数字化转型与企业综合风险

刘纯霞, 谭蓉慧, 陈友余, 邓 超

(1.湖南财政经济学院 会计学院,湖南 长沙 410205; 2.广东外语外贸大学 金融学院,广东 广州 510420)

0 引言

当前,外部环境不确定性加大,世界经济和贸易增长动能减弱。我国企业发展遇到国内外多重超预期因素冲击,面临巨大风险挑战。2022年《中小企业数字化转型指南》指出,要通过大中小企业“携手行动”,多措并举推动企业科学高效开展数字化转型。

数字化转型能否缓释企业风险?学者们对此进行了大量研究,发现数字化转型能有效降低经营风险[1],能提高股票流动性[2],能减小股价崩盘风险[3],还能降低融资约束[4],并显著降低供应链上游供应商、下游客户及供应链整体集中度[5],确保业务流程执行更为稳健可靠[6],维持经营稳定性[7]和增强财务稳定性[8]。但数字化转型本质上属于企业一种“破坏性”的创新策略或变革进程,难免会带来技术上的重大改变或转型,将进一步增大企业的不确定性风险或概率[9],可能因数字化转型固有风险面临更大的经营风险[10]。

综上,现有研究主要是从单一风险视角进行研究的,发现数字化转型对风险可能存在双重影响,且观点不一。考虑到这些不同层面的风险并不是相互独立的,而是相互影响和相互制约的,这些单一风险是如何共同作用呈现综合风险的呢?数字化转型是否有助于降低企业综合风险?其作用机理是什么?这些问题急需进一步研究。基于此,本文突破单一风险研究视角,构建企业风险组合体系,全面系统地分析了数字化转型对企业综合风险的缓释机制,为从数字化转型视角探寻风险理论研究提供经验证据和决策支持,以推进企业数字化转型与风险决策的统筹安排,力促企业高质量发展。

本文可能的贡献在于:(1)突破单一风险研究视角,构建企业风险组合体系,并进行分解、降维和集成,创新性地反映企业综合风险;(2)研究数字化转型对企业综合风险的影响机理,并通过实证分析予以验证,对数字化转型的经济后果研究进行了进一步拓展和补充;(3)引入技术风险和人力资源风险,集成新型综合风险,研究数字化转型对新型综合风险的线性与非线性影响机理,并剖析单一风险之间的共同作用机制。

1 理论分析与假设提出

1.1 直接作用机制

2022年10月,我国国家标准化管理委员会发布了《风险管理指南》,指出风险管理与其他管理活动是紧密相连的,整合是第一原则。2017年9月,COSO委员会正式发布更新版《企业风险管理框架》,指出要建立风险组合观,管理层需要从组织整体角度考虑风险,而不是将其视为一个个单独的、分散的风险。本文拟基于《风险管理指南》和《企业风险管理框架》要求,从风险整合视角出发,构建综合风险:(1)考虑企业内部可能存在的重要风险及利益相关者风险传染可能,将信息风险、经营风险、财务风险、金融风险和供应链风险等五类关键风险纳入企业风险组合体系,以反映企业综合风险;(2)在第五部分,考虑数字化转型可能滋生的新型风险类型,引入人力资源风险和技术风险,构建新型综合风险。

本文的信息风险,侧重于信息传递角度,主要指企业面对的由信息噪声带来的无法观察真实需求的风险[11]。数字化转型能将生产经营管理过程中产生的大量数据转化为结构化和标准化的信息[2],提升业务信息可视化和会计信息可比性[12],能缓解信息不对称。可见,数字化转型能大大改善信息风险。

经营风险是指,由企业经营基本面变化可能引起的损失,并最终反映在企业收益变动上[13]。学者们通过研究发现,数字化转型能有效降低企业的经营风险[1]。但企业一旦投入大量资金开展数字化研发项目,由于研发形成的资产变现能力差且不确定性高,企业实施数字化转型的固有风险可能面临更大的经营风险[10]。

