企業數字化轉型能抑制股票錯誤定價嗎？

儲小俊，趙 莉

（南京信息工程大學 管理工程學院，江蘇 南京 210044）

一、引言

近年來，中國數字經濟有了顯著增長，在國民經濟中具有重大意義（何文彬，2020）[1]。據《中國數字經濟發展白皮書（2022 年）》顯示，截至2021 年底，我國數字經濟規模已經達到45.5 萬億元，在國內生產總值中所占比重達到39.8%。

另一方面，我國資本市場成立時間晚，發展不成熟，上市公司的股票普遍存在錯誤定價現象。錯誤定價會導致資本市場資源錯配（劉建秋等，2022）[2]、影響上市企業投融資（李君平和徐龍炳，2015）[3]，甚至會危及金融體系的穩定。因此，學者們一直致力于錯誤定價成因的探索。影響股票市場錯誤定價的因素包括公司代理問題（Pantzalis 和Park，2014）[4]、投資者情緒（Beer 等，2018）[5]。其中，影響錯誤定價重要原因之一是信息質量（徐壽福和徐龍炳，2015）[6]。企業信息質量的提高能改善投資者獲取的信息，有助于對上市公司進行合理估值。企業在數字化轉型過程中，數字技術可以增加財務報表的準確性和及時性，提高企業信息質量（徐子堯等，2023）[7]。鑒于數字經濟的發展，本文將數字化轉型作為影響股票市場定價的一個因素進行檢驗。

本文利用中國滬深兩市A 股上市公司2014—2021 年的數據，檢驗數字化轉型對股票市場錯誤定價的影響和作用機制。與現有研究成果相比，本文的邊際貢獻在于：一是目前關于數字化轉型對企業資本市場表現的研究多涉及股票流動性或股價崩盤方面，鮮有文獻從股票錯誤定價方面考察數字化轉型帶來的積極影響。本文在一個框架內系統地探討企業數字化轉型、信息質量、股票錯誤定價三者之間的關系，拓展了企業數字化轉型的研究范圍。二是本文提供了數字化轉型影響股票錯誤定價的經驗證據，拓展了股票錯誤定價的研究，為抑制股票市場錯誤定價提供新的思路。

二、理論分析與研究假設

企業信息質量能夠緩解信息不對稱，幫助減輕股票市場的錯誤定價（徐壽福和徐龍炳，2015）[6]。第一，信息披露質量的提高可以減少信息不對稱的程度，使投資者能夠理性地評估上市公司的內在價值，減少逆向選擇的現象，降低股票估值錯誤的可能性。由于信息不對稱導致的逆向選擇，致使優質公司的價值被低估，而劣質公司的價值被高估。無論是優質公司被低估還是劣質公司被高估，都會使上市公司的市場價值與其內在價值發生偏差。第二，提高信息披露質量有助于降低由于信息不對稱導致的投資者意見分歧，有利于投資者形成一致的估價預期，減少由意見分歧引起的估值偏差。從某種程度上說，股票市場是信息能力強的上市公司和信息能力弱的投資者之間的博弈，也是位于信息源附近和遠離信息源的投資者之間的博弈（翟林瑜，2004）[8]。高質量信息披露使投資者對上市公司的認知更趨于一致，減少意見分歧，降低股票被錯誤定價的可能性。

