ระบบส่งสัญญาณเตือนภัยล่วงหน้าสำหรับสถาบันการเงินเฉพาะกิจ

ระบบส่งสัญญาณเตือนภัยล่วงหน้าสำหรับสถาบันการเงินเฉพาะกิจ

(The Early Warning System for Specialised Financial Institutions)

สถาบันการเงินเฉพาะกิจ (Specialized Financial Institutions: SFI) มีบทบาทสำคัญในการดำเนินนโยบายกึ่งการคลังของรัฐบาล เพื่อการส่งเสริมการเข้าถึงแหล่งเงินทุนของภาคครัวเรือนและภาคธุรกิจ โดยเฉพาะในสภาพการณ์ที่สถาบันการเงินโดยทั่วไปไม่สามารถตอบสนองความต้องการหรือไม่สามารถให้บริการทางการเงินต่อผู้ประกอบการและประชาชนได้ เนื่องจากมีความเสี่ยงสูงหรือผลตอบแทนไม่คุ้มกับต้นทุนและผลกำไรที่ต้องการ จึงจำเป็นต้องมีกลไกพิเศษเพื่อแก้ไขปัญหาความไม่สมบูรณ์ของระบบการเงินตามกลไกตลาดปกติ รวมทั้งปัญหาของระบบการเงินในภาวะที่ไม่ปกติหรือมีความอ่อนแอ กลไกพิเศษดังกล่าว ได้แก่ การดำเนินงานของสถาบันการเงินเฉพาะกิจ ซึ่งจัดตั้งขึ้นโดยมีพระราชบัญญัติเฉพาะของแต่ละองค์กร

กลุ่มเป้าหมายของสถาบันการเงินเฉพาะกิจ ได้แก่ กลุ่มลูกค้าระดับฐานราก กลุ่มลูกค้าภาคอุตสาหกรรมการผลิตและการค้า กลุ่มลูกค้าด้านอสังหาริมทรัพย์ และกลุ่มลูกค้าจากการให้บริการทางการเงินตามหลักศาสนาอิสลาม ทั้งนี้ ณ สิ้นปี 2550 สถาบันการเงินเฉพาะกิจ 3 แห่งที่รับฝากเงิน (ธนาคารออมสิน ธอส. และ ธกส.) มีเงินรับฝากรวม 1,583,316 ล้านบาท หรือคิดเป็นร้อยละ 17.93 ของยอดเงินฝากรวมในระบบสถาบันการเงิน ซึ่งมีขนาดใหญ่เป็นอันดับสองรองจากธนาคารพาณิชย์ที่มีเงินรับฝากร้อยละ 74.34 ของยอดเงินฝากรวม ในขณะที่สถาบันการเงินเฉพาะกิจ 5 แห่งที่ให้สินเชื่อ (ธนาคารออมสิน ธอส. ธกส. ธสน. และ ธพว.) มีเงินให้สินเชื่อ 1,749,425 ล้านบาท หรือร้อยละ 22.30 ของยอดสินเชื่อรวมในระบบสถาบันการเงิน ซึ่งถือเป็นอันดับสองรองจากธนาคารพาณิชย์ที่มีเงินให้สินเชื่อร้อยละ 76.46 ของยอดสินเชื่อรวม ดังนั้น จึงนับได้ว่าสถาบันการเงินเฉพาะกิจเป็นตัวกลางทางการเงินที่มีสำคัญของระบบสถาบันการเงินไทย โดยเฉพาะการให้บริการแก่กลุ่มที่ไม่สามารถเข้าถึงการให้บริการทางการเงินเชิงพาณิชย์ได้

อย่างไรก็ตาม สถาบันการเงินเฉพาะกิจส่วนใหญ่มีความเสี่ยงในการดำเนินงานค่อนข้างสูง โดยมีความหลากหลายในด้านมาตรฐานการบริหารจัดการภายในองค์กร การบริหารความเสี่ยง และการจัดการทางการเงิน ซึ่งส่งผลสะท้อนไปยังจุดแข็งจุดอ่อนของการดำเนินงานของสถาบันการเงินเฉพาะกิจที่แตกต่างกัน ทั้งนี้ สถาบันการเงินเฉพาะกิจประสบปัญหาหลักบางประการในการดำเนินงาน เช่น กระบวนการพิจารณาสินเชื่อที่ไม่มีประสิทธิภาพ ดังนั้น จึงมีความจำเป็นที่จะต้องติดตามฐานะและความมั่นคงทางการเงินของสถาบันการเงินเฉพาะกิจ กระทรวงการคลังในฐานะหน่วยงานหลักในการกำกับดูแลสถาบันการเงินเฉพาะกิจจำเป็นต้องมีเครื่องมือในการป้องกันความเสี่ยงล่วงหน้าที่มีประสิทธิภาพ อันจะทำให้การกำกับดูแลมีประสิทธิภาพมากขึ้น และลดภาระทางการเงินต่อรัฐบาล บทวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาระบบส่งสัญญาณเตือนภัยล่วงหน้าสำหรับสถาบันการเงินเฉพาะกิจให้เป็นเครื่องมือที่สามารถใช้ติดตามการดำเนินงานของสถาบันการเงินเฉพาะกิจ และเพื่อกำหนดเงื่อนไขของกลุ่มดัชนีชี้วัดที่จำเป็น ซึ่งจะช่วยสร้างกรอบการดำเนินงานของสถาบันการเงินเฉพาะกิจเพื่อเสริมสร้างความมีประสิทธิภาพของสถาบันการเงินเฉพาะกิจ โดยใช้ตัวแปรทางเศรษฐกิจและการเงินเพื่อพัฒนาดัชนีชี้วัดและแบบจำลอง

