ใครทำเงินบาทปั่นป่วน? มองค่าเงินไทยผ่านสายตานักลงทุน

ในช่วงไม่กี่ปีที่ผ่านมา ค่าเงินบาทเคลื่อนไหวตามจังหวะของตลาดการเงินโลกมากขึ้น เช่น เวลามีข่าวว่าดอกเบี้ยสหรัฐฯ อาจปรับขึ้น–ลง หรือในวันที่ตลาดการเงินทั่วโลกผันผวนจากเหตุการณ์ภูมิรัฐศาสตร์ ค่าเงินบาทก็ขยับแทบจะทันที และล่าสุด ทองคำ ซึ่งราคามีการเปลี่ยนแปลงอย่างรวดเร็วในปีที่ผ่านมาก็มักส่งผลให้เงินบาทเคลื่อนไหวไปในทิศทางเดียวกันอย่างเห็นได้ชัด ตัวอย่างดังกล่าวสะท้อนประเด็นที่น่าสนใจเกี่ยวกับพฤติกรรมค่าเงินบาทที่มีลักษณะเปลี่ยนไป

จากรูปที่ 1 จะเห็นได้ว่าความผันผวนของค่าเงินบาทหลังปี 2021 ปรับสูงขึ้นอย่างมีนัย โดยในช่วงก่อนปี 2021 เงินบาทมักมีความผันผวนอยู่ในระดับใกล้เคียงบรรดาสกุลเงินภูมิภาค แต่หลังจากปี 2021 เงินบาทแทบจะมีความผันผวนมากที่สุดในสกุลเงินภูมิภาค และผันผวนมากขึ้นเทียบเท่าสกุลเงินประเทศพัฒนาแล้ว คำถามสำคัญคือ เราจะอธิบายปรากฏการณ์ที่เงินบาทผันผวนและอ่อนไหวต่อเหตุการณ์ในตลาดการเงินโลก มากขึ้นได้อย่างไร บทความนี้จะพาผู้อ่านไปสำรวจพฤติกรรมของเงินบาทที่เปลี่ยนแปลงไป รวมทั้งนัยเชิงนโยบายในระยะข้างหน้า

การทำความเข้าใจค่าเงินสามารถทำได้หลายมิติ เช่น การพิจารณาค่าเงินผ่านทฤษฎีความเท่าเทียมกันของอำนาจซื้อ (purchasing power parity: PPP) ที่ตั้งอยู่บนแนวคิดว่าหากสินค้าชนิดเดียวกันในประเทศต่าง ๆ ถูกแปลงราคาให้อยู่ในสกุลเงินเดียวกันแล้ว ราคาควรจะใกล้เคียงกันในระยะยาว ตัวอย่างดัชนีที่ใช้สื่อสารแนวคิด PPP ได้เข้าใจง่ายที่สุดคือ Big Mac Index ซึ่งจัดทำโดย The Economist มาตั้งแต่ปี 1986 ดัชนีนี้ใช้ราคาแฮมเบอร์เกอร์ Big Mac ในแต่ละประเทศเป็นตัวแทนตะกร้าสินค้าอย่างง่าย เพื่อเปรียบเทียบว่าค่าเงินประเทศนั้นมีค่ามากหรือน้อยเมื่อเทียบกับดอลลาร์สหรัฐฯ หรือสกุลเงินอื่นในโลก

อีกแนวทางหนึ่งคือการวิเคราะห์ค่าเงินผ่านปัจจัยพื้นฐานทางเศรษฐกิจมหภาค เช่น ผลิตภาพการผลิต ดุลบัญชีเดินสะพัด หรืออัตราเงินเฟ้อ เพราะเมื่อปัจจัยพื้นฐานของเศรษฐกิจแข็งแรง มักสะท้อนเป็นค่าเงินที่มีแนวโน้มแข็งค่าตามไปด้วย ไม่ว่าจะมาจากความสามารถในการแข่งขันที่ดีขึ้น รายได้จากต่างประเทศที่เพิ่มขึ้น หรือเสถียรภาพด้านราคาในประเทศ

อย่างไรก็ดี งานศึกษาเช่น Meese & Rogoff (1983) พบว่าตัวแปรเศรษฐกิจมหภาคและค่าเงินมีความเชื่อมโยงกันในระดับต่ำ โดยปัจจัยมหภาคมักมีการเปลี่ยนแปลงอย่างค่อยเป็นค่อยไป ในขณะที่ค่าเงินผันผวนอย่างรวดเร็วในแต่ละวัน แนวทางเหล่านี้จึงเหมาะกับการอธิบายระดับค่าเงินในระยะยาวมากกว่าความผันผวนในระยะสั้น อย่างไรก็ดี เพื่อให้สามารถอธิบายความผันผวนระยะสั้นถึงกลางของค่าเงินได้ดียิ่งขึ้น แนวทางการวิเคราะห์ค่าเงินในฐานะสินทรัพย์ทางการเงิน (asset pricing approach) จึงเป็นแนวคิดที่ได้รับความนิยมมากขึ้นในระยะหลังและเป็นแนวทางที่บทความนี้ใช้วิเคราะห์ปัจจัยกำหนดค่าเงินต่อไป

