区块链技术应用对公司纵向并购的影响:促进还是抑制

许汝俊

(湖北工业大学 经济与管理学院,湖北 武汉 430068)

一、引言

随着产业链、创新链等不同链条式关联关系形态的发展,产业转型升级越显重要,产业数字化和数字产业化具有同等重要的地位。《中国产业数字化报告2020》提出在新一代数字科技支撑和引领下,以数据为关键要素、价值释放为核心、数据赋能为主线,对产业链上下游的全要素进行数字化升级、转型和再造。

在数字经济快速发展的背景下,区块链技术应运而生,中国信通院、华为、百度等研究机构和商业巨头先后发布了区块链白皮书。随着区块链技术的逐渐普及,我国部分区块链平台公司已经实现了产业链、供应链上相关公司的信息共享。目前,部分公司尚未积极关注新技术在资本市场并购领域的应用问题,而以中企云链、元界等为代表的区块链技术平台公司业务领域已逐渐拓展到产业链并购,并已和众多公司达成合作,致力于逐渐改变并购市场的格局,推动区块链技术在并购市场的应用。与此同时,围绕价值链的纵向并购行为本身存在着尽职调查信息成本、优质资源搜寻信息成本、程序履行成本等诸多并购信息成本,以及信息管理能力弱化引致的信息孤岛、外界信息真实性溯源难等信息困境及瓶颈[1]。区块链技术正是基于上链信息和分布式数据存储实现信息共享,提高信息传递效率。因此,研究区块链技术的应用是否推动了产业链上的纵向并购,能够为我国区块链技术赋能产业链转型升级提供新思路,并为利用大数据技术提高资本市场纵向并购效率提供参考。

目前,在纵向并购的驱动因素方面,产业政策和行业特征驱动纵向并购的观点得到了广泛认可。学者们认为受做大做强导向产业政策支持的公司会进行更多的并购交易[2],外部经济政策不确定性、价格的不确定性以及政府对原材料供应行业的管制政策和契约实施强度也会显著推动相关公司进行更多纵向并购[3-4]。同时,出于规避风险的动机,相关公司可以通过上下游资源整合以应对风险,并且,资产专用性越高,公司的纵向并购倾向性越高。此外,国企性质、供应链金融、供应链非一体化制造商之间竞争的弱化也能够推动公司沿着产业链上下游进行垂直整合,对公司纵向并购具有促进作用[5-7]。

近年来,随着数字经济在全球的发展,学者们开始聚焦数字化转型下数字并购方向的相关问题研究。为获取数字技术和服务或抢占数字市场,相关公司会在国内外进行积极的数据驱动型并购,并且,此类并购呈现出多样化的类型[8-10]。在并购效应方面,数字并购能够显著提升平台公司经济绩效和创新绩效[11-13],同时,对制造业公司具有长期持续的市场势力提升效应[14]。

作为一种新兴的数字技术,区块链技术应用对会计行为的影响研究也逐渐显现。区块链股权交易平台由于其股权信息的公开性,可以对公司的无形资产进行公平的市场化定价,部分解决了股权退出机制不完善的问题。同时,财务共享模式的优化也能够受益于区块链技术应用,能够优化交易信息管理,确保财务信息公开透明,降低交易风险[15]。此外,区块链技术能够解决财务数据完整性,降低财务报告风险,并通过与其他技术的融合对审计行为和公司治理实践产生重要影响[16-17]。

然而,前期研究尚存以下不足:(1)鲜有研究直接关注区块链技术在资本市场纵向并购领域的应用。理论上,基于区块链技术优势及发展趋势,其对公司纵向并购率的影响将会更加有利于认知产业数字化转型下资本市场并购行为的特征,提高资本市场信息传递效率。(2)新技术体系影响公司纵向并购的理论逻辑、机制及相关因素的实证研究较为鲜见,也缺乏系统性的研究,针对上述问题的探索,为公司认知新技术应用场景、条件及相关策略选择提供重要的经验证据。

那么,区块链技术是否能够缓解纵向并购中可能面临的信息困境问题,进而促进相关公司高效地进行产业链资源整合,推动纵向并购?如果存在影响,其理论及机制是什么?鉴于此,本文将基于区块链技术应用指标,结合区块链技术优势及纵向并购流程中的痛点问题,探索区块链技术应用影响公司纵向并购的理论逻辑,并从信息成本、风险控制及资源整合三个方面构建作用机制的分析框架,通过实证分析进行验证,并提出相关建议。

