企业数字化转型能抑制股票错误定价吗？

储小俊，赵 莉

（南京信息工程大学 管理工程学院，江苏 南京 210044）

一、引言

近年来，中国数字经济有了显著增长，在国民经济中具有重大意义（何文彬，2020）[1]。据《中国数字经济发展白皮书（2022 年）》显示，截至2021 年底，我国数字经济规模已经达到45.5 万亿元，在国内生产总值中所占比重达到39.8%。

另一方面，我国资本市场成立时间晚，发展不成熟，上市公司的股票普遍存在错误定价现象。错误定价会导致资本市场资源错配（刘建秋等，2022）[2]、影响上市企业投融资（李君平和徐龙炳，2015）[3]，甚至会危及金融体系的稳定。因此，学者们一直致力于错误定价成因的探索。影响股票市场错误定价的因素包括公司代理问题（Pantzalis 和Park，2014）[4]、投资者情绪（Beer 等，2018）[5]。其中，影响错误定价重要原因之一是信息质量（徐寿福和徐龙炳，2015）[6]。企业信息质量的提高能改善投资者获取的信息，有助于对上市公司进行合理估值。企业在数字化转型过程中，数字技术可以增加财务报表的准确性和及时性，提高企业信息质量（徐子尧等，2023）[7]。鉴于数字经济的发展，本文将数字化转型作为影响股票市场定价的一个因素进行检验。

本文利用中国沪深两市A 股上市公司2014—2021 年的数据，检验数字化转型对股票市场错误定价的影响和作用机制。与现有研究成果相比，本文的边际贡献在于：一是目前关于数字化转型对企业资本市场表现的研究多涉及股票流动性或股价崩盘方面，鲜有文献从股票错误定价方面考察数字化转型带来的积极影响。本文在一个框架内系统地探讨企业数字化转型、信息质量、股票错误定价三者之间的关系，拓展了企业数字化转型的研究范围。二是本文提供了数字化转型影响股票错误定价的经验证据，拓展了股票错误定价的研究，为抑制股票市场错误定价提供新的思路。

二、理论分析与研究假设

企业信息质量能够缓解信息不对称，帮助减轻股票市场的错误定价（徐寿福和徐龙炳，2015）[6]。第一，信息披露质量的提高可以减少信息不对称的程度，使投资者能够理性地评估上市公司的内在价值，减少逆向选择的现象，降低股票估值错误的可能性。由于信息不对称导致的逆向选择，致使优质公司的价值被低估，而劣质公司的价值被高估。无论是优质公司被低估还是劣质公司被高估，都会使上市公司的市场价值与其内在价值发生偏差。第二，提高信息披露质量有助于降低由于信息不对称导致的投资者意见分歧，有利于投资者形成一致的估价预期，减少由意见分歧引起的估值偏差。从某种程度上说，股票市场是信息能力强的上市公司和信息能力弱的投资者之间的博弈，也是位于信息源附近和远离信息源的投资者之间的博弈（翟林瑜，2004）[8]。高质量信息披露使投资者对上市公司的认知更趋于一致，减少意见分歧，降低股票被错误定价的可能性。

数字化转型成为提高企业竞争力的关键手段（陈海东和吴志军，2022）[9]。更重要的是，数字化转型提高了企业信息质量。第一，企业在数字化转型过程中应用了先进的数据挖掘和分析技术，完善企业信息披露流程，提升披露信息的真实性、及时性和客观性，有效提高企业信息质量。第二，数字化转型有助于降低管理者操纵信息，为管理者和利益相关者之间创造了透明空间。以往，企业信息往往被管理者垄断，信息流动性低、准确性差。出于业绩压力和融资需求，管理层容易对企业坏消息进行隐藏。数字化转型可以降低管理层操纵信息的主观意愿和客观能力（马慧和陈胜蓝，2022）[10]。一方面，数字化转型通过提高全要素生产率，改善公司业绩，提升企业价值。同时，数字化转型也能够通过降低企业融资成本等方式缓解企业融资压力，解决财务困境（Cui 和Wang，2023）[11]。所以数字化转型降低了管理者机会主义倾向，减少管理者操纵信息的主观动机。另一方面，数字化转型使得企业能够更好地监测和管理信息流，使信息变得更加透明和可追溯，导致管理层在操纵信息方面付出非常大的成本，减少管理者操纵信息的客观能力（易露霞等，2021）[12]。