2.1 กรอบแนวคิดด้านนโยบายกึ่งการคลัง

แนวคิดการใช้นโยบายการคลังผ่านระบบสถาบันการเงินของรัฐ เช่น SFI หรือสถาบันการเงินเพื่อการพัฒนา (Development Bank) ต่าง ๆ โดยการมองเศรษฐกิจของประเทศให้เป็นหน่วยธุรกิจ และเน้นการเคลื่อนย้ายและแปลงสินทรัพย์ที่ยังไม่ได้มีการใช้ประโยชน์ให้เป็นเงินทุนเพื่อทำให้เกิดผลตอบแทนที่เพิ่มขึ้น คือ นโยบายกึ่งการคลัง (Quasi-Fiscal Policy) นโยบายนี้ถูกใช้ในประเทศที่ต้องการพัฒนาระบบเศรษฐกิจของประเทศ ในขณะที่ประสบภาวะจำกัดด้านงบประมาณและภาวะหนี้สาธารณะสูง เช่น ญี่ปุ่น หรือประเทศที่มีนโยบายสนับสนุนการขยายตัวทางเศรษฐกิจในระยะยาว เช่น เกาหลีใต้ ซึ่งใช้นโยบายกึ่งการคลังเพิ่มการใช้จ่ายของประเทศ โดยการปล่อยเงินกู้ภาครัฐให้แก่ภาคเอกชนผ่านระบบสถาบันการเงินเฉพาะกิจด้วยอัตราดอกเบี้ยต่ำ (Soft loan)

การใช้นโยบายกึ่งการคลังจะมีความคล่องตัวกว่าการใช้นโยบายการคลังและเป็นการใช้สภาพคล่องที่มีอยู่เกิน (Excess Liquidity) ในระบบการเงินให้เกิดประโยชน์ โดยทำให้รัฐบาลสามารถวางนโยบายเฉพาะกลุ่มเป้าหมายที่จะได้รับการสนับสนุนทางการเงินจากภาครัฐได้ อย่างไรก็ดี ข้อด้อยของการนำนโยบายกึ่งการคลังมาใช้คือ ทำให้กลไกตลาดเกิดการบิดเบือนและสถาบันการเงินรัฐมีภาวะเสี่ยงสูงกว่าสถาบันการเงินทั่วไป เนื่องจากการปล่อยสินเชื่อคำนึงถึงความเป็นกลุ่มเป้าหมาย ซึ่งขึ้นอยู่กับภาวะการเมืองและการเอื้อประโยชน์ แต่ไม่คำนึงถึงความสามารถในการจ่ายคืนเงินกู้และดอกเบี้ย และการกำหนดอัตราดอกเบี้ยไว้ในระดับที่ต่ำมากโดยไม่คำนึงถึงต้นทุนของเงินทุน (Cost of funds) โดยทั่วไปแล้ว หน่วยธุรกิจทุกประเภทย่อมต้องเผชิญกับความเสี่ยง ดังนั้น ระบบเศรษฐกิจที่ถูกบริหารแบบหน่วยธุรกิจก็ย่อมประสบกับความเสี่ยงเช่นเดียวกัน การบริหารความเสี่ยงทางการคลังที่เกิดขึ้นภายในสถาบันการเงินเฉพาะกิจจึงเป็นสิ่งที่จำเป็น เพื่อไม่ให้การขาดทุนจากการดำเนินงานของสถาบันการเงินเฉพาะกิจเป็นภาระทางการคลังต่อรัฐ

2.2 กรอบแนวความคิดเกี่ยวกับการบริหารภาครัฐ (Public Management)

แนวคิดเกี่ยวกับการบริหารจัดการภาครัฐในสาขาวิชารัฐศาสตร์ได้ให้ความสำคัญกับการบริหารภาครัฐแนวใหม่ ดังนี้ (1) มีความเป็นสากลภาพ กล่าวคือ การบริหารงานในภาคเอกชนและภาครัฐไม่ควรแตกต่างกันอย่างมีนัยสำคัญ (2) มุ่งเน้นการควบคุมผลผลิตและผลลัพธ์มากกว่ากระบวนงาน (3) ให้ความสำคัญต่อทักษะการบริหารจัดการมากกว่าการกำหนดนโยบาย (4) ควรกระจายอำนาจ เพื่อความคล่องตัวของหน่วยงาน (5) ให้ความสำคัญกับกิจกรรมเพิ่มประสิทธิภาพ และ (6) ส่งเสริมการวางแผนกลยุทธ์และแผนการดำเนินงานที่ชัดเจน

2.3 กรอบแนวคิดเกี่ยวกับบรรษัทภิบาล (Corporate Governance)

แนวความคิดเกี่ยวกับการบริหารธุรกิจให้มีกรอบการดำเนินงานที่มีประสิทธิภาพและก่อให้เกิดประสิทธิผลตามพันธกิจที่กำหนดไว้ขององค์กร โดยเน้นให้มีการควบคุมและประเมินผลการดำเนินงานอย่างเป็นระบบ มีความเป็นรูปธรรม และสามารถกระทำได้อย่างสม่ำเสมอ Ha-Joon Chang (2551) ศึกษาการปฏิรูปรัฐวิสาหกิจ (State-Owned Enterprise Reform) จากประเทศที่ประสบความสำเร็จในการดำเนินกิจการรัฐวิสาหกิจ ได้แก่ สิงคโปร์และไต้หวัน พบว่า ปัจจัยที่ส่งเสริมให้เกิดรัฐวิสาหกิจที่ดี ประกอบด้วย

