ถอดรหัสนโยบายการเงิน แบบ Data Dependent

คอลัมน์ ร่วมด้วยช่วยคิด

โดย ดร.ดอน นาครทรรพ, ดร.นุวัต หนูขวัญ, นิธิสาร พงศ์ปิยะไพบูลย์ ธนาคารแห่งประเทศไทย

ตั้งแต่กลางปีที่ผ่านมา คณะกรรมการนโยบายการเงิน หรือ กนง. ได้สื่อสารอย่างต่อเนื่องว่า การตัดสินนโยบายการเงินจะยึดหลัก “data dependent” กล่าวคือ การปรับอัตราดอกเบี้ยนโยบายนั้นจะขึ้นอยู่กับ “พัฒนาการของข้อมูล” เป็นสำคัญ หลายท่านอาจมีข้อสงสัยว่า แล้ว กนง.ใช้หลักการ data dependent อย่างไรในทางปฏิบัติ ? และหลักการนี้ช่วยอธิบายผลการตัดสินนโยบายการเงินในช่วงที่ผ่านมาได้มากน้อยเพียงใด ? บทความนี้จะช่วยไขข้อสงสัยไปพร้อมกันกับทุกท่าน

โดยทั่วไป ธนาคารกลางจะให้ความสำคัญกับการประเมินแนวโน้มเศรษฐกิจในอนาคต แล้วจึงกำหนดนโยบายการเงินที่เหมาะสมว่าควรจะผ่อนคลายลงหรือเข้มงวดขึ้น อย่างไรก็ดี การมองภาพเศรษฐกิจไปในอนาคตย่อมมีความท้าทาย เพราะเศรษฐกิจเผชิญกับความเสี่ยงและความไม่แน่นอนต่าง ๆ อยู่ตลอดเวลา เช่นปัจจุบัน สถานการณ์เศรษฐกิจโลกเปลี่ยนแปลงรวดเร็ว จากมาตรการตอบโต้ทางการค้าระหว่างสหรัฐและจีน รวมทั้งโครงสร้างเศรษฐกิจการเงินมีความหลากหลายและซับซ้อนขึ้นมาก ซึ่งหลักการ data dependent สามารถเข้ามาช่วยได้ใน 2 มิติสำคัญ คือ

ข้อมูลล่าสุดช่วยให้เข้าใจทิศทางเศรษฐกิจข้างหน้า มิติแรก คือ การติดตามข้อมูลล่าสุดอย่างใกล้ชิด ซึ่งช่วยให้ กนง.เห็นถึงสถานการณ์ล่าสุดของเศรษฐกิจ และเพิ่มความชัดเจนในการประเมินภาพเศรษฐกิจในระยะต่อไปว่าจะมีทิศทางอย่างไร หากข้อมูลใหม่ที่ออกมาแตกต่างจากที่ กนง.คาดไว้อย่างมีนัยสำคัญ ก็อาจเปลี่ยนแปลงมุมมองต่อภาพเศรษฐกิจในอนาคต และนำไปสู่การปรับอัตราดอกเบี้ยนโยบายให้เหมาะสมในที่สุด

ตัวอย่าง เช่น การลดดอกเบี้ยของ กนง.ในเดือนสิงหาคมที่ผ่านมา กนง.ประเมินว่า เศรษฐกิจไทยในปีนี้มีแนวโน้มที่จะขยายตัวต่ำกว่าร้อยละ 3 หลัก ๆ เป็นผลจากตัวเลขเศรษฐกิจเดือนมิถุนายนออกมาต่ำกว่าคาดมาก ประกอบกับไม่กี่วันก่อนหน้า สหรัฐประกาศขึ้นภาษีนำเข้าจากจีนเพิ่มเติม และระบุจีนเป็นประเทศปั่นค่าเงิน (currency manipulator) ขณะเดียวกัน อัตราเงินเฟ้อทั่วไปมีแนวโน้มชะลอลงตามราคาน้ำมันดิบในตลาดโลก โดยอยู่ต่ำกว่าขอบล่างของกรอบเป้าหมายที่ร้อยละ 1-4 กนง.จึงมีมติลดอัตราดอกเบี้ยนโยบายลงมาที่ร้อยละ 1.50 ในที่สุด เพื่อเพิ่มแรงกระตุ้นให้แก่เศรษฐกิจและเงินเฟ้อ

ขณะที่ในการประชุมครั้งล่าสุด กนง.มองว่า ประมาณการใหม่ของเศรษฐกิจไทยไม่ต่างจากที่ประเมินไว้ในการประชุมเดือนสิงหาคมมากนัก ประกอบกับ กนง.ต้องการรอดูผลของมาตรการกระตุ้นเศรษฐกิจของภาครัฐ จึงมีมติให้คงอัตราดอกเบี้ยนโยบายไว้

