数据要素对金融市场信息有效性的影响：一个理论分析框架

曾庆铎 邴 涛

[提要]随着数字经济时代的加速到来，数据被视为一种基础性的生产要素，并在企业生产决策过程中发挥着愈来愈重要的作用。数据驱动决策正深刻改变企业生产模式，而这种改变也将重塑金融市场微观结构。文章在梳理数据要素相关研究的文献基础上，理论探究数据要素对金融市场信息有效性的影响机制与传导路径。首先将数据要素引入传统生产函数，刻画数据要素对企业投资决策的优化作用，厘清数据要素在企业投资决策与股价之间信息反馈的作用机理；其次基于信息反馈引发多重均衡的视角，探索数据要素在不同均衡状态下对金融市场信息有效性的多重传导路径，进一步将单一企业拓展至相关联的多个企业，明确数据要素在多个企业间的溢出效应；最后针对劣均衡状态可能导致的经济后果提出了未来拓展方向。

一、问题提出

当前，数字经济已成为全球重要的经济形态。由数字经济衍生出来的海量数据的作用和地位愈发凸显，成为数字经济时代具有基础性和战略性意义的生产要素(李晓华等，2020)[1]。党的十九届四中全会首次将数据作为一种生产要素；2020 年出台《关于构建更加完善的要素市场化配置体制机制的意见》明确提出要“加快培育数据要素市场”；“十四五”数字经济发展规划指出，要充分发挥数据要素的作用，加快数据要素市场化流通，创新数据要素开发利用机制。这些文件和政府工作报告充分说明数据要素已经成为数字经济时代的重要战略资源和核心引擎。根据国际数据公司IDC预测，2025 年我国产生的数据总量将达48.6ZB，占全球的27.8%。不断增长的数据量级，为数据要素市场的快速发展提供了肥沃的土壤，据统计，在“十三五”期间，中国数据生产要素市场快速增长，在2020 年达到545 亿元，这一数值有望在“十四五”期间达到1749 亿元，对GDP增长的贡献率将达年均1.5 至1.8 个百分点。数据要素市场的蓬勃发展为优化实体决策、促进企业价值增长提供了重要的信息资源，这对完善市场信息交互渠道、促进有效市场形成具有重要的意义。

数据作为生产要素进入经济系统无疑会对经济运行规律产生重大影响。一方面，数据要素通过多维度、多领域揭示企业生产过程中蕴含的规律和信息，有助于优化企业投资决策(徐翔等，2021；[2]陈国青等，2022[3])，实现精准决策，增加决策的确定性、可预判性，降低决策失误和风险。另一方面，数据可以提高生产率(Müller et al.，2018[4])，数据要素能够与其它生产要素进行有机结合进而提高生产率，形成数据要素的倍增效应(杨艳等，2021[5])。本质上，企业作为宏观经济的微观构成，承载着数据要素培育和价值释放的重要媒介。而数据要素的价值释放正逐渐映射在企业的生产变革之中，推动企业发生质量变革、效率变革、动力变革，加速实现宏观经济高质量发展(蔡跃洲等，2021)[6]。客观来看，企业数字化过程带来的宏观经济高质量发展一定程度上会映射至金融市场(吴非等，2021)[7]。习近平总书记曾深刻地指出“经济兴，金融兴；经济强，金融强”。因此，数据要素在促进信息融入、优化实体决策、推动企业价值提升的同时也间接提高了金融市场投资者信息获取的来源与动力，必然会对金融市场信息有效性产生影响。那么，数据要素如何通过实体企业影响金融市场信息有效性？股价如何揭示数据要素对实体企业的信息作用？这背后蕴含的理论机制与传导路径是什么？在当前构建双循环发展格局的背景下，厘清数据要素在市场有效性中发挥的作用对于形成实体与金融的良性循环至关重要。

