数字化转型、资金渠道差异与企业减持行为

钟娟 陈昕 魏彦杰

(安徽财经大学 国际经济贸易学院,安徽 蚌埠 233030)

一、引言

减持行为一直是资本市场中备受关注的话题。一方面,大股东和高管从减持行为中持续获取超额收益,严重侵占中小股东权益[1]。2012—2022年间,上市公司董监高净减持金额年均增速近40%。其中,2020年减持金额为近十年来最高,董监高当年减持额达1 274.49亿元。另一方面,高管频繁减持导致外部投资者恐慌并产生抛售行为,引发市场动荡[2]。目前,有关减持行为的研究集中于企业利用信息优势获取超额收益的投机性动机[3],重点关注的是减持前的策略性信息披露[4],以重大信息影响股价走向[5],或粉饰业绩误导中小投资者[6]。

但值得注意的是,在数字化转型已成为大势所趋的当下,企业高管对于转型实际状况的信息优势有可能成为投机性减持的新诱因。一方面,数字化转型对重塑企业核心竞争力的意义重大,成功转型有利于提升企业价值[7]。因此,受益于数字化转型优势的企业,其股票活跃度更高[8],为高管减持创造了条件。而另一方面,许多企业囿于内部资源和能力,难以支撑数字化转型这一长期、系统性变革所需的技术、人才和资本投入[9],所以转型不理想、不彻底或失败的可能性很高。而高管相比外部投资者拥有“信息优势”[10],对转型中风险的把握更精准,会对市场估值重新评判,形成私人价值判断。由此,企业内外部之间的估值差异形成诱发减持的重要前提,估值差异越大,投机性减持的可能性越高。

总之,由于转型本身及其效果的高度不确定性,即使转型企业披露了真实信息,它仍然可能加剧企业内外部之间的估值分歧,进而引发投机性减持。这不仅会冲击资本市场的稳定,还可能助长企业“见好就收”,削弱其将转型进行到底的决心。因此,探究数字化转型可能在资本市场引发的间接负面影响,找到能够在企业转型过程中抑制投机性减持行为的有利因素,已成为推进企业数字化转型和助力证券市场平稳发展亟待解决的问题。

基于此,本文利用2008—2020年A股上市公司数据,实证研究企业数字化转型对投机性减持行为的影响,并检验资金渠道对二者关系的调节作用,同时进一步分析这些作用在不同技术水平和外部融资环境下企业间的异质性特征。本文可能的边际贡献在于:(1)与现有研究主要关注数字化转型的有利作用不同,尝试探讨转型过程可能给证券市场带来的间接负面影响,为减持行为动因研究补充新的经验证据,丰富了转型进程中企业高管证券市场行为的理论探索。(2)从资金渠道差异的角度探究了影响数字化转型与减持行为之间关系的途径,验证了外部无偿性资金支持的正向调节作用和内部充裕现金供给的负向调节作用,并基于异质性视角深入剖析了企业在不同技术水平和外部融资环境下数字化转型对减持行为的作用差异,为有效抑制投机性减持行为提供了调控思路和目标导向。(3)研究结论为数字化转型过程中企业如何兼顾提升转型效率和抑制投机性减持提供了理论依据和决策参考,也为政府有针对性地支持企业数字化转型提供了政策启示。

二、理论分析与研究假设

(一)企业数字化转型对减持行为的影响

数字化转型是数字经济时代革新企业生产方式、经营模式和组织架构的战略性变革。转型有助于提升企业全要素生产率[11]、创新能力[12]与业绩水平[13],并降低债务违约风险[14]、加速企业成长[15]乃至促使企业承担更多社会责任[16]。这些有利变化反映到证券市场上,市场热情受到激发,股票活跃度提升[8],刺激数字化转型题材的股票市值攀升,出现高市场估值。

