黃哲 呂江林 朱小能

【摘要】應(yīng)用基于機(jī)器學(xué)習(xí)的文本分析方法， 選取我國A股上市企業(yè)2010 ～ 2021年的數(shù)據(jù)， 考察企業(yè)數(shù)字化轉(zhuǎn)型對機(jī)構(gòu)投資者羊群行為的抑制作用。研究發(fā)現(xiàn)， 企業(yè)數(shù)字化轉(zhuǎn)型通過緩解信息不對稱， 顯著抑制了機(jī)構(gòu)投資者羊群行為。機(jī)制檢驗表明： 企業(yè)數(shù)字化轉(zhuǎn)型提高了企業(yè)的信息披露水平， 有助于外部投資者掌握更充分的信息， 進(jìn)而抑制機(jī)構(gòu)投資者羊群行為； 企業(yè)數(shù)字化轉(zhuǎn)型引發(fā)了分析師和大眾媒體的關(guān)注， 緩解了投資者的信息不對稱， 進(jìn)而抑制機(jī)構(gòu)投資者羊群行為。區(qū)分買方市場和賣方市場發(fā)現(xiàn)， 企業(yè)數(shù)字化轉(zhuǎn)型對賣方市場上機(jī)構(gòu)投資者羊群行為產(chǎn)生的抑制作用更強(qiáng)。異質(zhì)性分析表明， 企業(yè)數(shù)字化轉(zhuǎn)型對機(jī)構(gòu)投資者羊群行為的抑制作用在高科技企業(yè)、 中小型企業(yè)、 機(jī)構(gòu)投資者持股比例較低的企業(yè)中表現(xiàn)得更加明顯。

【關(guān)鍵詞】數(shù)字化轉(zhuǎn)型；機(jī)構(gòu)投資者羊群行為；文本分析；數(shù)字經(jīng)濟(jì)；信息不對稱

【中圖分類號】F832.5? ? ? 【文獻(xiàn)標(biāo)識碼】A? ? ? 【文章編號】1004-0994（2023）22-0125-11

一、 引言

近年來， 隨著數(shù)字技術(shù)的不斷應(yīng)用迭代， 數(shù)字化轉(zhuǎn)型帶來的技術(shù)紅利已經(jīng)全方位地滲透到當(dāng)代企業(yè)經(jīng)營的方方面面（Ilvonen等，2018）。2023年3月， 中共中央、 國務(wù)院印發(fā)了《黨和國家機(jī)構(gòu)改革方案》， 其中提出組建國家數(shù)據(jù)局。國家數(shù)據(jù)局負(fù)責(zé)協(xié)調(diào)推進(jìn)數(shù)據(jù)基礎(chǔ)制度建設(shè)， 統(tǒng)籌推進(jìn)數(shù)字中國、 數(shù)字經(jīng)濟(jì)等規(guī)劃和建設(shè)。企業(yè)數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)后果已成為當(dāng)代學(xué)術(shù)界、 政界和業(yè)界共同關(guān)注的重點問題。

在新興市場中， 由于企業(yè)內(nèi)部信息不透明、 信息渠道不通暢、 信息披露法規(guī)不完善等， 各類信息不對稱現(xiàn)象廣泛存在， 使得投資者難以充分地獲取投資標(biāo)的的相關(guān)信息。在強(qiáng)有效市場的理論框架下， 機(jī)構(gòu)投資者被視為掌握充分信息的理性決策者。然而， 大量行為金融學(xué)研究證實， 機(jī)構(gòu)投資者是在不完全信息環(huán)境下決策的有限理性人。在新興市場中， 面對信息不對稱等錯綜復(fù)雜的市場環(huán)境， 機(jī)構(gòu)投資經(jīng)理為了保證收益和規(guī)避風(fēng)險， 不得不放棄自有信息， 而選擇與頭部機(jī)構(gòu)和基金同質(zhì)化的投資方式， 造成機(jī)構(gòu)相互跟隨， 機(jī)構(gòu)資金大規(guī)模同向買賣的“機(jī)構(gòu)投資者羊群行為”（Institutional Herding）現(xiàn)象（Sias，2004；Spyrou，2013）。事實上在我國證券市場中， 機(jī)構(gòu)“盲目跟風(fēng)”“資金踩踏”的現(xiàn)象屢見不鮮。Jacobs（2016）發(fā)現(xiàn)， 由于新興市場中更低的信息透明度， 新興市場中的機(jī)構(gòu)投資者羊群行為強(qiáng)度顯著高于發(fā)達(dá)市場。機(jī)構(gòu)投資者是金融市場中的重要參與者， 機(jī)構(gòu)投資者羊群行為加劇了股價的崩盤風(fēng)險， 對金融市場的總體穩(wěn)定產(chǎn)生了負(fù)面影響（許年行等， 2013）。

企業(yè)數(shù)字化轉(zhuǎn)型的核心是對海量數(shù)據(jù)的深度挖掘、 生成、 加工和傳遞（Bharadwaj等，2013）。Farboodi等（2019）認(rèn)為， 數(shù)據(jù)的本質(zhì)是一種信息。那么， 企業(yè)能夠通過數(shù)字化轉(zhuǎn)型降低機(jī)構(gòu)投資者這一外部信息使用者的信息不對稱程度， 從而抑制其羊群行為嗎？進(jìn)一步來說， 企業(yè)數(shù)字化轉(zhuǎn)型抑制機(jī)構(gòu)投資者羊群行為存在哪些機(jī)制和渠道？截至目前， 已有文獻(xiàn)對這一問題的探討存在空白。在數(shù)字化背景下， 如何充分利用好數(shù)字技術(shù)的信息發(fā)現(xiàn)功能， 化解金融市場上的羊群效應(yīng)， 做好機(jī)構(gòu)投資者的治理工作， 以保證金融市場的系統(tǒng)性穩(wěn)定， 是下一階段建設(shè)中國特色現(xiàn)代資本市場的重要工作。

本文使用2010 ～ 2021年我國A股上市企業(yè)樣本探討數(shù)字化轉(zhuǎn)型對機(jī)構(gòu)投資者羊群行為的影響。本文的創(chuàng)新點體現(xiàn)在以下三個方面： 一是現(xiàn)有文獻(xiàn)認(rèn)為， 企業(yè)數(shù)字化轉(zhuǎn)型在提升企業(yè)生產(chǎn)效率和股票流動性、 降低審計成本和風(fēng)險等方面發(fā)揮了作用， 但是尚未有文獻(xiàn)在企業(yè)數(shù)字化轉(zhuǎn)型與機(jī)構(gòu)投資者羊群行為之間建立聯(lián)系。本文以資本市場的重要參與者——機(jī)構(gòu)投資者為切入點， 深入探討了企業(yè)數(shù)字化轉(zhuǎn)型對資本市場治理和金融市場穩(wěn)定的重要作用及其影響機(jī)制， 豐富了企業(yè)數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)后果的研究。二是本文進(jìn)一步通過異質(zhì)性分析， 探討了企業(yè)數(shù)字化轉(zhuǎn)型對機(jī)構(gòu)投資者羊群行為產(chǎn)生抑制作用的條件因素， 為政府部門相關(guān)政策的制定提供了決策依據(jù)。三是本文的研究結(jié)論具有一定的實踐意義， 在各類數(shù)字技術(shù)不斷涌現(xiàn)、 金融市場治理問題亟需解決的當(dāng)下， 本文研究結(jié)論有助于企業(yè)、 政府決策部門更好地解讀企業(yè)數(shù)字化轉(zhuǎn)型對金融市場參與者造成的影響， 充分發(fā)揮數(shù)字技術(shù)在金融市場治理中的重要作用。

二、 文獻(xiàn)綜述與理論假設(shè)

（一）文獻(xiàn)綜述

1. 機(jī)構(gòu)投資者羊群行為的成因。為什么機(jī)構(gòu)投資者會產(chǎn)生羊群行為？現(xiàn)有主流理論從信息不對稱角度對此予以解讀。盡管機(jī)構(gòu)投資者通常被認(rèn)為是獲取和加工信息的“專家”， 但行為金融學(xué)研究證實， 當(dāng)現(xiàn)實環(huán)境中信息不充分時， 特別是在企業(yè)內(nèi)部信息不透明、 信息渠道不通暢、 信息披露法規(guī)不完善的新興資本市場， 機(jī)構(gòu)投資者在決策時極易產(chǎn)生羊群行為。Banerjee （1992）提出不完全信息模型，? 指出由于信息的不充分和交易的序列性， 先行者的決策會受到后續(xù)投資者的跟隨。Bikhchandani等（1992，1998）、 Bikhchandani和Sharma（2001）提出基于信息不對稱的信息瀑布模型， 指出由于無法獲知其他投資者對信息的掌握情況， 決策者會根據(jù)他人的行為來推測他人的私有信息以進(jìn)行跟隨投資。Hirshleifer和Hong（2003）則進(jìn)一步提出信息串聯(lián)模型， 指出信息瀑布的發(fā)生與投資者掌握的信息不充分有關(guān)， 信息不對稱越嚴(yán)重， 他人決策的正外部性越可能使投資者放棄自有信息而選擇跟隨策略。

