信息安全事件、市场估值与供应链溢出效应:来自中国上市公司的实证研究
《Information & Management》:Information Security Incidents, Market Valuation, and Supply Chain Spillovers: Evidence from Chinese Listed Firms
【字体:
大
中
小
】
时间:2026年08月06日
来源:Information & Management 7.0
编辑推荐:
摘要:尽管信息安全事件已被证明会严重损害企业价值,但其在供应链中的传播机制仍不甚明了,尤其是在具有独特制度结构的新兴市场中。本研究探讨了信息安全事件对中国供应链合作伙伴的溢出效应,鉴于中国以制造业为主的经济结构、占主导地位的国有企业以及快速但发展不平衡的数字化转型,这一研究背景具
摘要:尽管信息安全事件已被证明会严重损害企业价值,但其在供应链中的传播机制仍不甚明了,尤其是在具有独特制度结构的新兴市场中。本研究探讨了信息安全事件对中国供应链合作伙伴的溢出效应,鉴于中国以制造业为主的经济结构、占主导地位的国有企业以及快速但发展不平衡的数字化转型,这一研究背景具有重要意义。我们的研究结果从三个方面对以西方为中心的理论框架提出了挑战。首先,我们发现了供应链合作伙伴交易集中的“双重性”:虽然它会带来基础性的风险,但通过加强协调也能提供针对特定事件的防护。这种防护机制仅适用于国有企业,表明制度结构能够将集中带来的风险转化为韧性。其次,内部引发的事件比外部攻击更容易对合作伙伴产生溢出效应,这说明市场会将内部故障视为系统性治理缺陷的信号,从而威胁到商业关系。第三,我们提供了实证证据,表明人工智能的运用会加剧溢出风险的脆弱性,揭示了人工智能的发展如何创造出新的网络安全相互依赖关系,提高合作伙伴对信息安全事件的敏感度。这些发现通过展示制度环境和技术能力如何从根本上改变网络风险传播机制,拓展了信号传递理论和网络理论。对于实践者而言,我们强调最优的网络安全策略必须考虑供应链合作伙伴的交易集中程度以及人工智能带来的特定技术相互依赖性——如深度算法耦合和高度数据依赖——而非套用通用的风险管理原则。随着人工智能在全球范围内的快速发展,我们的研究结果表明网络风险在不同制度环境下的传播机制存在根本差异,这要求我们在供应链网络安全治理中采取符合具体情境的策略。
引言:在数字相互依赖程度前所未有的时代,信息安全事件已从孤立的技术故障演变为通过相互关联的商业网络蔓延的系统性威胁。信息安全事件被定义为未经授权就破坏信息系统的保密性、完整性或可用性的行为[46],在中国快速数字化的经济环境中,这类事件的发生频率极高。近期的一些重大事件,比如因在个人信息收集和处理方面存在严重违规行为而受到行政处罚的CNKI1,以及永远软件的Chanjet系统因零日漏洞被利用而引发的大规模勒索软件攻击,影响了数千家客户企业,这些都表明信息安全事件可能引发的后果远远超出直接受影响的企业的范围,我们将其称为核心企业[3]。虽然已有大量研究记录了企业遭受数据泄露后所面临的直接市场惩罚[13,32,79],但一个关键的空白仍然存在:这些事件是如何在供应链中传播的,尤其是在人工智能发展与独特制度结构相互交织的新兴市场中?本研究通过探讨信息安全事件对中国供应链合作伙伴的溢出效应来填补这一空白,这一研究背景不仅具有理论意义,还有丰富的实证素材。中国因其三个独特的特征而成为研究网络风险传导的理想实验室,这些特征对现有的以西方为中心的理论框架提出了挑战。首先,中国以制造业为主的经济结构,拥有庞大的上游制造网络,这与以消费为导向的西方经济有着本质区别[11],这可能会颠覆关于风险分布的传统假设。其次,国有企业在这类经济结构中占据主导地位,形成了纯粹市场经济中所没有的特殊风险分担机制和协调能力,这表明所有权结构可能会从根本上改变网络风险的传播方式。第三,中国企业向人工智能转型的速度很快,但发展程度很不均衡,有些企业积极将人工智能融入核心业务流程,而另一些企业则仍采用传统运营模式。这种差异导致了算法耦合和深度数据依赖方面的巨大差别,这可能会以意想不到的方式放大或减弱安全风险的溢出效应[23]。