但是,如何将数字技术与传统组织架构相融合是一个复杂且长期的工作。首先,制约转型的因素多样且庞杂,包括资金约束,如更新设备的高昂成本[17]、融资约束和自身造血不足的叠加限制[18];创新能力约束,如创新资源不足,或中小企业技术选择权受限等[19];战略方向迷失,企业难以从数字化投入中真正发掘和释放数据价值,转型效果大打折扣、严重偏离预定绩效目标[20]。其次,数字化转型需要经历局部端数字化、平台数字化与生态系统数字化等阶段,转型初期的门槛、难度与资金需求往往并不高,多数企业都可以介入转型过程,但随着转型程度加深,企业不仅要深度实现自身的数字化改造,而且要与产业链内的其他企业互联互通,才能建成数字化下的决策应变系统。此时,出现方向错误和孤岛式盲目探索、转型工具单一乃至不断推倒重来的可能性急剧增大,困难与资金压力也随之增加(腾讯社会研究中心,2022;艾瑞咨询,2022)。转型越深入,企业越容易陷入进退两难,进则面临资金、技术与战略方向抉择上的困难与挑战(1)《2022中国制造业数字化转型研究》(艾瑞咨询)将这一问题称为“钱-效-全”难兼顾,即费用、效果与转型深度之间的矛盾。,退则需要承受前期投入资金和人力的高昂机会成本(2)企业对转型费用很敏感,56%企业将其控制在企业总成本5%以内(腾讯社会研究中心,《中小企业数字化转型路径报告2022》)。。

而高管作为转型“领航员”,他们掌握着转型进展、困难和风险的真实信息,相比外部投资者拥有信息优势[21],会根据转型的现实与未来态势形成预期收益的私人判断。此时,如果企业市场估值高于高管们的私人判断,他们就可能选择减持,提前将数字化转型可能在未来产生的价值增值部分套现以锁定收益。这种投机性减持是一种“双输”行为,不仅干扰证券市场平稳运行,而且极大削弱了企业将转型进行到底的决心与意愿。

总之,数字化转型中存在固有的信息不对称,极易造成企业价值的高管私人判断与市场乐观预期之间出现差异,进而催生“见好就收”的投机性减持,并且随着转型程度的深入,难度愈大,成本愈高,风险愈不可控,高管投机性减持动机愈强烈。基于上述分析,本文提出假说1。

H1企业数字化转型会加剧投机性减持行为,转型越深入,减持行为越容易发生。

(二)企业数字化转型、资金渠道与减持行为

在数字化转型过程中,资金投入程度决定了转型成败。但企业对不同资金来源有不同心理预期。由于专项资金、研发补贴等政策性资金具有“无偿性”和“条件性”,企业会对这种外部资金供给产生依赖性和迎合心理[22];而内部现金供给来自企业的价值创造和融资,具有“有偿性”和“创造性”,进而也更具可持续性,它能显著增强高管战略投资信心[23]。

自2008年4月工信部成立伊始,财政补助就开始在企业数字化转型中持续发力,三次“政策红利”包括2013年两化融合管理体系贯标、2015年智能制造工程、2017年工业互联网创新发展战略,财政奖补资金渗透到数字化转型的方方面面。但是一方面,政府补助具有政策时限、政策倾斜与潜在门槛等选择性[24-25],企业并非总是能够适配这些条件。同时,由于补助资金期限短、数额有限,当数字化转型更多地依赖该资金渠道时,资金供给的持续性和充足性无法保障,这将削弱管理层推进转型的信心和转型到底的决心,降低其对企业价值的判断。而另一方面,政府补助又具有政府信用背书的间接信号传递作用[26],公司股票在资本市场上更受投资者青睐,反而容易产生较高市场估值。总之,享有政策性资金越多的企业,其转型过程中市场估值和高管估值之间出现落差的可能性越高,更易滋生“见好就收、落袋为安”的投机性减持行为。尤其是对一部分为争取补助而进行数字化转型的企业,它们会选择性地进行门槛低、投入小、见效快的数字化投入,其估值的高涨更易诱发投机性减持。

