en
×

分享给微信好友或者朋友圈

使用微信“扫一扫”功能。
作者简介:

付群(1985—),男,湖北咸宁人,副教授,博士,博士后,硕士生导师,研究方向为体育产业管理、体育价值工程。

中图分类号:G80-05

文献标识码:A

文章编号:1008-3596(2023)02-0047-11

参考文献 1
国家体育总局.2006—2008全国体育及相关产业统计公报 [EB/OL].(2010-04-29)[2022-10-10].https://www.sport.gov.cn/n4/n97/n101/c211955/content.html.
参考文献 2
国家统计局,国家体育总局.2019年全国体育产业总规模与增加值数据公告[EB/OL].(2020-12-31)[2022-10-10].http://www.gov.cn/xinwen/2020-12/31/content_5575772.htm.
参考文献 3
潘玮,沈克印.“双循环”新发展格局下体育产业高质量发展:价值内涵、机遇挑战与治理路径[J].河北体育学院学报,2022,36(3):38.
参考文献 4
王雪莉,付群,郑成雯.中国体育产业高质量发展的现实挑战与路径探索[J].北京体育大学学报,2020,43(1):1.
参考文献 5
许华荣.基于波士顿矩阵的经济社会政策安排[J].商业时代,2014(11):37.
参考文献 6
梅爱冰.现代企业管理[M].北京:对外经济贸易大学出版社,2009.
参考文献 7
林幼槐.精确管理:方法与工具[M].武汉:武汉大学出版社,2007.
参考文献 8
张文彤,董伟.SPSS统计分析高级教材[M].北京:高等教育出版社,2018.
参考文献 9
张俊萍,邓怡,刘天璇.基于决策树与扩展相关性矩阵的故障诊断方法[J].测控技术,2019,38(7):125.
参考文献 10
夏泳.营销数据的统计建模及分析[D].南京:东南大学,2016.
参考文献 11
王宗利.基于AFSA的聚类算法研究及应用[D].济南:山东师范大学,2010.
参考文献 12
赵卢雷.创新驱动:后发优势向先发优势跨越的关键[J].中国发展,2021,21(1):13.
目录contents

    摘要

    采用数理统计法和文献资料法,基于27家代表性体育上市公司2015—2019年度财务面板数据,围绕影响企业 “市场份额”与 “收益增长”的8项潜在财务指标,结合波士顿矩阵模型对体育上市企业发展水平进行实证分析,并根据不同企业类型提出针对性发展战略。指出,①体育上市企业波士顿矩阵主要由市场份额因子和收益增长因子决定,其中,市场份额因子由总资产、流动资产、所有者权益、营业收入4个财务指标决定,而收益增长因子由销售净利率、营业利润率、销售毛利率、净资产收益率4个财务指标决定。②总体企业发展水平不高、企业发展水平参差不齐及体育用品类上市公司规模效应显著是中国体育上市公司发展的主要特征,未来亟需 “扬长补短”,推进体育上市公司的差异化及个性化发展。③我国不同业态体育上市公司的市场份额和收益增长差异显著,其中体育用品类上市企业在相对市场份额和收益增长方面都要优于体育服务类企业, “先发优势”明显,体育服务类企业发展任重道远,收益增长质量较好的体育细分领域投资机会和发展潜力大。④中国体育上市公司的4个聚类类别与波士顿矩阵模型中的 “金牛”“明星”“问题”及 “瘦狗”等4个不同的企业类型体现出的特征总体契合,可依据不同的企业类型制定针对性发展战略。提出,金牛类企业要保持投入,业态拓展,减缓衰退;明星类企业要加大投资,业务聚焦,做大做强;问题类企业要合理布局, 谨慎投入,市场先行;瘦狗类企业要降低投入,技术创新,产品转型等主要发展战略。

