数字金融与公司违规行为矫正

2024-02-19张泽南副教授周洁银

财会月刊 2024年3期

张泽南（副教授），周洁银

一、引言

党的二十大报告指出：“加强和完善现代金融监管，强化金融稳定保障体系。”公司违规行为严重破坏了金融监管秩序，影响了资本市场效能的有效发挥，对金融系统稳定与社会经济高质量发展造成了巨大危害。虽然，政府颁布了系列政策打击、惩处公司违法违规行为，但近年来，上市公司违规舞弊事件仍呈持续高发态势。2023年2月，中国证监会官网数据显示，2022 年共办理信息披露违法案件203 件，其中，涉及财务造假94 件，占比高达46%①。并且，在中国证监会官网发布的《2022 年证监稽查20 起典型违法案例》②中，无论是同济堂的财务造假，金正大的虚假陈述和虚构业务，或是海航控股的违规担保、巨额资金占用等违法违规案例，均震惊了海内外市场。此外，公司违规现象往往扎堆出现，极易引发系统性金融风险（陆瑶和李茶，2016），严重影响资本市场的稳定，打击投资者的信心，最终对经济高质量发展“量质提升”带来显著负面影响。因此，如何治理和防范公司违规行为、保护投资者利益是学术界和实务界亟需解决的重要问题。

“加快发展数字经济，促进数字经济和实体经济深度融合”是深入贯彻落实党的二十大精神、推进中国式现代化的重要战略举措。随着人工智能、区块链、云计算、大数据等新型数字技术与传统金融服务的有机融合，数字信息技术被广泛深入应用于金融业务。作为金融创新的新模式，数字金融充分发挥了数字技术在征信、风险识别、风险控制、监管评估等金融业务方面的优势，其数字平台的创新性与可延伸性突破了传统金融的时空界限（封思贤和徐卓，2021），使金融平台业务规模和业务种类得以扩大，有效降低了信息不对称程度，减少了金融交易成本，充分发挥了长尾效应，有力推动了金融服务的普惠与便捷性，吸引了更多的中小企业参与数字金融市场交易。现有研究证实，数字金融在宏微观治理层面产生了积极的成效。在宏观层面上，数字金融能够推动实体经济发展（汪亚楠等，2020）、助力减贫（李涛和彭东蔓，2022）等；在微观层面上，数字金融能够提升资金需求方的借贷可行性，改善信息不对称，缓解中小企业融资约束（周兆斌和杨志国，2023），降低企业经营风险（袁鲲和曾德涛，2020；俞毛毛等，2022），促进技术创新（唐松等，2020）。此外，数字金融的推广能够提高企业内控水平并降低真实盈余管理程度（阮坚等，2020），从而达到完善公司治理的效果。那么，数字金融能否击破公司治理顽疾，矫正公司违规行为？其中的作用机制是什么？鲜有文献予以探讨。

基于此，本文以2011 ～2021 年沪深A 股上市公司为研究样本，探究数字金融对公司违规行为的影响与机制。研究发现，数字金融有效矫正了公司违规乱象，并通过缓解融资约束的资源效应、提升信息透明度的信息效应和加强内部控制的治理效应来发挥协同治理作用，遏制公司违规。异质性分析表明，在公司规模较大、市场法律制度环境较差时，数字金融矫正公司违规行为的治理效果更为突出。

本文可能的边际贡献在于：一是丰富了数字金融于中国式现代化微观企业治理影响效果的研究，有助于深入推进企业治理体系和治理能力现代化建设。现有对数字金融的经济后果研究较多集中于宏中观层面，对微观企业治理层面的探讨相对较少，且大部分围绕企业投融资优化决策与创新绩效相关方面展开，忽略了对公司违规舞弊的剖析。本文则聚焦公司违规乱象，丰富了数字金融针对公司治理领域的研究，有利于全力推进企业现代化治理体系与高质量发展。二是拓宽了公司违规影响因素的相关研究。当前大量文献从公司内部治理如股权结构、激励机制、董事会、高管特征与经历等角度展开，鲜有剖析数字金融这一新型金融环境对公司违规的影响效果。本文基于宏微观互动视角，从资源效应、信息效应与治理效应三个层面系统解读数字金融有助于矫正公司违规的内在逻辑，丰富了舞弊理论相关探讨，对评估数字金融的社会与经济效益有着重要的理论与实践价值。