本文的研究贡献在于:(1)考虑现有研究更多聚焦于技术背景、技术差距、技术并购对并购行为的影响,本文基于信息技术学、财务学及产业经济学交叉学科领域,引入区块链技术应用对公司纵向并购的影响问题,使得新技术应用场景向纵深拓展,从新技术发展应用及发展趋势视角着力探索公司纵向并购的影响因素。(2)本文利用区块链应用的指标数据,实证分析了区块链技术对纵向并购的影响,从大数据和文本视角丰富了区块链技术在资本市场公司行为上应用效应的实证研究范畴。

二、理论分析与研究假说

区块链技术作为当前新技术之一,以其分布式数据存储、点对点传输等计算机技术的新型应用模式,实现信息共享、信息不可逆、信息不可篡改等一系列的信息管理优势。区块链技术下信任机制、共识机制、智能合约、加密机制等技术组合,能够保证信息更加真实透明,具有更高的安全性。在并购的影响因素中,较高的信息成本已经成为阻碍并购行为的重要因素。基于不完全信息演化博弈模型,信息不对称导致了并购谈判成本的增加,进而影响并购收益[18]。信息透明度会通过私有信息含量、公司管理层能力及折价定价等方面影响相关公司竞标并购,随着信息透明度的提高,相关公司成为并购目标的可能性越小[19-22]。交易成本和信息不对称对并购溢价产生了影响,较低的信息透明度是并购高溢价定价的重要因素[23]。

公司纵向并购是实现产业链整合及升级的重要手段。从区块链技术应用与纵向并购行为来看,区块链技术优势能够对产业的融合协同发展起到推动作用,进而影响纵向并购。拥有丰富上下游产业配套的相关地区,可广泛运用区块链中的联盟链模式,联合区域内的上下游公司实现产业链共建。在提升安全保障的同时,提高公司的经营效率。具体来看,第一,基于信息成本理论,通过纵向并购,相关公司能够发挥自身在产业链中的重要作用,形成协同效应,提高核心竞争力和综合资源利用率。相较横向并购而言,纵向并购的目的更多在于对产业链上下游公司的资源整合,实现产业合力。绝大部分产业链上下游公司并非处于同一行业,即使属于同一行业,也会存在组间战略等差异。相比而言,不同行业的公司之间信息不对称程度会更高,相关公司进入主业关联度不大的行业引致的成本费用也更大,导致纵向并购面临更高的信息成本甚至是信息困境。因此,相关公司可能利用区块链分布式账本技术形成的不同行业信息共享,能够促进公司内部资源快速流动,在上下游公司范围内实现真实信息的快速传递,使得公司与其上下游公司的信息不对称程度降低,推动公司实施纵向并购。第二,基于风险控制理论,公司纵向并购行为本身属于一项高风险的投资项目,存在较大不确定性和风险,区块链技术则是通过密码学等一系列信息安全技术实现信息共享中的安全传递。同时,区块链网络下的信息确认机制能够提高信息的信度,降低信息传递的不确定性,提高公司风险承担水平,推动公司做出纵向并购。第三,基于资源整合理论,产业链上下游公司产品及资源之间本身具有一定的依赖性和互补性,需要通过信息和资源整合形成合力,提高产业链效率,进而推动纵向并购。因此,本文提出如下假设。

H1区块链技术的应用能够推动公司进行纵向并购行为。

区块链技术作为一种技术组合,其分布式数据存储、智能合约等技术已经被广泛应用于实践,尤其是金融领域。基于供应链市场,各个主体之间存在严重的信息孤岛现象,位于中心位置的核心公司无法掌握供应链上的全部信息,由此带来的信息不对称致使贸易的真实背景难以核查,导致资金充裕的主体无法发放资金,造成资金充裕和资金匮乏的主体之间供需不平衡的局面,供应链柠檬市场的严重信息资源不对称问题成为热点。提高供应链共享信息的透明度是解决供应链信息不对称的关键[24]。由于供应链涉及较多的公司主体,贸易关系也较为冗杂,使得资金提供方付出的查验成本更高。因此,核心公司通过区块链技术能够实现现有业务往来信息的数字化确认,进而有效降低资金提供方的信息核查成本。同时,区块链各节点参与方通过信息相互查验等方式对上链信息做出担保,进一步降低核验成本。蚂蚁集团的双链通就是典型的区块链缓解信息成本的具体应用,通过信息实时共享、时间戳及数字凭证信用等方式,在保证信息真实的基础上,降低人工检查成本和出错风险。此外,区块链在资产证券化领域中也具有天然优势,可以凭借自身特性解决资产证券化中的信息不对称问题。

