信息披露將樣本劃分為處理組和對照組，繼而以所有控制變量作為協變量，使用logit回歸模型進行1：1近鄰匹配，利用匹配后的樣本進行重新回歸。前述回歸結果均與前文保持一致。

六、進一步研究

（一）作用機制分析

本文進一步考察數據資產信息披露與企業股價同步性之間的作用機制。根據前文的理論分析，數據資產信息披露對公司股價同步性產生正向影響的主要路徑在于：一方面，基于信息釋放效應，數據資產信息披露提升了市場中的特質信息含量，減少了噪音交易行為，從而提高了股價同步性；另一方面，基于信息吸收效應，數據資產信息披露吸引分析師、媒體等信息中介解讀信息，促進私有信息融入股價，從而提高了股價同步性。借鑒江艇（2022）的做法，本文構建模型（5），以MED作為中介變量，實證檢驗數據資產信息披露對信息釋放和信息吸收的影響，識別其提高股價同步性的作用機制。

MED +βDATFRE+βControls+∑YEAR+∑IND+ （5）

8

其中，MED為中介變量。

針對信息釋放效應，本文將KV指數（KV）和分析師預測分歧度（FDISP）作為特質信息含量的代理變量，對信息釋放效應進行檢驗。一是參考周開國等（2011）的研究，KV指數即股票交易量對收益率的影響系數，通過反映市場對交易量信息的依賴繼而反映公司信息披露程度，KV指數（KV）越高，表明市場更依賴交易量而非企業披露的信息，即上市公司信息披露質量越低。二是參考王化成等（2017）的研究，分析師預測的離散程度會隨著市場上公開信息的增加而降低，使分析師的預測結果更加趨于一致，因此分析師預測分歧度（FDISP）能夠在一定程度上反映企業信息披露水平。結果見表4第（1）、（2）列，結果顯示數據資產信息披露對KV指數（KV）和分析師預測分歧度（FDISP）的相關系數均顯著為負，即表明數據資產信息披露能夠向市場中釋放特質信息，提高市場中的信息含量。

針對信息吸收效應，將分析師關注（ATTENTION）和媒體關注（MEDIA）作為因變量對信息吸收效應進行檢驗。一是借鑒危雁麟等（2022）的做法，將一年內對公司進行過跟蹤分析的分析師人數加1取自然對數，用來衡量分析師關注（ATTENTION）。二是借鑒胡國強等（2020）的研究，將公司年度報紙、刊物等紙質媒體和網絡媒體報道總數加1取自然對數，用來刻畫媒體關注（MEDIA）。結果見表4第（3）、（4）列，結果顯示數據資產信息披露對分析師關注（ATTENTION）和媒體關注（MEDIA）的影響系數均顯著為正，即表明數據資產信息披露能夠促進特質信息融入股價，減少噪音交易行為。

（二）基于外部環境異質性的考察

在不同的外部環境中，上市公司數據資產信息披露對股價同步性的影響可能產生非對稱效應。本文將從地理區位條件、網絡基礎設施水平、資本市場發展水平和法治環境發展水平四個角度展開異質性分析。

1.地理區位條件。參考國家統計局關于經濟區域的劃分，本文將企業注冊地所在地理區位劃分為西部地區、中部地區和東部地區，回歸結果如表5第（1）、（2）列所示。結果顯示，東部地區企業的數據資產信息披露對股價同步性具有顯著的促進作用，而對于中西部地區的企業，這一作用并不顯著。這主要是因為東部地區數字化發展較早，城市數字經濟競爭力整體水平較高，數據資產化程度較中西部地區高，企業數據資產信息披露水平也相對較高，從而能夠向資本市場釋放更多的公司層面私有信息。此外，相較于中西部地區的上市公司，東部地區市場化程度較高，區域內的上市公司也更受投資者青睞，資本市場效率較高，信息能夠更好地融入股價，減少噪音交易，因此東部地區數據資產信息披露對股價同步性的影響程度更高。

2.網絡基礎設施水平。參考薛成等（2020）的做法，根據是否人選“寬帶中國”示范城市衡量地區網絡基礎設施水平，將屬于“寬帶中國\"示范城市名單的城市列為網絡基礎設施水平較高的地區，反之為網絡基礎設施水平較低的地區，回歸結果如表5第（3）、（4）列所示。結果顯示，在網絡基礎設施水平較高的地區，數據資產信息披露對股價同步性具有顯著的促進作用，而在網絡基礎設施水平低的組別中這一影響不顯著。這是因為“寬帶中國”戰略實施推進了城市寬帶網絡發展以及數字化發展水平的跨越式提升，示范城市中的企業數據資產發展環境不斷向好，對數據資產信息等特質信息的披露意愿也更為強烈，私有信息的披露將減弱噪音交易的影響，從而提升股價同步性。