总之，数字化转型有助于提升企业信息质量，减少由于信息不对称造成的投资者逆向选择、意见分歧等对股票价格的干扰，进而抑制股票错误定价。因此，本文提出研究假说1：

H1：数字化转型可以通过提升企业信息质量抑制股票错误定价。

数字化转型可以利用数字技术对高技术企业的无形资产进行深度挖掘，对其进行有效的风险评价（黄锐等，2020）[13]。也就是说，在获取高技术领域股票价格方面，数字化转型似乎具有独特的技术优势。但以下有两个原因能够解释数字技术无法抑制高技术行业的股票价格“失真”问题。第一，高技术行业通常包括信息技术、航空航天技术、生物技术等，这些领域已经处于科技前沿，其数字化水平往往已经很高。所以，相同程度的数字化转型提升给传统行业带来的边际效益更高，即企业数字化转型对传统行业的股票错误定价抑制效果更加明显。第二，高技术行业在一定程度上反映了国家的技术前沿，市场投资者十分青睐这些行业。所以高技术行业的市场泡沫较大，普遍面临着股票定价过高的问题（赖晓冰和岳书敬，2023）[14]。然而，中国股市对卖空的限制使得卖空高估值公司变得困难，导致数字化转型对高技术行业股票错误定价的抑制效果不佳。因此，本文提出研究假说2：

H2：与高技术行业相比，传统行业数字化转型对股票错误定价的抑制作用更明显。

由于优越的地理位置，东部地区的市场经济、法律制度均优于中西部地区（Chu 等，2015）[15]。第一，东部地区的制度环境较高，上市公司在信息披露方面管理水平相对更高，报告透明度更好，使市场参与者能够更好地了解公司的运营状况，降低信息不对称程度（林川，2022）[16]。而在中西部地区，一些公司信息披露不够及时、完整和透明，导致市场参与者难以对公司的真实状况进行判断，所以东部地区企业的信息质量普遍更高。据《数字化转型指数报告2022》显示，2021 年，数字化转型水平前5 名的省份分别是广东、北京、上海、江苏和浙江，均属于东部地区；5～10 名中出现3 个中西部地区的省份，分别是第7 名的四川、第8 名的河南和第9 名的湖北。第二，东部地区经济市场发达，信息传递速度快，时效性更高，投资者能够及时地了解到新闻事件或公司公告。而中西部地区由于人口密度和经济落后等因素，市场不够灵敏，市场参与者对信息的反应较慢。所以，东部地区对企业信息具有更强的市场敏感性。因此，本文提出研究假说3：

H3：与中西部地区相比，东部地区企业数字化转型对股票错误定价的抑制作用更明显。

三、研究设计

（一）样本选取与数据来源

本文选取2014—2021 年沪深两市的A 股上市公司为研究样本，进行实证检验。并对样本进行以下处理。第一，剔除金融类公司样本；第二，剔除样本期间内ST、*ST 的公司样本；第三，为避免极端值的影响，对连续变量进行上下1%的缩尾（Winsorize）处理。最终获得4 630家上市公司的26 664 个样本。本文使用的数据为年度数据，数据来源于国泰安数据库（CSMAR）。

（二）变量定义

1.股票错误定价。参考游家兴和吴静（2012）[17]，采用行业相对估值法，将公司的市场价值与基础价值进行比较来测量股票错误定价水平。这一方法首先由Berger 和Ofek（1995）[18]提出，具体做法是从同行业所有公司出发，计算出公司的基础价值，然后将公司的市场价值与基础价值进行比较，衡量公司的错误定价程度。计算公式如下：

式（1）中，Capital是指普通股市场价值与负债的账面价值之和，Asset×Ratio代表公司的基础价值，Asset代表公司的资产总额，Ratio表示公司所处行业内各家公司的Capital与Asset比率的中位数。将以上数值代入式（1）计算可得到股票错误定价程度（Misp）。若Misp大于0，则表示公司股价被高估，若Misp小于0，则表示公司股价被低估。由于本文研究目的是数字化转型是否有助于抑制股票的错误定价程度，而不是估值的偏高或偏低。所以取Misp的绝对值（|Misp|）来反映错误定价的程度，|Misp|越大表示股票错误定价程度越大。

