邹 颖 黄其晴 陈 芮
(首都经济贸易大学会计学院 )
从“PC互联网”到“移动互联网”再到“人工智能”，21世纪前20年的信息量飞速增长。放眼全球，美国、英国和欧盟等主要经济体已将数据视作国际竞争的重要战略资源。在中国，自2014年《国务院政府工作报告》发布以来，大数据与实体经济不断融合，颠覆了传统行业以往的发展模式。
随着大数据及相关技术在中国的落地与成熟，相比于较早期几乎一边倒的赞誉，无论是实务界还是学术界，对于大数据及相关技术运用的利弊问题都有了更多的观点碰撞。在资本市场中，实体上市公司大数据及相关技术的运用，尽管一定程度上有利于资本市场信息效率的改善，拓宽股权投资者的信息获取渠道，但相较于实体上市公司的内部人而言，股权投资者居于信息不对称的劣势一方，或面临更为隐匿的风险[1]。
除上述信息技术层面以外，大数据还具备“热点概念”的属性，同样可能影响股权投资者对实体上市公司的价值判断。对热衷于热点题材炒作的A股市场而言，即便上市公司未以大数据相关经济业务为主业，一旦投资者知悉其具备大数据相关概念，往往对其更具投资热情。但由于卖空、“T+0”等股票套利机制的欠缺，中国资本市场的投资者也容易对大数据等热点题材的上市公司股票产生机会主义倾向，导致相关概念股价格的异常波动[2]。
综上，对于具备大数据背景的实体上市公司而言，其兼具大数据的“信息技术”和“热点概念”的属性，二者分别可能从理性和非理性层面影响股权投资者的决策。同时，无论从理性还是非理性因素来看，实体上市公司的大数据背景是否向股权投资者传递了积极信号，都有待探讨。因此，本研究旨在利用2009～2019年A股实体上市公司的年报管理层讨论与分析(MD&A)文本，基于投资者有限理性的视角，探讨实体上市公司大数据背景对股东期望报酬率的影响及作用机理。
2.1 大数据的发展历程及特点
尽管大数据在实务界与学术界已受到广泛关注，但其具体定义尚不明晰。现有研究多基于大数据的“信息技术”属性对其内涵进行阐释，包括规模性、高速性、多样性和低价值密度等特征。此外，大数据的真实性特征在实务界和学术界也受到了一定重视[3]。
随着大数据应用的落地与成熟，相关衍生概念也不断丰富，如互联网+、互联网金融、物联网、云计算等。这些概念一经推出，往往引领资本市场的投资潮流[2]。由此可见，除“信息技术”属性外，大数据的“热点概念”属性同样不容忽视。
2.2 实体上市公司大数据背景的经济后果研究
“信息技术”层面的研究较多支持了大数据背景对实体上市公司价值创造的积极作用。如以信息化、大数据为基础的互联网商业模式，有助于实体上市公司拓宽其现有商业边界，实现跨界经营，并通过差异化途径提升实体上市公司的经营业绩；
利用大数据、云计算等新兴互联网技术构造的信息化平台，有利于提升社会整体福利，实现企业间的知识共享与价值共创[4]。然而，大数据环境下日趋复杂的商业模式和经营特征，也意味着更高的代理成本和信息成本，或加剧内部人控制问题，并为政府、分析师、审计师等外部人参与公司治理带来一定障碍[5]。
从大数据“热点概念”的属性上看，大数据及其衍生概念作为近年来资本市场的热点，容易受到投资者追捧，相关公司的股票具备更高的交易量和换手率[2]。但投资者也可能因此疏于对相关上市公司基本面的分析，脱离价值投资导向，导致股票价格异象[6]。
2.3 股权资本成本的影响因素研究
股权资本成本反映股权投资者对上市公司的价值评估和风险预期。当股权投资者合乎理性时，其投资多以公司基本面为决策基础。现有研究也多基于有效资本市场假设，分析了外部环境、公司治理等基本面因素对股权资本成本的影响[7]。
不过，近年来兴起的行为金融学流派对上述有效市场假说提出了质疑[8]。例如，“盈余公告漂移效应”“羊群效应”等现象表明，股权投资者对上市公司的未来发展预期存在主观偏差，或与上市公司的基本面相悖[9]。源自媒体、管理层等的情绪化表述，也被证实可能影响股权投资者对上市公司的认知，加剧资产误定价水平[10]。