相反地,企业内部现金本质上是企业即时付现能力的表现,更充裕的现金资产状况能够为企业变革提供安全可靠的资金支撑[27]。一方面,企业内部充裕现金具有抗风险能力,不仅能够帮助企业抵御突发性事件,还可以帮助企业缓解来自市场的各种融资规制,保障企业稳定经营[28];另一方面,充裕的内部现金类似自由现金流,可以使管理层决策更具机动灵活性[29],有利于管理层对转型过程遭遇的问题进行即时有效应对,助力企业转型目标的实现。此外,Hall(1992)[30]还发现企业内部资金能力与创新投入存在正相关关系,鞠晓生(2013)[31]也认为使用内部资金更有利于企业创新投入的长期可持续性。总之,企业内部充裕现金供给能够为数字化转型过程提供更稳定可靠的支撑,使转型过程更具长期可持续性,增强企业转型信心,提高管理层对企业的估值,坚定高管“从长计议”的长期投资心理,降低投机性减持动机。

基于此,本文提出假说2和假说3。

H2企业对外部政策性资金的依赖越高,数字化转型加剧投机性减持的作用越强。

H3企业内部现金供给越充裕,数字化转型加剧投机性减持的作用越弱。

三、模型设定与变量测度

(一)样本选择和数据来源

本文选取2008—2020年A股上市公司为初始研究样本(3)虽然在2011年,Gartner“数字化转化”作为技术趋势提出,中国的数字化转型浪潮真正爆发是2014年,但2008年中国移动开始3G网络商用,在2009年新浪推出将中国第一个云计算平台SAE,标志着中国企业数字化转型序幕的开启,因此选择2008年作为样本的时间起点。,并对样本进行如下处理:第一,剔除金融类、互联网(4)考虑到互联网相关企业因行业特殊性对数字化水平本身具有高要求,故本文删除了行业代码为I63、I64和I65的企业。相关上市公司样本;第二,剔除ST、*ST的上市公司样本;第三,剔除数据存在严重缺失的公司样本。筛选后共计得到26 336个非平衡面板数据,为避免异常值影响,对所有连续变量进行上下1%水平的缩尾处理。本文原始数据来自国泰安数据库(CSMAR)、万得数据库(WIND),相关企业年报数据来自上海证券交易所和深圳证券交易所官网。

(二)变量设定

1.被解释变量

高管投机性减持(InsiderTrading)。因为减持的超额收益是内部人信息优势收益的重要量化表征,交易获利性高提供了内部人在交易中大量利用信息优势的重要间接证据。有鉴于此,本文以高管减持后的异常回报作为表征高管进行机会主义减持的事后衡量指标。参考吴育辉和吴世农(2010)[4]及罗宏和黄婉(2020)[32]的做法,首先运用事件研究法,分析高管减持交易的超额收益,并将具有异常回报的减持行为认定为高管投机性减持,以此排除常规减持行为。然后将高管投机性减持行为进行“公司—年度”层面的手工汇总,构建合计的年度减持金额和减持次数变量,同时参考Huddart和Ke(2010)[33]的做法,将某年度内未发生高管投机性减持行为的公司做取零值处理。最后分别对减持金额和减持次数取对数,作为减持规模(Sell)和减持频率(Selltimes)的代理变量。

2.核心解释变量

企业数字化转型(DCG)。本文参照赵宸宇(2021)[34]的做法,基于2008—2020年A股上市公司年报,在Python语言环境下,对公司年报中出现的“数字化转型”相关关键词进行抓取,统计每份年报中相关关键词出现的次数,并进行“公司—年度”层面的手工汇总,对最终加总词频取对数处理后得到企业数字化转型(DCG)的代理变量。其中,关于“数字化转型”相关关键词的界定主要参考吴非等(2021)[8]的做法,从“底层技术运用”和“技术实践应用”两个层面确定特征词。底层技术运用层面主要包括人工智能(Artificial Intelligence)、区块链(Blockchain)、云计算(Cloud Computing)和大数据(Big Data)等“ABCD”技术,共涉及44个关键词;技术实践应用层面主要指数字技术与企业生产经营的融合,包括移动支付、电子商务、数字金融、工业互联网等业务场景中的数字化转型,共涉及105个关键词。

