華瀟琳 寧祖輝 戴圣錦 王婷婷 艾來提

南京財(cái)經(jīng)大學(xué)，江蘇 南京 210000

0 引言

隨著互聯(lián)網(wǎng)、人工智能等科學(xué)技術(shù)被廣泛運(yùn)用，經(jīng)濟(jì)行業(yè)開始步入數(shù)字經(jīng)濟(jì)時(shí)代，數(shù)字金融成為金融行業(yè)的最佳選擇。我國數(shù)字金融從誕生起至今約有30年，2003年為分水嶺，其之前是金融業(yè)電子化、信息化的過程，但其沒有改變金融業(yè)務(wù)的過程和商業(yè)模式。隨著互聯(lián)網(wǎng)用戶數(shù)量持續(xù)高速增長，中國數(shù)字經(jīng)濟(jì)在2003—2012年迎來了高速增長期，新業(yè)態(tài)不斷涌現(xiàn)。截至2012年年底，中國手機(jī)網(wǎng)民規(guī)模達(dá)到4.2億人，首次超過臺(tái)式電腦成為上網(wǎng)第一終端，這表明中國數(shù)字經(jīng)濟(jì)發(fā)展進(jìn)入了新的階段。2020年1月開始，國內(nèi)線上教學(xué)、使用電子健康碼等行為促使互聯(lián)網(wǎng)普及程度迅速提升，網(wǎng)民數(shù)量達(dá)9.04億人。其中，使用網(wǎng)絡(luò)支付和互聯(lián)網(wǎng)理財(cái)?shù)挠脩粢?guī)模分別達(dá)7.68億人和1.64億人，分別占網(wǎng)民總規(guī)模的85.0%與18.1%，在某種意義上其給數(shù)字金融的發(fā)展帶來新契機(jī)。

為深入了解我國數(shù)字金融內(nèi)部情況，有必要知道數(shù)字經(jīng)濟(jì)與企業(yè)金融化之間的關(guān)系。

1 相關(guān)文獻(xiàn)研究

通過文獻(xiàn)閱讀可以發(fā)現(xiàn)，2019年后數(shù)字經(jīng)濟(jì)被廣泛運(yùn)用，許多經(jīng)濟(jì)學(xué)者抓住該情況，運(yùn)用不同方法對類似課題進(jìn)行研究。例如，江小涓指出數(shù)字經(jīng)濟(jì)對吸納就業(yè)、服務(wù)業(yè)和制造業(yè)融合發(fā)展、國際競爭力提升等都有顯著正向影響。關(guān)于企業(yè)金融化，國外學(xué)者研究較早，但國內(nèi)學(xué)者也在近年開始了對企業(yè)金融化的研究。例如，董小紅等研究出企業(yè)金融化與其可持續(xù)發(fā)展能力的倒“U”形曲線關(guān)系在長期金融資產(chǎn)占比高、面臨嚴(yán)重融資約束的上市公司中更顯著。

在數(shù)字經(jīng)濟(jì)與企業(yè)金融化的影響關(guān)系上，國內(nèi)學(xué)者近兩年開展了大量研究。例如，盛思思等通過主回歸模型和機(jī)制檢驗(yàn)?zāi)Ｐ万?yàn)證了數(shù)字經(jīng)濟(jì)緩解企業(yè)融資約束的影響機(jī)制有緩解信息不對稱和改善營商環(huán)境。

綜上所述，對于數(shù)字經(jīng)濟(jì)和企業(yè)金融化之間關(guān)系的研究還較為有限。在2019年之后，數(shù)字經(jīng)濟(jì)用法的簡單快捷緩解了消費(fèi)者和企業(yè)在近幾年出行不便的情況，促進(jìn)其規(guī)模不斷擴(kuò)大，同時(shí)企業(yè)金融化處于波動(dòng)上升的趨勢。因此，本文選取6個(gè)上市公司從2011年3月到2021年9月共43個(gè)季度的數(shù)據(jù)，使用VAR模型對數(shù)字經(jīng)濟(jì)與企業(yè)金融化的關(guān)系進(jìn)行分析，并對金融化未來趨勢做出預(yù)測。

