Research
Discussion Paper
PIERspectives
aBRIDGEd
PIER Blog
Events
Conferences
Research Workshops
Policy Forums
Seminars
Exchanges
Research Briefs
Community
PIER Research Network
Visiting Fellows
Funding and Grants
About Us
Our Organization
Announcements
PIER Board
Staff
Work with Us
Contact Us
TH
EN
Research
Research
Discussion Paper
PIERspectives
aBRIDGEd
PIER Blog
Beyond Mincer: Revisiting the Returns to Education in Thailand
Discussion Paper ล่าสุด
Beyond Mincer: Revisiting the Returns to Education in Thailand
ผู้ขอหรือผู้ให้ที่เปลี่ยนไป: ชวนสำรวจอุปสงค์และอุปทานสินเชื่อ SMEs ไทยในทศวรรษที่ผ่านมา
aBRIDGEd ล่าสุด
ผู้ขอหรือผู้ให้ที่เปลี่ยนไป: ชวนสำรวจอุปสงค์และอุปทานสินเชื่อ SMEs ไทยในทศวรรษที่ผ่านมา
Events
Events
Conferences
Research Workshops
Policy Forums
Seminars
Exchanges
Research Briefs
BOT Symposium 2026: From Informality to Opportunity
งานประชุมวิชาการต่อไป
BOT Symposium 2026: From Informality to Opportunity
Government Debt Composition, Sovereign Risk, and Optimal Macroeconomic Policy in a Small Open Economy: A Bayesian DSGE Analysis of Thailand
งานสัมมนาล่าสุด
Government Debt Composition, Sovereign Risk, and Optimal Macroeconomic Policy in a Small Open Economy: A Bayesian DSGE Analysis of Thailand
สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
สถาบันวิจัยเศรษฐกิจ
ป๋วย อึ๊งภากรณ์
Puey Ungphakorn Institute for Economic Research
Community
Community
PIER Research Network
Visiting Fellows
Funding and Grants
PIER Research Network
PIER Research Network
Funding & Grants
Funding & Grants
About Us
About Us
Our Organization
Announcements
PIER Board
Staff
Work with Us
Contact Us
Staff
Staff
ดร.กรรณิการ์ ธรรมพานิชวงค์ ร่วมเสวนาในหัวข้อ “เจาะอุตสาหกรรมเกษตรภาคเหนือ เปลี่ยนผ่านอย่างไรในวันที่โลกไม่เหมือนเดิม”
ประกาศล่าสุด
ดร.กรรณิการ์ ธรรมพานิชวงค์ ร่วมเสวนาในหัวข้อ “เจาะอุตสาหกรรมเกษตรภาคเหนือ เปลี่ยนผ่านอย่างไรในวันที่โลกไม่เหมือนเดิม”
aBRIDGEdabridged
Making Research Accessible
QR code
Year
2026
2025
2024
2023
...
Topic
Development Economics
Macroeconomics
Monetary Economics
Labor and Demographic Economics
...
/static/5ac2b585c56db4d5be90999361398756/41624/cover.jpg
20 พฤศจิกายน 2569
20261795132800000

ผู้ขอหรือผู้ให้ที่เปลี่ยนไป: ชวนสำรวจอุปสงค์และอุปทานสินเชื่อ SMEs ไทยในทศวรรษที่ผ่านมา

โจทย์ใหญ่ของภาคการเงินในการปลดล็อกศักยภาพ SMEs และเศรษฐกิจไทย
ลัทธพร รัตนวรารักษ์วรฤทธิ์ วรรณวาณิชย์ชนกานต์ ฤทธินนท์โสมรัศมิ์ จันทรัตน์
ผู้ขอหรือผู้ให้ที่เปลี่ยนไป: ชวนสำรวจอุปสงค์และอุปทานสินเชื่อ SMEs ไทยในทศวรรษที่ผ่านมา
excerpt

ท่ามกลางสินเชื่อที่หดตัวต่อเนื่อง 15 ไตรมาส1 SMEs ไทยกำลังอ่อนแรงลงจากปัญหาการจัดสรรทุนที่ขาดประสิทธิภาพ จนธุรกิจที่มีศักยภาพเข้าไม่ถึงแหล่งเงินทุน บทความนี้ชวนทบทวนปัญหาดังกล่าวผ่านสองคำถาม คือ SMEs ยังต้องการสินเชื่อมากน้อยเพียงใด และสถาบันการเงินปฏิเสธสินเชื่อเปลี่ยนไปอย่างไร โดยใช้ข้อมูลสัญญาสินเชื่อจากเครดิตบูโรตลอดหนึ่งทศวรรษ ซึ่งครอบคลุมทั้งธนาคารพาณิชย์ สถาบันการเงินเฉพาะกิจของรัฐ และนอนแบงก์ ตลอดจน SMEs ทั้งนิติบุคคลและบุคคลธรรมดา จึงช่วยเติมเต็มงานศึกษาก่อนหน้าที่มักจำกัดอยู่ที่ SMEs จดทะเบียนและสินเชื่อธนาคารพาณิชย์ ผลการศึกษาชี้ว่า ปัจจุบันมี SMEs ราวหนึ่งในสามที่มีสินเชื่อในระบบ แต่ธุรกิจขนาดจิ๋วที่เป็นฐานรากของพีระมิดยังเข้าถึงสินเชื่อได้น้อย ขณะที่หนึ่งในห้าของธุรกิจที่มีหนี้เดิมกำลังเป็นหนี้เสีย สะท้อนความเสี่ยงเครดิตที่สูงขึ้น ส่วนสินเชื่อที่หดตัว แม้ส่วนหนึ่งจะเป็นการปรับฐานหลังเร่งขยายตัวในช่วงโควิด-19 แต่ตัวการหลักคือสินเชื่อปล่อยใหม่ที่ลดลง ไม่ใช่การเร่งคืนหนี้ ซึ่งมาจากทั้งสองฝั่ง คือ SMEs ขอกู้น้อยลง และสถาบันการเงินปฏิเสธมากขึ้น โดยความระมัดระวังที่เพิ่มขึ้นตกหนักที่สุดกับผู้กู้หน้าใหม่ที่ไม่มีประวัติเครดิตและลูกหนี้เดิมที่เปราะบาง สะท้อนว่าความเสี่ยงด้านเครดิตและ “ช่องว่างข้อมูล” กำลังเป็นอุปสรรคที่หนักขึ้นในตลาดสินเชื่อ ที่สำคัญ กว่า 60% ของ SMEs นิติบุคคลที่ถูกธนาคารพาณิชย์ปฏิเสธยังมีศักยภาพเพิ่มรายได้และทำกำไร การวางโครงสร้างพื้นฐานและระบบนิเวศสินเชื่อ SMEs เพื่อปลดล็อกข้อจำกัดของภาคการเงิน ควบคู่กับการสร้างสภาพแวดล้อมที่จูงใจให้ SMEs อยากเติบโต จึงเป็นหัวใจของการฟื้นแรงส่งเศรษฐกิจไทย

SMEs เป็นกระดูกสันหลังของเศรษฐกิจไทยมาโดยตลอด แต่บทบาทในการขับเคลื่อนการเติบโตกลับถดถอยลงอย่างน่ากังวล ปัจจุบันไทยมี SMEs กว่า 2.9 ล้านกิจการ คิดเป็น 99.4% ของผู้ประกอบการทั้งหมด และเป็นแหล่งรองรับการจ้างงานหลักถึง 68.8% (13.6 ล้านคน) แต่กลับสร้างมูลค่าเพียง 35.1% ของ GDP2 โดยแรงส่งต่อ GDP ลดลงจาก 1.9% ต่อปีในช่วงก่อนวิกฤตโควิด-19 เหลือเพียง 1.0% ในช่วงหลังวิกฤต การเร่งฟื้นพลังของ SMEs จึงเป็นหัวใจสำคัญของการขับเคลื่อนเศรษฐกิจไทย (Apaitan et al., 2026)

ปัญหาการเข้าถึงสินเชื่อเป็นหนึ่งในสาเหตุสำคัญที่ทำให้ SMEs อ่อนแรงลง และตอกย้ำปัญหาการจัดสรรทรัพยากรที่ขาดประสิทธิภาพ (capital misallocation) ในภาคการเงินไทย Tonghui et al. (2026) ชี้ว่าเงินทุนในระบบยังไม่ได้ไหลไปสู่ SMEs ที่มีศักยภาพ ทั้งที่สินเชื่อมีบทบาทสำคัญตลอดวงจรชีวิตของ SMEs ตั้งแต่การเกิด การอยู่รอด จนถึงการเติบโต (Apaitan et al., 2026) ขณะที่รายงานเสถียรภาพระบบการเงินไทยของ ธปท. ชี้ว่าหนี้เสียของ SMEs ยังเพิ่มขึ้นต่อเนื่อง ซึ่งเพิ่มต้นทุนให้สถาบันการเงิน และอาจบั่นทอนประสิทธิภาพการจัดสรรสินเชื่อของระบบ (Bank of Thailand, 2026)

ปัญหาเชิงโครงสร้างดังกล่าวปรากฏชัดเจนเมื่อสินเชื่อ SMEs หดตัวต่อเนื่องถึง 15 ไตรมาส สวนทางกับสินเชื่อธุรกิจขนาดใหญ่ที่ยังคงขยายตัวได้ดี (Bank of Thailand, 2026) คำถามแรกที่ตามมาคือ สินเชื่อที่หดตัวเป็นเพราะการปล่อยกู้ใหม่ลดลง หรือเพราะ SMEs ทยอยคืนหนี้เดิม (de-leveraging) ซึ่งหากเป็นกรณีหลัง ย่อมถือเป็นสัญญาณที่ดีต่อเสถียรภาพทางการเงินในระยะยาว

และหากเป็นเพราะสินเชื่อปล่อยใหม่ลดลง คำถามต่อมาคือ ต้นเหตุอยู่ที่ฝั่งผู้กู้ที่ต้องการสินเชื่อน้อยลง (อุปสงค์) หรือฝั่งผู้ให้กู้ที่ปล่อยกู้น้อยลง (อุปทาน) แม้ Tonghui et al. (2026) จะพบว่า SMEs ที่มีศักยภาพจำนวนมากไม่มีสินเชื่อจากธนาคารพาณิชย์ แต่ก็ยังสรุปไม่ได้ว่าเป็นเพราะสถาบันการเงินไม่ยอมปล่อยกู้ทั้งหมด เพราะต้องแยกให้ออกก่อนว่าธุรกิจเหล่านั้นต้องการสินเชื่อจริงหรือไม่ และหากสถาบันการเงินปล่อยกู้น้อยลงจริง เป็นเพราะระดับความเสี่ยงที่ยอมรับได้ (risk appetite) และวิธีประเมินสินเชื่อของสถาบันการเงินเปลี่ยนไป หรือเพราะผู้กู้มีความเสี่ยงสูงขึ้น

