สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
aBRIDGEd

มิติใหม่ของนโยบายการเงินและการรักษาเสถียรภาพระบบการเงิน

การดำเนินนโยบายการเงินในอนาคต เพื่อให้สามารถจัดการความเสี่ยงในระบบเศรษฐกิจและการเงินได้อย่างสมดุล

ทำไมนโยบายการเงินซึ่งมีหน้าที่หลักในการดูแลเงินเฟ้อหรือการขยายตัวของเศรษฐกิจ จะต้องระมัดระวังความเสี่ยงที่อาจเกิดขึ้นในระบบการเงิน แล้วความจำเป็นของการใช้อัตราดอกเบี้ยนโยบายในการลดความเสี่ยงดังกล่าวมีมากแค่ไหน รวมทั้งควรมีแนวทางปฏิบัติอย่างไร บทความนี้จะเล่าถึงความเสี่ยงในภาคการเงินที่กระทบต่อความยั่งยืนของการขยายตัวของเศรษฐกิจ รวมถึงเสนอแนวคิดของการดำเนินนโยบายการเงินที่สามารถคำนึงถึงประเด็นด้านเสถียรภาพระบบการเงินอย่างเป็นระบบ

เดิมทีแนวการดำเนินนโยบายการเงินจะให้ความสำคัญเฉพาะการดูแลอัตราเงินเฟ้อให้อยู่ในระดับที่ต่ำและไม่ผันผวนนัก หรือ มีเสถียรภาพด้านราคา (price stability) ภายหลังจากเหตุการณ์วิกฤตการเงินโลก ในปี ค.ศ. 2008 ซึ่งสร้างความเสียหายต่อเศรษฐกิจโลกอย่างรุนแรงและต่อเนื่องเกือบ 10 ปี ทำให้ประเด็นด้านเสถียรภาพระบบการเงิน (financial stability) เป็นที่พูดถึงกันมากขึ้น และเป็นที่เข้าใจกันว่าการดูแลเสถียรภาพราคาเพียงอย่างเดียวโดยไม่ได้คำนึงถึงความเสี่ยงที่ก่อตัวขึ้นในระบบการเงินอาจไม่เพียงพอที่จะทำให้เศรษฐกิจของประเทศเติบโตอย่างยั่งยืนได้

ดังนั้น จึงเลี่ยงไม่ได้ที่การดำเนินนโยบายการเงินในระยะต่อไปจะต้องให้ความสำคัญกับประเด็นด้านเสถียรภาพระบบการเงินมากขึ้น ก่อนที่ความเสี่ยงเหล่านี้จะสั่งสมขึ้นมาและก่อให้เกิดวิกฤตการเงินในอนาคตได้

ในปัจจุบันเราเริ่มเห็นธนาคารกลางหลายแห่ง เช่น ธนาคารกลางของนอร์เวย์และสวีเดน เริ่มใช้ดอกเบี้ยนโยบายเพื่อช่วยลดความเสี่ยงหรือความร้อนแรงในภาคการเงิน โดยการกำหนดอัตราดอกเบี้ยให้อยู่สูงกว่าระดับที่ควรจะเป็น

คำถามที่สำคัญ คือ แนวทางในการดำเนินนโยบายการเงินควรปรับเปลี่ยนอย่างไร? ในกรณีของไทย การดำเนินนโยบายการเงินที่อยู่ภายใต้กรอบเป้าหมายเงินเฟ้อแบบยืดหยุ่นนั้น เอื้อให้คำนึงถึงเสถียรภาพระบบการเงินได้อยู่แล้ว ซึ่งในช่วง 3-4 ปีที่ผ่านมา คณะกรรมการนโยบายการเงิน (กนง.) ก็ได้สื่อสารถึงความกังวลต่อประเด็นด้านเสถียรภาพระบบการเงินมาอย่างต่อเนื่อง เช่น ปัญหาหนี้ครัวเรือนที่อยู่ในระดับสูง ราคาอสังหาริมทรัพย์ที่เร่งตัวสูงขึ้นในระยะหลัง รวมถึงพฤติกรรมของนักลงทุนที่แสวงหาผลตอบแทนที่สูงขึ้นโดยอาจมองข้ามความเสี่ยงที่กำลังเผชิญอยู่ได้ บทความนี้จะช่วยขยายมุมมองให้ผู้อ่านทราบถึง แนวทางการดำเนินนโยบายการเงินที่จะนำประเด็นด้านเสถียรภาพระบบการเงินเข้ามาพิจารณาร่วมอย่างเป็นระบบ โดยเฉพาะการประเมิน trade-off ที่เกิดขึ้นระหว่างการใช้ดอกเบี้ยนโยบายเพื่อดูแลเสถียรภาพราคากับเพื่อดูแลเสถียรภาพระบบการเงิน รวมถึงแนวทางการผสานการใช้นโยบายการเงินควบคู่ไปกับมาตรการอื่น ๆ เพื่อช่วยเพิ่มประสิทธิภาพในการดำเนินนโยบายให้เศรษฐกิจของประเทศเติบโตอย่างยั่งยืน และสามารถสื่อสารต่อสาธารณชนได้อย่างชัดเจนมากขึ้น