2 我國數(shù)字經(jīng)濟(jì)發(fā)展現(xiàn)狀

2.1 我國數(shù)字經(jīng)濟(jì)規(guī)模逐年擴(kuò)張，GDP貢獻(xiàn)不斷增強(qiáng)

根據(jù)中國信息通信研究院在2021年4月發(fā)布的《中國數(shù)字經(jīng)濟(jì)發(fā)展白皮書》（簡稱《白皮書》），2020年我國的數(shù)字經(jīng)濟(jì)規(guī)模達(dá)到了39.2萬億元。2005—2020年，該規(guī)模由2.6萬億元增長至39.2萬億元，已成為我國創(chuàng)新力最強(qiáng)的經(jīng)濟(jì)增長力。2020年的重大公共衛(wèi)生事件給國家經(jīng)濟(jì)造成了巨大的影響，但同時(shí)，數(shù)字經(jīng)濟(jì)卻增長迅猛，占GDP比重不斷提升。我國數(shù)字經(jīng)濟(jì)占GDP比重于2015年起，每年都在小幅增加，并且其增速為當(dāng)年GDP增速的2～3倍。例如，2020年比2019年增長2.4%，同時(shí)，2020年的數(shù)字經(jīng)濟(jì)增速為9.7%，是我國GDP名義增速的3倍多，是當(dāng)時(shí)支撐經(jīng)濟(jì)發(fā)展的關(guān)鍵動(dòng)力。

2.2 數(shù)字經(jīng)濟(jì)結(jié)構(gòu)得到優(yōu)化升級

《白皮書》指出，我國的數(shù)字經(jīng)濟(jì)主要包括4個(gè)部分：數(shù)字化治理、數(shù)據(jù)價(jià)值化、數(shù)字產(chǎn)業(yè)化、產(chǎn)業(yè)數(shù)字化。產(chǎn)業(yè)數(shù)字化指農(nóng)業(yè)、工業(yè)、服務(wù)業(yè)應(yīng)用數(shù)字技術(shù)轉(zhuǎn)型帶來的邊際貢獻(xiàn)的增加，即應(yīng)用5G、云計(jì)算等技術(shù)促進(jìn)數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)相結(jié)合，創(chuàng)造新業(yè)態(tài)。而數(shù)字產(chǎn)業(yè)化是指信息通信產(chǎn)業(yè)，包括互聯(lián)網(wǎng)、軟件行業(yè)等。這兩個(gè)部分相輔相成，產(chǎn)業(yè)數(shù)字化占據(jù)主導(dǎo)地位，共同為經(jīng)濟(jì)發(fā)展提供生產(chǎn)力，而數(shù)據(jù)價(jià)值化提供生產(chǎn)要素，數(shù)字化治理則明確了數(shù)字技術(shù)加治理的生產(chǎn)關(guān)系。

2020年我國的產(chǎn)業(yè)數(shù)字化規(guī)模達(dá)到31.7萬億元，占數(shù)字經(jīng)濟(jì)比重為80.9%，比2015年增加了6.6%。而2020年數(shù)字產(chǎn)業(yè)化規(guī)模為7.5億元，占數(shù)字經(jīng)濟(jì)比重由2015年的25.7%下降至2020年的19.1%。我國的數(shù)字經(jīng)濟(jì)結(jié)構(gòu)得到合理改變。

3 VAR模型構(gòu)建與分析

本文將數(shù)字金融拆分成數(shù)字經(jīng)濟(jì)和企業(yè)金融化，使用VAR模型分析兩者之間的關(guān)系，并對未來企業(yè)金融化進(jìn)行預(yù)測。其中，根據(jù)《2021中國數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)發(fā)展指標(biāo)報(bào)告》，使用企業(yè)總市值、企業(yè)所得稅及凈利潤代替數(shù)字經(jīng)濟(jì)。

