企业数字化的风险影响：加剧还是减轻？

快速阅读: 《Nature.com》消息，本文研究了数字化转型（DT）对降低公司运营风险的作用，发现DT能显著减少收益波动，尤其利好小型、资本密集型及代理成本高的企业。通过多种方法验证了这一结论，并提出政策建议，如提高企业对DT价值的认知、设立专项基金、加强数字基础设施建设及完善知识产权保护。尽管存在内生性偏差和数据限制，未来研究将聚焦数字创新及机器学习算法的应用。

研究发现本文深入探讨了数字化转型（DT）对公司的意义，特别是在降低运营风险方面的应用。以公司收益在滚动三个时期内的波动作为衡量运营风险的指标，基准结果表明，DT与收益波动之间存在明显的反向关系。根据我们的研究结果，随着数字资产附加值与总无形资产比例的每次增加，息税前收益的波动性就会降低。我们采用包括工具变量法、Heckman两步法、PSM、安慰剂测试和双重机器学习估计等多种方法来确保研究结果的稳健性。异质性分析进一步表明，小型企业、资本密集型企业以及代理成本高的企业从DT中获益最多，强调了这些领域转型的紧迫性。我们证实，信息基础设施的增强、知识产权保护的强化以及数字税收基础设施的进步可以放大DT的风险缓解效果。机制分析揭示了DT影响运营风险的两个主要途径。首先，在金融渠道方面，数字化提升核心业务效益，同时减少非业务运营风险。其次，在非金融渠道方面，DT改善公司治理和ESG表现。我们还扩展了分析，探讨了DT的副作用及收入波动的方向。我们发现，DT可能占用现金流。过度的数字化投资可能会加剧运营风险。此外，我们的分析表明，DT提升了企业的真实期权价值，这意味着运营风险的降低不会损害公司业绩增长的潜力。

讨论

然而，我们的研究也突显了几个特定于中国大陆的警示性见解。过度投资行为在中国企业中普遍存在。同样，过度数字化投资占用运营现金流并加剧业务风险的行为应当引起警惕，特别是对于那些历史上依赖强劲投入驱动模式实现经济增长的国家，如大多数新兴市场国家。此外，中国大陆在增强数字基础设施建设和保护数字税收产权方面的政策显著促进了DT的有效性，强调了政府积极介入推动数字化进程的重要性。

本文为以下政策建议提供了启示。首先，地方政府应促进DT在降低运营风险方面的价值，提高企业对DT价值的认识，并鼓励企业积极参与DT项目。第二，地方政府应设立专门基金或补贴政策以支持DT，帮助企业在数字化过程中克服财务挑战，尤其是小型企业、高资本密集型企业和代理成本高的企业，使它们能够更好地进行数字化升级，充分享受DT带来的运营风险降低的好处。第三，政府应加大对信息基础设施的投资，例如扩大和优化高速宽带和5G网络，为DT提供坚实的硬件基础。第四，政府应完善与知识产权相关的法律法规，加强执法力度，建立全面的知识产权保护监管体系。第五，积极推进建设数字税收系统。一方面，利用数字化手段简化税务流程，提高企业税务处理效率；另一方面，利用大数据等技术进行精准的税收收入监管，为企业创造公平规范的税收环境，帮助DT更有效地降低运营风险。第六，政府应发布相关指导或规范，引导企业合理进行数字资产投资，避免过度投资数字资产占用现金流并加剧运营风险。这可以通过定期组织专家讲座、发布行业投资参考指南等方式帮助企业科学规划在DT上的投资规模和步伐。

总之，本文继续肯定了DT的优势。尽管企业在数字化过程中可能面临技术匹配、内部管理、商业模式适应和现金流管理等方面的挑战，但数字化赋能已成为主导因素。DT不仅提升财务和非财务绩效，还减少了被动的产品市场风险。此外，由数字化驱动的收入波动减少并不会损害公司的增长潜力，主要是由于下行风险的减少。这些观察表明，DT增强了企业的风险管理能力和运营韧性，提高了整体防御能力，这直接反驳了现有关于数字化与企业风险偏好的文献。然而，我们的研究也突显了几个特定于中国大陆的警示性见解。过度投资行为在中国企业中普遍存在。同样，过度数字化投资占用运营现金流并加剧业务风险的行为应当引起警惕，特别是对于那些历史上依赖强劲投入驱动模式实现经济增长的国家，如大多数新兴市场国家。此外，中国大陆在增强数字基础设施建设和保护数字税收产权方面的政策显著促进了DT的有效性，强调了政府积极介入推动数字化进程的重要性。

尽管在理论上、数据上和技术上做出了大量努力，本文仍然存在一些未解决的问题。首先，虽然进行了详细的理论分析，但目前缺乏严格的数学模型来推导数字化转型对运营风险的边际效应。其次，尽管应用了多种方法来解决内生性问题，但本文不可避免地受到内生性偏差的影响。第三，由于数据限制，我们仅识别了数字无形资产作为公司数字化转型的一部分投资。未来需要进一步探索其他异质性的数字化投资。

针对学术上的不足和行业发展的需求，我们的研究团队计划在以下领域扩展对数字化的研究。首先，我们将专注于数字化转型的创新成果——数字创新。数字技术创新是指创建、改进或整合新的数字技术，从而产生新的产品、服务、商业模式或业务流程。因此，数字创新代表了数字化转型的高级阶段，体现了数字化与创新活动的深度融合。我们将重点关注数字创新的积极成果、成本及其驱动因素。其次，我们计划运用前沿的机器学习算法来辅助我们的数字化研究。例如，我们计划广泛收集专利文本中的大数据，并应用中文-Roberta-wwm-ext模型和LSTM文本分类模型来识别企业数字技术专利。我们计划运用集成学习算法，如随机森林、GBDT和Xgboost，来描绘企业数字投资的非线性表现。这些方法将使我们能够更细致地分析数字化转型举措对企业部门的影响和效率。

(以上内容均由Ai生成)