I. เรามีแนวทางการวัดเสถียรภาพระบบการเงินอย่างไร?

การพิจารณาเสถียรภาพระบบการเงินได้อย่างมีประสิทธิภาพนั้นจำเป็นจะต้องมีเครื่องชี้ที่สามารถวัดความเสี่ยงที่เกิดขึ้นในระบบการเงินได้ อย่างไรก็ดี ระบบการเงินในปัจจุบันมีความซับซ้อนเพิ่มขึ้นมาก ทำให้การเฝ้าระวังความเสี่ยงในภาคการเงินไม่ใช่เรื่องง่าย แตกต่างจากการวัดระดับเสถียรภาพราคา ที่การเก็บข้อมูลดัชนีราคาผู้บริโภคและการคำนวณอัตราเงินเฟ้อมีมาตรฐานชัดเจน ดังนั้น การดูแลเสถียรภาพระบบการเงินจำเป็นที่จะต้องมองอย่างละเอียดรอบด้านทั้งในมิติของภาพรวมและมิติของความเสี่ยงที่อาจเกิดขึ้นเฉพาะบางจุดหรือบาง sector ในระบบเศรษฐกิจ

แนวทางการวัดระดับความเสี่ยงของระบบการเงินในภาพรวมที่ได้รับความนิยมนั้น สามารถดูได้จากเครื่องชี้วัฏจักรการเงิน (financial cycle) ซึ่งช่วยสะท้อนภาพว่าการก่อตัวของสินเชื่อและราคาอสังหาริมทรัพย์ในระบบมีมากเพียงใด จากภาพที่ 1 พบว่า[1] ช่วงก่อนเกิดวิกฤตต้มยำกุ้งในปี 2540 วัฏจักรการเงินของไทยปรับเพิ่มขึ้นอย่างรวดเร็วจนอยู่ที่ระดับสูงสุดที่ร้อยละ 18 ซึ่งสูงมากเมื่อเทียบกับระดับปัจจุบันที่ร้อยละ 7 ซึ่งสอดคล้องกับงานศึกษาหลายชิ้น[2] ที่พบว่า ระดับของวัฏจักรการเงินที่เริ่มปรับสูงมาก จะช่วยบ่งชี้ ความเสี่ยงที่เกิดขึ้นในระบบการเงินอันจะนำไปสู่การเกิดวิกฤตการเงินได้ นอกจากนี้ ยังพบว่า วัฏจักรการเงินมีรอบที่ยาวและใหญ่กว่าวัฏจักรเศรษฐกิจค่อนข้างมาก ซึ่งสะท้อนว่าความเปราะบางที่เกิดขึ้นในภาคการเงินนั้นมีการสะสมตัวอย่างช้า ๆ โดยอาจใช้เวลาถึง 20-30 ปี