การวิเคราะห์ค่าเงินในมิติสินทรัพย์ทางการเงิน ไม่ได้เริ่มจากคำถามว่าค่าเงินควรอยู่ที่ระดับใดตามปัจจัยพื้นฐานเศรษฐกิจ แต่มองว่าหากนักลงทุนผู้เป็นเจ้าของเงินต้องเผชิญกับความเสี่ยงเพิ่มขึ้น จะต้องการ "ผลตอบแทนเพิ่มเติม" เพื่อชดเชยความเสี่ยงดังกล่าวอย่างไร ตัวอย่างเช่น เมื่อนักลงทุนประเมินว่าความเสี่ยงของโลกเพิ่มขึ้น เช่น จากความตึงเครียดทางภูมิรัฐศาสตร์ หรือความไม่แน่นอนของนโยบายการเงินสหรัฐฯ โดยรู้ว่าความเสี่ยงนั้นมีความสำคัญต่อค่าเงินที่ต้องการถือ ค่าเงินนั้นต้องเปลี่ยนแปลงอย่างไรเพื่อชดเชยความเสี่ยงจากปัจจัยดังกล่าวในการถือเงินสกุลนั้น หลักการนี้คล้ายกับการประเมินผลตอบแทนของหุ้นผ่านแบบจำลอง Fama-French (Fama & French, 1993) ที่มองว่าปัจจัยเสี่ยงหลายปัจจัยสามารถอธิบายความผันผวนของผลตอบแทนหุ้นได้ แม้ว่าปัจจัยพื้นฐานทางเศรษฐกิจไม่ได้เปลี่ยนแปลง

งานวิจัยจำนวนมาก ที่วิเคราะห์ค่าเงินในมิติของสินทรัพย์ทางการเงินพบว่า ความผันผวนของค่าเงินทั่วโลกมักขับเคลื่อนด้วย “ปัจจัยเสี่ยงร่วม” (common risk factors) เพียงไม่กี่ตัวเท่านั้น ไม่จำเป็นต้องอาศัยข้อมูลเศรษฐกิจเฉพาะประเทศมากมายเพื่ออธิบายพฤติกรรมของค่าเงินทั้งหมด ตัวอย่างเช่น Lustig et al. (2011) ชี้ว่ามีเพียงสองปัจจัยหลัก ได้แก่ ปัจจัยดอลลาร์ และปัจจัยการทำ carry trade¹ ก็สามารถอธิบายความแตกต่างของผลตอบแทนค่าเงินระหว่างประเทศต่าง ๆ ได้เป็นส่วนใหญ่ ต่อมา VERDELHAN (2017) ยังพบว่าปัจจัยเหล่านี้สามารถอธิบายความผันผวนของค่าเงินรายสกุลได้ตั้งแต่ 18% ถึง 80% ขึ้นอยู่กับประเทศ ขณะที่ Krohn & Maguina (2024) แสดงให้เห็นเพิ่มเติมว่า ราคาน้ำมันเป็นอีกหนึ่งปัจจัยสำคัญ โดยเฉพาะในประเทศที่เป็นผู้ส่งออกน้ำมันสุทธิ ซึ่งค่าเงินมักผันผวนตามราคาน้ำมันในตลาดโลก

งานศึกษานี้จึงประยุกต์แนวทางดังกล่าว โดยสมมติให้มีการจัดพอร์ตลงทุนในรูปแบบต่าง ๆ ที่ผลตอบแทนจะสะท้อนเพียงปัจจัยเสี่ยงร่วมที่กระทบสกุลเงินทุกสกุลเท่านั้น ซึ่งปัจจัยที่จะสร้างขึ้นเพื่อการวิเคราะห์ได้แก่ ปัจจัยดอลลาร์ (dollar factor) ปัจจัยการทำ carry trade (carry factor) และปัจจัยทองคำ (gold factor) โดยวิธีการสร้างและการตีความแต่ละปัจจัยมีดังนี้ (รายละเอียดเพิ่มเติมในภาคผนวก)

