伊斯坦布尔独立大街店铺流水账：我怎么用公开数据判断租金谈判窗口

独立大街靠加拉塔塔那头，一间临街 45 平方米的铺面，房东开价月租 7.5 万里拉，押金三个月，年涨幅按 TÜFE 十二个月均值锁定。这套条件摆在桌上时，我手上只有公开数据：土耳其统计局按月发布的通胀与零售贸易指数、土耳其央行公布的结算汇率，以及伊斯坦布尔市政府公开的步行街人流统计口径。问题不是「贵不贵」，而是「这个价格对哪一类业态还有毛利空间」。

我的做法是先把三条序列拼进一张表，按周对齐，不做预测，只做回溯窗口。

import pandas as pd

# 三份公开数据：月度CPI、月度零售贸易指数、日度结算汇率
df = cpi.merge(retail, on="month").merge(fx, on="date")
df["real_rent"] = df["rent_try"] * (df["cpi_base"] / df["cpi"])
df["traffic_adj"] = df["footfall"] / df["retail_index"]
print(df[["month", "real_rent", "traffic_adj"]].tail(18))

关键参数只有两个：把租金用 CPI 折成基期实际值，再把人流用零售贸易指数归一化——因为人流涨不代表成交涨，用零售指数做分母能过滤掉旅游季的虚火。算完你会看到一个很清楚的结论：过去十八个月里，这条街的实际租金涨幅明显低于名义涨幅，房东挂在嘴上的「跟着通胀走」并不成立。

为什么这么做：里拉计价的名义数字在谈判里几乎没有信息量，双方都清楚它在缩水。把租金折成实际值，等于把谈判语言从「里拉」换成「购买力」，房东再要涨价就必须解释人流和零售额是否支撑。代价是这套方法只适合谈一年期以内的续约，锁三年 TÜFE 联动会让实际值模型失效。

会失效的地方有三处，都是我踩过的。第一，步行街人流统计在宗教节日和跨年夜会异常跳变，不剔除这几周，归一化后的曲线会误导你。第二，零售贸易指数是全国口径，伊斯坦布尔单店的业态差异会被平均掉，服装店和餐饮店的弹性完全不同。第三，汇率日度数据在央行干预窗口会出现跳空，用月度均价更稳。我最早用日度汇率算过一次，结果把一笔本可以谈下来的租金算成了「贵 20%」，差点直接放弃。

真正决定窗口的，是房东的现金流压力而不是你的模型。公开数据只能告诉你「这个价格在历史上处于什么位置」，告诉不了你对面那个人还有几个月贷款要还。

你谈伊斯坦布尔铺面时，会把 TÜFE 联动条款放在租金里，还是放在押金退还里？