财务风险是企业未来无力承担或覆盖必要的财务义务的潜在可能性[14]。高潜在破产风险能够促进企业通过数字化转型精准控制损失并维持经营稳定性[7]。数字化转型可提高企业内部经济运行质效,重构资源配置模式,增强财务稳定性[8]。企业通过数字化转型,能监督长期财务风险和短期财务风险,将风险管理从“被动应对”转变为“主动识别”,能进行前瞻性预警和管控。

企业风险可能传导到金融市场。在金融市场方面,企业数字化转型能够缓解信息不对称,提高股票流动性[2],降低股价崩盘风险,并通过市场评价预期值改善和内部财务稳定性提高减小股价崩盘风险[3]。融资是企业最基本的财务活动之一,融资约束风险产生。数字化转型可以改善企业融资状况,降低融资约束,获取信贷支持[4]。不妨将股价崩盘风险和融资约束风险简记为金融风险。在推进数字化转型过程中,可能加剧企业“数字鸿沟”负面效应,也可能导致企业因资产利润状况变差、资金链断裂而出现转型风险[9]。

供应商-客户关系是企业联结市场的纽带。相关研究发现,企业数字化转型显著降低了供应链上游供应商、下游客户及供应链整体集中度,推动供应链配置多元化[5]。但供应链风险可能增加企业经营风险,并导致利益侵占[15]。此时,企业在利用上下游数字化转型存在的联动效应时,必须规避可能带来的“风险效应”,实现上下游协同发展。

综上,数字化转型对企业单一风险存在双重影响。考虑到不同层面的风险是相互影响和相互传导的,其共同作用结果需要进一步研究,提出如下假设:

H1数字化转型能降低企业综合风险。

1.2 调节作用机制

数字化转型能显著提升企业创新效率,对行业竞争程度越高及市场化程度越低的企业促进作用越明显[16]。数字化转型可能仅能促进企业技术创新增量,并不能促进其提质,“双重套利”与“同群效应”是增量不提质的重要原因[17]。对此,提出如下假设:

H2数字化转型对企业综合风险的减缓效应在高创新企业更明显。

行业竞争度可弱化或强化企业对外部环境或自身行为的认知和关切,进而影响企业决策[18]。行业竞争往往使数字化转型低的企业处于更高压的状态,数字化转型低的企业难以与行业竞争者处于同一“起跑线”。企业通过数字化转型,主动增加信息透明度,降低信息不对称和代理成本,可能缓解经营风险和融资风险。对此,提出如下假设:

H3数字化转型对企业综合风险的减缓效应在高竞争行业更明显。

企业实施数字化转型后,内部控制质量显著提升[19]。企业实施数字化转型后,可能拥有更加透明的信息和沟通环境,改善企业内部控制质量,减少经理人的机会主义行为,降低企业各类潜在风险。数字化转型还可能助推企业更加完备地发挥监督激励功能,保障企业无内部控制缺陷,在有效权衡利弊得失基础上及时采取较为合理的风险规避措施。对此,提出如下假设:

H4数字化转型对企业综合风险的减缓效应在无内部控制缺陷的企业更明显。

2 研究设计

2.1 样本选择和数据来源

以2013—2020年我国A股上市公司为初始样本,并进行如下筛选:(1)剔除金融保险类上市公司;(2)剔除经营环境不正常、数据不具备代表性的ST、PT公司;(3)剔除数据有缺失或不符合数据计量要求的公司。为消除异常值影响,在实证分析中,对连续变量在上下1%的水平上进行了Winsorize缩尾处理。本文最终得到2897个样本观测值,相关数据主要来自CSMAR国泰安数据库及Wind数据库,所应用软件为Stata 16.0。

2.2 变量定义与度量

2.2.1 被解释变量:综合风险(SumRisk)

