（一）《数据资产对企业信用风险的作用效应:基于频率模型平均的参数推断与实证检验》导读

作者：周建红，广东金融学院信用管理学院，广东金融学院数字金融与高质量发展研究基地；陈志明，广东金融学院信用管理学院，广东金融学院数字金融与高质量发展研究基地；张玲，广东金融学院信用管理学院，广东金融学院数字金融与高质量发展研究基地

简介：本文聚焦于数字经济时代下量化数据资产对企业信用风险作用这一核心问题。针对传统模型选择方法在估计与统计推断中可能产生偏误和失真的问题，本文运用模型平均方法构建了更为稳健的计量分析框架，以系统识别数据资产对信用风险的影响机制与异质性表现。为此，本文采用2012—2024年A股上市公司数据，运用基于平滑惩罚的模型平均方法，有效缓解了模型不确定性问题，并保障了统计推断的可靠性。实证研究表明：第一，数据资产对企业信用风险具有稳健且显著的负向影响，表明其具备明显的风险缓释功能：第二，异质性分析发现，该效应在非国有企业、高科技行业、制造业以及处于成熟期的企业中更为突出：第三，机制检验揭示，数据资产主要通过提升信息透明度、提高全要素生产率以及增强高管激励等路径来降低企业信用风险。本文的贡献主要体现在:在实证层面，为数据资产的信用增强效应提供了系统的经验证据，揭示了其作用情境与影响路径：方法层面，通过引入能有效处理模型不确定性与异方差问题的模型平均分析框架，提升了相关议题研究的稳健性与推断可靠性。研究结论对深化数据要素的价值评估、完善企业信用风险管理具有理论意义与实践参考价值。

引用：周建红,陈志明,张玲.数据资产对企业信用风险的作用效应:基于频率模型平均的参数推断与实证检验[J/OL].系统科学与数学,1-33[2026-05-27].

（二）《数据资产信息披露与耐心资本培育》导读

作者：郭佳璐，山东财经大学财政税务学院；张恒鑫，山东财经大学会计学院

简介：数据资产信息披露是企业在数字经济时代向市场有效传递长期价值信号、培育耐心资本的重要途径。本文选取2012-2024年沪深A股上市公司作为研究样本，实证检验发现，企业数据资产信息披露显著扩大了企业耐心资本规模，且该结论在一系列稳健性检验后依然成立。机制分析表明，数据资产信息披露通过缓解信息不对称、改善治理结构以及提高经营效率，有效构建了“吸引”与“留存”耐心资本的双重路径。异质性分析表明，在信息披露更及时、传播范围更广以及市场信息环境更成熟的条件下，上述培育效应更显著。经济后果分析揭示，企业借助数据资产信息披露集聚耐心资本，能够显著强化自主创新能力，进而有效赋能新质生产力发展。研究不仅揭示了数据要素在优化资本市场资源配置中的微观逻辑，更为企业通过完善信息披露体系构建长期投资生态、赋能新质生产力发展提供了政策启示。

引用：郭佳璐,张恒鑫.数据资产信息披露与耐心资本培育[J/OL].会计与经济研究,1-25[2026-05-27].

（三）《焦点企业数据资产化对供应链上下游创新的双边溢出效应研究》导读

作者：张树含，合肥大学经济学院；李晓翔，合肥师范学院经济与管理学院，安徽大学商学院；顾东晓，合肥工业大学管理学院

简介：以2011～2023年中国上市公司为研究样本,实证检验焦点企业数据资产化对供应链上下游创新的双边溢出效应及其作用机制。研究发现:焦点企业数据资产化能够驱动上游供应商与下游客户创新,且呈现非对称的双边溢出效应,表现为对下游客户的促进作用更明显。机制分析表明,焦点企业数据资产化通过信息溢出与知识溢出,促进供应链上下游创新;但有所区别的是,对供应商创新的促进主要通过信息溢出实现,对客户创新则主要借助知识溢出实现。此外,当地理距离越近、关系距离较远时,焦点企业数据资产化具有更显著的创新溢出效应。

引用：张树含,李晓翔,顾东晓.焦点企业数据资产化对供应链上下游创新的双边溢出效应研究[J/OL].管理学报,1-10[2026-05-27].

（四）Data as an Asset: Economic Traits, Market Dynamics, and Monetization Challenges导读

中译：《数据作为一种资产：经济特征、市场动态和货币化挑战》导读（翻译来源：CNKI翻译助手）

作者：Petter Kvalvik，挪威哈尔登能源技术研究所；Sanjay Misra，挪威哈尔登能源技术研究所；Biswajeeban Mishra，匈牙利塞格德大学；Satyen Dash，印度克塔克斯里·斯里大学

简介：数字经济将数据确立为基础资产，塑造了产业、治理和技术创新，同时推动了跨部门的竞争优势。物联网和社交媒体等数据生成技术的激增已经将数据转化为一种战略资源，特别是使大型科技公司受益。本研究考察了数据作为资产和商品的双重属性，分析了市场结构、货币化挑战和新兴技术对数据经济的影响。本研究采用多主题文献综述（MLR）方法，系统地回顾了学术文献和包括白皮书和行业报告在内的灰色来源。通过对ACM数字图书馆、IEEE Xplore、ScienceDirect、期刊数据库和Wiley Online Library等5个主要数据库的全面检索，共获得764条记录，另有86条来自其他来源的（即灰色文学），共计850项筛选研究。最终，64项研究回答了数据的经济特征、市场结构、货币化挑战、技术影响和公共-商业平衡框架等5个关键研究问题。分析揭示了数据的非竞争性、非排他性和可扩展性等独特的经济特性，需要新的估值方法。市场动态受到GDPR等监管框架的显著影响，而人工智能、区块链等新兴技术重塑了货币化策略。关键挑战包括准确估值、数据质量保证和隐私合规性。数据的经济本质因其独特的属性而与传统的价值评估框架相悖。人工智能和区块链正在通过增强价值提取和安全交易来改造数据市场。然而，数据公地、信任等稳健的治理框架对于平衡货币化与合乎伦理的使用至关重要，需要未来研究融合技术进步与公共利益契合的综合估值模型。

引用：Kvalvik P, Misra S, Mishra B, et al. Data as an Asset: Economic Traits, Market Dynamics, and Monetization Challenges[J]. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 2026, 16(1): e70072.