ภาพที่ 1: การเปรียบเทียบระหว่างวัฏจักรการเงินและวัฏจักรเศรษฐกิจของไทย


ที่มา: คำนวณโดยผู้เขียน

เราสามารถนำข้อมูลของวัฏจักรการเงินนี้มาคำนวณหาโอกาสหรือความน่าจะเป็นของการเกิดวิกฤตการเงินในอนาคตได้[3] ภาพที่ 2 แสดงให้เห็นว่า ในช่วงปี 2538-2539 ประเทศไทยมีโอกาสเผชิญกับวิกฤตเพิ่มสูงขึ้นอย่างรวดเร็วก่อนที่จะเกิดวิกฤตต้มยำกุ้งขึ้นในปีถัดมา ขณะที่ในช่วงหลังตั้งแต่ปี 2558 ระดับของความน่าจะเป็นเริ่มปรับเพิ่มสูงขึ้นอีกครั้งตามการเพิ่มขึ้นของหนี้ครัวเรือนและราคาอสังหาริมทรัพย์ที่เร่งตัวสูงขึ้นมาก[4] อย่างไรก็ดี ในปัจจุบันระดับความน่าจะเป็นในการเกิดวิกฤตอยู่ในระดับที่ค่อนข้างต่ำเมื่อเทียบกับช่วงการเกิดวิกฤตการเงินก่อนหน้า

ภาพที่ 2: ความน่าจะเป็นของการเกิดวิกฤตการเงินของไทย (ในช่วง 1-3 ปีข้างหน้า)


ที่มา: คำนวณโดยผู้เขียน

จะเห็นได้ว่าการใช้ข้อมูลวัฏจักรการเงินช่วยให้เราสามารถประเมินความเสี่ยงของระบบการเงินในภาพรวมได้ค่อนข้างดี อย่างไรตาม ยังมีโอกาสที่ความเสี่ยงอาจเกิดขึ้นเฉพาะจุด เฉพาะบาง sector ได้ ซึ่งปัญหาเหล่านี้อาจเป็นต้นตอของความเสี่ยงที่ใหญ่ขึ้นในอนาคต ดังนั้น การเฝ้าระวังความเปราะบางที่เกิดขึ้นเฉพาะจุดผ่านเครื่องชี้ราย sector (sectoral indicators) ควบคู่กับการติดตามและวิเคราะห์วัฏจักรการเงินจึงเป็นสิ่งจำเป็น เพื่อให้การดูแลความเสี่ยงในภาคการเงินเป็นไปอย่างรอบด้านและรัดกุมยิ่งขึ้น รวมทั้งสามารถเลือกใช้เครื่องมือในการจัดการดูแลได้อย่างเหมาะสมต่อไป

ในที่นี้เราแบ่งการติดตามประเด็นด้าน financial stability ออกเป็น 7 sectors สำคัญ นั่นคือ 1) ภาคครัวเรือน 2) ภาคธุรกิจ 3) ภาคอสังหาริมทรัพย์ 4) ภาคสถาบันการเงิน 5) ภาคสถาบันการเงินที่ไม่ใช่ธนาคารพาณิชย์ 6) ภาคตลาดการเงิน และ 7) ภาคต่างประเทศ (อ้างอิงตามรายงาน Financial Stability Report) และ 6 ประเภทความเสี่ยงได้แก่ (1) [under] pricing of risk (2) risk appetite (3) leverage (4) vulnerability in debt serviceability & cushion (5) mismatch และ (6) interconnectedness โดยความเสี่ยงใน 4 ประเภทแรกนี้ถือเป็นความเสี่ยงที่นโยบายการเงินสามารถเข้ามามีส่วนร่วมในการจัดการได้ ขณะที่ความเสี่ยง 2 ประเภทสุดท้ายเป็นความเสี่ยงเชิงโครงสร้างซึ่งต้องอาศัยเครื่องมืออื่นในการดูแลต่อไป (ดูรายละเอียดเพิ่มเติมที่ Wongwachara et al. (2018) ซึ่งเป็นบทความฉบับเต็ม)

