สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
aBRIDGEd

ดัชนีทัศนคตินักลงทุนในตลาดหลักทรัพย์แห่งประเทศไทย

สร้างดัชนีทัศนคตินักลงทุนในตลาดหลักทรัพย์แห่งประเทศไทยจากข้อมูลภาพรวมแทนการสัมภาษณ์

โดยทั่วไปการจัดทำดัชนีความเชื่อมั่นจะนิยมใช้การสัมภาษณ์จากกลุ่มตัวอย่าง ซึ่งแม้ว่าจะเป็นวิธีที่ทำให้ได้ข้อมูลปฐมภูมิโดยตรงแต่เป็นวิธีที่มีต้นทุนสูงและใช้เวลา อีกวิธีหนึ่งคือการใช้ข้อมูลภาพรวมที่มีอยู่ในด้านต่างๆ ประกอบกันขึ้นเพื่อทำดัชนี วิธีหลังนี้มีต้นทุนในการจัดทำต่ำ สามารถทำได้เร็ว และใช้พฤติกรรมที่ปรากฏแทนการแสดงความคิดเห็น บทความนี้ได้พัฒนาดัชนีทัศคตินักลงทุนในตลาดหลักทรัพย์แห่งประเทศไทยโดยใช้วิธีที่สองนี้ และพบว่าตัวแปรที่มีความสำคัญในการระบุดัชนีทัศนคตินักลงทุนมี 4 ตัวแปรคือ
1) จำนวนบริษัทเข้าจดทะเบียนใหม่ 2) อัตราการหมุนเวียนของปริมาณหุ้นที่มีการซื้อขาย 3) มูลค่าการระดมทุนในตลาดรองของตราสารทุนต่อการระดมทุนในตลาดรองทั้งหมด และ 4) สัดส่วนการซื้อขายของนักลงทุนรายย่อยต่อการซื้อขายทั้งหมดของนักลงทุนทุกประเภทดัชนีทัศนคตินักลงทุนที่พัฒนาได้สามารถอธิบายการเปลี่ยนแปลง SET index ในช่วงเวลาสำคัญๆ ได้ดี และมีความเคลื่อนไหวสอดคล้องกับดัชนีความเชื่อมั่นประเภทอื่น เช่น ดัชนีความเชื่อมั่นนักลงทุน (BSI) และดัชนีความเชื่อมั่นผู้บริโภค (CCI) โดยที่ดัชนีทัศนคตินักลงทุนมีความผันผวนสูงกว่า

ความสำคัญของทัศนคตินักลงทุน[1]

การเคลื่อนไหวของราคาสินทรัพย์นั้น นอกจากจะถูกกำหนดจากปัจจัยพื้นฐานเช่น อัตราผลตอบแทน การทำกำไร และ แนวโน้มการเติบโตของบริษัทแล้ว ทัศนคติหรืออารมณ์ของนักลงทุนก็เป็นอีกปัจจัยหนึ่งที่มีความสำคัญต่อการกำหนดการเปลี่ยนแปลงของราคาสินทรัพย์ ทัศนคติเชิงบวกต่อการลงทุนจะทำให้ราคาสินทรัพย์ปรับตัวสูงขึ้นได้แม้ปัจจัยพื้นฐานของสินทรัพย์นั้นจะไม่ดี และในทางกลับกัน หากนักลงทุนมีทัศนคติเชิงลบราคาสินทรัพย์ก็สามารถปรับตัวลดลงได้