• ปัจจัยดอลลาร์ (dollar factor) วัดผลตอบแทนเฉลี่ยของการถือสกุลเงินต่างประเทศเมื่อเทียบกับดอลลาร์สหรัฐฯ ซึ่งช่วยหักล้างปัจจัยเฉพาะของแต่ละประเทศ เช่น เหตุการณ์การเมืองหรือเศรษฐกิจที่เกิดขึ้นเฉพาะสกุลเงินใดสกุลเงินหนึ่ง ทำให้เหลือเฉพาะแรงขับเคลื่อนร่วมที่ส่งผลต่อสกุลเงินทั่วโลก คล้ายกับดัชนีตลาดหุ้นที่สะท้อนภาพรวมมากกว่าความผันผวนของหุ้นรายตัว ปัจจัยนี้จึงใช้บ่งชี้ภาวะความเสี่ยงโลกและทิศทางเศรษฐกิจสหรัฐฯ ได้อย่างดี โดยค่าที่เป็นบวกหมายถึงดอลลาร์อ่อนค่าเมื่อเทียบกับสกุลเงินอื่น ในสภาวะที่ความเสี่ยงโลกลดลงหรือคาดการณ์นโยบายการเงินสหรัฐฯ ผ่อนคลายขึ้น ขณะที่ค่าที่เป็นลบมักเกิดในช่วงวิกฤตเมื่อมีแรงซื้อดอลลาร์ในฐานะสินทรัพย์ปลอดภัย ทำให้สกุลเงินอื่นอ่อนค่าพร้อมกัน ทั้งนี้ สกุลเงินที่มีค่าสัมประสิทธิ์ความอ่อนไหว (beta) ต่อปัจจัยดอลลาร์สูงจะผันผวนตามสภาวะโลกมากกว่าสกุลเงินที่มี beta ต่ำ

• ปัจจัยการทำ carry trade (carry factor) วัดจากส่วนต่างผลตอบแทนระหว่างพอร์ตสกุลเงินที่มีอัตราดอกเบี้ยสูงสุด 5 สกุล กับพอร์ตสกุลเงินที่มีอัตราดอกเบี้ยต่ำสุด 5 สกุล สะท้อนผลตอบแทนจากกลยุทธ์ที่นักลงทุนกู้ยืมสกุลเงินที่มีอัตราดอกเบี้ยต่ำเพื่อนำไปลงทุนในสกุลเงินที่มีอัตราดอกเบี้ยสูง การจัดพอร์ตแบบ long–short ลักษณะนี้ช่วยตัดผลกระทบที่เกิดขึ้นพร้อมกันในทุกสกุลเงิน เช่น ความเคลื่อนไหวของดอลลาร์ ทำให้มองเห็นเฉพาะ “ค่าตอบแทนส่วนเพิ่ม” ที่ตลาดต้องการแลกกับการถือสกุลเงินที่มีความเสี่ยงสูงกว่า ในช่วงตลาดสงบ กลยุทธ์ carry trade มักสร้างผลตอบแทนที่ดี ทำให้ค่า carry factor เป็นบวก แต่เมื่อเกิดความไม่แน่นอนหรือวิกฤต สกุลเงินดอกเบี้ยสูงมักถูกเทขายและอ่อนค่ารุนแรง ในขณะที่สกุลเงินดอกเบี้ยต่ำอย่างเยน (JPY) หรือฟรังก์สวิส (CHF) มักแข็งค่า ส่งผลให้ carry factor ติดลบอย่างเด่นชัด ดังนั้น สกุลเงินที่มีค่า beta สูงต่อปัจจัยนี้มักผันผวนแรงตามวัฏจักรความเสี่ยงของตลาด ทั้งในช่วงที่ตลาดเป็นบวกและช่วงที่เกิดความตึงเครียด

• ปัจจัยทองคำ (gold factor) ต้องใช้วิธีสร้างที่ซับซ้อนกว่าการดูราคาทองคำโดยตรง เพราะราคาทองมักขยับตามปัจจัยอื่น เช่น ดอลลาร์ที่อ่อนค่าหรือบรรยากาศหลีกเลี่ยงความเสี่ยงในตลาดโลก ทำให้แยกผลของ “ทองคำจริง ๆ” ออกจากผลของดอลลาร์หรือความเสี่ยงโลกได้ยาก เพื่อสกัดผลเหล่านี้ งานศึกษาจึงเริ่มจากการปรับราคาทองคำให้ไม่รวมผลของดอลลาร์และภาวะเสี่ยงก่อน จากนั้นจึงจัดสกุลเงินเป็นพอร์ตตามระดับความอ่อนไหวต่อราคาทองคำที่เหลืออยู่ แล้วสร้างปัจจัยทองคำจากผลต่างระหว่างพอร์ตที่อ่อนไหวสูงสุด 5 สกุล และพอร์ตที่อ่อนไหวต่ำสุด 5 สกุล ปัจจัยที่ได้จึงสะท้อนผลกระทบของทองคำในมิติที่แท้จริง เช่น ความต้องการซื้อขายทองในฐานะสินค้าโภคภัณฑ์หรือเพื่อเก็งกำไร ประเทศที่มีค่า beta สูงต่อปัจจัยนี้มักเป็นประเทศที่เชื่อมโยงกับตลาดทองคำมาก เช่น ผู้ส่งออกทองคำสุทธิอย่างออสเตรเลียและแอฟริกาใต้ รวมถึงประเทศที่มีการซื้อขายทองคำภายในประเทศสูงอย่างไทย

