数据资产信息披露与企业金融资产配置

II一、引言随着时代的不断发展，数据成为重要的生产要素。披露数据资产的意义重大，从数据要素市场的视角出发，披露数据资产有利于其发展；从企业出发，能改善财务报表。国源科技表示，公司2024年营业利润较2023年同期增加283.91万元，增长33.87%，主要原因之一是数据资源入表。另外，数据资产入表可以为企业数字化升级打下基础。然而，在数据要素市场尚未成熟、数据价值挖掘仍处于初级阶段的背景下，急于利用数据资产入表进行数据抵押贷款，过度渲染数据资本化观念以及过分强调数据交易忽视数据流通，可能会不利于企业的可持续发展（端利涛，2025）REF_Ref28460\r\h[1]。在我国，随着金融市场深化和利率市场化改革的推进，企业参与金融活动的深度和广度不断扩大。企业金融资产配置水平高的具体表现为企业金融资产占比持续上升、金融渠道收益在利润构成中的重要性增强，以及企业经营战略向金融领域延伸等多个维度。可以促进金融市场的发展和创新，也为企业提供了更多的金融服务和工具。其对企业的影响具有两面性。从正面影响来看，企业配置金融资产可以增加资金来源和提高融资能力，加速企业的扩张，进而促进企业的发展；从负面影响来看，有人认为企业的金融资产配置会增加财务风险。现有文献鲜有研究数据资产信息披露与企业金融资产配置两者之间的关系，基于此，本文提出以下问题：数据资产信息披露会影响企业的金融资产配置吗？如果会，这种影响是促进还是抑制？具体通过什么方式产生影响？解决这些问题，有助于优化数据要素市场的运行机制；可以为企业提供决策依据，引导其平衡金融资产与数据资产配置，避免过度金融化对主业发展的负面影响；可为政策制定者提供参考，完善监管政策，推动数字经济与实体经济融合；帮助投资者更精准评估企业长期价值，同时警示市场关注“数据泡沫”与“金融泡沫”的叠加风险。论文框架如图1.1所示。图1.1论文框架本文可能的创新点主要表现在以下三方面：（1）通过对已有文献的总结，发现现有关于数据资产信息披露的研究主要集中于会计确认与价值评估方面，研究其对企业金融资产配置行为的论文甚少；（2）根据相关理论，提出了数据资产信息披露和企业金融资产配置之间的关系假设；（3）采用实证分析方法。通过回归分析来检验两者之间的关系。最后，为了保证研究结果的可靠性，使用多种手段进行了检验。