目前尚未有学者对这一问题展开研究。现有研究大部分聚焦于另类数据①对金融市场的影响(Zhu，2019；[8]廖理等，2021[9])，这些成果仅从金融市场投资者信息获取的视角研究了另类数据对金融市场信息有效性②的实证依据。毋庸置疑，如果另类数据中包含了企业基本面的信息，那么获取了另类数据，有利于提高金融市场有效性。然而，上述研究并未从企业数据要素投入层面揭示其对市场有效性的影响。事实上，作为生产要素，数据的价值突出表现在其对企业生产决策及价值提升的驱动作用，有助于弱化基本面的不确定性，而这种作用也将对金融市场投资者信息生产带来积极的影响，提升投资者信息获取的动力及交易的积极性，促进信息更加快速地融入价格。然而这些结论仅停留在现象识别阶段，数据要素作用于市场有效性的深层次逻辑尚不清晰，因此有必要打开数据要素的“黑箱”，从理论视角弥补现有文献的不足，揭示数据要素对金融市场信息有效性的作用机理及影响路径。

二、研究回顾

数据并非天然的生产要素。根据信通院2021年发布的《数据价值化与数据要素市场发展报告》，数据是对客观事物的数字化记录和描述，是无序的、未经加工处理的原始素材。如果这些数据具有使用价值，则数据就变成了数据资源，进一步，如果数据资源为使用者带来了经济效益，则数据资源就成为了数据要素。这一定义揭示了数据要素的两个方面特征，其一是数据要素的信息属性，数据的本质是对客观事物的数字化记录和描述。根据国际标准化组织(ISO)的定义，数据是信息的一种形式化方式的体现，用数据形式表现的信息能够更好地被用于交流、解释和处理。Farboodi和Veldkamp(2020a)[10]将数据视为可以被编码为一系列0和1组成的二进制序列的信息，这些信息能够减少预测的错误(Farboodi和Veldkamp，2021b；[11]徐翔等，2021[2])。其二是数据要素的价值属性。随着信息技术的快速发展，数据要素的价值日益凸显，数据被誉为数字经济时代的“石油”，并被学者纳入到生产函数的研究中(李静萍，2020；[12]荆文君等，2019；[13]杨汝岱，2018[14])。戚聿东等(2020[15])对数据的价值属性做出论述：数据价值体现在信息和知识的属性上，海量数据提取信息，通过解读信息转化为创造性的知识，形成“数据-信息-知识-数据”的价值增值闭环。因此，数据成为生产要素即是数据转换为信息且信息向价值转换的过程(易宪容等，2019)[16]。作为数字经济的关键要素和基础性资源，数据的价值属性已得到广泛认同(Short et al.，2017；[17]朱扬勇等，2018[18])。一方面，企业能够从数据中提取有价值的信息，进行更为精准的市场定位，降低决策成本，创造更高效益；另一方面，数据包含的信息可以加速资源流转速度，提高资源配置效率，使得特定资源在给定时间里生产更多的产出，从而促进经济增长。

数据要素的上述微观特征决定了其对实体企业及金融市场存在积极影响。从实体企业生产角度而言，数据的价值实现过程是其融入企业生产并为企业带来价值增量的过程。第一，数据驱动决策。随着大数据技术的迅速发展与广泛应用，越来越多的企业开始从管理者主导的经验型决策转向高度依赖数据分析结果的科学决策模式，即“数据驱动决策”(data-driven decision making，DDD模式)(李辉，2019；[19]徐翔等，2021[2])。应用DDD模式可以快速收集信息，科学开展预测，及时进行反应，提高决策的准确性与科学性，进而提升企业决策效率(McAfee et al.，2012；[20]Provost和Fawcett，2013；[21]Farboodi和Veldkamp，2021b[11])。第二，数据提升生产率。数据要素无法独立创造价值，而是需要与其它生产要素结合，进而提高生产率实现价值创造(谢康等2020；[22]戚聿东等，2020[23])。这种独立于资本、劳动力、土地等传统生产要素之外的数据要素投入能够带来产业边际效率改善和劳动生产率提高，进而促进生产效率提升。实证研究表明，生产率的提升与大数据分析高度相关：采用大数据分析技术可使平均生产率提升4.1%，并且对信息技术密集型行业的作用更加明显，提升作用高达6.7%(Müller等，2018)[4]。总而言之，数据对实体企业的作用体现在：在生产过程中驱动决策，而在生产结果上表现出提高生产率。