3.1 數(shù)據(jù)來源

本文的數(shù)據(jù)均來自CSMAR數(shù)據(jù)庫，為了提高模型的精度，我們刪掉無法獲得的數(shù)據(jù)使數(shù)據(jù)無殘缺及重復(fù)，然后進(jìn)行標(biāo)準(zhǔn)化處理。為排除變量數(shù)據(jù)過大或過小對模型造成的影響，統(tǒng)一小數(shù)位數(shù)為4位。最終留下6個(gè)上市公司從2011年3月到2021年9月共43個(gè)季度的數(shù)據(jù)，時(shí)間跨度涵蓋2019年前后，方便進(jìn)行數(shù)字經(jīng)濟(jì)對企業(yè)金融化的對比分析。

3.2 選擇指標(biāo)

由于數(shù)據(jù)根據(jù)季度排列，選擇使用VAR進(jìn)行分析，并根據(jù)《2021中國數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)發(fā)展指標(biāo)報(bào)告》，找到與企業(yè)數(shù)字經(jīng)濟(jì)直接相關(guān)且可獲得的內(nèi)容，最終決定使用如表1所示的指標(biāo)。

表1 模型指標(biāo)定義

3.2.1 被解釋變量

在對企業(yè)金融化的測量中，本文借鑒呂志軍的做法，將貨幣資金和長期股權(quán)投資排除在金融資產(chǎn)外，將投資性房地產(chǎn)納入其中。因此，被解釋變量金融化定義為以下關(guān)系式：

3.2.2 解釋變量

《2021中國數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)發(fā)展指標(biāo)報(bào)告》指出，在上市企業(yè)中，與數(shù)字經(jīng)濟(jì)相關(guān)的指標(biāo)有企業(yè)總市值、企業(yè)所得稅及凈利潤。

3.3 企業(yè)的時(shí)間序列模型

時(shí)間序列分析是根據(jù)系統(tǒng)觀測得到的時(shí)間序列數(shù)據(jù)，通過曲線擬合和參數(shù)估計(jì)來建立數(shù)學(xué)模型的理論和方法。它一般采用曲線擬合和參數(shù)估計(jì)方法（如非線性最小二乘法）進(jìn)行。

3.3.1 處理數(shù)據(jù)

本文將6個(gè)企業(yè)數(shù)據(jù)進(jìn)行加權(quán)處理后得到綜合模型原始數(shù)據(jù)，為將解釋變量與被解釋變量相聯(lián)系，并盡量保留各企業(yè)金融化變動(dòng)趨勢，選擇權(quán)重為每一季度各企業(yè)的資產(chǎn)總計(jì)除以其總和，最終得到2011年第一季度至2021年第三季度企業(yè)的總市值、企業(yè)所得稅及凈利潤等的綜合數(shù)據(jù)。

根據(jù)數(shù)據(jù)可看出總體趨勢為波動(dòng)上升，2011—2018年年初，其趨勢為先減小后增大，較為穩(wěn)定；但于2019年年末開始，金融化程度開始快速攀升。

本文結(jié)合該數(shù)據(jù)，對數(shù)字經(jīng)濟(jì)與企業(yè)金融化的影響進(jìn)行建模分析。VAR模型適用于時(shí)間序列情況下各個(gè)變量之間的相互關(guān)系，對于隨機(jī)擾動(dòng)變量系統(tǒng)進(jìn)行動(dòng)態(tài)分析。考慮到本文變量之間的復(fù)雜關(guān)系，以及其數(shù)據(jù)跨度長達(dá)43個(gè)季度，符合VAR模型的使用范圍。并且，VAR模型在測量風(fēng)險(xiǎn)時(shí)把風(fēng)險(xiǎn)計(jì)量標(biāo)準(zhǔn)統(tǒng)一，可將變量之間、其與季度之間的關(guān)系以簡潔明了的形式表達(dá)。因此，選擇使用VAR模型進(jìn)行建模。

