數(shù)字化轉(zhuǎn)型能改善企業(yè)信息披露質(zhì)量嗎?
——基于管理層業(yè)績(jī)預(yù)告視角的經(jīng)驗(yàn)證據(jù)

萬(wàn)清清, 孫光國(guó)

(東北財(cái)經(jīng)大學(xué) 會(huì)計(jì)學(xué)院,遼寧 大連 116025)

0 引言

作為一種具有顛覆性創(chuàng)新特質(zhì)的技術(shù)變革,數(shù)字化改變了企業(yè)傳統(tǒng)的運(yùn)營(yíng)管理模式和價(jià)值創(chuàng)造的邏輯,數(shù)字化轉(zhuǎn)型已經(jīng)成為微觀經(jīng)濟(jì)主體高質(zhì)量發(fā)展的必由之路[1]。黨的十九屆四中全會(huì)將數(shù)據(jù)確認(rèn)為第七種生產(chǎn)要素,這充分反映了數(shù)據(jù)在當(dāng)前經(jīng)濟(jì)社會(huì)發(fā)展中的重要地位。在數(shù)字化浪潮的引領(lǐng)之下,越來(lái)越多的企業(yè)將數(shù)字技術(shù)應(yīng)用到日常采購(gòu)、生產(chǎn)、銷(xiāo)售等運(yùn)營(yíng)管理環(huán)節(jié)的過(guò)程中。企業(yè)通過(guò)數(shù)字化轉(zhuǎn)型來(lái)及時(shí)精準(zhǔn)地獲取和處理各個(gè)環(huán)節(jié)所產(chǎn)生的信息,重塑管理思維和模式[2],推動(dòng)產(chǎn)業(yè)升級(jí)和經(jīng)濟(jì)高質(zhì)量發(fā)展。

數(shù)字化轉(zhuǎn)型促進(jìn)了數(shù)字科技與生產(chǎn)發(fā)展的深度融合,受到了學(xué)術(shù)界的廣泛關(guān)注。數(shù)字技術(shù)能夠在企業(yè)的生產(chǎn)管理、營(yíng)銷(xiāo)管理、經(jīng)營(yíng)環(huán)境以及經(jīng)營(yíng)決策等方面發(fā)揮其優(yōu)勢(shì)。例如傳感器和無(wú)線技術(shù)能夠捕獲生產(chǎn)環(huán)節(jié)中的各種數(shù)據(jù),再傳遞回智能設(shè)備以指導(dǎo)生產(chǎn)[3]。3D打印技術(shù)提高了企業(yè)產(chǎn)品設(shè)計(jì)能力,縮短了產(chǎn)品從設(shè)計(jì)到投產(chǎn)的時(shí)間,提高了效率[2]。機(jī)器學(xué)習(xí)能夠?qū)崿F(xiàn)預(yù)測(cè)分析功能,將機(jī)器學(xué)習(xí)引入企業(yè)運(yùn)營(yíng)管理,企業(yè)能有效地制定經(jīng)營(yíng)決策[4]。物聯(lián)網(wǎng)技術(shù)能夠改變企業(yè)傳統(tǒng)的生產(chǎn)經(jīng)營(yíng)方式,企業(yè)的組織結(jié)構(gòu)也會(huì)發(fā)生變革,從而提升企業(yè)的經(jīng)營(yíng)效率[5]。大數(shù)據(jù)技術(shù)采用分布式架構(gòu),對(duì)海量數(shù)據(jù)進(jìn)行分布式數(shù)據(jù)挖掘并進(jìn)行專業(yè)化處理[6]。信息效應(yīng)是數(shù)字化轉(zhuǎn)型給企業(yè)帶來(lái)的最直接影響,也是提升企業(yè)價(jià)值的有效路徑。數(shù)字化技術(shù)在企業(yè)中的應(yīng)用可以提升信息采集和處理效率,最大限度的利用經(jīng)營(yíng)流程中沉淀的海量信息,為企業(yè)的經(jīng)營(yíng)決策和信息披露提供數(shù)字支撐。鑒于此,本文從管理層業(yè)績(jī)預(yù)告的視角考察了企業(yè)數(shù)字化轉(zhuǎn)型的信息治理效應(yīng)。