2.4 文献述评
综上所述，大数据背景经济后果的研究主要围绕价值创造和市场情绪展开分析，较少涉足资本市场定价领域。而股权资本成本影响因素的有关研究，则多孤立考察理性和非理性因素对股权资本成本的影响。因此，本研究旨在借助年报管理层讨论与分析的文本，基于大数据的“信息技术”与“热点概念”特征，同时从理性与非理性因素出发，探究实体上市公司大数据背景下的股权资本成本效应。
本研究基于股权投资者有限理性的假设，探究实体上市公司大数据背景对股权资本成本的影响。根据前文已有分析，对于具备大数据背景的实体上市公司而言，其兼具大数据的“信息技术”和“热点概念”属性，分别可能从理性层面和非理性层面影响股权资本成本。然而，无论从理性还是非理性层面上看，实体上市公司大数据背景是否向股权投资者传递了积极的信号都有待商榷。
理性因素方面，大数据背景对实体上市公司股权资本成本的积极影响，主要体现在大数据的规模性、高速性和多样性等特征。对于运用了大数据及相关技术的实体上市公司而言，其信息传输效率更高、信息披露内容更为丰富，这在一定程度上可以降低公司内部、公司与外部信息使用者间的信息不对称程度，提升内部管理效能和外部监督效率。如基于大数据的物联网平台有助于缓解现代大型联盟组织结构冗杂、沟通不畅、数据信息零散等问题，打破其信息系统、资源系统和制造系统间的隔阂，实现不同业务部门的链接，提升组织内部的沟通协作效率；
基于大数据的“互联网+”可以将外部人的信息获取渠道由财务报告等“硬数据”拓展至客户关系等“软数据”，实现资本市场监督的全员参与，有效遏制上市公司的财务欺诈行为[11]。
与此同时，大数据的“低价值密度”特征也意味着信息处理成本的增加与信息可理解性的下降，或不利于内部和外部监督机制的有效实施，导致股权资本成本提升。从企业内部来看，尽管管理层和大股东等内部人具有一定的信息优势，对自身商业模式和经营业务较为了解，但由于大数据引领的变革具有高度的不确定性，即使是大数据相关企业的内部人员，可能也难以快速适应，或导致内部控制缺陷的产生[3]。从外部人视角上看，部分基于大数据构建的平台型企业具有技术以及经营管理方面的优势，准行政权力、市场权力和数据公共领地不断外扩，超越了既有法律的界定范围，可能会增大政府监管难度[12]；
部分实体上市公司借助大数据及相关技术建立了多元化的经营模式，可能会降低分析师信息解读的有效性[13]；
具备大数据背景的实体上市公司在其发展过程中，往往面临较为激烈的战略转型，也在无形中提升了其固有的经营风险水平，为审计师重大错报风险的应对带来了额外难度[3]。
非理性因素方面，首先，源自大数据的积极情绪传导可能会降低股权资本成本。自2014年“大数据”首次写入政府工作报告以来，中央政府出台了较多与大数据相关的政策。如2015年5月国务院发布的《中国制造2025》行动纲领，旨在推动大数据等新一代信息技术与传统制造业的深度融合。在2020年4月9日中共中央和国务院发布的《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》中，数据甚至被升格为与资本、劳动力、土地、技术并重的第五类生产要素。同时，与大数据相关概念的上市公司也成为了政府补贴的重点对象。在上述诸多产业政策的背书下，大数据及其衍生概念成为了资本市场的热点，或引发股权投资者的投资热情[2]。同时，管理层也可能利用大数据及其衍生概念的相关信息进行炒作，利用积极语调进行信息操纵，误导股权投资者降低对上市公司的风险评价[10]。