二、理论分析与研究假设

舞弊三角理论认为，公司违规舞弊行为的发生是动机（Motivation）、机会（Opportunity）与自我合理化（Rationalization）共同作用的结果（Albrecht 等，1986），既包括公司内部治理水平低、信息不对称程度高、外部监管不力等因素带来的机会，也包括管理层或公司渴望寻租获得高额收益的主观动机，通过自我合理化的“态度”，最终成为违规事实。其中，动机和机会是舞弊形成的最主要诱因，而违规收益能否超越违规成本，继而攫取违规私利是公司实施违规的决策依据。本文在舞弊三角理论的基础上，借鉴陆瑶等（2012）、谷溪和乔嗣佳（2021）对“公司违规成本与收益分析”的改进模型，来解读数字金融对公司违规行为的动机和机会施加的影响。

假设违规收益为B，违规成本为C。其中，违规收益B=EA+SL，EA为公司通过违规所获得的额外收益，SL为公司通过违规所避免的损失，而违规成本C=P×F+CC，P为公司违规受到稽查的概率，F为违规被稽查后所受的可能的罚款、刑事处分、薪酬损失、名誉损失及解聘等处罚成本，CC 为公司违规时与外界的沟通协调所需的成本。当B-C＞0时，违规所获得的额外收益高于所要付出的成本，激发了公司违规的主观动机。此外，当公司违规稽查率P较低、内外监督薄弱的情况下，公司与高管实施违规行为的舞弊窗口增大，违规机会有所增加（Haß 等，2015）。因此，如何降低违规收益B，提高违规稽查率P和违规处罚成本F，从而遏制违规动机与机会，是治理公司违规的关键。本文认为，数字金融将通过资源效应、信息效应与治理效应约束公司违规，发挥积极的治理矫正效应，逻辑如下：

首先，数字金融降低了公司违规收益B。从数字金融的资源效应角度来看，数字金融将数字化、信息化与智能化等多维数字技术与传统金融服务有机融合，提高了信息资源的搜寻、流通与配置效率（周兆斌和杨志国，2023），有效改善了传统金融下的融资错配，疏通了金融市场的融资渠道；同时，数字金融发挥了长尾效应，增强了金融服务的普惠性与便捷性，有助于盘活金融资源，缓解企业融资约束，为企业带来更多融资便利。当企业融资困境改善时，一方面，企业的生存压力得以缓释，资金的充足使得企业将专注于提升企业声誉、增强市场竞争力的研发创新活动（唐松等，2020），这将有助于抑制管理层非效率投资的短视行为，提升企业绩效与价值（李小玲等，2020），因此一定程度上降低了公司因投资失败或经营不善所导致亏损的可能性（陆瑶等，2012），公司避免亏损的违规动机得以削弱，SL 将显著下降。另一方面，由于金融错配滋生违规寻租活动（赵晓鸽等，2021），企业在面临融资难、融资贵困境时，往往会为了获取资源进行寻租，从而得到超额收益，但数字金融优化了融资渠道，改善了融资错配，有效缓解了融资约束，从而抑制了公司违规寻租所产生的超额收益，EA得以下降。最终两者共同降低了违规收益B，遏制了公司违规的动机。

其次，数字金融提高了违规稽查率P。从数字金融的信息效应角度来看，数字金融通过构建精确的用户画像，以低成本、低风险的方式对海量的信息进行收集、分类和整理，帮助外部投资者挖掘企业更多信息空间，打破了企业内外部信息壁垒。与传统金融服务相比，数字金融的数字技术业态服务如网络贷款、互联网理财等能够使外部投资者更易于了解企业经营状况和支付能力，帮助金融中介更好地识别企业信用风险（封思贤和徐卓，2021），有效缓解金融市场与企业资源融合中的逆向选择和道德风险问题（Demertzis等，2018），降低市场与企业间的信息不对称程度。另外，数字金融凭借先进的信息技术，能够有效收集并分析企业内部的资金使用状况（周升师，2022），企业内部资金流和经营活动逐步透明化，企业信息透明度得到提升，这极大地改善了信息披露质量（李小玲等，2020），企业供给市场的信息更准确，外部投资者和监管者也更易于获取企业内部的资金流和经营情况，从而使违规事实难以被隐藏。这最终降低了稽查的难度，使得违规稽查率P 得以提升，公司违规倾向与程度被有效遏制。