2.企业数字化转型。国内学者的一般做法是使用文本分析法，通过统计上市公司年报中出现的与数字化相关的词汇或句子来衡量企业数字化转型程度（向海凌等，2022）[19]。采取这种测量方式有以下原因：第一，这些与“数字化”相关的关键词反映了国家对数字化转型方面的关注，被大量的产业政策或配套战略所采用；第二，数字技术是上市公司的亮点，企业有很强的意愿在年报中披露数字技术，以此赢得资本市场的青睐。

本文按照吴非等（2021）[20]的做法，根据样本公司年报文本中与“数字化”相关的词汇频率来衡量企业数字化转型的程度。首先，数字化转型词汇的定义包括五个维度，分别是“人工智能技术”“区块链技术”“云计算技术”“大数据技术”和“数字技术应用”。然后基于每个维度，捕捉具体关键词。其次，根据捕捉到的关键词，汇总样本公司年报中与“数字化”相关的词汇频率。然后，剔除关键词前存在否定性表述的词频，例如“无”“不”“没”等，得到“数字化”有效词频。最后，为防止词频“右偏性”的影响，本文对统计的词频进行对数化处理，具体做法为：数字化转型程度Digital=ln（1+“数字化”有效词数）。

3.控制变量。为排除其他因素对股票错误定价的影响，参考已有研究文献，本文加入以下控制变量：上市公司规模、资产收益率、资产负债率、企业年龄、独立董事占比、第一大股东持股比例、政府补助。此外，本文同时控制了年份固定效应和个体固定效应（见表1）。

表1 变量定义及说明

（三）模型设计

1.基准模型。为了研究企业数字化转型对股票错误定价的影响，本文建立以下回归模型。

在式（2）中，Control表示控制变量，|Misp|是股票错误定价程度，Digital是企业数字化转型程度，Year和Firm分别代表年份固定效应和个体固定效应。为提高回归模型的准确性，本文进行以下处理：首先，对核心解释变量和所有控制变量均进行滞后1 期处理。既考虑到实际中变量之间传递存在时间延迟，同时，也能减少“逆向因果”带来的内生性干扰。其次，对样本企业的时间效应（Year）和个体效应（Firm）同时控制，能够缓解“遗漏变量”造成的内生性问题，提高估计模型的可靠性。

2.机制检验模型。本文从企业和市场两个层面来度量企业信息质量（IMD）。

企业层面上，管理费用率（MER）越高，委托代理成本越高，信息质量越低（李志生等，2020）[21]。所以可以使用管理费用率作为信息质量企业层面的代理变量。企业管理费用率越高，信息质量越差。市场层面上，用KV指数作为企业信息质量的代理变量（徐寿福和徐龙炳，2015）[6]。交易量对收益率的影响系数一般被称为KV指数，它通过反映市场对交易量的依赖进而反映公司信息质量的好坏。具体来说，公司信息披露越充分，投资者对交易量信息的依赖会减少，对信息披露的依赖会增加，导致交易量对收益率的影响减小；反之，信息披露越少，投资者就会更多地依赖交易量信息，对信息披露的依赖程度越小，导致交易量对收益率的影响越大（Kim和Verrecchia，2001）[22]。

式（3）中，Pt代表第t日的股票收盘价，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。对每家上市公司回归得到λ值，根据得到的值按照式（4）计算得KV指数。λ越小（KV随之也越小）表明市场对交易量的依赖度越小，对企业信息的依赖度越高，代表信息质量越高。所以，KV指数越小表明公司信息质量越高。

在构建信息质量指标及前文理论分析的基础上，本文构建式（5）和式（6）作为中介效应模型，检验信息质量的影响机制作用。

在式（5）与式（6）中，IMD分别表示MER和KV指数。若企业信息质量在数字化转型对股票定价的影响中存在中介作用，那么系数值β1和γ1应均显著。如果系数值γ2不显著，表示存在完全中介效应；若系数值γ2显著，意味着存在部分中介效应。