此外， 也有理論認(rèn)為機(jī)構(gòu)投資者羊群行為的成因源于機(jī)構(gòu)投資經(jīng)理基于同業(yè)比較的薪酬結(jié)構(gòu)或職業(yè)聲譽評價體系。為了避免單個投資周期內(nèi)業(yè)績低于同業(yè)而受到薪酬懲罰（Maug和Naik，2011；Agarwal等，2009）或聲譽受損（Scharfstein和Stein，1990；Boyson，2010）， 機(jī)構(gòu)投資經(jīng)理會模仿同業(yè)的投資模式， 進(jìn)而造成羊群行為。

2. 企業(yè)數(shù)字化轉(zhuǎn)型的經(jīng)濟(jì)后果。當(dāng)前對企業(yè)數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)后果的研究主要聚焦于緩解信息不對稱和提升經(jīng)營績效兩方面。一方面， 企業(yè)數(shù)字化轉(zhuǎn)型提升了企業(yè)的數(shù)字治理能力， 緩解了信息不對稱， 有利于提高企業(yè)的信息透明度（Chen和Tian，2022）、 降低真實盈余管理（羅進(jìn)輝和巫奕龍， 2021）、 改善資本市場信息環(huán)境 （ Chen 等，2022b ）以及提升股票流動性 （吳非等，2021）。另一方面， 基于數(shù)據(jù)的企業(yè)組織管理、 供應(yīng)鏈集成、 商業(yè)模式等方面的改造， 可以賦能企業(yè)創(chuàng)新和價值創(chuàng)造， 提升企業(yè)的全要素生產(chǎn)率（趙宸宇等，2021）、 專業(yè)化分工水平（袁淳等，2021）、 風(fēng)險應(yīng)對能力（張卿和鄧石軍，2023）、 投入產(chǎn)出效率（劉淑春等，2021）和企業(yè)利潤率（周驍和郭樹華，2023）。

綜上， 國內(nèi)外現(xiàn)有關(guān)于機(jī)構(gòu)投資者羊群行為成因的理論與實證研究成果較為豐富， 對企業(yè)數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)后果的相關(guān)研究也漸次展開。但是， 尚未有研究從因果關(guān)系角度建立兩者間的聯(lián)系。本文試圖從機(jī)構(gòu)投資者羊群行為這一視角出發(fā)， 探討企業(yè)數(shù)字化轉(zhuǎn)型對金融市場治理的作用和意義。

（二）理論分析與研究假設(shè)

企業(yè)數(shù)字化轉(zhuǎn)型是企業(yè)經(jīng)營管理的一項重要變革， 涉及企業(yè)各方面要素與數(shù)字信息技術(shù)的深度融合。數(shù)字化轉(zhuǎn)型從根本上改變了企業(yè)的信息傳遞和價值創(chuàng)造過程， 這種經(jīng)營方式深度變革造成的影響理應(yīng)被資本市場上敏感的機(jī)構(gòu)投資者所察覺， 促使機(jī)構(gòu)投資者重新適應(yīng)并改變其投資策略。本文主要基于信息不對稱理論， 從信息披露（內(nèi)部）和信息中介（外部）角度， 對企業(yè)數(shù)字化轉(zhuǎn)型影響機(jī)構(gòu)投資者羊群行為的機(jī)制進(jìn)行分析。

從信息披露的角度來看， 數(shù)字化轉(zhuǎn)型實現(xiàn)了企業(yè)內(nèi)部價值創(chuàng)造鏈條和信息傳播鏈條的集成整合， 以及企業(yè)從“工業(yè)化管理模式”向“數(shù)字化管理模式”的革命， 提升了企業(yè)的數(shù)字治理能力， 從而顯著提升企業(yè)信息披露水平。數(shù)字化轉(zhuǎn)型可以為企業(yè)信息使用者創(chuàng)造顆粒度更細(xì)、 信噪比更高、 傳播成本更低、 標(biāo)準(zhǔn)化程度更高的數(shù)據(jù)， 而這些數(shù)據(jù)在企業(yè)數(shù)字化轉(zhuǎn)型前常常未被有效挖掘， 潛藏在經(jīng)營流程的“黑箱”之中?；跀?shù)據(jù)的協(xié)同平臺使得企業(yè)內(nèi)部流程和內(nèi)部控制制度更加檔案化、 透明化、 標(biāo)準(zhǔn)化， 并被外部人監(jiān)督， 從而提升內(nèi)部控制水平， 提高股東和機(jī)構(gòu)投資者獲取企業(yè)內(nèi)部信息的效率， 降低其信息成本。實施數(shù)字化轉(zhuǎn)型的企業(yè)在獲得更強(qiáng)的信息挖掘和處理能力后， 也可以通過信息技術(shù)整合形成標(biāo)準(zhǔn)化、 高顆粒度的信息并向股東、 機(jī)構(gòu)投資者等市場參與者進(jìn)行“信息推送”， 從而提升財務(wù)信息和其他信息的透明度。此外， 代理理論認(rèn)為， 管理層有動機(jī)使企業(yè)內(nèi)部決策和財務(wù)信息對外部投資者不透明， 從而攫取私有收益， 或掩蓋自己的決策失誤和努力不足。在數(shù)字化轉(zhuǎn)型背景下， 基于領(lǐng)導(dǎo)鏈的自上而下的組織架構(gòu)讓位于基于數(shù)據(jù)的網(wǎng)絡(luò)化扁平化的組織架構(gòu)， 這客觀上抑制了管理層的自由裁量權(quán)， 使得管理層難以掩蓋信息、 “粉飾報表”（Chen 等，2022a）， 從而強(qiáng)化企業(yè)的內(nèi)部控制能力。綜上， 根據(jù)機(jī)構(gòu)投資者羊群行為成因的信息不對稱理論（Banerjee，1992；Bikhchandani和Sharma，2001；Hirshleifer和Hong，2003）， 企業(yè)數(shù)字化轉(zhuǎn)型有效緩解了機(jī)構(gòu)投資者在信息不充分條件下的決策風(fēng)險， 使得機(jī)構(gòu)投資者利用自有信息交易的意愿提升、 跟隨交易的意愿下降， 進(jìn)而抑制被交易股票的機(jī)構(gòu)投資者羊群行為。因此， 在個股層面， 被交易股票的機(jī)構(gòu)投資者羊群行為程度總體將下降。

從信息中介的角度來看，企業(yè)數(shù)字化轉(zhuǎn)型提高了企業(yè)的全要素生產(chǎn)率（趙宸宇等，2021）、 競爭優(yōu)勢（Benner和Waldfogel，2023；李坤望等，2015）、 組織績效（Johnson等，2017；周駟華和萬國華，2016）、 企業(yè)利潤（周驍和郭樹華，2023）和市場價值（張葉青等，2021）等， 從而提高了市場參與者和大眾對其的預(yù)期， 吸引了分析師和大眾媒體有限的注意力。分析師和大眾媒體是金融市場上重要的信息中介。一方面， 數(shù)字化轉(zhuǎn)型后企業(yè)良好的績效意味著可觀的投資利潤， 能夠吸引更多分析師和大眾媒體參與對企業(yè)信息的挖掘、 加工、 傳遞工作（王瑤等，2023）， 提升信息傳遞效率， 緩解信息不對稱。另一方面， 企業(yè)數(shù)字化轉(zhuǎn)型是國家數(shù)字中國戰(zhàn)略的重要組成部分， 也是未來許多行業(yè)發(fā)展的導(dǎo)向。這類符合國家戰(zhàn)略方針和行業(yè)發(fā)展導(dǎo)向的企業(yè)會受到市場分析師與大眾媒體更多的追捧， 這種“曝光效應(yīng)”提升了企業(yè)的透明度， 降低了信息成本， 緩解了機(jī)構(gòu)投資者的信息不對稱。綜上， 根據(jù)機(jī)構(gòu)投資者羊群行為成因的信息不對稱理論（Banerjee，1992；Bikhchandani和Sharma，2001；Hirshleifer和Hong，2003）， 如果機(jī)構(gòu)投資者擁有的信息數(shù)量和質(zhì)量得到提升， 則其利用自有信息交易的意愿將提升、 跟隨交易的意愿將下降， 從而抑制被交易股票的機(jī)構(gòu)投資者羊群行為。因此， 在個股層面， 被交易股票的機(jī)構(gòu)投資者羊群行為程度總體將下降。