从金融市场投资者的角度来看，数据要素有助于扩充投资者的信息结构，弱化其对资产价值预期的不确定性，降低信息获取成本，从而促进信息融入、提高股价信息含量。Bai et al.(2016)[24]认为随着越来越多的技术传输数据，1960年以来标普500指数的股票价格在预测公司未来收益上显著提高；而Farboodi等(2018)表明数据要素能提高大企业股价的信息含量，而小企业股价的信息含量却有所下降，因此总体来看，大数据对股价信息含量的提升相对有限；徐翔等(2021)[2]认为数据要素具有降低信息获取成本、弱化信息摩擦的作用，而信息获取成本的降低有助于促进投资者信息获取进而提升股价信息含量(Grossman et al.，1980)；Zhu(2019)[8]以消费者交易数据和卫星图像数据作为另类数据的考察对象，实证研究了另类数据对价格信息含量的影响，结果表明另类数据通过降低信息获取成本来提高价格信息含量；廖理等(2021)[9]进一步考察了另类数据中的电商销售数据，实证发现电商销售数据中含有与公司基本面相关的信息，可以预测公司的预期收入、预期盈余和盈余公告累计超额收益，因此投资者利用这些数据信息进行交易，一定程度上有助于提升股价信息含量。例如另类数据公司Thasos通过监测特斯拉弗里蒙特工厂中员工的手机信号，发现从2018年6月到10月，特斯拉工厂夜间轮班时间增加了30%。他们由此判断特斯拉Model 3的产能提高了，并进一步推断特斯拉的股价将上涨。正如预期，2018年10月25日，特斯拉公布第三季度财报，Model 3的产量翻了一番，股价随之大涨9.14%，从某种程度上来说，购买了Thasos数据、提前布局特斯拉股票的对冲基金则有利于这些利好信息融入特斯拉股价，提高特斯拉股价信息含量。

上述文献从实体企业与金融市场两个层面探讨了数据要素对二者的直接影响，然而数据要素对实体企业的作用能否进一步对金融市场产生间接影响，目前并未有直接的理论支撑。学者大多聚焦于宏观层面上的企业数字化转型对金融市场的影响，这些研究主要针对数字化转型对股票流动性、信息透明度、股票定价的影响进行了实证分析。如吴非等(2021)[7]基于中国上市企业2007～2018 年数据，借助爬虫技术归集企业年报中的“数字化转型”关键词，创新性地刻画出企业数字化转型强度，实证检验企业数字化转型对股票流动性的影响及其渠道机制，结论表明企业数字化转型能够通过降低信息不对称程度、促进研发投入、提升财务渠道提升股票流动性，并且在金融科技、数字金融发展较好情况下，企业数字化转型对股票流动性的提升作用更为明显；Chen et al.(2021)[25]研究了企业数字化转型对资本市场信息环境的影响，研究发现企业数字化可以通过信息披露质量和股价信息内容提高资本市场信息的透明度，有效地丰富了资本市场的信息资源，降低了分析人员获取信息的成本，这导致分析师覆盖率显著增加，进而使得公共信息精确性显著提高；Farboodi et al.(2022)[26]进一步研究发现，数字化程度的提高能够提高大企业的股价信息含量，使得大企业股票的定价更为准确。

因此，可以明确的是，作为企业生产要素，数据对实体企业生产决策、生产率提升存在积极的影响。作为金融投资者的信息来源，数据要素对金融市场投资者提升信息准确性、降低信息获取成本具有促进作用。由于实体企业与金融市场存在信息反馈，企业进行数据要素培育等企业生产活动一定程度上会映射至金融市场。而金融市场作为信息的内生聚集器，必然也会自发地揭示并反映企业基于数据要素的生产活动。就现有研究来看，数据要素对实体企业的作用如何进一步反映在金融市场，特别是对金融市场信息有效性的影响，这方面的研究较为匮乏。虽有证据从侧面反映出企业进行数据要素投入将对金融市场有效性产生积极的影响，但是这些研究尚不能回答背后的作用机制与传导路径，归属于企业生产层面的数据要素对金融市场信息有效性的影响仍是一个“黑箱”。本文尝试从数据要素对实体企业的微观作用展开论证。其一，刻画数据要素对企业投资决策的作用机制，明晰数据要素通过企业投资决策对价值创造的微观机理；其二，从实体决策者与金融投资者信息反馈导致多重均衡的视角，揭示数据要素在均衡环境中对金融市场信息有效性的促进作用；其三，将单一资产拓展至多个资产，进一步明确数据要素对金融市场信息有效性的溢出效应。