关于安全事件溢出效应的研究存在三个关键局限。首先,以往的研究通常只考察几种类型的事件,或者将所有事件混为一谈,从而忽视了事件之间的差异性[4],比如恶意软件攻击与政策违规,或是内部起源与外部起源的事件,这些差异会影响溢出模式的形成。其次,先前的研究假设供应链的集中程度会统一增加风险[81],却忽略了在网络危机期间,紧密的合作关系反而可能有助于实现协同防御的可能性。第三,很少有研究探讨企业层面的算法应用倾向和深度数据依赖——可通过人工智能的运用程度来衡量——如何改变网络风险在商业网络中的传播机制。在中国独特的制度环境下,这些局限尤为重要,因为政府对国有企业的支持以及强制性的信息共享要求,可能会从根本上改变供应链合作伙伴在风险抵御方面的权衡。
为了解决这些问题,我们提出了以下研究问题,逐步揭示网络风险溢出的复杂性:(1)信息安全事件是否会对供应链合作伙伴产生负面溢出效应?这种溢出效应如何随着事件类型、严重程度及风险来源的不同而变化?(2)供应链合作伙伴的集中程度是会加剧还是减弱溢出效应?这种关系是否会因事件类型和所有权结构的不同而有所差异?在供应链的上游合作伙伴和下游合作伙伴之间,这种模式有何不同?(3)企业所有权结构如何影响供应链内部信息安全事件溢出效应的传播速度和严重程度?
为了解答这些问题,我们构建了一个涵盖2015年至2024年间影响310家中国上市公司及其154家供应链合作伙伴的539起信息安全事件的全面数据集。我们将这些信息安全事件分为六种不同类型,并运用先进的自然语言处理技术,包括大型语言模型和经过微调的BERT模型,从多个维度(严重程度、风险来源等)提取和分析事件特征。我们结合事件研究方法和回归分析,研究了市场的即时反应以及溢出效应的横向差异。我们的识别策略利用了信息安全事件公告的意外时间点,以及供应链结构的不同,以此分离出因果效应。
我们的研究结果推翻了若干传统假设,同时揭示了网络风险传播的不确定性。首先,我们发现信息安全事件会对核心企业造成显著的负面影响,尤其是由外部来源引发的重度事件,其造成的负面影响更为严重。某些类型的高度严重事件(如恶意软件攻击)似乎比其他类型的事件更易于应对,造成的损害也相对较小。其次,我们发现了明显的溢出效应,即信息安全事件除了对核心企业产生直接影响外,还会对供应链合作伙伴造成负面的异常回报。这一结果挑战了“网络风险会随着与核心企业的距离增加而减弱”这一观点。随着信息安全事件严重程度的增加,其在供应链内的溢出效应也会加剧。不过,由内部风险而非外部风险引发的事件似乎会产生更明显的溢出效应。第三,也是最令人惊讶的一点,我们发现交易集中具有“双重性”:它既会带来基础性的风险,又能通过正面的调节作用提供针对特定事件的防护。这表明,尽管存在依赖风险,但紧密的合作关系仍能实现危机期间的协同应对,从而抵消潜在风险。此外,我们还有有限的证据表明,上游供应商面临的负面回报比下游客户更为严重。这一结果与Crosignani等人[20]在西方市场中的研究发现相反,他们认为信息安全事件对下游合作伙伴的影响大于上游合作伙伴。第四,我们通过实证证明了,与国有企业建立紧密的合作关系虽然会带来基础性的风险,但也能促进协同应对,且在危机期间可能获得政府的支持。最后,我们提供了实证证据,表明人工智能的运用会从根本上改变合作伙伴对安全事件的敏感度,那些高度依赖人工智能的合作伙伴对安全事件的脆弱性会显著增加,这揭示了深度人工智能整合所带来的负面影响。