(1)单一风险的定义与度量

信息风险,本文是指企业的信息化综合水平,即以企业所在行业及所在地区中每百家企业拥有的网站数均值予以刻画。本文拟选取营业利润率、ROE、ROA及经营杠杆系数,衡量经营风险。鉴于财务风险有长短期之分,选取流动比率和速动比率衡量企业短期偿债能力,选取权益对负债的比率及权益比率衡量企业长期偿债能力,并添加财务杠杆系数,衡量财务风险。本文拟应用负收益偏态系数和股票收益的非对称波动比率衡量股价崩盘风险[3],用SA指数衡量企业融资约束风险[20]。借鉴IRVINE等[21]和MALLOY[22]的研究,用前五大客户到该企业的平均地理距离及前五大供应商到该企业的平均地理距离的均值衡量供应链相对地理距离,用客户集中度与供应商集中度的均值衡量供应链整体集中度,最后用供应链相对地理距离和供应链整体集中度的平均值衡量供应链风险。

(2)综合风险的定义与度量

考虑到企业风险存在诸多测评维度,且各维度之间可能存在较强的相关性。在引入各类单一风险基础上集成企业综合风险时,需考虑以下三方面:(1)企业面临的风险是动态变化的,企业综合风险的构成要素也将动态变化,在不同时期可能面临增减或调整;(2)单一风险指标的选取,要考虑关键风险类型,也要考虑数字化转型可能滋生的新型风险类型,进而使综合风险构成更科学合理;(3)方法应用上,选取的集成方法须能对动态调整的风险类型进行集成。基于此,选取多分格主成分分析法进行分解、降维和集成。

以财务风险为例,即将财务风险指标写成多个主成分在其方向上的分解:

Risk1j=v11×A1j+v12×A2j+…+v1N×ANj

… …

RiskNj=vN1×A1j+vN2×A2j+…vNN×ANj

(1)

其中,A代表各个主成分,j代表企业个数,N代表风险衡量指标个数,v代表主成分在各风险衡量指标上的分量。将式(1)的系数矩阵转置,可得到主成分中各类财务风险衡量分量的权重表达式:

A1j=f11(c1│dig1j)+f12(c2│dig2j)+…+f1N(cN│digNj)

… …

ANj=fN1(c1│dig1j)+fN2(c2│dig2j)+…+fNN(cN│digNj)

(2)

其中,c是各风险分量的权重系数,f是各风险分量取值到所对应系数的映射,得到财务风险的主成分。相同地,再次应用可得到经营风险、信息风险、金融风险和供应链风险的主成分。据此,得出企业综合风险。

2.2.2 解释变量

数字化转型(Dig):借鉴张永坤等[23]的研究成果,以上市公司财务报告附注中披露的年末无形资产明细项中与企业数字化程度提升部分占无形资产总额的比例,衡量数字化转型。

2.2.3 调节变量与控制变量

引入企业创新水平(Rd)、行业竞争程度(HHI)和内部控制是否存在缺陷(Def),作为调节变量。借鉴已有研究,选取企业年龄(Age)、企业规模(Size)、资本结构(Lev)、企业所有制(Soe)、股权集中度(Top5)及管理费用率(MCost)等企业特征变量为主要控制变量。最后,对年份固定效应(Year)或行业固定效应(Industry)加以控制。主要变量设定及定义如表1所示。

表1 变量符号、变量名称与变量定义

2.3 模型设定

基于上述理论和假设,首先建立模型1检验数字化转型对综合风险的影响;其次建立调节效应模型2、模型3和模型4,分别检验创新水平、行业竞争程度和内部控制缺陷对数字化转型与综合风险的影响。其中,i代表企业,j代表行业,c代表城市,Control代表一系列控制变量,ε代表随机干扰项。

模型1:Riskijc=β0+β1Digijc+αxControlijc+∑Industry+∑Year+εijc

模型2:Riskijc=β0+β1Digijc+β2Rdijc+β3Digijc×Rdijc+αxControlijc+∑Industry+∑Year+∑Area+εijc