II. แนวคิดระบบแบบจำลองเศรษฐกิจที่คำนึงถึงเสถียรภาพระบบการเงิน

เมื่อการดำเนินนโยบายการเงินต้องคำนึงถึงทั้งวัฏจักรเศรษฐกิจและวัฏจักรการเงินควบคู่กัน ในบางครั้งวัฏจักรทั้งสองอาจอยู่ในทิศทางที่แตกต่างกัน เช่นในภาพที่ 1 ช่วงปี 2557 เป็นต้นมา วัฏจักรเศรษฐกิจยังอยู่ในแดนลบ หรือ เศรษฐกิจไทยยังโตต่ำกว่าศักยภาพและระดับเงินเฟ้อยังอยู่ต่ำกว่าขอบล่างของกรอบเป้าหมายเงินเฟ้อ ขณะที่วัฏจักรการเงินเป็นขาบวกสะท้อนความเปราะบางที่สะสมอยู่ในภาคการเงิน ทั้งนี้ หากผู้ดำเนินนโยบายตัดสินใจลดอัตราดอกเบี้ยนโยบายเพื่อกระตุ้นเศรษฐกิจ อาจไปเพิ่มความเปราะบางในภาคการเงินได้ ดังนั้นการประเมิน trade-off ระหว่างการดูแลวัฏจักรทั้งสองจึงมีความสำคัญมากในการดำเนินนโยบาย

เราได้พัฒนาระบบแบบจำลองเศรษฐกิจ (model platform) ที่มีความเชื่อมโยงกับภาคการเงิน (macro-financial linkages) เพื่อทำหน้าที่ประเมิน trade-off ดังกล่าว โดยระบบของแบบจำลองประกอบด้วยแบบจำลองย่อย ๆ ที่หลากหลาย แต่ละส่วนมีหน้าที่แตกต่างกัน แต่มีความเชื่อมโยงและสามารถสอบทานผลระหว่างกัน ดังแสดงในภาพที่ 3 โดยใจกลางของระบบแบบจำลอง (core model) จะเป็นสะพานเชื่อมโยงระหว่างแบบจำลองเดิมที่ใช้ในการพยากรณ์เศรษฐกิจและเงินเฟ้อในปัจจุบัน แบบจำลองที่ใช้ในการประเมินความเสี่ยงของระบบการเงิน และการวิเคราะห์เครื่องมือเชิงนโยบายต่าง ๆ เข้าไว้ด้วยกัน

ภาพที่ 3: โครงสร้างของระบบแบบจำลองเศรษฐกิจ (model platform)


ที่มา: วิเคราะห์โดยผู้เขียน

ในแง่ของการดำเนินนโยบายการเงิน ระบบแบบจำลองนี้ควรที่จะอธิบายการส่งผ่านของดอกเบี้ยนโยบาย ทำให้สามารถวิเคราะห์ถึง trade-off ที่จะเกิดขึ้นทั้งในระยะสั้นและระยะยาวจากการปรับขึ้น/ลด อัตราดอกเบี้ย และในที่สุดจะช่วยประเมินความเหมาะสมในการพิจารณาใช้นโยบายการเงินเพื่อการรักษาเสถียรภาพระบบการเงิน หรือที่เรียกกันว่า leaning against the wind (LAW) ได้

ภาพที่ 4 แสดงตัวอย่างการประเมิน trade-off โดยผล policy simulation ที่ผ่านระบบของแบบจำลอง[5] แสดงให้เห็นถึงต้นทุนของการดำเนินนโยบายการเงินในระยะสั้นที่มีต่อเสถียรภาพด้านราคา และผลประโยชน์ในระยะยาวต่อเสถียรภาพระบบการเงิน กล่าวคือ ในระยะสั้นการปรับขึ้นดอกเบี้ยนโยบาย (one-day repurchase rate, RP1) ในอัตราร้อยละ 1 จะทำให้เศรษฐกิจของไทยหดตัวลงในอัตราร้อยละ 0.60 อย่างไรก็ดี ในระยะยาวการที่ระดับดอกเบี้ยเพิ่มขึ้นนี้จะช่วยลดโอกาสของการเกิดวิกฤตการเงินลงร้อยละ 0.91 (ในกรณี baseline) หรืออาจจะลดลงได้มากถึงร้อยละ 4.62 ในกรณีที่การส่งผ่านของนโยบายการเงินมีประสิทธิภาพมาก (effective LAW)[6]

ภาพที่ 4: ตัวอย่าง policy simulation ที่แสดงผลกระทบจากการขึ้นอัตราดอกเบี้ยนโยบายที่มีต่อเสถียรภาพราคาและเสถียรภาพระบบการเงิน