再次，数字金融提高了违规处罚成本F 和沟通协调成本CC。从数字金融的公司治理效应来看，一方面，数字金融增加了金融服务的触达性，降低了金融交易成本，不仅帮助企业吸收更多外部资金、改善资金流转效率，也降低了融资过程中的资源消耗，对冲与化解了经营与财务风险（袁鲲和曾德涛，2020），优化了企业内部控制环境，使得企业通过盈余管理、财务欺诈、内幕交易等操纵业绩的寻租空间得以缩减（孟茂源和张广胜，2022），企业实施违规的成本与处罚成本F 大幅增加（周升师，2022）。另一方面，数字金融缓解了因信息不对称所致的代理成本问题，提升了信息的流转度和有效度（阮坚等，2020），推进了内部控制管理的信息化和合规化，股东、会计师事务所与外部监管机构更易于监督企业与管理层内部经营决策，倒逼企业规范经营活动，约束对企业造成信誉损失、破坏资本市场交易秩序的违规行为，企业实施违规舞弊的内部沟通与利益协调成本CC将更高，因此，高质量的内部控制将显著制约企业财务造假、信息披露等违法违规活动，最终抬高了公司的违规处罚成本F 和沟通协调成本CC。综上，本文提出如下假设：

H：其他条件不变时，数字金融能够显著矫正公司违规行为。

三、研究设计

（一）样本选择与数据来源

本文选用2011 ～2021 年全部A 股上市公司为研究样本，数字金融数据源自北京大学数字金融研究中心编制的《数字普惠金融指数》，公司违规及其他数据来源于CSMAR数据库，部分缺失数据通过人工搜集补充。本文剔除了如下样本：ST 及*ST 类企业；金融类企业（银行、保险及其他金融类企业）；缺失值样本；已退市的企业样本。为避免极端值的影响，对连续变量首尾各1%进行了Winsorize处理，共获得样本25351个。

（二）变量定义

1.被解释变量：公司违规（Violation）。借鉴陆瑶等（2012）的研究，根据中国证监会发布的相关规定，将讨论范围界定为违背了国家或相关监管部门的法律法规的企业违规行为，包括虚构利润、虚列资产、虚假记载、推迟披露、重大遗漏、披露不实、欺诈上市、出资违规、擅自改变资金用途、占用公司资产、违规担保、内幕交易、违法违规买卖股票、操纵股价、一般会计处理不当、其他共计16 种。借鉴陆瑶等（2012）、谷溪和乔嗣佳（2021）的研究方法，使用两个变量度量公司违规：（1）违规倾向（Fraud），将监管机构查处的违规公司涉及的年份定义为违规年份，公司当年存在违规行为时定义为1，否则为0。（2）违规程度（Degree），根据公司受处罚的程度依次赋值（谷溪和乔嗣佳，2021）。公司当年不存在违规行为则赋值为0；处罚类型为“其他”时视为违规程度较轻，赋值为1；处罚类型为“批评或者谴责”时视为违规程度较重，赋值为2；处罚类型为“警告、罚款或者没收非法所得”则视为违规程度严重，赋值为3。如果公司在一年内受到多种处罚，则取最严重的处罚类型进行相应的赋值。

2.解释变量：数字金融（index）。数字金融的测量参照唐松等（2020）的研究，使用北京大学数字金融研究中心发布的中国数字普惠金融指数，该指数包括省级和城市级数字金融指数，被既有文献普遍运用。本文在基准回归中采用省级数字金融指数度量数字金融发展水平。为便于结果展示，本文将数字金融指数进行100倍缩放处理，在稳健性测试中使用数字普惠金融地级市指数予以替代。

3.控制变量。考虑到公司特征与内部外治理层面因素对公司违规结果的影响，参考马连福和杜善重（2021）等的研究，选取公司规模、盈利能力、偿债能力、是否亏损、两职合一、董事会规模、审计师是否来自国际“四大”、股票年换手率等作为控制变量。考虑到数字金融会受到省际因素的影响，模型中进一步控制了各省市场化程度与生产总值。具体变量定义见表1。