ดังนั้น การดำเนินนโยบายการเงินแบบ “data dependent” จึงหมายถึง นโยบายการเงินที่ “พร้อม” ปรับเปลี่ยนเมื่อสถานการณ์เศรษฐกิจเปลี่ยนแปลงไปจากที่เคยประเมินไว้ ซึ่งสำคัญมากในโลกปัจจุบันที่ผันผวนและมีความไม่แน่นอนสูง สถานการณ์บางอย่างสามารถออกหัวออกก้อยได้หลายรูปแบบ เช่น Brexit ซึ่งความน่าจะเป็นพลิกกลับไปมาตลอดว่าอังกฤษจะแยกตัวออกจากสหภาพยุโรปหรือไม่ จะจากกันแบบมีข้อตกลงหรือไม่มีข้อตกลง ซึ่งยังไม่มีใครทราบได้

ข้อมูลหลากหลายประเมินภาพเศรษฐกิจได้ครบถ้วน

มิติที่สอง คือ การพิจารณาข้อมูลที่หลากหลายและครอบคลุม ซึ่งช่วยให้ กนง.เข้าใจภาพเศรษฐกิจได้ดียิ่งขึ้น ภายใต้โครงสร้างเศรษฐกิจการเงินของโลก และไทยที่ซับซ้อนมากขึ้น และสามารถประเมินข้อดีและข้อเสียของนโยบายในแต่ละทางเลือกได้ครบถ้วน

ในการพิจารณานโยบายการเงิน กนง.ให้ความสำคัญกับ 3 เรื่อง คือ เสถียรภาพด้านราคา เสถียรภาพเศรษฐกิจ และเสถียรภาพระบบการเงิน กนง.จึงต้องมีเครื่องชี้ที่หลากหลาย เพื่อประเมินภาวะ แนวโน้ม และความเสี่ยงของทั้ง 3 เรื่องดังกล่าว ทั้งที่เป็น hard data หรือข้อมูลเชิงปริมาณ ตั้งแต่ข้อมูลเศรษฐกิจมหภาค (macro-level data) ที่ทุกคนคุ้นเคย เช่น GDP อัตราเงินเฟ้อ การขยายตัวของสินเชื่อ ไปจนถึงข้อมูลในเชิงลึก (micro-level data) ซึ่งช่วยให้ กนง.เห็นการกระจายตัวของกิจกรรม รายได้ และการจ้างงานในกลุ่มต่าง ๆ
ทั้งภาคการผลิต ภาคบริการ ภาคเกษตร รวมถึงไปถึงเศรษฐกิจระดับฐานราก นอกจากนี้ ข้อมูลเชิงลึกยังสำคัญในการติดตามความเปราะบางในภาคการเงินที่ก่อตัวขึ้นเฉพาะจุดอีกด้วย เช่น ในภาคอสังหาริมทรัพย์ หรือในภาคครัวเรือน

นอกจากข้อมูล hard data แล้ว กนง.ยังให้ความสำคัญกับ soft data ต่าง ๆ ที่มาจากการสำรวจและการสัมภาษณ์ ที่สำคัญ คือ ธนาคารแห่งประเทศไทย (ธปท.) มีการพบปะพูดคุยโดยตรงกับผู้ประกอบการทั่วประเทศตลอดปี ปีละไม่ต่ำกว่า 800 ราย เพื่อให้ได้ข้อมูลจริงจากภาคสนาม รับรู้ถึงอารมณ์ ความเชื่อมั่น และข้อกังวลต่าง ๆ ของภาคเอกชน ซึ่งเป็นปัจจัยสำคัญที่มีผลต่อการตัดสินใจบริโภค ลงทุน และแนวโน้มเศรษฐกิจในระยะข้างหน้า ในบางครั้ง ข้อมูลเศรษฐกิจมหภาคกับข้อมูลในเชิงลึก อาจสะท้อนภาพเศรษฐกิจที่ขัดแย้งกัน ยิ่งทำให้ กนง.ต้องตัดสินนโยบายด้วยความระมัดระวังมากขึ้น