(1) ระดับองค์กร ได้แก่ วัตถุประสงค์การดำเนินงานที่ชัดเจนว่าไม่หวังผลกำไรเป็นหลัก วางกลยุทธ์ให้สามารถสร้างกำไรเพื่อสร้างความยั่งยืนขององค์กรในระยะยาว ใช้เทคโนโลยีทันสมัย พัฒนาศักยภาพในการส่งออก ลงทุนในทรัพยากรบุคคล ปรับปรุงระบบการให้ค่าตอบแทนเพื่อจูงใจพนักงานมีการพัฒนาการทำงานและก่อให้เกิดประสิทธิผลต่อองค์กร

(2) ระดับรัฐบาล ได้แก่ รัฐบาลควรมอบหมายให้มีหน่วยงานกำกับดูแลรัฐวิสาหกิจ ซึ่งมีขอบเขตความรับผิดชอบที่ชัดเจน ลดจำนวนรัฐวิสาหกิจให้เหลือเท่าที่จำเป็นเพื่อลดทรัพยากรในการดูแล กำหนดนโยบายบัญชีที่ดีและจัดทำรายงานความก้าวหน้าที่มีมาตรฐานสนับสนุนให้มีการแข่งขันในดำเนินงานของของรัฐวิสาหกิจ หลีกเลี่ยงการแทรกแซงรัฐวิสาหกิจ และสนับสนุนให้มีการพัฒนาเชิงวิชาการ

หากพิจารณากรอบแนวคิด 2.2 และ 2.3 พบว่า การวิเคราะห์ภาวะความเสี่ยงของสถาบันการเงินเฉพาะกิจนั้น ควรใช้ทั้งตัวแปรระดับมหภาคและจุลภาค โดยดัชนีชี้วัดที่นำมาใช้ควรครอบคลุมดัชนีชี้วัดเศรษฐกิจมหภาคและทางการเงิน โดยกำหนดค่า Threshold ที่มีความสอดคล้องกับแผนพัฒนาเศรษฐกิจและสังคมแห่งชาติฉบับที่ 10 โดยมีสมมติฐานดังนี้

1. การบริหารจัดการสถาบันการเงินเฉพาะกิจที่ดีจะสามารถนำไปสู่ผลสำเร็จตามนโยบายกึ่งการคลังของภาครัฐที่กระทำผ่านสถาบันการเงินเฉพาะกิจ

2. การบริหารจัดการสถาบันการเงินเฉพาะกิจที่ดีจะทำให้สถาบันการเงินเฉพาะกิจเองมีการพัฒนาและมีความมั่นคงเทียบเท่าธนาคารพาณิชย์ ส่งผลให้ภาระทางการเงินของภาครัฐลดลง

หลักเกณฑ์ที่ใช้วัดความมีเสถียรภาพของสถาบันการเงินที่สำคัญ ได้แก่

1) ความเสี่ยง 5 ด้าน ธนาคารแห่งประเทศไทยได้จำแนกประเภทความเสี่ยงของสถาบันการเงินออกเป็น 5 ด้าน ได้แก่ ความเสี่ยงด้านเครดิต (Credit Risk) ความเสี่ยงด้านตลาด (Market Risk) ความเสี่ยงด้านสภาพคล่อง (Liquidity Risk) ความเสี่ยงด้านกลยุทธ์ (Strategic Risk) และความเสี่ยงด้านการปฏิบัติงาน (Operational Risk)

2) CAMEL ประกอบด้วย C: Capital Adequacy (ความเพียงพอด้านเงินกองทุน) A: Asset Quality (คุณภาพสินทรัพย์) M: Management Quality (คุณภาพด้านการจัดการ) E: Earnings (ความสามารถในการทำกำไร) L: Liquidity (สภาพคล่อง) อย่างไรก็ตาม Logan (2001) เห็นว่า จุดอ่อนของ CAMEL คือการใช้ข้อมูลในอดีตวัดฐานะปัทางการเงินปัจจุบันของสถาบันการเงิน และก่อให้เกิดความยุ่งยากในการตัดสินใจในกรณีที่อัตราส่วนทางการเงินที่ใช้ในการวิเคราะห์ให้ผลขัดแย้งกัน ทั้งนี้ หากประยุกต์ใช้หลัก CAMEL ในการวิเคราะห์ร่วมกับการคำนึงถึงเหตุการณ์ที่อาจเกิดขึ้นในอนาคต (Forward Looking) ก็จะช่วยสะท้อนภาพของสถาบันการเงินได้ดียิ่งขึ้น รวมทั้งช่วยให้สามารถวางแผนแก้ไขสถานการณ์ได้ทันท่วงทียิ่งขึ้น

3) Macro Prudential Indicators (MPIs) กองทุนการเงินระหว่างประเทศและธนาคารโลกได้ร่วมกันจัดตั้ง Financial Sector Assessment Program (FSAP) ในปี พ.ศ. 2542 โดยได้เสนอดัชนีที่เรียกว่า MPIs สำหรับวัดความมั่นคงของระบบการเงิน ซึ่งดัชนีดังกล่าวเป็นตัวแปรเชิงปริมาณที่ใช้ร่วมกับตัวแปรเชิงคุณภาพอื่น ๆ เช่น การจัดอันดับหนี้ เป็นต้น MPIs ประกอบด้วย