模型3:Riskijc=β0+β1Digijc+β2HHIijc+β3Digijc×HHIijc+αxControlijc+∑Year+∑Area+εijc

模型4:Riskijc=β0+β1Digijc+β2Defijc+β3Digijc×Defijc+αxControlijc+∑Industry+∑Year+∑Area+εijc

3 实证检验

3.1 基准回归结果分析

为检验数字化转型对企业综合风险的影响,对基准模型进行回归分析,回归结果如表2所示。其中,第(1)列仅控制行业及年份,第(2)列在控制行业及年份基础上,加入公司及地区层面的控制变量。相应地结果均显示,数字化转型(Dig)的系数均在1%水平上显著为负,表明数字化转型有助于降低企业综合风险。假设1得到验证。

表2 基准模型回归结果

3.2 内生性问题处理

(1)控制逆向因果关系

数字化转型与企业综合风险之间,除存在数字化转型对企业综合风险的影响外,可能存在反向因果关系,带来内生性问题。为缓解内生性问题可能带来的估计偏误,选用按行业-城市维度划分的企业数字化转型平均值,作为所在组内企业数字化转型的工具变量进行2SLS估计。检验结果显示,数字化转型(Dig)的系数在1%水平上显著为负。综上,所选取的工具变量是合理可靠的,且主要结论与基准回归结果一致。此外,还选取企业所在地区各省份的互联网普及率[24]作为工具变量,检验结果显示出数字化转型(Dig)的系数依然显著为负,说明结论依然稳健。

(2)排除样本选择偏误

样本选择偏误也可能影响实证结果。相关统计结果显示,约25%的企业没有进行数字化投资,即对未实行数字化转型的样本,其数字化转型取值为0,说明企业数字化也面临样本选择性。对此,使用Tobit模型进行回归。检验结果显示,数字化转型(Dig)的系数在5%水平上显著为负,说明结论依然稳健,假设1仍然成立。

(3)控制遗漏变量影响

遗漏变量也可能影响实证结果。尽管本文充分选取了主要控制因素,但也可能遗漏一些影响企业风险水平的重要特征,对此予以控制,进行如下处理:引入现金流(CashflowV)及盈利波动性(ProfitV),将其作为企业经营环境与成效特征变量;增加管理层持股比例(Mshare)和股权制衡度(Balance),将其作为企业管理层特征变量。检验结果显示,数字化转型(Dig)的系数在5%水平上均显著为负,说明控制遗漏变量影响,仍然不改变本文的核心结论。

3.3 稳健性检验

变量测度偏误可能影响实证结论。对此,本文重新替换新的核心变量,并进行验证。

一方面,替换被解释变量。应用Z值模型替换企业综合风险,将其作为新的被解释变量。该值越大,表明公司面临的综合风险越小,故本文以Z值的倒数作为综合风险代理变量引入模型。Z值模型对应的公式如下:

Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

(3)

其中,X1=净营运资本/总资产,X2=留存收益/总资产,X3=息税前利润/总资产,X4=股权市场价值总额/总负债,X5=营业收入/总资产。

另一方面,替换解释变量。选取更深层次和更精确的数字化转型指标(Dig_替换),将其替换为新的解释变量。借鉴吴非等[2]的研究,选取更深层次和更精确的数字化转型特征词:①将人工智能指标细分为机器学习、生物识别技术、自动驾驶、智能机器人、商业智能等二级关键词;②将区块链技术指标细分为数字货币、联盟链、去中心化、分布式计算、比特币等二级关键词;③将云计算技术指标细分为物联网、云计算、类脑计算、信息物理系统、融合架构等二级关键词;④将大数据技术指标细分为数据挖掘、虚拟现实、征信、数据可视化、增强现实等二级关键词;⑤将数字技术运用指标细分为移动互联网、电子商务、互联网金融、移动支付、工业互联网、智能“+”等二级关键词。随后,基于上市公司年报,应用Python大数据爬虫功能,进行文本挖掘,测度数字化转型。