表1 变量定义

（三）模型设定

为了考察数字金融对公司违规的影响，本文构建多元回归模型（1）：

其中：被解释变量Violation 为公司违规，解释变量index 为数字金融，Controls 为相关控制变量，ε为随机误差项。鉴于违规倾向（Fraud）为哑变量，采用Logit回归模型予以检验；违规程度（Degree）为有序变量，采用Ordered Logit 模型来检验数字金融对公司违规严重程度的影响。回归分析中控制了年度和行业，为了缓解公司层面的序列相关问题，本文对所有回归系数的标准误在公司层面上进行了Cluster处理。

四、实证结果与分析

（一）描述性统计

表2 列示了各主要变量的描述性统计分析结果。其中，违规倾向（Fraud）的均值为0.223，表明约22%的样本存在违规现象，而违规程度（Degree）的均值为0.226，且中位数为0，表明大部分公司违规严重程度相对较低，数字金融（index）的最小值为0.327，最大值为4.59，均值为2.769，而标准差为1.042，表明各省数字金融水平差异较大。

表2 描述性统计

（二）基准回归分析

本文分别运用Logit 回归与Ordered Logit 回归，以递进的方式验证数字金融与公司违规之间的关系，回归结果如表3所示。当仅控制时间和行业固定效应后，列（1）和列（2）显示，数字金融与违规倾向（Fraud）和违规程度（Degree）的回归系数分别为-0.307 和-0.415，均在1%的水平上显著。之后，逐步加入控制变量，列（3）和列（4）显示，数字金融与Fraud和Degree的回归系数分别为-0.352和-0.455，仍通过了1%的统计显著性检验。以上实证结果证实主假设成立，即数字金融对公司违规行为具有明显的矫正效应，不仅能够有效抑制公司的违规倾向，也能够显著降低公司的违规程度。

表3 基准回归分析

（三）稳健性检验

1.内生性处理。考虑到数字金融和公司违规间的负相关性可能是由于其他不可观测因素造成的，本文采取工具变量法来控制可能存在的内生性问题。借鉴唐松等（2020）的做法，采用各省互联网普及率（Inter）作为数字金融的工具变量，网络通信极大程度上反映了当地数字化特征，是数字金融高质量发展的基础，因此互联网普及率与数字金融显著正相关，但与公司违规行为并无直接关联。同时借鉴李从刚和许荣（2020）的做法，分别使用IVprobit 模型和2SLS 回归进行极大似然估计，详见表4。IVprobit模型中第一阶段Inter的回归系数显著为正，F统计量远大于10，满足相关性条件，第二阶段回归见列（2）和列（3），弱工具变量检验结果显示，Wald值分别为8.95和6.82，p 值分别为0.003 和0.001，通过了弱工具变量检验。2SLS 模型第一阶段Inter 的回归系数依旧显著为正，第二阶段回归结果见列（5）和列（6），数字金融均在1%的水平上显著为负，Anderson Canon 检验和Cragg-Donald检验表示回归模型均不存在识别不足和弱工具变量问题，证明了工具变量是有效的。回归结果均显示，在通过工具变量控制内生性问题后，数字金融发挥了积极的矫正效应，对公司违规有显著的负向抑制影响。

表4 工具变量法

2.替换变量。首先替换解释变量数字金融（index）的测量方式，采用地级市数字金融指数（pref_index）予以替代，以增强研究结果的稳健性。表5列（1）和列（2）显示，地级市数字金融指数与公司违规各指标间的回归系数分别为-0.448 与-0.611，且在1%的水平上显著，说明数字金融与公司违规仍显著负相关。此外，将被解释变量违规行为替换为公司当年违规频数（Freq），以此分析数字金融对公司违规的影响。违规频数是计数变量，在非线性面板数据情形下，可以使用面板泊松回归或者面板负二项回归。经分析，违规频数的均值为0.163，标准差为0.505，可能存在过度分散问题，不满足泊松回归中均等分散的假设条件，因此，本文运用面板负二项回归方法。回归结果见表5 列（3），数字金融与Freq 的回归系数为-0.377，且在1%的水平上显著，证实了数字金融有效矫正了公司的违规乱象。

