อัตราเงินเฟ้อคาดการณ์: การสร้างตัวชี้วัดผ่านแบบจำลอง และนัยต่อนโยบายการเงินไทย

ท่ามกลางภาวะที่อัตราเงินเฟ้อลดลงมาอยู่ในระดับต่ำ หรือกระทั่งเป็นลบในหลายประเทศรวมทั้งในประเทศไทย การวิเคราะห์อัตราเงินเฟ้อคาดการณ์สำคัญอย่างยิ่งต่อการประเมินความสามารถของนโยบายการเงินในการยึดโยงพฤติกรรมของประชาชนและผู้ประกอบการ ภายใต้การดำเนินนโยบายการเงินแบบกรอบเป้าหมายเงินเฟ้อ (inflation targeting) นั้น อัตราเงินเฟ้อคาดการณ์ของผู้เล่นในระบบเศรษฐกิจถือเป็นตัวแปรสำคัญเนื่องจากอิทธิพลของการคาดการณ์จะเป็นตัวกำหนดการตัดสินใจเกี่ยวกับการตั้งราคาและอัตราเงินเฟ้อที่เกิดขึ้นจริงในที่สุด การประเมินอัตราเงินเฟ้อคาดการณ์จึงถือเป็นด่านแรก ๆ ที่ผู้ดำเนินนโยบายต้องก้าวข้ามในการที่จะควบคุมอัตราเงินเฟ้อให้อยู่ในเป้า โดยเฉพาะอัตราเงินเฟ้อคาดการณ์ในระยะยาวที่ปราศจากความผันผวนจากปัจจัยระยะสั้นและสะท้อนพื้นฐานของเศรษฐกิจ

เช่นเดียวกันกับตัวแปรทางเศรษฐกิจอีกหลายตัว อัตราเงินเฟ้อคาดการณ์เป็นสิ่งที่วัดแน่นอนได้ยาก โดยทั่วไปวิธีที่นิยมใช้ในการวัดตัวแปรนี้มี 2 วิธี วิธีแรกคือ การสำรวจในกลุ่มตัวอย่างที่เกี่ยวข้อง เช่น ครัวเรือน ภาคธุรกิจ หรือผู้เชี่ยวชาญด้านการทำประมาณการเศรษฐกิจในองค์กรต่าง ๆ ข้อดีของวิธีการนี้คือ ตัวเลขที่ได้จากการสอบถามสามารถใช้ชี้วัดการคาดการณ์เกี่ยวกับอัตราเงินเฟ้อได้ทันทีโดยแทบไม่ต้องผ่านการประมวลผลอะไรเพิ่มเติม แต่ก็มีข้อข้อจำกัดในเรื่องความถี่ของการออกแบบสำรวจ ต้นทุนในการดำเนินการ และที่สำคัญคือการตอบแบบสำรวจไม่ได้เชื่อมโยงกับการตัดสินใจทางเศรษฐกิจจริง (เช่น การลงทุน เป็นต้น) ทำให้ไม่อาจเป็นตัวสะท้อนที่ดีนัก นอกจากนี้ ผลที่ได้มักมีความแตกต่างกันไปตามกลุ่มตัวอย่างอีกด้วย

อีกวิธีหนึ่ง เราสามารถวัดอัตราเงินเฟ้อคาดการณ์ทางอ้อมได้ผ่านผลิตภัณฑ์ทางการเงิน เช่น พันธบัตรชดเชยเงินเฟ้อ¹ (inflation-linked bond: ILB) และสัญญาแลกเปลี่ยนอัตราเงินเฟ้อ² (inflation swap) เป็นต้น แต่สำหรับประเทศไทยจะยังคงมีเพียง ILB เท่านั้น โดยมีหลักการง่าย ๆ คือการหาส่วนต่างระหว่างอัตราผลตอบแทนของพันธบัตรประเภทปกติกับอัตราผลตอบแทนของ ILB หรืออัตราผลตอบแทนที่แท้จริง (real yield) ซึ่งเรียกทั่วไปว่า break-even inflation จุดเด่นของวิธีการวัดผ่านผลิตภัณฑ์ทางการเงินคือความถี่ของข้อมูลที่สูง และเป็นข้อมูลที่มีพื้นฐานมาจากการตัดสินใจที่แท้จริงของนักลงทุน