เมื่อได้ปัจจัยความเสี่ยงโลกแล้ว งานศึกษาจึงนำปัจจัยเหล่านี้เข้าสมการถดถอยเพื่อวิเคราะห์พฤติกรรมของค่าเงินบาท โดยเฉพาะ “สัมประสิทธิ์ความอ่อนไหว (beta)” ซึ่งบ่งบอกว่าค่าเงินบาทถูกขับเคลื่อนด้วยปัจจัยเสี่ยงแต่ละตัวมากเพียงใด รวมถึงสำรวจว่าความอ่อนไหวเหล่านี้เปลี่ยนแปลงไปอย่างไรในช่วงเวลาที่ศึกษา

รูปที่ 2 (บน) แสดงการเปลี่ยนแปลงของค่า beta ของเงินบาทต่อปัจจัยโลกทั้งสามจาก rolling regression ตลอดช่วงเวลาที่ศึกษา โดยพบประเด็นสำคัญคือค่า beta ต่อปัจจัยดอลลาร์ (เส้นสีน้ำเงิน) เพิ่มขึ้นอย่างต่อเนื่อง จากประมาณ 0.4 ในปี 2022 เป็น 1.0 ในปี 2024 การเพิ่มขึ้นกว่าเท่าตัวนี้สะท้อนว่า อิทธิพลของปัจจัยดอลลาร์ต่อค่าเงินบาทเพิ่มขึ้นมากกว่าเดิมถึงสองเท่า หรือกล่าวอีกแบบคือเงินบาท “ไวต่อสภาวะโลก” มากขึ้นอย่างมีนัยสำคัญ ที่น่าสนใจคือ ค่า beta ต่อปัจจัยทองคำ (เส้นสีทอง) ก็ปรับสูงขึ้นในช่วงเวลาเดียวกัน แสดงว่าบาทไม่ได้ตอบสนองต่อดอลลาร์เพียงอย่างเดียว แต่ยังได้รับแรงกระเพื่อมจากความเคลื่อนไหวของทองคำมากขึ้นด้วย โดยเฉพาะในช่วงที่ราคาทองและดอลลาร์เคลื่อนไหวไปในทิศทางที่หนุนกัน ทำให้ผลต่อค่าเงินบาทยิ่งทวีความรุนแรง

ขณะที่ค่า beta ต่อปัจจัย carry trade เปลี่ยนจากระดับใกล้ศูนย์ในช่วงโควิดมาเป็นค่าติดลบมากขึ้นหลังโควิด แสดงว่าเมื่อผลตอบแทนของกลยุทธ์ carry trade อ่อนลงซึ่งมักเกิดในภาวะตลาดมีความเสี่ยงสูง ผลตอบแทนของเงินบาทกลับเคลื่อนไหวสวนทางและมีแนวโน้มแข็งค่าขึ้น ในทางกลับกัน เมื่อภาวะตลาดสงบและ carry trade ให้ผลตอบแทนดี เงินบาทกลับแข็งค่าน้อยลงหรืออ่อนค่ามากขึ้น การเปลี่ยนแปลงดังกล่าวสะท้อนว่าเงินบาทเริ่มแสดงพฤติกรรมบางส่วนที่คล้ายกับสกุลเงินที่นักลงทุนเข้าหาในยามความไม่แน่นอน แม้จะไม่ใช่ safe haven โดยตรง แต่ในเชิงผลตอบแทนเงินบาทปรับตัวตามวัฏจักรความเสี่ยงของตลาดโลกชัดเจนกว่าที่เคย

อีกข้อสังเกตสำคัญคือค่า R-squared จากสมการถดถอย² (รูปที่ 2-ล่าง) มีแนวโน้มเพิ่มสูงขึ้นอย่างต่อเนื่องเทียบกับช่วงโควิด ซึ่งหมายความว่าปัจจัยโลกทั้งสามสามารถอธิบายความผันผวนของค่าเงินบาทได้มากขึ้นกว่าที่เคย ในอดีต ค่าเงินบาทอาจเคยได้รับอิทธิพลจากปัจจัยเฉพาะของไทยในสัดส่วนที่สูงกว่า แต่หลังโควิด ความผันผวนของเงินบาทกลับถูกกำหนดโดยแรงขับเคลื่อนจากตลาดโลกเป็นหลัก สะท้อนการเปลี่ยนผ่านของเงินบาทสู่สกุลเงินที่เชื่อมโยงกับวัฏจักรการเงินโลกอย่างชัดเจน