三、机理分析：数据要素与金融市场信息有效性

(一)数据要素纳入企业投资决策：基于生产函数的分析

(二)融入数据要素的实体投资决策与股价信息反馈

随着数据融入企业投资决策，企业决策者更有能力做出正确的投资决策，当投资机会达成几率高时，会有更多的信息产生，这导致金融市场上投资者信息获取的激励增强。而股价包含的信息又会对实体决策产生重要影响，这导致实体决策与股价之间形成信息反馈循环，图1描述了数据要素投入背景下实体决策与股价的信息反馈机制图。

图1 实体决策与股价信息反馈机制图

一方面，股价是对实体生产决策的反馈。企业在生产过程中形成数据，这些数据经过融合转化，形成了生产要素，并带来了企业决策者信息结构以及未来现金流的改变。企业基本面层面的改变成为金融投资者信息生产的重要对象，促使金融投资者更有动力去挖掘生产信息，并依据这些信息进行交易。由于这些信息反映在价格中，因此，股价通过聚集投资者信息从而反映公司现金流、财务状况等公司基本面，揭示企业发展状况。另一方面，实体生产决策同时又是对股价的反馈。由于价格中包含了指导生产和分配决策的关键信息，并传递了公司未来投资机会以及管理者过去决策的信号，实体经济中的决策者，包括公司管理者、债权人、监管、董事，必然会留意股价中包含的信息，并根据这些信息采取行动(Goldstein et al.，2013；[27]Benhabib et al.，2019[29])。在数据要素驱动企业生产决策的机制下，实体生产决策会对股价产生影响，而股价包含的信息又会影响实体生产决策，二者相互补充，相互促进，形成信息反馈循环。

(三)数据正反馈对金融市场价格信息含量的促进作用

在实体决策者与金融市场投资者信息反馈的作用下，金融市场投资者和实体企业决策者在信息生产上形成策略互补(Benhabib et al.，2019[29])。随着市场参与者信息生产的意愿增强(减弱)，其他参与者信息获取动力同样也会增强(减弱)，这导致市场收敛于不同的均衡状态(Benhabib，2016[30])。在强信息生产的优均衡状态下，企业投入生产要素并进行生产决策，不断增多的数据为企业生产决策提供了重要的决策信息，从而促进企业决策不断优化，驱动企业价值增长。而这一过程间接提高了金融投资者信息获取的动力，提升了投资者对企业未来发展的预期，使之更有动力去挖掘与企业相关的信息，促进信息融入股价，从而导致股价的信息含量增多，而股价信息含量的增加进一步提升了实体决策者的信息精度，提高了实体决策者做出正确决策的可能性，进一步促进了企业生产，生产的扩大又会丰富数据要素储备，形成数据要素——企业决策——股价信息含量的正反馈循环。事实上，一些企业进行要素变革为它们带来了巨大成功，例如李宁在2015年通过实施数字化转型扭转了濒临破产的局面，截至2021年4月市值突破1500亿港元。无独有偶，三一重工在2016年通过数字化转型实现了降本增效、价值增长与市值提升，截至2021年5月份市值已从低谷的三百多亿元飙升到两千多亿元。

然而并非所有进行要素变革的企业都能取得成功，企业在数据要素的培育过程中，可能造成资本的投入过多、产出滞后的窘境，间接地增加了企业现金流风险，据统计80%的企业数字化变革都以失败告终。实际上，企业在推进要素变革过程中需要大量资本投入和沉淀成本(刘淑春等，2021[31])，而且要素变革带来的收益可被其衍生的管理成本抵减，所形成的绩效驱动效果在短期内相对有限，且这种变革具有典型的长期性与不确定性(戚聿东等，2020；[23]徐梦周等，2020[32])，从而增加了这一过程的财务风险。此时，随着基本面现金流的恶化，实体资本决策者减少投资活动，企业生产规模缩小，导致企业生产的数据要素减少，企业决策时面临的误差增大，降低了企业决策的准确性，阻碍了资源的优化配置，导致基本面进一步恶化，造成金融投资者信息生产的意愿减少，交易积极性降低，股票流动性降低，从而阻碍了信息融入，股价信息含量减少。此时在实体决策与股价信息反馈的作用下，市场有可能收敛到另一劣信息均衡，最终形成实体投资决策与股价的恶性循环。