本文的邊際貢獻(xiàn)主要體現(xiàn)在以下三個(gè)方面:第一,以管理層業(yè)績(jī)預(yù)告為切入點(diǎn),揭示了數(shù)字化轉(zhuǎn)型提升企業(yè)信息披露質(zhì)量的機(jī)制,豐富了數(shù)字化轉(zhuǎn)型的文獻(xiàn)體系。第二,從業(yè)務(wù)復(fù)雜度的角度出發(fā),發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型可以緩解業(yè)務(wù)復(fù)雜度所造成的信息不對(duì)稱,為改善企業(yè)信息披露質(zhì)量提供了有益的啟示。第三,為政府制定數(shù)字化推廣和資本市場(chǎng)高質(zhì)量發(fā)展相關(guān)政策提供重要的理論啟示。

1 理論分析與研究假設(shè)

企業(yè)數(shù)字化轉(zhuǎn)型主要從兩個(gè)方面影響管理層對(duì)業(yè)績(jī)預(yù)告的披露質(zhì)量。一方面,數(shù)字化技術(shù)的應(yīng)用能夠提升企業(yè)的信息獲取能力。企業(yè)日常經(jīng)營(yíng)管理的每個(gè)環(huán)節(jié)都會(huì)產(chǎn)生大量的數(shù)據(jù)信息,但這些數(shù)據(jù)信息無(wú)法得到充分的交流和管理,導(dǎo)致部分有價(jià)值的信息流失[7]。數(shù)字化轉(zhuǎn)型可以打破企業(yè)內(nèi)部的信息孤島,有助于提升企業(yè)內(nèi)部信息收集和交流的效率[8],為管理層發(fā)布業(yè)績(jī)預(yù)告提供原始信息支持。隨著產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)的加劇,越來(lái)越多的上市公司追求多元化發(fā)展,擁有眾多的子公司和多元的產(chǎn)品結(jié)構(gòu)。企業(yè)業(yè)務(wù)復(fù)雜度會(huì)增加信息流轉(zhuǎn)的環(huán)節(jié),進(jìn)而提高信息流失的可能性,導(dǎo)致企業(yè)信息披露質(zhì)量下降[9]。而數(shù)字化技術(shù)的優(yōu)勢(shì)就在于能夠更加系統(tǒng)、精準(zhǔn)地捕捉企業(yè)生產(chǎn)管理過(guò)程中的一切數(shù)據(jù)和信息,進(jìn)而有助于管理層全面掌握企業(yè)各個(gè)方面的信息,為后續(xù)發(fā)布業(yè)績(jī)預(yù)告提供信息資料。另一方面,數(shù)字化技術(shù)的應(yīng)用能夠提升企業(yè)的信息處理能力。企業(yè)在全流程各環(huán)節(jié)積累了海量的低效模式的數(shù)據(jù)信息,這些數(shù)據(jù)信息的價(jià)值難以被企業(yè)有效挖掘[6]。數(shù)字化技術(shù)能夠?qū)⑵髽I(yè)內(nèi)部的海量、非標(biāo)準(zhǔn)化和非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為標(biāo)準(zhǔn)化和結(jié)構(gòu)化的信息,提升沉淀信息的利用度,促進(jìn)信息在企業(yè)內(nèi)部的流動(dòng)和共享[10]。例如,大數(shù)據(jù)技術(shù)采用分布式架構(gòu)對(duì)海量數(shù)據(jù)進(jìn)行挖掘和專業(yè)化處理,提高數(shù)據(jù)的可讀性[6]。因此,數(shù)字化技術(shù)可以幫助企業(yè)更加高效快速地處理海量、非標(biāo)準(zhǔn)化和非結(jié)構(gòu)化數(shù)據(jù)信息,提升內(nèi)部信息的處理效率,從而發(fā)布更加及時(shí)的業(yè)績(jī)預(yù)告。同時(shí),數(shù)字化技術(shù)可以通過(guò)深度分析來(lái)實(shí)現(xiàn)數(shù)據(jù)信息的精細(xì)化處理[7],幫助企業(yè)精準(zhǔn)地分析財(cái)務(wù)數(shù)據(jù),為管理層提供更為精準(zhǔn)的信息支持,提供了價(jià)值創(chuàng)造[11]。管理層加強(qiáng)了自身信息處理能力,對(duì)企業(yè)的把握更加精確,那么管理層將更加有意愿在業(yè)績(jī)預(yù)告中及時(shí)地披露企業(yè)信息。