อย่างไรก็ตาม ข้อจำกัดสำคัญของวิธีนี้คือ break-even inflation ที่คำนวณได้นั้น จะไม่เท่ากับการคาดการณ์เงินเฟ้อเสียทีเดียว เนื่องจากในการลงทุน นักลงทุนจะคำนึงถึงความไม่แน่นอนที่เกิดจากการคาดการณ์อัตราเงินเฟ้อและนำ “ค่าชดเชยความเสี่ยงเงินเฟ้อ” (inflation risk premium) รวมเข้าไปในการคิดราคาด้วย ซึ่งมีผลต่อตัวเลข break-even inflation ไม่น้อย (Hördahl and Tristani 2010; 2012) นอกจากนี้ ปริมาณการซื้อขายพันธบัตรชนิดนี้ที่ค่อนข้างจำกัดยังทำให้เกิดส่วนชดเชยความเสี่ยงสภาพคล่อง (liquidity risk premium) อีกด้วย โดยเฉพาะอย่างยิ่งในกรณีที่ตลาดพันธบัตรชนิดนี้ยังไม่เติบโตมากพอดังเช่นประเทศไทย ซึ่งล้วนแต่จะทำให้ค่า break-even inflation แตกต่างจากการคาดการณ์ที่แท้จริงมากขึ้น งานวิจัยหลายชิ้นจึงมุ่งไปสู่การใช้แบบจำลองร่วมกับข้อมูลจาก ILB หรือแบบสำรวจ เพื่อให้ได้ค่าอัตราเงินเฟ้อคาดการณ์ที่ถูกต้องมากขึ้น (Joyce, Lildholdt, and Sorensen 2010; Kajuth and Watzka 2011; García and Werner 2010; 2012)

เพื่อขจัดปัญหาที่เกิดจากค่าชดเชยความเสี่ยงและความไม่สมบูรณ์ของตลาดพันธบัตรชดเชยเงินเฟ้อในกรณีของไทย Apaitan (2015) พัฒนาแบบจำลอง macro-finance term structure โดยใช้ข้อมูลพันธบัตรแบบปกติซึ่งตลาดมีความสมบูรณ์มากกว่า ร่วมกับตัวแปรเศรษฐกิจ มหภาคอื่น ๆ ในการสร้างตัวชี้วัดอัตราเงินเฟ้อคาดการณ์ แบบจำลองที่ใช้ในการศึกษาเป็นการผสมผสานกันระหว่างแบบจำลองเศรษฐกิจมหภาคแบบ New Keynesian ซึ่งกำหนดพลวัตรของตัวแปรมหภาคต่าง ๆ ได้แก่ ผลผลิต อัตราเงินเฟ้อ และอัตราดอกเบี้ยระยะสั้น กับแบบจำลองการตั้งราคาพันธบัตรประเภท no-arbitrage affine term structure ซึ่งใช้ข้อมูลเกี่ยวกับภาวะเศรษฐกิจมหภาคในการคำนวณผลตอบแทนของพันธบัตรอายุต่าง ๆ โดยอยู่บนสมมติฐานว่าราคาพันธบัตรในแต่ละอายุไม่สามารถนำไปทำกำไรโดยปราศจากความเสี่ยงได้ (no arbitrage) แบบจำลองนี้กำหนดให้อัตราผลตอบแทนพันธบัตรสามารถแยกออกได้เป็น 3 ส่วนคือ อัตราผลตอบแทนที่แท้จริง อัตราเงินเฟ้อคาดการณ์ และค่าชดเชยความเสี่ยงเงินเฟ้อ ซึ่งทั้ง 3 ส่วนนี้ล้วนขึ้นอยู่กับภาวะเศรษฐกิจและการคาดการณ์ ในทางกลับกัน ราคาพันธบัตรหรืออัตราผลตอบแทนที่เกิดขึ้นจริงในตลาดจึงทำให้เราสามารถอนุมานย้อนกลับไปยังการคาดการณ์เกี่ยวกับพลวัตรของตัวแปรมหภาคที่เกี่ยวข้องรวมถึงอัตราเงินเฟ้อได้

รูปที่ 1 แสดงตัวอย่างการทำงานของแบบจำลองเมื่อปรับใช้กับข้อมูลในไตรมาสที่ 2 ของปี 2014 โดยจะเห็นได้ว่า เส้นอัตราผลตอบแทนที่ได้จากแบบจำลองใกล้เคียงกับข้อมูลจริง องค์ประกอบที่เป็นสัดส่วนมากที่สุดในอัตราผลตอบแทนคืออัตราเงินเฟ้อคาดการณ์ รองลงมาคืออัตราผลตอบแทนที่แท้จริง ในขณะที่ค่าชดเชยความเสี่ยงเงินเฟ้อมีขนาดไม่มากนัก อัตราเงินเฟ้อคาดการณ์มีขนาดค่อนข้างคงที่ในแต่ละช่วงอายุ การลาดชันของเส้นอัตราผลตอบแทนโดยส่วนใหญ่จะเกิดจากการเพิ่มขึ้นของอัตราผลตอบแทนที่แท้จริงและค่าชดเชยความเสี่ยงเงินเฟ้อตามอายุที่มากขึ้น นอกจากนี้ยังสังเกตได้ว่า อัตราผลตอบแทนที่แท้จริงมีค่าเป็นลบในช่วงอายุสั้น ๆ ลักษณะขององค์ประกอบต่าง ๆ ของอัตราผลตอบแทนที่กล่าวข้างต้น จะสอดคล้องกับภาวะและการคาดการณ์เศรษฐกิจที่สร้างโดยแบบจำลองเช่นกัน ซึ่งถือเป็นจุดเด่นของแบบจำลอง macro-finance term structure ที่สามารถเชื่อมโยงข้อมูลอัตราผลตอบแทนพันธบัตรและเศรษฐกิจ มหภาคได้