3.資本市場發展水平。我國幅員遼闊，資本市場存在著嚴重的區域非均衡發展狀態。借鑒熊艷（2018）的處理方式，使用當年各地上市公司的年末市值總額與區域GDP的比值衡量當地資本市場發展水平，將處于平均數以上的省份稱為資本市場發展水平高的地區，反之為資本市場發展水平低的地區，回歸結果如表5第（5）、（6）列所示。結果顯示，位于資本市場發展水平高的地區的企業數據資產信息披露對股價同步性具有顯著促進作用，而在資本市場發展水平低的地區的企業中，這一作用并不顯著。這主要是因為若資本市場效率較高，當企業披露較多的數據資產信息時，很容易在外界形成積極反饋，融入股價中，減少噪音交易。但是，在資本市場發展水平

的影響，以及在不同產品市場競爭程度下的差異。研究發現：數據資產信息披露能夠提高股價同步性，該結論在經過內生性和穩健性檢驗后依然成立。當產品市場競爭程度更低時，信息專有成本更低，數據資產信息披露對股價同步性的降

較低的地區，企業即使披露了數據資產相關信息，也難以傳遞至股價中，難以促進股價同步性的提升。

4.法治環境發展水平。區域的法治環境深度影響著上市公司會計信息披露質量。本文基于王小魯等的《中國分省份市場化指數報告（2018）》獲得各地區法治環境數據，將處于中位數以上的省份稱為法治環境發展水平高的地區，反之則為法治環境發展水平低的地區，回歸結果如表5第（7）、（8）列所示。結果顯示，位于法治環境發展水平高的地區的企業數據資產信息披露對股價同步性具有顯著促進作用，而在法治環境發展水平低的地區的企業中，這一作用并不顯著。這主要是因為在法治環境較好的地區，司法訴訟效率、公民守法和依法維權的自覺性均較高，經理人有更強的動機進行自愿性信息披露，而在法治環境較差的地區，法律體系較為薄弱，監管存在漏洞，企業信息披露的違法違規成本較低。

七、結論與建議

本文以 2 0 1 1 ～ 2 0 2 1 年我國A股上市公司為樣本，立足非理性行為觀，探討數據資產信息披露對股價同步性噪作用會更加明顯。進一步研究發現，數據資產信息披露的確通過促進信息釋放和信息吸收來發揮作用，且促進作用在東部地區、網絡基礎設施水平高、資本市場發展水平高以及法治環境好的公司中尤為顯著。

根據上述研究結論，可以得到如下對策建議：第一，建立數據資產管理平臺，實現多源異構數據的存儲、結構化處理與分類歸集，生成企業級數據資產地圖，提高數據資產信息披露的及時性、準確性和完整性，以便其通過信息釋放和信息吸收來影響投資者的投資決策，疏通信息傳遞過程中的“堵點”，減弱信息不對稱帶來的股價噪音波動。第二，加快數據資產信息披露制度建設，明確企業數據資產披露范圍，規范數據資產相關術語，對信息披露的自由裁量權進行約束，提升數據資產信息的可理解性和可比性，同時要統籌推進數據產權、安全治理、收益分配、數據價值評估等方面的基礎制度建設。第三，加強知識產權保護制度建設。數據資產信息能夠體現企業核心競爭力以及盈利方式，具有較高的專有成本。充分保護數據知識產權及財產權，能夠減少企業披露數據資產信息的后顧之憂。

【主要參考文獻】

蔡棟梁，劉敏，鄒亞輝等.稅收征管與股價同步性一一基于制度背景的研究[J].南開管理評論，2022（3）：160～171.

陳志斌，王詩雨.產品市場競爭對企業現金流風險影響研究一一基于行業競爭程度和企業競爭地位的雙重考量[J].中國工業經濟，2015（3）：96～108.

傅傳銳，林愛賢，王焰輝.智力資本信息披露如何影響股價同步性？一一來自我國高科技上市公司的經驗證據[J].財貿研究，2020（11）：77～96.

江艇.因果推斷經驗研究中的中介效應與調節效應[J].中國工業經濟，2022（5）：100～120.

江軒宇，林莉.會計信息可比性與勞動收入份額[J].金融研究，2022（4）：57～76.

王亞平，劉慧龍，吳聯生.信息透明度、機構投資者與股價同步性[J].金融研究，2009（12）：162～174.

危雁麟，張俊瑞，汪方軍等.數據資產信息披露與分析師盈余預測關系研究—基于文本分析的經驗證據[J].管理工程學報，2022（5）：130～141.

許年行，洪濤，吳世農等.信息傳遞模式、投資者心理偏差與股價“同漲同跌\"現象[J].經濟研究，2011（4）：135～146.

苑澤明，于翔，李萌.數據資產信息披露、機構投資者異質性與企業價值[J].現代財經（天津財經大學學報），2022（11）：32～47.

張俊瑞，危雁麟.數據資產會計：現狀、規制與展望[J].財會月刊，2023（12）：3～11.

張俊瑞，危雁麟，宋曉悅.企業數據資產的會計處理及信息列報研究[J].會計與經濟研究，2020（3）：3～15.

張淑惠，周美瓊，吳雪勤.年報文本風險信息披露與股價同步性[J].現代財經（天津財經大學學報），2021（2）：62～78.

朱琳，陳妍羽，伊志宏.分析師報告負面信息披露與股價特質性波動——基于文本分析的研究[J].南開管理評論，2023（3）：75～87.

（責任編輯·校對：劉鈺瑩許春玲）