綜合以上分析， 提出H1：

H1： 企業(yè)數(shù)字化轉(zhuǎn)型顯著抑制了被交易股票的機(jī)構(gòu)投資者羊群行為。

（三）備擇假設(shè)

企業(yè)數(shù)字化轉(zhuǎn)型是當(dāng)下的市場熱點， 而這一熱點容易演變?yōu)槭袌觥俺醋鳌钡脑掝}。那些經(jīng)歷數(shù)字化轉(zhuǎn)型的企業(yè)往往會因為其成就和“話題性”， 而受到主力資金和主力機(jī)構(gòu)的重點關(guān)注。根據(jù)機(jī)構(gòu)投資者羊群行為成因的薪酬和聲譽理論的觀點， 尤其是在我國“高語境”的社會環(huán)境中， 在市場情緒的影響下， 如果機(jī)構(gòu)投資經(jīng)理在較短的投資周期內(nèi)不跟隨市場主力資金和主力機(jī)構(gòu)的交易判斷， 則會被認(rèn)為能力不足和判斷力低下， 從而遭遇薪酬或是聲譽方面的損失。為了維持薪酬和聲譽， 機(jī)構(gòu)投資經(jīng)理在交易這些“熱點股票”時可能會追隨市場情緒， 放棄私有信息而選擇模仿主力資金和主力機(jī)構(gòu)的交易方向， 從而加劇被交易股票的機(jī)構(gòu)投資者羊群行為。因此， 在個股層面， 被交易股票的機(jī)構(gòu)投資者羊群行為程度總體將上升。綜合以上分析， 提出H2：

H2： 企業(yè)數(shù)字化轉(zhuǎn)型顯著促進(jìn)了被交易股票的機(jī)構(gòu)投資者羊群行為。

三、 研究設(shè)計

（一）數(shù)據(jù)來源與樣本選取

本文樣本為2010 ～ 2021年間我國滬深A(yù)股上市企業(yè)， 并通過以下步驟進(jìn)行篩選： ①剔除ST、 PT的樣本； ②保留非金融行業(yè)樣本； ③為避免IPO事件的影響， 剔除樣本期內(nèi)IPO的上市企業(yè)； ④剔除主要變量缺失的樣本。公司層面數(shù)據(jù)來自CSMAR數(shù)據(jù)庫， 數(shù)字政策文件來自中央人民政府、 工業(yè)和信息化部網(wǎng)站， 企業(yè)年報文本和新聞輿情數(shù)據(jù)來自CNRDS數(shù)據(jù)庫。對所有連續(xù)變量在1%和99%分位上進(jìn)行縮尾處理， 最終得到17640個行業(yè)—年度觀測值。

（二）變量設(shè)定

1. 被解釋變量。本文的被解釋變量是機(jī)構(gòu)投資者羊群行為（Herding）。度量羊群行為的方法包括LSV法（Lakonishok等，1992；Wermers，1999）、 CSSD法（Christie和Huang，1995）、 CSAD法（Chang和Cheng，2000）等， 但除LSV法以外的其他方法主要用來度量全市場的羊群行為， 難以衡量微觀層面?zhèn)€別類型投資者的羊群行為。因此， 參考Wermers（1999）、 許年行等（2013）、 劉新爭和高闖（2022）的研究， 使用改進(jìn)后的LSV法構(gòu)建指標(biāo)Herding， 如式（1）所示：

Herdingi，t=|pi，t-E（Pi，t）|-E|pi，t-E（Pi，t）| （1）

其中， pi，t表示在t季度增持i企業(yè)股票的機(jī)構(gòu)投資者在持有i企業(yè)股票的機(jī)構(gòu)投資者中的占比。E（Pi，t）表示在t季度增持i公司股票的機(jī)構(gòu)投資者在持有i公司股票的機(jī)構(gòu)投資者中占比的期望水平， 使用按季度和企業(yè)所在行業(yè)分組計算的平均值代替這一變量。E|pi，t-E（Pi，t）|為調(diào)整項， 即僅當(dāng)機(jī)構(gòu)投資者對i企業(yè)股票買賣的不平衡達(dá)到一定水平時才認(rèn)定為羊群行為。參考許年行等（2013）的研究， 計算|pi，t-E（Pi，t）|的均值 m 和標(biāo)準(zhǔn)差 t， 剔除|pi，t-E（Pi，t）|中小于（m-1.96t）的數(shù)據(jù)， 計算所得結(jié)果即為機(jī)構(gòu)投資者季度羊群行為指標(biāo)。將每家企業(yè)的季度數(shù)據(jù)進(jìn)行算術(shù)平均， 即得到年度機(jī)構(gòu)投資者羊群行為指標(biāo)Herding。

在此基礎(chǔ)上， 進(jìn)一步構(gòu)建機(jī)構(gòu)投資者買方羊群行為和賣方羊群行為的指標(biāo)Herd_Buy和Herd_Sell， 以“買進(jìn)”和“賣出”兩種行為區(qū)分機(jī)構(gòu)投資者羊群行為方向， 模型如式（2）和式（3）所示：

Herd_Buyi，t=Herdi，t|pi，t>E（Pi，t） （2）

Herd_Selli，t=Herdi，t|pi，t

其他計算與式（1）相同， 僅在計算pi，t-E（Pi，t）后將樣本進(jìn)行分類。如果pi，t-E（Pi，t）>0， 則表明t期增持i企業(yè)股票的機(jī)構(gòu)投資者占比高于預(yù)期平均水平， 存在買方羊群行為， 將其歸為買方羊群行為樣本； 反之， 如果pi，t-E（Pi，t）<0， 則表明t期增持i企業(yè)股票的機(jī)構(gòu)投資者占比低于預(yù)期平均水平， 存在賣方羊群行為， 對結(jié)果取絕對值后歸為賣方羊群行為樣本。

2. 解釋變量。本文的解釋變量是企業(yè)數(shù)字化轉(zhuǎn)型（Digital）。基于無形資產(chǎn)占比等方法得到的數(shù)字化轉(zhuǎn)型指標(biāo)（張永坤等， 2021）更側(cè)重于衡量信息技術(shù)的應(yīng)用而非數(shù)字化轉(zhuǎn)型， 且容易受到炫耀性投資行為的影響， 可能無法準(zhǔn)確衡量企業(yè)數(shù)字化的實際應(yīng)用水平。因此， 參考袁淳等（2021）的研究， 使用基于機(jī)器學(xué)習(xí)的文本分析方法構(gòu)建數(shù)字化轉(zhuǎn)型指標(biāo)： 首先， 構(gòu)建數(shù)字化搜詞詞典。借鑒何帆和劉紅霞（2019）的研究， 檢索中央人民政府、 工業(yè)和信息化部網(wǎng)站， 人工鑒別得到30份2010 ～ 2021年期間國家層面的數(shù)字經(jīng)濟(jì)相關(guān)政策文件， 通過對文件的Python算法分詞處理和人工識別， 結(jié)合計算機(jī)聯(lián)想結(jié)構(gòu)算法對關(guān)鍵詞的擴(kuò)展， 最終篩選出238個企業(yè)數(shù)字化相關(guān)分詞詞匯， 對關(guān)鍵詞進(jìn)行分類并整理為數(shù)字化搜詞詞典， 如表1所示。然后， 將238個詞典詞匯擴(kuò)展到Python軟件包 “jieba”中文分詞庫， 使用機(jī)器學(xué)習(xí)的方法， 對每家上市企業(yè)年報“管理層討論與分析”（MD&A）部分進(jìn)行文本分析， 統(tǒng)計得到企業(yè)數(shù)字化相關(guān)詞匯在年報全文本詞匯中出現(xiàn)的頻率， 作為企業(yè)數(shù)字化轉(zhuǎn)型的度量指標(biāo)。