(1) ตัวแปรระดับจุลภาค ได้แก่ ตัวแปรตามหลัก CAMEL ข้างต้น ประกอบกับการวิเคราะห์ Sensitivity to Market Risk และ Indicators of Market Perceptions เช่น การจัดอันดับความน่าเชื่อถือของสถาบันจัดอันดับความน่าเชื่อถือทางการเงิน 4

(2) ตัวแปรระดับมหภาค ได้แก่ อัตราการเจริญเติบโตทางเศรษฐกิจ ดุลการชำระเงิน อัตราเงินเฟ้อ อัตราดอกเบี้ย อัตราแลกเปลี่ยน การขยายตัวของการกู้ยืมและราคาสินทรัพย์ (Lending and Asset Price Booms) และ Contagion effects

ปัจจุบันมีการพัฒนาแบบจำลองเพื่อใช้คำนวณความน่าจะเป็นที่ภาวะเศรษฐกิจโดยรวมหรือสถาบันการเงินแต่ละแห่งจะอ่อนแอหรือเกิดวิกฤต โดยแบบจำลองนี้เป็นที่รู้จักในชื่อ “ระบบสัญญาณเตือนภัยล่วงหน้า (Early Warning System : EWS)” พรนพและประเสริฐชัย (2544) เห็นว่า EWS เป็นเครื่องมือหนึ่งที่สามารถบ่งบอกจุดอ่อนหรือความเสี่ยงของสถาบันการเงิน อันจะช่วยให้สามารถวางแผนลดจุดอ่อนและความเสี่ยงของตนได้ ขณะเดียวกันหน่วยงานกำกับดูแลสถาบันการเงินจะได้รับประโยชน์จาก EWS ในฐานะที่เป็นระบบรายงานข้อมูลและช่วยเตือนภัยในระหว่างที่ไม่มีการตรวจสอบ ทำให้การกำหนดนโยบายสถาบันการเงินมีความสอดคล้องกับสภาวการณ์ของระบบสถาบันการเงิน รวมทั้งสามารถวางแผนล่วงหน้าเพื่อป้องกันและแก้ไขปัญหาสถาบันการเงินมิให้ลุกลามจนกระทบต่อระบบเศรษฐกิจโดยรวม

EWS มีลักษณะแตกต่างกันไป ดังนี้

1. Nonparametric Model สามารถส่งสัญญาณโดยแสดงผลออกมาในรูปของความน่าจะเป็น ให้เห็นถึงความอ่อนแอของระบบเศรษฐกิจหรือสถาบันการเงิน (ถ้าความน่าจะเป็นอยู่ในระดับต่ำก็แสดงถึงโอกาสในการเกิดวิกฤตในระดับต่ำ) จากดัชนีชี้วัดรวม (Composite Indicator) ซึ่งประกอบด้วยดัชนีชี้วัดต่าง ๆ มากกว่า 1 ตัวขึ้นไป โดยให้น้ำหนักของดัชนีชี้วัดแต่ละตัวไม่เท่ากัน น้ำหนักของดัชนีจะแปรผกผันกับสัดส่วนของสัญญาณลวงต่อสัญญาณดี (Noise-to-Signal Ratio)

2. Logit Model with Fixed Effect สามารถส่งสัญญาณบอกถึงความอ่อนแอของระบบเศรษฐกิจหรือสถาบันการเงินจากดัชนีชี้วัดมากกว่า 1 ตัวขึ้นไป โดยให้แต่ละระบบเศรษฐกิจหรือสถาบันการเงินมีความอ่อนไหวต่อปัจจัยหรือดัชนีต่าง ๆ แตกต่างกันไป ขึ้นอยู่กับค่าคงที่หรือ Fixed Effect เมื่อคำนวณความน่าจะเป็นที่ภาวะเศรษฐกิจหรือสถาบันการเงินแต่ละแห่งจะเกิดวิกฤตหรืออ่อนแอ แบบจำลอง Logit แสดงผลออกมาในรูปของความน่าจะเป็นเช่นกัน โดยมีขั้นตอนในการคำนวณความน่าจะเป็นที่สถาบันการเงินแต่ละแห่งจะอ่อนแอหรือเกิดวิกฤต ดังนี้

• เลือกตัวแปรต่าง ๆ ที่มีความสัมพันธ์กับการดำเนินงานของสถาบันการเงิน
• พัฒนาแบบจำลอง Logit เพื่อคัดเลือกดัชนีที่มีผลต่อความน่าจะเป็นที่สถาบันการเงินแต่ละแห่งจะประสบปัญหาอย่างมีนัยสำคัญ
• ทำ Stress Test เพื่อทดสอบความสามารถส่งสัญญาณเตือนภัยล่วงหน้า

ในการพิจารณาเลือกตัวชี้วัดที่นำมาใช้ในแบบจำลองแบบที่ 1 และ 2 นั้น ต้องคำนึงถึงภาวะความเสี่ยงของสถาบันการเงินที่ดัชนีชี้วัดแต่ละอันสะท้อนให้เห็น ซึ่งโดยทั่วไปแล้วความเสี่ยงที่มีอยู่ในระบบสถาบันการเงินมี 2 แบบ คือ

1. ความเสี่ยงที่เกิดกับทั้งระบบ (Systematic Risk) ซึ่งมีผลกระทบกับทุกสถาบันการเงินในระบบ ประกอบด้วยดัชนีชี้วัดทางเศรษฐกิจมหภาคและดัชนีชี้วัดทางการเงิน เช่น ความเสี่ยงจากการหดตัวของระบบเศรษฐกิจ และอัตราการขยายตัวของสินเชื่อทั้งระบบสถาบันการเงิน

