2025年10月14日下午，复旦大学经济学院经济系“转型与发展”系列讲座第144期暨复旦数字经济系列讲座第1期在经济学院514会议室举行。复旦大学马克思主义研究院副研究员毕睿罡老师应邀分享其与合作者的研究“数智时代中国产业的内生分类与企业转型的估值悖论——基于机器学习的方法与发现。”本次讲座由复旦大学经济学院经济系副教授陈登科主持。

传统的静态产业分类方法一般根据生产工艺、技术特征或投入产出关系为依据将经济活动划分为不同的产业类别，难以捕捉数智时代新兴业态加速涌现、跨界经营与融合式发展常态化以及产业竞争范式转为生态竞争等产业发展新特征。对此，毕老师的研究提供了一个新的范式——利用A股上市公司年报文本，借助机器学习方法，构建了一种动态产业分类方法。这一方法能够自动识别新兴产业门类，突破了传统产业分类“外生给定、更新滞后”的局限，并在此基础上研究了企业的转型行为。

首先，动态产业分类方法将A股上市公司分为855个产业门类。作为对比，基于传统的产业分类方法，上市企业对应的产业数量几乎不变，或者仅在个别年份，随着产业分类标准的调整出现了产业数量的跳跃式变化，而动态分类的结果显示，随着时间推移，上市公司中的新产业不断产生，同时，一些旧产业不断消失。根据动态产业分类方法，中国上市公司最多的产业从最早的地产领域，转变为汽车领域，这在一定程度上解释了，为何近几年，中国国产汽车品牌快速崛起，并成为世界第一大汽车出口国。另外，毕老师通过回归对比了动态产业分类方法和几种常见的产业分类方法对于企业之间差异的解释力。结果表明，动态产业分类方法可以更大程度的解释企业之间的差异。此外，利用三孩政策和长春长生疫苗事件的外生冲击，毕老师发现，动态分类方法识别的受影响产业，相较于传统产业分类中的受影响产业，在股价上有更加显著且持久的反应。这表明，动态产业分类方法对产业的识别更加灵活且准确。

在企业转型方面，毕老师指出，绩效好、创新能力强的企业更愿意转型进入新产业，且其转型呈现出“先并购、后创新”的模式。企业转型后，企业平均利润率和资产回报率虽显著下降，但估值水平显著上升，形成了“估值悖论”。文章认为高绩效企业可能在未来面临更激烈的市场竞争，企业拓展至新的业务领域，虽然会降低平均利润率，但由此打造的业务生态维持了核心业务盈利的持续性，由此获得了更高估值。

讲座过程中，现场师生积极提问，王弟海、韦潇、陈登科等老师就内生性和估值悖论的解释等问题与毕睿罡老师进行了深入的交流与讨论，现场气氛热烈，学术氛围浓厚。本次讲座提供了利用机器学习，基于文本数据识别产业分类的新视角，对企业的策略性行为具有较好的参考意见，研究内容富有创新性，讲座取得了良好的学术交流效果。