因此,本文提出如下研究假設(shè):

假設(shè)1數(shù)字化轉(zhuǎn)型有助于提高管理層業(yè)績(jī)預(yù)告質(zhì)量。

2 研究設(shè)計(jì)

2.1 數(shù)據(jù)來(lái)源

數(shù)字化作為中國(guó)制造業(yè)企業(yè)轉(zhuǎn)型升級(jí)的重要手段,是實(shí)現(xiàn)企業(yè)高質(zhì)量發(fā)展的有效路徑?；诖?本文以2013年至2020年中國(guó)滬深兩市A股制造業(yè)上市公司為研究對(duì)象。剔除ST和*ST公司、金融公司以及數(shù)據(jù)無(wú)法獲得的公司,最終獲得11823個(gè)觀測(cè)樣本。本文利用深度學(xué)習(xí)技術(shù)構(gòu)建了數(shù)字化轉(zhuǎn)型的詞典,采用Python對(duì)財(cái)務(wù)報(bào)告進(jìn)行文本分析,計(jì)算出企業(yè)數(shù)字化轉(zhuǎn)型的程度。財(cái)務(wù)數(shù)據(jù)、公司治理數(shù)據(jù)來(lái)自于CSMAR數(shù)據(jù)庫(kù)。

2.2 變量定義

(1)被解釋變量 第一,業(yè)績(jī)預(yù)告精準(zhǔn)性(Precise)。參考NG等[12]的做法,采用公式(1)來(lái)計(jì)量業(yè)績(jī)預(yù)告精準(zhǔn)性:

Precise=|(Fcap+Fflo)/2-ANetprofit|/|ANetprofit|

(1)

其中,Fcap為業(yè)績(jī)預(yù)告凈利潤(rùn)的上限值,Fflo為業(yè)績(jī)預(yù)告的下限值,ANetprofit為企業(yè)實(shí)際凈利潤(rùn)。Precise為反向指標(biāo),該值越小表示管理層業(yè)績(jī)預(yù)告精準(zhǔn)度越高。

第二,業(yè)績(jī)預(yù)告及時(shí)性(Horizon)。參考GOODMAN等[13]的做法,采用業(yè)績(jī)預(yù)告發(fā)布時(shí)間與盈余公告發(fā)布時(shí)間之間間隔的天數(shù)來(lái)衡量業(yè)績(jī)預(yù)告及時(shí)性。業(yè)績(jī)預(yù)告和盈余公告發(fā)布間隔的天數(shù)越長(zhǎng),表明管理層發(fā)布業(yè)績(jī)預(yù)告越及時(shí)。

(2)

其中,Annc_Datei,s,t和PAnnc_Datei,s,t分別為公司i第s年t季度報(bào)告和預(yù)告的發(fā)布時(shí)間。Horizon為正向指標(biāo),該值越大表明管理層業(yè)績(jī)預(yù)告及時(shí)性越高。

(2)解釋變量 本文采用文本分析的方法衡量了企業(yè)數(shù)字化轉(zhuǎn)型的程度(DCG)。本文利用Wingo財(cái)經(jīng)文本數(shù)據(jù)平臺(tái)中提供的深度學(xué)習(xí)相似詞功能,對(duì)吳非等[6]的數(shù)字化轉(zhuǎn)型特征詞庫(kù)進(jìn)行了拓展,最終構(gòu)建了包含300個(gè)關(guān)鍵詞的數(shù)字化轉(zhuǎn)型詞典。在此基礎(chǔ)上,采用Python在上市企業(yè)年報(bào)文本對(duì)數(shù)字化轉(zhuǎn)型的特征詞進(jìn)行搜索、匹配和詞頻計(jì)數(shù),以年報(bào)中數(shù)字化轉(zhuǎn)型特征詞出現(xiàn)頻率加1的自然對(duì)數(shù)衡量企業(yè)數(shù)字化轉(zhuǎn)型程度。