รูปที่ 3 ช่วยให้เห็นภาพรวมว่าค่าเงินต่าง ๆ ในระบบเศรษฐกิจโลกตอบสนองต่อปัจจัยดอลลาร์ก่อนและหลังโควิดแตกต่างกันอย่างไร โดยพล็อตแสดงความอ่อนไหวต่อปัจจัยดอลลาร์บนแกนนอนควบคู่กับสัดส่วนความผันผวนที่ปัจจัยนี้อธิบายได้บนแกนตั้ง จะเห็นได้ว่ามีสกุลเงินสองกลุ่มการกระจายตัวออกจากกัน โดยสกุลเงินภูมิภาค (สีเขียว) มักอยู่ในบริเวณที่มีความเชื่อมโยงกับปัจจัยดอลลาร์ต่ำ ขณะที่สกุลเงินของประเทศพัฒนาแล้ว (สีส้ม) อยู่ค่อนไปทางด้านขวาบน ซึ่งสะท้อนทั้งความอ่อนไหวต่อปัจจัยดอลลาร์ที่สูงกว่าและสัดส่วนความผันผวนที่ปัจจัยนี้สามารถอธิบายได้มากกว่า และหากสังเกตการเปลี่ยนแปลงของสกุลเงินบาทระหว่างสองช่วงเวลานี้ จะเห็นได้ว่าตำแหน่งของค่าเงินบาทขยับเข้าใกล้กลุ่มสกุลเงินของประเทศพัฒนาแล้วมากขึ้นอย่างชัดเจน สะท้อนว่าพฤติกรรมของเงินบาทเปลี่ยนจากการเคลื่อนไหวแบบสกุลเงินภูมิภาคไปสู่รูปแบบที่สอดคล้องกับสกุลเงินระบบหลักมากขึ้นหลังโควิด

พัฒนาการของค่าเงินบาทที่เคลื่อนไหวคล้ายสกุลเงินประเทศพัฒนาแล้วมากขึ้น สะท้อนการเปลี่ยนผ่านจากกรอบคิดดั้งเดิมที่มองค่าเงินในฐานะ “ตัวสะท้อนพื้นฐานเศรษฐกิจ” ไปสู่การมองแบบ สินทรัพย์ทางการเงิน ซึ่งราคาถูกกำหนดโดยความเสี่ยงร่วมระดับโลก (global risk factors) มากขึ้น ภายใต้กรอบเดิม เช่น PPP หรือปัจจัยดุลบัญชีเดินสะพัด ค่าเงินควรสะท้อนผลิตภาพ เงินเฟ้อ หรือสถานะต่างประเทศของไทย แต่ผลการศึกษากลับชี้ว่าโครงสร้างการเคลื่อนไหวของเงินบาทปัจจุบันตอบสนองต่อ sentiment โลกและ global financial cycle แบบเดียวกับสกุลเงินประเทศพัฒนาแล้ว จน “ปัจจัยไทย” มีบทบาทลดลงในการอธิบายความผันผวนระยะสั้นถึงกลาง และภายใต้โลกที่มีความไม่แน่นอนสูงในปัจจุบัน การคาดเดาทิศทางค่าเงินบาททำได้ยากขึ้นและยิ่งตอกย้ำความจำเป็นของการบริหารความเสี่ยงค่าเงิน

นอกจากปัจจัยดอลลาร์แล้ว ผลการศึกษายังชี้ให้เห็นว่า บทบาทของทองคำต่อค่าเงินบาทเพิ่มสูงขึ้นอย่างเด่นชัดในช่วงหลังโควิด ซึ่งกลายเป็นช่องทางเพิ่มเติมที่เสริมความผันผวนของค่าเงินบาท โดยเฉพาะในช่วงที่ดอลลาร์อ่อนค่าพร้อมกับราคาทองคำที่ปรับตัวสูงขึ้น ทำให้แรงกดดันต่อการแข็งค่าของเงินบาทจากทั้งสองปัจจัยทับซ้อนกันและเด่นชัดยิ่งขึ้น โดยทั่วไป สกุลเงินที่มี beta ต่อปัจจัยทองคำสูงและเป็นบวก มักเป็นสกุลเงินของประเทศที่ส่งออกทองคำสุทธิหรือมีทรัพยากรทองคำมาก เพราะราคาทองคำที่เพิ่มขึ้นหมายถึงรายได้จากการส่งออกที่สูงขึ้นและสะท้อนเป็นค่าเงินที่แข็งค่าตาม ดังเช่นประเทศที่แสดงในตารางที่ 1 แต่กรณีของประเทศไทยกลับน่าประหลาดใจ เพราะแม้ไทยจะไม่ได้เป็นผู้ส่งออกทองคำสุทธิ แต่ค่าเงินบาทกลับมี beta ต่อปัจจัยทองคำเป็นบวกและปรับเพิ่มสูงขึ้นในช่วงหลังโควิด ปรากฏการณ์นี้สะท้อนปัจจัยเชิงโครงสร้างหลายประการ

