商業(yè)區(qū)客流與業(yè)態(tài)結(jié)構(gòu)關(guān)系的分析

朱豐毅 杭州電子科技大學(xué)會計學(xué)院

商業(yè)區(qū)客流與業(yè)態(tài)結(jié)構(gòu)關(guān)系的分析

朱豐毅 杭州電子科技大學(xué)會計學(xué)院

本文針對大學(xué)城商業(yè)區(qū)淡旺季客流量波動大的問題，基于馬科維茨投資組合理論大學(xué)城商業(yè)區(qū)業(yè)態(tài)構(gòu)成對商圈客流量的時空分布的影響。并據(jù)此對商圈如何緩解客流量波動提出適當(dāng)建議。

大學(xué)城商圈 業(yè)態(tài)結(jié)構(gòu) 投資組合

引言

大學(xué)商圈作為城市功能分區(qū)進一步發(fā)展的產(chǎn)物，產(chǎn)生于高校高度密集的高教園區(qū)。隨著大學(xué)的聚集與密集度的增加，大學(xué)與校園周圍的社會環(huán)境密不可分，學(xué)生的衣食住行都需要滿足。越來越多的商家把商機對準了大學(xué)群體而入駐大學(xué)城形成商業(yè)聚集區(qū)。大學(xué)生在校時的龐大消費能力帶動這些商業(yè)區(qū)的繁榮發(fā)展。

但同時大學(xué)城中的商業(yè)區(qū)的商圈會遭受大學(xué)城內(nèi)消費群體的獨特性而造成的消極影響。商家經(jīng)營業(yè)績極易受到大學(xué)生群體的流動的影響。在銷售淡季，大學(xué)周邊很多商家往往以停止經(jīng)營的方法應(yīng)對。大學(xué)城商業(yè)聚集區(qū)商圈的客流量的時空特性造成的消極影響亟需更有效的解決手段。

一、文獻綜述

目前已有不同學(xué)者從不同的角度對商圈進行實證分析。在眾多因素中，業(yè)態(tài)作為影響商圈質(zhì)量地重要因素引起研究者的重視。丁寧（2013）基于對大學(xué)生消費潛力數(shù)據(jù)采集和評估的基礎(chǔ)上對大學(xué)商圈的經(jīng)營業(yè)態(tài)選擇提出建議。黃曉冰、陳忠暖（2014）研究了地鐵站零售業(yè)業(yè)種的影響因素。

Markowitz（1952）提出投資組合理論，其核心思想為：若干種證券組成的投資組合，其收益是這些證券收益的加權(quán)平均數(shù)，但是其風(fēng)險不是這些證券風(fēng)險的加權(quán)平均風(fēng)險，合理的投資組合能降低非系統(tǒng)性風(fēng)險。

除了證券市場外，實體商業(yè)經(jīng)濟的投資優(yōu)化問題中也符合收益方差模型的框架，例如在一個商業(yè)區(qū)中有不同的業(yè)態(tài)，由于不同的業(yè)態(tài)的客流聚集能力和波動都有所區(qū)別甚至天差地別，一個商業(yè)區(qū)可以看成一個獨立投資組合，那么上述問題就可以基于投資組合的框架進行分析。

二、模型選取及數(shù)據(jù)獲取

（一）模型選取

本文以組合理論的框架下進行分析，將某一類業(yè)態(tài)作為一種資產(chǎn)，而客流量是其能夠帶來的收益，整個商業(yè)圈是一個資產(chǎn)組合。假設(shè)某組合P中有n種資產(chǎn)，其收益率為，在組合中對應(yīng)份額為，收益標準差為，則組合的收益率為各只證券收益加權(quán)，收益方差為：

（二）業(yè)態(tài)統(tǒng)計

本文選取下沙大學(xué)城兩處商業(yè)圈為研究對象。將兩個商圈的主要業(yè)態(tài)分為餐館、小吃茶飲、服裝、網(wǎng)吧、超市（便利店）、生活服務(wù)六個類別，分別進行歸類統(tǒng)計各類商家的數(shù)量。

高沙商業(yè)街主街道共有商家72家，和達城有45家商家。主要以大小餐館為主，在主街道上基本被各類餐飲類商家占據(jù)，據(jù)統(tǒng)計，主街道上餐飲類商家占全部商家數(shù)量74%，表明高沙商業(yè)街的業(yè)態(tài)分布較集中。而相比之下，和達城的業(yè)態(tài)相對較為分散，統(tǒng)計數(shù)據(jù)顯示，餐飲類商家占全部商家的54%，其他各類商家明顯比高沙商業(yè)街要豐富。

（三）客流量統(tǒng)計

為了進一步研究業(yè)態(tài)結(jié)構(gòu)對商業(yè)區(qū)客流量的影響，需要選取一部分商家進行客流量統(tǒng)計。本文隨機抽取高沙商業(yè)街與和達城的部分商家作為樣本，通過問卷調(diào)查或者實地觀察的方式采集商家的客流量信息。

（四）商家樣本選取與觀測時段選擇

首先對商家按照業(yè)態(tài)類別進行分層抽樣，

表 1：對商家分層抽樣

通過對樣本中的商家進行問卷調(diào)查或?qū)嵉赜^測等方法，獲取了6月末-7月初、8月末-10月初期間共32天特定時段內(nèi)的客流量數(shù)據(jù)。并據(jù)此計算相同業(yè)態(tài)的商家數(shù)據(jù)的樣本均值和樣本標準差，作為對該業(yè)態(tài)的客流特點的估計。如下表：

表2 ：各類業(yè)態(tài)客流量均值與標準差

三、結(jié)論與建議

基于上訴研究分析，不難發(fā)現(xiàn)：首先由于學(xué)生人群的流動規(guī)律，商圈經(jīng)營的系統(tǒng)風(fēng)險較高，導(dǎo)致幾乎所有類型的的商家都呈現(xiàn)出一致的客流周期規(guī)律（也即沒有哪種商家能在假期反而比學(xué)期間生意更好），分散化理論表明，系統(tǒng)性風(fēng)險是短期無可回避的。但商圈可以化解降低個體風(fēng)險，只需通過豐富業(yè)態(tài)結(jié)構(gòu)，利用多種業(yè)態(tài)進行組合配置，就可以一定程度上減少淡旺季之間的客流波動。

[1]H a r r y M a r k o w i t z（1 9 5 2）Portfolioselection [J].The Journal of Finance.7(1)：78-91.

[2]丁寧.基于學(xué)生消費潛力的大學(xué)城商圈研究[J].江蘇商論,2013,(03):8-12.

[3]黃曉冰,陳忠暖.基于信息熵的地鐵站點商圈零售業(yè)種結(jié)構(gòu)的研究——以廣州15個地鐵站點商圈為例[J].經(jīng)濟地理,2014,(03)：38-44.

注：本文系2015年度杭州電子科技大學(xué)會計學(xué)院學(xué)生科研立項項目（項目編號KJ2015021）的研究成果。