数据资产信息披露何以影响股价崩盘风险

张树山; 刘赵宁; 姚欣妍

数据资产信息披露何以影响股价崩盘风险

1.
东北师范大学经济与管理学院, 吉林长春 130117
2.
天津理工大学管理学院, 天津 300380

基金项目:

国家社会科学基金项目 18BJY180

详细信息

作者简介:
张树山(1972-)，男，吉林洮南人，东北师范大学经济与管理学院教授，博士生导师

姚欣妍(1997-)，女，山东东营人，天津理工大学管理学院博士研究生

通讯作者:
刘赵宁(1998-)(通讯作者)，女，辽宁铁岭人，东北师范大学经济与管理学院博士研究生

中图分类号: F49; F275
计量
- 文章访问数: 8
- HTML全文浏览量: 3
- PDF下载量: 0
- 被引次数: 0
出版历程
- 收稿日期: 2025-04-02
- 网络出版日期: 2025-06-25
- 刊出日期: 2025-05-28

How Does Data Asset Disclosure Affect Stock Price Crash Risk

1.
School of Economics and Management, Northeast Normal University, Changchun 130117, China
2.
School of Management, Tianjin University of Technology, Tianjin 300380, China

摘要

摘要: 数据资产作为企业重要的战略性资源，其信息披露如何缓释股价崩盘风险，对于维护金融安全及促进经济高质量发展至关重要。以2010—2023年沪深A股上市公司为样本，基于年报文本分析量化数据资产信息披露水平，实证检验数据资产信息披露对股价崩盘风险的影响及作用机制。研究发现，数据资产信息披露显著降低企业股价崩盘风险，该效应通过吸引外部市场关注与驱动内部数字化变革双路径实现。异质性分析表明，在财务柔性较低、客户稳定度不足及市场竞争压力较高的企业中，数据资产信息披露的风险抑制作用更为显著。进一步基于耐心资本视角的检验显示，稳定型股权通过增强治理效应强化风险抑制作用，而关系型债务因偿债压力约束弱化了该效应。研究结论为推进数据资产全生命周期管理、规范信息披露制度及防范金融市场系统性风险提供了理论支撑与政策参考。
- 数据资产信息披露 /
- 股价崩盘风险 /
- 市场关注 /
- 数字化变革 /
- 耐心资本
Abstract: As an important strategic resource for enterprises, how the data asset disclosure mitigates stock price crash risk is crucial to maintaining financial security and promoting high-quality economic development. Based on a sample of A-share listed companies in Shanghai and Shenzhen from 2010 to 2023, and textual analysis of annual reports, the paper quantifies the level of data asset disclosure, and empirically examines the impact of data asset disclosure on the risk of stock price crash and its mechanism. The study finds that data asset disclosure significantly reduces the stock price crash risk, and this effect is realized through the dual path of attracting external market attention and driving internal digital change. Heterogeneity analysis shows that the risk-suppressing effect of data asset disclosure is more significant in enterprises with lower financial flexibility, less stable customers, and higher competitive pressure in the market. Further tests based on the patient capital perspective show that stable equity strengthens the risk-suppressing effect by enhancing the governance effect, while relational debt weakens the effect due to the constraint in debt repayment pressure. The findings provide theoretical support and policy references for promoting the full life cycle management of data asset, standardizing the information disclosure system, and preventing systemic risks in financial markets.
- data asset disclosure /
- stock price crash risk /
- market concerns /
- digital transformation /
- patient capital

HTML全文

图 1 企业数据资产信息披露水平均值的趋势图

下载: 全尺寸图片幻灯片

表 1 企业数据资产水平与其数据资产信息披露水平的相关系数检验

变量	DAID_{i, t}	DAL_{i, t}
DAID_{i, t}	1
DAL_{i, t}	0.027^*	1
注：*表示在10%的水平上显著。

下载: 导出CSV

表 2 企业数据资产水平与其数据资产信息披露水平的回归结果

变量	DAID_{i, t}
DAL_{i, t}	0.001^**
	(1.97)
控制变量	是
常数项	-0.041^***
	(-5.93)
个体/年份固定效应	是
N	28 125
Adj-R²	0.689
注：* * 、 *分别表示在1%、5%的水平上显著。括号内为聚类至企业层面的稳健标准误调整后的t值。控制变量信息见表 3。