3. 控制變量。本文參考對機(jī)構(gòu)投資者羊群行為成因的研究， 引入公司規(guī)模（Size）、 資產(chǎn)負(fù)債率（Lev）、 凈資產(chǎn)收益率（ROE）、 企業(yè)性質(zhì)（SOE）、 賬面市值比（BM）、 上市年限（ListAge）、 營業(yè)收入增長率（Growth）、 個股回報率（Return）、 月均超額換手率（Dturn）、 第一大股東持股比例（Top1）、 機(jī)構(gòu)投資者持股比例（INST）、 管理層持股比例（Mshare）、 是否經(jīng)由“四大”審計（Big4）作為控制變量， 同時控制行業(yè)（Indurstry）、 年度（Year）、 省份（Province）固定效應(yīng)。

變量定義如表2所示。

（三）模型設(shè)計

建立回歸模型， 如式（4）所示：

Herdingi，t=α0+α1Digitali，t-1+α2Controlsi，t+α3Industry+α4Year+α5Province+εi，t? （4）

其中， Herding為被解釋變量機(jī)構(gòu)投資者羊群行為， Digital為解釋變量企業(yè)數(shù)字化轉(zhuǎn)型， Controls為一系列控制變量?？紤]到企業(yè)數(shù)字化轉(zhuǎn)型對機(jī)構(gòu)投資者羊群行為的影響存在時差， 本文對解釋變量Digital做滯后一期處理， 這樣做也可緩解反向因果關(guān)系帶來的內(nèi)生性問題。

（四）描述性統(tǒng)計

本文主要變量的描述性統(tǒng)計見表3。機(jī)構(gòu)投資者羊群行為（Herding）的均值為0.230， 其經(jīng)濟(jì)學(xué)含義為： 假設(shè)有100家機(jī)構(gòu)在交易某企業(yè)股票， 那么與這些機(jī)構(gòu)交易完全獨立（沒有羊群行為）相比， 處于單邊市場（買方或賣方市場）中的機(jī)構(gòu)要多約23家。比較買方市場和賣方市場羊群行為的均值可以發(fā)現(xiàn)， 我國A股市場機(jī)構(gòu)投資者賣方羊群行為（Herd_Sell的均值為0.280）比買方羊群行為（Herd_Buy的均值為0.162）更為嚴(yán)重。經(jīng)檢驗， 各變量間不存在嚴(yán)重的多重共線性問題。

四、 實證結(jié)果

（一）基準(zhǔn)回歸結(jié)果

表4匯報了按式（4）進(jìn)行回歸后的實證結(jié)果。其中， 列（1）是不加入解釋變量的基礎(chǔ)模型， 列（2）是僅加入解釋變量的回歸結(jié)果， 列（3）是同時加入解釋變量和控制變量的回歸結(jié)果。可見， 列（2）和列（3）中解釋變量Digital的系數(shù)均在1%的水平上顯著為負(fù)， 且與列（2）相比， 列（3）中加入控制變量后， 系數(shù)的絕對值有所縮?。ㄓ?.2350變?yōu)?.7299）， 這是因為新納入的控制變量吸收了部分影響機(jī)構(gòu)投資者羊群行為的因素， 但系數(shù)依然在1%的水平上顯著為負(fù)。從統(tǒng)計意義和經(jīng)濟(jì)意義上看， 根據(jù)列（3）， 企業(yè)數(shù)字化轉(zhuǎn)型程度每增加1%， 與樣本期間均值（0.230）相比， 被交易股票的機(jī)構(gòu)投資者羊群行為將減少約3.17%（0.7299/0.230÷100×100%）。這說明企業(yè)數(shù)字化轉(zhuǎn)型顯著抑制了被交易股票的機(jī)構(gòu)投資者羊群行為。

（二）內(nèi)生性處理

盡管前文中通過使用滯后一期的企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)進(jìn)行回歸來緩解內(nèi)生性問題， 但本文的結(jié)論依然會受到反向因果關(guān)系的影響。為了進(jìn)一步處理內(nèi)生性， 參考趙濤等（2020）、 袁淳等（2021）的研究方法構(gòu)造工具變量： ①選取1984年各城市郵電業(yè)務(wù)總量作為工具變量。企業(yè)所在地歷史上通訊基礎(chǔ)設(shè)施的建設(shè)情況會從文化慣性、 轉(zhuǎn)型成本等方面影響企業(yè)對數(shù)字化轉(zhuǎn)型的接受能力和接受意愿， 滿足相關(guān)性條件； 郵電業(yè)務(wù)不能直接作用于被交易股票的機(jī)構(gòu)投資者羊群行為， 滿足外生性條件。②將該橫截面工具變量與滯后一期的全國互聯(lián)網(wǎng)上網(wǎng)人數(shù)交乘得到變量IV1（為表述方便， 將計算結(jié)果除以1000）， 與企業(yè)所在城市匹配后作為衡量機(jī)構(gòu)投資者羊群行為的工具變量。結(jié)果如表5列（1）、 列（2）所示。Anderson canon. corr. LM 統(tǒng)計量在1%的水平上顯著， 拒絕工具變量識別不足假設(shè)。Cragg-Donald Wald F 統(tǒng)計量大于Stock-Yogo F 檢驗在10%顯著性水平上的臨界值， 拒絕弱工具變量假設(shè)。第一階段的回歸結(jié)果顯示， 企業(yè)所在地歷史上通訊基礎(chǔ)設(shè)施的建設(shè)情況與企業(yè)數(shù)字化轉(zhuǎn)型顯著正相關(guān)。第二階段的回歸結(jié)果顯示， 使用工具變量法后Digital的系數(shù)依然顯著為負(fù)， 主要結(jié)論穩(wěn)健。

本文還使用同年份同行業(yè)內(nèi)除本企業(yè)以外其他企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)的均值作為各家企業(yè)數(shù)字化轉(zhuǎn)型的工具變量IV2。理由為： ①企業(yè)數(shù)字化轉(zhuǎn)型存在同群效應(yīng)（陳慶江等，2021）， 由于模仿學(xué)習(xí)和被動適應(yīng)的存在， 同業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型促進(jìn)了單家企業(yè)的數(shù)字化轉(zhuǎn)型， 滿足相關(guān)性條件； ②除本企業(yè)以外的行業(yè)數(shù)字化轉(zhuǎn)型不能直接作用于特定企業(yè)的機(jī)構(gòu)投資者羊群行為， 滿足外生性條件。表5列（3）和列（4）的回歸結(jié)果同樣表明本文的主要結(jié)論穩(wěn)健。

（三）穩(wěn)健性檢驗

1. 替換解釋變量： 數(shù)字經(jīng)濟(jì)相關(guān)部分占比?；谖谋痉治龇椒?gòu)建的企業(yè)數(shù)字化轉(zhuǎn)型度量指標(biāo)可能會受到管理層策略性披露的影響， 從而偏離企業(yè)真實的數(shù)字化轉(zhuǎn)型程度。因此， 借鑒張永坤等（2021）的研究方法， 使用數(shù)字經(jīng)濟(jì)相關(guān)部分占無形資產(chǎn)總額的比例來度量企業(yè)數(shù)字化轉(zhuǎn)型的成果。具體來說， 當(dāng)無形資產(chǎn)明細(xì)項包含“軟件”“網(wǎng)絡(luò)”“客戶端” “智能平臺”等與數(shù)字經(jīng)濟(jì)技術(shù)相關(guān)的關(guān)鍵詞或與此相關(guān)的專利時， 標(biāo)記為“數(shù)字經(jīng)濟(jì)技術(shù)無形資產(chǎn)”， 在此基礎(chǔ)上對企業(yè)同一年度多項數(shù)字經(jīng)濟(jì)技術(shù)無形資產(chǎn)進(jìn)行加總并除以無形資產(chǎn)總額， 得到企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)Digital2。此外， 借鑒龐瑞芝和劉東閣（2022）的做法， 采用無形資產(chǎn)占總資產(chǎn)的比例作為企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)Digital3。為緩解內(nèi)生性問題， 對這兩個指標(biāo)做滯后一期處理， 結(jié)果見表6列（1）和列（2）。

2. 替換解釋變量： 數(shù)字化轉(zhuǎn)型詞匯披露的精確詞數(shù)?？紤]到使用詞頻數(shù)據(jù)可能存在噪音， 本文借鑒吳非等（2021）、 趙璨等（2020）的研究， 改用數(shù)字化轉(zhuǎn)型詞匯在MD&A中出現(xiàn)的精確詞數(shù)度量企業(yè)數(shù)字化轉(zhuǎn)型。指標(biāo)的其他構(gòu)建過程與前文中所述的方法相同， 僅將詞頻替代為詞數(shù)。為方便表述， 將數(shù)字化轉(zhuǎn)型相關(guān)詞匯的披露次數(shù)除以1000得到企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)Digital4， 對其做滯后一期處理， 結(jié)果見表6列（3）。