    Abstract

    By using the methods of mathematical statistics and literature, based on the financial panel data of 27 representative sports listed companies from 2015 to 2019, focusing on the eight potential financial indicators that affect the “market share” and “revenue growth” of enterprises, combined with the BCG Matrix Model, this paper makes an empirical analysis on the development level of sports listed enterprises, and puts forward targeted development strategies according to different enterprise types. It is pointed out that: ① the BCG Matrix of sports listed companies is mainly determined by market share factor and income growth factor. Among them, the market share factor is determined by four financial indicators, including total assets, current assets, owner ’s equity and operating income, while the income growth factor is determined by four financial indicators, including net profit margin, operating profit margin, gross profit margin and return on net assets; ② The main characteristics of the development of listed sports companies in China are the low level of overall enterprise development and the uneven level of enterprise development and the significant scale effect of listed sports goods companies. In the future, it is urgent to develop strengths and make up for weaknesses and promote the differentiated and personalized development of listed sports companies. ③ There are significant differences in market share and revenue growth of listed sports companies in different formats in China. Among them, listed sports goods companies are superior to sports service companies in terms of relative market share and revenue growth. The “first-mover advantage” is obvious. The development of sports service companies has a long way to go, and the investment opportunities and development potential of sports segments with better revenue growth quality are great.④ The four clustering categories of Chinese sports listed companies are generally consistent with the characteristics of four different types of enterprises in the BCG Matrix model, including “Cash cow”, “Stars”, “Question mark” and “Dogs”, and targeted development strategies can be formulated according to different types of enterprises. It is proposed that “Cash cow” enterprises should maintain investment, expand business forms, and slow down the recession; “Stars” enterprises should increase investment, focus on business, and become bigger and stronger; “Question mark” enterprises should be reasonable layout, careful investment, market first; “Dogs” enterprises should adopt the main development strategies such as reducing investment, technological innovation and product transformation.

  • 1 问题的提出

  • 近年来我国体育产业发展迅速,已成为国民经济发展新的增长点。2006—2019 年我国体育产业增加值从 982.89 亿元增长到 11248 亿元[1-2],年均复合增长率20.6%,体育产业增加值占 GDP的比重从0.46%提升到1.14%,翻了 2.5倍。体育越来越渗透到人们的日常生活中,为满足人民日益增长的美好生活需要发挥着重要作用[3]。2019年9月,国务院办公厅印发 《关于促进全民健身和体育消费推动体育产业高质量发展的意见》,首次明确提出 “强化体育产业要素保障,激发市场活力和消费热情,推动体育产业成为国民经济支柱性产业。”这不仅体现了国家对体育产业发展的关注和重视,而且指明了体育产业发展的远景目标。将体育产业发展成为支柱性产业的宏伟蓝图需要给予配套的产业政策支持,以及充分发挥体育企业这一市场主体作用[4],因此有必要对我国体育企业发展现状进行摸底及问题梳理。本研究以27家代表性体育上市公司2015—2019年度财务数据为样本进行因子分析和聚类分析,并结合 “收益增长”和 “市场份额”对调查企业进行波士顿矩阵分析,据此提出体育企业发展战略,助力我国体育产业高质量发展。

  • 2 研究设计及数据来源

  • 2.1 分析模型

  • 本研究主要基于 “波士顿矩阵”进行分析。波士顿矩阵(BCG Matrix)由美国著名的管理学家、波士顿咨询公司创始人布鲁斯·亨德森于 1970年研制[5]。该矩阵认为决定产品和企业的基本因素主要为市场引力和企业实力。企业实力一般通过 “市场份额”来体现,代表了企业的竞争实力及发展前景; 市场引力一般通过 “收益增长”来体现,代表了竞争力强弱及利润水平高低,当然也可以通过销售能力和水平来体现。一般而言,市场引力大且企业实力强,企业和产品发展前景就好,反之则差。企业实力强而市场引力小,代表企业和产品已经达到较高规模,进一步拓展的空间和潜力有限; 企业实力弱而市场引力大,代表企业和产品的销售增长及盈利水平较强,但规模较小,需进一步扩大发展规模。依据 “波士顿矩阵”将企业分为4类:①市场份额高和收益增长快的企业类型(明星类企业); ②市场份额低和收益增长慢的企业类型(瘦狗类企业); ③ 市场份额低和收益增长快的企业类型(问题类企业); ④市场份额高和收益增长慢的企业类型(金牛类企业)(图1)[6-7]

  • 图1 波士顿矩阵企业分类

  • 2.2 指标体系

  • 结合波士顿矩阵模型 “市场份额”及 “收益增长”两大核心要素,本研究主要选取了总资产、流动资产、所有者权益等8项具体财务指标来对体育上市公司的市场份额及收益增长情况进行实证分析和综合评价。由于体育企业众多,完全意义上的 “市场份额”难以准确估计,因此采用 “相对市场份额”来代替。对 “收益增长”起重要解释作用的潜在指标主要有净资产收益率、销售毛利率、营业利润率、销售净利率 4 个指标,可以解释 “相对市场份额”的潜在指标主要有流动资产、总资产、所有者权益、营业收入4 个指标。