从信息成本视角下区块链与纵向并购行为关系来看,公司在进行纵向并购时都会面临并购行为的诸多环节,需要通过产业链市场寻找优质的并购资源,对相关公司信息进行搜集和分析,在并购过程中进行法律、业务及财务的尽职调查,签订相关合同,进行并购谈判,履行相关程序及手续,并在并购后期进行资源的整合。虽然这些程序在横向并购及混合并购中也会存在,但跨行业信息差异程度的不同及并购融合难度的不同都将引致纵向并购行为付出更大的信息搜集、确认、分析等成本,区块链技术在其中的应用前景更为合理与必要。针对纵向并购较其他并购类型可能存在更高的并购信息成本问题,区块链技术能够有效地降低相关反馈信息与价值交换过程中具体环节的成本,将内部资源充分调动起来,与外部信息资源高效对接,提高公司纵向并购率。因此,基于以上分析,本文提出如下假设。

H2a区块链技术通过降低并购信息成本进而推动公司进行纵向并购。

区块链技术一定程度上能够降低公司行为风险,提高行为决策的概率及效率。供应链融资在区块链技术的支持下风险更低,完整连续的交易记录会向所有供应链公司及中介机构开放[25-27],而交易中的信用风险能够通过区块链技术进行有效的分解,提高多维度数据的相对准确性[28],避免参与方可能存在的私下交易风险甚至犯罪行为风险。区块链技术通过对历史数据的自动比对,并与链上主体信用评级等信息交叉检验,能够控制借款主体的准入风险。同时,区块链技术的点对点特征能够通过数据跟踪实现贷后管理过程中相关道德风险等行为的预警。此外,操作风险、市场风险都可以通过区块链智能合约技术和多节点分布予以管理,保证相关交易的可追溯性。

从风险视角下区块链与纵向并购行为关系来看,一方面,产业链纵向并购本身存在着信息真实性验证难及安全性问题,并购也具有较高风险性及不确定性。区块链技术从信息利用安全性、传递及时性和并购信息资源的可追溯性方面,保证纵向并购过程中相关信息传递的及时性、并购资源投入的可追溯性,利用密码学技术实现对产业链上下游公司的信息权限设置,有效缓解信息共享过程中资产质量、或有负债等信息风险或困境问题。区块链技术下智能合约的条件性也会帮助公司降低法律条款的繁琐及限制带来的风险,使得并购双方能够在保证产业升级及资源整合的基础上提高风险承担意愿。另一方面,现有研究发现,偏好风险的公司,其并购倾向更高。与风险偏好类似,公司风险承担会随着公司高管的年龄经验与资源权力等方面的变化而有所不同[29]。风险承担能力与其水平也有趋同性,能够动态反映在公司的各种风险决策中。公司并购尤其是纵向并购,其信息不对称程度更高,面临的风险也更大,区块链技术应用引致的风险承担意愿提升能够推动公司进行并购。因此,随着区块链技术的应用,公司风险承担意愿更高,进行纵向并购行为的概率也更大。基于以上分析,本文提出如下假设。

H2b区块链技术通过提高风险承担水平进而推动公司进行纵向并购。

公司发展离不开产业链转型升级,更离不开产业链上相关资源的整合。当前,在政务信息、教育信息、档案信息方面,区块链能够利用其技术优势使得各方资源进行充分融合,促进其赋能各领域各行业的发展,优化各方资源整合[30]。基于物流供应链,学者们发现物流供应网络中相关公司面临沟通成本增加、效率下降等诸多问题,而区块链能够推动物流产业创新及升级[31]。从资源整合理论来看,商品从原料到消费品的形成过程需要供应链上下游公司不同类型资源的有效整合,其中,产业链核心公司与上下游公司资源类型差异较为明显,需要通过技术优势实现知识和资源共享,推动产业链资源整合,提高整合效率。基于以上分析,本文提出如下假设。

H2c区块链技术能够通过提高资源整合效率进而推动公司进行纵向并购。

三、研究设计

(一)样本选择与数据处理

鉴于我国区块链技术从2016年才逐渐普及应用,结合技术应用可能存在滞后性,本文选取2016—2021年相关公司应用区块链技术数据,选取2017—2022年A股上市公司实施并购的事件作为研究对象。其中,区块链技术应用数据来自中国研究数据服务平台,并购数据和公司层面的财务数据均来自于国泰安数据库。为了更为准确地研究相关问题,本文对后续回归样本数据进行了一定的处理:删除掉金融类、ST类公司样本,所有连续变量均经过上下1%的异常值处理。由于本文重在研究并购,所以并未对100万以下或者并购后并购方持股比例较小的样本予以删除,尽量保留所有并购事件。在匹配前的原始样本中,2016—2021年应用区块链技术的相关公司样本数量达到1 307家,2017—2022年A股实施纵向并购事件样本量为2 058次。