2. ความเสี่ยงที่เกิดเฉพาะสถาบันการเงิน (Unsystematic Risk) ซึ่งมีผลเฉพาะกลุ่มสถาบันการเงิน อันเป็นผลมาจากลักษณะเฉพาะของสถาบันการเงินแต่ละแห่ง ประกอบด้วย ดัชนีชี้วัดแบบเฉพาะสถาบันการเงิน เช่น สัดส่วนหนี้สงสัยจะสูญต่อสินเชื่อรวมของแต่ละสถาบันการเงิน

บทวิจัยนี้พัฒนาระบบส่งสัญญาณเตือนภัยล่วงหน้าสำหรับสถาบันการเงินเฉพาะกิจที่มีบทบาทการให้สินเชื่อที่สำคัญตั้งแต่ปี 2545-2550 ได้แก่ ธ.ก.ส. ธนาคารออมสิน ธพว. ธอส. และ ธสน. เนื่องจากมีข้อมูลที่เพียงพอต่อการนำมาใช้สร้างแบบจำลอง ทั้งนี้ 5 สถาบันการเงินเฉพาะกิจมีพัฒนาการที่สำคัญ ในช่วงปี 2545-2550 ดังนี้

4.1 สินเชื่อ

ภายหลังวิกฤตเศรษฐกิจปี 2540 สถาบันการเงินเฉพาะกิจเพิ่มสัดส่วนสินเชื่อคงค้างในระบบสถาบันการเงินทั้งหมดจากร้อยละ 10 ในปี 2539 เป็นร้อยละ 21 ในปี 2550 โดยมีการขยายตัวร้อยละ 10.91 ต่อปี (แผนภาพที่ 2) ซึ่งส่วนหนึ่งเป็นผลมาจากการดำเนินโครงการกึ่งการคลังของสถาบันการเงินเฉพาะกิจตามนโยบายของรัฐบาลในช่วงปี 2544-2548 ซึ่งเน้นการกระตุ้นเศรษฐกิจระดับฐานรากผ่านโครงการของรัฐบาลต่าง ๆ เช่น โครงการพักชำระหนี้และลดภาระหนี้ของเกษตรรายย่อย โครงการธนาคารประชาชน และโครงการสนับสนุนสินเชื่อให้กับ SMEs

4.2 ความมั่นคงทางการเงิน

1) คุณภาพสินเชื่อ ณ สิ้นปี 2550 อัตราส่วนหนี้ที่ไม่ก่อให้เกิดรายได้ต่อสินเชื่อ (NPL Ratio) ของสถาบันการเงินเฉพาะกิจอยู่ที่ร้อยละ 9.1 โดยมีแนวโน้มปรับสูงขึ้นอย่างต่อเนื่องมาตั้งแต่ปี 2548

2) ผลการดำเนินงาน ณ สิ้นปี 2550 มีผลกำไรรวม 19,156 ล้านบาท ในปี 2550 เพิ่มขึ้นร้อยละ 71.9 เทียบกับปี 2549 เนื่องจากในปี 2549 สถาบันการเงินเฉพาะกิจมีค่าใช้จ่ายจากการปฏิบัติตามมาตรฐานบัญชี IAS 39 สูงถึง 30,801 ล้านบาท ด้านอัตราส่วนรายได้ดอกเบี้ยสุทธิต่อสินทรัพย์เฉลี่ย (Net Interest Margin) อยู่ที่ร้อยละ 3.3 สูงกว่าปี 2549 ที่เท่ากับร้อยละ 3.1

3) ความเพียงพอของเงินกองทุน ณ สิ้นปี 2550 อัตราส่วนเงินกองทุนต่อสินทรัพย์เสี่ยงอยู่ในระดับที่สูงกว่าเกณฑ์มาตรฐานของธนาคารพาณิชย์ (ร้อยละ 8.5) ทั้งนี้ ในช่วงที่ผ่านมา รัฐบาลมีการสนับสนุนให้สถาบันการเงินเฉพาะกิจขยายบทบาท พร้อมกับเสริมสร้างความแข็งแกร่งให้กับองค์กร โดยมีการทยอยเพิ่มทุนให้กับสถาบันการเงินเฉพาะกิจมาเป็นระยะ