3.调节变量

(1)企业外部政策性资金供给(Subsidy)。本文选取政府补助作为衡量企业外部政策性资金供给的代理变量。该数据来自上市公司财务报表中政府补助的金额,参考罗宏等(2014)[35]的做法对政府补助金额进行加1取对数处理,以减少不同企业政府补助强度差异导致的估计偏误。

(2)企业内部现金供给(Cash)。参考曾爱民等(2013)[36]的研究,现金柔性能反映企业调用内部资金的能力,本文采用现金比率作为衡量企业内部现金供给能力的代理变量。现金比率量度了企业资产中相对于当前负债最具流动性的项目,能够有效反映企业即时付现的能力。现金比率越高说明企业的变现能力越强,越能增强企业抗风险的能力。该数据来自上市公司财务报表,采用期末现金及现金等价物与流动负债的比值表示。

4.控制变量

考虑到可能影响高管投机性减持行为的其他因素,参考吴先聪等(2020)[37]的研究,本文共选取11个控制变量。(1)企业特征因素。包括:企业年龄(Age)、企业规模(Size)、资产负债率(Lev)。(2)企业创新和效率因素。包括:创新水平(RD)、技术效率(TE)。(3)股票市场因素。包括:股价同步性(Syn)、股票累计收益率(Income)、市盈率(PER)。(4)公司治理特征因素。包括:流通股股权集中度(Negshrcr)、两职合一(Dual)、独立董事占比(Ratio)。同时,为控制不可观测的年份和行业因素对投机性减持行为的影响,加入了年份效应(Year)和行业效应(Ind)。具体变量说明见表1。

表1 变量界定与含义

(三)模型构建

1.基准回归模型

为检验企业数字化转型对减持行为的影响,参考现有研究方法,本文构建如下回归模型

InsiderTradingit=α0+α1DCGit+α2Controlsit+∑Year+∑Ind+εit

(1)

其中,i代表企业个体,t代表年份;被解释变量InsiderTradingit表示企业i在第t年的投机性减持行为,包括减持规模(Sell)和减持频率(Selltimes)两个指标;核心解释变量DCGit表示企业i在第t年的数字化转型程度;Controlsit为前述控制变量,Year和Ind分别代表年份和行业固定效应,εit为随机扰动项。按照假说1,如果数字化转型会加剧投机性减持,其回归系数α1为正且显著。

2.调节效应回归模型

本文使用调节效应模型验证不同资金供给渠道对企业数字化转型中投机性减持行为的调节作用,在式(1)中分别加入企业数字化转型和政府补助(Subsidy)的交互项、企业数字化转型和现金比率(Cash)的交互项,构建式(2)

InsiderTradingit=β0+β1DCGit+β2Mit+β3DCGit×Mit+β4Controlsit+∑Year+∑Ind+εit

(2)

其中,Mit为调节变量,分别为企业外部政策性资金供给(Subsidy)和企业内部现金供给(Cash)。

(四)描述性统计

变量描述性统计结果见表2。在样本期间内,高管减持规模最小值为0,最大值为18.15,平均值为2.94,标准差为5.81;高管减持频率最小值为0,最大值为2.77,平均值为0.28,标准差为0.63。无论从规模还是频率的角度看,高管投机性减持行为都普遍存在。不过,不同企业之间减持规模的离散程度较大,但减持频率的离散程度相对较小。企业数字化转型程度的最小值为0.69,最大值为5.88,标准差为1.28,表明我国绝大多数企业已步入数字化转型新阶段,但企业之间数字化转型进度存在一定差异。