四、实证检验与分析

（一）描述性统计

市场定价机制完全发挥作用时，股票价格应该与公司内在价值相吻合，错误定价代理变量的平均值和中位数应趋近于0。但是，据表2 的变量描述性统计结果可以看出，|Misp| 平均值和中位数分别为0.435 和0.351，与刘建秋等（2022）[2]、赖晓冰和岳书敬（2023）[14]的计算结果没有明显偏差。这表明在我国资本市场上，普遍存在股票价格与其内在价值相背离的现象。核心解释变量Digital的标准差和最大值与吴非等（2021）[20]统计的数字化转型结果十分贴近。平均来看，“数字化”相关词频在样本公司年报文本中出现4 次，可见数字化转型是企业关注的一个焦点，成为中国企业发展的一个重要方向。另外，Digital的最小值和最大值分别是0 和5.112，说明样本公司的数字化转型有较大差距。

表2 描述性统计分析

（二）基准回归

表3 报告了企业数字化转型与股票错误定价的基准检验结果。在列（1）中，Digitalt-1的回归系数为-0.012，并且通过了1%水平下的显著性检验。表明数字化转型与股票错误定价之间显著负相关，即企业数字化转型程度越高，其股票错误定价的程度越低。在列（1）的基础上，列（2）引入了控制变量集，Digitalt-1的回归系数有所降低，降低为-0.009，但显著性仍然在1%的水平下保持不变，可能是纳入控制变量后，一些影响被吸收。从经济显著性看，企业数字化转型每提升1 个标准差（1.404），股票错误定价程度会随之下降0.012 6。样本中股票错误定价程度的均值为0.045，表示企业数字化转型每提高1个标准差，股票错误定价会降低28.08%。表3 结果表明，数字化转型确实显著降低了股票错误定价程度。本文假说H1 得到实证支持。

表3 基准回归

（三）稳健性检验

为确保结论的稳健性，本文进行如下稳健性检验。

1.缓解内生性

为进一步防止某些不可观测的企业因素带来的内生性干扰，本文以本行业其他公司数字化转型平均值（M-Digital）作为工具变量进行检验。由于企业在数字化转型过程中存在“同群效应”，因此以同行业其他公司的数字化转型平均值（M-Digital）作为工具变量满足相关性的要求。并且，同行业其他公司的数字化转型不会直接影响本企业股票错误定价问题，所以此工具变量满足外生性条件。

由表4 列（1）可知，第一阶段检验中M-Digital的系数为显著的正数，表明同行业其他企业数字化发展会促进本企业的数字化转型，满足工具变量与解释变量相关的条件。据表4 列（2）显示，Digitalt-1在第二阶段的回归中系数仍为显著的负值。与基准回归相比，纳入工具变量后Digitalt-1系数提高至-0.197，且显著性保持不变。表示缓解内生性干扰后，数字化转型仍能有效降低股票错误定价，证明基准回归结论具有稳健性。

表4 内生性检验

2.替换变量。

（1）替换解释变量。尽管在国内现有文献中，越来越多的数字化转型是通过文本分析来计算的，但这可能会引起一些问题。例如，公司可以选择性地披露有关数字化的信息，甚至夸大数字化转型的投入，对公司进行过度宣传，以迎合资本市场的需要。为了消除这一顾虑，本文沿用张永珅等（2021）[23]的做法，使用上市公司年报中披露的数字化技术无形资产金额占无形资产总额的比重衡量公司的数字化转型程度。如果无形资产中含有“软件”“管理系统”“智能平台”等与数字化技术有关的关键词，以及与之有关的专利，则定义为“数字化技术无形资产”。然后将所有数字化技术有关的无形资产累计起来，计算出其在当年无形资产总额中所占的比重，将此比重作为衡量数字化转型程度的代理变量，记为Digital2。

（2）替换被解释变量。本文参考Rhodes-Kropf等（2005）[24]、何德旭等（2022）[25]，采用市值账面比的拆分来度量股票错误定价的程度。其中，Mi，t表示公司i在t年末的市场价值，是年末非流通股股票的账面价值与流通股股票的市场价值的总和。Bi，t是公司i在t年末的资产总额。（NI）+代表公司的净收入绝对值。Ln（NI）+代表净收入绝对值的对数值。I（＜0）是一个二元变量，当NI＜0，即公司净收入为负时，I（＜0）取值为1；反之，I（＜0）取值为0。Lev为负债总额与资产总额的比率。V代表公司的基础价值。