ประการแรก แม้ไทยนำเข้าทองคำสุทธิแต่ปริมาณการซื้อขายมีสัดส่วนสูง โดยเฉพาะการซื้อขายทองคำออนไลน์ในรูปเงินบาท โดยในปี 2025 ที่ราคาทองคำปรับเพิ่มขึ้นมาก พบว่าปริมาณการซื้อขายทองคำในไทยสูงใกล้เคียงกับตลาดหุ้น³ และมีแนวโน้มเพิ่มขึ้นมากในระยะหลัง การซื้อขายทองคำในปริมาณมากก่อให้เกิดธุรกรรมแลกเปลี่ยนเงินตราต่างประเทศที่เกี่ยวเนื่องตามมาตามรูป 4 ยกตัวอย่างเช่น เมื่อมีลูกค้ามาขายทองคำกับร้านทองด้วยเงินบาท ร้านทองต้องนำทองไปขายกับคู่ค้าทองคำในต่างประเทศ และร้านทองจำเป็นต้องนำเงินดอลลาร์ที่ได้มาแลกเป็นเงินบาทเพื่อส่งมอบให้กับลูกค้า จึงเกิดธุรกรรมแลกเปลี่ยนเงินตราต่างประเทศที่ตามมาและสร้างแรงกดดันต่อค่าเงินบาท

ประการที่สอง ครัวเรือนไทยมีพฤติกรรมการถือทองคำเพื่อใช้เป็นเครื่องมือทางการเงิน ซึ่งหมายความว่าเมื่อราคาทองคำปรับตัวสูงขึ้น อาจมีแรงจูงใจในการขายทองเพื่อทำกำไร (profit-taking) ขณะที่เมื่อราคาปรับลดลง อาจมีแรงจูงใจในการซื้อเพื่อเก็งกำไร ดังนั้น ด้วยตัวอย่างธุรกรรมเงินต่างตราประเทศที่เกี่ยวเนื่องกับการซื้อขายทองคำข้างต้น จึงมักพบว่าเมื่อราคาทองคำปรับเพิ่มขึ้น เงินบาทมีแรงกดดันด้านแข็งค่าจากการขายเงินดอลลาร์ของร้านทอง ขณะที่เมื่อราคาทองคำปรับลดลง เงินบาทจะเผชิญแรงกดดันด้านอ่อนค่า อย่างไรก็ดี พฤติกรรมการซื้อขายทองคำของคนไทยอาจเปลี่ยนได้ตามสถานการณ์ เช่น ในช่วงที่ราคาทองคำปรับสูงขึ้นทำสถิติใหม่ อาจเห็นการเร่งสะสมทองเช่นกัน และอาจส่งผลต่อค่าเงินในทางตรงกันข้ามในบางจังหวะ

ปัจจัยเหล่านี้อาจอธิบายได้ว่าทำไมค่าเงินบาทมีความอ่อนไหวต่อราคาทองคำ แม้ว่าไทยจะไม่ได้เป็นผู้ส่งออกทองคำสุทธิก็ตาม โดยในช่วงที่ผ่านมา ราคาทองคำผันผวนรุนแรงจากหลายปัจจัย ซึ่งหมายความว่าปริมาณธุรกรรมและมูลค่าของกระแสเงินทุนที่เกี่ยวข้องกับทองคำก็เพิ่มสูงขึ้นตามไปด้วย แรงกดดันต่อค่าเงินบาทจากช่องทางนี้จึงมีแนวโน้มทวีความรุนแรงมากขึ้น โดยเฉพาะในช่วงที่ราคาทองคำเคลื่อนไหวในทิศทางเดียวกับการอ่อนค่าของดอลลาร์ ทำให้แรงกดดันด้านแข็งค่าของเงินบาทจากทั้งสองช่องทางซ้อนทับกัน

งานศึกษานี้แสดงให้เห็นว่าค่าเงินบาทมีการเปลี่ยนแปลงเชิงโครงสร้างที่สำคัญ โดยเฉพาะหลังวิกฤตโควิด จากสกุลเงินที่เคยถูกขับเคลื่อนโดยปัจจัยภายในประเทศและมีพฤติกรรมคล้ายสกุลเงินอื่นในภูมิภาค กลับกลายเป็นสกุลเงินที่ตอบสนองต่อปัจจัยโลกโดยเฉพาะปัจจัยดอลลาร์มากขึ้นในระดับที่ใกล้เคียงกับสกุลเงินของประเทศพัฒนาแล้ว นอกจากนี้ ทองคำยังมีบทบาทเพิ่มเติมในการเพิ่มความผันผวนของค่าเงินบาท แม้ว่าไทยจะไม่ได้เป็นผู้ส่งออกทองคำสุทธิก็ตาม

สาเหตุที่ค่าเงินบาทมีความอ่อนไหวต่อปัจจัยโลกมากขึ้นนั้นยังเป็นคำถามที่เปิดกว้าง ปัจจัยที่อาจมีส่วนเกี่ยวข้อง ได้แก่ การพัฒนาโครงสร้างพื้นฐานทางการเงินที่ทำให้เงินทุนระหว่างประเทศไหลเข้าออกได้สะดวกขึ้น (Rey, 2018)การเปลี่ยนแปลงโครงสร้างตลาดอัตราแลกเปลี่ยน (Huang et al., 2025) รวมถึงบทบาทของกระแสเงินทุนที่เพิ่มขึ้นเมื่อเทียบกับการค้าสินค้าและบริการ (Asian Consultative Council of the Bank for International Settlements, 2020) ทั้งนี้ การทำความเข้าใจสาเหตุเชิงลึกของการเปลี่ยนแปลงนี้ยังเป็นหัวข้อที่ต้องศึกษาเพิ่มเติม