การตัดสินใจลงทุนด้วยการใช้อารมณ์หรือทัศนคติเป็นเรื่องปรกติ ทัศนคตินักลงทุนมีผลจะต่อราคาสินทรัพย์ในสองระยะ ในระยะแรกราคาสินทรัพย์จะปรับตัวในทิศทางเดียวกันกับทัศนคติ และราคาสินทรัพย์จะปรับตัวในทิศทางตรงข้าม ในระยะถัดมา แม้ผลทางด้านทัศนคติจะเป็นเรื่องปรกติ แต่หากผลทางด้านทัศนคติมีมากเกินไป การปรับตัวของราคาสินทรัพย์อาจจะรุนแรงเกินไปและเกิดผลเสียได้ พฤติกรรมเช่นนี้จะเห็นได้ชัดในกรณีการปรับตัวของราคาสินทรัพย์ในลักษณะฟองสบู่ ซึ่งเกิดขึ้นเมื่อนักลงทุนมีทัศนคติที่ดีมากต่อการลงทุน ราคาสินทรัพย์ในปัจจุบันจึงปรับตัวสูงขึ้นอย่างมากและตามมาด้วยการปรับลดของราคาอย่างรุนแรง ดังนั้นการติดตามทัศนคตินักลงทุนจึงมีความจำเป็นทั้งต่อนักลงทุนเองและผู้กำกับดูแล

คุณสมบัติอันพึงประสงค์ของดัชนีทัศนคตินักลงทุน

การวัดทัศนคติของนักลงทุนเป็นเรื่องยากเนื่องจากเป็นการพยายามวัดสิ่งที่เป็นนามธรรมให้เป็นรูปธรรม จึงอาจกล่าวได้ว่าไม่มีดัชนีรูปแบบไหนเลยที่จะวัดทัศนคตินักลงทุนได้อย่างเที่ยงตรง ดัชนีที่ดีควรมีคุณสมบัติอันพึงประสงค์บางประการเพื่อให้นำมาใช้ได้อย่างเหมาะสมประกอบด้วย (1) ดัชนีควรสะท้อนพฤติกรรมโดยรวมของนักลงทุนไม่ให้น้ำหนักกับนักลงทุนกลุ่มใดกลุ่มหนึ่งมากเกินไป (2) วิธีการสร้างดัชนีและข้อมูลต้องมีความโปร่งใส และ (3) การสร้างดัชนีต้องสามารถทำได้รวดเร็วและทันต่อสถานการณ์

ดัชนีทัศนคตินักลงทุนหรือความเชื่อมั่นของนักลงทุนสำหรับประเทศไทยที่มีใช้ในปัจจุบันจัดทำโดย FETCO-NIDA  ซึ่งเป็นการสร้างดัชนีด้วยวิธีการออกแบบสอบถาม (Survey Base) วิธีนี้สามารถสร้างดัชนีที่ดีได้หากสามารถกระจายกลุ่มตัวอย่างได้อย่างทั่วถึงและมีจำนวนมากพอ

Chuthanondha, Thubdimphun and Sripinit (2016) ได้เสนออีกวิธีหนึ่งในการพัฒนาดัชนีทัศนคตินักลงทุนในตลาดหลักทรัพย์แห่งประเทศไทยโดยอาศัยข้อมูลสาธารณะที่ทุกคนเข้าสามารถถึงได้ และใช้วิธีทางสถิติในการสกัดข้อมูลออกมาเพื่อเป็นดัชนีทัศนคตินักลงทุน วิธีการนี้สามารถสะท้อนพฤติกรรมรวมของตลาดได้ และสามารถทำได้อย่างรวดเร็ว วิธีการนี้ได้ถูกเสนอโดย Baker and Wurgler (2006) ซึ่งมีการนำมาใช้และปรับปรุงต่อโดยงานวิจัยอีกหลายงาน อาทิ Corredor et al. (2013) และ Yu and Yuan (2011)

การสร้างดัชนี

การสร้างดัชนีเริ่มต้นโดยการเลือกตัวแปรที่เป็นตัวแทนในแง่มุมต่างๆ หลังจากนำตัวแปรแต่ละตัวมาปรับฐานและใช้วิธี Principal Component Analysis ในการถ่วงน้ำหนักให้ตัวแปรแต่ละตัว ตัวแปรที่ใช้ในการสร้างดัชนีเป็นดังนี้[2]