表2 变量描述性统计结果

四、实证分析

(一)基准回归

根据式(1),本文对企业数字化转型DCG与减持行为之间的关系进行了检验,结果见表3。从列(1)和列(5)可以看出,企业数字化转型DCG对减持规模Sell和减持频率Selltimes的影响为正且在1%水平上显著。在加入了一系列控制变量后(见列(2)和列(6)),因果效应依旧显著,说明随着企业数字化转型的不断推进,企业高管投机性减持行为(包括减持规模和减持频率)也在增加。也就是说,当企业所面对的不确定性随着转型程度的加深而不断增大时,高管与市场之间对公司价值判断的分歧也在增大,投机性减持动机增强,更高的数字化转型程度容易诱发高管更强的减持规模与减持频率,假说1得证。

控制变量回归结果显示(见列(2)和列(6)):企业年龄(Age)和企业规模(Size)对投机性减持行为存在负向因果效应,随着企业年龄增长和规模扩大,企业经营更加稳固,投机性减持动机减弱;企业资产负债率(Lev)回归系数为负且显著,可能原因在于高负债信息的披露降低了企业的市场估值,市场估值与高管估值之间形成较大落差的可能性降低,进而抑制了投机性减持行为;创新投入(RD)和技术效率(TE)的系数均显著为正,可能是由于证券市场对高创新企业和高效率企业更为青睐,对其价值具有高预期,市场估值与高管估值之间容易形成较大落差,进而诱发更多投机性减持;股价同步性(Syn)的系数为负且显著,说明当个股股价变动脱离市场平均变动的程度越高,即个股行情具有更高的独立性和特定的题材性时,投机性减持行为越容易发生;流通股股权集中度Negshrcr和独立董事占比Ratio的系数均显著为负,说明流通股股东和独立董事对高管行为具有监督作用,能够抑制其投机性减持;而两职合一Dual的回归系数显著为正,说明当董事长同时兼任CEO时,会大大加强其投机性减持的可能,与现实情况相符。

(二)资金供给渠道的调节效应检验

表3的列(3)、列(4)和列(7)、列(8)显示了不同资金供给渠道对企业数字化转型中高管减持行为的调节效应。一方面,当主变量DCG显著为正,作为调节变量的外部政策性资金(Subsidy)以及该变量与企业数字化转型的交乘项(DCG×Subsidy)也显著为正(5)由于交乘项包含了主变量和调节变量的信息,可能带来多重共线性问题,所以调节变量Subsidy回归结果的判断以列(3)和列(7)为准。,表明随着外部政策性资金增加,高管减持规模和减持频率也在增大。外部政策性资金在企业数字化转型与高管减持行为的因果关系中具有正向调节作用,即更多的政策性资金供给诱发了更强的高管投机性减持行为,假说2得证。另一方面,当主变量DCG显著为正,作为调节变量的企业内部现金供给(Cash)以及该变量与企业数字化转型的交乘项(DCG×Cash)显著为负(6)与调节变量Subsidy情况类似,调节变量Cash回归结果的判断也是以列(3)和列(7)为准。,说明企业变现能力的增加降低了高管减持规模与减持频率。内部现金供给在企业数字化转型与高管减持行为的因果关系中发挥着负向调节作用,即企业内部现金供给能力的增加能抑制高管投机性减持行为,假说3得证。