为了相关研究的严谨性,结和区块链应用数据的特征,考虑数据样本量的效度问题,选取公司是否属于高新技术公司(Tech)、公司研发投入占营业收入比例(RDinv)及所有控制变量作为原始匹配变量,对应用区块链技术的公司与未应用区块链技术公司进行半径为0.005的匹配。配对后的平衡性检验结果(表1)表明,匹配变量在配对之后的偏差绝对值均在10%以下,总体来看,配对后的样本不存在显著差异,匹配效果较好,适合后续针对区块链技术应用与纵向并购的回归分析。

表1 匹配变量的平衡性检验结果

(二)变量定义

1.被解释变量(纵向并购,Verm)

在样本区间里,相关公司进行纵向并购行为取1,否则取0。具体来看,本文对纵向并购的定义主要依据李善民等(2020)[32]和CSMAR数据库对纵向并购的界定为基础来确定。对公司并购数据库中的“交易概述”关于并购目的的描述,将收购方与被收购方处于同一产业链条上的上下游关系的并购确定为纵向并购。认定并购类型时,具体操作如下:出现 “完善产业链”“上、下游布局”等有纵向并购含义词语的将其定义为纵向并购,如国际实业在其并购交易概述中强调,“为加强公司成品油销售终端布局,完善石油化工产业链等等”。

2.解释变量(区块链技术应用,Blkc)

借鉴杨德明和刘泳文(2018)[33]、杨德明等(2020)[34]的做法,通过搜集上市公司各类公告,搜索“区块链”“分布式计算”“亿级并发”“信息物理系统”等关键词,判断上市公司在当期是否涉及区块链技术应用,如果上市公司公告内容中明确提及正在投资或从事与区块链技术相关的事项,则认为其涉及区块链;如果上市公司明确说明当期经营不涉及区块链技术或者所述内容与其从事区块链无关,则为“不涉及”。此处需要说明的是相关数据只能判断出公司在当年是否涉及区块链业务,并不能判断可能由于应用成本、突发事件等原因引致的后续年度对区块链技术的应用。因此,本文以涉及区块链技术应用公告为准进行分析。

3.中介变量

第一,本文借鉴辛清泉等(2014)[35]的做法,用盈余质量指标(DQ)、交易所信息披露考核指标(DSCORE)、分析师跟踪人数(Analyst)、分析师预测精度(Accuracy)和公司当年是否聘请国际四大作为其年报的审计师(BIG4)共同构建了信息透明度指标(Trans),其值等于DQ、DSCORE、Analyst、Accuracy和BIG4变量的样本百分等级的平均值。如果上市公司其中某个或多个透明度变量缺失,则Trans等于剩余变量百分等级的均值,Trans越大,公司透明度越高。

第二,借鉴何瑛等(2019)[36]的做法,本文采用公司在观测时段内的RoA波动程度来度量公司风险承担水平(Risk)。其中,RoA使用息税前利润除以年末总资产衡量,将公司RoA减去年度行业均值得到Adj_RoA,缓解行业及周期的影响。由于制造业上市公司数量较多,观测值超过全样本的70%,因此,对制造业公司的行业分类细化至两位代码,并删除行业仅有一家公司的样本,以每三年(t-1年至t+1年)作为一个观测时段,分别滚动计算经行业调整后的RoA(Adj_RoA)的标准差。同时,参考Faccio等(2011)[37]和宋建波等(2017)[38]的处理方式,将该结果乘以100得到Risk指标以衡量公司风险承担水平。对于量纲的处理能够使结果更加直观,并不影响其显著性水平。

第三,借鉴张倩肖和段义学(2023)[39]的做法,本文在测度公司专业化分工水平和供应链整合水平两大指标的基础上,进一步计算产业链整合水平(Integration)。根据现代产业经济学理论,公司专业化分工水平越高,要求供应链网络更具有稳定性和多样性,以满足公司对数据资源的稳定需求,进而对供应链整合水平要求越高。因此,产业链整合水平取决于两者的乘积。

4.异质性分析涉及的变量

供应链集中度(Supplier),用前5供应商、客户采购销售比例之和的均值表示,即(向前5名供应商采购比例+前5名客户销售比例)/2。企业生命周期,借鉴陈旭东等(2008)[40]的相关做法,结合投资、筹资及经营现金流特征,分别计入导入期、增长期、成熟期、衰退期。当筹资现金流为零时,根据经营现金流、投资现金流的特征,分别计入成熟期、衰退期,当投资现金流为零时,根据经营现金流、筹资现金流的特征,也分别计入成熟期、衰退期。鉴于本文的研究主题是新兴技术的应用,故不再考虑衰退期的相关影响,分别形成导入期(SM)、成长期(SM1)、成熟期(SM2)。