  • 2.3 数据来源

  • 本研究搜集了我国在上交所、深交所、港交所上市的代表性体育公司27家,涉及体育用品制造、体育赛事运营、体育健身等多种业态。结合研究设计及数据分析的需要,从各公司财务报表中搜集、整理和计算出了体现 “市场份额”及 “收益增长”特征的净资产收益率(X1)、销售毛利率(X2)、营业利润率(X3)、销售净利率(X4)、总资产(X5)、流动资产(X6)、所有者权益(X7)、营业收入(X8)8 项具体财务指标。同时考虑到2020年新冠肺炎疫情带来的不确定性,这里主要采集和分析的样本数据为各公司2015—2019年度的财务报表。

  • 2.4 研究方法

  • 为科学反映研究结论,本研究主要采用因子分析和聚类分析来实施研究。步骤如下:①根据预期设计,初步确定了与体育上市公司 “市场份额”和 “收益增长”相关的财务指标,通过财务报表完成分析样本的采集。②采用因子分析对采集到的8项潜在财务指标进行统计分析,确认 “市场份额”和 “收益增长”所涉及的具体财务指标、因子载荷及权重,并同时计算出历年的成分(公因子)平均得分及成分综合加权总得分。 ③在因子分析的基础上,以2015—2019年市场份额因子平均得分(F¯1)和收益增长因子平均得分(F¯2)为聚类的原始变量,运用 K-均值聚类方法对各公司进行样品聚类; 此外,结合成分(公因子)得分及样品聚类的结果,对各公司进行波士顿矩阵的归类和评价。④结合总体分析的情况进行结果的解释说明,总结代表性结论,在此基础上提出我国体育企业发展的应对战略。

  • 3 实证结果与分析

  • 3.1 实证分析

  • 3.1.1 变量的标准化处理

  • 数据的标准化处理是解决数据量纲不同而无法进行直接比较的关键,它既可以解决不同量级指标的比较问题,也能解决不同单位指标的比较问题[8]。从各体育上市公司的财务数据来看,由于各企业在资产规模、营收状况、收益增长等方面差异较大,直接比较并不能全面反映企业的财务信息,另外净资产收益率(X1)、销售毛利率(X2)、营业利润率(X3)等财务指标的单位为 “%”,而总资产(X5)、流动资产(X6)、所有者权益(X7)等财务指标的单位为 “亿元”,因此,也无法进行直接比较。通过因子分析的标准化处理(系统降维),可得到标准化的体育上市公司财务指标数据。

  • 3.1.2 相关性矩阵及 KMO 和 Bartlett’s球形检验

  • 相关性矩阵又称为相关系数矩阵,体现了变量两两之间关系的紧密程度,而变量之间关系的紧密程度由相关系数来表达,其绝对值界于0和 1之间,绝对值越接近于1,说明关系越紧密,绝对值接近于0,说明关系越不紧密[9]。若相关系数为负,说明变量之间负相关,反之,则说明变量之间正相关。如,变量 X3 与 X4、X5 与 X7、 X6与 X7之间的相关系数分别为0.928、0.958、 0.923,绝对值较大,说明这些变量之间的关系比较紧密,而变量 X2与 X5、X2与 X7、X4与 X8 之间的相关系数分别为 —0.040、 —0.021、 0.087,绝对值较小,说明这些变量之间的关系不紧密(表1)。从表2可知,KMO 取样适切性量数的值为 0.790,处于 0.6—0.8 之间,接近 0.80,说明这一组变量之间的关系比较紧密。而巴特利特(Bartlett’s)检验的结果为0.000,小于 0.01,处于显著水平,这意味着变量间存在较强的相关性,拒绝变量之间相互独立的假设。结合相关性矩阵及 KMO 和 Bartlett’s球形检验的结果可知,本研究中的数据样本较适用于进行因子分析,可以提取出较合理的公因子(成分)。

