ยิ่งแตกต่าง ยิ่งผันผวน: แถลงข่าวผลการประชุมคณะกรรมการนโยบายการเงินส่งผลต่อความผันผวนในตลาดการเงินอย่างไร?

ในปัจจุบัน การสื่อสารของธนาคารกลาง (central bank communication) นับว่าเป็นเครื่องมือที่ธนาคารกลางทั่วโลกได้ให้ความสำคัญ อาจจะกล่าวได้ว่าในช่วงระยะเวลา 70 ปีที่ผ่านมาเป็นช่วง Communication Revolution (Haldane and McMahon, 2018) งานศึกษาเกี่ยวกับการสื่อสารของธนาคารกลางเริ่มเปลี่ยนการตั้งคำถามจากที่แต่เดิมตั้งคำถามว่า “ธนาคารกลางควรจะสื่อสารกับสาธารณชนหรือไม่?” มาเป็น “ธนาคารกลางจะสื่อสารกับสาธารณชนในวงกว้างได้อย่างไร? (Haldane, Macaulay and McMahon, 2019) เมื่อหันกลับมามองข้อมูล เราจะพบว่าธนาคารกลางในหลายประเทศได้พยายามสื่อสารกับสาธารณะชนมากขึ้นอย่างมีนัยยะสำคัญ ตัวอย่างที่เห็นได้ชัด คือ ในกรณีของธนาคารกลางสหรัฐอเมริกา (The Federal Reserve) หลังจาก The Great Recession ในปี พ.ศ.2551 ที่จำนวนคำในแถลงข่าวนโยบายทางการเงินได้เพิ่มขึ้น รวมถึงได้สื่อสารข้อความที่มีสาระสำคัญเกี่ยวกับการชี้นำนโยบายการเงิน (forward guidance) ผ่านแถลงข่าวเพิ่มเข้ามาอีกด้วย

สำหรับธนาคารแห่งประเทศไทย ในทุกรอบ 1 ปี จะมีการประชุมของคณะกรรมการนโยบายการเงิน (กนง.) ทั้งสิ้น 8 ครั้ง และ ในทุกครั้ง หลังจากการประชุมจะมีการเผยแพร่ผลการประชุมคณะกรรมการนโยบายการเงิน เอกสารสรุปภาพรวมที่เกี่ยวข้อง และวีดิทัศน์ลงบนเว็บไซต์ของธนาคารแห่งประเทศไทย ซึ่งประชาชนสามารถเข้าถึงได้โดยตรง ทั้งนี้ ในปัจจุบัน (เดือนธันวาคม พ.ศ. 2562) ธนาคารแห่งประเทศไทยได้เผยแพร่ผลการประชุมคณะกรรมการนโยบายการเงินตั้งแต่ปี พ.ศ.2553–2562 รวมทั้งสิ้น 80 ฉบับ เมื่อนำเอกสารผลการประชุมนโยบายการเงินแต่ละฉบับมาอ่านและเปรียบเทียบกัน จะพบข้อความที่มีลักษณะสำคัญ 3 ประการ นั่นคือ 1. ข้อความที่เหมือนกับแถลงข่าวฉบับก่อนหน้า 2. ข้อความใหม่ที่เพิ่มเข้ามาในแถลงข่าวฉบับปัจจุบัน และ 3. ข้อความที่ถูกตัดออกจากเอกสารฉบับเดิม ดังจะเห็นได้จากตัวอย่างในแผนภาพที่ 1 ซึ่งแสดงการเปรียบเทียบข้อความที่ปรากฏในแถลงข่าวผลการประชุมคณะกรรมการนโยบายการเงินครั้งที่ 4 ประจำวันที่ 20 มิถุนายน พ.ศ.2561 เปรียบเทียบกับข้อความในแถลงข่าวผลการประชุมคณะกรรมการนโยบายการเงินครั้งที่ 3 ประจำวันที่ 16 พฤษภาคม พ.ศ.2561