3.3.2 模型分析

當(dāng)原序列平穩(wěn)或經(jīng)過差分后平穩(wěn)，并且其存在協(xié)整關(guān)系時(shí)，可以建立VAR模型。因此，首先檢驗(yàn)其平穩(wěn)性，若原始數(shù)據(jù)不平穩(wěn)，則需進(jìn)行單位根檢驗(yàn)，本文使用ADF檢驗(yàn)法。然后對其進(jìn)行協(xié)整檢驗(yàn)，分析數(shù)據(jù)之間是否存在長期相關(guān)穩(wěn)定的關(guān)系。接著進(jìn)行格蘭杰因果檢驗(yàn)，分析變量間是否為格蘭杰因果關(guān)系。最后進(jìn)行異方差檢驗(yàn)，分析隨機(jī)誤差項(xiàng)是否具有相同的方差。

（1）平穩(wěn)性檢驗(yàn)。為避免偽回歸，本文做平穩(wěn)性檢驗(yàn)，即單位根檢驗(yàn)。若檢測結(jié)果中

P

值大于0.05，則接受原假設(shè)，即時(shí)間序列數(shù)據(jù)不平穩(wěn)，需進(jìn)行一階方差檢驗(yàn)。檢驗(yàn)結(jié)果得出，對于金融化，ADF檢驗(yàn)的

t

統(tǒng)計(jì)量為0.875，

P

值為0.993，大于0.1，不能拒絕原假設(shè)，即序列不平穩(wěn)，需對序列進(jìn)行一階差分再進(jìn)行ADF檢驗(yàn)。一階差分后數(shù)據(jù)ADF檢驗(yàn)結(jié)果顯示

P

值為0.000,小于0.01，即拒絕原假設(shè)，此時(shí)序列平穩(wěn)。該結(jié)果符合VAR模型適用于一階單整的情況，檢驗(yàn)通過。（2）協(xié)整檢驗(yàn)。協(xié)整檢驗(yàn)是基于時(shí)間序列模型的一種檢驗(yàn)方法，也可以用于多變量之間的協(xié)整檢驗(yàn)。根據(jù)ADF檢驗(yàn)可看出，ln

X

、ln

X

、ln

X

與ln

Y

均為一階單整變量，可以進(jìn)行協(xié)整檢驗(yàn)。檢驗(yàn)得出

P

值為0.0000，小于0.05，即在一定顯著性水平下，拒絕了變量之間不存在協(xié)整關(guān)系這一原假設(shè)。該結(jié)果符合VAR模型適用于有協(xié)整關(guān)系的情況，檢驗(yàn)通過。

使用EViews軟件，得出解釋變量與被解釋變量之間的關(guān)系可以寫成以下關(guān)系式：

其中，被解釋變量

Y

（金融化）與解釋變量

X

（總市值）、

X

（凈利潤）為正相關(guān)關(guān)系，即隨著企業(yè)每年總市值與凈利潤的增加，其金融化程度也相應(yīng)增加；而被解釋變量

Y

與解釋變量

X

（企業(yè)所得稅）呈現(xiàn)負(fù)相關(guān)關(guān)系，即企業(yè)每年上交的稅費(fèi)越多，其金融化程度越低。并且，企業(yè)金融化程度與其總市值的關(guān)系最為密切，然后是其應(yīng)交稅費(fèi)和凈利潤。（3）格蘭杰因果檢驗(yàn)。格蘭杰因果檢驗(yàn)是對變量間是否互為因果關(guān)系進(jìn)行的檢驗(yàn)，原假設(shè)為變量