其次，资本市场对大数据及其衍生概念股票的过度炒作，也可能提升股权资本成本。尽管股权投资者对于概念股的博彩性投资可能使其在短期内获益，但这一概率相对较低，且不具备持续性。当股权投资者为热点概念股支付过高价格时，也可能带来股票价格泡沫，导致股价崩盘[14]，损害股权投资者自身的利益。此外，当机构投资者或管理层等私有信息优势方有意利用大数据及其衍生概念的信息进行炒作时，专业能力和信息渠道处于劣势一方的个人投资者往往更易受其引导，沦为被“割韭菜”的对象。
基于上述分析，本研究提出以下两个竞争性假设：
假设1a实体上市公司的大数据背景会降低股权资本成本。
假设1b实体上市公司的大数据背景会提升股权资本成本。
4.1 数据来源与样本选取
本研究选取的样本为2009～2019年A股实体上市公司，其中年报管理层讨论与分析的文本信息和国有股数量来自中国研究数据服务平台(CNRDS)，其他数据全部来源于国泰安(CSMAR)数据库。参照杨德明等[3]的研究，本研究对主检验样本进行了如下处理：①剔除金融行业、已退市、2019年新上市、上市状态异常和数据缺失的样本；
②剔除信息传输、软件和信息技术服务业以及计算机、通信和其他电子设备制造业样本；
③剔除主营业务包含大数据相关业务的样本；
④剔除创业板样本。最终获得16 713个公司-年观测值。
4.2 变量定义
4.2.1自变量
参照杨德明等[3]的做法，本研究使用Python语言统计与大数据背景有关的词汇，以各词汇出现次数总和加1的自然对数度量实体上市公司的大数据背景，即BD。其中，与大数据背景有关的词汇包括大数据、互联网、物联网、IoT、车联网、人工智能、网络、计算机、通信、通讯、新媒体、云网、云计算、云管理、云科技、云服务、云平台、电子信息、O2O、B2B、B2C、C2B、C2C、P2P和线上等。
4.2.2因变量
本研究通过内含报酬率法估算股权资本成本[15,16]。首先，基于实际未来盈余、HVZ模型预测盈余和修正RI模型预测盈余[注]考虑到分析师预测缺失值较多，且存在乐观预期 [16]，本研究并未使用分析师预测盈余数据。，分别使用Gordon模型[17]、PEG模型[18]、MPEG模型[18]、OJ模型[19]和GLS模型[20]计算股权资本成本；
其次，计算3种预测盈余口径下5类股权资本成本的均值；
最后，对3种预测盈余口径下5类模型股权资本成本的均值再取平均数，作为股权资本成本的代理变量，即RE[注]股权资本成本指标的有效性检验结果限于篇幅未列示。。
4.2.3控制变量
参照程小可等[7]、甘丽凝等[10]的做法，选取24个控制变量对样本公司市场环境、基本治理结构和财务状况等特征差异进行了控制。其中，考虑到具备大数据背景的实体上市公司更可能实行差异化战略，以毛利率作为盈利能力(PR)的代理变量；
鉴于实体上市公司大数据背景与轻资产商业模式的密切联系，以流动资产周转率作为营运能力(OP)的代理变量，并控制了资产流动性(LQ)。本研究控制变量定义见表1。
4.3 模型设定
本研究采用下述模型(1)验证实体上市公司大数据背景的股权资本成本效应：
RE=γ+δ×BD+∑CV+∑YR+
∑IND+∑PRO+ε，
(1)
式中，CV表示表1中的24个控制变量；
YR、IND和PRO分别表示年度、行业和省份虚拟变量；
γ表示常数项；
δ表示系数；
ε表示残差。鉴于不同年度、行业和市场化程度的上市公司股权资本成本存在系统性差异[10]，本研究控制了年度、行业和省份的固定效应，并使用年度和公司层面聚类稳健标准误的计算方式，控制异方差和自相关偏差。
5.1 描述性统计
变量的描述性统计结果见表2。由表2可知，RE的均值和中位数分别为9.4%和8.3%，最小值和最大值分别为3.4%和27.0%，标准差为4.3%；
BD的均值和中位数分别为1.139和1.099，最小值和最大值分别为0.000和3.970，标准差为1.084。由此可见，不同样本的股权资本成本和大数据背景差异较大。