ข้อความในหมึกสีเขียว คือ ข้อความที่เพิ่มเข้ามาในแถลงข่าวผลการประชุมคณะกรรมการนโยบายการเงินฉบับการประชุมครั้งที่ 4 ข้อความในหมึกสีแดง คือ ข้อความที่เคยมีอยู่ในแถลงข่าวฉบับการประชุมครั้งที่ 3 แต่ถูกคัดออกไปในการประชุมครั้งที่ 4 สำหรับข้อความที่ไม่ได้มีการระบายสี คือ ข้อความที่ปรากฏอยู่ทั้งในแถลงข่าวของการประชุมครั้งที่ 4 และการประชุมครั้งที่ 3

บทความวิจัยฉบับนี้จึงตั้งคำถามว่า ความแตกต่างกันของข้อความที่ปรากฏอยู่ในแถลงข่าวผลการประชุมคณะกรรมการนโยบายการเงินจะส่งผลต่อความผันผวนในตลาดการเงิน ซึ่งได้แก่ ตลาดตราสารหนี้ และ ตลาดตราสารทุนของประเทศไทยอย่างไร? เพื่อเป็นการหาคำตอบให้กับคำถามข้างต้น ผู้วิจัยได้ทำการศึกษาเอกสารแถลงข่าวผลการประชุมคณะกรรมการนโยบายการเงินฉบับภาษาอังกฤษ 72 ฉบับ ตั้งแต่ พ.ศ. 2553 จนถึง พ.ศ. 2561 โดยอาศัยเครื่องมือภาษาศาสตร์คอมพิวเตอร์ (computational linguistics) คือ semantic similarity ในการวิเคราะห์ความคล้ายคลึงกันเชิงความหมายของข้อความในเอกสารและสร้างตัวแปรขึ้นมาเพื่อใช้ศึกษาผลของความคล้ายคลึงกันในเชิงความหมายกับความผันผวนในอัตราผลตอบแทนจากดัชนีราคาของตราสารทุนและตราสารหนี้

หัวใจสำคัญของการประยุกต์ใช้ภาษาศาสตร์คอมพิวเตอร์ในงานวิจัยฉบับนี้ คือ การดึงสาระสำคัญจากข้อความออกมา และจากนั้นทำการวัดความแตกต่างและความเหมือนของข้อความ โดยข้อความที่ปรากฏในแถลงข่าวผลการประชุมคณะกรรมการนโยบายการเงินจัดเป็นข้อมูลแบบ unstructured data ประกอบไปด้วยทั้งพยัญชนะ อักขระ รวมถึงเครื่องหมายต่าง ๆ ดังนั้น ก่อนที่จะนำข้อมูลไปวิเคราะห์ได้จึงจำเป็นต้องลด Noises ที่ปรากฏในเอกสารผ่านกระบวนการ analytical preprocessing ซึ่งผลลัพธ์สุดท้ายที่ได้ผ่านกระบวนการนี้ คือ bag-of-words model¹ ซึ่งจะอยู่ในรูปของ term-document matrix² โดยในงานศึกษาฉบับนี้ ภายหลังจากขั้นตอน analytical preprocessing จะได้ term-document matrix ขนาด 897×72 โดย 72 คือ จำนวนเอกสาร และ 897 คือ จำนวนคำที่มีการใช้ในแถลงข่าว สมาชิกใน term-document matrix คือ ความถี่ของคำที่ปรากฏในเอกสาร

ภาพรวมความถี่ของคำที่มีการนำมาใช้ในแถลงข่าวผลการประชุมนโยบายการเงินในภาษาอังกฤษทั้ง 72 ฉบับ สามารถแสดงผ่าน Word Cloud ในแผนภาพที่ 2 ซึ่งเราจะพบว่า คำ “economy” ปรากฏมากที่สุดในแถลงข่าว รองลงมาคือ คำ “policy”, “remain”, “continue”, “growth”, “rate”, “risk”, “financial” และ “inflation” ตามลำดับ เราพอจะอนุมานสาระสำคัญจากความถี่ของคำที่ปรากฏในเอกสารได้ในเบื้องต้น อย่างไรก็ตาม ในการเปรียบเทียบความเหมือนและความแตกต่างของสาระสำคัญในเอกสารจำเป็นจะต้องใช้เครื่องมือที่มีชื่อว่า cosine similarity

อนึ่ง ในกระบวนการสร้าง bag-of-words model เราสามารถใช้การถ่วงน้ำหนักเพื่อนำ ‘คำ’ ที่มีความถี่สูงแต่ไม่ได้มีนัยยะต่อสาระสำคัญออกจากเอกสารได้ กระบวนการถ่วงน้ำหนักที่ใช้ในการศึกษาฉบับนี้ คือ Term Frequency-Inverse Document Frequency (TF-IDF)