下载: 导出CSV

表 3 变量的基本情况

变量类别	变量名称	变量符号	变量定义
被解释变量	负收益偏态系数	NCSKEW_{i, t+1}	企业i第t+1年的股票负收益偏态系数，具体计算方法见式(2)
	收益上下波动率	DUVOL_{i, t+1}	企业i第t+1年的股票收益上下波动率，具体计算方法见式(3)
解释变量	数据资产信息披露	DAID_{i, t}	以企业i第t年的年报中数据资产相关关键词的词频数占排除停用词之后的年报有效词数的比重乘以100衡量
控制变量	企业规模	Size_{i, t}	企业i第t年的年末总资产的对数
	账面市值比	Bm_{i, t}	企业i第t年的账面价值占总市值的比重
	固定资产比重	Fixed_{i, t}	企业i第t年的固定资产净额与总资产的比值
	财务杠杆率	Lev_{i, t}	企业i第t年的负债总额占资产总额的比重
	总资产收益率	Roa_{i, t}	企业i第t年的净利润占资产总额的比重
	公司成长性	Growth_{i, t}	企业i第t年的营业收入增长率
	两职合一	Dual_{i, t}	企业i第t年的董事长与总经理是同一个人为1，否则为0
	机构投资者持股比	Inst_{i, t}	企业i第t年的机构投资者持股数量占总股数的比重
	审计意见	Opinion_{i, t}	企业i第t年的财务报告被出具了标准审计意见，则取值为1，否则为0
	信息透明度	Trans_{i, t}	企业i第t年的盈余质量、信息披露评分、分析师盈余预测准确度、分析师数量、是否聘请国际四大作为年审师五个指标样本百分等级的均值
	信息披露质量	Kv_{i, t}	企业i第t年的交易量对收益率的影响系数
	媒体监督力度	Media_{i, t}	基于媒体正面、负面、中性报道数量，运用J-F系数测算的企业i第t年的媒体监督
	月超额换手率	Dturn_{i, t}	企业i第t年的月均换手率与第t-1年的月均换手率之差
	周收益率标准差	Sigma_{i, t}	企业i第t年的周收益率标准差
	特有收益	Ret_{i, t}	企业i第t年的周收益率均值
	个股负收益偏态系数/ 个股收益上下波动率	NCSKEW_{i, t}/ DUVOL_{i, t}	企业i第t年的个股负收益偏态系数/个股收益上下波动率

下载: 导出CSV

表 4 变量描述性统计

变量	样本数	平均值	标准差	最小值	最大值
DUVOL	28 125	-0.225	0.469	-1.313	0.987
NCSKEW	28 125	-0.338	0.705	-2.318	1.609
DAID	28 125	0.005	0.014	0	0.094
Size	28 125	22.30	1.312	19.75	26.21
Bm	28 125	0.333	0.158	0.036	0.796
Fixed	28 125	0.218	0.162	0.002	0.690
Lev	28 125	0.436	0.203	0.050	0.904
Roa	28 125	0.037	0.059	-0.260	0.194
Growth	28 125	0.370	0.997	-0.736	6.905
Dual	28 125	0.255	0.436	0	1
Inst	28 125	0.446	0.243	0.004	0.913
Opinion	28 125	0.978	0.146	0	1
Trans	28 125	0.314	0.193	0.005	0.923
Kv	28 125	0.105	0.141	0.004	1.760
Media	28 125	0.360	0.427	-1	1
Dturn	28 125	0.005	0.244	-0.682	0.767
Sigma	28 125	0.063	0.023	0.025	0.142
Ret	28 125	0.003	0.009	-0.017	0.035