X

不是變量

Y

的格蘭杰原因，變量

Y

不是變量

X

的格蘭杰原因。本文分別對ln

X

、ln

X

、ln

X

與ln

Y

進(jìn)行滯后階數(shù)為2的格蘭杰因果檢驗(yàn)，結(jié)果如表2所示。

表2 格蘭杰因果檢驗(yàn)結(jié)果

當(dāng)其

P

值小于0.05時(shí)，拒絕原假設(shè)，即ln

X

不是ln

Y

的格蘭杰原因，ln

Y

不是ln

X

的格蘭杰原因。根據(jù)格蘭杰因果檢驗(yàn)，企業(yè)總市值是其金融化程度的格蘭杰原因，而其金融化程度不是總市值的格蘭杰原因。與此同時(shí)，金融化程度也是企業(yè)所得稅的格蘭杰原因，即企業(yè)金融化也影響其所得稅的數(shù)額。（4）異方差檢驗(yàn)。當(dāng)異方差出現(xiàn)時(shí)，模型的普通最小二乘法參數(shù)估計(jì)量雖仍然具有無偏性，但不具備有效性，并且同方差時(shí)的

t

統(tǒng)計(jì)量公式失效。為避免這種情況，本文進(jìn)行異方差檢驗(yàn)。

本文先對變量進(jìn)行圖形分析，其散點(diǎn)不存在遞增性，可初步判斷模型不存在異方差。具體如圖1所示。

圖1 異方差檢驗(yàn)圖

為了進(jìn)一步檢驗(yàn)異方差情況，本文利用 EViews 軟件對模型進(jìn)行懷特檢驗(yàn)，即異方差檢驗(yàn)。懷特統(tǒng)計(jì)量

nR

為7.25，小于臨界值7.81，則模型不存在異方差情況，即隨機(jī)誤差項(xiàng)存在相同的方差。因此，檢驗(yàn)通過。

（5）VAR模型建立。通過前面4項(xiàng)檢驗(yàn)，本文數(shù)據(jù)可以使用VAR模型分析。使用EViews軟件對數(shù)據(jù)進(jìn)行處理后，發(fā)現(xiàn)滯后階數(shù)為2時(shí)方程AIC和SC符合要求，其圖像中的圓點(diǎn)均在單位圓內(nèi)。其表達(dá)式最終如下：

該VAR模型把金融化與3個(gè)解釋變量的二階滯后項(xiàng)、被解釋變量的二階滯后項(xiàng)相聯(lián)系，把本文時(shí)間序列的數(shù)據(jù)利用最大化，可以用原始數(shù)據(jù)對未來進(jìn)行預(yù)測。與只能使用同年數(shù)據(jù)進(jìn)行度量的模型不同，VAR模型統(tǒng)一風(fēng)險(xiǎn)計(jì)量，且可對未來進(jìn)行較為精確的預(yù)測分析，使得企業(yè)能夠?qū)ξ磥盹L(fēng)險(xiǎn)情況進(jìn)行預(yù)判防范。

3.4 時(shí)間序列分析

根據(jù)研究，數(shù)據(jù)顯示出上升趨勢，季節(jié)性不明顯，并且ADF檢驗(yàn)通過，因此在對企業(yè)金融化進(jìn)行預(yù)測時(shí)，可采用霍爾特雙參數(shù)指數(shù)平滑法。

3.4.1 霍爾特雙參數(shù)模型公式

其公式如式下：

3.4.2 霍爾特雙參數(shù)曲線數(shù)據(jù)擬合情況

根據(jù)式（4）、式（5）、式（6），可以得到企業(yè)相應(yīng)季度的金融化計(jì)算值。霍爾特雙參數(shù)曲線計(jì)算得出的2011—2019年金融化數(shù)值與實(shí)際值重合率較高，其擬合優(yōu)度為0.9018，非常接近于1，即該模型計(jì)算值的擬合情況很好。為進(jìn)一步分析其預(yù)測值與真實(shí)值的擬合情況，選取2020年第一季度至2021年第三季度的數(shù)據(jù)進(jìn)行預(yù)測，各季度預(yù)測數(shù)據(jù)分別為0.5742、0.5738、0.5807、0.6050、0.5901、0.5903、0.5970。