ในการวัดความเหมือนของสาระสำคัญในแถลงข่าวผลการประชุมนโยบายการเงินจะอาศัย cosine similarity ตามกรอบแนวคิดที่เสนอโดย Ehrmann and Talmi (2017) สร้างค่าความคล้ายคลึงกันเชิงความหมาย โดยเปรียบเทียบจาก ‘คำ’ ที่ใช้ในแถลงข่าว ถ้าคำที่ใช้ในแถลงข่าวฉบับปัจจุบันเหมือนกับคำที่ใช้ในแถลงข่าวฉบับก่อนหน้า เนื้อหาของเอกสารทั้งสองฉบับย่อมมีความคล้ายคลึงกัน เพื่อให้ผู้อ่านเห็นภาพในการประยุกต์ใช้ cosine similarity จึงขอให้พิจารณาตัวอย่างต่อไปนี้

สมมติมีเอกสาร 3 ฉบับ และคำที่ปรากฏในเอกสารทั้ง 3 ฉบับ คือ Monetary และ Fiscal เราสามารถสร้าง Term-document matrix ได้ตามตารางที่ 1 เอกสารฉบับที่ 1 เป็นเอกสารที่เกี่ยวข้องเฉพาะ ‘monetary’ เท่านั้น และ เอกสารฉบับที่ 3 เป็นเอกสารที่เกี่ยวข้องเฉพาะ ‘fiscal’ เท่านั้น เอกสารฉบับที่ 1 และ เอกสารฉบับที่ 3 ไม่มีความเกี่ยวข้องกัน ในขณะที่เอกสารฉบับที่ 2 มีสัดส่วนของคำ ‘monetary’ มากกว่า ‘fiscal’ ดังนั้น เมื่อนำเอกสารทั้ง 3 ฉบับมาสร้างเป็นแผนภาพปริภูมิเวกเตอร์จะพบว่าเวกเตอร์ของเอกสารฉบับที่ 1 และเวกเตอร์ของเอกสารฉบับที่ 3 จะทำมุมฉากระหว่างกัน หรือ กล่าวได้ว่าเอกสารทั้ง 2 orthogonal ซึ่งกันและกันจึงทำให้ค่า cosine เท่ากับ 0 สามารถตีความได้ว่าเอกสารทั้ง 2 ฉบับไม่มีความคล้ายคลึงกันในเชิงความหมาย

ขณะที่ทิศทางของเวกเตอร์ของเอกสารฉบับที่ 2 จะทำมุมแหลมค่อนมาทางเอกสารฉบับที่ 1 เพราะมีสัดส่วนของคำ ‘monetary’ มากกว่า ‘fiscal’ ค่า cosine ของมุมระหว่างเอกสารฉบับที่ 2 และ เอกสารฉบับที่ 1 จึงมีค่าไม่เท่ากับศูนย์ ในกรณีที่เอกสารทั้ง 2 ฉบับใช้คำเหมือนกันทุกประการ เวกเตอร์ของเอกสารจะทับกันเป็นเส้นเดียวทำให้ค่า cosine ที่ได้จะมีค่าเป็นหนึ่ง ดังนั้น ความคล้ายคลึงของแถลงข่าวผลการประชุมนโยบายการเงินจึงถูกวัดจากมุมที่เวกเตอร์ของเอกสารในฉบับที่กำลังพิจารณากับเวกเตอร์ของเอกสารฉบับก่อนหน้า ค่า cosine similarity มีค่าอยู่ระหว่างศูนย์ (เอกสารแตกต่างกันทุกประการ) จนถึงหนึ่ง (เอกสารเหมือนกันทุกประการ) ยิ่งค่า cosine similarity มีค่าเข้าใกล้หนึ่ง เอกสารยิ่งมีความคล้ายคลึงกัน