表5 替换变量和控制遗漏变量

3.控制遗漏变量。考虑到数字金融和公司违规可能会受到包括公司外部环境与内部战略行为等宏微观因素的影响，借鉴阮坚等（2020）的研究，本文综合纳入经济政策不确定性（Epu）、行业竞争程度（HHI）、机构投资者持股比例（Ins）、股权集中度（Top1）等相关遗漏变量。如表5列（4）和列（5）所示，数字金融与Fraud、Degree的回归系数依旧显著为负，且在1%的水平上显著，研究结论依旧成立。

4.滞后解释变量。鉴于数字金融对公司违规行为的影响可能存在滞后效应，本文将核心变量数字金融分别滞后4 期以论证其是否存在长期治理效应。回归结果显示，数字金融与公司违规之间的回归系数随时间变化逐渐变小，显著性逐步降低，直至滞后4期数值在统计上不再显著（限于篇幅，结果未列示）。这意味着，数字金融能够在较长区间内发挥矫正治理作用，有效抑制公司违规倾向，降低公司违规严重程度。

5.时间行业联合固定效应。进一步地，采用更为严格的时间行业联合固定效应，控制随时间变化的行业层面不可观测的差异，以避免内生性干扰，结果表明研究结论依旧成立（限于篇幅，结果未列示）。

五、影响机制分析

基于前述理论分析的逻辑，本文对数字金融与公司违规之间的具体影响渠道进行细化分析。参照温忠麟等（2005）的研究，在模型（1）的基础上构建了如下中介模型（2）和（3），分别检验数字金融对公司违规的资源效应、信息效应与治理效应，具体通过对融资约束、信息透明度和内部控制三种作用路径进行解读，以揭示数字金融与公司违规之间的内在逻辑。

（一）资源效应——融资约束机制分析

从数字金融的资源效应来看，数字金融有效缓解了融资约束，缓释了企业内部资源匮乏问题（周兆斌和杨志国，2023）。当企业存在外部融资障碍时，数字金融的发展一方面破除了银行业垄断，改善了信贷资源错配，拓展了融资渠道，中小金融机构的崛起拓展了金融服务的外延性和灵活性，能够更好地服务尾部企业，以满足其融资需求；另一方面，数字金融以其数字技术广泛吸纳市场信息，降低了融资交易成本，缩减了资源获取费用，从而打破传统金融的限制，提高了融资的效率（杨洁和马从文，2022）。而融资难、融资贵问题会导致企业利用非常规手段获取资源，数字金融通过缓解融资约束，弱化了企业寻求资源的违规动机，约束了企业为获取资源而滋生的寻租行为，从而降低了企业违规的可能性，缩减了企业违规收益，促使企业矫正公司违规行为。参考鞠晓生等（2013）的研究方法，采用SA指数的绝对值作为企业融资约束代理变量，该指标越大，表明企业融资约束越强。表6列（1）列示了数字金融对融资约束的影响，二者回归系数为-0.112，在1%的统计水平上显著，表明数字金融显著发挥了资源效应，缓解了融资约束。列（2）和列（3）的中介效应回归结果显示，融资约束与违规倾向、违规程度的回归系数分别为0.224 和0.378，且在1%的水平上显著，数字金融与违规倾向和违规程度的回归系数分别为-0.331 和-0.421，且均在1%的水平上显著。这表明融资约束在数字金融与公司违规中起着部分中介作用。本文对中介效应采取Sobel 检验，检验Z 值分别为-2.682 和-4.42，表明数字金融缓解融资约束以矫正公司违规的中介机制成立。

表6 影响机制分析

（二）信息效应——信息透明度机制分析

从数字金融的信息效应来看，数字金融的信息耦合作用能够有效缓解信息不对称，减少信息传递的损失，优化信息获取渠道和信息可信度，这将极大地降低对公司经营数据的获取成本，支持外部监管者整合分析并监测公司财务数据，从而方便监管者监管公司活动，提升了公司信息透明度，监管者更易观测出企业的违规行为。借鉴杨洁和马从文（2022）的研究，构建公司信息透明度指标（TRANS），以国泰安数据库中的上市公司信息披露考评信息表为依据，对考核结果优秀、良好、合格和不合格分别赋值为4、3、2 和1，该数值越高代表企业信息透明度越高。表6列（4）中数字金融与信息透明度的回归系数为0.144，且在1%的水平上显著，说明数字金融有效发挥信息效应提升了公司信息透明度；列（5）和列（6）中，信息透明度与违规倾向和违规程度的回归系数分别为-1.272和-1.58，且在1%的水平上显著，说明信息透明度越高，越能够抑制公司的违规倾向，削弱公司违规程度；此外，数字金融与违规倾向和违规程度的回归系数分别为-0.186和-0.221，且在10%的水平上显著，表明信息透明度在数字金融与公司违规中起着部分中介作用。Sobel检验Z 值分别为-6.316 和-6.338，证实数字金融提升公司信息透明度以矫正公司违规的中介机制成立。