5.2 主回归
实体上市公司大数据背景与股权资本成本的基准回归结果见表3。表3列(1)未引入控制变量，BD的系数为-0.003，在1%的水平上显著为负。表3列(2)引入了控制变量，BD的系数为-0.002，仍在1%的水平上显著为负。从经济意义上看，BD每提升一个标准差会使RE下降0.22%(=1.084×0.002)，相较于RE均值下降的幅度为2.34%(=0.22%/0.094)。由此可见，实体上市公司的大数据背景显著降低了其股权资本成本，证实了假设1a。
表3 大数据背景与股权资本成本(N=16 713)
表4 倾向得分匹配+双重差分模型
5.3 稳健性检验
5.3.1倾向得分匹配+双重差分模型检验
考虑到样本公司的特征差异或影响实体上市公司的大数据背景，本研究以上述回归过程中的所有控制变量为匹配变量，以BD的中位数虚拟变量(BDM)为处理变量，对样本进行倾向得分匹配(PSM)。在匹配方法的选取上，采用1∶1不可放回的近邻匹配法，使用Logit模型进行回归，并将卡尺范围设定为0.05%[注]本研究倾向得分匹配后的样本均通过了平衡性检验，相关结果留存备索。，结果见表4。表4列(1)和列(2)匹配后的样本回归结果显示，在引入控制变量前后，BD的系数仍在1%的水平上显著为负。为进一步增强上市公司大数据背景的外生性，本研究构造了双重差分模型(DID)进行检验。具体而言，当样本公司BD连续两年以上大于样本中位数时，令BD×PO取1，否则取0[注]为进一步控制BD×PO的选择性偏差，本研究在DID及PSM-DID检验中剔除了样本期间内大数据背景发生反转的公司-年样本。。由表4列(3)和列(4)可知，BD×PO依旧在1%的水平上显著为负。此外，表4列(5)和列(6)PSM-DID的检验结果同样支持上述结论。
5.3.2控制创新能力的影响
考虑到实体上市公司的大数据背景可能与创新能力存在密切联系，为控制这一自选择偏差，本研究将创新能力纳入到分析框架。其中，创新能力(RD)参照李晓琳等[21]的研究，以“研发投入金额加1的自然对数”进行度量，结果见表5。表5列(1)显示，RD与BD的系数在10%的水平上显著为正，说明创新投入较高的实体上市公司具备较强的大数据背景；
表5列(2)显示，在对创新能力加以控制后，BD与RE的负相关关系仍在1%的水平上显著。
表5 控制创新能力(N=11 293)
5.3.3工具变量法
本研究使用工具变量两阶段回归缓解反向因果偏误。选取的工具变量为董事长(或CEO)的IT背景(IT)。一方面，董事长(或CEO)的IT背景与实体上市公司的大数据背景密切相关，理论上符合工具变量的相关性假设；
另一方面，董事长(或CEO)的IT背景具有鲜明的职业特征，较大可能只能通过实体上市公司的大数据背景作用于股权资本成本，理论上符合工具变量的外生性假设。在工具变量的构造方面，当董事长(或CEO)简历中出现与IT工作、学习有关的词汇，视作董事长(或CEO)具备IT经历，令IT取1，否则取0。
工具变量法两阶段的回归结果见表6。表6列(1)显示，IT与BD的系数在1%的水平上显著为正，即当实体上市公司的董事长(或CEO)具备IT经历时，其大数据背景更强，统计意义上满足了工具变量与解释变量的相关性假设。表6列(2)显示，在未控制BD时，IT与RE的相关系数在10%的水平上显著为负；
表6列(3)显示，在控制BD后，IT与RE的系数不显著。由此可见，董事长(或CEO)的IT背景不会直接影响股权资本成本，统计意义上满足了工具变量与被解释变量的外生性假设。将表6列(1)第一阶段回归所得的BD拟合值代入主检验模型后，BD的系数依然在10%的水平上显著为负(见表6列(4))。
表6 工具变量法两阶段回归(N=13 247)