二、文献综述（一）数据资产及其信息披露与经济后果目前对于企业数据资产及其信息披露已有文献大多基于理论分析现行披露制度的局限和数据资产价值评估方法，相关实证研究刚刚起步。具体而言，理论研究方面，赵畅（2024）分析了现行数据资产信息披露制度在披露内容、披露方式、披露时间和信息安全方面的不足，在此基础上提出改善企业数据资产信息披露的操作细节REF_Ref28705\r\h[2]；陈梦根等（2025）总结了现有的数据资产价值评估方法REF_Ref29022\r\h[3]。实证研究方面，首先，我国学者的度量方法有所差异，现有文献主要是对上市公司年报中包含数据资产的关键词进行文本挖掘，本文采用该种方法测量数据资产信息披露水平。除此之外，Veldkamp（2023）提出数据资产可以用市场价值和账面价值的差额表示REF_Ref29094\r\h[4]。路征等（2023）提出可以将市场价值、固定资产、金融资产和无形资产的差额取对数，该方法的合理性已得到验证REF_Ref29211\r\h[5]。其次，多数实证论文从微观企业层面揭示数据资产信息披露的赋能机制。牛彪等（2024）认为数据资产信息披露能够降低审计费用REF_Ref29303\r\h[6]；陈晓珊等（2024）通过研究发现数据资产信息披露每增加一个标准差，企业战略激进程度将提高0.131个百分点，且这种关系在非国有企业、高科技企业和非衰退期企业中更明显REF_Ref29368\r\h[7]。YuetongLi（2024）利用2010-2020年中国上市公司样本,发现使用数据资产的企业具有更好的ESG表现REF_Ref29456\r\h[8]。（二）企业金融资产配置的影响因素依据因素来源，本文将企业金融资产配置的因素划分为企业外部因素和企业自身因素。从企业外部因素看，柳雅君等（2025）利用渐进双重差分模型，提出的全国统一大市场建设通过发挥生产规模扩大效应、融资约束缓解效应、技术效率改善效应三条路径抑制企业金融资产配置行为REF_Ref29678\r\h[9]；李真等（2023）认为银行金融科技对高数字化转型程度的企业、非国企和非制造业企业的金融化抑制作用更明显REF_Ref29721\r\h[10]；胡珺（2023）结合费雪效应的基本观点，发现预期通货膨胀与企业金融资产配置之间存在“倒U型”的非线性关系，结合我国实际情况，认为当通货膨胀预期相对上升时，企业会显著增加金融资产配置，这种行为虽然会提升企业绩效，但是不利于企业的长期发展REF_Ref29760\r\h[11]。从企业自身因素来看，异质性股东身份的加入会提高企业金融资产配置水平（曹伟等，2023）REF_Ref29930\r\h[12]；上官泽明等（2023）发现企业基于投机套利动机，存在着“漂绿”ESG表现从而掩盖金融资产增加的行为REF_Ref29982\r\h[13]；Hui（2022）认为企业代际传承会抑制企业金融资产配置行为REF_Ref30008\r\h[14]；同样，马骏等（2025）通过对2007到2021年沪深A股上市企业数据分析，研究发现：家族企业由于重视对短视行为和社会情感财富损失的规避，以及对基业长青的追求从而降低金融资产配置水平REF_Ref30038\r\h[15]；焉嘉豪等（2025）发现行业专家独董通过引导主业投资与缓解代理问题，减少企业金融资产配置行为，并且在经营环境不确定性更高、董事长资历较浅、高管过度自信的企业中抑制效应更好REF_Ref30090\r\h[16]；除正向或负向影响企业金融资产配置行为外，罗明津等（2025）通过研究发现企业主业经营困境对金融化资产配置存在倒U形效应REF_Ref30113\r\h[17]。（三）文献述评综上所述，从相关文献上来看，已有研究中，对数据资产及其信息披露和企业金融资产配置之间的关系关注较少。企业配置金融资产的水平可以显现出企业的经营目标和发展方向，关乎企业长远发展和健康发展，而且企业需要披露数据资产信息也具有重大意义。基于此，本文深入研究数据资产信息披露与企业金融资产配置之间的关系，并揭示两者间的机制黑箱，为加强数据资产全过程管理和企业调整金融资产配置行为提供理学支撑与经验启示。