由替换被解释变量和解释变量后的实证结果可知:①第(1)列列示了替换解释变量后的实证结果,Dig_替换的系数在1%水平上显著为负,即替换新的数字化转型变量,研究结论不变;②第(2)列列示了替换被解释变量后的实证结果,企业综合风险的系数显著为负,但没有通过显著性检验;③第(3)列列示了同时替换解释变量和被解释变量后的实证结果,Dig_替换的系数在1%水平上显著为负,研究结论不变。可见,无论是替换被解释变量,还是替换解释变量,数字化转型均能较好地缓释企业综合风险。

4 调节效应检验与异质性分析

4.1 调节效应检验

调节效应检验结果如表3所示。表3第(1)列显示,企业创新水平对数字化转型与企业综合风险关系具有调节作用,且在1%水平上显著正相关,即企业创新水平越高,数字化转型越能降低综合风险,假设2得到验证。同理,表3第(2)列表3第(3)列显示,行业竞争程度对数字化转型与企业综合风险关系具有调节作用,内部控制缺陷也具有调节作用,假设3及假设4得到验证。

表3 调节效应检验

4.2 考虑企业性质、所处行业与地区特征的异质性分析

为了进一步讨论企业性质、行业特征和地区因素对数字化转型与企业综合风险关系的作用机制,分别对企业性质、行业和地区子样本进行数字化转型与企业综合风险的回归检验,结果如表4所示。

表4 考虑企业性质、所处行业与地区特征的异质性分析结果

企业性质没有通过显著性检验。通过行业类型对比分析发现:制造业没有通过显著性检验;服务业对应的系数为0.207,在1%水平上显著正相关,说明服务业的数字化转型领先于制造业。这可能是因为,服务业竞争日趋激烈,服务业企业更偏向于通过数字化转型探寻新的利润增长点。通过地域对比分析发现:中西部地区没有通过显著性检验;东部地域系数为-0.119,在5%水平上显著负相关。这可能是因为,东部地区的市场开放程度高,起着引领带头作用,市场竞争强度与企业活力相对充足,故数字化转型高,对综合风险的减缓作用也大。

5 进一步分析

5.1 引入技术风险和人力资源风险

数字化转型本质上属于企业一种“破坏性”的创新策略或变革进程,难免会带来技术和人力资源上的重大改变或转型,将进一步增大企业的不确定性风险或概率[9],技术风险和人力资源风险已然成为影响企业数字化转型的重要新型风险[25]。考虑到企业面临的风险是动态变化的,在不同时期可能需要调整,本处在综合风险基础上添加这两类风险,应用主成分分析法构建新型综合风险。现有研究主要采用研发人员投入强度和高管团队平均教育水平度量企业人力资源风险。研发人员投入强度用研发人员数量占企业职工总数比重进行衡量;高管受教育程度可分为高中及以下、大专、本科、硕士及博士五类,分别用1,2,3,4和5表示,可计算出每家高新技术企业高管团队的平均教育水平,并选取企业专利申请数进行衡量技术风险。

引入新风险后的回归结果如表5所示。表5显示,数字化转型的系数在1%水平上显著为负,表明数字化转型能降低新型综合风险,但两者之间线性拟合效果较差。

表5 添加新风险后的基准模型回归结果

5.2 单一风险之间的共同作用机制分析

对各类单一风险分别进行基准回归模型分析,由数字化转型与单一风险之间的基准模型回归结果可知:(1)金融风险和供应链风险没有通过显著性检验;(2)就信息风险、财务风险、经营风险和技术风险而言,数字化转型的系数均在1%水平上显著为负,表明数字化转型能降低这些单一风险,其中,数字化转型与信息风险及财务风险之间的拟合效果较好,与经营风险及技术风险之间的拟合效果差;(3)就人力资源风险而言,数字化转型的系数在5%水平上显著为正,表明数字化转型并不能缓释人力资源风险,反而助推了企业人力资源风险增加,但两者之间的拟合效果差。