根據(jù)數(shù)據(jù)，該模型得出的金融化預(yù)測值與實(shí)際值擬合優(yōu)度為0.7297，接近于1，即該模型計(jì)算值的擬合情況較好。

3.4.3 VAR模型數(shù)據(jù)擬合情況

為對比VAR模型與霍爾特雙參數(shù)曲線的金融化預(yù)測情況，本文把VAR模型的計(jì)算值、預(yù)測值與實(shí)際值也進(jìn)行擬合。

VAR模型計(jì)算得出的2011—2019年金融化數(shù)值在實(shí)際值附近波動(dòng)，其擬合優(yōu)度為0.7270，比較接近于1。為進(jìn)一步分析其預(yù)測值與真實(shí)值的擬合情況，也選取2020年第一季度至2021年第三季度的數(shù)據(jù)進(jìn)行預(yù)測，各數(shù)據(jù)預(yù)測數(shù)據(jù)分別為0.6935、0.6428、0.7665、0.7537、0.7888、0.6921、0.8186。最終得到，VAR模型得出的金融化預(yù)測值均比實(shí)際值大，其擬合優(yōu)度為0.6268，較為接近于1，即該模型計(jì)算值的擬合情況較好。

3.5 金融化未來趨勢預(yù)測

本文將霍爾特雙參數(shù)模型與VAR模型的預(yù)測值進(jìn)行對比，選用更精確的進(jìn)行預(yù)測。根據(jù)上述預(yù)測擬合優(yōu)度，明顯前者更精確，因此使用其對未來3年的金融化做預(yù)測。預(yù)測結(jié)果表明，2021年第四季度至2024年第四季度，各季度金融化程度預(yù)測數(shù)據(jù)分別為0.6008、0.6019、0.6029、0.6040、0.6051、0.6062、0.6073、0.6083、0.6094、0.6105、0.6116、0.6126、0.6137。

未來3年中，企業(yè)金融化的改變幅度不大，趨勢為逐步上升。這表明在未來，企業(yè)金融化程度緩慢增加，金融化應(yīng)該得到企業(yè)重視。

4 結(jié)論與建議

4.1 結(jié)論

本文運(yùn)用6個(gè)上市公司從2011年3月到2021年9月共43個(gè)季度的數(shù)據(jù)，實(shí)證檢驗(yàn)了數(shù)字經(jīng)濟(jì)與企業(yè)金融化的關(guān)系。

經(jīng)過本文分析，得出企業(yè)金融化程度隨時(shí)間推移而波動(dòng)上升，并且金融化與總市值、凈利潤為正相關(guān)關(guān)系，而與企業(yè)所得稅呈現(xiàn)負(fù)相關(guān)關(guān)系。本文首先對數(shù)據(jù)進(jìn)行ADF檢驗(yàn)和協(xié)整檢驗(yàn)，發(fā)現(xiàn)數(shù)據(jù)為一階單整型，并且金融化與總市值、凈利潤為正相關(guān)關(guān)系，即隨著企業(yè)每年總市值與凈利潤的增加，其金融化程度也相應(yīng)增加；而其與企業(yè)所得稅呈現(xiàn)負(fù)相關(guān)關(guān)系。企業(yè)金融化程度與其總市值的關(guān)系最為密切，然后是其應(yīng)交稅費(fèi)和凈利潤。接著本文根據(jù)格蘭杰因果檢驗(yàn)結(jié)果，得出企業(yè)總市值是其金融化程度的格蘭杰原因，即企業(yè)總市值的增加對其金融化程度的增長有影響。本文也進(jìn)行異方差檢驗(yàn)，得出懷特統(tǒng)計(jì)量

nR

為5.20，小于臨界值，不存在異方差情況。因此本文選用VAR模型進(jìn)行本文面板數(shù)據(jù)的統(tǒng)計(jì)分析，得出被解釋變量

Y

（金融化）與解釋變量

X

（總市值）、

X

（凈利潤）為正相關(guān)關(guān)系，而被解釋變量

Y

與解釋變量

X

（企業(yè)所得稅）呈現(xiàn)負(fù)相關(guān)關(guān)系，企業(yè)金融化程度與其總市值的關(guān)系最為密切，然后是其應(yīng)交稅費(fèi)和凈利潤。最終，所得VAR模型將被解釋變量