下载: 导出CSV

表 5 基准回归结果

变量	(1)	(2)	(3)	(3)
变量	DUVOL_{i, t+1}	DUVOL_{i, t+1}	NCSKEW_{i, t+1}	NCSKEW_{i, t+1}
DAID_{i, t}	-0.866^**	-0.941^***	-1.026^*	-1.197^**
	(-2.436)	(-2.595)	(-1.913)	(-2.218)
Size_{i, t}		0.026^***		0.061^***
		(2.837)		(4.641)
Bm_{i, t}		-0.314^***		-0.476^***
		(-7.584)		(-7.453)
Fixed_{i, t}		-0.119^***		-0.165^**
		(-2.717)		(-2.494)
Lev_{i, t}		-0.244^***		-0.412^***
		(-5.745)		(-6.459)
Roa_{i, t}		-0.006		-0.042
		(-0.087)		(-0.389)
Growth_{i, t}		0.003		0.004
		(0.635)		(0.708)
Dual_{i, t}		0.003		0.011
		(0.266)		(0.678)
Inst_{i, t}		0.177^***		0.305^***
		(5.059)		(5.694)
Opinion_{i, t}		-0.032		-0.058
		(-1.347)		(-1.617)
Trans_{i, t}		0.070^**		0.136^***
		(2.356)		(3.058)
Kv_{i, t}		0.008		0.019
		(0.284)		(0.414)
Media_{i, t}		-0.009		-0.015
		(-1.229)		(-1.212)
Dturn_{i, t}		-0.035^**		-0.072^***
		(-2.232)		(-2.980)
Sigma_{i, t}		-0.735^***		-0.715^*
		(-3.042)		(-1.954)
Ret_{i, t}		4.243^***		6.594^***
		(8.033)		(8.357)
DUVOL_{i, t}/ NCSKEW_{i, t}		-0.064^***		-0.071^***
		(-9.859)		(-10.839)
常数项	-0.213^***	-0.595^***	-0.327^***	-1.441^***
	(-120.884)	(-3.164)	(-122.939)	(-5.227)
个体/年份固定效应	是	是	是	是
N	28 125	28 125	28 125	28 125
Adj-R²	0.065	0.080	0.065	0.083
注：* * 、、分别表示在1%、5%、10%的水平上显著。括号内为聚类至企业层面的稳健标准误调整后的t值。表 6至表 12同。

下载: 导出CSV

表 6 内生性检验

变量	(1)	(2)	(3)	(4)	(5)	(6)
	2SLS		2SLS		PSM
	第一阶段 DAID_{i, t}	第二阶段 DUVOL_{i, t+1}	第一阶段 DAID_{i, t}	第二阶段 NCSKEW_{i, t+1}	DUVOL_{i, t+1}	NCSKEW_{i, t+1}
DAID_{i, t}		-1.933^**		-3.336^***	-1.018^**	-1.263^**
		(-2.336)		(-2.664)	(-2.393)	(-2.000)
DAID_IV_{i, t}	0.912^***		0.913^***
	(75.03)		(75.06)
常数项					-0.943^***	-1.828^***
					(-3.231)	(-4.175)
控制变量	是	是	是	是	是	是
个体/年份固定效应	是	是	是	是	是	是
N	28 118	28 118	28 118	28 118	16 418	16 418
Adj-R²					0.080	0.081
Kleibergen-Paap rk Wald F statistic		5 630.10 [16.38]		5 633.99 [16.38]
Kleibergen-Paap rk LM statistic		5 190.21 {0.000}		5 193.13 {0.000}
注：[]内为F统计量在10%水平上对应的临界值；{}内为LM统计量的P值。

下载: 导出CSV

表 7 稳健性检验：分别替换解释变量和被解释变量

变量	(1)	(2)	(3)	(4)
变量	DUVOL_{i, t+1}	NCSKEW_{i, t+1}	RE_DUVOL_{i, t+1}	RE_NCSKEW_{i, t+1}
DAID_{i, t}			-0.068^***	-0.066^***
			(-10.158)	(-9.784)
RE_DAID_{i, t}	-0.511^***	-0.580^**
	(-2.647)	(-1.979)
常数项	-0.523^**	-1.466^***
	(-2.232)	(-4.151)
控制变量	是	是	是	是
个体/年份固定效应	是	是	是	是
N	22 033	22 033	26 958	26 958
Adj-R²	0.087	0.088	0.078	0.080