(三)内生性检验

为解决由双向因果、遗漏变量引发的内生性问题,首先使用工具变量法进行处理。选取“宽带中国”战略2014年试点城市(2014BC)作为第一个工具变量;并参考Lewbel(1997)[38]、蒲艳萍和顾冉(2019)[39]的做法,构建企业数字化转型程度与其同行业、同年份企业数字化转型均值差额的三次方(Lewbel工具变量)作为第二个工具变量。选择2014BC的原因在于,网络基础设施建设能为企业数字化转型提供基础和平台,但该政策与高管减持行为之间没有相关性。结果见表4列(1)—(6):列(1)、列(4)的第一阶段估计结果显示2014BC和Lewbel工具变量与DCG显著正相关,列(2)、列(5)的第二阶段估计结果显示DCG回归系数为正且显著,但与基准回归相比系数值略有下降,表明内生性问题导致基准模型略微高估了数字化转型对高管投机性减持行为的影响,再次验证假说1。不可识别、弱工具变量与过度识别检验均通过。列(3)、列(6)将工具变量作为解释变量加入基准模型,其估计系数均不显著,说明工具变量满足排他性原则,本文结论稳健。

表4 内生性检验结果

其次,使用Heckman二阶段模型解决因样本选择偏差导致的内生性问题,即在高管持股比例较少的情况下,可能存在因减持份额较少而未被观测到的情况。本文以企业当年是否进行数字化转型作为被解释变量构建Probit回归模型,并计算逆米尔斯比率(Inverse Mills Ratio)。表4列(7)、列(8)汇报了加入逆米尔斯比率(IMR)的第二阶段回归结果,DCG回归系数仍为正且显著,说明在考虑样本选择偏差问题后,本文结论依旧成立。

(四)稳健性检验

1.替换被解释变量

本文将减持规模(Sell)和减持频率(Selltimes)中不为0的部分全部用1进行替换,即被解释变量的含义被更改为是否发生减持行为(0,1),并用Logit模型进行回归,结果见表5列(1)—(4)。从结果看,数字化转型对投机性减持行为的发生也具有正向作用且显著,这与表3中其增强减持规模和频率的作用一致。不过与表3相比,虽然企业内部现金供给(Cash)的负向调节作用保持不变,但是企业外部政策性资金供给(Subsidy)的调节作用不再显著。这说明当企业获得更多外部政策性资金,尽管资金供给不确定性在增加,但这一变化并不是企业数字化转型中高管决定是否减持的影响因素,恰恰相反,只有当高管决定减持时,外部政策性资金供给的多寡才会成为决定减持规模和频率的重要因素。总之,结合表3和表5可以发现,企业外部政策性资金供给的调节作用主要体现为加剧企业数字化转型中高管投机性减持的规模与频率,而非加剧投机性减持行为的发生。

表5 替换被解释变量回归结果

2.替换核心解释变量

本文也尝试更换核心解释变量企业数字化转型(DCG)的度量方法。鉴于使用词频度量的方法难以精准衡量企业真实的数字化转型程度,本文进一步使用企业数字化转型指数作为DCG的代理变量(数据来自CSMAR数据库)。该指数从战略引领、技术驱动、组织赋能、环境支撑、数字化成果转化和数字化应用六个层面对企业的数字化转型程度进行评分,能够更全面、更真实地反映企业数字化转型程度。结果见表5列(5)—(8),回归结果与前述基准回归结果保持一致,DCG能显著增强减持规模(Sell)与减持频率(Selltimes),而企业内部现金供给Cash在其中发挥负向调节作用,企业外部政策性资金供给Subsidy在其中发挥正向调节作用。

3.更换样本

由于词频度量更多反映企业数字化转型“意愿”而非“作为”,容易高估企业数字化水平。所以,进一步使用更换样本的方法对词频测度方法进行优化处理。首先使用分位数分割的方法,将全样本三分段,去除位于34%～67%分段的样本,仅保留余下2/3样本进行回归,结果见表6列(1)—(4),回归结果与前文结论一致。其次,本文还使用有效聚类将样本按词频分成低、中、高三部分,仅保留词频最高的部分和最低的部分进行回归,结果见表6列(5)—(8),回归结果与前文结论一致。