3. 排除市場波動的影響。在樣本期內(nèi)， 我國的股票市場在2015年左右發(fā)生了較大程度的波動， 可能會對結(jié)論的穩(wěn)健性造成一定影響。考慮到對這類估計偏差尚無更好的處理方法， 參考前期研究， 剔除2015年數(shù)據(jù)后進(jìn)行回歸， 結(jié)果見表6列（4）。

4. 排除策略性披露行為的影響。MD&A中的數(shù)字化相關(guān)表述可能會受企業(yè)策略性披露的影響， 基于各種理由管理層可能在MD&A中刻意操縱企業(yè)數(shù)字化轉(zhuǎn)型詞匯的頻率。為了控制管理層刻意隱瞞企業(yè)數(shù)字化轉(zhuǎn)型程度的策略性行為影響， 剔除所有企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)為0的樣本后進(jìn)行回歸， 結(jié)果見表6列（5）。為了控制管理層刻意夸大企業(yè)數(shù)字化轉(zhuǎn)型程度的影響， 僅保留所有深交所信息披露考評結(jié)果為“優(yōu)秀”和“良好 ”的樣本， 這些企業(yè)實行策略性披露的可能性較低， 回歸結(jié)果見表6列（6）。

表6列（1） ～ （6）中， 解釋變量的系數(shù)均在1%的水平上顯著為負(fù)， 說明本文的主要結(jié)論穩(wěn)健。

五、 進(jìn)一步研究

（一）影響機(jī)制檢驗

本文從信息披露（內(nèi)部）和信息中介（外部）兩個角度， 對企業(yè)數(shù)字化轉(zhuǎn)型影響機(jī)構(gòu)投資者羊群行為的機(jī)制進(jìn)行中介效應(yīng)檢驗。論證形式參考江艇（2022）關(guān)于中介效應(yīng)分析方法的相關(guān)建議。

1. 信息披露?；谛畔⑴兜慕嵌?， 本文認(rèn)為數(shù)字化轉(zhuǎn)型提高了企業(yè)內(nèi)部信息整合效率， 強(qiáng)化了企業(yè)的內(nèi)部控制和解決代理問題的能力， 提升了企業(yè)的信息披露水平， 有助于外部投資者掌握更充分的信息， 進(jìn)而抑制機(jī)構(gòu)投資者羊群行為。

在強(qiáng)化企業(yè)內(nèi)部控制和解決代理問題的能力方面， 企業(yè)內(nèi)部控制情況是體現(xiàn)上市公司對投資者信息披露質(zhì)量的重要組成部分。本文使用迪博內(nèi)部控制指數(shù)衡量企業(yè)內(nèi)部控制和解決代理問題的能力， 記為IC， 該指標(biāo)值越大說明企業(yè)內(nèi)部控制和解決代理問題的能力越強(qiáng)， 對投資者的信息越透明。在提升企業(yè)信息披露水平方面， 參照Kim和Verrecchia（2001）、 徐壽福和徐龍炳（2015）、 翟光宇等（2014）、 林長泉等（2016）的方法， 使用投資者信息披露質(zhì)量KV指數(shù)反映企業(yè)與機(jī)構(gòu)投資者間的信息不對稱程度， 記為KV。KV 度量法的基本原理為： 如果上市公司信息披露質(zhì)量差， 則投資者無法借助信息披露對上市公司投資價值進(jìn)行判斷， 從而對其股票交易量的依賴性較強(qiáng)。其構(gòu)造方法為：

Ln|（Pt-Pt-1）/Pt-1|=λ0-λ（Volt-Vol0）+ε （5）

KV=λ×106 （6）

其中， Pt為第t日的收盤價， Pt-1為第t-1日的收盤價， Volt是第t日的交易量， Vol0是年內(nèi)所有交易日的平均日交易量。KV指數(shù)反映的是市場信息， 因此該指標(biāo)相當(dāng)于是投資者對于信息不對稱程度的客觀評價， 其更能夠真實反映上市公司對機(jī)構(gòu)投資者信息披露的實際效果。該指數(shù)既包含了強(qiáng)制性信息披露， 也包含了自愿性信息披露。由該指標(biāo)的定義可知， KV指數(shù)的指標(biāo)值越小， 說明企業(yè)對投資者的信息披露越充分。

企業(yè)數(shù)字化轉(zhuǎn)型對上述變量的回歸結(jié)果如表7所示?？梢?， 數(shù)字化轉(zhuǎn)型顯著強(qiáng)化了企業(yè)內(nèi)部控制和解決代理問題的能力［列（1）和列（2）中Digital的系數(shù)顯著為正］， 且顯著提高了企業(yè)對投資者的信息披露質(zhì)量［列（3）和列（4）中Digital的系數(shù)顯著為負(fù)］， 緩解了企業(yè)與機(jī)構(gòu)投資者間的信息不對稱。根據(jù)Hirshleifer和Hong（2003）的信息串聯(lián)模型， 信息不對稱是機(jī)構(gòu)投資者羊群行為的重要成因。因此， 本文有理由認(rèn)為企業(yè)數(shù)字化轉(zhuǎn)型有效緩解了機(jī)構(gòu)投資者這一外部信息使用者的信息不對稱， 為抑制機(jī)構(gòu)投資者羊群行為創(chuàng)造了條件（Hirshleifer和Hong，2003）。

2. 信息中介?；谛畔⒅薪榈慕嵌龋?本文認(rèn)為企業(yè)數(shù)字化轉(zhuǎn)型會提升投資者預(yù)期， 引發(fā)分析師和大眾媒體關(guān)注， 緩解投資者的信息不對稱， 進(jìn)而抑制機(jī)構(gòu)投資者羊群行為。在分析師關(guān)注方面， 承襲已有研究（王瑤等，2023）， 使用每家企業(yè)的分析師人數(shù)加1取自然對數(shù)作為分析師關(guān)注的代理變量， 記為Analyst。在大眾媒體關(guān)注方面， 選取二十家在我國認(rèn)可度高、 傳播力強(qiáng)的網(wǎng)絡(luò)財經(jīng)媒體（和訊網(wǎng)、新浪財經(jīng)、東方財富網(wǎng)、騰訊財經(jīng)、網(wǎng)易財經(jīng)、鳳凰財經(jīng)、中國經(jīng)濟(jì)網(wǎng)、搜狐財經(jīng)、金融界、華訊財經(jīng)、FT中文網(wǎng)、全景網(wǎng)、中金在線、中國證券網(wǎng)、證券之星、財新網(wǎng)、澎湃新聞網(wǎng)、第一財經(jīng)、21CN財經(jīng)頻道、財經(jīng)網(wǎng)）， 以年度為限， 使用機(jī)器學(xué)習(xí)方法， 統(tǒng)計上市公司的全稱和簡稱在這二十家財經(jīng)媒體報道標(biāo)題中出現(xiàn)的次數(shù)， 以此作為大眾媒體關(guān)注的代理變量， 記為Media1； 同時， 統(tǒng)計上市公司的全稱和簡稱在這二十家財經(jīng)媒體報道內(nèi)容中出現(xiàn)的次數(shù)， 也將其作為大眾媒體關(guān)注的代理變量， 記為Media2。為方便表述， 將這兩個變量均除以1000。三個指標(biāo)均刻畫了企業(yè)數(shù)字化轉(zhuǎn)型后的信息流轉(zhuǎn)通暢度。

企業(yè)數(shù)字化轉(zhuǎn)型對上述變量的回歸結(jié)果如表8所示?？梢?， 企業(yè)數(shù)字化轉(zhuǎn)型顯著吸引了分析師和大眾媒體的關(guān)注［列（1） ～ （6）中Digital的系數(shù)顯著為正］， 提高了企業(yè)與機(jī)構(gòu)投資者間信息流轉(zhuǎn)的通暢度。根據(jù)Hirshleifer和Hong（2003）的信息串聯(lián)模型， 信息不對稱是機(jī)構(gòu)投資者羊群行為的重要成因。因此， 本文有理由認(rèn)為企業(yè)數(shù)字化轉(zhuǎn)型通過引發(fā)分析師和大眾媒體關(guān)注， 使更多分析師、 媒體等參與對企業(yè)股票信息的挖掘、 加工、 傳遞工作， 有效緩解了機(jī)構(gòu)投資者這一外部信息使用者的信息不對稱， 同樣為抑制機(jī)構(gòu)投資者羊群行為創(chuàng)造了條件（Hirshleifer和Hong， 2003）。