三、理论基础与研究假设（一）数据资产信息披露与企业金融资产配置企业持有金融资产主要有两个原因。第一个是预防性储蓄，用来应对未来可能出现的资金短缺问题。由于数据资产的形成过程会占用资金，且其具有较高的技术不确定性，为防止未来出现资金短缺问题，企业可能采取持有更多金融资产的策略，以对冲数字化转型过程中可能出现的各种风险，形成"数据创新投入与金融资产保值"并行的资源配置格局。（于翔等，2024；苑泽明等，2024）经过研究，认为数据资产会影响岗位创造、高薪引才和技能提升三大方面，带动人力资本升级[18-REF_Ref30547\r\h19]。由此可见，企业数据资产会改变企业现有的人员结构，并带来一系列的管理费用和治理成本，需要占用大量资金，这会导致未来可能出现资金不足的问题。为了应对这个问题，企业会更倾向于进行预防性储蓄，这样做可以缓解现金流压力。因此，企业往往会增加金融资产的配置比例。第二个原因是追求高收益。金融资产通常能带来较高回报。企业管理者为了提升公司利润，往往会增加金融资产的投资比例，形成“披露——套利”的循环机制，数据资产可能被异化为“概念炒作”的工具。管理层通过强调企业的数据资产来提升股价，为满足短期绩效目标，管理层倾向于将冗余资金配置于金融资产，从政策上看，我国金融市场存在制度性套利空间，会促使企业将获取的资金投入到高收益金融产品。总结来看，披露数据资产可能被用来掩盖管理层的自利行为，帮助企业获得超额收益。当管理层把数据资产信息披露当作配置金融资产的工具时，他们追求超额利润和个人利益的动机会更强，从而配置更多金融资产。基于以上的内容，提出假设1:H1:数据资产信息披露会促进企业金融资产配置水平的上升（二）数据资产信息披露、融资约束与企业金融资产配置基于信号传递理论，企业为了获取优质资金支持，往往是由于向市场传递较难模仿的信息以减少信息不对称。首先，数据资产与国家“数字中国”战略高度一致，企业通过在年报中披露数据资产，向相关者传递其响应国家政策的良好形象，提高声誉。同时，也降低了外部投资者面临的信息风险，从而吸引了外部投资者的目光。牛彪等（2024）发现企业数据资产的标准差每增加百分之一，权益资本成本会减少百分之一点三六REF_Ref31021\r\h[20]。王洁璇等（2024）研究了2023年4339家上市公司，同样发现数据资产能使相关企业股价获得更高的收益REF_Ref31070\r\h[21]。其次，数据资产的披露有助于金融机构更好地获取企业信息，降低了金融机构与企业之间的不对称程度，增强其信贷获取能力；最后，政策红利机制显示，积极披露数据资产的企业更容易获得政府补贴和税收优惠等政策支持。基于资源基础理论，认为企业的竞争优是由于拥有稀缺资源，数据作为新型要素，具有能帮助企业抓住机会、抵御威胁、在行业中稀缺、难以被竞争对手模仿、无其他资源可完全替代其功能和企业需具备组织能力开发利用资源的特征，会显著提高了企业在数据收集、分析和应用方面的专业能力，同时，Changyu等（2022）使用了2003年至2019年中国A股上市公司的样本,认为数据资产与运营效率之间呈显著正向关系REF_Ref31243\r\h[22]。GuoXiaochuan等（2023）研究发现数字化转型可以通过降低总资产周转率、增加管理费用等方式提高全要素生产率REF_Ref31301\r\h[23],此外，数据资产在进行权属登记后成为可以用来质押融资，也能够增加内部现金流，为企业发展提供资金支持。从信号传递和资源赋能两个视角的阐述可以看出，数据资产信息披露有助于拓宽企业融资渠道和降低融资成本，缓解企业融资难的问题。企业有了资金后，为获取高收益率，金融资产配置水平就会上升。基于以上内容，提出假设2:H2:数据资产信息披露通过缓解融资约束，促进企业金融资产配置水平的上升。（三）数据资产信息披露、机构投资者持股与企业金融资产配置基于委托代理理论，代理方具有信息优势，可能因自利行为损害委托方利益，机构投资者作为专业股东，通过主动监督企业决策，能够缓解委托方和代理方的矛盾，从而抑制管理层因信息优势而过度配置金融资产的行为，缓解代理冲突，促使企业回归实体投资。基于上述分析，提出假设3:H3:机构投资者持股在一定程度上削弱了数据资产信息披露对企业金融资产配置的正向影响。