บทความนี้สำรวจหลักฐานเชิงประจักษ์เพื่อตอบคำถามเชิงนโยบายข้างต้น อันเป็นจิ๊กซอว์ชิ้นสำคัญในการหาคำตอบว่า ภาคการเงินจะร่วมปลดล็อกศักยภาพของ SMEs ไทยได้อย่างไร โดยบูรณาการฐานข้อมูลทะเบียน SMEs ของ สสว. และกรมพัฒนาธุรกิจการค้า (DBD) ครอบคลุม SMEs ทั้งบุคคลธรรมดาและนิติบุคคลกว่า 2.9 ล้านราย เข้ากับข้อมูลสัญญาสินเชื่อรายบัญชีจากเครดิตบูโร (NCB) หนึ่งทศวรรษ (2559Q1–2569Q2) เพื่อฉายภาพสินเชื่อ SMEs ให้ครบทุกด้าน ทั้งสินเชื่อนิติบุคคลจากสถาบันการเงิน 115 แห่ง (ธนาคารพาณิชย์ 20 แห่ง, SFIs 6 แห่ง และนอนแบงก์ 89 แห่ง) ควบคู่กับสินเชื่อเพื่อธุรกิจของผู้ประกอบการบุคคลธรรมดาจากสถาบันการเงิน 29 แห่ง (ธนาคารพาณิชย์ 15 แห่ง, SFIs 6 แห่ง และนอนแบงก์ 8 แห่ง) ซึ่งช่วยเติมเต็มงานศึกษาก่อนหน้าที่มักวิเคราะห์เฉพาะสินเชื่อจากธนาคารพาณิชย์และ SMEs ที่จดทะเบียนเป็นนิติบุคคล

ข้อมูลชุดนี้ช่วยฉายภาพให้เห็นเบื้องหลังของสินเชื่อ SMEs ที่หดตัวตลอด 15 ไตรมาส และการลดลงของสินเชื่อปล่อยใหม่ โดยจำแนกให้เห็นทั้งพลวัตฝั่งอุปสงค์ผ่านข้อมูลการสืบค้นประวัติเครดิตเพื่อขอสินเชื่อใหม่ ซึ่งสะท้อนการยื่นขอกู้จริงที่มีแนวโน้มลดลง3 และฝั่งอุปทานจากอัตราการปฏิเสธสินเชื่อของสถาบันการเงินที่เพิ่มสูงขึ้น และ risk appetite ที่เปลี่ยนไป พร้อมชี้ข้อจำกัดสำคัญในการปล่อยสินเชื่อ SMEs และโอกาสจาก SMEs ศักยภาพสูงที่ยังรอเงินทุน อันนำไปสู่ข้อเสนอเชิงนโยบายให้ภาคการเงินร่วมขับเคลื่อนเศรษฐกิจไทยได้เต็มศักยภาพ

1. พีระมิดของ SMEs ไทย และการมีสินเชื่อในระบบ

จากผู้ประกอบการ SMEs ไทยทั้งหมดกว่า 2.9 ล้านราย พบว่ากว่า 2.3 ล้านราย (78.2%) เป็นบุคคลธรรมดาและกิจการที่มิได้จดทะเบียนนิติบุคคล ขณะที่เป็นนิติบุคคลจดทะเบียน 0.63 ล้านราย (21.8%) ซึ่งครอบคลุมธุรกิจขนาดจิ๋ว (micro) (10.0%) ธุรกิจขนาดเล็ก (small) (10.1%) และขนาดกลาง (medium) ซึ่งมีเพียง 1.7% เมื่อวางโครงสร้างนี้คู่กับการมีสินเชื่อในระบบ (รูปที่ 1) จะเห็นว่าแต่ละกลุ่มเข้าถึงสินเชื่อแตกต่างกันชัดเจน

รูปที่ 1: พีระมิดของ SMEs ไทย และการมีสินเชื่อในระบบ
หมายเหตุ: ข้อมูล ณ ธันวาคม 2567; ข้อมูลจำนวน SMEs ที่จดทะเบียนเป็นนิติบุคคล จากกรมพัฒนาธุรกิจการค้า (DBD) ข้อมูลจำนวน SMEs ที่ไม่ได้จดทะเบียนและบุคคลธรรมดา และนิยามการจัดกลุ่มตามขนาด จาก สสว. ข้อมูลสินเชื่อจาก NCB คำนวณโดยผู้เขียน; การมีสินเชื่อในระบบ คำนวณจากจำนวนผู้กู้นิติบุคคลที่มีขนาด micro, small, และ medium และมีวงเงินสินเชื่อรวมไม่เกิน 500 ล้านบาทต่อหนึ่งผู้ให้กู้ หรือผู้กู้บุคคลธรรมดาที่มีสินเชื่อธุรกิจ (ไม่รวม O/D และ nano-finance) ในข้อมูลสินเชื่อจาก NCB โดยไม่รวมลูกหนี้ที่ไม่สามารถระบุขนาดได้ (unspecified)

แม้ SMEs ราวหนึ่งในสามจะมีสินเชื่อกับสถาบันการเงิน แต่นิติบุคคลขนาดจิ๋วที่เป็นฐานรากของพีระมิดมีสินเชื่อเพียง 1 ใน 10 การมีสินเชื่อของนิติบุคคลแปรผันตามขนาดชัดเจน ธุรกิจขนาดกลางมีสัดส่วนการมีสินเชื่อสูงถึง 78% ซึ่งใกล้เคียงกับธุรกิจขนาดใหญ่ที่ 87% และธุรกิจขนาดเล็กมีสินเชื่ออยู่ที่ 47% จุดที่น่ากังวลจึงอยู่ที่ฐานราก แม้ผู้ประกอบการบุคคลธรรมดาจะมีสินเชื่อเพื่อธุรกิจได้ราว 34% แต่ส่วนใหญ่เป็นเพียงสินเชื่อรายย่อยวงเงินจำกัดเพื่อประคองสภาพคล่อง อาจไม่เพียงพอต่อการขยายขนาดกิจการ4 ในทางกลับกัน กลุ่มนิติบุคคลขนาดจิ๋วซึ่งอาจจำเป็นต้องใช้เงินทุนเพื่อยกระดับธุรกิจ กลับมีสินเชื่อในระบบต่ำที่สุด ซึ่งยังสรุปไม่ได้ว่าเป็นเพราะไม่ต้องการ หรือต้องการแต่เข้าไม่ถึง

แม้ SMEs ส่วนใหญ่ยังอยู่นอกระบบสินเชื่อ แต่ด้วยฐานที่ใหญ่มาก SMEs จึงคิดเป็นถึง 92% ของผู้กู้ธุรกิจทั้งระบบ ทว่าถือครองมูลหนี้รวมเพียง 19% สวนทางกับธุรกิจขนาดใหญ่ที่มีสัดส่วนผู้กู้เพียง 8% แต่ครองมูลหนี้ส่วนใหญ่ของประเทศ

เมื่อเจาะเฉพาะ SMEs ที่มีสินเชื่อ รูปที่ 2 แสดงโครงสร้างสินเชื่อตามประเภทสถาบันการเงิน ประเภทสัญญา คุณภาพหนี้ และลักษณะของธุรกิจ ตลอดทศวรรษที่ผ่านมา จำนวนผู้กู้เร่งตัวขึ้นชัดเจนในช่วงหลังวิกฤตโควิด-19 จากการที่ธนาคารพาณิชย์เร่งปล่อยสินเชื่อให้ผู้ประกอบการบุคคลธรรมดา ก่อนจะทยอยลดลงต่อเนื่อง

รูปที่ 2: โครงสร้างสินเชื่อ SMEs ในระบบ
(a) จำนวนลูกหนี้ที่มีสินเชื่อคงค้าง
(b) ยอดสินเชื่อคงค้าง
หมายเหตุ: : ข้อมูลสินเชื่อจาก NCB คำนวณโดยผู้เขียน; ผู้กู้ประวัติดี คือ มีสถานะสินเชื่อเป็นปกติ ไม่มีหนี้เสียหรือ SM ตลอดช่วง 3 ปีที่ผ่านมา; ผู้กู้เปราะบาง (Vulnerable) คือ ผู้กู้สถานะ SM หรือเคยมีประวัติเป็น SM หรือ NPL ในช่วง 3 ปีที่ผ่านมา; ผู้กู้ที่มีหนี้เสีย คือ ปัจจุบันมีสินเชื่อที่เป็น NPL; ธพ. = ธนาคารพาณิชย์; WC = สินเชื่อหมุนเวียน (working capital); WC trade = สินเชื่อหมุนเวียนเพื่อการค้า; WC non-trade = สินเชื่อหมุนเวียนทั่วไป5; การแสดงผลในมิติอื่น ๆ สามารถดูได้ผ่านกราฟ interactive บนเว็บไซต์

ธนาคารพาณิชย์ขนาดใหญ่6 ยังคงเป็นแหล่งทุนหลักของ SMEs ในปีล่าสุด ธนาคารพาณิชย์ขนาดใหญ่ครองส่วนแบ่งสินเชื่อ SMEs สูงถึง 54% ของจำนวนผู้กู้ และ 64% ของมูลหนี้ทั้งหมด โดยเฉพาะในกลุ่มสินเชื่อผู้ประกอบการบุคคลธรรมดาที่เคยขยายตัวอย่างรวดเร็วหลังวิกฤตโควิด-19 ก่อนจะทยอยชะลอตัวลงต่อเนื่องตั้งแต่ปี 2566 เป็นต้นมา ขณะที่สัดส่วนสินเชื่อจากสถาบันการเงินประเภทอื่นค่อนข้างทรงตัวตลอดทศวรรษ

ในกลุ่มผู้กู้ SMEs ทั้งหมด ผู้ประกอบการบุคคลธรรมดาคิดเป็นสัดส่วนหลักถึง 78% ของจำนวนผู้กู้ ขณะที่นิติบุคคลขนาดจิ๋ว ขนาดเล็ก และขนาดกลาง มีสัดส่วนเพียง 3%, 15% และ 4% ตามลำดับ แต่ด้วยวงเงินต่อรายที่จำกัด มูลหนี้คงค้างรวมของกลุ่มนี้จึงใกล้เคียงกับธุรกิจขนาดเล็กและขนาดกลาง

คุณภาพสินเชื่อ SMEs ที่เสื่อมลงต่อเนื่องสะท้อนความเสี่ยงเครดิตที่สูงขึ้น โดย 22% ของธุรกิจกำลังมีหนี้เสีย (NPL) และจำนวนธุรกิจที่เป็นหนี้เสียยังเพิ่มขึ้นต่อเนื่องนับตั้งแต่วิกฤตโควิด-19 โดยกว่า 71% ของลูกหนี้ NPL เป็นหนี้เสียเรื้อรัง (ค้างชำระติดต่อกันอย่างน้อย 12 เดือน) หนี้เรื้อรังเหล่านี้ไม่เพียงเพิ่มต้นทุนการบริหารและการตั้งสำรองของสถาบันการเงิน แต่ยังปิดโอกาสที่ SMEs กลุ่มนี้จะได้สินเชื่อใหม่ด้วย นอกจากนั้น อีกกว่า 32% ของธุรกิจอาจกำลังเปราะบาง เพราะเคยผิดนัดชำระหนี้ในช่วง 3 ปี หรือเริ่มค้างชำระจนเป็นกลุ่มที่ต้องจับตาเป็นพิเศษ (SM)