ระบบส่งสัญญาณเตือนภัยล่วงหน้าที่ใช้ในงานวิจัยนี้คือ แบบจำลองทางเศรษฐมิติที่ใช้ประมาณค่าความสัมพันธ์ของตัวแปรที่มีข้อมูลแบบ Panel Data ซึ่งเป็นข้อมูลรายไตรมาสของสถาบันการเงินเฉพาะกิจ 5 แห่ง ได้แก่ ธพว. ธนาคารออมสิน ธ.ก.ส. ธอส. ธสน. แบบจำลองนี้เรียกว่า Panel Model with Fixed Effect โดยมีข้อสมมติว่าสถาบันการเงินเฉพาะกิจแต่ละแห่งมีลักษณะการดำเนินงานที่แตกต่างกัน ทั้งในด้านการบริหารจัดการและเป้าหมายการให้สินเชื่อ ทำให้ความน่าจะเป็นที่สถาบันแต่ละแห่งจะเผชิญภาวะความเสี่ยงที่เพิ่มมากขึ้นอันเกิดจากการดำเนินงานและการปล่อยสินเชื่อเพื่อสนับสนุนนโยบายภาครัฐมากน้อยแตกต่างกัน นอกจากนี้ ตัวแปรทางซ้ายมือของแบบจำลองจะมีลักษณะ Discrete แบบ Binary Choices กล่าวคือมีเพียง 2 ค่า ได้แก่ 1 และ 0 เพื่อแทนสถานการณ์ที่แสดงถึงปัญหาภาวะความเสี่ยงสูง และสถานการณ์ที่แสดงถึงการไม่มีปัญหาดังกล่าวเกิดขึ้น ในขณะที่ตัวแปรทางขวามือของแบบจำลองเป็นตัวแปรที่มีลักษณะ Continuous (มีค่าต่อเนื่อง) ทำให้แบบจำลอง Panel Model ที่เลือกใช้เป็นแบบ Binary Choice Model ซึ่งเป็นแบบจำลองชนิดหนึ่งของ Discrete Dependent Variable Model หรือที่เรียกว่าแบบจำลองเชิงคุณภาพ (Qualitative Model)

1. แบบจำลอง Linear Probability Model ซึ่งแสดงความสัมพันธ์เชิงเส้นตรงระหว่างตัวแปรตามและตัวแปรอิสระ โดยการประมาณค่าแบบ Ordinary Least Square (OLS) แบบจำลองประเภทนี้มีข้อจำกัดหลายด้าน กล่าวคือ ค่าประมาณของตัวแปรตาม (Predicted Value) เป็นค่าความน่าจะเป็น ซึ่งในบางกรณีมีค่ามากกว่า 1 หรือน้อยกว่า 02 นอกจากนี้ ในการประมาณค่าบางครั้งอยู่ภายใต้เงื่อนไขที่ผิดไปจากเงื่อนไขเบื้องต้น (Classical Assumption) ของวิธีประมาณค่าแบบ OLS3

2. แบบจำลอง Probit ซึ่งแสดงความสัมพันธ์มิใช่เชิงเส้นตรงระหว่างตัวแปรตามและตัวแปรอิสระ ภายใต้เงื่อนไขว่าการกระจายของข้อมูลเป็นแบบ Normal Distribution โดยการประมาณค่าแบบ Maximum Likelihood แบบจำลองจะประกอบด้วยตัวแปรอิสระที่กำหนดค่า index ซึ่งมีกระจายแบบ Standard Normal Distribution (ค่า z) ซึ่งต้องนำมาแปลงเป็นค่าความน่าจะเป็นที่อยู่ระหว่าง 0 และ 1 อย่างไรก็ดี ข้อมูลส่วนใหญ่มิได้มีการกระจายแบบ Standard Normal Distribution

3. แบบจำลอง Logit ซึ่งแสดงความสัมพันธ์มิใช่เชิงเส้นตรงระหว่างตัวแปรตามและตัวแปรอิสระ ภายใต้เงื่อนไขว่าการกระจายของข้อมูลเป็นแบบ Logistic Distribution โดยการประมาณค่าแบบ Maximum Likelihood แบบจำลองจะประกอบด้วยตัวแปรอิสระที่กำหนดค่า index ซึ่งมีการกระจายแบบ Logistic Distribution และต้องมาแปลงเป็นค่าความน่าจะเป็นที่อยู่ระหว่าง 0 และ 1 โดยอาศัยสูตรการคำนวณ

ในการนำแบบจำลองข้างต้นมาหาดัชนีชี้วัดของสถาบันการเงินเฉพาะกิจ เริ่มจากการกำหนดช่วงเวลาที่ต้องการจะให้ดัชนีชี้วัดเหล่านี้ส่งสัญญาณ (Crisis period) ซึ่งสามารถทำได้ ดังนี้

1) เลือกวิธีการสร้าง Dummy variable ที่มีค่า 0 เมื่อสถาบันการเงินเฉพาะกิจมีการดำเนินงานปกติ ในขณะที่ Dummy variable จะมีค่าเท่ากับ 1 เมื่อช่วงเวลานั้นเป็นช่วงทสถาบันการเงินเฉพาะกิจมีปัญหาทางการเงิน และต้องการให้ระบบเตือนภัยส่งสัญญาณเตือนภัยให้รู้ล่วงหน้า ทั้งนี้ วิธีการกำหนด Crisis ซึ่งใช้กันอย่างแพร่หลาย 2 วิธี คือ

• Event-Based Approach เป็นการกำหนด Crisis period โดยอ้างอิงกับเหตุการณ์ที่เกิดขึ้นจริง เช่น การควบรวมของสถาบันการเงินและการมีสถาบันการเงินล้ม เป็นต้น
• Indicator-Based Approach เป็นการกำหนด Crisis period โดยใช้ตัวแปรที่สามารถสะท้อนความอ่อนแอของสถาบันการเงินได้ เช่น Demirguc-Kunt และ Detragiache (1998) ใช้ NPL กำหนดช่วงเวลาที่ต้องการให้แบบจำลองส่งสัญญาณเตือน โดยหาก NPL ratio อยู่ในระดับที่สูงกว่าร้อยละ 10 ให้ถือว่าช่วงเวลานั้นเป็นวิกฤตสถาบันการเงิน (Banking crisis)