下载: 导出CSV

表 8 稳健性检验：更改聚类标准误层级与变换回归样本

变量	(1)	(2)	(3)	(4)	(5)	(6)
变量	DUVOL_{i, t+1}	NCSKEW_{i, t+1}	DUVOL_{i, t+1}	NCSKEW_{i, t+1}	DUVOL_{i, t+1}	NCSKEW_{i, t+1}
DAID_{i, t}	-0.941^**	-1.197^*	-1.285^***	-1.804^***	-2.459^***	-4.213^***
	(-2.350)	(-1.955)	(-2.932)	(-2.696)	(-3.612)	(-3.982)
常数项	-0.595^***	-1.441^***	-0.388^*	-1.113^***	-1.102^***	-2.126^***
	(-3.053)	(-4.862)	(-1.826)	(-3.473)	(-2.923)	(-3.701)
控制变量	是	是	是	是	是	是
个体/年份固定效应	是	是	是	是	是	是
N	28 125	28 125	20 426	20 426	9 379	9 379
Adj-R²	0.080	0.083	0.072	0.077	0.104	0.117

下载: 导出CSV

表 9 机制检验

变量	(1)	(2)	(3)	(4)	(5)	(6)	(7)
变量	AF_{i, t+1}	RR_{i, t+1}	POST_{i, t+1}	READ_{i, t+1}	COMMENT_{i, t+1}	DIGA_{i, t+1}	DIGB_{i, t+1}
DAID_{i, t}	1.826^**	1.816^*	2.165^***	2.661^***	3.054^***	0.003^***	0.006^***
	(2.392)	(1.928)	(3.739)	(4.433)	(4.321)	(18.247)	(17.667)
常数项	-4.461^***	-5.254^***	0.954^***	7.631^***	0.793^*	0.000^***	0.000^***
	(-11.038)	(-10.421)	(2.857)	(22.444)	(1.914)	(-4.060)	(-3.759)
控制变量	是	是	是	是	是	是	是
个体/年份固定效应	是	是	是	是	是	是	是
N	28 123	28 123	28 125	28 125	28 125	28 118	28 118
Adj-R²	0.729	0.722	0.606	0.756	0.603	0.839	0.846

下载: 导出CSV

表 10 异质性分析：考虑企业财务柔性与客户稳定度

变量	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)
	DUVOL_{i, t+1}		NCSKEW_{i, t+1}		DUVOL_{i, t+1}		NCSKEW_{i, t+1}
	财务柔性高	财务柔性低	财务柔性高	财务柔性低	客户稳定度高	客户稳定度低	客户稳定度高	客户稳定度低
DAID_{i, t}	-1.026	-1.513^***	-1.253	-1.998^**	-0.670	-1.524^**	-0.423	-2.379^***
	(-1.645)	(-2.747)	(-1.361)	(-2.519)	(-1.062)	(-2.487)	(-0.483)	(-2.711)
常数项	-0.512	-0.446	-1.580^***	-1.085^**	-0.355	-0.133	-1.368^**	-0.658
	(-1.406)	(-1.494)	(-2.949)	(-2.457)	(-0.947)	(-0.445)	(-2.453)	(-1.518)
控制变量	是	是	是	是	是	是	是	是
个体/年份固定效应	是	是	是	是	是	是	是	是
N	12 040	12 479	12 040	12 479	10 586	13 963	10 586	13 963
Adj-R²	0.087	0.100	0.093	0.100	0.084	0.101	0.090	0.100

下载: 导出CSV

表 11 异质性分析：考虑市场竞争压力

变量	(1)	(2)	(3)	(4)
	DUVOL_{i, t+1}		NCSKEW_{i, t+1}
	市场竞争压力大	市场竞争压力小	市场竞争压力大	市场竞争压力小
DAID_{i, t}	-1.237^***	-0.417	-1.372^*	-0.565
	(-2.678)	(-0.453)	(-1.949)	(-0.465)
常数项	-0.615^**	-0.271	-1.262^***	-1.281^**
	(-2.109)	(-0.770)	(-2.987)	(-2.516)
控制变量	是	是	是	是
个体/年份固定效应	是	是	是	是
N	13 184	11 726	13 184	11 726
Adj-R²	0.085	0.084	0.092	0.081