  • 表1 相关性矩阵

  • 表2 KMO 和巴特利特(Bartlett’s)检验

  • 3.1.3 公因子(成分)提取

  • 公因子本来是一个数学概念,指的是能同时整除几个整数的整数。而就因子分析而言,就是若干个变量之间提取出来的 “共同信息”,一般用 “公因子方差”进行表示。公因子方差又叫共性方差,用主成分法提取因子时,初始公因子方差为 1,从表3 中可知,除了净资产收益率(X1)的公因子方差为0.369之外,其他7个变量的公因子方差都大于 0.7,其中营业利润率(X3)、销售净利率(X4)等5个变量的公因子方差大于0.9,这说明本研究中所提取到的公因子较好地体现了原始变量中的信息,也就是说提取到的公因子对绝大多数变量的解释能力较强。从表4中的总方差解释表中可知,系统根据初始特征值大于1的默认设置,从8个变量中提取了 2个公因子(成分),累积方差84.126%,说明这2个公因子代表了原始变量中82.126%的信息,接近85%,充分体现了公因子(成分)提取的合理性。为进一步确认公因子(成分)与各变量之间的关系,需通过公因子(成分)矩阵进行识别。从成分矩阵可看出,总资产(X5)、流动资产(X6)、所有者权益(X7)、营业收入(X8)4个变量与公因子1之间的相关系数较大,因子载荷绝对值都大于0.8,其中3个变量的因子载荷的绝对值大于0.9,说明公因子1与这4 个变量关系密切,对其信息的解释能力较强。同理,净资产收益率(X1)、销售毛利率(X2)、营业利润率(X3)、销售净利率(X4)4个变量与公因子2之间的相关系数较大,表明公因子2 对这4个变量的信息解释能力较强(表5)。一般而言,进行公因子提取时,当公因子(成分)含义不清晰时,需进行因子旋转,但本研究中的公因子信息及含义已经比较明确,故无需进行该操作。

  • 表3 公因子方差

  • 注:提取方法为主成分分析法

  • 表4 总方差解释

  • 表5 成分矩阵

  • 注:提取方法为主成分分析法

  • 表6 成分得分系数矩阵

  • 注:提取方法为主成分分析法

  • 3.1.4 公因子得分及综合加权得分

  • 公因子得分又称为成分得分。通过公因子得分及综合加权得分,便可对研究案例各变量呈现出来的信息和特征进行综合评价。因子分析过程中,公因子得分及综合加权得分通过公因子(成分)得分系数矩阵(表6)计算得出。

  • F1的计算公式如下:

  • F1=0.091*X'1+0.055*X'2+0.120*X'3+0.113*X'4+0.237*X'5+0.235*X'6+0.236*X'7+0.222*X'8

  • 同理,依据公因子(成分)得分系数矩阵,也可计算出 F2的得分。上面的计算公式主要是方便理解,具体分析设计时,可选择回归分析(regression analysis)直接得到公因子(成分)得分,进而根据各公因子(成分)的权重,进一步计算出综合加权总得分(表7)。综合加权总得分 F的计算公式如下:

  • F=49.075/84.126*F1+35.051/84.126*F2

  • 当分别计算出数据样本的公因子(成分)得分及综合加权得分后,便可根据得分情况进行总体及部分的分类评价,同时也可以结合样品聚类的结果,对体育上市公司的类别和特征差异进行具体分析。

  • 表7 2015—2019年成分加权得分(F)矩阵

  • 3.1.5 聚类分析

  • 聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程[10]。从统计学的观点看,聚类分析就是通过数据建模简化数据的一种方法,即根据样本数据,将具有类似特征的样本聚合到不同的类或者簇的过程[11]。为进一步了解27家体育上市公司的发展特征,尤其是基于 “市场份额”和 “收益增长”这两大核心要素的特征,本研究基于各体育上市公司8 项原始财务数据,经因子分析得到的公因子 1(F1)和公因子 2(F2),并计算得出 2015— 2019年各体育上市公司的公因子1的平均得分(F¯1)和公因子2的平均得分(F¯2),然后以F¯1F¯2为聚类样本,采用 K-均值聚类方法对所调查的体育上市公司进行样品聚类。本研究主要基于 “波士顿矩阵”(分为金牛、明星、问题及瘦狗4个类别)对体育上市公司进行分析,从样品聚类的效果来看,总体结果比较理想,样品总体根据因子综合加权平均得分(F¯)从高到低划分 4个层次,且F¯1F¯2的因子特征体现得较明显,达到了样品聚类的预期(表8—10)。