5.3.4其他稳健性检验
本研究进行的其他稳健性检验还包括：①变更模型设定，即控制年度和行业、年度和省份的交叉固定效应以及个体固定效应；
②变更样本选择范围，即将信息技术相关行业、创业板以及经营范围包含大数据相关业务的上市公司样本纳入模型方程；
③变更大数据的度量方式，即以“年报MD&A文本大数据相关词汇的字符数/文本字符总数”作为大数据背景的替代变量(BDR)。上述稳健性检验结果仍均支持假设1a。
5.4 作用机制检验
由前文可知，实体上市公司的大数据背景传递了积极的信号，显著降低了股权资本成本。然而，由于股权投资者并非完全理性，可能存在对大数据及相关概念题材股票的追捧，或偏离价值投资导向。故下面从理性和非理性因素出发，探讨实体上市公司大数据背景影响股权资本成本的内在机理。大数据背景、公司治理与股权资本成本之间关系检验结果见表7。
表7 大数据背景、公司治理与股权资本成本
5.4.1大数据背景、分析师外部治理与股权资本成本
与个人投资者相比，分析师是资本市场中相对理性的一个群体，在专业知识和信息处理等方面具备一定优势，可以通过盈利预测报告和评级报告等为非专业投资者提供增量信息，在资本市场中起到了重要的外部监督作用。由于精力相对有限，分析师对不同上市公司的关注度存在差异。媒体关注度较高、信息获取成本较低以及可理解性较强的上市公司，往往在资本市场中更受分析师的青睐[22]。对于应用大数据的实体上市公司而言，其具备更为广泛的信息披露渠道，或成为分析师关注的重点。
根据上述分析，本研究认为，实体上市公司的大数据背景可以优化分析师的外部治理，进而降低股权资本成本。由表7列(1)～列(3)可知分析师关注度(AN)作为中介变量的检验结果，支持上述推论，证实了实体上市公司大数据背景降低股权资本成本的外部治理路径[注]为缓解自变量和中介变量的反向因果问题，本研究还使用DID样本进行了替代性检验，仍支持研究结论。。
5.4.2大数据背景、内部控制质量与股权资本成本
内部治理方面，大数据可能会给实体上市公司的内部控制带来一定积极影响。首先，在大数据环境下，企业的信息传输速度更快，可以提升企业的内部沟通效率；
其次，大数据技术的应用提供了更为详尽的业务流程信息，可以帮助企业建立更为有效的内部控制体系；
再者，随着大数据相关企业商业模式的成熟，内部员工对相关业务会有更明晰的认识，也利于企业内部控制体系的有效执行[3]。
根据上述分析，本研究认为，实体上市公司的大数据背景可以通过内部控制质量的提升，起到降低股权资本成本的作用。由表7列(4)～列(6)可知内部控制质量(IC)作为中介变量的检验结果，支持上述推论，证实了实体上市公司大数据背景降低股权资本成本的内部治理路径[注]内部控制质量(IC)以“内部控制指数加1的自然对数”度量，数据选取自迪博(DIB)内部控制与风险管理数据库。。
5.4.3大数据背景、MD&A语调与股权资本成本
随着近年来大数据、互联网相关概念的火爆，管理层可能会利用大数据及其衍生概念信息进行策略性炒作，夸大正面消息。同时，由于大数据及其衍生概念具备产业政策背景，相关上市公司较易得到来自政府的政策激励[5]，也可能会强化管理层的过度自信，导致更为积极的信息陈述。对于大数据相关上市公司的股权投资者而言，倘若其决策并非完全合乎理性，可能容易受管理层积极陈述的影响，进而降低对上市公司的风险评价[23]。
根据上述分析，本研究认为，实体上市公司大数据背景或通过年报MD&A积极语调的传递降低股权资本成本。基于此，将MD&A语调纳入分析框架。其中，MD&A语调参照甘丽凝等[10]的研究，以净积极语调(TO)度量，净积极语调=(积极词汇数量-消极词汇数量)/(积极词汇数量+消极词汇数量)。同时，为排除基本面因素对净积极语调的影响，参照HUANG等[24]的研究，以异常积极语调(ATO)作为MD&A语调的另一度量。