(3)控制變量 參考李志生等[14]的做法,本文的控制變量如下:企業(yè)規(guī)模(Size)、盈利能力(ROE)、償債能力(Lev)、市賬比(MB)、股權(quán)集中度(OW)、產(chǎn)權(quán)性質(zhì)(SOE)、現(xiàn)金持有(Cash)、虧損情況(Loss)、盈余管理(EM)、收益率(Return)、監(jiān)管處罰類型(Violation)、機(jī)構(gòu)投資者持股(Inst)、分析師關(guān)注(Analyst)、審計(jì)機(jī)構(gòu)(Big4)、年度(Year)和企業(yè)個(gè)體(Firm)。

2.3 模型設(shè)計(jì)

本文設(shè)計(jì)檢驗(yàn)?zāi)Ｐ?3)來(lái)考察企業(yè)數(shù)字化轉(zhuǎn)型程度對(duì)管理層業(yè)績(jī)預(yù)告質(zhì)量的影響,主要從業(yè)績(jī)預(yù)告的精準(zhǔn)性和及時(shí)性兩個(gè)方面來(lái)考察業(yè)績(jī)預(yù)告的質(zhì)量。具體如下:

Precise/Horizon=α0+α1DCG+Controls+Year+Firm+ε

(3)

其中,Precise是業(yè)績(jī)預(yù)告精準(zhǔn)性,Horizon是業(yè)績(jī)預(yù)告及時(shí)性,DCG為企業(yè)數(shù)字化轉(zhuǎn)型程度。

3 實(shí)證結(jié)果與分析

3.1 主要檢驗(yàn)結(jié)果

從表1中可知,在不控制任何其他變量時(shí),企業(yè)數(shù)字化轉(zhuǎn)型程度(DCG)與業(yè)績(jī)預(yù)告精準(zhǔn)性(Precise)的回歸系數(shù)為-0.040,在1%的水平上顯著為負(fù),與業(yè)績(jī)預(yù)告及時(shí)性(Horizon)的回歸系數(shù)為0.056,在1%的水平上顯著為正。當(dāng)控制其他變量以及時(shí)間與個(gè)體固定效應(yīng)時(shí),企業(yè)數(shù)字化轉(zhuǎn)型程度(DCG)與業(yè)績(jī)預(yù)告精準(zhǔn)性(Precise)的回歸系數(shù)為-0.032,在1%的水平上顯著為負(fù)。這意味著,當(dāng)企業(yè)數(shù)字化轉(zhuǎn)型程度每上升一個(gè)標(biāo)準(zhǔn)差時(shí)業(yè)績(jī)預(yù)告精準(zhǔn)性就可以提高2.4個(gè)百分點(diǎn)(0.032×0.759)。企業(yè)數(shù)字化轉(zhuǎn)型程度(DCG)與業(yè)績(jī)預(yù)告及時(shí)性(Horizon)回歸系數(shù)為0.065,在1%的水平上顯著為正。意味著,當(dāng)企業(yè)數(shù)字化轉(zhuǎn)型程度每上升一個(gè)標(biāo)準(zhǔn)差,業(yè)績(jī)預(yù)告及時(shí)性提高4.9個(gè)百分點(diǎn)(0.065×0.759)。綜上所述,數(shù)字化轉(zhuǎn)型可以提高企業(yè)的信息整合和分析能力,有效地提高管理層業(yè)績(jī)預(yù)告精準(zhǔn)性和及時(shí)性。

表1 數(shù)字化轉(zhuǎn)型程度與管理層業(yè)績(jī)預(yù)告的回歸結(jié)果

3.2 穩(wěn)健性檢驗(yàn)

(1)工具變量法 本文采用了兩個(gè)工具變量:第一,借鑒趙濤等[1]的方法,以1984年各城市每萬(wàn)人郵局?jǐn)?shù)量作為企業(yè)數(shù)字化轉(zhuǎn)型的工具變量;第二,參考李琦等[15]的做法,采用一般公共財(cái)政科學(xué)技術(shù)支出/GDP作為工具變量。表2的相關(guān)的回歸結(jié)果與前文一致。為了確保工具變量的有效性,本文還檢驗(yàn)了Cragg-Donald Wald F統(tǒng)計(jì)量和Kleibergen-Paap rk Wald F統(tǒng)計(jì)量,上述檢驗(yàn)結(jié)果均遠(yuǎn)大于10。由此可知,本文選擇的工具變量較為合理。