ค่า cosine similarity ของแถลงข่าวทั้ง 72 ฉบับแสดงในแผนภาพที่ 4 เราจะพบว่าการเลือกใช้คำเพื่อสื่อสารเนื้อหาของแถลงข่าวผลการประชุมนโยบายการเงินของธนาคารแห่งประเทศไทยตั้งแต่ปี พ.ศ. 2553–2561 มีความคล้ายคลึงกันมากขึ้น ดังสะท้อนผ่านค่า cosine similarity ที่มีแนวโน้มเพิ่มขึ้น และ มีค่าเฉลี่ยอยู่ที่ 0.7296 ความคล้ายคลึงกันเชิงความหมายนี้ยิ่งเห็นชัดมากขึ้นโดยเฉพาะแถลงข่าวในการประชุมครั้งที่ 7 ในปี พ.ศ. 2560 ถึง การประชุมครั้งที่ 8 ในปี พ.ศ. 2561 ซึ่งค่าเฉลี่ยของ cosine similarity อยู่ที่ 0.9230

นอกเหนือจากตัวแปร cosine similarity และตัวแปรทางเศรษฐกิจการเงินที่เกี่ยวข้อง ผลการศึกษาใน Chatchawan (2019) ยังมีการควบคุมตัวแปรน้ำเสียงของแถลงข่าว (tone variable) ซึ่งสะท้อนถึงโทนของการใช้คำในเชิงบวกและเชิงลบ โทนของแถลงข่าวสะท้อนมุมมองของคณะกรรมการนโยบายการเงินที่มีต่อภาพรวมของเศรษฐกิจมหภาคของประเทศไทย สำหรับในการสร้างตัวแปรน้ำเสียงของแถลงข่าวนั้นได้อาศัย dictionary technique ซึ่งเป็นเครื่องมือที่ใช้แพร่หลายในงานวิจัยที่นำภาษาศาสตร์คอมพิวเตอร์มาใช้ทั้งในบริบททางการเงินและการบัญชี (Loughran and McDonald,2011; Loughran and McDonald,2015 ) รวมถึงในบริบทของธนาคารกลาง (Hansen and McMahon, 2016)

Dictionary technique คือ การนับความถี่ของคำที่ปรากฏใน word list ซึ่งถูกกำหนดขึ้นมาโดยนักวิจัย อาจกล่าวได้ว่า นักวิจัยได้สร้างพจนานุกรมที่บรรจุคำศัพท์เฉพาะด้านที่ตนเองต้องการศึกษาและใช้พจนานุกรมนั้นในการนับความถี่ของคำที่ปรากฏในเอกสาร และนำจำนวนคำที่นับได้ รวมถึงจำนวนคำทั้งหมดมาคำนวณค่าตัวแปร

Chatchawan (2019) ได้อาศัยพจนานุกรมของ Hansen and McMahon, (2016) ซึ่งบรรจุคำศัพท์ที่แสดงทิศทาง (directional words) ดังแสดงตัวอย่างในตารางที่ 2 สำหรับการคำนวณตัวแปรน้ำเสียงสุทธิ (net tone)

แนวคิดพื้นฐานในการสร้างตัวแปรน้ำเสียงสามารถแสดงให้เห็นได้ด้วยตัวอย่างต่อไปนี้ สมมติประโยคด้านล่างเป็นประโยคที่ปรากฏในแถลงข่าวผลการประชุมคณะกรรมการนโยบายการเงิน

เมื่อทำการนับคำที่ปรากฏในพจนานุกรม จะพบว่ามีเพียง 3 คำ คือคำในกลุ่ม Expansion ได้แก่ expand และคำในกลุ่ม Contraction ได้แก่ lower และ contracted และมีจำนวนคำทั้งหมดในประโยคข้างต้นเท่ากับ 22 คำ ดังนั้น เมื่อนำมาคำนวณตัวแปรน้ำเสียงสุทธิจะได้ว่า $\frac{1 - 2}{22} = -0.045$ เป็นต้น ใน Chatchawan (2019) ได้สร้างตัวแปรนำเสียงสุทธิ (Net tone) ด้วยแนวคิดข้างต้น โดยตัวแปรน้ำเสียงของแถลงข่าวผลการประชุมคณะกรรมการนโยบายการเงินแสดงในแผนภาพที่ 5–7