（三）治理效应——内部控制机制分析

从数字金融的治理效应出发，数字金融通过帮助企业引入资源流，带来更为多元化、便利化的金融供给，极大地降低了企业融资过程中的资源损耗（孟茂源和张广胜，2022）。企业经营者能够有效抓取、识别关键信息，规避投融资与创新决策过程中的风险因素，提升内部控制质量，帮助股东更有效地监管公司活动，加大约束、打击违规活动力度。而公司违规行为与其内部治理水平存在明确的因果关系（班旭等，2022），内部控制存在缺陷的公司往往有更多隐患，公司更易铤而走险实施违规行为（单华军，2010），内部控制越好，委托代理问题越会被削减，违规成本越大，对公司违规行为的制约力越强。本文采用既有文献广泛采用的迪博内部控制指数作为内部控制的代理变量，该指数越大，表明内部控制质量越高。表6列（7）中数字金融与内部控制的回归系数为0.155，且在1%的水平上显著，说明数字金融显著提升了公司内部控制质量，列（8）和列（9）中内部控制与公司违规Fraud 和Degree 的系数分别为-0.211 和-0.262，且均在1%的水平上显著，而数字金融与二者的回归系数分别为-0.31和-0.407，也均在1%的水平上显著，说明数字金融能够发挥公司治理效应，通过提升内部控制削弱了公司违规倾向和违规程度。Sobel检验Z值分别为-4.738和-4.844，表明数字金融增强内部控制质量以矫正公司违规的中介机制成立。

六、异质性分析

鉴于公司违规可能受到公司内部特征及外界环境等因素的影响。本文进一步从公司规模与市场法律制度环境两个方面分别考察不同情境下数字金融对公司违规是否存在显著差异。

（一）公司规模

基于规模效应理论，规模较小的公司流动性更差，受到外界关注更少，信息不对称程度更为严重，发生违规行为时，越不易被公众所发现，而规模较大的公司可能更具资源优势，但同时内部关系更为复杂，管理层级更多，信息传递更易失真。因此，数字金融对公司违规的矫正效应可能在不同规模的公司之间有所差异。本文借鉴张佳佳（2023）的研究，将公司规模四等分，设规模位于1/4分位数及以下的样本为小规模公司，设规模位于3/4分位数及以上的样本为大规模公司，进行分样本回归，回归结果见表7。其中：列（1）和列（2）为数字金融在小规模公司中对公司违规行为的影响，回归结果不显著；列（3）和列（4）为大规模公司样本组回归结果，数字金融的回归系数分别为-0.368和-0.466且在1%的水平上显著，表明数字金融对公司违规行为的矫正对象主要为大规模公司。这可能是因为大规模公司的外部关注度更高，在数字金融的相关技术模式的催化下抬高了违规被稽查率和违规成本，同时数字金融的信息提质功能帮助大规模公司优化信息流转度，缩减了沟通成本，违规所获收益的空间更小，从而弱化了违规倾向，显著降低了违规程度。