（二）買方市場和賣方市場

本文進(jìn)一步建立模型（7）和模型（8）， 以單獨考察企業(yè)數(shù)字化轉(zhuǎn)型對單邊市場的影響。在模型（7）和模型（8）中， 其他變量的定義均與前文相同， 僅將被解釋變量替換為買方市場和賣方市場中的機(jī)構(gòu)投資者羊群行為。

Herd_Buyi，t=α0+α1Digitali，t-1+α2Controlsi，t+α3Industry+α4Year+α5Province+εi，t （7）

Herd_Selli，t=α0+α1Digitali，t-1+α2Controlsi，t+α3Industry+α4Year+α5Province+εi，t （8）

回歸結(jié)果如表9所示。除列（1）之外， Digital的系數(shù)均為負(fù)， 可見企業(yè)數(shù)字化轉(zhuǎn)型能夠同時抑制買方市場和賣場市場上的機(jī)構(gòu)投資者羊群行為。從統(tǒng)計學(xué)角度來看， 企業(yè)數(shù)字化轉(zhuǎn)型對機(jī)構(gòu)投資者買方羊群行為的抑制作用在10%的水平上顯著， 對機(jī)構(gòu)投資者賣方羊群行為的抑制作用在1%的水平上顯著。從經(jīng)濟(jì)學(xué)意義上看， 列（4）中Digital的系數(shù)絕對值（0.8327）也大于列（2）中Digital的系數(shù)絕對值（0.2049）， 可見企業(yè)數(shù)字化轉(zhuǎn)型能夠更大程度地治理賣方市場上的機(jī)構(gòu)投資者羊群行為。前期研究已經(jīng)發(fā)現(xiàn)， 機(jī)構(gòu)投資者在賣出股票時更容易表現(xiàn)出羊群行為（Wermers，1999）。本文認(rèn)為， 受投資者心理和行為偏差、 我國融資融券市場結(jié)構(gòu)缺陷等因素的影響， 機(jī)構(gòu)投資者在賣出股票時更容易表現(xiàn)出羊群行為， 其對企業(yè)信息不對稱程度的變動更敏感。如果企業(yè)數(shù)字化轉(zhuǎn)型確實是通過改善企業(yè)的信息披露來抑制機(jī)構(gòu)投資者羊群行為的， 那么可以預(yù)期數(shù)字化轉(zhuǎn)型對賣方市場上的機(jī)構(gòu)投資者羊群行為會產(chǎn)生更強(qiáng)的抑制作用。本部分結(jié)論再一次支持了企業(yè)數(shù)字化轉(zhuǎn)型有利于緩解信息不對稱， 從而抑制機(jī)構(gòu)投資者羊群行為的觀點。

（三）異質(zhì)性檢驗

1. 企業(yè)科技水平差異。數(shù)據(jù)是高科技企業(yè)重要的生產(chǎn)資料。相較于非高科技企業(yè)， 高科技企業(yè)主動創(chuàng)新的能力更強(qiáng)、 技術(shù)水平更高、 內(nèi)部累積的可用信息數(shù)據(jù)更多， 而數(shù)字化轉(zhuǎn)型恰恰需要較強(qiáng)的創(chuàng)新能力和軟硬件環(huán)境的支撐。非高科技企業(yè)對數(shù)字化轉(zhuǎn)型技術(shù)方向的把握可能不如高科技企業(yè)敏銳， 其自身的技術(shù)能力也有限， 不能很好地將數(shù)字技術(shù)高水平地嵌入自身的經(jīng)營管理流程。如果強(qiáng)行實施數(shù)字化轉(zhuǎn)型， 可能并不能如愿改善企業(yè)信息質(zhì)量， 也無法得到資本市場中機(jī)構(gòu)投資者的實質(zhì)性認(rèn)可， 自然無法有效抑制被交易股票的機(jī)構(gòu)投資者羊群行為。因此， 如果企業(yè)數(shù)字化轉(zhuǎn)型確實是通過改善企業(yè)的信息披露來抑制機(jī)構(gòu)投資者羊群行為的， 則可以預(yù)期數(shù)字化轉(zhuǎn)型對高科技企業(yè)股票的機(jī)構(gòu)投資者羊群行為會產(chǎn)生更強(qiáng)的抑制作用。

目前學(xué)界對高科技企業(yè)的分類尚無一致標(biāo)準(zhǔn)， 本文綜合參考楊興哲和周翔翼（2020）、 彭紅星和毛新述（2017）的研究， 根據(jù)《上市公司行業(yè)分類指引（2012年修訂）》， 將當(dāng)年年末所屬行業(yè)為C25、 C26、 C27、 C28、 C29、 C31、 C32、 C34、 C35、 C36、 C37、 C38、 C39、 C40、 C41、 I63、 I64、 I65、 M73的企業(yè)標(biāo)記為高科技企業(yè)， Hightech取值為1， 其他企業(yè)標(biāo)記為非高科技企業(yè)， Hightech取值為0， 回歸結(jié)果見表10。列（1）和列（2）的回歸結(jié)果顯示， 在高科技企業(yè)中Digital的系數(shù)（-0.6982）在1%的水平上顯著為負(fù)， 在非高科技企業(yè)中Digital的系數(shù)不顯著。列（3）中通過調(diào)節(jié)效應(yīng)檢驗， 同樣發(fā)現(xiàn)交乘項Hightech_ Digital的系數(shù)顯著為負(fù)。結(jié)果證實， 高科技企業(yè)更能通過數(shù)字化轉(zhuǎn)型抑制機(jī)構(gòu)投資者羊群行為。

2. 企業(yè)規(guī)模差異。信息不對稱問題在不同規(guī)模的上市企業(yè)間存在差異。中小型企業(yè)由于財務(wù)制度規(guī)范性較差、 內(nèi)部控制制度不完善、 股票流動性較弱和市場關(guān)注度較低， 其信息披露水平與大型企業(yè)相比更低。交易中小型企業(yè)股票的機(jī)構(gòu)投資者可能面臨更嚴(yán)重的信息不對稱問題， 更可能出現(xiàn)羊群行為。因此， 如果企業(yè)數(shù)字化轉(zhuǎn)型確實是通過改善企業(yè)的信息披露來抑制機(jī)構(gòu)投資者羊群行為的， 那么本文可以預(yù)期數(shù)字化轉(zhuǎn)型將對中小型企業(yè)股票的機(jī)構(gòu)投資者羊群行為產(chǎn)生更強(qiáng)的抑制作用。

按照企業(yè)規(guī)模（Size）的年度—行業(yè)中位數(shù)， 將樣本分為大型企業(yè)和中小型企業(yè)兩個子樣本， 分組回歸結(jié)果如表11列（1）和列（2）所示?？梢姡?在大型企業(yè)中Digital的系數(shù)在5%的水平上顯著為負(fù)， 而在中小型企業(yè)中該系數(shù)在1%的水平上顯著為負(fù)， 需要進(jìn)行系數(shù)差異檢驗（Permutaion test）。經(jīng)迭代的系數(shù)差異檢驗發(fā)現(xiàn)， 中小型企業(yè)中Digital的系數(shù)絕對值（0.8006）顯著大于大型企業(yè)中Digital的系數(shù)絕對值（0.2902）， 差異為0.5104（P<0.001）。列（3）中通過調(diào)節(jié)效應(yīng)檢驗， 同樣發(fā)現(xiàn)交乘項Size_Digital的系數(shù)顯著為正。結(jié)果證實， 中小型企業(yè)更能通過數(shù)字化轉(zhuǎn)型緩解信息不對稱， 從而抑制機(jī)構(gòu)投資者羊群行為。