數字化轉型成為提高企業競爭力的關鍵手段（陳海東和吳志軍，2022）[9]。更重要的是，數字化轉型提高了企業信息質量。第一，企業在數字化轉型過程中應用了先進的數據挖掘和分析技術，完善企業信息披露流程，提升披露信息的真實性、及時性和客觀性，有效提高企業信息質量。第二，數字化轉型有助于降低管理者操縱信息，為管理者和利益相關者之間創造了透明空間。以往，企業信息往往被管理者壟斷，信息流動性低、準確性差。出于業績壓力和融資需求，管理層容易對企業壞消息進行隱藏。數字化轉型可以降低管理層操縱信息的主觀意愿和客觀能力（馬慧和陳勝藍，2022）[10]。一方面，數字化轉型通過提高全要素生產率，改善公司業績，提升企業價值。同時，數字化轉型也能夠通過降低企業融資成本等方式緩解企業融資壓力，解決財務困境（Cui 和Wang，2023）[11]。所以數字化轉型降低了管理者機會主義傾向，減少管理者操縱信息的主觀動機。另一方面，數字化轉型使得企業能夠更好地監測和管理信息流，使信息變得更加透明和可追溯，導致管理層在操縱信息方面付出非常大的成本，減少管理者操縱信息的客觀能力（易露霞等，2021）[12]。

總之，數字化轉型有助于提升企業信息質量，減少由于信息不對稱造成的投資者逆向選擇、意見分歧等對股票價格的干擾，進而抑制股票錯誤定價。因此，本文提出研究假說1：

H1：數字化轉型可以通過提升企業信息質量抑制股票錯誤定價。

數字化轉型可以利用數字技術對高技術企業的無形資產進行深度挖掘，對其進行有效的風險評價（黃銳等，2020）[13]。也就是說，在獲取高技術領域股票價格方面，數字化轉型似乎具有獨特的技術優勢。但以下有兩個原因能夠解釋數字技術無法抑制高技術行業的股票價格“失真”問題。第一，高技術行業通常包括信息技術、航空航天技術、生物技術等，這些領域已經處于科技前沿，其數字化水平往往已經很高。所以，相同程度的數字化轉型提升給傳統行業帶來的邊際效益更高，即企業數字化轉型對傳統行業的股票錯誤定價抑制效果更加明顯。第二，高技術行業在一定程度上反映了國家的技術前沿，市場投資者十分青睞這些行業。所以高技術行業的市場泡沫較大，普遍面臨著股票定價過高的問題（賴曉冰和岳書敬，2023）[14]。然而，中國股市對賣空的限制使得賣空高估值公司變得困難，導致數字化轉型對高技術行業股票錯誤定價的抑制效果不佳。因此，本文提出研究假說2：

H2：與高技術行業相比，傳統行業數字化轉型對股票錯誤定價的抑制作用更明顯。

由于優越的地理位置，東部地區的市場經濟、法律制度均優于中西部地區（Chu 等，2015）[15]。第一，東部地區的制度環境較高，上市公司在信息披露方面管理水平相對更高，報告透明度更好，使市場參與者能夠更好地了解公司的運營狀況，降低信息不對稱程度（林川，2022）[16]。而在中西部地區，一些公司信息披露不夠及時、完整和透明，導致市場參與者難以對公司的真實狀況進行判斷，所以東部地區企業的信息質量普遍更高。據《數字化轉型指數報告2022》顯示，2021 年，數字化轉型水平前5 名的省份分別是廣東、北京、上海、江蘇和浙江，均屬于東部地區；5～10 名中出現3 個中西部地區的省份，分別是第7 名的四川、第8 名的河南和第9 名的湖北。第二，東部地區經濟市場發達，信息傳遞速度快，時效性更高，投資者能夠及時地了解到新聞事件或公司公告。而中西部地區由于人口密度和經濟落后等因素，市場不夠靈敏，市場參與者對信息的反應較慢。所以，東部地區對企業信息具有更強的市場敏感性。因此，本文提出研究假說3：

H3：與中西部地區相比，東部地區企業數字化轉型對股票錯誤定價的抑制作用更明顯。

三、研究設計

（一）樣本選取與數據來源

本文選取2014—2021 年滬深兩市的A 股上市公司為研究樣本，進行實證檢驗。并對樣本進行以下處理。第一，剔除金融類公司樣本；第二，剔除樣本期間內ST、*ST 的公司樣本；第三，為避免極端值的影響，對連續變量進行上下1%的縮尾（Winsorize）處理。最終獲得4 630家上市公司的26 664 個樣本。本文使用的數據為年度數據，數據來源于國泰安數據庫（CSMAR）。