四、数据要素对市场信息有效性的溢出作用

事实上，市场参与者不仅可以学习自身的股票价格，而且也可能会学习与之关联企业的股票价格，从中汲取信息。例如对于同一行业的企业或者企业的上下游企业，其基本面存在一定的相关性，假设两个企业的基本面分别为VM和VN，且Cov(VM，VN)不等于0，则均衡时有Cov(PM，PN)不等于0。一方面，假设M企业在数字化过程中，数据要素促进了M企业股价的信息有效性，在价格的相互学习机制下，N企业股票投资者可以学习到M企业的股价PM，并利用其制定交易决策，促进了N企业股价的信息有效性提升，即Var(VN| PN，PM)降低。如上所述，在实体决策与股价信息反馈机制下，N企业股价信息含量的提高将有助于提升N企业实体决策者的决策能力、促进N企业价值提升。因此，M企业的数据要素培育通过股价之间的信息学习，最终传导至N企业，提升了N企业的股价信息有效性。另一方面，由于M企业股价中包含有N企业基本面相关的信息，那么N企业的实体决策者同样可以观察M企业的股价来进行决策，从而提高N企业正确决策的可能性，在实体决策与股价的信息正反馈循环下，这两种途径都将有利于N企业股价信息含量的提升。

图2给出了M企业进行数据要素投入对N企业带来的溢出效应，其中包含了两条路径，其一是M企业股价有利于提升N企业股票投资者的信息精度；其二是M企业股价对N企业实体决策者的积极影响。反过来，N企业数据要素的影响同样也会溢出到M企业，在M企业与N企业的相互作用下，数据要素在相关行业带来了协同影响。“十四五”规划指出，我国将持续加快推动数字产业化发展，在重点行业和领域通过数据赋能全产业链协同数字化转型。因此率先在某一企业进行数字化转型，有助于带动相关企业或企业上下游进行协同数字化转型。随着某一企业数字化转型的成功，这将促进整个行业数字化转型的成功。

图2 数据要素的溢出效应

五、结论与启示

本文基于数据要素的信息及价值属性，从信息反馈引发多重均衡的角度探讨了数据要素对金融市场信息有效性的作用机制与传导路径。一方面，随着数据要素资源的丰富，企业决策者通过获取数据要素的信息，有利于更加了解企业生产现状和发展前景，从而做出精准的生产决策，提升决策效率，促进企业价值提升，激发金融投资者生产更多信息，促进信息融入股价，提升股价信息有效性，反过来股价信息有效性的提升进一步提高企业决策者的信息精度，对实体决策者产生积极影响，形成数据要素增多与股价信息有效性提升的正反馈循环。另一方面，由于数据要素培育过程中需要大量的资本投入及管理成本，这将给企业现金流带来风险，阻碍了企业生产壮大与数据要素生成，导致企业生成的数据信息减少，降低了企业决策的信息精度，不利于企业生产，从而降低了公众对企业基本面的预期，导致金融投资者信息生产的动力降低，股价信息含量降低，股价因而指导实体决策的信息减少，形成数据要素资源减少与股价信息含量降低的恶性循环。本文随后将模型拓展到多个资产，刻画了数据要素在不同企业之间的溢出效应。在股价信息的相互学习机制下，数据要素的作用可以进一步溢出到相关企业，从而对相关行业带来正向促进作用。

虽然数据要素对金融市场信息有效性可能存在积极的作用，但不容忽视企业在数据要素培育过程中对金融市场有效性带来的负向影响，出现严格的劣均衡，而严格劣均衡必然为不稳定均衡，当受到外部冲击时，劣均衡将处于发散状态，导致金融市场价格出现过度波动、实体投资效率低下。而一旦企业出现财务危机、股价崩盘等困境，必然会波及关联行业，长期来看阻碍了实体经济发展。如何规避或者转化经济系统出现严格劣均衡是企业进行数字化转型需要思考的关键问题。理论上讲，通过实施外部冲击可促使经济系统摆脱当前阶段的约束机制，从而跃升另一更优水平的均衡状态。但如何施加干预、施加何种干预是一项值得深入研究的工作，这也是笔者进一步的研究方向。

注释：

①另类数据是数据要素的一种，特是指那些区别与传统数据(如经济统计数据、公司财务报表、股价等)的非结构化、非标准化的待处理数据，如个人数据(社交媒体、搜索记录等)，商业数据(信用卡)、传感器数据(卫星图像)。

②下文中金融市场有效性特指股价有效性，且股价有效性与股价信息含量意义等同。