四、研究设计（一）样本选择与数据来源本文选取了2010-2020年沪深A股上市公司为样本，由于要避免2008年金融危机带来的影响，因而选择2010年为样本起点。并按以下内容对样本进行筛选：（1）剔除ST、*ST等企业。（2）剔除金融和房地产行业企业。（3）剔除数据缺失的企业。（4）剔除样本周期内的企业单一观测样本。最终获取3357家上市公司24673条观测值。并对所有连续变量做1-99%的收尾处理。本文所使用的数据资产信息披露水平数据来自中国研究数据服务平台（CNRDS），其它财务相关数据均来源于国泰安数据库（CSMAR）。（二）变量定义1.被解释变量企业金融资产配置（FA）。参考陈琪（2024)REF_Ref31915\r\h[24]的衡量方法，2010-2017年将交易性金融资产、衍生金融资产、可供出售金融资产、投资性房地产、持有至到期投资和发放贷款及垫款，共计六个项目划分为金融资产。由于2018年修订了新的金融工具会计准则，所以在2018年及以后的时间，保留交易性、衍生、可供出售金融资产以及投资性房地产，新增债权投资、其他债权投资、其他权益工具投资和其他非流动性金融资产，共计八个项目划分为金融资产。以金融资产占总资产之比来衡量企业金融资产配置（FA）。2.解释变量数据资产信息披露（Data）。参考陈晓珊等（2025）REF_Ref31955\r\h[25]的做法。基于“数据资产”概念，通过“种子词集+相似词扩充”的方法，共筛选出了11个语义相似度高于0.5的关键词。具体关键词集合见图4.1。图4.1关键词集合接着运用Python编程技术对上市公司年报文本进行关键词总频数和剔除英文单词、标点符号及无意义中文单词的年报总词频数的检索，最后将识别到的关键词总词频数除以年报文本总词频数，并将该比值放大100倍作为最终的数据资产信息披露水平（Data）测度值。该指标数值越大，代表企业在年报中披露数据资产的水平越高。具体公式如下：(1)式（1）中，表示t年企业i的数据资产信息披露水平。表示在t年公司i的年度报告中查找关键词n的加总词频数。表示从t年公司i的年度报告中删除英文单词、标点符号及无意义中文单词后的总词频。3.中介变量融资约束（FC）。在现有文献中，FC指数被广泛用于衡量企业融资约束程度。4.调节变量机构投资者持股比例（Inst）。用机构投资者持有的上市公司股份比例来衡量，数据来源于CSMAR数据库里的经营困境库管理层治理能力表的机构投资者持股比例字段。5.控制变量本文参考曹伟等（2023）REF_Ref29930\r\h[12]、张怡阁等（2023）REF_Ref32066\r\h[26]的研究，控制了影响企业金融资产配置的其他因素，包括：企业规模（Size）、公司年龄（Age）、资产负债率（Lev）、总资产净利率（Roa）、独立董事占比（Indep）、股权集中度（Top）。具体变量定义见下表4.1：表4.1变量定义表变量类型变量名称变量符号变量定义被解释变量金融资产配置FA金融资产/总资产解释变量数据资产信息披露Data与数据资产相关关键词的加总词频数/年报中删除英文单词、标点符号及无意义中文单词后总词频数×100中介变量融资约束FC基于融资约束FC指数公式计算调节变量机构投资者持股比例Inst机构投资者持有的上市公司股份比例控制变量企业规模Size总资产取自然对数企业年龄AgeIn(当年年份-成立年份+1)资产负债率Lev年末总负债占总资产的比例总资产净利率Roa净利润/平均总资产独立董事占比Indep独立董事人数占董事会总人数的比例股权集中度Top第一大股东持股数占总股数的比例（三）模型设计为检验假设1，本文设置模型一考察数据资产信息披露对企业金融资产配置的影响：模型一：(2)其中，为被解释变量，表示t年企业i的金融资产配置水平，为核心解释变量，表示t年企业i的披露数据资产信息的程度，为个体效应，为时间效应，为随机扰动项。为检验假设2的效应，参考（温忠麟，2014）REF_Ref32137\r\h[27]的做法，本文设置模型二考察数据资产信息披露——融资约束——企业金融资产配置作用机制：模型二：(3)(4)其中，为中介变量，表示t年i企业的融资约束程度。在式（3）中为被解释变量，为解释变量，在式（4）中为被解释变量，检验解释变量和中介变量共同对被解释变量的影响。为检验假设3，本文设置模型三考察机构投资者持股和数据资产信息披露相乘项构建交互项，研究其对企业金融资产配置的影响：模型三：(5)其中，为解释变量和调节变量交互项。检验其对被解释变量的影响。