  • 表8 历史迭代记录

  • 表9 每个聚类中的个案数目

  • 表10 聚类成员

  • 3.2 结果解释

  • 3.2.1 体育上市公司财务指标的公因子分析

  • 结合前文分析结果可看出,体育上市公司的公因子1(F1)主要与总资产、流动资产、所有者权益、营业收入4个财务指标的相关性较强,因子载荷系数排名依次为总资产(X5)、所有者权益(X7)、流动资产(X6)和营业收入(X8),这些财务指标主要与企业的市场规模及市场占有率相关,可命名为 “市场份额因子”; 公因子2主要与销售净利率、营业利润率、销售毛利率和净资产收益率等4个财务指标的相关性较强,因子载荷系数排名依次为销售净利率(X4)、销售毛利率(X2)、营业利润率(X3)和净资产收益率(X1),这些财务指标主要与企业的收益增长水平相关,可命名为 “收益增长因子”。由此可见,样本数据中的8个财务指标基本可以体现体育上市公司的相对市场份额及收益增长水平,这两者共同体现了体育上市公司的市场格局及发展水平(表11)。

  • 表11 公因子分析表

  • 3.2.2 体育上市公司市场发展特征差异分析

  • 表12 2015—2019年体育上市公司市场份额(F¯1)与收益增长情况(F¯2)统计

  • 通过前文的数据分析,已经得到市场份额(F1)和收益增长(F2)的公因子(成分)得分情况及综合加权得分(F)情况,在此基础上,进一步计算出了2015—2019年各体育上市公司市场份额因子得分平均数(F¯1)、收益增长因子得分平均数(F¯2)及因子综合加权得分平均数(F¯)的数值,为此可进行各项得分的总体排名及综合比较(表12)。结合公因子代表的信息和意义可提炼出如下信息:

  • 一是体育上市公司总体发展水平不理想。调查的 27 家代表性体育上市公司中,2015— 2019 年因子综合加权平均得分为正的只有 9 家,其他 18 家企业的得分为负,其中国旅联合、贵人鸟、智美体育等3家企业的得分小于-0.4,发展水平较差。二是体育上市公司的规模效应显著。统计表明,因子综合加权平均得分排名前 10 的体育上市公司,除了比音勒芬和健盛集团,其他基本上都是市场份额因子平均得分排名前 10 的企业,这意味着企业规模越大,其市场地位和市场发展环境就越好,规模效应体现得越显著。三是体育上市公司发展水平参差不齐。从各家体育上市公司的综合排名及市场份额与收益增长的分类排名来看,“全优企业”较少。以因子综合加权平均得分排第1名的安踏体育为例,市场份额因子得分超过 3.2,但收益增长因子得分却排名第 26 名。再以收益增长因子得分排名第1的比音勒芬为例,虽然收益增长非常快,但由于市场份额不够大(排名第 12),综合排名只位列第 7 名。当然,正是由于各体育上市公司在市场份额和收益增长方面的巨大差异,才便于对其进行总体分类和针对性评价,进而为不同类型的体育上市公司制定差异化和个性化的发展战略。

  • 3.2.3 不同业态体育上市公司市场份额与收益增长情况分析

  • 统计分析的结果表明,各类体育业态在市场份额和收益增长等方面差距悬殊。从主营业务来看,调查的27家体育上市公司中体育用品类企业共有 18 家,体育服务类企业共 9 家。根据 2015—2019年公因子平均得分及因子综合加权平均得分的数据来看,这两类体育上市公司在市场份额因子平均得分(F¯1)、收益增长因子平均得分(F¯2)及因子综合加权平均得分(F¯)方面差距悬殊。

  • 从市场份额因子平均得分来看,2015—2019 年体育用品类上市公司的市场份额逐步提升,平均因子得分从0.042提升到0.400,5年间增长了0.358; 2015—2019年体育服务类上市公司的市场份额先升后降,平均因子得分从-0.497下降到-0.595,下降幅度0.098; 2015—2019年体育上市公司市场份额总体情况呈现上升趋势,平均因子得分从-0.138 提升到 0.068,其中,2019年较2018年有微弱的下降(图2)。

  • 图2 2015—2019年体育上市公司市场份额因子平均得分(F¯1)情况

  • 从收益增长因子平均得分来看,2015—2019 年体育用品类上市公司的收益增长呈快速下降趋势,平均因子得分从0.201下降到-0.280,下降幅度较大,总体下降了0.481; 体育服务类上市公司的收益增长呈现先升后降的趋势,平均因子得分总体从 0.059 下降到-0.562,下降了 0.621,其中2019年较2018年出现了巨大降幅; 2015—2019年体育上市公司收益增长总体情况呈现下降趋势,平均因子得分从 0.153 下降到-0.374,下降了0.527(图3)。