表2 工具變量回歸結(jié)果

(2)更換變量 借鑒李曉溪等[16]的方法更換業(yè)績(jī)預(yù)告衡量方法;借鑒祁懷錦等[17]的做法,在無(wú)形資產(chǎn)明細(xì)中識(shí)別出與數(shù)字經(jīng)濟(jì)相關(guān)的無(wú)形資產(chǎn),并將其通過(guò)資產(chǎn)總額進(jìn)行標(biāo)準(zhǔn)化處理作為衡量企業(yè)數(shù)字化轉(zhuǎn)型程度的替代變量。更換變量之后的回歸結(jié)果依然支持本文的研究假設(shè)。

(3)排除干擾 本文采用四種方式來(lái)排除其他因素對(duì)研究結(jié)論的干擾。第一,剔除位于最高20%分位區(qū)間的觀測(cè)樣本,排除策略性信息披露行為的干擾;第二,在檢驗(yàn)?zāi)Ｐ椭幸胧》莨潭ㄐ?yīng)、省份與年份交互效應(yīng)來(lái)排除地區(qū)因素的干擾;第三,將2020年的樣本刪除,排除新冠疫情的干擾;第四,借鑒張葉青等[18]和趙濤等[1]的做法,加入競(jìng)爭(zhēng)程度、外部高學(xué)歷人才供給以及當(dāng)?shù)氐臄?shù)字化水平等控制變量,排除外部因素的干擾。在排除了諸多干擾因素的情況下,本文的結(jié)論依然穩(wěn)健。

4 補(bǔ)充分析

4.1 業(yè)務(wù)復(fù)雜度

隨著社會(huì)經(jīng)濟(jì)的不斷發(fā)展,公司更愿意采取業(yè)務(wù)多元化的方式來(lái)規(guī)避市場(chǎng)風(fēng)險(xiǎn)。復(fù)雜的業(yè)務(wù)結(jié)構(gòu)會(huì)提升公司經(jīng)營(yíng)環(huán)境復(fù)雜性,加劇公司信息不對(duì)稱的程度[19]。數(shù)字技術(shù)的應(yīng)用令管理層能夠更精準(zhǔn)地掌握企業(yè)信息[7]。因此,數(shù)字化轉(zhuǎn)型所帶來(lái)的信息優(yōu)勢(shì)在業(yè)務(wù)復(fù)雜度高的企業(yè)中表現(xiàn)得更為明顯。本文分別以子公司數(shù)量和業(yè)務(wù)多元化程度來(lái)衡量業(yè)務(wù)復(fù)雜度,其中業(yè)務(wù)多元化采用赫芬達(dá)爾指數(shù)衡量,并按照子公司數(shù)量和業(yè)務(wù)多元化的年度中位數(shù)將樣本分組后重新檢驗(yàn)。從表3的回歸結(jié)果可知,僅在子公司數(shù)量多和業(yè)務(wù)多元化程度高的樣本組中,數(shù)字化轉(zhuǎn)型的回歸系數(shù)顯著。

表3 基于業(yè)務(wù)復(fù)雜度的補(bǔ)充分析

4.2 業(yè)績(jī)預(yù)告類型

本文參考李志生等[14]的做法,進(jìn)一步將管理層業(yè)績(jī)預(yù)告分為強(qiáng)制披露和自愿披露兩種類型,來(lái)考察企業(yè)數(shù)字化轉(zhuǎn)型程度對(duì)不同業(yè)績(jī)預(yù)告類型的影響差異。根據(jù)前文的分析,數(shù)字化轉(zhuǎn)型能夠提升企業(yè)管理層的信息獲取能力和信息處理能力,對(duì)企業(yè)信息的掌握更加精準(zhǔn),此時(shí)管理層更加傾向于對(duì)外界披露更多的自愿性信息,從而獲得資本市場(chǎng)上投資者的關(guān)注。從表4的回歸結(jié)果可知,企業(yè)數(shù)字化轉(zhuǎn)型更多的可以促進(jìn)企業(yè)自愿性披露業(yè)績(jī)預(yù)告。