5.控制变量

本文选择了地区经济发展水平(Zone)、并购规模(Scale)、并购方资产规模(Size)、总资产净利润率(ROA)、资产负债率(Lev)、上市年限(ListAge)、股权制衡度(Balance)、战略差异度(Strategy)作为控制变量。其中,战略差异度(Strategy)借鉴叶康涛等(2014)[41]、孙健等(2016)[42]对公司战略差异的定义,首先,计算广告和宣传投入:销售费用/营业收入,研发投入:无形资产净值/营业收入,资本密集度:固定资产/员工人数,固定资产更新程度:固定资产净值/固定资产原值,管理费用投入:管理费用/营业收入,公司财务杠杆:(短期借款+长期借款+应付债券)/权益账面价值。其中,广告和宣传投入、研发投入、资本密集度和固定资产更新程度代表公司在营销、创新和生产能力扩张方面的行为。管理费用占比代表公司的费用结构,财务杠杆代表公司的资本运营方式。每个变量都从一个侧面反映公司的战略。整体来看,六个变量反映了公司的总体战略。由于我国上市公司较少单独披露广告费用和研发费用,为此本文分别采用销售费用和无形资产净值来近似代替广告费用和研发费用。其次,本文将各公司六个战略维度指标分别减去同行业当年该指标的平均值,再除以该指标的标准差予以标准化,并取绝对值。这样,就得到了各公司在每一个战略维度上偏离行业平均水平的程度。最后,对每个公司标准化后的六个战略指标取平均值,得到战略差异度指标Strategy,该指标越大,说明公司与同年度同行的战略差异越大。

其他控制变量数据见表2。

表2 变量定义表

(三)模型构建

为了验证相关假设,本文构建如下模型进行检验

Vermi,t+1=η0+η1Blkci,t+∑Controls+∑Ind+∑Year+ε

(1)

Transi,t/Riski,t/Integrationi,t=γ0+γ1Blkci,t+∑Controls+∑Ind+∑Year+ε

(2)

Vermi,t+1=α0+α1Blkci+α2Transi,t/Riski,t/Integrationi,t+∑Controls+∑Ind+∑Year+ε

(3)

Vermi,t+1=β0+β1Blkci,t+β2Supplieri,t+β3Blkci,t×Supplieri,t+∑Controls+∑Ind+∑Year+ε

(4)

Vermi,t+1=φ0+φ1Blkci,t+φ2SMi,t+φ3Blkci,t×SMi,t+∑Controls+∑Ind+∑Year+ε

(5)

模型(1)主要用于检验区块链技术应用对公司纵向并购的影响,即主回归分析。模型(2)-(3)用于检验区块链技术应用是否会通过降低信息成本、提高风险承担水平以及提升产业链资源整合效率,进而影响公司纵向并购。模型(4)-(5)则是用于验证供应链集中度及公司生命周期对模型(1)中两者关系的影响。

四、实证结果分析

(一)描述性统计

首先,针对原始数据中区块链技术应用的公司数量、占比和实施纵向并购的公司数量、占比进行了描述性统计。结果(表3)表明,2016—2021年,应用区块链的公司数量呈现递增的趋势。与此同时,从实施纵向并购的公司分年度情况来看,纵向并购事件的绝对数量呈现逐年递减趋势。2020年之后的样本可能受到新冠疫情的影响,整体经济形势呈下降态势,公司纵向并购业务乃至整个资本市场并购业务均受到较大冲击,纵向并购事件较上年度出现了较大幅度的下降。

表3 应用区块链技术的公司数量和纵向并购事件数量的年度分布情况(1)此处的相关数据统计是基于原始数据,即匹配之前的数据。同时,由于技术应用与并购关系存在的滞后性,后续回归中纵向并购数据均滞后一期,故此处的纵向并购年份为2017-2022年。此外,同一家公司在同一年份同一月份的多次记录视为多次事件进行事件统计。

其次,本文对原始的实施纵向并购的公司所在行业分布进行了描述性统计。结果(表4)表明,发生纵向并购行为最多的行业集中于制造业、信息传输、软件和信息技术服务业、批发零售业及能源供应业。其中,制造业公司本身在上市公司中占据绝大部分比例,其发展需要进行不断的转型升级与改造。信息及其技术服务行业则更加集中信息技术的研发及服务,甚至有可能本身就是区块链技术研发的公司。批发零售和能源供应更多涉及到了供应链条的整合与优化,对供应链升级的需求也会越来越大。所以,从描述性统计数据来看,近年来制造业等行业进行纵向并购的数量最多,这也为本文相关主题的后续研究奠定了基础。同时,教育业、住宿餐饮业、卫生社会工作和公共管理行业的纵向并购事件最少,这表明在一般的专业化实体经济行业上较少进行短期的多元化扩张。