ที่มา: วิเคราะห์และคำนวณโดยผู้เขียน

ผลการวิเคราะห์ trade-off ข้างต้นเป็นหนึ่งในข้อมูลสำคัญที่ช่วยในการตัดสินนโยบายการเงิน แต่ในทางปฏิบัติแล้ว กนง. ยังต้องคำนึงถึงอีกหลายประเด็น อาทิ ระดับเงินเฟ้อเสี่ยงที่จะหลุดขอบล่างเป็นเวลานานจะเพิ่มความเสี่ยงต่อการยึดเหนี่ยวการคาดการเงินเฟ้อ (de-anchoring inflation expectations) หรือไม่ หรือโอกาสในการเกิดวิกฤตการเงิน ณ ขณะนั้นสูงจนน่ากังวลหรือไม่

III. มาตรการ macroprudential ช่วยนโยบายการเงินได้อย่างไร?

ในทางปฏิบัติ หากการดำเนินนโยบายการเงินต้องดูแลทั้งเสถียรภาพด้านราคาและเสถียรภาพระบบการเงิน ประสิทธิภาพของนโยบายการเงินอาจด้อยลงเนื่องจากต้องดูแลหลายเป้าหมายเกินไป[7] จึงจำเป็นต้องพึ่งพาเครื่องมือเสริมอื่น ๆ เช่น มาตรการ macroprudential ควบคู่กันไปด้วย

ทั้งนี้ เครื่องมือ macroprudential[8] มีจุดเด่นที่สามารถช่วยเสริมนโยบายอัตราดอกเบี้ยได้ คือ 1. มีความหลากหลายและยืดหยุ่นกว่า จึงมีประสิทธิภาพในการแก้ปัญหาความเสี่ยงของระบบการเงินที่เกิดขึ้นเฉพาะจุดได้ดี อาทิ มาตรการควบคุมการปล่อยกู้สินเชื่อบ้าน Loan-to-Value (LTV) ที่ล่าสุดมีการกำหนดสัดส่วนการปล่อยสินเชื่อเพื่อซื้อบ้านหลังที่ 2 และบ้านราคา 10 ล้านขึ้นไป ทำให้นักลงทุนต้องออมเงินจำนวนหนึ่งก่อนที่จะสามารถซื้อบ้านได้ ซึ่งมาตรการ LTV นี้จะช่วยลดการเก็งกำไรในตลาดอสังหาริมทรัพย์ที่มักเป็นต้นตอของการเกิดวิกฤตการเงินในอดีต 2. สามารถจัดการกับปัญหาเชิงโครงสร้างของระบบการเงิน และช่วยเสริมสร้างความเข้มแข็ง (resiliency) ทำให้สามารถรองรับ shock ที่เกิดขึ้นได้ดีขึ้น เช่น มาตรการกำกับดูแลสถาบันการเงินที่มีความสำคัญเชิงระบบ (Domestic Systemically Important Banks: D-SIBs) ที่กำหนดให้ธนาคารขนาดใหญ่ดำรงเงินกองทุนในอัตราที่สูงขึ้น ทำให้สามารถรองรับความเสียหายที่อาจเกิดขึ้นในอนาคตได้เพิ่มขึ้น

IV. ผลการผสมผสานเครื่องมือเชิงนโยบาย

เมื่อเรามีเครื่องมือเชิงนโยบายที่หลากหลายให้เลือกใช้ คำถามสำคัญ คือ เราจะมีแนวทางในการผสมผสานเครื่องมือต่าง ๆ ให้เกิดประสิทธิภาพสูงสุดอย่างไร? ในงานวิจัยนี้เราได้นำระบบของแบบจำลอง[9] มาประเมินผล trade-off ที่เปลี่ยนแปลงไปจากการผสมผสานเครื่องมือเหล่านี้