（二）變量定義

1.股票錯誤定價。參考游家興和吳靜（2012）[17]，采用行業相對估值法，將公司的市場價值與基礎價值進行比較來測量股票錯誤定價水平。這一方法首先由Berger 和Ofek（1995）[18]提出，具體做法是從同行業所有公司出發，計算出公司的基礎價值，然后將公司的市場價值與基礎價值進行比較，衡量公司的錯誤定價程度。計算公式如下：

式（1）中，Capital是指普通股市場價值與負債的賬面價值之和，Asset×Ratio代表公司的基礎價值，Asset代表公司的資產總額，Ratio表示公司所處行業內各家公司的Capital與Asset比率的中位數。將以上數值代入式（1）計算可得到股票錯誤定價程度（Misp）。若Misp大于0，則表示公司股價被高估，若Misp小于0，則表示公司股價被低估。由于本文研究目的是數字化轉型是否有助于抑制股票的錯誤定價程度，而不是估值的偏高或偏低。所以取Misp的絕對值（|Misp|）來反映錯誤定價的程度，|Misp|越大表示股票錯誤定價程度越大。

2.企業數字化轉型。國內學者的一般做法是使用文本分析法，通過統計上市公司年報中出現的與數字化相關的詞匯或句子來衡量企業數字化轉型程度（向海凌等，2022）[19]。采取這種測量方式有以下原因：第一，這些與“數字化”相關的關鍵詞反映了國家對數字化轉型方面的關注，被大量的產業政策或配套戰略所采用；第二，數字技術是上市公司的亮點，企業有很強的意愿在年報中披露數字技術，以此贏得資本市場的青睞。

本文按照吳非等（2021）[20]的做法，根據樣本公司年報文本中與“數字化”相關的詞匯頻率來衡量企業數字化轉型的程度。首先，數字化轉型詞匯的定義包括五個維度，分別是“人工智能技術”“區塊鏈技術”“云計算技術”“大數據技術”和“數字技術應用”。然后基于每個維度，捕捉具體關鍵詞。其次，根據捕捉到的關鍵詞，匯總樣本公司年報中與“數字化”相關的詞匯頻率。然后，剔除關鍵詞前存在否定性表述的詞頻，例如“無”“不”“沒”等，得到“數字化”有效詞頻。最后，為防止詞頻“右偏性”的影響，本文對統計的詞頻進行對數化處理，具體做法為：數字化轉型程度Digital=ln（1+“數字化”有效詞數）。

3.控制變量。為排除其他因素對股票錯誤定價的影響，參考已有研究文獻，本文加入以下控制變量：上市公司規模、資產收益率、資產負債率、企業年齡、獨立董事占比、第一大股東持股比例、政府補助。此外，本文同時控制了年份固定效應和個體固定效應（見表1）。

表1 變量定義及說明

（三）模型設計

1.基準模型。為了研究企業數字化轉型對股票錯誤定價的影響，本文建立以下回歸模型。

在式（2）中，Control表示控制變量，|Misp|是股票錯誤定價程度，Digital是企業數字化轉型程度，Year和Firm分別代表年份固定效應和個體固定效應。為提高回歸模型的準確性，本文進行以下處理：首先，對核心解釋變量和所有控制變量均進行滯后1 期處理。既考慮到實際中變量之間傳遞存在時間延遲，同時，也能減少“逆向因果”帶來的內生性干擾。其次，對樣本企業的時間效應（Year）和個體效應（Firm）同時控制，能夠緩解“遺漏變量”造成的內生性問題，提高估計模型的可靠性。