这些研究成果做出了三方面的重要贡献。首先,我们通过研究表明,安全信号会根据接收方的结构集中度、技术能力以及制度结构的不同,引发截然不同的市场解读,从而拓展了信息不对称理论和信号传递理论。其次,我们从新兴市场的角度提供了实证证据,表明企业所有权等制度因素可以颠覆传统的风险关系。我们的研究结果表明,不同制度环境下的网络风险传播机制存在根本差异,这挑战了现有研究框架的普遍适用性,呼吁在复杂多变的全球经济体系中采取符合具体情境的网络安全治理策略。第三,我们为在人工智能驱动的供应链中应对网络风险提供了可行的建议,指出最优的风险管理策略必须考虑算法间的相互依赖关系以及制度环境,而非套用通用的原则。随着全球向人工智能转型的加速以及网络安全问题的日益突出,了解安全风险如何在商业生态系统中传播,对于企业战略和政策设计而言至关重要。
文献综述:本研究处于两个研究领域的交叉点:网络安全事件的财务影响以及供应链溢出效应。
研究假设:本研究构建了一个整合了信号传递理论[72]和网络理论[7]的综合理论框架,用以理解信息安全事件是如何在供应链中传播的。信号传递理论解释了信息安全事件披露如何传达有关企业治理、信息管理及运营能力的负面信号,进而降低企业的市场估值[16]。这些信号的强度和解读方式取决于事件的特性——如严重程度、因果归属以及事件类型——这些因素共同决定了信号的含义。
数据收集:本研究使用的数据包括三个部分:信息安全事件报告、企业层面数据以及供应链数据。为了收集信息安全事件报告,我们首先根据中国国家信息安全事件标准中规定的六类类别,构建了一个全面的关键词列表(见表1)[5]。
研究结果:在本节中,我们将介绍我们的数据分析方法和实证结果。首先,我们研究了信息安全事件对核心企业的直接影响(H1a),以及事件属性对这种影响的调节作用(H1b-H1d)。接着,我们分析了信息安全事件在供应链网络中的溢出效应(H2a),以及事件属性如何调节这些溢出效应(H2b-H2c)。之后,我们研究了供应链关系特征所带来的调节效应和差异性效应(即……
事后分析:人工智能运用的探索性作用:在确定了主要研究结果之后,我们进行了进一步的事后探索性分析,旨在研究合作伙伴对人工智能的重视程度如何影响信息安全事件在供应链中的溢出效应。为此,我们根据人工智能运用程度的中位数,将供应链合作伙伴样本进行了划分[13]。
主要研究发现:本研究为中国背景下市场對信息安全事件的反应以及供应链溢出效应提供了新的实证证据。首先,与以往关于数据泄露影响的研究结果一致[13,47,48],我们发现核心企业对信息安全事件公告会有显著的负面市场反应。然而,我们的分析揭示了这些反应存在重要的差异性:事件的严重程度会显著加剧市场反应,外部风险来源带来的惩罚比内部风险来源更为严重。
作者贡献说明:熊张负责原文撰写、方法论设计、资金筹集、正式分析、数据整理以及概念构建;李萌负责项目管理、数据收集、正式分析以及概念构建;王启平负责文章审阅与编辑、结果验证、整体监督以及方法论工作。熊张(xiongzhang@bjtu.edu.cn)是中国北京交通大学信息管理系的副教授,他拥有香港城市大学的信息系统博士学位。熊张曾在《管理信息系统杂志》、《信息系统协会杂志》、《决策支持系统》、《信息系统前沿》、《信息技术与人》等多本期刊及会议论文集中发表过文章。
熊张 | 李萌 | 王启平
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号