  • 图3 2015—2019年体育上市公司收益增长因子平均得分(F¯2)情况

  • 从因子综合加权平均得分来看,2015—2019 年体育用品类上市公司的得分为先升后降,总体实现小幅提升,从0.108提升到0.117,5年间增长了0.009; 2015—2019年体育服务类体育上市公司的得分为先升后降,总体呈现下降趋势,从-0.266 下降到-0.581,下降了 0.315; 2015—2019年体育上市公司的因子综合加权平均得分的总体情况同样先升后降,5年间总体呈现下降趋势,得分从-0.017 下降到-0.116,下降了0.099(图4)。

  • 图4 2015—2019年体育上市公司因子综合加权平均得分(F¯)情况

  • 从以上数据分析来看,体育上市公司在市场份额因子、收益增长因子及因子综合加权等方面得分的动态趋势与我国体育产业发展的现实情况基本一致。自我国2008年进行体育产业统计工作以来,体育用品业一直都是体育产业的核心产业,占比70%以上,随着产业结构的逐步调整,体育服务业的比重才有了较大提升,但发展水平与体育用品业还是有不小差距。另外,体育用品及相关产品的生产制造由于起步较早,发展周期长,已经达到相当规模,“先发优势”明显,这也进一步印证了我国体育用品业规模效益显著的事实,同时也表明体育服务业市场份额和收益增长的空间和潜力较大,未来发展任重道远。

  • 3.2.4 体育上市公司企业类别的聚类分析

  • 根据上文对体育上市公司进行的聚类分析可知,调查的27家代表性体育上市公司主要可以分为4 类(表12),这 4 类与波士顿矩阵中的 “金牛”“明星” “问题”及 “瘦狗”4个企业类型基本契合。从严格意义上讲,除了中国动向这家企业以外,第1类和第2类的体育上市公司都属于金牛类企业,都属于市场份额较大,但收益增长明显放缓的类型,只有中国动向一家为市场份额大且收益增长快的类型,较好地满足明星类企业的基本特征。第3类和第4类较好契合了问题类企业及瘦狗类企业的基本特征。

  • 因此,调查的27家体育上市公司可作如下的基本分类。其中,金牛类企业为第1个类别,即安踏体育、李宁、波司登、特步国际、361度等5家企业,主要特征为相对市场份额大、收益增长慢; 明星类企业为中国动向1家企业,主要特征为相对市场份额大及收益增长快; 问题类企业为第3个类别,即比音勒芬、当代文体、星辉娱乐等18家企业,主要特征为相对市场份额小、收益增长快; 瘦狗类企业为第4个类别,即国旅联合、贵人鸟、智美体育3家企业,主要特征为相对市场份额小、收益增长慢(表13)。体育上市公司是我国体育企业中的优秀代表,收益质量和发展水平一般情况下较好,对27家体育上市公司的分类,也只是相对收益增长情况和相对市场份额的呈现。

  • 表13 体育上市公司波士顿矩阵

  • 4 结论与建议

  • 4.1 结论

  • 我国体育产业发展起步时间较晚,大部分体育上市公司成立时间不长,通常不超过 20 年。总体上看,依然处于快速发展的阶段。2019年国务院办公厅印发了 《体育强国建设纲要》,提出到2035年体育产业更大、更活、更优,成为国民经济支柱性产业的战略目标。可以预见,我国体育产业发展将迎来前所未来的重要机遇,体育企业发展空间和潜力巨大,作为体育企业中优秀代表的体育上市公司更需要发挥引领示范作用。本研究基于2015—2019年度财务报表,结合波士顿矩阵分析模型 “市场份额”及 “收益增长”两大核心要素,围绕总资产、流动资产、所有者权益等8个具体财务指标对中国体育上市公司的市场份额及收益增长情况进行实证评价,研究表明:

  • (1)体育上市公司波士顿矩阵主要由市场份额因子和收益增长因子决定,其中,市场份额因子由总资产、流动资产、所有者权益、营业收入 4个财务指标决定,而收益增长因子由销售净利率、营业利润率、销售毛利率、净资产收益率4 个财务指标决定。

  • (2)总体企业发展水平不高、企业发展水平参差不齐及体育用品类上市公司规模效应显著是中国体育上市公司市场发展的主要特征,未来发展过程中亟需 “扬长补短”,推进体育上市公司的差异化及个性化发展战略,逐步提升体育企业发展水平和竞争力。

  • (3)我国不同业态体育上市公司的市场份额和收益增长情况差异显著,其中,体育用品类上市企业在相对市场份额和收益增长情况上都要优于体育服务类企业,“先发优势”[12]明显,体育服务类企业的未来发展任重道远,收益增长质量较好的体育细分领域投资机会和发展潜力较大。