– Trading volume turnover (TURN) คือ อัตราการหมุนเวียนของปริมาณหลักทรัพย์ที่มีการซื้อขายทั้งในตลาด SET และ MAI โดยคำนวณจากการนำปริมาณหลักทรัพย์ที่มีการซื้อขายเฉลี่ยรายวันในแต่ละเดือนมาคูณกับจำนวนวันที่มีการซื้อขายใน 1 ปี หารด้วยปริมาณหลักทรัพย์ที่อยู่ในตลาดทั้งหมดในแต่ละเดือน

– Number of IPOs stock (NIPOM) คือ จำนวนหลักทรัพย์ที่จดทะเบียนเข้าใหม่ทั้งในตลาด SET และ MAI ในแต่ละเดือน (รวม property fund, REIT และ infrastructure fund)

– Share of equity issues in total equity and debt issues (S) คือ อัตราส่วนของมูลค่าการระดมทุนในตลาดตราสารทุน (ทั้งในตลาดแรกและตลาดรอง) ต่อมูลค่าการระดมทุนในตลาดตราสารหนี้ในแต่ละเดือน (นับเฉพาะการระดมทุนในภาคเอกชนเท่านั้น)

– Net Foreign investor trades (NFBVAL) คือ มูลค่าการซื้อขายสุทธิของนักลงทุนสถาบันต่างประเทศในแต่ละเดือน

ตัวแปรทุกตัวก่อนนำมาสร้างดัชนีจะถูกปรับให้มีค่ากลางเป็นศูนย์และส่วนเบี่ยงเบนมาตรฐานเป็นหนึ่ง ยกเว้น TURN ที่ต้องมีขบวนการพิเศษคือปรับโดยใช้ลอการิทึมฐานธรรมชาติ (Natural Log) และใช้ค่าเฉลี่ยย้อนหลัง 5 ปี (5-year Moving Average)

การถ่วงน้ำหนักให้แต่ละตัวแปรทำโดยใช้วิธีการทางสถิติที่เรียกว่า Principal Component Analysis โดยวิธีการนี้จะวิเคราะห์ความสัมพันธ์ของตัวแปรเหล่านี้และหาว่า ความเคลื่อนไหวหลักของกลุ่มตัวแปรนี้ถ่วงน้ำหนักมาจากตัวแปรใดบ้าง โดยหากใช้รูปแบบความสัมพันธ์ที่มีทั้งหมดจะเป็นการอธิบายความสัมพันธ์ของตัวแปรทั้งหมด ในที่นี้จะเลือกความสัมพันธ์หลักเพียงรูปแบบเดียวเพื่อนำมาสร้างดัชนีทัศนคตินักลงทุน[3]

การสร้างดัชนีนี้ไม่ได้ขจัดผลของการเคลื่อนไหวทางด้านปัจจัยพื้นฐานทางเศรษฐกิจออกไป แม้ว่าการขจัดผลทางปัจจัยจะสามารถทำได้ด้วยขบวนการทางเศรษฐกิจ แต่การคงปัจจัยพื้นฐานไว้นี้มีเหตุผลสองประการ ประการแรก การขจัดผลทางปัจจัยพื้นฐานออก หากเปรียบเทียบกับวิธีการสัมภาษณ์แล้ว ก็คือการถามทัศนคตินักลงทุน โดยให้นักลงทุนแยกทัศนคติล้วนๆ ออกจากทัศนคติที่มาจากมุมมองทางปัจจัยพื้นฐานทางเศรษฐกิจซึ่งทำได้ยาก ประการที่สอง ข้อมูลปัจจัยพื้นฐานทางเศรษฐกิจจะต้องใช้เวลาหลายเดือนกว่าจะได้ข้อมูลที่ครบถ้วนทำให้การจัดทำดัชนีทัศนคตินักลงทุนล่าช้าไม่ทันต่อสถานการณ์  ดัชนีทัศนคตินักลงทุน ( Investor Sentiment Index: ISI)  ที่ได้จึงไม่แยกผลทางปัจจัยพื้นฐานออกไปและถูกพัฒนาได้ดังนี้