เมื่อทำการควบคุมปัจจัยอื่น ๆ ที่เกี่ยวข้องกับนโยบายการเงินซึ่งอาจจะมีผลต่อความผันผวนในตลาดการเงินของไทย เช่น monetary policy surprise ความแตกต่างของตัวแปรน้ำเสียงของแถลงข่าวสุทธิ (net tone) ที่ปรากฏในแถลงข่าว เป็นต้น ผลการศึกษาในตารางที่ 3 แสดงให้เห็นว่า เมื่อกำหนดให้ปัจจัยแวดล้อมอื่น ๆ คงที่ ถ้าหาก ‘คำ’ ที่ใช้ในแถลงข่าวผลการประชุมนโยบายการเงินมีความเหมือนกันมากขึ้น ความผันผวนในอัตราผลตอบแทนจากพันธบัตรระยะสั้นอายุ 1 เดือน, 3 เดือน และ ความผันผวนในอัตราผลตอบแทนจากพันธบัตรระยะยาวอายุ 10 ปี และ 15 ปี จะลดลง โดยขนาดของผลกระทบจะมากที่สุดในกรณีของพันธบัตรรัฐบาลอายุ 10 ปี ทั้งนี้ ไม่พบความมีนัยสำคัญของผลกระทบต่อความผันผวนในตลาดตราสารทุน และตลาดเงินตราต่างประเทศ

เมื่อเปรียบเทียบแถลงข่าวฉบับต่อฉบับ จะพบว่า ข้อความในแถลงข่าวฉบับที่เหมือนกันกับฉบับก่อนหน้า หรือมีความแตกต่างกันกับฉบับก่อนหน้าไม่มาก อาจจะง่ายสำหรับนักลงทุนในการตีความ อย่างไรก็ตาม สำหรับแถลงข่าวที่แตกต่างจากแถลงข่าวในฉบับก่อนหน้า อาจจะทำให้นักลงทุนต้องใช้เวลาในการตีความ และอาจจะเกิดความแตกต่างในการตีความสาระสำคัญของแถลงข่าวระหว่างนักลงทุนด้วยกันเอง จึงทำให้มีความแตกต่างในพฤติกรรมการซื้อขายหลักทรัพย์ในตลาดตราสารหนี้และนำไปสู่ความผันผวนที่เพิ่มขึ้นในอัตราผลตอบแทน

จากผลการศึกษาและข้อสมมติในการศึกษาฉบับนี้ อาจจะกล่าวได้ว่า การเลือกใช้คำเพื่อสื่อความหมายในร่างแถลงข่าวผลการประชุมคณะกรรมการนโยบายการเงินที่แตกต่างไปจากคำที่ใช้ในแถลงข่าวครั้งก่อนมีอิทธิพลต่อตลาดตราสารหนี้ ดังนั้น ในการร่างแถลงข่าว ควรจะเริ่มต้นจากการนำโครงร่างของแถลงข่าวในครั้งก่อนมาพิจารณา จากนั้นจึงเพิ่มหรือลดข้อความที่ต้องการสื่อสารกับสาธารณชน นอกจากนั้น ควรอาศัยค่า cosine similarity เป็นดัชนีในการควบคุมสัดส่วนของคำที่ใช้ในแถลงข่าว เพื่อรักษาระดับความเหมือน/ความแตกต่างของแถลงข่าว

Chatchawan, S. 2019, “Words Matter: Effects of Semantic Similarity of Monetary Policy Committee‘s Decision on Financial Market Volatility”, PIER discussion paper 121.

Ehrmann, M. and Talmi, J. 2017, Starting from a Blank Page? Semantic Similarity in Central Bank Communication and Market Volatility. ECB Working Paper 2023.

Haldane, A., Macaulay, A. and McMahon, M., 2019, “The 3 E’s of Central Bank Communication with the Public. ” Working paper.

Haldane, A. and McMahon, M., 2018, “Central Bank Communication and the General Public.”, AEA Papers and Proceedings, Vol. 108, May 2018, pp. 578–83.

Hansen, S. and McMahon, M., 2016, “Shocking Language: Understanding the Macroeconomic Effects of Central Bank Communication.” Journal of International Economics,99,pages 114–133.

Loughran, T., and McDonald, D. 2011, “When Is a Liability Not a Liability? Textual Analysis, Dictionaries, and 10-Ks.” Journal of Finance 66: 35–65.

Loughran, T., and McDonald, D. 2015, “The Use of Word Lists in Textual Analysis.” Journal of Behavioral Finance 16: 1–11.