大数据背景、MD&A语调与股权资本成本之间关系的检验结果见表8。表8列(1)～列(6)的分步法回归结果显示，无论是净积极语调还是异常积极语调，其中介效应均具备统计意义，证实更为积极的MD&A语调是实体上市公司大数据背景抑制股权资本成本的非理性驱动因素。
表8 大数据背景、MD&A语调与股权资本成本
从以上作用机制检验的结果来看，大数据背景较强的实体上市公司具备更完善的外部和内部公司治理机制，但管理层信息表述也更为积极；
同时，从理性和非理性层面向股权投资者传递了积极的信号，降低了股权资本成本，表明股权投资者对相关上市公司的决策具备有限理性。
5.5 进一步分析
前文的作用机制检验结果表明，实体上市公司大数据背景对股权资本成本的影响，同时受到理性和非理性因素驱动。虽然理性与非理性因素看似都降低了股权资本成本，但二者背后的经济实质不尽相同。当大数据背景对股权资本成本的抑制作用主要受公司治理水平等理性因素驱动时，较低的股权资本成本意味着公司具备较高的价值。然而，倘若大数据背景对股权资本成本的抑制作用更多受情绪等非理性因素的驱动，此时较低的股权资本成本仅仅是资产误定价的表现，无益于公司长期价值的实现。由此可见，对于实体上市公司大数据背景影响股权资本成本的理性与非理性主导因素，有待进一步分析。
5.5.1大数据背景、会计信息透明度与股权资本成本
与股权资本成本类似，会计信息质量也同时受理性和非理性因素影响。例如，内外部治理机制的建立健全有助于改善上市公司的会计信息质量，而市场情绪炒作则可能诱发管理层的盈余管理动机[25]。由此，可将会计信息质量视作理性与非理性影响因素综合作用的结果。故本研究将会计信息质量纳入分析框架，借以探讨实体上市公司大数据背景影响股权资本成本的理性与非理性主导路径——倘若大数据背景可以通过提升整体会计信息质量来降低股权资本成本，则说明大数据背景对股权资本成本的理性影响路径占主导地位；
如果大数据背景降低了实体上市公司的整体会计信息质量，进而提升了股权资本成本，则说明大数据背景对股权资本成本的非理性影响路径占据主导。
鉴于深圳证券交易所和上海证券交易所分别于2001年和2013年起对上市公司进行信息披露考评评级，考评结果较为权威和客观，本研究以上交所和深交所对上市公司信息披露质量评级作为会计信息透明度(TR)的代理变量，度量上市公司整体会计信息质量。具体而言，根据上市公司信息披露质量考核结果从高到低的A、B、C和D等级，分别将TR赋值为4、3、2和1。
大数据背景、会计信息透明度与股权资本成本之间关系的检验结果见表9。表9列(1)～列(3)的回归结果显示，会计信息透明度的中介效应较为显著，说明实体上市公司大数据背景可以通过会计信息透明度的提升，起到降低股权资本成本的作用。由此可见，从整体会计信息质量的角度来看，理性因素在大数据背景与股权资本成本的关系中占主导地位[注]表9列(1)为Ologit回归，常数项不唯一，故未予以列示。。
表9 大数据背景、会计信息透明度与 股权资本成本(N=8 744)
5.5.2大数据背景、盈余管理与股权资本成本
考虑到上交所和深交所信息质量评级的数据缺失值较多，且盈余管理是上市公司会计信息披露的重点关注内容，本研究进一步将应计盈余管理和真实盈余管理纳入了分析框架，探究大数据背景下实体上市公司盈余管理方式的选择。
上市公司各类盈余管理方式相互间存在一定的替代性。如前所述，大数据背景较强的实体上市公司可能具备较为完善的外部监督机制，或抑制管理层对应计损益项目的报表操纵空间。然而，对于真实盈余管理而言，一方面，这一财务操纵手段较为隐匿，难以被外部信息使用者察觉；