2.機制檢驗模型。本文從企業和市場兩個層面來度量企業信息質量（IMD）。

企業層面上，管理費用率（MER）越高，委托代理成本越高，信息質量越低（李志生等，2020）[21]。所以可以使用管理費用率作為信息質量企業層面的代理變量。企業管理費用率越高，信息質量越差。市場層面上，用KV指數作為企業信息質量的代理變量（徐壽福和徐龍炳，2015）[6]。交易量對收益率的影響系數一般被稱為KV指數，它通過反映市場對交易量的依賴進而反映公司信息質量的好壞。具體來說，公司信息披露越充分，投資者對交易量信息的依賴會減少，對信息披露的依賴會增加，導致交易量對收益率的影響減??；反之，信息披露越少，投資者就會更多地依賴交易量信息，對信息披露的依賴程度越小，導致交易量對收益率的影響越大（Kim和Verrecchia，2001）[22]。

式（3）中，Pt代表第t日的股票收盤價，Volt代表第t日的股票交易量，Vol0代表本年度所有交易日的平均日交易量。對每家上市公司回歸得到λ值，根據得到的值按照式（4）計算得KV指數。λ越?。↘V隨之也越?。┍砻魇袌鰧灰琢康囊蕾嚩仍叫?，對企業信息的依賴度越高，代表信息質量越高。所以，KV指數越小表明公司信息質量越高。

在構建信息質量指標及前文理論分析的基礎上，本文構建式（5）和式（6）作為中介效應模型，檢驗信息質量的影響機制作用。

在式（5）與式（6）中，IMD分別表示MER和KV指數。若企業信息質量在數字化轉型對股票定價的影響中存在中介作用，那么系數值β1和γ1應均顯著。如果系數值γ2不顯著，表示存在完全中介效應；若系數值γ2顯著，意味著存在部分中介效應。

四、實證檢驗與分析

（一）描述性統計

市場定價機制完全發揮作用時，股票價格應該與公司內在價值相吻合，錯誤定價代理變量的平均值和中位數應趨近于0。但是，據表2 的變量描述性統計結果可以看出，|Misp| 平均值和中位數分別為0.435 和0.351，與劉建秋等（2022）[2]、賴曉冰和岳書敬（2023）[14]的計算結果沒有明顯偏差。這表明在我國資本市場上，普遍存在股票價格與其內在價值相背離的現象。核心解釋變量Digital的標準差和最大值與吳非等（2021）[20]統計的數字化轉型結果十分貼近。平均來看，“數字化”相關詞頻在樣本公司年報文本中出現4 次，可見數字化轉型是企業關注的一個焦點，成為中國企業發展的一個重要方向。另外，Digital的最小值和最大值分別是0 和5.112，說明樣本公司的數字化轉型有較大差距。

表2 描述性統計分析

（二）基準回歸

表3 報告了企業數字化轉型與股票錯誤定價的基準檢驗結果。在列（1）中，Digitalt-1的回歸系數為-0.012，并且通過了1%水平下的顯著性檢驗。表明數字化轉型與股票錯誤定價之間顯著負相關，即企業數字化轉型程度越高，其股票錯誤定價的程度越低。在列（1）的基礎上，列（2）引入了控制變量集，Digitalt-1的回歸系數有所降低，降低為-0.009，但顯著性仍然在1%的水平下保持不變，可能是納入控制變量后，一些影響被吸收。從經濟顯著性看，企業數字化轉型每提升1 個標準差（1.404），股票錯誤定價程度會隨之下降0.012 6。樣本中股票錯誤定價程度的均值為0.045，表示企業數字化轉型每提高1個標準差，股票錯誤定價會降低28.08%。表3 結果表明，數字化轉型確實顯著降低了股票錯誤定價程度。本文假說H1 得到實證支持。

表3 基準回歸

（三）穩健性檢驗

為確保結論的穩健性，本文進行如下穩健性檢驗。

1.緩解內生性

為進一步防止某些不可觀測的企業因素帶來的內生性干擾，本文以本行業其他公司數字化轉型平均值（M-Digital）作為工具變量進行檢驗。由于企業在數字化轉型過程中存在“同群效應”，因此以同行業其他公司的數字化轉型平均值（M-Digital）作為工具變量滿足相關性的要求。并且，同行業其他公司的數字化轉型不會直接影響本企業股票錯誤定價問題，所以此工具變量滿足外生性條件。

