彭俞超等 | 企业数字化转型、预判性信息披露与股价暴跌风险
点击图片订阅
作 者 彭俞超 王南萱 顾雷雷
内容提要 在数字经济发展热潮下，资本市场对企业数字化转型的热情与憧憬是否酝酿了股价泡沫？年报中的数字化信息披露是否导致未来股价暴跌风险提高？基于2012—2019年A股上市公司的年报文本和财务数据，本文采用自然语言处理中的依存句法分析，创新性地将年报中的数字化相关信息划分为与宏观环境和未来展望相关的预判性内容，以及反映过去数字化行为的行动性内容。实证结果发现，上市公司披露的数字化相关信息将提高未来股价暴跌风险，并且该影响主要体现在预判性数字化信息披露上。进一步研究表明，普通投资者受从众心理影响，盲目追捧“数字化”相关概念，对预判性内容中的数字化信息过度反应、错误预期，是引发股价暴涨暴跌的主要原因。而这种不加甄别的高度关注显著降低了股价信息含量，加剧了股市同涨同跌，并且其引发的股票市值上涨也难以维持。本文的政策建议是，要加强投资者教育，防范市场过度反应，在经济数字化转型中维护金融市场稳定，更好地促进传统产业转型升级。
关键词 企业数字化转型 股价暴跌风险 信息披露
作者简介
彭俞超，中央财经大学金融学院副教授，100081；
王南萱，中央财经大学金融学院硕博连读研究生，100081；
顾雷雷（通讯作者），中央财经大学商学院副教授，100081。
刊 期 《财贸经济》2023年第5期
近年来，企业数字化发展作为引领经济新增长、深化供给侧结构改革的重要内容，备受学界和政府的关注。大量研究发现，应用数字技术有助于企业提高组织能力和绩效水平，降低委托代理成本，促进专业化分工，并激发了创新活力。然而，在数字经济发展热潮下，资本市场对企业数字化转型的热情与憧憬是否酝酿了股价泡沫？
事实上，早在20世纪末，非理性繁荣催生了美国股市的“互联网泡沫”。近年来，伴随着党和国家陆续出台了一系列相关政策引导“产业数字化”，传统实体企业的数字化转型受到市场的广泛关注。然而，市场的高度关注并不必然造成股价泡沫，Drake等（2012）研究表明投资者的高关注有利于私人信息传递到股价中，带来股价信息含量的提高，而股价信息含量越高的公司，异质性信息越能得到充分反映，股价崩盘风险越小（Hutton等，2009）。因此，投资者是关注个股异质信息，还是受宏观环境干扰盲目追捧数字化概念，决定了股价中是否存在泡沫。
基于2012—2019年A股上市公司的年报文本和财务数据，本文采用自然语言处理中的依存句法分析，创新性地将年报中的数字化相关信息划分为与宏观环境和未来展望相关的预判性内容，以及反映过去数字化行为的行动性内容。分析结果表明，上市公司数字化信息披露显著提高了下一年的股价崩盘风险，而这一效应主要体现在预判性数字化信息披露上，在行动性内容中披露已完成的转型结果不会引发股价暴涨暴跌。为克服反向因果的内生性问题，我们借助2015年颁布的《促进大数据发展行动纲要》，将政策冲击作为工具变量对模型进行重新估计，结论与基准模型一致。进一步研究发现，企业在预判性内容中披露的数字化信息引起了普通投资者的广泛关注和乐观情绪，然而这部分信息披露显著降低了股价信息含量。上述结果说明普通投资者是受从众心理影响，产生对“数字化”概念的盲目追捧，而非关注企业的转型行为本身，投资者的非理性反应和错误预期是导致股价崩盘风险提高的主要原因。
我国政府长期呼吁要着力构建高质量发展的资本市场，而相对成熟的投资者也是高质量资本市场的重要组成。在投资者对信息甄别不足，盲目投资、蜂拥而上的情况下，我国政府倡导并颁布的各种转型发展的政策，都可能经本文所发现的渠道导致金融市场风险上升。金融稳定是发挥金融市场融资功能的重要前提，而投资者对信息的充分甄别是保持金融稳定的重要因素。在经济数字化转型的背景下，规范信息披露，加强投资者教育，将能够有效防范上市公司数字化信息披露导致的股价崩盘风险。
本文的边际贡献主要体现在以下几个方面：第一，本文采用自然语言处理中的依存句法分析，创新性地划分了上市公司的预判性和行动性数字化信息披露，并详细辨析了两部分信息的实质内涵，指出行动性数字化信息披露更能表征企业已落实的数字化转型程度，而预判性内容中的数字化信息披露与数字经济的整体发展情况、国家政策倡导等宏观因素更为相关；第二，不同于已有文献大多强调企业数字化转型的积极作用，本文揭示了资本市场可能存在由“数字化”热潮引发的股价泡沫，发现在投资者非理性、缺乏甄别能力的情况下，上市公司的数字化披露行为可能导致金融市场风险；第三，有别于过往文献用管理层隐藏负面消息来解释股价暴跌的原因（Jin和Myers，2006；Hutton 等，2009），本文从投资者的视角出发，辨析了投资者对信息的关注类型，提出只有在投资者受从众心理或宏观环境的干扰，产生对“数字化”概念的盲目追捧而不关注异质信息时，才会引发股价暴涨暴跌。
最后，需要承认的是，简单词频统计测度企业数字化转型程度是较为粗浅且存在度量误差的。近年来，计算机领域的自然语言处理（Natural Language Processing，NLP）涌现了大量新方法和新技术，主要分为基于规则和基于统计的两大门派。本文尝试性地采用了基于规则的“依存句法分析”对内容进行划分，这一方法具有较高的识别能力，可以为进一步的语义分析引入结构化信息，提供强先验与强约束。此外，一些基于深度学习的方法也展现出更高的性能，例如预训练的语言表征模型等。然而，目前在国内经济学和金融学的研究中，相关的应用仍较为有限。未来如何更好地将自然语言处理方法应用于经济学分析，仍然有待于探索，期待更多基于更先进方法的文章对我国数字经济发展展开严谨而深入的研究。
欢迎关注
往期回顾 | 点击查看
2023年第1期目录摘要
2023年第2期目录摘要2023年第3期目录摘要2023年第4期目录摘要2023年第5期目录摘要
征订信息
微店订阅
银行汇款
户 名：社会科学文献出版社
开户行：工行北京北太平庄支行
账 号：0200010019200365434
备注:请在汇款留言栏注明刊名、订期、数量，并写明收件人姓名、详细地址、邮编、联系方式，或者可以致电我们进行信息登记。
联系方式
订阅热线：010-59366555
合作热线：010-59366565
传 真：010-59366566