另一方面，当资本市场法制环境不健全时，真实活动相关的操纵行为即使为外部信息使用者知悉，外部信息使用者也难以证明管理层确实存在过错。因此，在报表操纵空间受限时，真实盈余管理可能成为管理层财务操纵的选择[26]。
根据上述分析，本研究认为，实体上市公司的大数据背景主要通过对应计盈余管理的抑制，起到降低股权资本成本的作用。在两类盈余管理指标的度量方面，对于应计盈余管理，参照KOTHARI等[27]的研究，以经业绩调整后修正的Jones模型计算所得异常应计利润的绝对值作为代理变量(DA)；
对于真实盈余管理，借鉴HUANG 等[26]、罗琦等[28]的做法，以异常经营现金净流量绝对值(AF)、异常生产成本绝对值(AP)、异常酌量费用绝对值(AD)的合计数度量真实盈余管理(REM)。
大数据背景、盈余管理与股权资本成本之间关系的检验结果见表10。表10列(1)～列(3)、列(4)～列(6)分别列示了应计盈余管理和真实盈余管理作为中介变量的回归结果。其中，应计盈余管理起到了较为显著的中介作用，而真实盈余管理的遮掩效应则较为明显。由此可见，对于大数据背景较强的实体上市公司而言，尽管其较为完善的外部监督机制抑制了管理层对应计损益项目的报表操纵空间，降低了股权资本成本；
但同时，也使得管理层倾向于更为激进、更为隐匿的真实盈余管理手段，从而提升了股权资本成本。
表10 大数据背景、盈余管理与股权资本成本
5.6 异质性分析
随着大数据的发展和普及，政府、审计师、股权投资者个人等外部信息使用者同样置身于大数据环境中，或对实体上市公司大数据背景的股权资本成本效应产生影响。基于此，本研究将产权性质、年报审计机构和“宽带中国”政策的实施纳入了分析框架，探讨实体上市公司大数据背景与股权资本成本的异质性关系。异质性分析的检验结果见表11。
5.6.1大数据背景、产权性质与股权资本成本
与传统企业相比，运用大数据的企业具备高度市场化特征，仅依赖其自身调整可能存在无序发展的现象。如基于大数据的互联网转型变革往往较为激进，在政府缺位时存在非理性发展的态势[29]。与非国有上市公司相比，国有上市公司与政府联系更为紧密，经营决策相对谨慎，或能更好地利用大数据及相关技术实现高效发展。
表11 异质性分析
根据上述分析，本研究认为，大数据背景对股权资本成本的抑制作用在国有上市公司中体现的更为明显。表11列(1)和列(2)显示，国有企业组(SE=1)和非国有企业组(SE=0)的BD系数分别为-0.002和-0.001，均在1%的水平上显著，组间系数差异具备统计意义，说明国有产权显著提升了实体上市公司大数据背景对股权资本成本的积极影响[注]交乘项模型检验结果与分组检验结果无实质差异，下同。。
5.6.2大数据背景、国际四大会计师事务所审计与股权资本成本
根据现代风险导向审计模型，审计师监督作用的发挥取决于重大错报风险和检查风险。其中，重大错报风险主要源自审计单位的外部环境及其自身的治理结构、财务状况等；
检查风险则更多与审计师特征有关。对于具备大数据背景的实体上市公司而言，其审计师的监督作用可以基于风险导向审计的分析框架进行探讨。从被审计单位来看，运用大数据的实体上市公司具有激进性创新的特征，或提升其重大错报风险。而从审计师来看，国际四大会计师事务所由于信息化程度较高，可能对实体上市公司的大数据背景更为适应，具备更低的检查风险[3]，或能助力实体上市公司大数据背景实现更好的治理效果。
根据上述分析，本研究认为，国际四大会计师事务所审计能够提升实体上市公司大数据背景与股权资本成本的负向关系。表11列(3)和列(4)显示，国际四大会计师事务所审计组(B4=1)和非国际四大会计师事务所审计组(B4=0)的BD系数分别为-0.003和-0.002，分别在5%和1%的水平上显著，且组间系数差异具备统计意义，证实了上述推测。
5.6.3大数据背景、“宽带中国”政策实施与股权资本成本