表4 不同行业中纵向并购事件数量及占比统计(2)行业标准按照2012版中国证监会上市公司行业分类指引。

最后,本文对匹配后的样本中所有主要变量的基本数据进行了描述性统计,结果见表5。总体来看,经过半径匹配后,应用区块链技术的公司样本量占到了3.80%,实施纵向并购的公司样本量占比达到31.90%。同时,从控制变量数据信息来看,并购规模差异较大,虽然并购交易金额占并购方资产的比例均值在0.10左右,但是并购规模比例最大达到了2.87,中位数与均值差距明显,这也说明纵向并购更多基于战略目的,而非单纯的经济目的。虽然战略差异度也显示出一定程度的差异分布,但中位数与均值差异不大,未表现出明显的区别,再次表明纵向并购更多基于战略目的。此外,公司规模、净资产收益率、资产负债率、地区发展水平、上市年限、股权制衡度在样本中未表现出明显差异。

表5 主要变量描述性统计

(二)基准回归分析

针对区块链技术应用与相关公司纵向并购的关系,本文进行了回归检验。实证结果(表6)表明,单变量回归及引入控制变量后区块链技术应用与纵向并购间回归系数分别为0.44、0.46,均通过了5%的显著性水平,说明相较于没有应用区块链技术的公司,应用区块链技术的公司进行纵向并购的概率更大,以上结果基本验证了H1。

表6 主回归结果

(三)稳健性检验

1.主并公司局限于境内公司

由于前述样本中包含了所有纵向并购类型,也包含了少部分主并公司为境外公司的样本。因此,为了进一步验证相关结果的稳健性,本文剔除了主并公司是境外公司的样本数据,重复前述主要回归。实证结果(表7)表明,区块链技术应用与纵向并购行为之间系数依然为正且显著,再次验证H1。

表7 稳健性检验结果

表8-1 内生性处理

2.控制其他主流技术的影响

借鉴吴非等(2021)[43]提出的有关数字化转型的特定关键词,除关键词前存在“没”“无”“不”等否定词语的表述,在上市公司年度财务报告中进行全文搜索,形成相关主流新技术的分指标体系:人工智能技术包括人工智能、商业智能、图像理解、投资决策辅助系统、智能数据分析、智能机器人、机器学习、深度学习、语义搜索、生物识别技术、人脸识别、语音识别、身份验证、自动驾驶、自然语言处理;云计算技术包括内存计算、云计算、流计算、图计算、物联网、多方安全计算、类脑计算、绿色计算、认知计算、融合架构、亿级并发、EB级存储、信息物理系统;大数据技术包括大数据、数据挖掘、文本挖掘、数据可视化、异构数据、征信、增强现实、混合现实、虚拟现实。通过相关新技术分指标在年度报告中出现的频次界定相关新技术影响程度。实证结果(表7)表明,在控制人工智能、大数据及云计算技术的影响后,区块链技术应用对纵向并购的影响依然较为显著,再次佐证区块链技术与公司纵向并购之间的关系。

3.改变样本匹配半径

为了提高相关匹配的精度,让匹配标准更为严格,本文选择0.001作为匹配半径进行样本匹配,最终筛选出3 425个样本,重复前述回归后(表7)发现,区块链技术应用与纵向并购之间系数为0.64,在1%的水平上显著,再次验证了H1。

(四)内生性问题处理

1.采用倾向得分匹配-双重差分(PSM-DID)方法

由于2016年我国区块链技术应用才开始出现和逐渐普及,因此,本文选取2012—2021年相关样本及数据(纵向并购数据取2013—2022年的滞后值),以10年内2016年为时间窗口,对2016年前4年及2016年后6年(含2016年)的数据进行了倾向得分匹配-双重差分检验。相关结果(表8-2)表明,双重差分变量系数为0.06,在5%的水平上显著,一定程度上表明2016年之后区块链技术应用的影响并非时间驱使,再次佐证了前述回归的主要结论。

表8-2 内生性检验:PSM-DID

2.工具变量两阶段回归检验

为了一定程度上避免区块链技术应用与纵向并购回归中遗漏变量带来的内生性问题,本文借鉴李少林和冯亚飞(2021)[44]的做法,选择地区数字经济发展水平(Rdigital)作为工具变量,该变量由当年地方公司数字经济专利发明授权和新型专利授权总量来表征。选择其原因在于,一方面,区块链技术应用与数字经济发展水平之间存在必然联系,处于数字经济发展程度较高区域的公司进行信息技术应用的概率更大,即区块链技术更易在数字经济水平较高的城市中应用,满足相关性条件。另一方面,地区数字经济水平发展属于宏观经济发展内容,很大程度上受到宏观科技政策的影响,一定程度上具有随机性,理论上不会直接对单个公司的纵向并购行为产生显著影响,满足外生性条件。工具变量回归结果见表9,第一阶段结果显示,相关变量回归系数为正且显著,说明相较于数字经济水平发展程度较低的地区公司而言,数字经济发展水平较高的地区公司应用区块链技术的概率更大。