  • (4)中国体育上市公司的4个聚类类别与波士顿矩阵中的 “金牛” “明星” “问题”及 “瘦狗”4个企业类型体现出的特征总体契合,可依据不同的企业类型制定针对性的体育企业发展战略。

  • 4.2 建议

  • 结合以上分析结论,为进一步推进我国体育上市公司的健康可持续发展,提出如下发展建议。

  • (1)金牛类企业:保持投入,业态拓展,减缓衰退。就安踏体育等金牛类企业而言,基本上已经发展成为行业的龙头企业,正处于发展成熟期,具有市场占有率高、销售量大、负债率低及利润率高的特点,可为企业带来源源不断的现金流,此类企业应采取的主要发展战略是保持投入,加强业态拓展,减缓衰退。一是企业对现有主营业务无需继续追加投资,保持现有投入水平便可; 二是积极寻找领域内的明星类企业或问题类企业进行收购和兼并,加大资源投入,做大做强做优; 三是加强技术创新和产品研发投入,确保行业地位,尽可能延长生命周期中的 “成熟期”; 四是在行业细分市场寻找机会,利用企业的资源优势和渠道优势,推进新产品和新业务的发展,为企业产业结构调整和产品转型升级做准备。

  • (2)明星类企业:加大投资,业务聚焦,做大做强。就中国动向这类明星类企业而言,其市场占有率及收益增长都比较快,企业处于蓬勃发展的阶段,但规模和收益水平还不够高,未来发展的空间和潜力较大,此类企业应采取的主要发展战略是加大投资,业务聚焦,做大做强。一是继续加强对主营业务的高投入,并根据业务发展需要积极开展社会融资,获得业务拓展的资金支持; 二是产品和业务投资过程中,切忌分散投资,而应将主要资金用于成长空间和潜力大的产品和业务,必要时切除收益增长缓慢及市场份额小的产品和业态; 三是积极引进高端体育管理人才负责企业销售、技术研发及社会融资等相关业务,全力推进企业做大做强,确保规模效益的充分实现; 四是制定相对积极的长期发展目标、中短期的发展任务及配套保障措施,快速拓展市场规模; 五是采用事业部的企业组织形式推进企业发展战略,以及加强明星产品和业务的统筹管理与组织推进。

  • (3)问题类企业:合理布局,谨慎投入,市场先行。就比音勒芬、当代文体、星辉娱乐等问题类企业而言,市场份额低及收益增长快是其主要特征,利润率较低、资金紧张、负债水平高是其财务发展的主要特点,此类企业通常处于引入期,发展的时间并不长,市场发展前景较好,之所以出现这样的问题,主要在于市场营销工作存在不足,以致于市场拓展不力,市场占有率上不去。此类企业应采取的主要发展战略是合理布局,谨慎投入,市场先行。一是强化对企业产品和业务的综合评估,总体把握企业产品结构和业务布局,助力企业投资决策和发展战略制定和贯彻落实; 二是积极引进优秀的市场营销人员和营销策划管理者,不断提升企业的营销能力; 三是根据产品和业务市场拓展的现实情况,合理选择产品的投资组合,切除长期盈利能力较差的产品和业态; 四是加强对现有主营业务的市场分析,进一步明确细分市场发展的机会和威胁,并视情况进行主营业务的调整; 五是制定相对保守的产业发展规划,谨慎进行大规模的资源投入,稳步推进各项业务的开展。

  • (4)瘦狗类企业:降低投入,技术创新,产品转型。就国旅联合、贵人鸟、智美体育等瘦狗类企业而言,其主要的市场特征为市场份额低和收益增长慢,此类企业通常处于衰退期,其财务特点就是利润率低、企业处于保本或亏损、负债比率高及现金流比较差,难以为企业带来正收益,此类企业应采取的主要发展战略是降低投入,技术创新,产品转型。一是对销售增长率低和市场占有率低且处于衰退末期的产品和业态要立即淘汰,及时止损; 二是将企业有限的市场资源投向具有发展空间和潜力的产品和业态,助力企业可持续发展; 三是结合新技术、新模式及新业态,逐步实现产品和服务的转型升级,不断提升企业竞争力; 四是对于完全失去市场竞争优势的产品或业态,应考虑通过资产出售的方式进行剥离,快速降低企业亏损和负债水平。五是对于尚无法进行出售或剥离的产品和业务,可将其进行合并和统一管理,逐步压缩资源投入直至退出市场。