งานวิจัยนี้เลือกใช้วิธีที่ 2 เนื่องจากวิธีที่ 1 นั้น กระทำได้ยากและไม่มีหลักเกณฑ์ที่ชัดเจน และกลุ่มตัวอย่างครอบคลุมระยะเวลาค่อนข้างสั้น ทำให้เหตุการณ์ที่สามารถนำมาใช้ในการกำหนดช่วงเวลาที่ต้องการมีน้อยจนเกินไป ทั้งนี้ ตัวแปรที่สามารถนำมาใช้ได้กำหนด Crisis period คือตัวแปรที่ใช้แสดงคุณภาพของสินทรัพย์ (NPL ratio) และความสามารถในการดำเนินงาน(Return on Assets (ROA) และ Return on Equity (ROE)) โดยสำหรับสถาบันการเงินเฉพาะกิจ NPL ratio จะมีความเหมาะสมมากกว่า เนื่องจากแสดงให้เห็นถึงความเสี่ยงที่สำคัญของสถาบันการเงินเฉพาะกิจต่อการปฏิบัติตามนโยบายของรัฐ ในขณะที่สถาบันการเงินเฉพาะกิจมิใช่องค์กรที่มุ่งแสวงหากำไรสูงสุดเหมือนธนาคารพาณิชย์ การใช้ ROA และ ROE อาจไม่เหมาะสม นอกจากนี้ เพื่อให้สะท้อนภาวะความเสี่ยงที่เพิ่มขึ้นอย่างมีนัยสำคัญ จำเป็นต้องกำหนดให้การเพิ่มขึ้นของ NPL ratio ติดต่อกัน 2 ไตรมาส เป็นความเสี่ยงที่แบบจำลองควรส่งสัญญาณเตือนภัยล่วงหน้า

2) การกำหนดช่วงที่จะให้สัญญาณเป็นช่วงเวลาล่วงหน้า (Window period) กล่าวคือ การสร้างตัวแปรตามจาก Dummy variable โดยให้แบบจำลองเตือนภัยในช่วงเวลาข้างหน้าที่กำหนด ทั้งนี้ หาก NPL ratio เพิ่มขึ้น 2 ไตรมาสติดต่อกันในช่วงเวลาที่กำหนด ตัวแปรตาม ณ ไตรมาสนี้ จะมีค่าเป็น 1 มิเช่นนั้นค่าของตัวแปรตามเป็น 0 งานวิจัยนี้เลือกช่วงเวลาล่วงหน้าที่ต้องการให้ส่งสัญญาณเป็น 3 ไตรมาส เนื่องจากกลุ่มตัวอย่างมีระยะเวลาไม่ยาวนักและถือเป็นช่วงเวลาที่สามารถดำเนินการแก้ไขเพื่อให้เกิดการปรับตัวขององค์กรและป้องกันวิกฤตได้ เมื่อได้ตัวแปรตามแล้ว จึงนำดัชนีชี้วัดหรือตัวแปรอิสระที่แบ่งออกเป็น 3 กลุ่ม คือ 1) ดัชนีชี้วัดทางเศรษฐกิจมหภาค 2) ดัชนีชี้วัดทางการเงิน และ

3) ดัชนีชี้วัดแบบเฉพาะสถาบันการเงินเฉพาะกิจ มาทำการประมาณค่าในแบบจำลอง พบว่าตัวแปรกำหนดดัชนีชี้วัดภาวะเสี่ยงของสถาบันการเงินเฉพาะกิจอย่างมีนัยสำคัญมีเพียง Debt/Capital ของแต่ละสถาบันการเงินเฉพาะกิจ สัดส่วนหนี้ระยะสั้นต่อ GDP (Short-term Debt/GDP) ดัชนีผลผลิตอุตสาหกรรม (Manufacturing Production Index: MPI) และสัดส่วนดุลเงินสดการคลังต่อ GDP (Government Cash Balance/GDP)

ค่าความน่าจะเป็นของภาวะเสี่ยงของสถาบันการเงินเฉพาะกิจจะเพิ่มขึ้นหากสัดส่วน Debt/Capital และ Short-term Debt/GDP เพิ่มขึ้น อันเป็นผลจากภาระหนี้สินที่เพิ่มขึ้นทั้งในระดับสถาบันและระดับประเทศทำให้เสถียรภาพทางการเงินของสถาบันการเงินเฉพาะกิจลดลง หากสถาบันการเงินเฉพาะกิจมีสัดส่วน Debt/Capital สูง สถาบันการเงินนั้นควรปรับปรุงการบริหารจัดการของสถาบันให้มีส่วนช่วยลดสัดส่วนดังกล่าว ในขณะเดียวกัน ความน่าจะเป็นจะลดลง หาก MPI เพิ่มขึ้น เนื่องจาก MPI สะท้อนระดับผลผลิตของประเทศและเป็นเครื่องชี้ระดับการลงทุนภายในประเทศ ดังนั้น ระดับ MPI ที่เพิ่มขึ้นแสดงถึงระบบเศรษฐกิจที่มีความแข็งแกร่งและระดับการลงทุนเพิ่มขึ้น ซึ่งหน่วยธุรกิจในระบบเศรษฐกิจจะมีเสถียรภาพเพิ่มขึ้น ในขณะที่ดุลเงินสดเป็นผลรวมของดุลงบประมาณและดุลนอกงบประมาณ หากดุลเงินสดเพิ่มขึ้นเมื่อเทียบกับขนาดเศรษฐกิจของประเทศย่อมแสดงถึงความมั่นคงของภาครัฐ รวมถึงสถาบันการเงินเฉพาะกิจซึ่งได้รับเงินสนับสนุนจากภาครัฐผ่านการดำเนินนโยบายต่าง ๆ