表9 内生性检验:工具变量法

五、进一步分析

(一)机制分析

1.降低信息成本

为了验证H2a,本文设定了中介效应模型进行检验。具体分为两个步骤:第一,以中介变量Trans为因变量,检验Blkc对Trans的影响,观察模型(2)中γ1是否为正且显著;第二,将Blkc和Trans放入同一个模型中与Verm进行回归,观察模型(3)中α1和α2是否显著。中介效应检验结果(表10)显示,Blkc与Trans的回归系数为正且显著,表明随着相关公司对区块链技术的应用,信息透明度更高,信息不对称程度逐渐降低。同时,中介效应第二步显示Blkc与Verm的回归系数为正且显著,Trans与Verm的回归系数为正且显著,进一步表明Trans在Blkc对Verm的影响中发挥了中介作用。以上结果说明,随着公司对区块链技术的应用,相关公司信息披露更为充分,信息不对称程度下降,纵向并购信息获取成本更低,信息困境一定程度上得到缓解,进而提高相关公司进行纵向并购的概率,实现产业链战略转型,基本验证了H2a。

表10 影响机制回归结果

2.提高风险承担水平

与信息成本的中介路径分析相类似,本文进一步验证了区块链技术应用是否提高了公司风险承担水平,进而推动相关公司进行纵向并购。中介路径检验结果(表10)显示,Blkc与Risk的回归系数为0.01,在1%水平上显著。在引入了Vermwt 为因变量后,Blkc与Verm的回归系数为正且显著,Risk与Verm的回归系数也为正且显著,再次说明相较于未应用区块链技术的公司,已经进行区块链技术应用的公司纵向并购过程中能够承担更高的风险水平,进行更为广泛的产业链纵向并购,同时,纵向并购本身作为一种更为高风险的投资项目,也需要产业链上风险容忍度更高的公司参与,因此,H2b也得到验证。

3.产业链资源整合效率

结合前述理论分析和指标测度,本文验证了区块链技术应用对产业链资源整合效率的影响。实证结果(表10)表明,第一阶段回归系数为0.89,在5%的水平上显著,表明区块链技术应用能够提高产业链资源整合效率。第二阶段回归系数为0.15,在10%的水平上显著,显示出产业链资源整合效率作为区块链技术影响纵向并购率的中介机制,一定程度上说明通过区块链技术的发展及应用,能够促进相关公司进行资源整合,推动并购行为,充分发挥各公司的专业化分工,实现产业链纵向一体化。

(二)异质性分析

为了更为深入探索不同环境对区块链技术应用与相关公司纵向并购关系的影响,本文构建了相关异质性理论分析框架。具体来看,影响区块链技术应用与公司纵向并购关系的因素集中于两方面。

第一,基于供应链管理理论和利益相关者理论,影响公司纵向并购行为的因素中,供应链关系程度至关重要。核心公司与其上下游公司的信息沟通、资源共享、专有资产管理能够促进供应链上公司间信息效率的提升。面对日趋复杂的市场环境,供应链合作伙伴带来的竞争优势是核心公司所需求的一种“资源”,进而供应链集中度的提高能够推动纵向并购。相关公司的供应链集中度也会显著影响信息的对称性,进而对区块链技术应用与纵向并购的关系产生影响。基于信息互补理论,随着供应链集中度的提高,相关公司对供应商的采购额及对客户的销售额更加集中,与大客户和主要供应商之间的关系更为密切,产业链上下游公司信息资源的获取会相对更为便利,信息成本也会更低,理论上会弱化区块链技术对纵向并购带来的信息优势。因此,供应链集中度对公司应用区块链技术与纵向并购之间的关系产生影响。

基于上述理论分析,相关实证结果(表11)显示,供应链集中度与区块链技术应用的交乘项系数为-0.03,在10%的水平上显著,一定程度上说明供应链集中度的提升让相关公司较好地收集与分析跨行业信息,拓宽了各类信息来源和渠道,弱化了区块链技术的信息优势对纵向并购的影响。

表11 异质性检验回归结果(供应链集中度差异)

