黃 哲，呂江林（博士生導(dǎo)師），朱小能（博士生導(dǎo)師）

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(diǎn)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(shí)，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(shí)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(diǎn)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(diǎn)，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(shí)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(shí)，當(dāng)現(xiàn)實(shí)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(yù)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(yù)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(shí)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(shí)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(xiàng)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(shí)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(shí)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(diǎn)，而這一熱點(diǎn)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?yàn)槠涑删秃汀霸掝}性”，而受到主力資金和主力機(jī)構(gòu)的重點(diǎn)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(yù)理論的觀點(diǎn)，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(yù)方面的損失。為了維持薪酬和聲譽(yù)，機(jī)構(gòu)投資經(jīng)理在交易這些“熱點(diǎn)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：

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(xiàng)，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：

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）?；跓o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(shí)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)。

表1 數(shù)字化搜詞詞典

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：

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(dú)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(yàn)，各變量間不存在嚴(yán)重的多重共線性問題。

四、實(shí)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(shí)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?？梢?，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?yàn)樾录{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。

表4 基準(zhǔn)回歸

（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(yàn)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。

表5 工具變量檢驗(yàn)

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(yàn)

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(shí)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(xiàng)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(xiàng)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）。

表6 穩(wěn)健性檢驗(yàn)

2.替換解釋變量：數(shù)字化轉(zhuǎn)型詞匯披露的精確詞數(shù)。考慮到使用詞頻數(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?？紤]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(shí)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(yàn)

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(yàn)。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兜慕嵌龋疚恼J(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：

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(shí)反映上市公司對機(jī)構(gòu)投資者信息披露的實(shí)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）。

表7 信息披露角度的機(jī)制分析

2.信息中介?；谛畔⒅薪榈慕嵌?，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）。

表8 信息中介角度的機(jī)制分析

（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(dú)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。

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(shí)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(diǎn)。

表9 單邊市場的檢驗(yàn)

（三）異質(zhì)性檢驗(yàn)

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(shí)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(shí)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(shí)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(yàn)，同樣發(fā)現(xiàn)交乘項(xiàng)Hightech_Digital的系數(shù)顯著為負(fù)。結(jié)果證實(shí)，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。

表10 企業(yè)科技水平差異

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(shí)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诖笮推髽I(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(yàn)（Permutaion test）。經(jīng)迭代的系數(shù)差異檢驗(yàn)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(yàn)，同樣發(fā)現(xiàn)交乘項(xiàng)Size_Digital 的系數(shù)顯著為正。結(jié)果證實(shí)，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。

表11 企業(yè)規(guī)模差異

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(shí)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(yàn)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(yàn)，同樣發(fā)現(xiàn)交乘項(xiàng)INST_Digital的系數(shù)顯著為正。結(jié)果證實(shí)，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。

表12 機(jī)構(gòu)投資者持股比例差異

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(shí)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.數(shù)字經(jīng)濟(jì)視角下實(shí)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(yàn)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(shí)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(yàn)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.數(shù)字化運(yùn)營水平與真實(shí)盈余管理［J］.管理科學(xué)，2021（4）：3 ～18.

龐瑞芝，劉東閣.數(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(yàn)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(yàn)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.數(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(shí)證分析［J］.經(jīng)濟(jì)評論，2014（2）：127～138.

張卿，鄧石軍.數(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.數(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.數(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(yàn)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.數(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(yàn)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 trading 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.