表4 基于業(yè)績(jī)預(yù)告類型的補(bǔ)充分析

4.3 環(huán)境不確定性

新冠疫情令企業(yè)面臨一定的不確定性。國(guó)家衛(wèi)健委根據(jù)各地區(qū)新冠確診人數(shù)來(lái)劃分風(fēng)險(xiǎn)等級(jí),當(dāng)某地被列為中高風(fēng)險(xiǎn)時(shí),將限制居民的出行。出行的限制增加了企業(yè)內(nèi)部的信息交流成本并且降低了信息交流效率,停工停產(chǎn)帶來(lái)的風(fēng)險(xiǎn)也加大了企業(yè)的運(yùn)營(yíng)難度,管理層對(duì)企業(yè)信息的獲取效率和處理能力都將受到疫情影響。此時(shí),數(shù)字技術(shù)為企業(yè)帶來(lái)的優(yōu)勢(shì)就更加突出。當(dāng)企業(yè)辦公所在地被劃分為中高風(fēng)險(xiǎn)地區(qū)時(shí),認(rèn)為企業(yè)的日常經(jīng)營(yíng)活動(dòng)受新冠疫情影響較大,所面臨的環(huán)境不確定性程度較高,以此將樣本分為兩組。同時(shí),考慮子公司所在地是否被劃分為中高風(fēng)險(xiǎn)地區(qū),計(jì)算上市公司子公司在中高風(fēng)險(xiǎn)地區(qū)的比例,認(rèn)為辦公地在中高風(fēng)險(xiǎn)區(qū)域的子公司占比較多時(shí),認(rèn)為企業(yè)的日常經(jīng)營(yíng)活動(dòng)受新冠疫情影響較大。以此將樣本分為受疫情影響嚴(yán)重和不嚴(yán)重兩組。本文僅以2020年的數(shù)據(jù)為研究對(duì)象,將樣本分為兩組。從表5的回歸結(jié)果可知,當(dāng)上市公司所面臨的經(jīng)濟(jì)環(huán)境不確定性越高,數(shù)字技術(shù)應(yīng)用對(duì)管理層業(yè)績(jī)預(yù)告質(zhì)量的影響更為顯著。

表5 基于新冠疫情的補(bǔ)充分析

5 研究結(jié)論

本文利用文本分析技術(shù)構(gòu)建了上市公司數(shù)字化轉(zhuǎn)型指標(biāo),實(shí)證檢驗(yàn)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)管理層預(yù)告披露質(zhì)量的影響。研究發(fā)現(xiàn):第一,企業(yè)數(shù)字化轉(zhuǎn)型會(huì)提升管理層業(yè)績(jī)預(yù)告質(zhì)量,具體表現(xiàn)業(yè)績(jī)預(yù)告的精準(zhǔn)性和及時(shí)性的提高,驗(yàn)證了數(shù)字化轉(zhuǎn)型的信息治理效應(yīng)。第二,數(shù)字化轉(zhuǎn)型對(duì)于業(yè)務(wù)復(fù)雜度較高企業(yè)的業(yè)績(jī)預(yù)告披露質(zhì)量的改善更為突出。第三,數(shù)字化轉(zhuǎn)型會(huì)提升企業(yè)的自愿性業(yè)績(jī)預(yù)告的意愿和質(zhì)量,而對(duì)強(qiáng)制性業(yè)績(jī)預(yù)告的質(zhì)量并沒(méi)有顯著的影響。第四,數(shù)字化轉(zhuǎn)型對(duì)企業(yè)信息披露質(zhì)量的改善在受新冠疫情影響較嚴(yán)重的企業(yè)中作用更為突出。本文揭示了數(shù)字化轉(zhuǎn)型對(duì)于企業(yè)信息披露的治理作用,為政府和企業(yè)進(jìn)一步推進(jìn)企業(yè)數(shù)字化變革提供了經(jīng)驗(yàn)證據(jù)和決策參考,具有重要的理論價(jià)值和現(xiàn)實(shí)意義。