下载: 导出CSV

表 12 基于耐心资本注入视角的进一步检验

变量	(1)	(2)	(3)	(4)
变量	DUVOL_{i, t+1}	NCSKEW_{i, t+1}	DUVOL_{i, t+1}	NCSKEW_{i, t+1}
DAID_{i, t}	-1.035^***	-1.310^**	-0.826^**	-1.063^**
	(-2.815)	(-2.405)	(-2.302)	(-1.979)
DAID_{i, t}×LIIH_{i, t}	-0.042^***	-0.058^***
	(-3.347)	(-3.145)
LIIH_{i, t}	-0.000	-0.000
	(-0.533)	(-0.566)
DAID_{i, t}×LDEBT_{i, t}			3.445^**	4.046^*
			(2.080)	(1.700)
LDEBT_{i, t}			0.027	0.026
			(0.946)	(0.587)
常数项	-0.602^***	-1.424^***	-0.575^***	-1.424^***
	(-3.160)	(-5.090)	(-3.027)	(-5.115)
控制变量	是	是	是	是
个体/年份固定效应	是	是	是	是
N	27 870	27 870	28 125	28 125
Adj-R²	0.082	0.084	0.080	0.083

下载: 导出CSV

参考文献(41)

[1]	BLECK A, LIU X. Market transparency and the accounting regime[J]. Journal of Accounting Research, 2007, 45(2): 229-256. doi: 10.1111/j.1475-679X.2007.00231.x
[2]	王化成, 曹丰, 叶康涛. 监督还是掏空: 大股东持股比例与股价崩盘风险[J]. 管理世界, 2015(2): 45-57, 187.
[3]	HONG H, STEIN J C. Differences of opinion, short-sales constraints, and market crashes[J]. The Review of Financial Studies, 2003, 16(1): 487-525.
[4]	叶康涛, 曹丰, 王化成. 内部控制信息披露能够降低股价崩盘风险吗?[J]. 金融研究, 2015(2): 192-206.
[5]	宋献中, 胡珺, 李四海. 社会责任信息披露与股价崩盘风险——基于信息效应与声誉保险效应的路径分析[J]. 金融研究, 2017(4): 161-175.
[6]	苑泽明, 于翔, 李萌. 数据资产信息披露、机构投资者异质性与企业价值[J]. 现代财经(天津财经大学学报), 2022(11): 32-47.
[7]	席龙胜, 王岩. 企业ESG信息披露与股价崩盘风险[J]. 经济问题, 2022(8): 57-64.
[8]	VELDKAMP L. Valuing data as an asset[J]. Review of Finance, 2023, 27(5): 1545-1562.
[9]	路征, 周婷, 王理, 等. 数据资产与企业发展——来自中国上市公司的经验证据[J]. 产业经济研究, 2023(4): 128-142.
[10]	苑泽明, 尹琪, 黄灿. 数据资产对企业劳动收入份额的影响研究[J]. 广东财经大学学报, 2024(5): 72-87. http://xb.gdufe.edu.cn/article/id/a85e7fa6-90e5-4b65-954a-7ad8634d4bf9
[11]	牛彪, 于翔. 数据资产获得投资者偏好了吗?——基于权益资本成本视角[J]. 证券市场导报, 2024(7): 68-79.
[12]	邢天才, 张宇. 数据资产如何赋能制造业企业融资能力[J]. 山西财经大学学报, 2024(8): 59-71.
[13]	李健, 董小凡, 张金林, 等. 数据资产对企业创新投入的影响研究[J]. 外国经济与管理, 2023(12): 18-33.
[14]	牛彪, 杜雨晴, 于翔, 等. 数据资产信息披露与债券融资成本[J]. 广东财经大学学报, 2024(5): 88-101. http://xb.gdufe.edu.cn/article/id/b534ec59-1334-4586-b9af-0ac56575bad9
[15]	徐海伟, 刘华. 数据资产信息披露与资本市场定价效率——基于股价同步性的分析[J]. 当代财经, 2024(12): 140-152.
[16]	危雁麟, 张俊瑞, 汪方军, 等. 数据资产信息披露与分析师盈余预测关系研究——基于文本分析的经验证据[J]. 管理工程学报, 2022(5): 130-141.