ผลการศึกษามีนัยเชิงนโยบายหลายประการ ประการแรก การที่ค่าเงินบาทถูกขับเคลื่อนจากปัจจัยโลกมากขึ้น ส่งผลให้ความสามารถของค่าเงินบาทในการทำหน้าที่เป็น shock absorber ของเศรษฐกิจในประเทศลดลง เพราะค่าเงินไม่ได้ปรับตัวเพื่อตอบสนองต่อภาวะในประเทศ แต่กลับสะท้อนแรงกระเพื่อมจากตลาดโลกเป็นหลัก ไทยอาจต้องมองหาเครื่องมือเชิงนโยบายอื่นเข้ามาทำหน้าที่ชดเชยบทบาทของค่าเงิน

ประการที่สอง หากมองเงินบาทในฐานะสินทรัพย์ทางการเงินอย่างหนึ่ง เป็นเรื่องปกติที่จะต้องมีความท้าทายในการกำหนดราคาหรือคาดการณ์ผลตอบแทนโดยธรรมชาติ โดยเฉพาะอย่างยิ่งเมื่อมีความไม่แน่นอนสูง ทั้งผู้ประกอบการและผู้ดำเนินนโยบายควรปรับแนวคิดจากความพยายามในการ “กำหนด” หรือ “ทำนาย” ค่าเงินไปสู่ “การจัดการความเสี่ยง” ค่าเงินมากขึ้น โดยผู้ประกอบการอาจไม่สามารถตั้งแผนธุรกิจด้วยสมมติฐานว่าเงินบาทจะนิ่งแบบในอดีตได้อีกต่อไป ขณะที่ฝั่งผู้ดำเนินนโยบายควรมีมาตรการจูงใจให้ผู้ประกอบการโดยเฉพาะ SMEs ป้องกันความเสี่ยงค่าเงินมากขึ้น

ประการที่สาม ความผันผวนของค่าเงินบาทในระยะหลังถูกกดดันเพิ่มเติมจากปัจจัยทองคำ โดยแม้ไทยเป็นผู้นำเข้าทองคำสุทธิ แต่พบว่าเงินบาทมีการตอบสนองต่อปัจจัยทองคำคล้ายผู้ส่งออกทองคำสุทธิ สะท้อนแรงกดดันที่ไม่ได้มาจากปัจจัยพื้นฐานซึ่งอาจเกิดจากแรงซื้อขายที่มากเกินกว่าระดับปกติ ดังนั้นการเพิ่มแรงเสียดทาน (friction) ในธุรกรรมเหล่านี้ จึงเป็นแนวทางที่เหมาะสมเพื่อบรรเทาผลกระทบจากทองคำ โดยที่ผ่านมา หน่วยงานที่เกี่ยวข้อง เช่น ธปท. ได้เริ่มกำกับธุรกรรมที่เกี่ยวข้องกับทองคำ และดำเนินมาตรการที่เกี่ยวข้อง เช่น การกำหนดวงเงินซื้อขายทองคำสกุลบาทบนแพลตฟอร์มออนไลน์ และการขอให้รายงานข้อมูลธุรกรรมทองคำ ระยะข้างหน้า ยังต้องจับตามองว่ามาตรการดังกล่าวจะสามารถช่วยลดแรงกดดันที่ไม่ได้มาจากปัจจัยพื้นฐานได้มากน้อยเพียงใด

ท้ายที่สุด การเปลี่ยนผ่านของค่าเงินบาทไปสู่ค่าเงินที่ขับเคลื่อนด้วยปัจจัยโลกและมีพฤติกรรมแบบสินทรัพย์ทางการเงินมากขึ้น ได้ชี้ชัดว่ากรอบคิดเดิมไม่เพียงพออีกต่อไป ไทยจำเป็นต้องยกระดับเครื่องมือรองรับความผันผวนและสร้างระบบบริหารความเสี่ยงที่เข้มแข็งขึ้น เพื่อให้เศรษฐกิจยืนหยัดได้ท่ามกลางคลื่นความไม่แน่นอนของโลกยุคใหม่

1. สกุลเงินที่ใช้ศึกษาประกอบด้วย 26 สกุลดังนี้: 'THB', 'EUR', 'JPY', 'GBP', 'AUD', 'NZD', 'CAD', 'CHF', 'SEK', 'NOK', 'PHP', 'IDR', 'SGD', 'KRW', 'MYR', 'CNY', 'BRL', 'MXN', 'CLP', 'COP', 'PLN', 'HUF', 'CZK', 'RON', 'ZAR', 'INR' โดยใช้มูลค่าหนึ่งหน่วยของเงินสกุลนั้นเทียบเป็นดอลลาร์สหรัฐฯ เช่น 1 บาทเท่ากับ 0.03 ดอลลาร์สหรัฐฯ เป็นต้น และแปลงด้วยลอการิทึม (logarithm)