作为新一代的信息技术，大数据背景对实体上市公司治理作用的发挥可能有赖于信息基础设施的支持。在信息基础设施完善的地区，上市公司经营决策信息能更及时地与外界交互[30]。一方面，这可能有利于强化政府、分析师、审计师等传统外部监督机制的治理效率，进一步抑制管理层诸如财务操纵、过度在职消费等不利于上市公司价值创造的行为；
另一方面，这也有利于股权投资者更好地理解大数据相关上市公司的对外披露信息，为其参与上市公司治理创造条件。
根据上述分析，本研究认为，当实体上市公司所在地的信息基础设施建设越完善时，其大数据背景对股权资本成本的抑制作用更为明显。表11列(5)和列(6)显示，在实施了“宽带中国”政策的分组(BI=1)和未实施“宽带中国”政策的分组(BI=0)中，BD的系数分别为-0.003和-0.001，均在1%的水平上显著，且组间系数差异具备统计意义。由此可知，随着所在地信息基础设施的完善，实体上市公司大数据背景的积极作用也更为明显。
本研究基于近年来大数据快速发展和普及的背景，探讨了实体上市公司大数据背景对股权资本成本的影响及作用机理。研究发现：实体上市公司的大数据背景降低了股权资本成本；
外部、内部公司治理水平的提升和积极的年报MD&A语调分别是大数据背景降低股权资本成本的理性和非理性驱动因素，体现股权投资者对相关上市公司决策的有限理性；
大数据背景提升了实体上市公司的整体会计信息质量，表明理性因素在大数据背景与股权资本成本的关系中占主导地位；
国有产权、“宽带中国”政策和国际四大会计师事务所年报审计加强了大数据背景对股权资本成本的抑制作用。
本研究具备如下理论贡献：一方面，与现有研究多集中探讨大数据的价值创造效应不同，本研究关注了实体上市公司大数据背景对股权投资者决策的影响及作用机制，是对大数据经济后果研究的拓展；
另一方面，有关理性投资者假设的适用性问题，传统金融学流派和行为金融学流派长期以来存在观点冲突，本研究也能为投资者的有限理性提供一定的补充性证据。
本研究同样具备一定实践意义：①从政府的角度来看，国有产权和“宽带中国”政策显著提升了大数据背景与股权资本成本的负向关系，显示出政府部门良好的外部治理效果。故建议政府充分发挥其“看得见的手”的作用，助力大数据相关上市公司实现平稳发展。②从审计师的角度来看，在实体企业普遍具备大数据背景的情况下，内资所与国际四大会计师事务所的审计质量存在一定差距。故建议内资所加强自身信息化建设，以提升资本市场的信息沟通效率。③对于股权投资者，建议其审慎对待资本市场的热点概念，注重对上市公司财务报告内在逻辑的分析，坚持理性投资决策。
本研究可能存在一定不足之处。上市公司股权结构较为复杂，不同类型的股权投资者可能具备不同的投资偏好，而本研究仅从整体层面探讨了股权投资者对大数据相关上市公司的价值评估和风险评价。因此，未来可区分股权投资者类型，对大数据背景的股权资本成本效应作进一步探讨。
猜你喜欢 实体股权背景 “新四化”背景下汽车NVH的发展趋势汽车工程师(2021年12期)2022-01-17A公司股权激励研究大众投资指南(2021年35期)2021-02-16《论持久战》的写作背景当代陕西(2020年14期)2021-01-08黑洞背景知识奥秘(创新大赛)(2020年7期)2020-07-27实体书店步入复兴期？当代陕西(2019年5期)2019-03-212017实体经济领军者21世纪商业评论(2018年3期)2018-03-02两会进行时：紧扣实体经济“钉钉子”领导决策信息(2017年9期)2017-05-04振兴实体经济地方如何“钉钉子”领导决策信息(2017年9期)2017-05-04新常态下上市公司股权激励体系的构建现代企业(2015年9期)2015-02-28如何有效开展国有文化企业股权激励声屏世界(2014年8期)2014-02-28