[17]	张俊瑞, 张龙. 数据资产信息披露对客户稳定性的影响研究[J/OL]. 管理学报. http://kns.cnki.net/kcms/detail/42.1725.C.20250226.1712.006.html.
[18]	JIN L, MYERS S. R² around the world: new theory and new tests[J]. Journal of Financial Economics, 2006, 79(2): 257-292.
[19]	KIM J B, ZHANG L D. Financial reporting opacity and expected crash risk: evidence from implied volatility smirks[J]. Contemporary Accounting Research, 2014, 31(3): 851-875.
[20]	姜付秀, 蔡欣妮, 朱冰. 多个大股东与股价崩盘风险[J]. 会计研究, 2018(1): 68-74.
[21]	许年行, 于上尧, 伊志宏. 机构投资者羊群行为与股价崩盘风险[J]. 管理世界, 2013(7): 31-43.
[22]	吴晓晖, 郭晓冬, 乔政. 机构投资者抱团与股价崩盘风险[J]. 中国工业经济, 2019(2): 117-135.
[23]	林乐, 郑登津. 退市监管与股价崩盘风险[J]. 中国工业经济, 2016(12): 58-74.
[24]	谢获宝, 郭汝婷. 政府控制链监管、信息生产与股价崩盘风险[J]. 经济管理, 2023(3): 125-147.
[25]	KONCHITCHKI Y, LUO Y, MA M, WU F. Accounting-based downside risk, cost of capital, and the macroeconomy[J]. Review of Accounting Studies, 2016, 21(1): 1-36.
[26]	褚剑, 方军雄. 政府审计的外部治理效应: 基于股价崩盘风险的研究[J]. 财经研究, 2017(4): 133-145.
[27]	何伟, 张伟东, 王超贤. 面向数字化转型的"互联网+"战略升级研究[J]. 中国工程科学, 2020(4): 10-17.
[28]	WU K, FU Y, KONG D. Does the digital transformation of enterprises affect stock price crash risk?[J]. Finance Research Letters, 2022(48): 102888.
[29]	李宏寅. 企业数字化转型能抑制股价崩盘风险吗?[J]. 财经论丛, 2023(7): 58-67.
[30]	陈晓珊, 李晗菲, 刘洪铎. 数据资产信息披露与企业战略选择[J]. 产业经济研究, 2024(6): 100-113.
[31]	张叶青, 陆瑶, 李乐芸. 大数据应用对中国企业市场价值的影响——来自中国上市公司年报文本分析的证据[J]. 经济研究, 2021(12): 42-59.
[32]	肖土盛, 宋顺林, 李路. 信息披露质量与股价崩盘风险: 分析师预测的中介作用[J]. 财经研究, 2017(2): 110-121.
[33]	游万海, 陈森杰, 陈健永, 等. "多言寡行"环境责任表现对股价崩盘风险影响研究——基于投资者情绪的中介效应[J/OL]. 中国管理科学. https://doi.org/10.16381/j.cnki.issn1003-207x.2023.1361.
[34]	江艇. 因果推断经验研究中的中介效应与调节效应[J]. 中国工业经济, 2022(5): 100-120.
[35]	吴非, 胡慧芷, 林慧妍, 等. 企业数字化转型与资本市场表现——来自股票流动性的经验证据[J]. 管理世界, 2021(7): 130-144, 10.
[36]	赵宸宇, 王文春, 李雪松. 数字化转型如何影响企业全要素生产率[J]. 财贸经济, 2021(7): 114-129.
[37]	曾爱民, 魏志华. 融资约束、财务柔性与企业投资—现金流敏感性——理论分析及来自中国上市公司的经验证据[J]. 财经研究, 2013(11): 48-58.
[38]	张广冬, 邵艳. 风险投资与公司客户稳定性[J]. 会计研究, 2022(4): 179-192.
[39]	宋昕倍, 逯东. 并购基金能促进上市公司的并购绩效吗——基于"二次并购"视角[J]. 会计研究, 2023(10): 61-74.
[40]	吴旻佳, 张普, 赵增耀. 耐心资本、创新投入对企业绩效的影响——基于中小板上市企业的数据[J]. 科学决策, 2022(9): 55-72.
[41]	李思飞, 温磊. 耐心资本对企业ESG表现的影响研究[J]. 经济问题, 2025(1): 48-56.