五、实证分析（一）描述性统计表5.1报告了主要变量的描述性统计结果，企业金融资产配置（FA）的标准差为0.073，最小值为0，中位数为0.007，最大值为0.408，均值为0.038，这说明企业金融资产配置呈现右偏分布，多数观测值集中在低位，少数高值拉高平均值。数据离散程度高，个体差异较大。数据资产信息披露（Data）的标准差为0.015，最小值为0.，中位数为0，最大值为0.104，平均值为0.005，说明披露数据资产信息的水平普遍较低，且超过50%的公司缺乏数据资产或者未考虑披露数据资产。其他控制变量的取值与现有文献基本保持一致。表5.1描述性统计VarNameObsSDMinMedianMaxMeanFA246730.0730.0000.0070.4080.038Data246730.0150.0000.0000.1040.005Size246731.25219.84221.99026.05422.155Age246730.3281.7922.8903.4972.871Lev246730.2030.0540.4180.9030.425Roa246730.067-0.3110.0350.1930.034Indep246730.0540.3330.3330.5710.375Top246730.1470.0850.3210.7330.341（二）数据资产信息披露与企业金融资产配置模型一的回归结果如表5.2所示。第（1）列为未加入控制变量的结果，初步表明数据资产信息披露对企业金融资产配置有影响，且为正向。列（2）为加入了控制变量后的结果，Data的系数在1%的水平下显著，对FA的影响系数为0.144，表明企业数据资产信息披露每增加1个百分比，金融资产配置平均增加约0.144个百分比，本文研究假设H1得到验证。在控制变量上，仅企业年龄（age）的回归系数呈现显著正向关系。其余控制变量的估计系数均显示为负向影响。表5.2基准回归

(1)FA(2)FAData0.118***0.144***(3.22)(3.89)Size-0.00403***(-4.51)Age0.0356***(5.35)Lev-0.0250***(-6.90)Roa-0.0223***(-3.39)Indep-0.00909(-0.93)Top-0.00135(-0.23)_cons0.0374***0.0395(104.83)(1.46)个体固定效应YesYes年份固定效应YesYes观测值2467324673调整R²0.5760.579注：***、**、*分别代表在1%、5%、10%的显著性水平；括号内为t值。以下各表同。（三）数据资产信息披露与企业金融资产配置的作用机制检验本文进一步考察数据资产信息披露是如何通过影响融资约束，进而影响企业金融资产配置。模型二的结果如表5.3所示，列（1）为基准回归，展示了Data与FA是正向关系，列（2）中融资约束FC为被解释变量，Data的系数在1%的水平下显著，且为负，表明企业数据资产信息披露的增加缓解了融资约束。列（3）为解释变量数据资产信息披露（Data）和中介变量融资约束（FC）共同对被解释变量企业金融资产配置（FA）的影响回归结果，结果显示，Data对FA的影响依旧为显著正向影响，FC对FA为显著负向影响。结合三步法中介效应检验方法表明，数据资产信息披露能够通过缓解融资约束进而企业金增加金融资产配置,本文研究假设H2得到验证。表5.3中介效应分析

(1)FA(2)FC(3)FAData0.144***-0.238***0.131***(3.89)(-2.96)(3.58)FC-0.0527***(-16.82)控制变量YesYesYes个体固定效应YesYesYes年份固定效应YesYesYes观测值246732467324673调整R²0.5790.8630.584（四）数据资产信息披露与企业金融资产配置的调节机制检验本文进一步考察机构投资者持股和数据资产信息披露交互项对企业金融资产配置的调节机制。模型三的结果如表5.4所示，该交互项在1%的水平下显著，且系数为负，表明机构投资者持股在一定程度上会削弱数据资产信息披露对企业金融资产配置的正向影响。具体而言，当机构投资者持股水平较高时，数据资产信息披露对企业金融资产配置的影响减弱。由此，H3得到验证。表5.4调节效应分析

(1)FA(2)FAData0.144***0.363***(3.89)(6.04)Data*Inst-0.685***(-4.70)Inst-0.0167***(-4.19)控制变量YesYes个体固定效应YesYes年份固定效应YesYes观测值2467324673调整R²0.5790.579（五）稳健性检验1.内生性检验内生性检验部分，考虑到企业金融资产配置与企业数据资产信息披露或存在反向因果问题，即企业金融资产配置水平越高，企业会相应增加数据资产的信息披露，同时也可能存在关键控制变量遗漏等内生性问题。故采用将解释变量数据资产信息披露滞后一期和工具变量法。表5.5内生性检验