3. 機(jī)構(gòu)投資者持股比例差異。企業(yè)與機(jī)構(gòu)投資者之間的信息不對稱問題在機(jī)構(gòu)投資者持股比例不同的上市企業(yè)中存在差異。與機(jī)構(gòu)投資者持股比例較低的企業(yè)相比， 機(jī)構(gòu)投資者持股比例較高的企業(yè)會受到專業(yè)機(jī)構(gòu)分析師更多的關(guān)注， 其信息不對稱問題較輕。同時， 由于受到股權(quán)制衡， 機(jī)構(gòu)投資者持股比例較高的企業(yè)的管理層傾向于主動向機(jī)構(gòu)投資者披露信息， 從而緩解信息不對稱。反之， 對于機(jī)構(gòu)投資者持股比例較低的企業(yè)來說， 由于其受到的分析師關(guān)注較少， 不受機(jī)構(gòu)股權(quán)制衡， 其信息披露的動機(jī)較弱， 企業(yè)與機(jī)構(gòu)投資者間的信息不對稱問題更嚴(yán)重， 更可能出現(xiàn)機(jī)構(gòu)投資者羊群行為。因此本文預(yù)測， 如果企業(yè)數(shù)字化轉(zhuǎn)型確實是通過改善企業(yè)的信息披露來抑制機(jī)構(gòu)投資者羊群行為的， 那么數(shù)字化轉(zhuǎn)型將對機(jī)構(gòu)投資者持股比例較低的企業(yè)的機(jī)構(gòu)投資者羊群行為產(chǎn)生更強(qiáng)的抑制作用。

按照機(jī)構(gòu)投資者持股比例（INST）的年度—行業(yè)中位數(shù)， 將樣本分為機(jī)構(gòu)投資者持股比例高和機(jī)構(gòu)投資者持股比例低兩個子樣本。如表12所示， 在機(jī)構(gòu)投資者持股比例高組中Digital的系數(shù)在5%的水平上顯著為負(fù)， 而在機(jī)構(gòu)投資者持股比例低組中該系數(shù)在1%的水平上顯著為負(fù)。迭代后的系數(shù)差異檢驗發(fā)現(xiàn)， 機(jī)構(gòu)投資者持股比例低組中Digital的系數(shù)絕對值（0.7599）大于機(jī)構(gòu)投資者持股比例高組中Digital的系數(shù)絕對值（0.3925）， 差異為-0.3674（P<0.001）。列（3）中通過調(diào)節(jié)效應(yīng)檢驗， 同樣發(fā)現(xiàn)交乘項INST_Digital的系數(shù)顯著為正。結(jié)果證實， 機(jī)構(gòu)投資者持股比例較低的企業(yè)更能通過數(shù)字化轉(zhuǎn)型緩解信息不對稱， 從而抑制機(jī)構(gòu)投資者羊群行為。

六、 結(jié)論和啟示

本文應(yīng)用基于機(jī)器學(xué)習(xí)的文本分析方法， 構(gòu)造企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)， 探究了企業(yè)數(shù)字化轉(zhuǎn)型對機(jī)構(gòu)投資者羊群行為的影響、 作用機(jī)制和異質(zhì)性， 為數(shù)字技術(shù)是否對我國金融市場的羊群現(xiàn)象具備治理能力這一問題的解答提供了實證證據(jù)。本文研究發(fā)現(xiàn)如下： 第一， 企業(yè)數(shù)字化轉(zhuǎn)型顯著抑制了機(jī)構(gòu)投資者羊群行為。第二， 企業(yè)數(shù)字化轉(zhuǎn)型提高了企業(yè)的內(nèi)部信息整合效率， 強(qiáng)化了企業(yè)內(nèi)部控制和解決代理問題的能力， 提升了企業(yè)的信息披露水平， 進(jìn)而抑制了機(jī)構(gòu)投資者羊群行為； 企業(yè)數(shù)字化轉(zhuǎn)型提升了投資者預(yù)期， 引發(fā)了分析師和大眾媒體的關(guān)注， 進(jìn)而抑制了機(jī)構(gòu)投資者羊群行為。第三， 相較于買方市場， 企業(yè)數(shù)字化轉(zhuǎn)型對賣方市場上機(jī)構(gòu)投資者羊群行為產(chǎn)生的抑制作用更強(qiáng)。第四， 在高科技企業(yè)、 中小型企業(yè)、 機(jī)構(gòu)投資者持股比例較低的企業(yè)中， 企業(yè)數(shù)字化轉(zhuǎn)型會對機(jī)構(gòu)投資者羊群行為產(chǎn)生更強(qiáng)的抑制作用。

本文的研究結(jié)論對數(shù)字技術(shù)在金融市場治理中的應(yīng)用具有如下啟示：

第一， 機(jī)構(gòu)投資者羊群行為是造成企業(yè)估值不穩(wěn)定和金融體系脆弱的重要原因。本文通過研究發(fā)現(xiàn)， 企業(yè)數(shù)字化轉(zhuǎn)型對金融市場中羊群效應(yīng)的治理發(fā)揮了積極作用， 其顯著抑制了被交易股票的機(jī)構(gòu)投資者羊群行為。因此， 企業(yè)要以更開放的心態(tài)對待數(shù)字化轉(zhuǎn)型帶來的資本市場后果， 利用好數(shù)字化轉(zhuǎn)型帶來的資本市場信息傳遞優(yōu)勢。相關(guān)部門也應(yīng)出臺相關(guān)政策推動企業(yè)數(shù)字化轉(zhuǎn)型， 發(fā)揮數(shù)字技術(shù)在金融市場治理中的積極作用。

第二， 數(shù)字化經(jīng)營模式意味著更強(qiáng)的內(nèi)部控制能力、 更扁平的管理模式和更高的信息效率。本文研究發(fā)現(xiàn)， 在數(shù)字化經(jīng)營模式下， 企業(yè)的信息披露能力顯著增強(qiáng)， 抑制了機(jī)構(gòu)投資者的羊群行為。因此， 企業(yè)需要更積極地推動數(shù)字技術(shù)與自身信息披露機(jī)制的融合， 更好地服務(wù)投資者。金融監(jiān)管部門也應(yīng)該積極推動相關(guān)數(shù)字技術(shù)在企業(yè)信息披露領(lǐng)域的應(yīng)用， 從而完善數(shù)字治理， 化解金融風(fēng)險。

第三， 不同的企業(yè)利用數(shù)字化轉(zhuǎn)型抑制機(jī)構(gòu)投資者羊群行為的效果存在差異。本文發(fā)現(xiàn)， 科技水平較低的企業(yè)由于不具備足夠的技術(shù)能力， 難以發(fā)揮數(shù)字化轉(zhuǎn)型緩解信息不對稱的作用。同時， 本文還發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型在信息不對稱問題更嚴(yán)重的企業(yè)中發(fā)揮了更大的治理作用。因此， 企業(yè)需要基于自身的資源、 能力、 現(xiàn)狀等進(jìn)行合理判斷， 選擇合適的數(shù)字化轉(zhuǎn)型路徑。政府部門也應(yīng)精準(zhǔn)施策， 積極幫助技術(shù)弱勢企業(yè)和信息披露水平較低的企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型， 給予其更多政策傾斜， 從而利用好數(shù)字經(jīng)濟(jì)紅利， 完善對金融市場的治理。

【 主 要 參 考 文 獻(xiàn) 】

陳慶江，王彥萌，萬茂豐．企業(yè)數(shù)字化轉(zhuǎn)型的同群效應(yīng)及其影響因素研究［ J］．管理學(xué)報，2021（5）：653 ～ 663．

何帆，劉紅霞．?dāng)?shù)字經(jīng)濟(jì)視角下實體企業(yè)數(shù)字化變革的業(yè)績提升效應(yīng)評估［ J］．改革，2019（4）：137 ～ 148．

江艇．因果推斷經(jīng)驗研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)［ J］．中國工業(yè)經(jīng)濟(jì)，2022（5）：100 ～ 120．

李坤望，邵文波，王永進(jìn)．信息化密度、信息基礎(chǔ)設(shè)施與企業(yè)出口績效——基于企業(yè)異質(zhì)性的理論與實證分析［ J］．管理世界，2015（4）：52 ～ 65．

林長泉，毛新述，劉凱璇．董秘性別與信息披露質(zhì)量——來自滬深A(yù)股市場的經(jīng)驗證據(jù)［ J］．金融研究，2016（9）：193 ～ 206．

劉淑春，閆津臣，張思雪等．企業(yè)管理數(shù)字化變革能提升投入產(chǎn)出效率嗎［ J］．管理世界，2021（5）：170 ～ 190+13．

劉新爭，高闖．基于復(fù)雜網(wǎng)絡(luò)的私有信息共享對機(jī)構(gòu)投資者羊群行為的影響［ J］．管理學(xué)報，2022（4）：506 ～ 515．

