JBR2026|公司战略性数字化导向与股价崩盘风险:来自企业生命周期阶段的经验证据
SSCI Q1; 中科院1区TOP; IF 9.8; ABS 3
[简介]
尽管既有研究广泛探讨了数字化转型对企业经营各方面的影响，但对于具体数字化战略（如公司战略性数字化导向，Strategic Digital Orientation，SDO）如何影响企业层面的风险，尤其是股价崩盘风险（Stock Price Crash Risk，SPCR），仍缺乏系统认识。理解这一关系至关重要，因为股价崩盘风险对市场稳定性和投资者信心构成重大威胁。本文通过解决数字化转型测度模糊的问题，基于2007—2021年中国A股上市公司数据，考察企业战略性数字化导向对股价崩盘风险的影响。研究结果表明，企业采纳战略性数字化导向能够显著降低股价崩盘风险，且该效应在实施后可持续3—5年。双重作用机制分析显示，战略性数字化导向通过强化内部控制和缓解融资约束，从而降低股价崩盘风险。进一步分析发现，在企业成长期和成熟期，战略性数字化导向对股价崩盘风险的抑制作用更为显著，而在导入期和衰退期该效应相对较弱。此外，在金融科技（FinTech）发展水平较高的地区以及技术导向型企业中，战略性数字化导向对股价崩盘风险的影响更强。上述结论在采用替代性战略性数字化导向指标、工具变量方法以及倾向得分匹配等多种稳健性检验后依然成立。[样本与变量]
研究样本：2007—2021年在上海证券交易所和深圳证券交易所的A股上市公司
(1) 被解释变量：股价崩盘风险（SPCR）
本文采用两种文献中广泛使用的指标来衡量股价崩盘风险（SPCR）：负偏态系数（Negative Coefficient of Skewness，NCSKEW）和下跌—上涨波动率（Down-to-Up Volatility，DUVOL），测度方法参考既有研究（Callen, 2015；Kim et al., 2011；Kim et al., 2016；Li et al., 2024b）。上述两项指标均基于公司特定的周收益率构建，并通过剔除整体市场波动的影响，以刻画个股层面的特质性波动，从而更精准地反映企业层面的崩盘风险（Hutton et al., 2009）。为提取股票收益中的公司特定成分，本文对每一家公司估计如下扩展的市场模型（考虑非同步交易效应）：其中，Ri,t 表示公司 i 在第 t 周的股票收益率，Rm,t 为第 t 周的市值加权市场收益率，εi,t 为残差项，反映未被市场因素解释的公司特定收益部分。样本期间覆盖公司财年第四个月开始至财年结束后三个月，时间窗口设置与既有研究保持一致（Hutton et al., 2009；Jin and Myers, 2006；Kim et al., 2011）。随后，公司特定周收益率计算如下：该转换在保留公司特定信息的同时，对收益率进行了合理缩放，为后续崩盘风险指标构建提供基础。第一种崩盘风险指标 NCSKEW 用于衡量公司特定收益分布的非对称性，其计算公式为：其中，n 表示公司 i 在年份 t 的交易周数。NCSKEW 值越大（绝对值越高），意味着收益分布左偏程度越强，表明发生极端负收益、即股价崩盘的可能性越高。第二种指标 DUVOL 用于衡量下跌周相对于上涨周的波动程度。若某一周的收益率低于当年平均收益率，则定义为“下跌周”，反之则为“上涨周”。其计算公式为：较高的DUVOL值表明下跌波动性大于上涨，表明股价突然崩盘的可能性增加。与NCSQUEW不同，DUVOL不依赖第三个时刻，因此对极端异常值的敏感度较低（Li等，2024b）。NCSKEW和DUVOL共同提供了企业特定股价风险的全面衡量，既捕捉了个别股票回报的不对称性，也体现了相对波动性。通过聚焦这些特有成分，这些指标能够更准确地评估极端负面股价事件的可能性。
(2) 解释变量：企业战略性数字化导向（SDO）
本文对企业战略性数字化导向（SDO）的测度，主要借鉴 Yang et al. (2025) 以及 Kindermann et al. (2021) 的研究方法，对上市公司年度报告中“管理层讨论与分析”（MD&A）部分进行系统的文本分析。MD&A 被认为是最具前瞻性且战略信息含量最高的强制性披露文本，能够比标准财务披露更充分地反映企业的战略意图（Chen et al., 2025；Thomas et al., 2024）。本文采用计算机辅助文本分析方法（Computer-Assisted Text Analysis，CATA），统计预先定义的数字化相关关键词在 MD&A 文本中的出现频率。在具体操作上，本文首先基于 Kindermann et al. (2021) 提供的、经验证的148个关键词词典，并结合2016年后中国上市公司 MD&A 文本进行归纳式扩展，补充“智能制造”“数字孪生”“大模型”等新兴术语，在保持与原有四个维度（数字技术范围、数字动态能力、数字生态协同、数字架构配置）高度一致的前提下，形成最终词典（见附录A1）。随后，对每一维度的关键词出现频率分别进行统计，并按 MD&A 总词数进行标准化处理（每千词），最终得到企业年度战略性数字化导向指标：在此基础上，本文进一步构造两种替代指标以增强稳健性：SDO3 = ln(1 + 四个维度关键词出现总次数)上述多种形式的 SDO 指标共同构成对企业战略性数字化导向的稳健刻画。(3) 控制变量
本文在公司层面和董事会层面引入多项控制变量，以控制影响股价崩盘风险的其他因素。公司层面变量包括：ABACC（应计盈余操纵程度）、MTB（市净比）、RET（周收益率）、Sigma（收益波动率）、Lev（资产负债率）、ROA（资产收益率）、Age（公司年龄）和 Size（公司规模）。董事会层面变量包括：董事会规模（BS）、董事会独立性（Ind）以及 CEO 两职合一（Duality）。本文采用 Dickinson (2011) 的现金流模式，根据经营活动、投资活动和筹资活动现金流的符号组合，将企业划分为创立期、成长期、成熟期和衰退期。在机制分析中，本文使用两项关键中介变量：内部控制（IC）和融资约束（KZ）。其中，内部控制数据来自深圳迪博风险管理公司的内部控制指数；融资约束指标则依据 Kaplan and Zingales (1997) 构建。[文献来源]
Maqsood, U. S., Li, Q., Younas, M. W., & Amjad, F. (2026). Corporate strategic digital orientation and stock price crash risk: Evidence from firm life cycle stages. Journal of Business Research, 206, 115948. https://doi.org/10.1016/j.jbusres.2025.115948
免责声明：本文版权归原作者所有，点击阅读原文可获取全文。内容仅供参考与交流，不代表本公众号立场。如有侵权请联系删除。最终解释权归【经管学术研究】所有。
欢迎投稿：本公众号长期欢迎课题组招生、学术会议、论文宣传、人才招聘等各类学术信息的投稿推广，欢迎联系小编！