2. เบื้องหลังสินเชื่อ SMEs ติดลบ 15 ไตรมาส: การปล่อยใหม่หดตัวแรงกว่าการคืนหนี้

การหดตัวของสินเชื่อตลอดช่วงหลายปีที่ผ่านมาเกิดขึ้นเป็นวงกว้างในแทบทุกกลุ่มธุรกิจ ทุกประเภทสถาบันการเงิน และทุกระดับความเสี่ยง ส่วนหนึ่งจึงอาจเป็นเพียงการปรับฐานกลับสู่ระดับปกติ หลังจากสินเชื่อเร่งขยายตัวอย่างมากในช่วงวิกฤตโควิด-19 เมื่อพิจารณาองค์ประกอบการเติบโตของสินเชื่อสุทธิในรอบทศวรรษ (รูปที่ 3) พบว่า สินเชื่อ SMEs โดยเฉพาะของผู้ประกอบการบุคคลธรรมดาซึ่งเคยขยายตัวสูงสุดในช่วงโควิด-19 หดตัวต่อเนื่องนานกว่า 15 ไตรมาส ขณะที่กลุ่มนิติบุคคลเริ่มปรับลดลงตามมาใน 9 ไตรมาสล่าสุด

ภาวะสินเชื่อหดตัวเริ่มต้นขึ้นที่ธนาคารพาณิชย์ขนาดใหญ่เป็นกลุ่มแรกและยาวนานที่สุดถึง 19 ไตรมาส ก่อนจะลุกลามไปยังธนาคารพาณิชย์ขนาดกลางและขนาดเล็ก สถาบันการเงินเฉพาะกิจของรัฐ (SFIs) และขยายวงสู่กลุ่มนอนแบงก์ในระยะหลัง นอกจากนี้ สินเชื่อยังหดตัวในเกือบทุกระดับความเสี่ยงด้านเครดิต ยกเว้นเพียงลูกหนี้ NPL และธุรกิจเก่าแก่ ซึ่งยอดหนี้คงค้างยังเพิ่มขึ้นจากดอกเบี้ยค้างรับที่พอกพูนเมื่อชำระหนี้ไม่ได้

รูปที่ 3: พัฒนาการและองค์ประกอบของการเติบโตของสินเชื่อ SMEs
หมายเหตุ: ข้อมูลสินเชื่อจาก NCB คำนวณโดยผู้เขียน; อัตราการโตเป็น year on year เทียบกับไตรมาสเดียวกันในปีก่อนหน้า; การแสดงผลในมิติอื่น ๆ สามารถดูได้ผ่านกราฟ interactive บนเว็บไซต์

ข้อค้นพบสำคัญคือ การเติบโตที่ติดลบของสินเชื่อ SMEs มีแรงขับเคลื่อนหลักมาจากการปล่อยสินเชื่อใหม่ที่หดตัวลงอย่างมีนัยสำคัญ โดยเฉพาะในกลุ่มธุรกิจหน้าใหม่ที่ไม่เคยมีประวัติสินเชื่อในระบบมาก่อน มิได้เกิดจากการที่ภาคธุรกิจเร่งชำระคืนหนี้เดิม (de-leveraging) รูปที่ 4 ชี้ชัดว่าอัตราการชำระคืนหนี้เดิมกลับลดลงด้วยซ้ำ

รูปที่ 4: องค์ประกอบของการเติบโตของสินเชื่อ SMEs จากการเร่งชำระหนี้เดิมและการแผ่วลงของการปล่อยสินเชื่อ
หมายเหตุ: ข้อมูลสินเชื่อจาก NCB คำนวณโดยผู้เขียน; สินเชื่อใหม่ ให้แก่ผู้กู้ใหม่ = สินเชื่อปล่อยใหม่ที่ให้แก่ผู้กู้ที่เข้ามาใหม่ในปีที่ผ่านมา; สินเชื่อใหม่ ให้แก่ผู้กู้เดิม = สินเชื่อปล่อยใหม่ในปีที่ผ่านมาที่ให้แก่ผู้กู้เดิม; สินเชื่อเดิมที่เพิ่มขึ้น = บัญชีสินเชื่อเดิมที่มียอดหนี้เพิ่มขึ้นในปีที่ผ่านมา; การชำระสินเชื่อเดิม = อัตราการจ่ายคืนสินเชื่อ (deleverage) ของสินเชื่อเดิม; การเติบโตเทียบกับมูลค่าหนี้รวมไตรมาสเดียวกันในปีก่อนหน้า

3. เบื้องลึกสินเชื่อใหม่ที่หดตัว: ภาพสะท้อนทั้งจากอุปสงค์ที่แผ่วลงและอุปทานที่ตึงตัว

การวิเคราะห์ในส่วนนี้มุ่งเน้นเฉพาะกลุ่ม SMEs ประเภทนิติบุคคล7 ซึ่งหลักฐานเชิงประจักษ์ชี้ว่า สินเชื่อปล่อยใหม่ที่หดตัวเป็นผลร่วมจากทั้งความต้องการสินเชื่อที่ชะลอลง และอัตราการปฏิเสธของสถาบันการเงินที่สูงขึ้น จนช่องว่างระหว่างอุปสงค์และอุปทานถ่างกว้างขึ้น

รูปที่ 5 ชี้ว่า ตลอดทศวรรษที่ผ่านมา แม้จำนวนนิติบุคคล SMEs จะเพิ่มขึ้นต่อเนื่อง แต่สัดส่วนที่ยื่นขอสินเชื่อ (วัดจากการสืบค้นประวัติเครดิต) กลับลดลงจาก 12% เหลือ 10% ขณะที่สถาบันการเงินระมัดระวังมากขึ้น โดยอัตราการปฏิเสธสินเชื่อเพิ่มขึ้นจาก 47% ในช่วงก่อนวิกฤตโควิด-19 มาอยู่ที่ 56% ในปัจจุบัน8

อย่างไรก็ดี ข้อสังเกตสำคัญคือ อัตราการปฏิเสธที่ 56% นี้ แท้จริงแล้วใกล้เคียงกับค่าเฉลี่ยในอดีต ก่อนที่การปล่อยสินเชื่อจะผ่อนคลายลงอย่างมากในช่วงทศวรรษที่ผ่านมา

รูปที่ 5: อัตราการขอสินเชื่อและอัตราการปฏิเสธสินเชื่อของ SMEs
หมายเหตุ: ข้อมูล credit enquiry จาก NCB และข้อมูลจำนวน SMEs จาก DBD คำนวณโดยผู้เขียน; เนื่องจากข้อมูล DBD ปี 2568 ไม่ครบถ้วน จึงใช้จำนวน SMEs ปี 2567 แทน; สัดส่วน SMEs ที่ขอสินเชื่อเป็นสัดส่วนระดับผู้กู้ต่อจำนวน SMEs ทั้งหมด อัตราการปฏิเสธสินเชื่อเป็นในระดับคำขอ (ผู้กู้หนึ่งรายมีได้มากกว่าหนึ่งคำขอ); ข้อมูลครอบคลุมเฉพาะ SMEs ที่เป็นนิติบุคคล โดยไม่รวม SMEs ที่เป็นบุคคลธรรมดา; การถูกปฏิเสธสินเชื่อ พิจารณาจากการมีคำขอสินเชื่อใหม่ในเดือนนั้นและไม่เห็นการเปิดบัญชีสินเชื่อใหม่กับสถาบันการเงินที่ขอสินเชื่อภายใน 3 เดือน

พลวัตของตลาดสินเชื่อ SMEs ไทยมีความแตกต่างจากต่างประเทศอย่างชัดเจนทั้งในฝั่งอุปสงค์และอุปทาน แม้ทิศทางจะคล้ายกลุ่มประเทศพัฒนาแล้ว คือความต้องการสินเชื่อชะลอลงขณะที่อัตราการปฏิเสธเพิ่มขึ้น แต่ระดับกลับต่างกันมาก โดยกลุ่มประเทศ OECD มีอัตราการยื่นขอสินเชื่ออยู่ที่ค่ากลาง 22% และมีอัตราการปฏิเสธสินเชื่อเพียง 8% เท่านั้น (OECD, 2026) ขณะที่ SMEs ไทยยื่นขอกู้น้อยกว่ามาก แต่ถูกปฏิเสธสูงกว่าหลายเท่าตัว

ช่องว่างของความต้องการและอัตราการปล่อยสินเชื่อของ SMEs กลุ่มต่าง ๆ

เมื่อพิจารณาคำขอสินเชื่อทั้งหมด พบว่ากว่า 96% เป็นคำขอจากลูกหนี้เดิมในระบบ และเนื่องจากข้อมูลยังระบุลักษณะของลูกหนี้รายใหม่ได้จำกัด รูปที่ 6 จึงวิเคราะห์อัตราการขอสินเชื่อและอัตราการปฏิเสธของลูกหนี้เดิมเป็นหลัก ซึ่งครอบคลุมคำขอเกือบทั้งหมด จึงยังสะท้อนภาพอุปสงค์และอุปทานของ SMEs แต่ละกลุ่มได้ดี

ในภาพรวม อัตราการขอสินเชื่อของธุรกิจอยู่ในระดับต่ำ ต่างจากอัตราการปฏิเสธที่อยู่ในระดับสูงในเกือบทุกกลุ่ม โดยเฉพาะธุรกิจขนาดจิ๋ว (micro) ที่มีอัตราการขอสินเชื่อเพียง 1% ของธุรกิจในกลุ่มนี้ แต่อัตราการปฏิเสธกลับพุ่งสูงถึง 58% ภาพเดียวกันนี้พบในธุรกิจอายุไม่เกิน 5 ปี ซึ่งขอสินเชื่อเพียง 4% (ต่ำที่สุดในทุกกลุ่มอายุ) รวมถึงธุรกิจในภาคอสังหาริมทรัพย์และภาคบริการ

อย่างไรก็ดี ข้อค้นพบที่น่าสนใจคือ ยังมีความต้องการสินเชื่อแฝงอยู่อย่างมีนัยสำคัญในบางกลุ่มธุรกิจ โดยลูกหนี้เดิมที่ชำระปกติขอสินเชื่อถึง 29% ลูกหนี้เปราะบางสูงถึง 38% และธุรกิจขนาดกลาง 32%

รูปที่ 6: อัตราการขอสินเชื่อและการปฏิเสธสินเชื่อของ SMEs กลุ่มต่าง ๆ
หมายเหตุ: ข้อมูล credit enquiry จาก NCB ปี 2568 และข้อมูลจำนวน SMEs จาก DBD ปี 2567 ยกเว้นจำนวน SMEs ตามความเสี่ยงเครดิตจาก NCB คำนวณโดยผู้เขียน; สัดส่วน SMEs ที่ขอสินเชื่อเป็นสัดส่วนระดับผู้กู้ต่อจำนวน SMEs ทั้งหมด; อัตราการปฏิเสธสินเชื่อเป็นในระดับคำขอ (ผู้กู้หนึ่งรายมีได้มากกว่าหนึ่งคำขอ)