ISI = 0.37 NIPOM + 0.58TURN + 0.65S + 0.31NFBVAL

การใช้ดัชนีทัศนคตินักลงทุน

รูปที่ 1 ดัชนีความเชื่อมั่นประเภทต่างๆ
abpic2016_010_01

รูปที่ 1 ได้นำดัชนีความเชื่อมั่นประเภทต่างๆ ที่มีใช้อยู่มาเปรียบเทียบกัน โดยได้ปรับให้ดัชนีแต่ละตัวมีค่ากลางเป็นศูนย์และส่วนเบี่ยงเบนมาตรฐานเป็นหนึ่งเพื่อประโยชน์ในการเปรียบเทียบ Investor Sentiment Index: ISI คือดัชนีที่สร้างขึ้นมา Business Sentiment Index: BSI ดัชนีความเชื่อมั่นภาคธุรกิจจัดทำโดยธนาคารแห่งประเทศไทย และ Consumer Confident Index: CCI ดัชนีความเชื่อมั่นผู้บริโภคจัดทำโดยมหาวิทยาลัยหอการค้าไทย จะเห็นได้ว่าดัชนีทั้งสามมีการเคลื่อนไหวไปในทิศทางเดียวกัน โดยที่ ISI มีความผันผวนมากกว่าดัชนีอื่นๆ เนื่องจากนักลงทุนในตลาดหลักทรัพย์มีพฤติกรรมอ่อนไหวต่อข้อมูลมากกว่าผู้บริโภคและภาคธุรกิจ

เมื่อนำ ISI มาเปรียบเทียบกับดัชนีตลาดหลักทรัพย์แห่งประเทศไทย (SET) ในรูปที่ 2 จะเห็นว่า ISI สามารถบ่งชี้เหตุการณ์สำคัญที่มีผลต่อการเคลื่อนไหวของ SET Index ได้ดีในหลายๆ กรณีและชี้ให้เห็นว่าตั้งแต่ปี 2549 เป็นต้นมาทัศนคตินักลงทุนมีการเคลื่อนไหวอยู่ในแดนลบแต่มีแนวโน้มขยับตัวขึ้นอย่างอ่อนๆ และ ข้อสังเกตที่น่าสนใจประการหนึ่งคือ ช่วงขาขึ้น ดัชนีปรับตัวขึ้นรวดเร็วและเป็นเวลาสั้น ส่วนช่วงขาลง การปรับตัวของดัชนีจะค่อยเป็นค่อยไปและกินเวลานาน

รูปที่ 2 ดัชนีทัศนคตินักลงทุน และ SET Index

abpic2016_010_02

เมื่อนำดัชนีทัศนคตินักลงทุน (ISI) มาทดสอบผลกระทบต่อการเปลี่ยนแปลงอัตราผลตอบแทนส่วนเกินในตลาดที่มากกว่าการลงทุนในพันธบัตรรัฐบาลในช่วงเวลาต่างๆ ตามรูปที่ 3 จะพบว่าการเพิ่มขึ้น (ลดลง) ของดัชนีจะมีผลทำให้อัตราผลตอบแทนในตลาดเพิ่มขึ้น (ลดลง) ทันทีในเดือนนั้น และจะปรับตัวลดลง(เพิ่มขึ้น) ในอีก 3 เดือน, 6 เดือน และ 1 ปีข้างหน้า โดยที่ตลาด MAI ซึ่งเป็นตลาดเล็กจะได้รับผลกระทบจากปัจจัยทางด้านทัศนคติมากที่สุด

รูปที่ 3 การทดสอบอัตราผลตอบแทนส่วนเกิน

abpic2016_010_03

Market Excess Returnt = beta0 + beta1ISI + beta2 Market Excess Returnt-h + beta3 (log difference of volatility premium)t + residualt-h