  • 总之,无论针对何种类型的体育上市公司,其发展的核心原则就是推动发展,减少损失,因此,金牛类企业要保持资源投入,明星类企业要加大资源投入,问题类企业要谨慎选择投资,瘦狗类企业要减少资源投入。应注意的是,基于波士顿矩阵为体育企业提供发展战略参考也存在一定的局限性,体育企业产品和业务众多,其有些产品和业态是 “金牛”,有些产品和业态可能是 “瘦狗”,甚至还有一些 “问题”产品和业态,因此,笼统地采用某一种分析视角来制定发展战略,并不能达到较好的效果,应考虑企业的综合发展水平及业态的总体结构布局,审慎分析,避免因决策和战略失误造成企业损失。

  • 参考文献

    • [1] 国家体育总局.2006—2008全国体育及相关产业统计公报 [EB/OL].(2010-04-29)[2022-10-10].https://www.sport.gov.cn/n4/n97/n101/c211955/content.html.

    • [2] 国家统计局,国家体育总局.2019年全国体育产业总规模与增加值数据公告[EB/OL].(2020-12-31)[2022-10-10].http://www.gov.cn/xinwen/2020-12/31/content_5575772.htm.

    • [3] 潘玮,沈克印.“双循环”新发展格局下体育产业高质量发展:价值内涵、机遇挑战与治理路径[J].河北体育学院学报,2022,36(3):38.

    • [4] 王雪莉,付群,郑成雯.中国体育产业高质量发展的现实挑战与路径探索[J].北京体育大学学报,2020,43(1):1.

    • [5] 许华荣.基于波士顿矩阵的经济社会政策安排[J].商业时代,2014(11):37.

    • [6] 梅爱冰.现代企业管理[M].北京:对外经济贸易大学出版社,2009.

    • [7] 林幼槐.精确管理:方法与工具[M].武汉:武汉大学出版社,2007.

    • [8] 张文彤,董伟.SPSS统计分析高级教材[M].北京:高等教育出版社,2018.

    • [9] 张俊萍,邓怡,刘天璇.基于决策树与扩展相关性矩阵的故障诊断方法[J].测控技术,2019,38(7):125.

    • [10] 夏泳.营销数据的统计建模及分析[D].南京:东南大学,2016.

    • [11] 王宗利.基于AFSA的聚类算法研究及应用[D].济南:山东师范大学,2010.

    • [12] 赵卢雷.创新驱动:后发优势向先发优势跨越的关键[J].中国发展,2021,21(1):13.

  • 参考文献

    • [1] 国家体育总局.2006—2008全国体育及相关产业统计公报 [EB/OL].(2010-04-29)[2022-10-10].https://www.sport.gov.cn/n4/n97/n101/c211955/content.html.

    • [2] 国家统计局,国家体育总局.2019年全国体育产业总规模与增加值数据公告[EB/OL].(2020-12-31)[2022-10-10].http://www.gov.cn/xinwen/2020-12/31/content_5575772.htm.

    • [3] 潘玮,沈克印.“双循环”新发展格局下体育产业高质量发展:价值内涵、机遇挑战与治理路径[J].河北体育学院学报,2022,36(3):38.

    • [4] 王雪莉,付群,郑成雯.中国体育产业高质量发展的现实挑战与路径探索[J].北京体育大学学报,2020,43(1):1.

    • [5] 许华荣.基于波士顿矩阵的经济社会政策安排[J].商业时代,2014(11):37.

    • [6] 梅爱冰.现代企业管理[M].北京:对外经济贸易大学出版社,2009.

    • [7] 林幼槐.精确管理:方法与工具[M].武汉:武汉大学出版社,2007.

    • [8] 张文彤,董伟.SPSS统计分析高级教材[M].北京:高等教育出版社,2018.

    • [9] 张俊萍,邓怡,刘天璇.基于决策树与扩展相关性矩阵的故障诊断方法[J].测控技术,2019,38(7):125.

    • [10] 夏泳.营销数据的统计建模及分析[D].南京:东南大学,2016.

    • [11] 王宗利.基于AFSA的聚类算法研究及应用[D].济南:山东师范大学,2010.

    • [12] 赵卢雷.创新驱动:后发优势向先发优势跨越的关键[J].中国发展,2021,21(1):13.

  • 用微信扫一扫

    用微信扫一扫