表6 更换样本回归结果

4.更换估计方法和控制其他非观测因素

考虑到被解释变量中存在较多零值,本文更换使用PPML估计,PPML通过赋予不同观测值相同权重得到更合理的统计量[40]。结果见表7列(1)—(4),DCG回归系数为正且显著,调节变量企业内部现金供给(Cash)的负向调节效应仍显著,只是外部政策性资金供给(Subsidy)的正向调节作用不再显著(但回归系数符号与前文一致),原因可能来自PPML估计方法本身,Silva和Tenreyro在提出PPML估计方法时,曾指出该方法下得到的回归弹性会显著偏小。

同时,考虑到本文研究容易受到行业政策影响,引入年份―行业固定效应后再次进行回归。结果见表7列(5)—(8),DCG回归系数为正且显著,调节变量交互项回归结果与前述基准回归无显著区别,说明在控制其他非观测因素后本文结论依旧稳健。

(五)拓展性研究

1.基于企业技术水平差异的异质性分析

企业技术水平差异可能导致其在数字化转型过程中面临不同状况。高新技术企业创新水平更高,数字化转型“起点”也更高,其转型过程可能周期相对较短,风险相对较低[41]。因此,通过内部现金供给支撑其数字化转型的能力更强,充裕的内部现金供给将极大地增强管理者信心,抑制投机性减持动机,使得内部现金供给的负向调节作用在高新技术企业中可能更为明显;而非高新技术企业前期技术积累少,转型所需时间和资源投入大,因此政策性资金供给的正向调节作用在非高新技术企业中可能更为明显,因为非高新技术企业获得政策性外部资金的难度大,同时政策性资金相对于转型所需资金更是“杯水车薪”,很难给高管足够信心,容易加剧投机性减持。因此,本文按照是否为高新技术企业进行分组回归(7)高新技术企业的判定标准借鉴《战略性新兴产业分类目录》(国家统计局令第23号,2018),将样本中行业代码为C25、C26、C27、C28、C29、C31、C32、C34、C35、C36、C37、C38、C39、C40、C41和M73的企业判定为高新技术企业。,高新技术企业取值为1,否则为0,结果见表8。

表8 企业技术水平差异的异质性分析

如表8所示,从企业数字化转型(DCG)的回归结果看,两类行业回归系数均为正且显著,组间系数差异的经验P值在减持规模(Sell)和减持频率(Selltimes)下分别为0.58和0.72,说明数字化转型诱发投机性减持的正向作用在两组样本间并无显著差异。从内部现金供给(Cash)的调节效应看,在高新技术企业下,交乘项(DCG×Cash)回归系数为负且显著(见列(2)、列(6)),在非高新技术企业下则不显著(见列(4)、列(8)),说明内部充裕现金供给能力对数字化转型与高管减持行为关系的负向调节作用主要发生在高新技术企业中,更充裕的内部现金供给能力能显著抑制高新技术企业数字化转型中的投机性减持行为。从外部政策性资金供给(Subsidy)的调节效应看,在非高新技术企业下,Subsidy对减持频率的正向调节作用显著(见列(8)),在高新技术企业下则不显著(见列(2)、列(6)),这可能是由于非高新技术企业转型中面临的风险更大,同时其获得补助的难度也更大,无论是转型本身还是政策性资金供给的未来不确定性都更高。因此,非高新技术企业享受的政策性资金供给越多,其数字化转型过程中高管投机性减持越频繁。

2.基于外部融资环境差异的异质性分析

外部融资环境差异对公司经营和战略选择可能产生不同影响。在高资本成本企业中,技术创新活动或因资金问题而受限,从而不可避免地造成数字化转型的支撑资源不足[42]。在这种情况下,短期且不稳定的外部政策性资金供给不仅不能彻底缓解资金压力,反而可能进一步催生短视行为,诱发更强烈的投机性减持动机。因此,政策性资金供给的正向调节作用在高资本成本企业中可能更为明显;而低资本成本企业融资成本和融资约束水平都更低,充裕的内部现金供给能在转型过程中给予管理者更强信心,降低投机性减持动机,其负向调节作用在低资本成本企业中可能更为明显。因此,参考邵挺(2010)[43]的做法,按照不同企业的资本成本构建虚拟变量(8)资本成本的定义为“企业资本成本—行业平均资本成本”,其中资本成本为“利息支出/(负债—应付账款)”。,并使用K均值聚类法[44]分组,其中,高资本成本组取值为1,低资本成本组取值为0,回归结果见表9。