รูปที่ 2 แสดงการคาดการณ์ตัวแปรเศรษฐกิจที่ได้จากแบบจำลอง ณ ไตรมาสที่ 2 ของปี 2014 เศรษฐกิจไทยเพิ่งผ่านการชะลอตัวอย่างมากในไตรมาสที่ 1 อันจะเห็นได้จากช่องว่างการผลิต (output gap) ที่เปิดกว้างออกถึงเกือบ 2% อย่างไรก็ดี แบบจำลองแสดงถึงการคาดการณ์ว่าเศรษฐกิจน่าจะกลับสู่ระดับปกติได้อย่างรวดเร็วโดยอัตราเงินเฟ้อจะมีแนวโน้มเพิ่มขึ้นเช่นกัน พลวัตรดังกล่าวของเศรษฐกิจสอดคล้องกับอัตราผลตอบแทนพันธบัตรในระยะ 1 ปีที่ไม่ได้ลดต่ำลงในรูปที่ 1 ซึ่งสะท้อนว่าผู้เล่นในตลาดยังคงคาดการณ์อัตราดอกเบี้ยระยะสั้น (short rate) ว่าอยู่ในทิศทางขาขึ้น นอกจากนี้ การที่อัตราเงินเฟ้อเพิ่มขึ้นเร็วส่งผลให้อัตราผลตอบแทนที่แท้จริงมีค่าเป็นลบในช่วงอายุแรก ๆ ในขณะที่ค่าของอัตราเงินเฟ้อคาดการณ์ค่อนข้างคงที่ในช่วงอายุต่าง ๆ สะท้อนทิศทางของอัตราเงินเฟ้อที่เข้าใกล้ค่าในระยะยาว (long-term inflation) ในเวลาไม่นาน ทั้งนี้ เมื่อปรับใช้แบบจำลองกับข้อมูลในอดีตทั้งหมด เราจะได้ตัวชี้วัดที่ต่อเนื่องในทุก ๆ ไตรมาส

รูปที่ 3 แสดงตัวชี้วัดอัตราเงินเฟ้อคาดการณ์ระยะ 10 ปีที่สร้างขึ้นจากวิธีต่าง ๆ สำหรับตัวชี้วัดประเภทแบบสอบถามนั้น มีเพียงข้อมูลที่ได้จาก Asia Pacific Consensus เท่านั้นที่มีการสำรวจมาอย่างต่อเนื่องและยาวนาน โดยสำรวจจากนักเศรษฐศาสตร์หรือผู้ทำพยากรณ์เศรษฐกิจในภาคการเงิน แต่จะมีความถี่เพียงปีละ 2 ครั้งเท่านั้น อย่างไรก็ดีในปี 2013 มีการทำสำรวจความคิดเห็นเพิ่มขึ้นจากภาคธุรกิจอุตสาหกรรมและบริการผ่านแบบสำรวจ Business Sentiment Index (BSI) ซึ่งดำเนินการโดยธนาคารแห่งประเทศไทยและข้อมูลมีความถี่เพิ่มขึ้นเป็นรายไตรมาส จะเห็นได้ว่าผลการสำรวจแตกต่างจากตัวชี้วัดของ Asia Pacific Consensus ค่อนข้างมาก เนื่องมาจากความแตกต่างของกลุ่มตัวอย่างที่ทำการสำรวจ

สำหรับตัวชี้วัดที่ได้จากผลิตภัณฑ์ทางการเงินของไทยเริ่มมีขึ้นในปี 2011 จากการที่มี ILB ออกจำหน่ายเป็นครั้งแรก ซึ่งทำให้สามารถคำนวณ break-even inflation ได้ อย่างไรก็ตาม อัตราเงินเฟ้อที่ต่ำลงตั้งแต่ 2013 ทำให้ความต้องการที่จะป้องกันความเสี่ยงด้านเงินเฟ้อลดลง ความต้องการพันธบัตรประเภทนี้จึงลดลงอย่างมาก ซึ่งนอกจากจะทำให้ค่าชดเชยความเสี่ยงเงินเฟ้อลดลงแล้ว ราคาของพันธบัตรยังได้รับผลกระทบจากสภาพคล่องในตลาดที่ต่ำด้วย ทำให้ break-even inflation ในระยะหลังลดต่ำลงอย่างมากและไม่สามารถสะท้อนอัตราเงินเฟ้อคาดการณ์ได้ดีนัก เมื่อเปรียบเทียบกับตัวชี้วัดที่ได้จากแบบจำลองจะพบว่า ตัวชี้วัดจาก Asia Pacific Consensus สอดคล้องและเป็นไปในทิศทางเดียวกันโดยเฉพาะอย่างยิ่งในช่วงปี 2001 ถึง 2009 และหลังจากนั้นจะมีความแตกต่างกันอยู่บ้าง ในขณะที่ค่าที่ได้จากแบบจำลองสอดคล้องกับ break-even Inflation ในช่วงต้นที่มีการซื้อขาย ILB ในภาพรวม