然后，将公司的具体数值代入所属行业的估计公式，估算出相应的基础价值V；最后，利用ln（M/V）对股票错误定价程度进行度量（Misp2）。

表5 显示了变换解释变量和被解释变量的度量方法后的检验结果。表5 列（1）替换了错误定价的衡量指标，变量Digital1t-1系数的数值和显著性与基准回归较相近。表5 列（2）用数字技术无形资产作为数字化转型的衡量指标，Digital2t-1系数仍显著为负。

表5 稳健性检验：变换被解释变量与解释变量

检验结果表明，无论采用何种变量度量方法、无论是否加入控制变量，Digitalt-1对|Misp|的负向影响仍保持显著，表明数字化转型与股票错误定价之间具有负相关关系。再次证明基准回归结论“企业数字化转型有利于降低股票错误定价”。

3.剔除特殊样本。第一，剔除直辖市企业。与其他城市相比，四大直辖市所在城市级别较高，在经济、政治方面具有较大的特殊性，企业是否进行数字化转型以及数字化转型程度可能存在差异。所以，本文参照唐松等（2020）[26]的研究，将四大直辖市公司样本剔除，然后对剩余样本重新进行回归检验，结果如表6 列（1）、列（2）所示。研究发现，在剔除直辖市企业样本后，无论是否加入控制变量，Digitalt-1系数与基准回归相比均下降0.002，但仍为显著负值，仍可说明数字化转型对股票错误定价具有抑制作用。第二，剔除未进行数字化转型的企业。由表2 描述性统计知，样本公司的数字化转型程度有较大差异。因为本文研究数字化转型程度对股票错误定价的影响，所以删除未进行数字化转型的企业，即年报中有关数字化词频为0 的样本，然后重新回归检验，结果在表6 列（3）、列（4）给出。回归结果表明，剔除未进行数字化转型或者转型程度很小的企业样本后，Digitalt-1与|Misp|之间仍为显著的负相关关系。

表6 稳健性检验：剔除特殊样本

表6 的实证回归结果显示，剔除直辖市公司样本、剔除没有进行数字化转型的特殊样本后，数字化转型对股票错误定价的估计系数显著为负，再次验证“企业数字化转型能够有效抑制股票错误定价”这一核心结论是稳健的。

4.细分数字化转型指标。数字化转型技术具有差异性和结构特点。为了深入探讨“企业数字化转型与股票错误定价”之间的关系，本文将数字化转型指标分解至两大层面，一是“底层技术层面”，二是“实践应用层面”。表7 实证研究发现，数字化转型两个子指标的回归系数至少在10%的水平下保持显著为负，这一结果符合本文预期，表明基准回归具有稳健性。其中，无论是否纳入控制变量，底层技术层面转型对企业股票错误定价的抑制均比实践应用层面转型更有效，回归的系数和显著性方面都表现得更好。所以本文认为，以技术层面为核心的数字化转型更容易得到市场的认可，从而产生正向作用，纠正股票的错误定价。所以，企业在数字化转型的过程中应更注重技术层面的转型。

综上所述，在经过缓解内生性、替换解释变量与被解释变量度量方法、剔除特殊样本、细分数字化转型指标一系列稳健性检验后，检验结论均未发生变化，企业数字化转型对股票错误定价的影响始终为负。所以“企业数字化转型有助于抑制股票市场错误定价”这一核心结论具有稳健性。

（四）异质性分组检验

1.高科技行业与传统行业分组检验。为检验企业数字化转型对股票错误定价的影响是否具有行业差异，本文将样本划分为高技术行业样本和传统行业样本进行分组回归。表8 列（1）和列（2）显示出数字化转型在“高科技行业-传统行业”中纠正错误定价的差异。结果显示，传统行业的Digitalt-1系数在5%水平上显著为负，而高科技行业Digitalt-1的系数没有通过显著性检验，所以数字化转型对股票错误定价的抑制作用在传统行业中的表现更好。表明在传统行业中，数字化转型更能展现对股票错误定价的“纠错”功能。检验本文假设H2。

表8 异质性分析

2.东部地区与中西部地区分组检验。将样本按照公司所处省市分为东部地区样本和中西部地区样本两类，以便考察数字化转型对股票错误定价的影响是否具有区域差异。从表8 列（3）和列（4）来看，在东部地区样本中，变量Digitalt-1系数的估计值和显著性均优于中西部地区。这表明数字化转型对股票错误定价的抑制作用在东部地区企业中表现得更为明显。验证本文假设H3。