ผลการศึกษา พบว่า การใช้เครื่องมือทั้งสองอย่าง คือ นโยบายอัตราดอกเบี้ยและ LTV ร่วมกันในการดูแลความเสี่ยงจากภาคอสังหาริมทรัพย์ (ซึ่งมักสะท้อนจากสินเชื่อที่อยู่อาศัยและราคาบ้านที่เร่งตัวสูงขึ้นมาก) นั้น มีประสิทธิภาพมากกว่าการเลือกใช้นโยบายการเงินเพียงอย่างเดียว สะท้อนจากอัตราการเติบโตของสินเชื่อที่อยู่อาศัย (mortgage growth) ที่ชะลอลงถึงร้อยละ 6 ซึ่งมากกว่าการใช้ดอกเบี้ยนโยบายเพียงอย่างเดียวที่ลดอัตราการเติบโตของสินเชื่อที่อยู่อาศัยได้เพียงร้อยละ 2 โดยการผสานกันของเครื่องมือทั้งสองนี้ยังส่งผลกระทบต่อการขยายตัวของเศรษฐกิจทั้งระบบน้อยลงด้วย โดยที่หากมาตรการ LTV มีความเข้มงวดเพิ่มขึ้นจะยิ่งช่วยชะลอการขยายตัวของสินเชื่อที่อยู่อาศัยได้ดียิ่งขึ้น ขณะเดียวกันจะส่งผลกระทบต่อการขยายตัวของเศรษฐกิจน้อยลง (ดังภาพที่ 5)[10]

ภาพที่ 5: การประเมินผลการผสานนโยบายการเงินควบคู่กับนโยบาย LTV ในการดูแลความเสี่ยงในภาคอสังหาริมทรัพย์


ที่มา: คำนวณโดยผู้เขียน

ในทางปฏิบัติการใช้นโยบาย macroprudential ยังมีความท้าทาย เนื่องจากยังเป็นเครื่องมือที่ค่อนข้างใหม่ ทำให้ประสบการณ์ของการใช้เครื่องมือนี้ในระยะยาวยังมีไม่มากนัก รวมทั้งต้องระมัดระวังไม่ให้เกิดการถ่ายเท (leakage) ของความเสี่ยงจากภาคส่วนหนึ่งไปยังส่วนอื่น อาทิ ธนาคารเงา (shadow banking) ที่อยู่นอกเหนืออำนาจการควบคุมของผู้ดำเนินนโยบายได้ อีกทั้งอำนาจความรับผิดชอบและการตัดสินใจเลือกใช้เครื่องมืออาจไม่ได้มาจากคณะกรรมการกลุ่มเดียว จึงอาจมีข้อจำกัดในการบังคับใช้เครื่องมือได้อย่างทันท่วงที

ข้อสรุป

บทเรียนจากวิกฤตการเงินและบริบทของเศรษฐกิจการเงินที่เปลี่ยนแปลงไป ส่งผลให้การดำเนินนโยบายการเงินหลีกเลี่ยงไม่ได้ที่จะต้องนำประเด็นด้านเสถียรภาพระบบการเงินเข้ามาพิจารณาร่วมอย่างเป็นระบบ โดยภายใต้แนวคิดนี้ “จำเป็นต้อง” (1) ประเมินได้ว่าความเสี่ยงของระบบการเงินอยู่ในระดับใด ซึ่งการสร้างและวิเคราะห์เครื่องชี้วัฏจักรการเงินถือเป็นจุดเริ่มต้นที่สำคัญ รวมทั้งควรทำความเข้าใจความเสี่ยงว่าเกิดขึ้นจากจุดไหนบ้าง หรือมีปัจจัยอะไรที่จะกระทบและเพิ่มความเสี่ยงให้สูงขึ้น เพื่อที่จะสามารถเลือกใช้เครื่องมือและจัดการได้อย่างตรงจุด (2) พัฒนาเครื่องมือต่าง ๆ ให้พร้อมรับกับขนาดและความซับซ้อนของภาคการเงินที่เปลี่ยนแปลงไปอย่างรวดเร็ว โดยเฉพาะการพัฒนาระบบของแบบจำลองที่ช่วยให้การประเมินการใช้เครื่องมือนโยบายการเงินและนโยบาย macroprudential เป็นไปอย่างสมบูรณ์ และ (3) ออกแบบและปรับปรุงกลไกเชิงสถาบัน (institutional arrangement) ที่คอยประสานหน่วยงานที่รับผิดชอบทางด้านเสถียรภาพระบบการเงินอย่างเป็นระบบ เพื่อให้การกำหนดมาตรการต่าง ๆ มีความสอดคล้องและเกิดประสิทธิภาพสูงสุด

เอกสารอ้างอิง

Wongwachara W., Jindarak B., Nookhwun N., Tunyavetchakit S. and Klungjaturavet C., (2018). “Integrating Monetary Policy and Financial Stability: A New Framework”, PIER Discussion Paper No.100.