เมื่อเปรียบเทียบกับอัตราเงินเฟ้อที่เกิดขึ้นจริงซึ่งค่อนข้างผันผวนไปตามปัจจัยระยะสั้นที่มากระทบ ตัวชี้วัดที่ได้จากแบบจำลองชี้ว่าอัตราเงินเฟ้อคาดการณ์ของไทยค่อนข้างมีการยึดโยง (anchoring) ที่ดีนับตั้งแต่ปี 2001 ซึ่งเป็นช่วงการดำเนินนโยบายการเงินภายใต้กรอบ inflation targeting แล้ว แม้กระทั่งระหว่างปี 2005–2008 ซึ่งเป็นช่วงที่ราคาสินค้าโภคภัณฑ์สูงขึ้นทั่วโลกและทำให้อัตราเงินเฟ้อของไทยสูงมาก อัตราเงินเฟ้อคาดการณ์ก็ปรับเพิ่มขึ้นเพียงเล็กน้อย สำหรับในระยะหลัง ตั้งแต่ปลายปี 2014 เป็นต้นมา ราคาน้ำมันดิบได้ลดลงอย่างมากและอยู่ในระดับต่ำต่อเนื่องส่งผลให้อัตราเงินเฟ้อลดต่ำลงอย่างรวดเร็ว ตัวชี้วัดทุกตัว แม้จะมีค่าแตกต่างกัน เริ่มสะท้อนการลดลงของอัตราเงินเฟ้อคาดการณ์ในระยะยาวแล้ว ซึ่งเป็นสิ่งที่ผู้ดำเนินนโยบายควรให้ความสนใจอย่างใกล้ชิด

อัตราเงินเฟ้อคาดการณ์เป็นตัวแปรที่สำคัญในการประเมินแนวโน้มของเศรษฐกิจและการดำเนินนโยบายการเงิน ในกรณีของไทย ตัวชี้วัดในด้านนี้มีค่อนข้างน้อยและมีทั้งข้อดีและข้อจำกัดที่แตกต่างกันไป การพัฒนาตัวชี้วัดให้สมบูรณ์ยิ่งขึ้นจึงเป็นสิ่งสำคัญ ในทางปฏิบัติ ผู้ดำเนินนโยบายพึงตระหนักถึงความไม่แน่นอนของการประเมินอัตราเงินเฟ้อคาดการณ์และควรพิจารณาตัวชี้วัดหลายตัวประกอบกัน

Apaitan, Tosapol. 2015. “Extracting Market Inflation Expectations: A Semi-Structural Macro-Finance Term Structure Model.” PIER Discussion Paper 4. Puey Ungphakorn Institute for Economic Research.

Finlay, Richard, and Sebastian Wende. 2012. “Estimating Inflation Expectations with a Limited Number of Inflation-Indexed Bonds.” International Journal of Central Banking 8(2): 111–42.

García, Juan Angel, and Thomas Werner. 2010. “Inflation Risks and Inflation Risk Premia.” Working Paper Series 1162. European Central Bank. https://ideas.repec.org/p/ecb/ecbwps/20101162.html.

Hördahl, Peter, and Oreste Tristani. 2010. “Inflation Risk Premia in the US and the Euro Area.” Working Paper Series 1270. European Central Bank. http://ideas.repec.org/p/ecb/ecbwps/20101270.html.

———. 2012. “Inflation Risk Premia In The Term Structure Of Interest Rates.” Journal of the European Economic Association 10(3): 634–57.

Joyce, Michael A. S., Peter Lildholdt, and Steffen Sorensen. 2010. “Extracting Inflation Expectations and Inflation Risk Premia from the Term Structure: A Joint Model of the UK Nominal and Real Yield Curves.” Journal of Banking & Finance 34(2): 281–94.

Kajuth, Florian, and Sebastian Watzka. 2011. “Inflation Expectations from Index-Linked Bonds: Correcting for Liquidity and Inflation Risk Premia.” The Quarterly Review of Economics and Finance 51(3): 225–35.