(1)滞后一期(2)2sls第一阶段Data(3)2sls第二阶段FAData0.855***(8.53)L.Data0.198***(4.81)DataIV0.776***(58.55)控制变量YesYesYes个体固定效应YesYesYes年份固定效应YesYesYes观测值200372467324673调整R²0.6080.713-0.172第一，将解释变量滞后一期。本文取用数据资产信息披露滞后一期数据进行回归分析，结果见表5.5的第（1）列，与假设1的结论依然保持一致。第二，工具变量法。参考何瑛等（2024）REF_Ref32209\r\h[28]的做法，选取同行业同年度其他企业的数据资产均值（DataIV）作为工具变量，并使用2SLS重新估计回归结果。企业个体的数据资产信息披露水平与同行业同年度其他企业均值具有较强关联性。个体数据资产信息披露不会对行业其他企业数据资产信息披露产生大幅度影响，除自身企业的年度行业平均值一般也不会对单个公司产生特定影响，除去自身企业的行业年度数据资产信息披露不太可能直接影响企业金融资产配置行为，满足外生性和排他性要求。结果见表5.5列（2）和列（3），第一阶段显示，DataIV对解释变量Data的影响系数为0.776，且在1%水平下显著，表明DataIV的相关性较强。弱工具变量检测值为3420.118，在1%水平显著，不可识别检验（WeakIVtest）检测值为3427.54，大于10%临界值（10%maximalIVsize）16.38，表明两组检验通过，工具变量有效。第二阶段显示，Data对FA的影响系数为0.855，在1%水平显著，在使用工具变量解决内生性问题后，Data对FA的影响依旧为显著正向，进一步验证了本文回归结果的准确性。2.其他稳健性检验表5.6其他稳健性检验

(1)稳健标准误(2)改变解释变量(3)改变被解释变量(4)调整样本区间Data0.144***0.226***0.151***(3.49)(3.83)(3.80)Data10.00265***(2.78)控制变量YesYesYesYes个体固定效应YesYesYesYes年份固定效应YesYesYesYes观测值24673246732467322552调整R²0.5790.5780.6610.570第一，本文分别采用稳健标准误修正方法。首先，考虑到本文是大样本数据，因此采用稳健标准误。结果如表5.6第（1）列，Data的回归系数为0.144，在1%的水平下显著，H1仍然成立。第二，替换解释变量。将在年报中披露了数据资产及相关关键词的记为1，否则为0来衡量数据资产信息披露（Data1）。检验结果表5.6第（2）列显示，Data1的回归系数为0.00265，在1%的水平下显著，H1仍然成立。第三，替换被解释变量。按照郭珂等（2023）REF_Ref32301\r\h[29]的做法，将其他应收款、一年内到期的非流动资产、其他流动资产、长期股权投资、其他非流动资产等，共计十二个项目之和除以总资产，衡量企业的金融资产配置水平（FA1）。检验结果表5.6第（3）列显示，Data的回归系数为0.226，在1%的水平下显著，H1仍然成立。第四，调整样本区间。考虑到2015年中国股市大跌可能影响研究结果，本文删除了2015年的数据重新分析。表5.6第（4）列的结果显示，Data的系数为0.151，显著性水平达到1%。这说明H1仍然成立。（六）异质性分析表5.7异质性分析