第二,基于公司生命周期理论,相较成长期公司,成熟期公司面临更多的业务多元化需求和转型需求。与此同时,更多的正向经营现金流为其引入和应用区块链平台技术提供了良好的资金支持。从公司所处生命周期来看,公司发展阶段存在导入期、增长期、成熟期、衰退期四个主要的生命周期阶段[40],导入期和增长期的公司资金需求更大,筹资现金流一般为正数,尤其是更多的自有资金将会用于业务扩张及规模扩大等业务需求,相较成熟期公司而言,他们没有过多经营现金流用于技术研发及应用。此外,区块链作为一种新兴技术,虽然其信息优势不言而喻,但其在开发或者外购的使用中需要足够的资金维系其良好的运转,因此,基于区块链使用效率和企业生命周期的现金流情况来看,成熟期公司会有更多资金用于区块链的实际应用,这与当前的现实背景也基本一致。

实证结果(表12)表明,在导入期的公司中,交乘项与纵向并购行为之间的回归系数为0.01,成长期公司的交乘项系数为-0.89,在5%的水平上显著。虽然成熟期公司交乘项并未显著,但其t值趋近于正向的临界值。综合来看,一方面,成熟期公司拥有更为充足的经营现金流,对区块链技术应用具有较好的资金支持,不论是技术自研还是外部采购都能推动区块链与纵向并购的深度融合。另一方面,成熟期公司本身具有较高的市场份额和稳定业态,通过区块链技术的应用,能够推动其进行更为广泛和高效的产业链并购,实现多元化并购发展战略。

表12 生命周期不同阶段分组回归结果

(三)价值效应

为了进一步验证区块链技术应用对纵向并购后公司价值的影响,本文借鉴前期公司价值文献的相关指标[45],选取托宾Q值(TQ)作为公司价值指标。运用如下模型进行回归检验

TQi,t+1=η0+η1Blkci,t+∑Controls+∑Ind+∑Year+ε

(6)

实证结果(表13)表明,在纵向并购样本下,区块链技术应用对公司价值的回归系数为0.77,在1%的水平上显著。在非纵向并购的子样本中,并未发现区块链技术应用对公司价值的显著影响,这也进一步说明在相关纵向并购样本下区块链技术应用能够显著提升公司价值,推动公司积极应用以区块链为代表的新技术体系参与资本市场公司行为,验证了区块链技术应用在公司纵向并购行为下的绩效性。

表13 纵向并购样本下区块链技术应用对公司价值与绩效的影响(3)由于此部分仅针对纵向并购子样本的价值效应,故样本量会有所减少。

六、结论及建议

本文基于协同理论、信息成本效益理论及风险管理理论,实证检验了区块链技术应用对公司纵向并购的影响。研究发现:第一,区块链技术的应用能够显著推动公司进行更多的纵向并购行为,提高公司纵向并购率。第二,区块链技术应用影响公司纵向并购率的作用渠道包括:信息成本、风险承担与产业链资源整合,即区块链技术应用能够通过降低信息成本、提高公司风险承担水平及提升资源整合效率进而驱动公司纵向并购。第三,进一步异质分析和价值效应分析表明,区块链技术应用对具有较低供应链集中度的公司及成熟期公司的纵向并购行为的促进作用更为明显,区块链技术驱动下相关公司的纵向并购能够显著提升公司价值。

根据上述研究结论,本文提出以下政策建议。第一,着力推进区块链技术在纵向并购中的相关应用。公司应该积极在资本市场纵向并购领域推动区块链新技术应用,不断推进产业数字化转型,充分发挥区块链技术优势,在产业链纵向并购领域适时建立创新联盟链。第二,提高产业链上下游相关公司信息透明度。在一定范围内营造良好的信息环境,降低信息搜集成本,提高信息透明度,为充分发挥区块链技术优势奠定信息基础。第三,创建良好的公司纵向并购风险治理体系。充分识别新技术应用过程中纵向并购环节的风险点,从内控视角设置相关风险关键控制点,缓解技术应用可能带来的新风险、新问题。第四,提高产业链上下游公司资源整合能力。优化产业链公司各类资源的追溯与整合,适时形成供应链分包业务,提高供应链资源配置效率,发挥供应链上下游公司资源优势。第五,重视供应链与区块链的“双链”融合发展。重视区块链技术赋能供应链各环节的要素及策略,充分认知供应链数字化特征,明确供应链下各公司数据信息共享的流程,提升供应链韧性及安全水平。第六,推动成熟期公司进行区块链技术应用及发展。基于区块链技术应用优势,成熟期公司可以利用更多经营现金流采购或自研区块链技术,并与区块链平台公司形成良好的合作关系,共同助益区块链技术在产业链领域的深度发展。