5.3 数字化转型与新型综合风险之间的非线性关系探寻

鉴于数字化转型与新型综合风险之间的线性拟合效果差,本处试图探寻数字化转型与新型综合风险之间的非线性关系。

表6 线性回归模型拟合结果比较

表7 机器学习模型拟合结果

再次,为更好的捕捉机器学习模型对样本数据的非线性关系,本处采用堆叠法(Stacking)进行集成融合。堆叠法的核心思想是将多个基本模型的预测结果进行组合,训练出一个次级模型,以提升机器学习模型性能。本文选取拟合效果靠前的三类机器学习模型作为基本模型,将每个基本模型在验证集上的预测结果作为元特征,创建一个新的特征矩阵,获取元特征和验证集的真实标签,并选用线性回归作为次级模型,用于融合基本模型的预测结果,生成最终的预测结果,拟合结果如表8所示。由表8可知,样本外拟合优度MSEOOS得到提升,能达到55.2%。相较于单一机器学习模型的拟合结果,基于堆叠法的机器学习集成模型拟合效果有所提升。

表8 基于堆叠法的机器学习集成模型拟合结果

最后,进一步探究新型综合风险与数字化转型及数字化转型相关信息的相互影响。根据机器学习模型优化结果,获取数字化转型特征变量对新型综合风险影响的重要度,特征重要度排序结果如表9所示。由表9可知,时间、产业和地区对企业综合风险的影响较小,具体行业及数字化转型本身的影响较大。

表9 特征重要度排序结果

6 研究结论与管理启示

当前,世界百年未有之大变局加速演进,我国企业面临风高浪急甚至惊涛骇浪的重大风险考验。而数字化转型已成为新发展格局下企业实现高质量发展的必由之路。鉴于学者们主要从单一风险视角进行研究,且研究观点不一,本文创新性地从风险组合视角构建风险组合体系,并应用多分格主成分分析法进行分解、降维和集成,以反映企业综合风险,探讨数字化转型对企业综合风险的影响机理。通过研究发现:

(1)数字化转型对企业综合风险具有缓释效应;其缓释效应,在高创新企业、高竞争行业和无内部控制缺陷企业更显著;通过异质性分析发现,服务业的数字化转型进程领先于制造业,东部地区的数字化转型程度较高且风险减缓效果较好;

(2)考虑到企业面临的风险是动态变化的,在原有风险基础上添加技术风险和人力资源风险,集成新型综合风险,发现数字化转型有助于降低新型企业综合风险,但两者之间的线性拟合效果差;通过剖析数字化转型与各类单一风险之间的线性相关关系,发现呈现异质性特点,且单一风险之间的共同作用机制导致数字化转型缓释新型综合风险的效果较弱;引入机器学习模型,发现机器学习模型能显著提升拟合效果,基于堆叠法的机器学习集成模型的拟合效果最好,表明数字化转型与企业新型综合风险之间存在一定的非线性关系。

基于以上分析,得出如下管理启示:

(1)在当前不确定风险加剧的环境下,企业应主动协调好内外风险因素和收益关系,并将各类风险融为一个整体,进行风险组合管理,定期或不定期地实施风险辨识,打造全面风险管控体系,使风险信息能真正发挥出决策支持功能;

(2)企业要把握数字化转型机遇,利用同群效应和“干中学”方式进行创新投入和创新活动变革,通过创新引领企业发展,并通过智能化技术和方法管控企业可能面临的各类风险,提升企业内外信息挖掘能力、处理能力和吸收能力,缓解信息不对称问题、委托代理冲突和融资压力,提升企业风险承担水平,使数字化转型减缓企业内部风险的功能高质量的发挥出来;

(3)产业链供应链上的企业要在数字化转型步调上协同一致,通过产业链供应链链条的数据协同,实现数据无缝对接和实时共享,简化中间流程,降低交易成本,构建风险联合管控机制,对产业链供应链上的主要风险和潜在风险进行全天候不间断监测与预警,提高风险响应速度,妥善处理好产业链供应链上的效率与安全关系,使数字化转型发挥出减缓供应链风险的功能。