2. Dollar factor สร้างขึ้นจากค่าเฉลี่ยของผลตอบแทนของค่าเงินไม่รวมค่าเงินที่กำลังศึกษาตามสมการนี้

   $$\text{Dollar}_{t} = \frac{1}{N} \sum\Delta s_{i,t}$$

   โดย $\Delta s_{i,t} = s_{i,t} - s_{i,t-1}$ คือการเปลี่ยนแปลงรายสัปดาห์ของสกุลเงิน ค่าบวกหมายถึงเงินสกุลนั้นแข็งค่าเทียบดอลลาร์สหรัฐฯ

3. Carry factor สร้างขึ้นจากการจัดพอร์ตการลงทุนโดยการ long ค่าเงินที่มีดอกเบี้ยสูงที่สุด 5 สกุล และ short ค่าเงินที่มีดอกเบี้ยต่ำที่สุด 5 สกุล ตามสมการนี้ $\text{Carry}_{t} = \frac{1}{N_H} \sum_{i \in H} \Delta s_{t}- \frac{1}{N_L} \sum_{i \in L} \Delta s_{t}$ สกุลเงินในแต่ละพอร์ต ณ เวลา ${t}$ เลือกจากการจัดอันดับ one-month forward discount ใน ${t-1}$ ซึ่งใช้ proxy แทนส่วนต่างอัตราดอกเบี้ย โดย carry factor ถูกคำนวณจากผลตอบแทนระหว่าง long portfolio และ short portfolio

4. Gold factor มีวิธีการคำนวณ 3 ขั้นตอนดังนี้:

   1. ประมาณการค่า $\beta$ ของสกุลเงินต่าง ๆ ต่อการเปลี่ยนแปลงของราคาทองคำโดยควบคุมปัจจัยดอลลาร์และความเป็นสินทรัพย์ปลอดภัย ตามสมการด้านล่าง

      $\Delta s_{i,t} = \alpha_{i,t} + \beta_{i,t} \Delta XAU_{t} + \omega_{i,t} \text{Carry}_{t} + \theta_{i,t} \text{Dollar}_{t} + \gamma_{t} \text{VIX}_{t} + \varepsilon_{i,t}$

   2. จัดพอร์ตการลงทุนโดยเลือกสกุลเงินที่มีค่า $\beta$ มากสุด 5 สกุลใน long portfolio และ สกุลเงินที่มีค่า $\beta$ น้อยสุด 5 สกุลใน short portfolio

   3. Gold factor คำนวณจากส่วนต่างผลตอบแทนของพอร์ตการลงทุนดังนี้

      $\text{Gold}_{t} = \frac{1}{N_H} \sum_{i \in \text{(high beta)}} \Delta s_{t} - \frac{1}{N_L} \sum_{i \in \text{(low beta)}} \Delta s_{t}$

5. วิธีการคำนวณ R-squared contribution ของแต่ละปัจจัย เนื่องจากปัจจัยเสี่ยงมีความสัมพันธ์กัน การแยก R-squared ที่มาจากแต่ละปัจจัยไม่สามารถทำได้เพียงการคำนวณ R-squared ส่วนเพิ่มจากใส่ปัจจัยนั้นโดยตรง เนื่องจากลำดับการใส่ตัวแปรอาจมีผลต่อการคำนวณ งานศึกษานี้จึงใช้วิธี Shapley value decomposition ซึ่งคำนวณ R-squared ส่วนเพิ่มของแต่ละปัจจัยโดยพิจารณาทุกลำดับที่เป็นไปได้ (permutations) สำหรับปัจจัย $k$ R-squared contribution คำนวณจาก

   $$R_k^2 = \frac{1}{K!} \sum\limits_{\pi \in \Pi} \Big[ R^2(S_k^{\pi} \cup \{k\}) - R^2(S_k^{\pi}) \Big]$$

   โดย $\Pi$ คือเซตของทุกลำดับที่เป็นไปได้ของปัจจัยทั้งหมด $K$ตัว, $S_k^{\pi}$ คือเซตของปัจจัยที่อยู่ก่อนปัจจัย $k$ ในลำดับ $\pi$ และ $R^2(S)$ คือ R-squared ของแบบจำลองที่มีเฉพาะปัจจัยในเซต $S$ กล่าวคือ สำหรับแต่ละลำดับ เราวัดว่าการเพิ่มปัจจัย $k$ เข้าไปทำให้ R-squared เพิ่มขึ้นเท่าไหร่ (marginal contribution) แล้วเฉลี่ยข้ามทุกลำดับ