由表4 列（1）可知，第一階段檢驗中M-Digital的系數為顯著的正數，表明同行業其他企業數字化發展會促進本企業的數字化轉型，滿足工具變量與解釋變量相關的條件。據表4 列（2）顯示，Digitalt-1在第二階段的回歸中系數仍為顯著的負值。與基準回歸相比，納入工具變量后Digitalt-1系數提高至-0.197，且顯著性保持不變。表示緩解內生性干擾后，數字化轉型仍能有效降低股票錯誤定價，證明基準回歸結論具有穩健性。

表4 內生性檢驗

2.替換變量。

（1）替換解釋變量。盡管在國內現有文獻中，越來越多的數字化轉型是通過文本分析來計算的，但這可能會引起一些問題。例如，公司可以選擇性地披露有關數字化的信息，甚至夸大數字化轉型的投入，對公司進行過度宣傳，以迎合資本市場的需要。為了消除這一顧慮，本文沿用張永珅等（2021）[23]的做法，使用上市公司年報中披露的數字化技術無形資產金額占無形資產總額的比重衡量公司的數字化轉型程度。如果無形資產中含有“軟件”“管理系統”“智能平臺”等與數字化技術有關的關鍵詞，以及與之有關的專利，則定義為“數字化技術無形資產”。然后將所有數字化技術有關的無形資產累計起來，計算出其在當年無形資產總額中所占的比重，將此比重作為衡量數字化轉型程度的代理變量，記為Digital2。

（2）替換被解釋變量。本文參考Rhodes-Kropf等（2005）[24]、何德旭等（2022）[25]，采用市值賬面比的拆分來度量股票錯誤定價的程度。其中，Mi，t表示公司i在t年末的市場價值，是年末非流通股股票的賬面價值與流通股股票的市場價值的總和。Bi，t是公司i在t年末的資產總額。（NI）+代表公司的凈收入絕對值。Ln（NI）+代表凈收入絕對值的對數值。I（＜0）是一個二元變量，當NI＜0，即公司凈收入為負時，I（＜0）取值為1；反之，I（＜0）取值為0。Lev為負債總額與資產總額的比率。V代表公司的基礎價值。

然后，將公司的具體數值代入所屬行業的估計公式，估算出相應的基礎價值V；最后，利用ln（M/V）對股票錯誤定價程度進行度量（Misp2）。

表5 顯示了變換解釋變量和被解釋變量的度量方法后的檢驗結果。表5 列（1）替換了錯誤定價的衡量指標，變量Digital1t-1系數的數值和顯著性與基準回歸較相近。表5 列（2）用數字技術無形資產作為數字化轉型的衡量指標，Digital2t-1系數仍顯著為負。

表5 穩健性檢驗：變換被解釋變量與解釋變量

檢驗結果表明，無論采用何種變量度量方法、無論是否加入控制變量，Digitalt-1對|Misp|的負向影響仍保持顯著，表明數字化轉型與股票錯誤定價之間具有負相關關系。再次證明基準回歸結論“企業數字化轉型有利于降低股票錯誤定價”。

3.剔除特殊樣本。第一，剔除直轄市企業。與其他城市相比，四大直轄市所在城市級別較高，在經濟、政治方面具有較大的特殊性，企業是否進行數字化轉型以及數字化轉型程度可能存在差異。所以，本文參照唐松等（2020）[26]的研究，將四大直轄市公司樣本剔除，然后對剩余樣本重新進行回歸檢驗，結果如表6 列（1）、列（2）所示。研究發現，在剔除直轄市企業樣本后，無論是否加入控制變量，Digitalt-1系數與基準回歸相比均下降0.002，但仍為顯著負值，仍可說明數字化轉型對股票錯誤定價具有抑制作用。第二，剔除未進行數字化轉型的企業。由表2 描述性統計知，樣本公司的數字化轉型程度有較大差異。因為本文研究數字化轉型程度對股票錯誤定價的影響，所以刪除未進行數字化轉型的企業，即年報中有關數字化詞頻為0 的樣本，然后重新回歸檢驗，結果在表6 列（3）、列（4）給出?；貧w結果表明，剔除未進行數字化轉型或者轉型程度很小的企業樣本后，Digitalt-1與|Misp|之間仍為顯著的負相關關系。