ในฝั่งอุปสงค์ อัตราการขอสินเชื่อที่ต่ำอาจเป็นภาพสะท้อนของการขาดแรงจูงใจในการเติบโตของ SMEs ไทย งานวิจัยโดย Muthitacharoen et al. (2021) และ Muthitacharoen (2025) ชี้ว่า มาตรการช่วยเหลือของภาครัฐอาจมีผลข้างเคียงที่ไม่ได้ตั้งใจ โดยเฉพาะเกณฑ์การจดทะเบียน VAT และเพดานขนาดกิจการสำหรับสิทธิประโยชน์ทางภาษี ซึ่งทำให้ธุรกิจบางส่วนเลือกที่จะ “ไม่โต” เพื่อรักษาสิทธิประโยชน์ไว้ เมื่อไม่อยากโต ธุรกิจก็ไม่ลงทุนขยายกิจการ และไม่ต้องการสินเชื่อตามไปด้วย ขณะเดียวกัน Kon & Storey (2003) ชี้ว่าธุรกิจขนาดเล็กหรือขนาดจิ๋วที่มีศักยภาพบางแห่งเลือกไม่ยื่นขอกู้ตั้งแต่แรก เพราะคาดว่าจะถูกปฏิเสธอยู่แล้ว (discouraged borrowers) นอกจากนี้ ธุรกิจรายเล็กบางส่วนอาจพอใจกับขนาดเดิมโดยไม่คิดขยาย หรือถูกสถาบันการเงินคัดออกตั้งแต่ขั้นต้นก่อนจะสืบค้นข้อมูลกับ NCB (pre-screening) จึงไม่ปรากฏเป็นคำขอในข้อมูล

ในฝั่งอุปทาน คำถามสำคัญคือ การที่สถาบันการเงินปฏิเสธสินเชื่อเพิ่มขึ้นนี้ สะท้อนการคัดกรองที่สมเหตุสมผลตามความเสี่ยงและศักยภาพของธุรกิจ หรือแท้จริงแล้วเกิดจากข้อจำกัดต่าง ๆ ในตลาดสินเชื่อ ที่ทำให้ประเมินและบริหารความเสี่ยงของลูกหนี้กลุ่มนี้ได้ยาก ซึ่งหากเป็นกรณีหลัง ย่อมนำไปสู่การจัดสรรทุนที่ขาดประสิทธิภาพ จนภาคการเงินไม่อาจหล่อเลี้ยงการเติบโตของธุรกิจได้อย่างที่ควร

4. เข้าใจปัจจัยกำหนดการปฏิเสธสินเชื่อ และความท้าทายในการปล่อยสินเชื่อ SMEs ไทย

ในภาพรวมตลอดทศวรรษที่ผ่านมา SMEs ทุกกลุ่มล้วนเผชิญกับอัตราการปฏิเสธสินเชื่อที่ปรับสูงขึ้น และอยู่ในระดับที่สูงกว่าธุรกิจขนาดใหญ่อย่างมีนัยสำคัญ รูปที่ 7 ฉายภาพจำนวนคำขอและอัตราการปฏิเสธสินเชื่อของ SMEs จำแนกตามขนาดกิจการ ภาคธุรกิจ ระดับความเสี่ยงด้านเครดิต และประเภทสถาบันการเงิน โดยพบว่าคำขอสินเชื่อส่วนใหญ่กระจุกตัวอยู่ในกลุ่มธุรกิจขนาดเล็ก ขนาดกลาง และภาคการค้า ซึ่งมีอัตราการปฏิเสธสินเชื่อใกล้เคียงกัน แม้คำขอส่วนใหญ่จะมาจากลูกหนี้เดิมที่มีประวัติดีหรือกลุ่มเปราะบาง แต่อัตราการปฏิเสธลูกหนี้ประวัติดีกลับสูงถึง 50% และขยับขึ้นเป็น 58% ในกลุ่มเปราะบาง (ซึ่งเป็นกลุ่มที่มีสัดส่วนคำขอสูงที่สุด) ขณะที่กลุ่มลูกหนี้ NPL เดิมถูกปฏิเสธสูงถึง 86%

ทว่าข้อค้นพบที่น่ากังวลคือ กลุ่มลูกหนี้หน้าใหม่ที่ไม่เคยมีประวัติเครดิตในระบบมาก่อน นอกจากจะมีสัดส่วนการยื่นขอกู้น้อยมากแล้ว ยังเผชิญอัตราการปฏิเสธที่พุ่งสูงถึง 78% ซึ่งใกล้เคียงกับกลุ่มที่มีหนี้เสีย ตัวเลขนี้สะท้อนว่า “ช่องว่างข้อมูล” (information asymmetry) กำลังเป็นกำแพงที่ปิดกั้นธุรกิจหน้าใหม่จากแหล่งทุน

คำขอสินเชื่อกว่าสองในสามถูกยื่นไปยังธนาคารพาณิชย์ ซึ่งแม้จะรองรับปริมาณคำขอมากที่สุด แต่ก็มีอัตราการปฏิเสธสินเชื่อสูงที่สุดเช่นกัน อย่างไรก็ดี ในระยะหลังเริ่มเห็นแนวโน้มคำขอกระจายไปยังธนาคารพาณิชย์ขนาดกลางและขนาดเล็กมากขึ้น ขณะที่อัตราการปฏิเสธสินเชื่อของสถาบันการเงินเฉพาะกิจของรัฐ (SFIs) และกลุ่มนอนแบงก์ (Non-banks) ก็ทยอยปรับตัวสูงขึ้นตามลำดับ ทั้งนี้ อัตราการปฏิเสธที่ต่างกันระหว่างสถาบันการเงินแต่ละประเภท สะท้อนทั้งความเสี่ยงของลูกหนี้ที่มายื่นกู้ และระดับความเสี่ยงที่สถาบันการเงินยอมรับได้ (risk appetite)

รูปที่ 7: การขอสินเชื่อและอัตราการปฏิเสธสินเชื่อของ SMEs กลุ่มต่าง ๆ
(a) จำนวนคำขอสินเชื่อของ SMEs
(b) สัดส่วนการปฏิเสธสินเชื่อ SMEs (เทียบกับธุรกิจขนาดใหญ่)
หมายเหตุ: ข้อมูล credit enquiry จาก NCB คำนวณโดยผู้เขียนในระดับคำขอสินเชื่อ; ธพ. = ธนาคารพาณิชย์; ผู้กู้ใหม่ไม่เคยมีประวัติสินเชื่อ คือผู้ที่ไม่มีข้อมูลสินเชื่อมาก่อนใน NCB หรือไม่มีข้อมูลลักษณะผู้กู้9; การแสดงผลในมิติอื่น ๆ สามารถดูได้ผ่านกราฟ interactive บนเว็บไซต์

อย่างไรก็ดี การเทียบอัตราการปฏิเสธทีละปัจจัย (univariate analysis) อาจให้ข้อสรุปที่คลาดเคลื่อนหากไม่ควบคุมความเสี่ยงด้านเครดิต เพราะความต่างที่เห็นอาจสะท้อนความเสี่ยงที่แฝงอยู่ มากกว่าลักษณะเฉพาะของกลุ่มธุรกิจนั้น เพราะหากธุรกิจมีความเสี่ยงสูง การที่สถาบันการเงินจะเพิ่มความเข้มงวดในการให้สินเชื่อย่อมเป็นกลไกปกติของตลาด

งานศึกษานี้จึงประยุกต์ใช้แบบจำลองทางเศรษฐมิติแบบหลายตัวแปร (multivariate regression) เพื่อควบคุมปัจจัยอื่น ๆ (confounding factors) โดยรูปที่ 8 แสดงความน่าจะเป็นในการถูกปฏิเสธสินเชื่อที่คาดการณ์จากแบบจำลอง (predicted probability) ของผู้กู้ SMEs ที่มีลักษณะแตกต่างกัน เทียบกับกลุ่มธุรกิจขนาดใหญ่ โดยปัจจัยที่ควบคุม ได้แก่คุณลักษณะของผู้กู้ (ขนาด อายุ และภาคธุรกิจ) พฤติกรรมการกู้ยืมเดิม (จำนวนบัญชีสินเชื่อ ยอดหนี้คงค้าง และประวัติการขอสินเชื่อใหม่) คุณลักษณะของสถาบันการเงินผู้ให้กู้ (ประเภทสถาบันการเงิน ปริมาณคำขอสินเชื่อที่ได้รับ และสัดส่วน NPL ของพอร์ตสินเชื่อ) ตลอดจนผลกระทบเฉพาะเชิงพื้นที่ (จังหวัด) และปัจจัยด้านเวลา

รูปที่ 8: ปัจจัยที่มีผลต่อการปฏิเสธสินเชื่อ SMEs
หมายเหตุ: ผลจากการประมาณการด้วย pooled logit regression with interaction terms โดยใช้ข้อมูล credit enquiry จาก NCB ปี 2560-2568; จุดแสดงค่าความน่าจะเป็นที่จะถูกปฏิเสธสินเชื่อเมื่อมีคำขอที่ได้จากการประมาณการ และเส้นทึบแนวนอนแสดงค่า 99% confidence interval (CI) ของค่าที่ประมาณการได้; รายละเอียดการประมาณการใน Box: ระเบียบวิธีที่ใช้ในการวิเคราะห์

อะไรคือข้อจำกัดสำคัญในการปล่อยสินเชื่อให้ SMEs ไทย?