ข้อสรุป

                ทัศนคตินักลงทุนเป็นอีกปัจจัยหนึ่งที่กำหนดทิศทางการเปลี่ยนแปลงราคาสินทรัพย์ที่ไม่อาจมองข้ามได้ หากแม้นทราบว่านักลงทุนมีทัศนคติอย่างไรในการตัดสินใจซื้อขายสินทรัพย์อยู่นั้นก็จะเป็นประโยชน์อย่างมากต่อทั้งนักลงทุนเอง ผู้กำกับดูแล และ บุคคลทั่วไป บทความฉบับนี้ประยุกต์เครื่องมือทางสถิติที่เรียกว่า การวิเคราะห์องค์ประกอบหลัก (Principal Component Analysis) เพื่อใช้ข้อมูลภาพรวมต่างๆ ที่มีอยู่ในตลาดในการสร้างดัชนีทัศนคตินักลงทุนซึ่งเป็นการวัดจากพฤติกรรมแทนการบอกกล่าวของนักลงทุน วิธีนี้ทำให้สามารถจัดทำดัชนีทัศนคติได้อย่างรวดเร็ว และสะท้อนพฤติกรรมโดยรวมของนักลงทุนได้

เอกสารอ้างอิง

Baker, M. and J. Stein (2004) “Market liquidity as a sentiment indicator.” Journal of Financial Markets 7, 271 – 299.

Baker, M. and J. Wurgler (2006) “Investor sentiment and the cross-section of stock returns.” Journal of Finance 61, 1645 -1680.

Baker, M. and J. Wurgler (2007) “Investor sentiment in the stock market” Journal of Economic Perspectives 21, 129- 152.

Chuthanondha, S. Thubdimphun, and T. Sripinit (2015) “Developing investor sentiment index for Thailand.” CMRI Research Paper 1/2558., https://www.set.or.th/setresearch/cmresearch/cmri_p1.html

Corredor, P., E. Ferrer, and R. Santamaria (2013) “Investor sentiment effect in stock markets: Stock characteristics or country-specific factors?” International Review of Economics and Finance 27, 572 – 591

Shiller, R. J. (1981) “Do stock prices move too much to be justified by subsequent changes in dividends?” American Economic Review 71, 421-498.

Wang, J. (2007) “Foreign equity trading and emerging market volatility: Evidence from Indonesia and Thailand” Journal of Development Economics 84, 798 – 811.

Yu, J. and Y. Yuan, (2011) “Investor sentiment and the mean-variance relation” Journal of Financial Economics 100, 367-381.

ข้อคิดเห็นที่ปรากฏในบทความนี้เป็นความเห็นของผู้เขียน ซึ่งไม่จำเป็นต้องสอดคล้องกับความเห็นของสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์

[1] บทความนี้ได้รับกาสนับสนุนทุนวิจัยโดย Thai Capital Market Research Institution คณะผู้เขียนขอขอบคุณเจ้าหน้าที่ตลาดหลักทรัพย์แห่งประเทศไทย และ เจ้าหน้าที่ธนาคารแห่งประเทศไทยที่ได้ให้ข้อเสนอแนะที่เป็นประโยชน์ยิ่งต่อการเขียนบทความ

[2] ในการสร้างดัชนีได้มีการทดลองใช้ตัวแปรอื่นๆ  อาทิ dividend premium และ volatility premium หลักการเลือกตัวแปรที่นำมาใช้ในขั้นตอนสุดท้ายนี้กำหนดว่าหากเปลี่ยนช่วงเวลาในการสร้างดัชนีเป็นช่วงเวลาต่างๆ แล้วน้ำหนักที่ถ่วงให้แต่ละตัวแปรต้องมีเครื่องหมายที่ถูกต้อง และ ให้ดัชนีสุดท้ายที่มีความหมาย

[3] Principal Component Analysis ใช้วิธีการหา Eigen-Value และ Eigen-Vector ของ Correlation Matrix ในที่นี้เลือก Eigen-Vector ที่มี Eigen-Value สูงที่สุดมาสร้างดัชนีซึ่งก็คือ Basis Vector ที่สามารถอธิบายข้อมูลได้มากที่สุดนั่นเอง  โดยที่ค่า Eigen-Vector ที่ได้คือค่าน้ำหนักที่ถ่วงให้กับแต่ละตัวแปร

READS: 102963