表6 穩健性檢驗：剔除特殊樣本

表6 的實證回歸結果顯示，剔除直轄市公司樣本、剔除沒有進行數字化轉型的特殊樣本后，數字化轉型對股票錯誤定價的估計系數顯著為負，再次驗證“企業數字化轉型能夠有效抑制股票錯誤定價”這一核心結論是穩健的。

4.細分數字化轉型指標。數字化轉型技術具有差異性和結構特點。為了深入探討“企業數字化轉型與股票錯誤定價”之間的關系，本文將數字化轉型指標分解至兩大層面，一是“底層技術層面”，二是“實踐應用層面”。表7 實證研究發現，數字化轉型兩個子指標的回歸系數至少在10%的水平下保持顯著為負，這一結果符合本文預期，表明基準回歸具有穩健性。其中，無論是否納入控制變量，底層技術層面轉型對企業股票錯誤定價的抑制均比實踐應用層面轉型更有效，回歸的系數和顯著性方面都表現得更好。所以本文認為，以技術層面為核心的數字化轉型更容易得到市場的認可，從而產生正向作用，糾正股票的錯誤定價。所以，企業在數字化轉型的過程中應更注重技術層面的轉型。

綜上所述，在經過緩解內生性、替換解釋變量與被解釋變量度量方法、剔除特殊樣本、細分數字化轉型指標一系列穩健性檢驗后，檢驗結論均未發生變化，企業數字化轉型對股票錯誤定價的影響始終為負。所以“企業數字化轉型有助于抑制股票市場錯誤定價”這一核心結論具有穩健性。

（四）異質性分組檢驗

1.高科技行業與傳統行業分組檢驗。為檢驗企業數字化轉型對股票錯誤定價的影響是否具有行業差異，本文將樣本劃分為高技術行業樣本和傳統行業樣本進行分組回歸。表8 列（1）和列（2）顯示出數字化轉型在“高科技行業-傳統行業”中糾正錯誤定價的差異。結果顯示，傳統行業的Digitalt-1系數在5%水平上顯著為負，而高科技行業Digitalt-1的系數沒有通過顯著性檢驗，所以數字化轉型對股票錯誤定價的抑制作用在傳統行業中的表現更好。表明在傳統行業中，數字化轉型更能展現對股票錯誤定價的“糾錯”功能。檢驗本文假設H2。

表8 異質性分析

2.東部地區與中西部地區分組檢驗。將樣本按照公司所處省市分為東部地區樣本和中西部地區樣本兩類，以便考察數字化轉型對股票錯誤定價的影響是否具有區域差異。從表8 列（3）和列（4）來看，在東部地區樣本中，變量Digitalt-1系數的估計值和顯著性均優于中西部地區。這表明數字化轉型對股票錯誤定價的抑制作用在東部地區企業中表現得更為明顯。驗證本文假設H3。

總之，數字化轉型在行業層面和區域層面的股票定價“糾錯”作用均存在差異。

五、機制檢驗

為驗證企業信息質量是否為數字化轉型降低股票錯誤定價的影響機制，下文根據式（5）和式（6）回歸，機制檢驗結果如表9 所示。其中，表9 列（1）是前文基準回歸結果，表明數字化轉型與股票錯誤定價間存在顯著負相關關系。表9 列（2）和列（3）以管理費用率作為企業信息質量的代理變量，表9 列（4）和列（5）以KV指數衡量企業信息質量。