表9 外部融资环境差异的异质性分析

如表9所示,企业数字化转型(DCG)的回归结果均为正且显著,组间差异经验P值表明数字化转型对减持规模(Sell)和减持频率(Selltimes)的影响在两组样本间均不存在显著差异。从调节效应看,一方面,交乘项(DCG×Cash)的回归系数在低资本成本企业中为负且显著(见列(4)、列(8)),在高资本成本企业中则不显著(见表9列(2)、列(6)),说明企业内部现金供给的负向调节作用主要发生在低资本成本企业中。这说明由于低资本成本企业外部融资的代价更低,对企业回报的侵蚀更小,导致该类企业更有信心通过增加内部现金供给支撑数字化转型,提升高管对数字化转型的信心和转型到底的决心,进而降低其投机性减持行为。另一方面,交乘项(DCG×Subsidy)的回归系数在高资本成本企业中为正且显著(见列(6)),在低资本成本企业中则不显著(见列(4)、列(8)),说明企业外部政策性资金供给的正向调节作用主要发生在高资本成本企业中。这说明由于高资本成本企业外部融资成本更高,所以其转型过程中面临的资金约束更强,而外部政策性资金供给具有高不确定性,它削弱了管理层对企业价值的判断,进而引发高管更频繁的投机性减持。

五、结论与启示

利用2008—2020年A股上市公司数据,基于数字化转型过程中企业高管证券市场行为的视角,实证研究转型过程对高管投机性减持行为的影响,以及企业内外部资金渠道对这一影响的调节作用。研究结果表明:(1)随着企业数字化转型的深入,高管投机性减持行为增强,包括减持的发生、规模与频率均会增加;(2)来自企业外部的政策性资金供给在数字化转型与高管减持行为的关系中具有正向调节作用,享有政府补助越多的企业,其数字化转型过程中高管投机性减持动机越强;来自企业内部的现金供给则发挥负向调节作用,反映企业短期偿债能力的现金比率越高,这类企业在转型中的投机性减持动机越弱。(3)异质性分析发现,在企业数字化转型过程中,企业外部政策性资金供给加剧减持行为的正向调节作用主要发生在非高新技术企业和高资本成本企业中,而企业内部充裕现金供给抑制减持行为的负向调节作用主要发生在高新技术企业和低资本成本企业中。

上述结论的政策启示在于:(1)证券市场监管者应加强企业数字化转型中的信息披露,要求企业完整详细地披露转型进展、不足、困难与前景,以及详细披露减持计划及原因,从降低信息不对称的角度遏制投机性减持的发生。(2)补助政策制定者应意识到这种“外援性”的政策性资金供给对减持行为的影响,完善政策举措并甄选受助对象,以减轻可能助长投机性减持的政策因素。应慎重选择补助对象与灵活安排补助力度,对高资本成本和非高新技术企业的补助应慎重规范、力度合理,以避免诱发减持。同时,还应强化政府补助的延续性和可预见性,降低企业对补助预期的不确定性。(3)各级政府和经济管理部门应坚持“授之以鱼,不如授之以渔”的原则,注重对企业“内助性”现金能力的培育,通过拓宽融资渠道、降低融资成本以及助力企业加速自我积累等方式,引导企业保持充裕合理的现金流,对低资本成本和高新技术企业实施精准激励,对高资本成本和非高新技术企业注重减负纾困,在加快其数字化转型的同时,充分发挥企业内部资金供给对投机性减持的抑制作用。