ผลจากแบบจำลองชี้ถึงข้อจำกัดเชิงโครงสร้าง (frictions) 4 ประการที่มีผลต่อการอนุมัติสินเชื่ออย่างมีนัยสำคัญ ดังนี้

  1. ความเสี่ยงด้านเครดิต คือปัจจัยหลักที่ถูกใช้ในการพิจารณาอนุมัติสินเชื่อ SMEs เมื่อควบคุมปัจจัยอื่นแล้ว ลูกหนี้เดิมที่มีหนี้เสียมีโอกาสถูกปฏิเสธมากกว่าลูกหนี้ที่ไม่มีหนี้เสีย และลูกหนี้เปราะบางก็มีโอกาสถูกปฏิเสธสูงกว่าลูกหนี้ประวัติดีอย่างมีนัยสำคัญ ซึ่งต่างจากธุรกิจขนาดใหญ่อย่างชัดเจน ที่ความเสี่ยงด้านเครดิตไม่ได้มีผลต่อการปฏิเสธสินเชื่ออย่างมีนัยสำคัญ
  2. Information asymmetry คืออีกปัจจัยสำคัญที่มีผลต่อการพิจารณาอนุมัติสินเชื่อ กล่าวคือ ลูกหนี้หน้าใหม่ที่ไม่มีประวัติสินเชื่อในระบบ มีโอกาสถูกปฏิเสธสูงกว่าลูกหนี้เดิมที่ไม่มีหนี้เสียทุกกลุ่มอย่างมีนัยสำคัญ ทั้งกลุ่มประวัติดี กลุ่มเปราะบาง และกลุ่มที่เคยมีหนี้เสียในอดีต สะท้อนว่า “การไม่มีข้อมูล” อาจเป็นผลเสียต่อการขอกู้มากกว่าการเคยมีประวัติไม่ดีแต่กลับมาชำระหนี้ได้ตามปกติ
  3. SMEs เผชิญกับอัตราการถูกปฏิเสธสินเชื่อที่สูงกว่าธุรกิจขนาดใหญ่อย่างมีนัยสำคัญ (ภายใต้การควบคุมความเสี่ยงด้านเครดิต) และความเสี่ยงเครดิตก็ส่งผลต่อการปฏิเสธสินเชื่อของ SMEs มากกว่ารายใหญ่อย่างมีนัยสำคัญเช่นกัน ซึ่งส่วนหนึ่งอาจมาจากต้นทุนการปล่อยกู้ (transaction cost) ทั้งการคัดกรองและการติดตามลูกหนี้ ที่สูงกว่าธุรกิจขนาดใหญ่ และอีกส่วนอาจเป็นเพราะข้อมูลที่ใช้ประเมินความเสี่ยงและความสามารถในการชำระหนี้ของ SMEs หาได้ยากกว่า ทั้งนี้ ไม่พบความแตกต่างของโอกาสถูกปฏิเสธระหว่าง SMEs ขนาดจิ๋ว เล็ก และกลาง
  4. Risk appetite ที่แตกต่างกันของสถาบันการเงินแต่ละประเภท โดยพบว่าเมื่อควบคุมปัจจัยความเสี่ยงด้านเครดิตแล้ว การปฏิเสธคำขอสินเชื่อยังต่างกันระหว่างประเภทของสถาบันการเงิน ซึ่งอาจมีสาเหตุจากหลายปัจจัย ทั้งขนาดและต้นทุนของสถาบันการเงิน รูปแบบของธุรกิจ (business model) และการแข่งขันในตลาด (Beck et al., 2004; Berger et al., 2005; Beck et al., 2011) เช่น นอนแบงก์ที่คิดดอกเบี้ยได้สูงกว่าจึงรองรับผู้กู้ความเสี่ยงสูงได้มากกว่า ส่งผลให้ช่องว่างของอัตราการปฏิเสธสินเชื่อของ SMEs และรายใหญ่ไม่ได้ห่างมากเท่ากับกลุ่มธนาคารพาณิชย์ หรือ SFIs

ในทางตรงกันข้าม คุณลักษณะพื้นฐานอื่น ๆ ได้แก่ ภาคธุรกิจ และอายุกิจการ ไม่ได้มีผลต่อการปฏิเสธสินเชื่ออย่างมีนัยสำคัญ เมื่อควบคุมความเสี่ยงและประวัติข้อมูลเครดิตของผู้กู้แล้ว แต่ไม่ได้แปลว่าอายุกิจการไม่สำคัญ เพราะอายุกิจการอาจเชื่อมโยงกับข้อมูลเครดิตที่จำกัด กิจการอายุน้อยและผู้กู้หน้าใหม่มักยังไม่มีประวัติการชำระหนี้เพียงพอให้ใช้ประเมินความเสี่ยง ข้อจำกัดจึงอาจไม่ได้อยู่ที่ความอายุน้อยโดยตรง แต่อยู่ที่ผู้ให้กู้มีข้อมูลไม่พอจะประเมินศักยภาพและความสามารถในการชำระหนี้ของกิจการเหล่านี้

โอกาสเข้าถึงสินเชื่อที่เปลี่ยนไป: ลูกหนี้หน้าใหม่และลูกหนี้เดิมที่เปราะบางเข้าถึงสินเชื่อได้ยากขึ้น

เมื่อแยกวิเคราะห์ปัจจัยที่มีผลต่อการปฏิเสธสินเชื่อออกเป็น 3 ช่วงเวลา ได้แก่ ก่อนวิกฤตโควิด-19 (2560–63) ช่วงฟื้นตัวหลังวิกฤต (2564–66) และช่วงล่าสุด (2567–68) จะเห็นว่าโอกาสเข้าถึงสินเชื่อของผู้กู้บางกลุ่มเปลี่ยนไปอย่างชัดเจน (รูปที่ 9)

รูปที่ 9: ผลของความเสี่ยงเครดิตต่อการปฏิเสธสินเชื่อ SMEs ที่เปลี่ยนไปในทศวรรษที่ผ่านมา
หมายเหตุ: ผลจากการประมาณการด้วย pooled logit regression with interaction terms โดยใช้ข้อมูล credit enquiry จาก NCB ปี 2560-2568; จุดแสดงค่าความน่าจะเป็นที่จะถูกปฏิเสธสินเชื่อเมื่อมีคำขอที่ได้จากการประมาณการ และเส้นแนวตั้งแสดงค่า 99% CI ของค่าที่ประมาณการได้

ข้อค้นพบที่สำคัญคือ ตลอดเกือบหนึ่งทศวรรษที่ผ่านมา โอกาสการถูกปฏิเสธสินเชื่อในภาพรวมของผู้กู้หน้าใหม่ปรับตัวสูงขึ้นอย่างมีนัยสำคัญ จนพุ่งแตะระดับใกล้เคียงกับกลุ่มลูกหนี้เดิมที่มีหนี้เสีย และเป็นทิศทางที่เพิ่มขึ้นในทุกกลุ่มสถาบันการเงินยกเว้น SFIs (รูปที่ 10) แม้ข้อมูลยังชี้ขาดไม่ได้ว่าเป็นเพราะผู้กู้หน้าใหม่เสี่ยงขึ้นจริง หรือเพราะสถาบันการเงินระมัดระวังมากขึ้น แต่สะท้อนชัดว่า การขาดประวัติเครดิตในระบบ กำลังกลายเป็นอุปสรรคเชิงโครงสร้างที่รุนแรงขึ้นเรื่อย ๆ ต่อการเข้าถึงทุน แม้ว่าธุรกิจเหล่านั้นจะไม่เคยมีประวัติการผิดนัดชำระหนี้เลยก็ตาม

นอกจากนั้น ลูกหนี้เดิมในกลุ่มเปราะบางก็เข้าถึงสินเชื่อได้ยากขึ้น สวนทางกับความต้องการสินเชื่อที่อยู่ในระดับสูงในกลุ่มนี้ โดยธนาคารพาณิชย์ทุกขนาดและนอนแบงก์ต่างเข้มงวดกับกลุ่มนี้มากขึ้นอย่างมีนัยสำคัญ ซึ่งอาจสะท้อน risk appetite ของสถาบันการเงินที่เปลี่ยนไป ซึ่งส่วนหนึ่งอาจมาจากข้อมูลทางการเงินที่ไม่เพียงพอต่อการประเมินความเสี่ยงของ SMEs การฟื้นตัวหลังโควิด-19 ที่ไม่ทั่วถึง และการปรับกลยุทธ์สินเชื่อ SMEs ของสถาบันการเงินบางแห่ง

รูปที่ 10: ผลของความเสี่ยงเครดิตต่อการปฏิเสธสินเชื่อที่เปลี่ยนไป รายกลุ่มสถาบันการเงิน
หมายเหตุ: ผลจากการประมาณการด้วย pooled logit regression โดยใช้ข้อมูล credit enquiry จาก NCB ปี 2560-2568; จุดแสดงค่าความน่าจะเป็นที่จะถูกปฏิเสธสินเชื่อเมื่อมีคำขอที่ได้จากการประมาณการ และเส้นแนวตั้งแสดงค่า 95% CI ของค่าที่ประมาณการได้

ตลาดสินเชื่อเข้มงวดกว่าที่แบบจำลองคาดการณ์ในผู้กู้บางกลุ่ม

เมื่อเทียบอัตราการปฏิเสธจริง (observed rejection) กับอัตราที่แบบจำลองคาดจากความเสี่ยงด้านเครดิตและลักษณะกิจการ (predicted rejection) พบว่า ในช่วงหลังวิกฤตโควิด-19 กลุ่มลูกหนี้เปราะบาง ผู้กู้ใหม่ที่ไม่มีประวัติ และธุรกิจอายุน้อยกว่า 10 ปี มีแนวโน้มถูกปฏิเสธสินเชื่อจริงสูงกว่าระดับที่แบบจำลองคาดการณ์จากปัจจัยพื้นฐานเพิ่มมากขึ้น ส่วนหนึ่งอาจเป็นเพราะแบบจำลองยังไม่มีข้อมูลบางด้าน เช่น หลักประกันและฐานะการเงินของกิจการ แต่อีกส่วนอาจเป็นเพราะตลาดสินเชื่อเข้มงวดกับผู้กู้กลุ่มนี้มากขึ้น จากความเสี่ยงด้านเครดิตและช่องว่างข้อมูล ซึ่งอาจเป็นอุปสรรคสำคัญที่ทำให้ธุรกิจที่มีศักยภาพจำนวนหนึ่งไม่สามารถเข้าถึงเงินทุนได้ตามที่ควรจะเป็น

5. ธุรกิจที่มีศักยภาพแต่โดนปฏิเสธสินเชื่อ: โอกาสที่ภาคการเงินปลดล็อกได้

บทความนี้ใช้ข้อมูลสินเชื่อเพื่อการกำกับดูแลสถาบันการเงิน (RDT Credit) ปี 2568 ซึ่งเชื่อมกับข้อมูลศักยภาพธุรกิจได้หลายมิติ จากคำขอสินเชื่อของ SMEs กว่า 1.5 แสนรายที่ยื่นต่อธนาคารพาณิชย์ พบว่ามีผู้ขอกู้ถึง 45% ถูกปฏิเสธสินเชื่อ (unmet demand) และอีก 27% ได้รับวงเงินต่ำกว่าที่ขอ (under-met demand)

อย่างไรก็ดี การถูกปฏิเสธไม่ได้แปลว่าธุรกิจขาดศักยภาพเสมอไป เมื่อใช้งบการเงินจากกรมพัฒนาธุรกิจการค้าวัดศักยภาพของ SMEs นิติบุคคลที่ถูกปฏิเสธ จากผลตอบแทนต่อสินทรัพย์ (ROA) และการเติบโตของรายได้เฉลี่ย 3 ปีย้อนหลัง (2565–2567) ในรูปที่ 11 พบว่า กว่า 60% ของกลุ่มที่ถูกปฏิเสธจากธนาคารพาณิชย์ยังมีศักยภาพในการหารายได้เพิ่มและทำกำไร ขณะที่เกือบ 40% ขาดศักยภาพจริง ซึ่งก็สะท้อนว่าไม่ใช่ SMEs ทุกแห่งที่ควรได้รับสินเชื่อ