羅進(jìn)輝，巫奕龍．?dāng)?shù)字化運營水平與真實盈余管理［ J］．管理科學(xué)，2021（4）：3 ～ 18．

龐瑞芝，劉東閣．?dāng)?shù)字化與創(chuàng)新之悖論：數(shù)字化是否促進(jìn)了企業(yè)創(chuàng)新——基于開放式創(chuàng)新理論的解釋［ J］．南方經(jīng)濟(jì)，2022（9）：97 ～ 117．

彭紅星，毛新述．政府創(chuàng)新補(bǔ)貼、公司高管背景與研發(fā)投入——來自我國高科技行業(yè)的經(jīng)驗證據(jù)［ J］．財貿(mào)經(jīng)濟(jì)，2017（3）：147 ～ 161．

王瑤，馮曉晴，侯德帥．企業(yè)數(shù)字化轉(zhuǎn)型能提高分析師預(yù)測準(zhǔn)確度嗎？——基于信息披露和信息挖掘的雙重視角［ J］．中南財經(jīng)政法大學(xué)學(xué)報，2023（4）：16 ～ 27+135．

吳非，胡慧芷，林慧妍等．企業(yè)數(shù)字化轉(zhuǎn)型與資本市場表現(xiàn)——來自股票流動性的經(jīng)驗證據(jù)［ J］．管理世界，2021（7）：130 ～ 144+10．

徐壽福，徐龍炳．信息披露質(zhì)量與資本市場估值偏誤［ J］．會計研究，2015（1）：40 ～ 47+96．

許年行，于上堯，伊志宏．機(jī)構(gòu)投資者羊群行為與股價崩盤風(fēng)險［ J］．管理世界，2013（7）：31 ～ 43．

楊興哲，周翔翼．治理效應(yīng)抑或融資效應(yīng)？股票流動性對上市公司避稅行為的影響［ J］．會計研究，2020（9）：120 ～ 133．

袁淳，肖土盛，耿春曉等．?dāng)?shù)字化轉(zhuǎn)型與企業(yè)分工：專業(yè)化還是縱向一體化［ J］．中國工業(yè)經(jīng)濟(jì)，2021（9）：137 ～ 155．

翟光宇，武力超，唐大鵬．中國上市銀行董事會秘書持股降低了信息披露質(zhì)量嗎？——基于2007-2012年季度數(shù)據(jù)的實證分析［ J］．經(jīng)濟(jì)評論，2014（2）：127 ～ 138．

張卿，鄧石軍．?dāng)?shù)字化轉(zhuǎn)型對企業(yè)韌性的影響——來自COVID-19的證據(jù)［ J］．經(jīng)濟(jì)與管理，2023（1）：38 ～ 48．

張葉青，陸瑤，李樂蕓．大數(shù)據(jù)應(yīng)用對中國企業(yè)市場價值的影響——來自中國上市公司年報文本分析的證據(jù)［ J］．經(jīng)濟(jì)研究，2021（12）：42 ～ 59．

張永珅，李小波，邢銘強(qiáng)．企業(yè)數(shù)字化轉(zhuǎn)型與審計定價［ J］．審計研究，2021（3）：62 ～ 71．

趙璨，曹偉，姚振曄等．“互聯(lián)網(wǎng)+”有利于降低企業(yè)成本粘性嗎？［ J］．財經(jīng)研究，2020（4）：33 ～ 47．

趙宸宇，王文春，李雪松．?dāng)?shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率［ J］．財貿(mào)經(jīng)濟(jì)，2021（7）：114 ～ 129．

趙濤，張智，梁上坤．?dāng)?shù)字經(jīng)濟(jì)、創(chuàng)業(yè)活躍度與高質(zhì)量發(fā)展——來自中國城市的經(jīng)驗證據(jù)［ J］．管理世界，2020（10）：65 ～ 76．

周駟華，萬國華．信息技術(shù)能力對供應(yīng)鏈績效的影響：基于信息整合的視角［ J］．系統(tǒng)管理學(xué)報，2016（1）：90 ～ 102．

周驍，郭樹華．?dāng)?shù)字化轉(zhuǎn)型如何影響企業(yè)利潤率——數(shù)字經(jīng)濟(jì)視角下的機(jī)制與經(jīng)驗研究［ J］．貴州財經(jīng)大學(xué)學(xué)報，2023（1）：32 ～ 40．

Agarwal V.， Daniel N. D.， Naik N. Y.. Role of managerial incentives and discretion in hedge fund performance［ J］．The Journal of Finance，2009（5）：2221 ～ 2256．

Banerjee A. V.. A simple model of herd behavior［ J］．The Quarterly Journal of Economics，1992（3）：797 ～ 817．

Benner M. J.， Waldfogel J.. Changing the channel： Digitization and the rise of “middle tail” strategies［ J］．Strategic Management Journal，2023（1）：264 ～ 287．

Bharadwaj A.， El Sawy O. A.， Pavlou P. A.， et al.. Digital business strategy：Toward a next generation of insights［ J］．MIS Quarterly，2013（2）：471 ～ 482．

Bikhchandani S.， Hirshleifer D.， Welch I.. A theory of fads， fashion， custom， and cultural change as informational cascades［ J］．Journal of Political Economy，1992（5）：992 ～ 1026．

Bikhchandani S.， Hirshleifer D.， Welch I.. Learning from the behavior of others： Conformity， fads， and informational cascades［ J］．Journal of Economic Perspectives，1998（3）：151 ～ 170．

Bikhchandani S.， Sharma S.. Herd behavior in financial markets［ J］．IMF Staff Papers，2001（3）：279 ～ 310．

Boyson N. M.. Implicit incentives and reputational herding by hedge fund managers［ J］．Journal of Empirical Finance，2010（3）：283 ～ 299．

Chang E. C.， Cheng J. W.， Khorana A.. An examination of herd behavior in equity markets：An international perspective［ J］．Journal of Banking & Finance，2000（10）：1651 ～ 1679．

Chen H.， Z. Tian. Environmental uncertainty， resource orchestration and digital transformation： A fuzzy-set QCA approach［ J］．Joumal of Business Research，2022（139）：184 ～ 193．

Chen W.， Cai W.， Hu Y.， et al.. Gimmick or revolution： Can corporate digital transformation improve accounting information quality？［ J］．International Journal of Emerging Markets，2022a（ahead-of-print）．

Chen W.， L. Zhang， P. Jiang， et al.. Can digital transformation improve the information environment of the capital market？ Evidence from the analysts' prediction behaviour［ J］．Accounting & Finance，2022b（2）：2543 ～ 2578．

Christie W. G.， Huang R. D.. Following the pied piper： Do individual returns herd around the market？［ J］．Financial Analysts Journal，1995（4）：31 ～ 37．

Farboodi M.， Mihet R.， Philippon T.， et al.. Big data and firm dynamics［ J］．AEA Papers and Proceedings，2019（109）：38 ～ 42．

Hirshleifer D.， Hong Teoh S.. Herd behaviour and cascading in capital markets： A review and synthesis［ J］．European Financial Management，2003（1）：25 ～ 66．

Ilvonen I.， Thalmann S.， Manhart M.， et al.. Reconciling digital transformation and knowledge protection： A research agenda［ J］．Knowledge Management Research & Practice，2018（2）：235 ～ 244．

Jacobs H.. Market maturity and mispricing［ J］．Journal of Financial Economics，2016（2）：270 ～ 287．

Johnson G. A.， Lewis R. A.， Reiley D. H.. When less is more： Data and power in advertising experiments［ J］．Marketing Science，2017（1）：43 ～ 53．

Kim O.， Verrecchia R. E.. The relation among disclosure， returns， and tra-

ding volume information［ J］．The Accounting Review，2001（4）：633 ～ 654．

Lakonishok J.， Shleifer A.， Vishny R. W.. The impact of institutional trading on stock prices［ J］．Journal of Financial Economics，1992（1）：23 ～ 43．

Maug E.， Naik N.. Herding and delegated portfolio management： The impact of relative performance evaluation on asset allocation［ J］．The Quarterly Journal of Finance，2011（2）：265 ～ 292．

Scharfstein D. S.， Stein J. C.. Herd behavior and investment［ J］．The American Economic Review，1990（3）：465 ～ 479．

Sias R. W.. Institutional herding［ J］．The Review of Financial Studies，2004（1）：165 ～ 206．

Spyrou S.. Herding in financial markets： A review of the literature［ J］．Review of Behavioral Finance，2013（2）：175 ～ 194．

Wermers R.. Mutual fund herding and the impact on stock prices［ J］．The Journal of Finance，1999（2）：581 ～ 622．

（責(zé)任編輯·校對： 陳晶? 喻晨）