表7 异质性分析

（二）市场法律制度环境

公司所处地区的法律环境也深刻影响其行为决策。当位于市场法律制度较为薄弱的地区时，公司受到的外部监督更少、违规成本更低，违规被稽查的概率也更低，将有较强的动机攫取违规收益。而法律制度较为完善的地区，公司实施违规被稽查的概率与处罚成本相对更高，迫于法律制度的震慑力，实施违规舞弊的动机可能会有所下降。因此，本文推测，在市场法律环境较弱的样本中，数字金融对公司违规行为的矫正效果可能相对更强。本文选取《中国分省份市场化指数报告》的市场化指数中的分指标——法律制度环境指数作为市场法律制度环境的代理变量，取中位数进行分样本回归。表7列（5）和列（6）为市场法律制度完善的环境中数字金融对公司违规的影响，回归结果不显著；列（7）和列（8）中，在市场法律制度薄弱的环境下，数字金融的回归系数分别为-0.594 和-0.673，均在1%的水平上显著。这表明，数字金融在市场法律制度环境较差的地区矫正公司违规行为时具有独特的技术优势，一定程度上可以弥补法律制度环境的监管不足，为法制环境较差的公司提供信贷资源和透明化信息支撑，帮助公司优化内部控制，从而更好地矫正公司违规行为。

七、结论与启示

本文以2011 ～2021 年A 股上市公司为研究样本，考察了数字金融对公司违规行为的影响与作用机制。研究发现，数字金融显著弱化了公司违规倾向，削弱了公司的违规程度，对公司违规行为具有积极的矫正效应，这一结论经过内生性处理等一系列稳定性检验之后依然成立。机制检验发现，数字金融主要通过缓解融资约束、提升公司信息透明度和加强内部控制这三个传导路径发挥对公司违规行为的矫正效应。异质性分析发现，数字金融在公司规模较大、市场法律制度环境较差时更能矫正公司违规行为。基于此，本文分别从企业、政府与监管层面提出以下建议：

第一，企业应主动适应数字金融的技术支持，积极寻求变革路径，与外界进行信贷互换，利用数字金融的多元化融资渠道缓解融资约束，为企业提供资源支撑；构建信息沟通体制机制，对接金融机构进行信息共享，从而缓解内外信息不对称，提升信息透明度；同时，企业需要不断加强自身内部控制，提高管理水平，发挥数字金融的风险控制功能，降低自身经营风险与财务风险，杜绝“走捷径”的违规行为。

第二，政府应大力推动数字金融的纵深发展，夯实数字金融推动实体经济的相关政策。数字技术的浪潮大势可趋，政府应健全数字金融相关法律法规，改善市场法律环境，完善并持续推动数字金融的战略布局，推动数字金融与金融平台服务、企业之间的相互融合发展，积极推动金融机构与企业实施数字化转型，培养数字化方面的人才，并积极打造信息互通的平台，从而加快数字金融的深化发展。

第三，监管部门针对公司违规乱象，需要日臻完善资本市场的法律制度，强化金融监管体系建设，优化公司违规处罚机制，遏制企业违规，保障资本市场健康有序运行。此外，监管部门需进一步搭建更为合理的资本市场违规反响机制，通过数字信息数据，优化违规检举流程、试行监管沙盒机制等，充分发挥数字金融的赋能作用，扎实推进金融服务实体经济高质量发展。

【注释】

①证监会通报2022 年案件办理情况，http：//www.csrc.gov.cn/csrc/c100028/c7088291/content.shtml，2023-02-10。

②2022 年证监稽查20 起典型违法案例，http：//www.csrc.gov.cn/csrc/c100028/c7397653/content.shtml，2023-03-24。

【主要参考文献】

班旭，姜英兵，徐传鑫.证监会随机抽查制度能否抑制公司违规？［J］.现代财经（天津财经大学学报），2022（10）：93 ～113.

封思贤，徐卓.数字金融、金融中介与资本配置效率［J］.改革，2021（3）：40～55.

谷溪，乔嗣佳.国企混改治理效果的资本市场证据——基于信息披露违规事件的实证检验［J］.财政科学，2021（9）：55 ～73.

鞠晓生，卢荻，虞义华.融资约束、营运资本管理与企业创新可持续性［J］.经济研究，2013（1）：4 ～16.

李从刚，许荣.保险治理与公司违规——董事高管责任保险的治理效应研究［J］.金融研究，2020（6）：188 ～206.

李涛，彭东蔓.数字金融减贫：研究热点综述及展望［J］.财会月刊，2022（8）：154 ～160.

李小玲，崔淑琳，赖晓冰.数字金融能否提升上市企业价值？——理论机制分析与实证检验［J］.现代财经（天津财经大学学报），2020（9）：83 ～95.

陆瑶，李茶.CEO 对董事会的影响力与上市公司违规犯罪［J］.金融研究，2016（1）：176 ～191.