รูปที่ 11: ธุรกิจที่มีศักยภาพแต่โดนปฏิเสธสินเชื่อ
หมายเหตุ: ข้อมูลฐานะการเงิน เฉลี่ย 3 ปี (2565-2567) จาก DBD ข้อมูลผู้กู้และความเสี่ยงด้านเครดิต ณ ธันวาคม 2567 และข้อมูลคำขอสินเชื่อ unmet demand ของนิติบุคคลระหว่างปี 2568 จากข้อมูลสินเชื่อเพื่อการกำกับดูแลสถาบันการเงิน (RDT Credit) คำนวณโดยผู้เขียน; จุดแสดงข้อมูลฐานะการเงินของธุรกิจแต่ละแห่ง สีของจุดแสดงศักยภาพใน 3 ด้านเทียบกับกิจการในอุตสาหกรรมเดียวกัน; การแสดงผลในมิติอื่น ๆ สามารถดูได้ผ่านกราฟ interactive บนเว็บไซต์

แม้คัดกรองศักยภาพให้เข้มขึ้นในหลายมิติ ก็ยังพบธุรกิจศักยภาพสูงอีกมากที่ถูกปฏิเสธ โดย 16% ของกลุ่มที่ถูกปฏิเสธมีผลตอบแทนจัดอยู่ใน Top 30% ทั้งด้าน ROA และอัตรากำไรสุทธิ (NPM) เมื่อเทียบกับคู่แข่งในกลุ่มธุรกิจเดียวกัน และ 32% มีฐานะการเงินและสภาพคล่องเข้มแข็ง (Current Ratio สูงกว่า 2 เท่า และ D/E ต่ำกว่า 1 เท่า) (Hantono, 2018)

เมื่อแยกธุรกิจที่มีศักยภาพตามประวัติเครดิต จะเห็นทั้งโอกาสและข้อจำกัดเชิงโครงสร้างชัดเจน โดยมีธุรกิจที่มีศักยภาพและเป็นลูกหนี้เดิมประวัติดีถึง 36% ที่ถูกปฏิเสธสินเชื่อ มี 3% ที่เคยมีประวัติเปราะบาง และอีกกว่า 23% ที่มีศักยภาพแต่เป็นผู้กู้หน้าใหม่ที่ไม่มีประวัติเครดิต สองกลุ่มหลังตอกย้ำว่าความเสี่ยงด้านเครดิตและช่องว่างข้อมูลกำลังขวางไม่ให้ทุนไหลไปถึงธุรกิจที่มีศักยภาพ

6. สู่โจทย์ใหญ่ภาคการเงินเพื่อปลดล็อกศักยภาพเศรษฐกิจไทย

ภาคการเงินเป็นกลไกสำคัญที่ขับเคลื่อน SMEs และเศรษฐกิจไทย แต่โจทย์ไม่ใช่การเร่งปล่อยกู้ให้มากและทั่วถึงทุกราย หากคือการลดข้อจำกัดและสร้างแรงจูงใจให้ระบบการเงินจัดสรรทุนไปถึงธุรกิจที่มีศักยภาพเติบโต ผ่านการวางโครงสร้างพื้นฐานและระบบนิเวศสินเชื่อ SMEs ใน 5 ด้าน ดังนี้

  1. ร่วมรับความเสี่ยงด้วยการค้ำประกันสินเชื่อแบบมุ่งเป้า เพื่อแบ่งเบาความเสี่ยงด้านเครดิตของสถาบันการเงิน (risk-sharing) โดยมุ่งไปที่กลุ่มศักยภาพสูง เช่น อุตสาหกรรมยุทธศาสตร์ตามแนวคิด Reinvent Thailand และธุรกิจที่มีแผนปรับตัว ซึ่งเป็นแนวทางเดียวกับหลายประเทศที่ค้ำประกันเฉพาะกลุ่ม เช่น สินเชื่อธุรกิจให้กิจการอายุน้อยในแคนาดา (Innovation, Science and Economic Development Canada, 2026) และสินเชื่อนวัตกรรมและเทคโนโลยีดิจิทัลในโปแลนด์
  2. ปิดช่องว่างข้อมูลด้วยข้อมูลทางเลือก เพื่อให้สถาบันการเงินประเมินผู้กู้หน้าใหม่ที่ไม่มีประวัติเครดิตได้ โดยไม่ต้องพึ่งหลักประกันเพียงอย่างเดียว เช่น เชื่อมโยงข้อมูลที่หลากหลายมาใช้ประเมินความสามารถในการชำระหนี้ ทั้งข้อมูลภาษีจาก e-Tax Invoice และข้อมูลการทำธุรกรรมในรูปแบบต่าง ๆ เช่น ผ่าน digital payment รวมถึงรับรองความถูกต้องของข้อมูลการค้า เช่น ใช้แพลตฟอร์ม PromptBiz รับรองใบสั่งซื้อ (certified PO) และใบแจ้งหนี้ ให้ SMEs นำไปใช้ขอสินเชื่อได้ คล้ายกับกลไก Commercial Data Interchange (CDI) ของฮ่องกง ที่เป็นแพลตฟอร์มกลางแชร์ข้อมูลธุรกรรมระหว่างหน่วยงานและสถาบันการเงินตามความยินยอมของผู้ประกอบการ (Hong Kong Monetary Authority, 2024)
  3. ลดต้นทุนการปล่อยกู้ธุรกิจรายเล็ก ทั้งต้นทุนการเข้าถึงและการให้บริการรายย่อย เช่น พัฒนาระบบยืนยันตัวตนดิจิทัล และ Credit Portal ที่ช่วยลดต้นทุนการค้นหา (search cost) ระหว่างผู้กู้และผู้ให้กู้ ตัวอย่างเช่น สหราชอาณาจักรกำหนดให้ธนาคารพาณิชย์ขนาดใหญ่ 9 แห่ง ส่งข้อมูล SMEs ที่ถูกปฏิเสธสินเชื่อเข้า Portal เพื่อช่วยเพิ่มโอกาสเข้าถึงและเพิ่มการแข่งขันของผู้ให้กู้ (HM Treasury, 2026) ขณะที่ Portal ของมาเลเซียช่วยตั้งแต่จับคู่ผลิตภัณฑ์และผู้ให้กู้ที่เหมาะสม แจ้งเหตุผลที่ไม่อนุมัติ ไปจนถึงให้คำปรึกษาทางการเงินแก่ผู้ที่ถูกปฏิเสธ (imSME, n.d.)
  4. ปรับโครงสร้างหนี้และเปิดทางออกจากตลาดอย่างเป็นระบบ (orderly exit) ให้ธุรกิจที่ไปต่อไม่ได้ออกจากตลาดได้เร็ว ยุติการอุ้มธุรกิจที่แข่งขันไม่ได้ และคืนเงินทุนและแรงงานสู่กิจกรรมที่มีผลิตภาพสูงกว่า เช่น เกาหลีใต้มีโครงการ Soft-Landing เพื่อส่งเสริมการปรับโครงสร้างหนี้และตัดหนี้สูญให้แก่ลูกหนี้ที่ออกมาจากมาตรการช่วยเหลือวงกว้างหลังโควิด-19 (International Monetary Fund, 2025) ขณะที่สเปนใช้กระบวนการล้มละลายแบบรวบรัดเพื่อช่วยลดค่าใช้จ่ายและเวลาสำหรับธุรกิจขนาดเล็กที่ไม่สามารถดำเนินกิจการต่อได้ (OECD, 2026)
  5. จูงใจให้สถาบันการเงินหันมาปล่อยกู้ SMEs ที่มีศักยภาพ มาตรการทั้งสี่ข้อข้างต้นช่วยให้การปล่อยกู้ SMEs คุ้มค่าขึ้น จนสถาบันการเงินอยากปล่อยกู้เองตามกลไกตลาด แต่ยังเสริมได้ด้วยมาตรการจูงใจอื่น เช่น การเปิดทางให้คิดดอกเบี้ยตามระดับความเสี่ยงที่แท้จริง (Risk-based pricing) และสิทธิประโยชน์ด้านการกำกับดูแลที่ผูกกับการปล่อยกู้ SMEs ที่มีศักยภาพ เช่น ฟิลิปปินส์ผ่อนน้ำหนักความเสี่ยงของสินทรัพย์และข้อกำหนดการกันสำรองเพื่อจูงใจให้ธนาคารปล่อยสินเชื่อ SMEs ให้ได้ตามสัดส่วนที่กำหนด (Jacildo et al., 2016) ขณะที่ญี่ปุ่น อินเดีย และสิงคโปร์มีใบอนุญาตธนาคารเฉพาะที่เน้นให้สินเชื่อ SMEs ทั้งในระดับภูมิภาคและระดับประเทศ (Monetary Authority of Singapore, 2019; Reserve Bank of India, 2021; Shinkin Central Bank, 2025)

อย่างไรก็ดี ปัญหาไม่ได้อยู่ที่ฝั่งผู้ให้กู้เพียงฝั่งเดียว งานวิจัยนี้พบว่าความต้องการสินเชื่อของ SMEs ไทยเองก็ต่ำและมีแนวโน้มลดลง ประกอบกับยังมีปัญหาเชิงโครงสร้างนอกเหนือจากการเข้าถึงทุนที่ฉุดรั้งประสิทธิภาพการประกอบกิจการ และบั่นทอนแรงจูงใจให้เติบโต การส่งเสริม SMEs จึงจะได้ผลอย่างยั่งยืนก็ต่อเมื่อ

  1. ภาครัฐต้องร่วมปลดล็อกข้อจำกัดในภาคเศรษฐกิจจริง ยกระดับศักยภาพ SMEs และสร้างแรงจูงใจให้ SMEs อยากเติบโต ทั้งการขจัดอุปสรรคเชิงโครงสร้างและการค้าที่ไม่เป็นธรรม เช่น ลดขั้นตอนขอใบอนุญาตที่ซ้ำซ้อน และคุมระยะเวลาเครดิตเทอม (trade credit) ของรายใหญ่เพื่อปกป้องสภาพคล่องของรายย่อย การยกระดับผลิตภาพและเทคโนโลยีเพื่อเชื่อม SMEs เข้าสู่ห่วงโซ่อุปทานสมัยใหม่ ตลอดจนการปรับแรงจูงใจเชิงนโยบาย เช่น การปรับเกณฑ์ภาษีและ VAT เป็นแบบขั้นบันได และการให้สิทธิประโยชน์ที่ผูกกับเป้าหมายการขยายขนาดธุรกิจ (growth-linked incentives) แทนเกณฑ์ที่ทำให้ธุรกิจเลือกหยุดโต
  2. ที่สำคัญไม่แพ้กัน คือการสร้างการรับรู้ในวงกว้างให้ SMEs ไทยที่มีศักยภาพ ว่ามีช่องทางเติบโตอะไรบ้างในแต่ละช่วงของวงจรธุรกิจ มีกลไกสนับสนุนใดจากภาครัฐและภาคการเงิน และควรทำธุรกิจอย่างไรให้เกิดข้อมูลเครดิต ซึ่งจะเป็นใบเบิกทางสู่แหล่งทุนเพื่อการเติบโตในระยะยาว