表9 機制檢驗

根據表9 列（2），Digitalt-1系數值顯著為負，表示數字化轉型與管理費用率之間顯著負相關，所以數字化轉型與企業信息質量之間顯著正相關。由此可得，數字化水平越高，企業信息質量也越高。據表9 列（3），變量MER的系數值顯著為正，說明管理費用率與股票錯誤定價之間顯著正相關，所以企業信息質量對股票錯誤定價有顯著負向影響，即企業信息質量越高，股票錯誤定價程度越低。表9 列（2）和列（3）驗證了企業信息質量在數字化轉型與股票錯誤定價之間的中介作用。在表9 列（1）和列（3）中，Digitalt-1系數值由-0.009 變為-0.007，說明中介效應占比為0.168，顯著性由1%降至5%，證明企業信息質量在數字化轉型對股票錯誤定價抑制中具有部分中介作用。

列（4）回歸結果顯示，變量Digitalt-1對KV指數的影響系數顯著為負，表明企業數字化轉型與KV指數之間存在顯著負相關關系，所以數字化轉型對企業信息質量存在顯著的正向影響。在列（5）中，變量KV系數值顯著為正，說明KV指數與股票錯誤定價之間存在顯著正相關關系，所以企業信息質量有助于降低股票錯誤定價程度。列（4）和列（5）同樣證明了企業信息質量影響機制的存在。在列（1）和列（5）中，Digitalt-1系數值由-0.009 變為-0.008，說明中介效應占比為0.087，顯著性由1%降至10%，再次證明企業信息質量具有部分中介作用。

綜上，根據表9，無論是使用公司層面還是市場層面的企業信息質量代理變量，都可以證明信息質量的部分中介作用。再次驗證前文的研究假說H1。

六、結論與建議

我國的金融制度存在缺陷，金融市場的股票普遍存在“錯誤定價”問題。近幾年，數字化浪潮已經滲透到中國的資本市場。其中，企業數字化轉型對于提升信息質量具有重要作用，可能會對股票價格造成潛在影響。

本文以2014—2021 年深滬A 股上市公司為樣本，運用雙向固定效應，實證檢驗了企業數字化轉型對股票市場錯誤定價的影響以及作用機制。研究發現，企業數字化轉型能夠顯著抑制股票錯誤定價，即企業的數字化轉型水平越高，其股票錯誤定價程度越低。這一結論在緩解內生性、替換變量、剔除特殊樣本、細分數字化轉型指標一系列穩健性檢驗后依然保持成立。異質性分析發現，數字化轉型對股票錯誤定價的影響在傳統行業、東部地區中表現得更加顯著。影響機制研究發現，公司信息質量部分地傳遞了數字化轉型對股票錯誤定價的影響。本研究拓展了數字化轉型影響和股票錯誤定價原因的研究，為推動我國企業進行數字化轉型，降低股票市場價格偏誤提供參考。

基于以上結論，本文提出兩點建議：

一是加強公司數字化轉型的程度，以糾正股票價格的“失真”。一方面，不同行業、不同地區的企業需要數字化轉型的重點可能不同，企業應該根據自身數字化轉型程度和外部市場條件，制定差異化的數字化轉型戰略，提高數字化水平；另一方面，國家應該按照不同地區、不同行業的需求，針對性地制定優惠政策，鼓勵企業進行數字化轉型，以便各企業能夠充分發揮數字化轉型的積極效應，降低股票錯誤定價程度。

二是提高信息質量，使投資者對上市公司進行合理估值。高質量的企業信息能有效傳遞數字化轉型帶來的積極影響，抑制上市公司股票錯誤定價。一方面，企業需要加強數字化轉型過程中的信息披露機制構建，提升企業信息質量，為股票定價提供更準確的信息基礎；另一方面，為確保企業信息披露的準確性和完整性，監管部門需要加強對企業信息披露的監管，對信息披露不及時、不準確、不完整的企業進行處罰，尤其是刻意夸大數字化成果、選擇性披露數字化信息的企業。