总之，数字化转型在行业层面和区域层面的股票定价“纠错”作用均存在差异。

五、机制检验

为验证企业信息质量是否为数字化转型降低股票错误定价的影响机制，下文根据式（5）和式（6）回归，机制检验结果如表9 所示。其中，表9 列（1）是前文基准回归结果，表明数字化转型与股票错误定价间存在显著负相关关系。表9 列（2）和列（3）以管理费用率作为企业信息质量的代理变量，表9 列（4）和列（5）以KV指数衡量企业信息质量。

表9 机制检验

根据表9 列（2），Digitalt-1系数值显著为负，表示数字化转型与管理费用率之间显著负相关，所以数字化转型与企业信息质量之间显著正相关。由此可得，数字化水平越高，企业信息质量也越高。据表9 列（3），变量MER的系数值显著为正，说明管理费用率与股票错误定价之间显著正相关，所以企业信息质量对股票错误定价有显著负向影响，即企业信息质量越高，股票错误定价程度越低。表9 列（2）和列（3）验证了企业信息质量在数字化转型与股票错误定价之间的中介作用。在表9 列（1）和列（3）中，Digitalt-1系数值由-0.009 变为-0.007，说明中介效应占比为0.168，显著性由1%降至5%，证明企业信息质量在数字化转型对股票错误定价抑制中具有部分中介作用。

列（4）回归结果显示，变量Digitalt-1对KV指数的影响系数显著为负，表明企业数字化转型与KV指数之间存在显著负相关关系，所以数字化转型对企业信息质量存在显著的正向影响。在列（5）中，变量KV系数值显著为正，说明KV指数与股票错误定价之间存在显著正相关关系，所以企业信息质量有助于降低股票错误定价程度。列（4）和列（5）同样证明了企业信息质量影响机制的存在。在列（1）和列（5）中，Digitalt-1系数值由-0.009 变为-0.008，说明中介效应占比为0.087，显著性由1%降至10%，再次证明企业信息质量具有部分中介作用。

综上，根据表9，无论是使用公司层面还是市场层面的企业信息质量代理变量，都可以证明信息质量的部分中介作用。再次验证前文的研究假说H1。

六、结论与建议

我国的金融制度存在缺陷，金融市场的股票普遍存在“错误定价”问题。近几年，数字化浪潮已经渗透到中国的资本市场。其中，企业数字化转型对于提升信息质量具有重要作用，可能会对股票价格造成潜在影响。

本文以2014—2021 年深沪A 股上市公司为样本，运用双向固定效应，实证检验了企业数字化转型对股票市场错误定价的影响以及作用机制。研究发现，企业数字化转型能够显著抑制股票错误定价，即企业的数字化转型水平越高，其股票错误定价程度越低。这一结论在缓解内生性、替换变量、剔除特殊样本、细分数字化转型指标一系列稳健性检验后依然保持成立。异质性分析发现，数字化转型对股票错误定价的影响在传统行业、东部地区中表现得更加显著。影响机制研究发现，公司信息质量部分地传递了数字化转型对股票错误定价的影响。本研究拓展了数字化转型影响和股票错误定价原因的研究，为推动我国企业进行数字化转型，降低股票市场价格偏误提供参考。

基于以上结论，本文提出两点建议：

一是加强公司数字化转型的程度，以纠正股票价格的“失真”。一方面，不同行业、不同地区的企业需要数字化转型的重点可能不同，企业应该根据自身数字化转型程度和外部市场条件，制定差异化的数字化转型战略，提高数字化水平；另一方面，国家应该按照不同地区、不同行业的需求，针对性地制定优惠政策，鼓励企业进行数字化转型，以便各企业能够充分发挥数字化转型的积极效应，降低股票错误定价程度。

二是提高信息质量，使投资者对上市公司进行合理估值。高质量的企业信息能有效传递数字化转型带来的积极影响，抑制上市公司股票错误定价。一方面，企业需要加强数字化转型过程中的信息披露机制构建，提升企业信息质量，为股票定价提供更准确的信息基础；另一方面，为确保企业信息披露的准确性和完整性，监管部门需要加强对企业信息披露的监管，对信息披露不及时、不准确、不完整的企业进行处罚，尤其是刻意夸大数字化成果、选择性披露数字化信息的企业。