โดยรวมแล้ว ภาคการเงินเป็นหัวใจของการปลดล็อกศักยภาพ SMEs ไทย การวางโครงสร้างพื้นฐานและระบบนิเวศสินเชื่อ SMEs ตามข้อเสนอข้างต้นจึงเป็นสิ่งจำเป็น และเมื่อทำควบคู่กับภาคส่วนอื่น ๆ ผลดีจะขยายวงเป็นทอด ๆ (positive externality) กล่าวคือ เมื่อ SMEs เข้าสู่ระบบสินเชื่อมากขึ้น ข้อมูลเครดิตจะยิ่งสะสม สถาบันการเงินก็ประเมินความสามารถในการชำระหนี้ได้แม่นยำขึ้นและปล่อยกู้ได้กว้างขึ้น เปิดทางให้ผู้ประกอบการรายเล็กที่มีศักยภาพเติบโตเป็นเครื่องยนต์ใหม่ที่สร้างงานและรายได้ และย้อนกลับมาเกื้อหนุนธุรกิจอื่น ๆ ตลอดจนเศรษฐกิจไทยโดยรวม

ระเบียบวิธีที่ใช้ในการวิเคราะห์

ข้อมูลที่ใช้ การศึกษาใช้ข้อมูลการสืบค้นประวัติเครดิตเพื่อขอสินเชื่อใหม่ จาก NCB ในช่วงปี 2560-2568 ซึ่งสะท้อนการยื่นขอสินเชื่อจริงและความต้องการสินเชื่อของกิจการได้ ข้อมูลครอบคลุมนิติบุคคลทุกขนาดกิจการ แต่ไม่รวม SMEs ที่เป็นบุคคลธรรมดา เนื่องจากข้อมูลไม่สามารถแยกวัตถุประสงค์การกู้เพื่อธุรกิจออกจากการกู้เพื่อวัตถุประสงค์ส่วนตัวได้ สำหรับธุรกิจขนาดใหญ่ซึ่งอาจไม่ได้มีการยื่น credit enquiry ทุกครั้งที่ขอสินเชื่อใหม่ ผู้วิจัยได้นำข้อมูลการเปิดบัญชีสินเชื่อใหม่แบบไม่มี credit enquiry มารวมเพิ่มเติมเพื่อให้ครอบคลุมมากขึ้น

การศึกษานี้นิยามว่าคำขอสินเชื่อถูกปฏิเสธ หากมี credit enquiry แต่ไม่พบการเปิดบัญชีสินเชื่อใหม่กับสถาบันการเงินแห่งเดียวกันภายใน 3 เดือนหลังมีคำขอ

แบบจำลองที่ใช้ การประมาณการใช้ pooled logit regression ในระดับคำขอสินเชื่อใหม่รายเดือนต่อสถาบันการเงินแต่ละแห่ง โดยผู้กู้หนึ่งรายอาจมีหลายคำขอและได้รับผลการพิจารณาแตกต่างกัน และผู้กู้อาจปรากฏในข้อมูลหลายครั้งหรือเพียงครั้งเดียว จึงไม่มีลักษณะเป็น panel data การวิเคราะห์ใช้ข้อมูลสุ่ม 100,000 คำขอจากทั้งหมด 2.03 ล้านคำขอ เนื่องจากขนาดตัวอย่างที่ใหญ่มากอาจทำให้ความแตกต่างเพียงเล็กน้อยมีนัยสำคัญทางสถิติ โดยผลที่ได้ใกล้เคียงกับการใช้ตัวอย่างสุ่มขนาดใหญ่กว่าจำนวน 1 ล้านคำขอ

ตัวแปรตามคือการถูกปฏิเสธสินเชื่อ (0/1) โดยประมาณการใน 2 รูปแบบ ได้แก่

  1. การวิเคราะห์เฉพาะผู้กู้เดิมที่มีข้อมูลครบถ้วน เพื่อศึกษาผลของขนาดธุรกิจ ประเภทผู้ให้กู้ อายุกิจการ และภาคธุรกิจ พร้อมควบคุมปัจจัยด้านผู้กู้ (จำนวนบัญชีสินเชื่อ หนี้คงค้าง และประวัติการขอสินเชื่อใหม่) ผู้ให้กู้ (ปริมาณคำขอสินเชื่อ สัดส่วน NPL และสินเชื่อเปราะบาง) รวมถึงจังหวัด ปี และ seasonality
  2. การวิเคราะห์แบบรวมผู้กู้ใหม่ที่ไม่มีประวัติเครดิต เพื่อศึกษาผลของความเสี่ยงด้านเครดิต โดยควบคุมลักษณะผู้ให้กู้ จังหวัด ปี และ seasonality

โดยทั้งสองแบบได้ประมาณค่าสัมประสิทธิ์ของธุรกิจขนาดใหญ่และ SMEs แยกออกจากกันโดยใช้ interaction term นอกจากนี้ ยังใช้ interaction term เพิ่มในการศึกษาการเปลี่ยนแปลงตามช่วงเวลาของความเสี่ยงเครดิต (รูปที่ 9) และระหว่างประเภทสถาบันการเงินร่วมกับความเสี่ยงเครดิต (รูปที่ 10)

ข้อจำกัดของการศึกษา ผลการศึกษาสะท้อนความสัมพันธ์ (correlation) ไม่ใช่ความเป็นเหตุเป็นผล (causality) และยังไม่ได้ควบคุมปัจจัยสำคัญบางประการที่ไม่มีข้อมูล เช่น งบการเงินและหลักประกัน งานศึกษาวิเคราะห์เฉพาะการได้รับหรือไม่ได้รับสินเชื่อ (extensive margin) โดยยังไม่ได้พิจารณาวงเงินสินเชื่อที่ได้รับ (intensive margin) และการใช้ข้อมูล credit enquiry อาจไม่ครอบคลุมความต้องการสินเชื่อใหม่ทั้งหมด

ข้อสงวน

บทความ บทวิเคราะห์ หรือบทวิจัยนี้ จัดทำขึ้นโดยสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์และบริษัทข้อมูลเครดิตแห่งชาติจำกัด เพื่อประโยชน์ในการเผยแพร่ต่อสาธารณะ

ข้อมูลที่ปรากฏในรายงานฉบับนี้จัดทำโดยอาศัยข้อมูลเชิงสถิติของข้อมูลเศรษฐกิจการเงินจากแหล่งข้อมูลที่เชื่อถือได้ อย่างไรก็ตามสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์และบริษัทข้อมูลเครดิตแห่งชาติจำกัดไม่ยืนยันและไม่รับรองถึงความครบถ้วนสมบูรณ์หรือถูกต้องของข้อมูลจึงไม่รับผิดชอบต่อการนำเอาข้อมูล ข้อความ ความเห็น หรือบทสรุปที่กฎในรายงานฉบับนี้ไปใช้ ไม่ว่ากรณีใด ๆ

สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์และบริษัทข้อมูลเครดิตแห่งชาติจำกัดมีสิทธิแต่เพียงผู้เดียวในทรัพย์สินทางปัญญาของรายงานฉบับนี้ และขอสงวนลิขสิทธิ์ในข้อมูลที่กฎในเอกสารนี้ ห้ามมิให้ผู้ใดใช้ประโยชน์ทำซ้ำดัดแปลงนำออกแสดง ทำให้ปรากฏหรือเผยแพร่ต่อสาธารณชนไม่ว่าด้วยประการใด ๆ ซึ่งข้อมูลในเอกสารนี้ ไม่ว่าทั้งหมดหรือบางส่วนในเชิงพาณิชย์ เว้นแต่ได้รับอนุญาตเป็นหนังสือจากสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์และบริษัท ข้อมูลเครดิตแห่งชาติ จำกัด เป็นการล่วงหน้า

นอกจากนี้ การกล่าว คัด หรืออ้างอิงข้อมูลบางส่วนตามสมควรในรายงานฉบับนี้ ไม่ว่าในบทความ บทวิเคราะห์ บทวิจัย ในเอกสารหรือการสื่อสารอื่นใด จะต้องกระทำโดยถูกต้องและไม่เป็นการก่อให้เกิดการเข้าใจผิด หรือความเสียหายแก่สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์และบริษัทข้อมูลเครดิตแห่งชาติจำกัด รวมทั้งต้องรับรู้ถึงความเป็นเจ้าของลิขสิทธิ์ในข้อมูลของสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์และบริษัทข้อมูลเครดิตแห่งชาติจำกัด และต้องอ้างอิงถึงฉบับที่และวันที่ในเอกสารฉบับนี้ของสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์และบริษัทข้อมูลเครดิตแห่งชาติจำกัด โดยชัดแจ้ง

เอกสารอ้างอิง

Apaitan, T., Burintrarat, K., Nisamaneewong, T., Waiyawatjakorn, R., Leelakanaweera, P., Tonghui, T., & Prasitdechsakul, P. (2026). เกิด เก่ง ก้าว แกร่ง: บทบาทของสินเชื่อในวงจรชีวิตของ SMEs (aBRIDGEd No. 25/2026). Puey Ungphakorn Institute for Economic Research.
Bank of Thailand. (2026a). Banking Sector Quarterly Brief (Q2 2026). Bank of Thailand.
Bank of Thailand. (2026b). Financial Stability Report 2026 (English). Bank of Thailand.
Beck, T., Demirguc-Kunt, A., & Maksimovic, V. (2004). Bank competition and access to finance: international evidence. Journal of Money, Credit, and Banking, 36(3), 627–648.
Beck, T., Demirgüc-Kunt, A., & Martinez Peria, M. S. (2011). Bank financing for SMEs: Evidence across countries and bank ownership types. Journal of Financial Services Research, 39(1–2), 35–54.
Berger, A. N., Miller, N. H., Petersen, M. A., Rajan, R. G., & Stein, J. C. (2005). Does function follow organizational form? Evidence from the lending practices of large and small banks. Journal of Financial Economics, 76(2), 237–269.
Hantono. (2018). The effect of current ratio, debt to equity ratio, toward return on assets (Case study on consumer goods company). Accountability, 7(2), 64–73.
HM Treasury. (2026). Bank Referral Scheme: July 2026. https://www.gov.uk/government/statistics/bank-referral-scheme-july-2026
Hong Kong Monetary Authority. (2024). Commercial Data Interchange (CDI). https://cdi.hkma.gov.hk
imSME. (n.d.). About us. https://www.imsme.com.my/about-us. https://www.imsme.com.my/about-us
Innovation, Science and Economic Development Canada. (2026). Canada Small Business Financing Program. https://ised-isde.canada.ca/site/canada-small-business-financing-program/en
International Monetary Fund. (2025). Republic of Korea: 2025 Article IV consultation, press release; staff report; and statement by the Executive Director for Republic of Korea (IMF Country Report No. 25/308). International Monetary Fund.
Jacildo, R., Khor, N., & Tacneng, R. (2016). Assessing mandated credit programs: Case study of the Magna Carta in the Philippines. Journal of Governance and Regulation, 5(3), 34–49.
Kon, Y., & Storey, D. J. (2003). A theory of discouraged borrowers. Small Business Economics, 21(1), 37–49.
Monetary Authority of Singapore. (2019). MAS to issue up to five digital bank licences. https://www.mas.gov.sg/news/media-releases/2019/mas-to-issue-up-to-five-digital-bank-licences
Muthitacharoen, A. (2025). Digital fiscal stimulus and SMEs: difference-in-differences evidence from Thailand’s half-and-half program. Applied Economics Letters, 32(18), 2646–2651.
Muthitacharoen, A., Paweenawat, A., & Samphantharak, K. (2021). The Double-Edged Sword: Unintended Consequences of SME Promotion Policy (Discussion Paper No. 148). Puey Ungphakorn Institute for Economic Research.
OECD. (2026a). Financing SMEs and Entrepreneurs 2026: An OECD Scoreboard. OECD Publishing.
OECD. (2026b). Financing SMEs and entrepreneurs 2026: Spain. OECD Publishing.
Reserve Bank of India. (2021). Small finance banks: Balancing financial inclusion and viability. https://www.rbi.org.in/Scripts/BS_ViewBulletin.aspx?Id=20021
Shinkin Central Bank. (2025). Annual report 2025. https://www.shinkin-central-bank.jp/e/financial/pdf/all_2025.pdf
Tonghui, T., Nisamaneewong, T., Kultidawat, N., & Apaitan, T. (2026). Misallocation: โจทย์ใหญ่ของภาคการเงินในการเพิ่มศักยภาพเศรษฐกิจไทย (aBRIDGEd No. 19/2026). Puey Ungphakorn Institute for Economic Research.