[1] ดูรายละเอียดเพิ่มเติมใน aBRIDGEd เรื่อง “วัฏจักรการเงินไทยเกี่ยวข้องอย่างไรกับวัฏจักรเศรษฐกิจ”
[2] อาทิ งานศึกษาของ Bank for International Settlements (BIS)
[3] โดยการใช้ cross-country data ในการประเมินหาความน่าจะเป็นที่จะเกิดวิกฤตการเงิน ด้วยวิธี panel logistic regression
[4] ขณะที่อัตราเงินเฟ้ออยู่ต่ำกว่ากรอบล่างของกรอบเป้าหมาย สอดคล้องกับการตัดสินใจคงอัตราดอกเบี้ยนโยบาย ของ กนง. ในช่วงที่ผ่านมา เพื่อรักษาเสถียรภาพระบบการเงิน
[5] เลือกใช้ core model ที่เป็น Structural Vector Autoregression (SVAR) ในการทำ policy simulation โดย SVAR นี้เชื่อมโยงตัวแปรหลักทางเศรษฐกิจจริง (GDP และเงินเฟ้อ) ตัวแปรหลักทางภาคการเงิน (ระดับสินเชื่อและราคาที่ดิน) และอัตราดอกเบี้ยนโยบายเข้าไว้ด้วยกัน (สามารถดูรายละเอียดเพิ่มเติมได้ในบทความฉบับเต็ม)
[6] เช่นเดียวกัน หากการส่งผ่านนโยบายการเงินไร้ประสิทธิภาพ (ineffective LAW) อาจส่งผลในทางตรงกันข้ามต่อเสถียรภาพระบบการเงิน โดยทำให้ความน่าจะเป็นในการเกิดวิกฤตเพิ่มขึ้น
[7] อย่างที่ Tinbergen Rule ได้ระบุว่า ‘เพื่อบรรลุเป้าหมายเชิงนโยบาย จำเป็นต้องมีเครื่องมือเชิงนโยบายอย่างน้อยเท่ากับจำนวนเป้าหมาย’
[8] มาตรการ macroprudential คือมาตรการที่ใช้กำกับดูแลสถาบันการเงินต่าง ๆ ที่นำมาประยุกต์ใช้ในการดูแลความเสี่ยงของระบบการเงิน ซึ่งถูกพัฒนาขึ้นอย่างมากหลังวิกฤตการเงินโลกที่ผ่านมา
[9] แบบจำลองที่เลือกใช้คือ Dynamic Stochastic General Equilibrium (DSGE) ที่นำภาคอสังหาริมทรัพย์และภาคธนาคารพาณิชย์มาผนวกเข้ากับภาคเศรษฐกิจจริง ซึ่งสามารถอธิบายถึงผลกระทบของการเปลี่ยนแปลงของอัตราดอกเบี้ยนโยบาย รวมถึงการเปลี่ยนแปลงของระดับ LTV ว่ามีผลต่อระบบเศรษฐกิจการเงินอย่างไร
[10] ผลการประเมินเป็นการเปรียบเทียบส่วนต่างที่เกิดขึ้นกับกรณีมาตรฐาน (benchmark) คือ Taylor rule ปกติ ที่ไม่คำนึงถึงตัวแปรการเงิน

ข้อคิดเห็นที่ปรากฏในบทความนี้เป็นความเห็นของผู้เขียน ซึ่งไม่จำเป็นต้องสอดคล้องกับความเห็นของสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์

READS: 1817
ธนาคารแห่งประเทศไทย
waraponw@bot.or.th
ธนาคารแห่งประเทศไทย
bovonvij@bot.or.th
ธนาคารแห่งประเทศไทย
SophonT@bot.or.th
ธนาคารแห่งประเทศไทย
ChutiphK@bot.or.th
ธนาคารแห่งประเทศไทย
NuwatN@bot.or.th