(1)中东部(2)西部Data0.143***0.0846(3.65)(0.74)(1.52)(2.08)控制变量YesYes个体固定效应YesYes年份固定效应YesYes观测值217082961调整R²0.5750.624进一步基于企业所属省份，将企业划分为东中部与西部地区企业，分析数据资产信息披露对企业金融资产配置的异质性。见表5.7的列（1）、列（2），结果为东中部地区的系数更显著，并且系数较大。可能是由于：第一，东中部地区比西部地区数字基础设施更完善，经济水平更高，所以东中部企业能更好地利用数据资产创造价值；第二，东中部地区的金融市场也更发达，银行和金融机构更认可数据资产的价值。通过披露数据资产获取资金更容易，从而增加金融资产的配置；第三，东中部地区有很多的高科技企业，这些企业更懂得如何用好数据资产；第四，东中部的政策环境更优，为企业使用数据资产创造了有利条件。

六、研究结论、建议（一）研究结论本文基于企业配置金融资产的两类动机以及其他相关理论，围绕数据资产信息披露与企业金融资产配置的关系进行分析，研究了2010-2020年间我国沪深A股上市公司，通过实证方法，基准回归结果表明数据资产信息披露促进了企业金融资产配置水平的上升，机制分析表明，数据资产信息披露通过降低企业融资约束的作用路径提升企业金融资产配置，调节效应表明，机构投资者持股可以削弱数据资产信息披露对企业金融资产配置的正向影响，同时，基于所在地区，对数据资产信息披露与企业金融资产配置的关系做了异质性分析。为测试结果的可靠性，本文采用数据资产信息披露滞后效应、工具变量法、稳健标准误修正、替换解释变量和被解释变量以及调整样本区间的方法对研究结论作了稳健性检验，增强指标的解释能力，期望能够更加准确地预测和解释现象。（二）研究建议基于研究结论，本文提出以下建议：第一，完善数据信息披露标准。政府部门需要制定统一的数据信息披露要求。明确规定企业必须公开哪些数据信息，以及公开的方式。这样做可以提高信息披露质量，让不同企业的数据能够相互比较，增强可比性。另外，政府部门还需要制定数据价值评估标准，这样市场才能准确评估数据资产的价值，以促进数据要素向好发展。第二，要加强对企业金融活动的监管，控制企业金融资产比例，防止过度金融化风险。其次，要鼓励企业将资金用于业务创新。最后，改善金融市场环境，更好地支持实体经济发展。第三，政府应因地制宜。特别是西部地区，需要增加资金的支持，建设数字基础设施，提高企业数字化能力，缩小地区发展差距。

参考文献端利涛.数据提前金融化的表现、弊端与治理机制——基于数据流通逻辑视角[J].当代经济管理,2025,47(01):89-96.赵畅.企业数据资产信息披露：理据、困境及出路[J].南方金融,2024,(08):74-86.陈梦根,赵怡然,刘毓珊.基于多期超额收益法的数据资产价值评估[J].统计与信息论坛,2025,40(02):3-18.VELDKAMPL.Valuingdataasanasset[J/OL].Reviewoffinance,2023:1-18./10.1093/rof/rfac073.路征,周婷,王理,等.数据资产与企业发展——来自中国上市公司的经验证据[J].产业经济研究,2023,(04):128-142.牛彪,于翔,苑泽明,等.数据资产信息披露与审计师定价策略[J].当代财经,2024,(02):154-164.陈晓珊,李晗菲,刘洪铎.数据资产信息披露与企业战略选择[J].产业经济研究,2024,(06):100-113.LiY,WangX,ZhengX.Dataassetsandcorporatesustainabledevelopment:evidencefromESGinChina[J].Pacific-BasinFinanceJournal,2024,85102378-.柳雅君,薛文静,郭宗文.全国统一大市场建设与企业“脱实向虚”——基于市场准入负面清单的准自然实验[J].云南财经大学学报,2025,41(04):22-37.李真,李茂林,朱林染.银行金融科技与企业金融化：基于避险与逐利动机[J].世界经济,2023,46(04):140-169.胡珺,潘婧,宋献中.宏观之“预”下的企业之“应”：通货膨胀预期与企业金融化[J/OL].南开管理评论,1-47[2025-05-05]./kcms/detail/12.1288.f.20230301.1149.002.html.曹伟,綦好东,赵璨.企业金融资产的配置动机：基于产权性质与异质性股东参股的分析[J].中国工业经济,2023,(02):150-168.上官泽明,张媛媛.