Y

（金融化）與3個(gè)解釋變量（總市值、企業(yè)所得稅、凈利潤）的二階滯后項(xiàng)、被解釋變量的二階滯后項(xiàng)相聯(lián)系，把時(shí)間序列的數(shù)據(jù)利用最大化，可以用原始數(shù)據(jù)對未來進(jìn)行預(yù)測。

通過與VAR模型的對比，發(fā)現(xiàn)霍爾特雙參數(shù)曲線的預(yù)測精度較高，因此，選用霍爾特雙參數(shù)曲線進(jìn)行未來3年企業(yè)金融化值的預(yù)測。預(yù)測結(jié)果表明，未來3年中，企業(yè)金融化的變動(dòng)幅度不大，趨勢為逐步上升。

4.2 建議

經(jīng)過以上分析，數(shù)字經(jīng)濟(jì)中與企業(yè)金融化關(guān)系最密切的是其總市值，并且為正相關(guān)關(guān)系。因此，本文從總市值方面入手提出合理建議。

企業(yè)方面，數(shù)字經(jīng)濟(jì)能有效緩解企業(yè)的信貸危機(jī)，特別在近幾年，不少工廠停產(chǎn)停工，甚至面臨信貸危機(jī)。而數(shù)字經(jīng)濟(jì)通過提高企業(yè)全要素生產(chǎn)率，緩解企業(yè)信息不對稱程度，進(jìn)而降低企業(yè)的信用風(fēng)險(xiǎn)。在新時(shí)代背景下，進(jìn)行數(shù)字化轉(zhuǎn)型是企業(yè)未來發(fā)展的趨勢，因此企業(yè)可以通過以下方式提高自身總市值，從而增加其金融化程度。例如，企業(yè)可以充分利用互聯(lián)網(wǎng)、大數(shù)據(jù)等數(shù)字技術(shù)，及時(shí)獲取與決策相關(guān)的信息并進(jìn)行人才等資源的合理配置，提高企業(yè)經(jīng)營效率。此外，對于產(chǎn)能過剩的企業(yè)而言，應(yīng)抓住數(shù)字經(jīng)濟(jì)高速發(fā)展所帶來的機(jī)遇，推進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型升級，依托現(xiàn)有的優(yōu)勢，推動(dòng)企業(yè)顛覆式創(chuàng)新，提高企業(yè)核心競爭力。

政府方面，數(shù)字經(jīng)濟(jì)對于推進(jìn)供給側(cè)結(jié)構(gòu)性改革發(fā)揮著引領(lǐng)作用，在促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型的過程中，政府應(yīng)提供配套的財(cái)稅政策和資金支持，為企業(yè)的數(shù)字化轉(zhuǎn)型之路減少障礙，使得企業(yè)數(shù)字化的結(jié)果可以得到充分的發(fā)揮。最后，數(shù)字經(jīng)濟(jì)作為新興事物也存在監(jiān)管的缺失等問題，導(dǎo)致行業(yè)內(nèi)亂象叢生，客戶隱私存在泄露風(fēng)險(xiǎn)。因此，在大力推進(jìn)數(shù)字經(jīng)濟(jì)發(fā)展的同時(shí)，政府需要加強(qiáng)監(jiān)管力度，嚴(yán)厲打擊非法金融活動(dòng)，健全信用懲戒機(jī)制，維護(hù)金融市場秩序，為數(shù)字經(jīng)濟(jì)服務(wù)實(shí)體經(jīng)濟(jì)創(chuàng)造良好的市場環(huán)境。