  1. ตัวเลข 15 ไตรมาสแตกต่างจากตัวเลข 17 ไตรมาสที่ ธปท. เผยแพร่ เนื่องจากตัวเลขของ ธปท. ครอบคลุมเฉพาะสินเชื่อจากธนาคารพาณิชย์ ขณะที่บทความนี้ใช้ข้อมูลสินเชื่อจากสถาบันการเงิน ทั้งธนาคารพาณิชย์ สถาบันการเงินเฉพาะกิจของรัฐ และนอนแบงก์ ที่รายงานต่อเครดิตบูโร (NCB)↩
  2. ข้อมูลจำนวนผู้ประกอบการที่เป็นนิติบุคคลจากกรมพัฒนาธุรกิจการค้า กระทรวงพาณิชย์ (DBD) โดยนับเฉพาะธุรกิจที่ยังดำเนินกิจการและมีรายได้; ข้อมูลจำนวน SMEs ที่เป็นบุคคลธรรมดาและอื่น ๆ จากสำนักงานส่งเสริมวิสาหกิจขนาดกลางและขนาดย่อม (สสว.) ซึ่งเป็นข้อมูลสำรวจ; ข้อมูลการจ้างงานจากรายงานสถานการณ์ SMEs ปี 2569 (ข้อมูลปี 2568) จากสำนักงานสภาพัฒนาการเศรษฐกิจและสังคมแห่งชาติ↩
  3. ความต้องการสินเชื่อที่สะท้อนผ่านการสืบค้นประวัติเครดิต อาจไม่ได้รวมคำขอสินเชื่อที่ไม่ผ่านเข้าสู่กระบวนการพิจารณาหรือถูกคัดกรองออกตั้งแต่ต้นโดยไม่มีการสืบค้นประวัติ (pre-screening) ดังนั้น คำขอสินเชื่อในการศึกษานี้อาจต่ำกว่าความต้องการสินเชื่อจริงของธุรกิจได้ โดยเฉพาะในกลุ่มธุรกิจที่ขาดคุณสมบัติและหรือขาดข้อมูลทำให้ไม่ได้เข้าสู่กระบวนการพิจารณาตั้งแต่แรก↩
  4. ผู้ประกอบการบุคคลธรรมดา สามารถนับได้เฉพาะเพียงบุคคลธรรมดาที่มีสินเชื่อประเภทเพื่อธุรกิจ (commercial loan) โดยไม่รวมบุคคลธรรมดาที่กู้สินเชื่อส่วนบุคคล สินเชื่อจำนำทะเบียนรถ หรือ Overdraft (O/D) เพื่อทำธุรกิจได้ เนื่องจากไม่สามารถแยกวัตถุประสงค์การกู้ได้ในข้อมูล ทั้งนี้ หากนับรวมสินเชื่อ O/D เป็นสินเชื่อเพื่อธุรกิจด้วย จะได้ว่ามีบุคคลธรรมดาเข้าถึงสินเชื่อธุรกิจ 40% และรวม SMEs ทั้งหมด (ทั้งนิติบุคคลและบุคคลธรรมดา) เข้าถึงสินเชื่อในสัดส่วน 38%↩
  5. การจัดประเภทสินเชื่อธุรกิจพิจารณาจากลักษณะผลิตภัณฑ์ ระยะเวลาผ่อนชำระและเงื่อนไขการชำระ โดยสินเชื่อ Term loan หมายถึงสินเชื่อเพื่อการพาณิชย์ที่มีระยะเวลาการผ่อนชำระมากกว่า 1 ปี และกำหนดค่างวดที่ต้องชำระไว้ ขณะที่สินเชื่อหมุนเวียนทั่วไป (WC non-trade) หมายถึงสินเชื่อเพื่อการพาณิชย์ที่มีระยะเวลาการผ่อนชำระไม่เกิน 1 ปี หรือไม่มีเงื่อนไขค่างวดกำหนดไว้ รวมทั้ง ผลิตภัณฑ์ที่มีลักษณะเป็นวงเงินหมุนเวียน เช่น เงินเบิกเกินบัญชี และบัตรเครดิตเพื่อธุรกิจ ขณะที่ สินเชื่อหมุนเวียนเพื่อการค้า (WC trade) อ้างอิงจากผลิตภัณฑ์ที่เกี่ยวข้องกับการค้าเพื่อส่งออกและนำเข้า เช่น Packing Credit และทรัสต์รีซีท↩
  6. ธนาคารพาณิชย์ขนาดใหญ่ พิจารณาจากสินเชื่อคงค้างสูงกว่า 4 แสนล้านบาท ณ ธันวาคม 2564 โดยจัดกลุ่มแยกกันระหว่างพอร์ตสินเชื่อนิติบุคคลและบุคคลธรรมดา↩
  7. ไม่รวมบุคคลธรรมดาที่กู้ยืมเพื่อประกอบธุรกิจ เนื่องจากไม่สามารถแยกคำขอสินเชื่อเพื่อธุรกิจออกจากการขอสินเชื่อใหม่เพื่อวัตถุประสงค์ส่วนตัวได้↩
  8. การถูกปฏิเสธสินเชื่อในการศึกษานี้ วัดโดยอ้อมจากการมีคำขอค้นประวัติเครดิตใน NCB เพื่อขอสินเชื่อใหม่ (credit enquiry for new loan) ซึ่งถือเป็นตัวแทนของการมีคำขอสินเชื่อจริงกับสถาบันการเงิน (proxy) และหากไม่พบการเปิดบัญชีสินเชื่อใหม่กับสถาบันการเงินที่ขอสินเชื่อภายใน 3 เดือนหลังมีคำขอค้นประวัติ จะถือว่าคำขอสินเชื่อใหม่นั้นถูกปฏิเสธ โดยมีการหักการยื่นคำขอค้นประวัติซ้ำกับสถาบันการเงินเดิมในเดือนเดียวกัน เช่น หากผู้กู้มีคำขอค้นประวัติ 2 ครั้งกับสถาบันการเงิน ก ในเดือนมกราคม และพบการเปิดสินเชื่อใหม่ 1 บัญชีในเดือนกุมภาพันธ์ จะถือว่ามีคำขอสินเชื่อใหม่เพียง 1 คำขอและถือว่าได้รับสินเชื่อ ทั้งนี้ การไม่พบบัญชีเปิดใหม่ภายในสามเดือนอาจเกิดได้จากสาเหตุอื่น เช่น ธนาคารอนุมัติสินเชื่อใหม่ช้ากว่าสามเดือน หรือผู้กู้ถอนคำขอสินเชื่อใหม่หรือไม่รับข้อเสนอสินเชื่อของธนาคาร ในทางกลับกัน การเปิดบัญชีสินเชื่อใหม่เมื่อมีคำขอค้นประวัติก็อาจเป็นการรีไฟแนนซ์สินเชื่อเดิมโดยไม่ใช่อุปสงค์ต่อสินเชื่อใหม่ที่แท้จริง↩
  9. เนื่องจากมีข้อมูลไม่เพียงพอในการจำแนกผู้กู้ใหม่ไม่เคยมีประวัติสินเชื่อว่าเป็น SMEs หรือธุรกิจขนาดใหญ่ การศึกษานี้ถือว่าผู้กู้ใหม่ไม่เคยมีประวัติมีแนวโน้มที่จะเป็น SMEs มากกว่า เนื่องจากผู้กู้ใหม่ที่เป็น SMEs มักยื่นขอสินเชื่อผ่านช่องทางการค้นประวัติ (credit enquiry) ขณะที่การขอสินเชื่อของธุรกิจขนาดใหญ่ส่วนใหญ่มักต้องอาศัยการพิจารณาหลายขั้นตอนตามกระบวนสินเชื่อภายในและข้อมูลประกอบทั้งเชิงปริมาณและคุณภาพ ซึ่งอาจไม่ได้ยื่น credit enquiry ดังนั้น การคำนวณสัดส่วนการปฏิเสธสินเชื่อของธุรกิจขนาดใหญ่ จึงได้นำข้อมูลการเปิดบัญชีสินเชื่อใหม่ที่ไม่ได้มี credit enquiry มารวมเพิ่มด้วย↩
ลัทธพร รัตนวรารักษ์
ลัทธพร รัตนวรารักษ์
สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
วรฤทธิ์ วรรณวาณิชย์
วรฤทธิ์ วรรณวาณิชย์
สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
ชนกานต์ ฤทธินนท์
ชนกานต์ ฤทธินนท์
สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
โสมรัศมิ์ จันทรัตน์
โสมรัศมิ์ จันทรัตน์
สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
Topics: DevelopmentFinancial InstitutionsFinancial Economics
Tags: smesaccess to financecapital misallocation
ข้อคิดเห็นที่ปรากฏในบทความนี้เป็นความเห็นของผู้เขียน ซึ่งไม่จำเป็นต้องสอดคล้องกับความเห็นของสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์ หรือธนาคารแห่งประเทศไทย

สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์

273 ถนนสามเสน แขวงวัดสามพระยา เขตพระนคร กรุงเทพฯ 10200

โทรศัพท์: 0-2283-6066

Email: pier@bot.or.th

เงื่อนไขการให้บริการ | นโยบายคุ้มครองข้อมูลส่วนบุคคล

สงวนลิขสิทธิ์ พ.ศ. 2569 สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์

เอกสารเผยแพร่ทุกชิ้นสงวนสิทธิ์ภายใต้สัญญาอนุญาต Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported license

Creative Commons Attribution NonCommercial ShareAlike

รับจดหมายข่าว PIER

Facebook
YouTube
Email