ตัวอย่าง เช่น ช่วงหัวเลี้ยวหัวต่อที่ กนง.กำลังพิจารณาขึ้นอัตราดอกเบี้ยครั้งแรก หลังจากที่คงดอกเบี้ยอยู่ในระดับต่ำมานาน ย้อนกลับไปช่วงปี 2560-2561 เศรษฐกิจไทย (สะท้อนจาก GDP) เติบโตดีจากภาคการส่งออก แต่ กนง.ประเมินจากข้อมูลต่าง ๆ ว่า การกระจายตัวของผลดีดังกล่าวไปสู่เศรษฐกิจและตลาดแรงงานในประเทศยังไม่ทั่วถึงดีนัก จึงตัดสินใจคงอัตราดอกเบี้ยนโยบายไว้ที่ร้อยละ 1.50 อย่างต่อเนื่อง จนกระทั่งในช่วงปลายปี 2561 กนง.ตัดสินใจขึ้นอัตราดอกเบี้ยเป็นครั้งแรกในรอบกว่า 4 ปี เมื่อเห็นว่าเศรษฐกิจปรับตัวดีขึ้นอย่างทั่วถึงทุกภาคส่วน และเห็นข้อมูลว่าอัตราดอกเบี้ยที่อยู่ในระดับต่ำมานานก่อให้เกิดการสะสมความเสี่ยงในระบบการเงินหลายจุด

ธนาคารกลางสหรัฐ หรือ Fed เป็นธนาคารกลางอีกแห่งที่เน้นย้ำหลักการ data dependent มาหลายปีก่อนหน้า โดยในช่วงที่กำลังพิจารณาปรับขึ้นอัตราดอกเบี้ยเป็นครั้งแรก Fed ต้องมั่นใจจากข้อมูลที่ออกมาว่า เศรษฐกิจเติบโตอย่างแข็งแกร่ง และอัตราเงินเฟ้อปรับขึ้นสู่เป้าหมาย ก่อนตัดสินใจขึ้นอัตราดอกเบี้ยครั้งแรกในช่วงปลายปี 2558 รวมถึงมีการประเมินข้อมูลอย่างรอบคอบก่อนการขึ้นอัตราดอกเบี้ยครั้งถัด ๆ ไปด้วย

ความท้าทายของหลักการ data dependent ภายใต้หลักการ data dependent กนง.ย่อมเผชิญความท้าทายในการเลือกใช้ข้อมูลให้เกิดประสิทธิภาพสูงสุด ความท้าทายแรก คือ ความผันผวนของข้อมูล การติดตามข้อมูลล่าสุดจำเป็นต้องแยกแยะระหว่าง “ปัจจัยชั่วคราว” ที่กระทบข้อมูลเพียงระยะสั้น กับ “ปัจจัยถาวร” ที่จะมีอิทธิพลต่อแนวโน้มเศรษฐกิจในระยะยาว ข้อมูลบางประเภทผันผวนมากในระยะสั้น เช่น ข้อมูลอัตราเงินเฟ้อทั่วไปอาจสูงขึ้นในบางเดือนจากความผันผวนของราคาผักและผลไม้ ซึ่งอาจไม่มีนัยใด ๆ ต่อแนวโน้มอัตราเงินเฟ้อในระยะข้างหน้า เป็นต้น

ความท้าทายที่สอง คือ การสื่อสารต่อสาธารณะ ความหลากหลายของข้อมูลย่อมทำให้การประเมินผลดีและผลเสียของการตัดสินนโยบายมีความซับซ้อนขึ้น เนื่องจากมีปัจจัยหลายอย่างให้พิจารณา นำไปสู่ความท้าทายในการสื่อสารต่อสาธารณชนให้เข้าใจว่ากนง.ใช้ข้อมูลใดมาเป็นข้อพิจารณาสำคัญในการตัดสินนโยบาย เพื่อให้ภาคเอกชนและประชาชนเข้าใจเหตุผลของการตัดสินนโยบายแต่ละครั้ง สามารถปรับตัวได้อย่างเหมาะสม ตลอดจนคาดการณ์ทิศทางนโยบายการเงินในอนาคตได้

ก้าวต่อไปของ Data Dependent ในโลกที่ผันผวน

มองไปข้างหน้า ความไม่แน่นอนของเศรษฐกิจโลกและเศรษฐกิจไทยมีแต่จะเพิ่มขึ้น ไม่ว่าจะจากสภาวะการกีดกันทางการค้าระหว่างประเทศที่ขยายวงกว้างขึ้น ความเสี่ยงเชิงภูมิรัฐศาสตร์ในภาคส่วนต่าง ๆ ของโลก การเปลี่ยนแปลงของสภาพภูมิอากาศ ไปจนถึงการสะสมความเปราะบางในจุดต่าง ๆ ของภาคการเงิน ซึ่งอาจส่งผลกระทบขนาดใหญ่ได้ในอนาคต

การดำเนินนโยบายการเงินด้วยหลักการ data dependent ที่ติดตามพัฒนาการข้อมูลล่าสุดอย่างใกล้ชิด กอปรกับใช้ข้อมูลที่มีความหลากหลาย เพื่อประเมินความเสี่ยงที่รอบด้านและปรับตัวได้อย่างรวดเร็วทันการณ์ น่าจะเป็นกลยุทธ์ที่เหมาะสมในโลกที่ผันผวนยิ่งขึ้นใบนี้