ด้านค่า Fixed Effect ที่แตกต่างกันไปตามสถาบันการเงินเฉพาะกิจ สะท้อนว่าสถาบันการเงินเฉพาะกิจมีลักษณะการดำเนินงานและเป้าประสงค์ที่ทำให้เกิดภาวะเสี่ยงที่สามารถอธิบายได้ด้วยตัวแปรอิสระข้างต้นในระดับที่ต่างกัน โดย SFI 4 มีภาวะความเสี่ยงที่อธิบายได้ด้วยตัวแปรอิสระ 4 ตัวข้างต้นน้อยที่สุด ในขณะที่ค่าความน่าจะเป็นที่ประมาณค่าได้จากแบบจำลองมีค่าเฉลี่ยที่ร้อยละ 0.55 โดยค่าเฉลี่ยของแต่ละสถาบันมีความแตกต่างกันไป ทั้งนี้ สัญญาณพยากรณ์ที่คำนวณจากแบบจำลอง EWS สามารถแบ่งได้ตามเกณฑ์การตัดสินใจ 2 เกณฑ์หลัก ได้แก่

1. เกณฑ์ความน่าจะเป็น 0.5 คือ หากค่าความน่าจะเป็นที่ได้มีค่าเกินกว่า 0.5 ให้แปลงค่าเป็น 1 ซึ่งหมายถึงมีโอกาสเกิดภาวะวิกฤต มิฉะนั้นให้เป็น 0 ซึ่งหมายถึงไม่มีโอกาสเกิดภาวะวิกฤต หลักเกณฑ์นี้สามารถคำนวณวัดค่าความถูกต้องในการพยากรณ์ของแบบจำลองด้วยค่าสถิติที่เรียกว่า ร้อยละของความถูกต้อง (% of correct prediction) ซึ่งพบว่า หากสัญญาณที่แท้จริงเท่ากับ 0 หรือสถาบันการเงินไม่มีโอกาสอยู่ในภาวะวิกฤตในช่วง 3 ไตรมาสข้างหน้า ค่าพยากรณ์สามารถทำนายได้ถูกต้องร้อยละ 76.6 ในขณะที่หากสัญญาณที่แท้จริงเท่ากับ 1 หรือมีโอกาสอยู่ในภาวะวิกฤตสูงในช่วง 3 ไตรมาสข้างหน้า ค่าพยากรณ์ทำนายถูกต้องถึงร้อยละ 86.2

2. เกณฑ์แบ่งระดับความเสี่ยงหรือโอกาสที่จะเกิดวิกฤตในช่วง 3 ไตรมาสข้างหน้า คือ หากค่าความน่าจะเป็นที่คำนวณได้มีค่าอยู่ระหว่าง 0.000 — 0.400 ให้ชั้นความเสี่ยงจัดอยู่ในระดับต่ำ (L) หากค่าอยู่ระหว่าง 0.401 - 0.700 ให้ชั้นความเสี่ยงจัดอยู่ในระดับกลาง (M) และหากค่าอยู่ระหว่าง 0.701 - 1.000 ให้ชั้นความเสี่ยงจัดอยู่ในระดับสูง (H) การใช้หลักเกณฑ์ที่ 2 มีวัตถุประสงค์ต่างจากหลักเกณฑ์แรก โดยเมื่อค่าความน่าจะเป็นอยู่ในช่วงของ M จะถือเป็นการส่งสัญญาณให้สถาบันการเงินเฉพาะกิจและผู้กำกับดูแลสามารถวางแผนเพื่อดำเนินการแก้ไขก่อนที่ค่าความน่าจะเป็นจะเข้าสู่ช่วง H

แสดงให้เห็นว่า SFI 1 มีโอกาสสูงที่จะเกิดวิกฤตภายในช่วง 3 ไตรมาสแรกของปี 2551 หรืออีกนัยหนึ่งผู้บริหารสถาบันการเงินเฉพาะกิจนั้นควรพิจารณาแนวทางแก้ไขเพื่อรับมือกับภาวะเสี่ยงที่สูง (แบบจำลองได้ส่งสัญญาณเตือนถึงภาวะเสี่ยงสูงตั้งแต่กลางปี 2549) ในขณะที่ SFI 2 เริ่มมีสัญญาณเตือนถึงภาวะความเสี่ยงสูงสลับกับภาวะเสี่ยงปานกลางสลับกัน และมีโอกาสเกิดวิกฤตในการดำเนินงานภายใน 3 ไตรมาสแรกของปี 2551 แต่มีความน่าจะเป็นที่น้อยกว่า SFI 1 ส่วน SFI 5 มีสัญญาณเตือนถึงภาวะเสี่ยงระดับปานกลางที่จะเกิดวิกฤตในการดำเนินงานภายใน 3 ไตรมาสแรกของปี 2551 ในขณะที่ SFI 3 และ SFI 4 มีโอกาสต่ำที่จะเกิดวิกฤตภายในช่วง 3 ไตรมาสแรกของปี 2551

บทวิจัยนี้ประเมินภาวะความเสี่ยงของสถาบันการเงินเฉพาะกิจ โดยพัฒนาระบบส่งสัญญาณเตือนภัยล่วงหน้าภัย แบบ Logit Panel Model with Fixed Effect สำหรับข้อมูลรายไตรมาสของสถาบันการเงินเฉพาะกิจ 5 แห่ง ซึ่งพบว่า สัดส่วน Debt/Capital ของสถาบันการเงินเฉพาะกิจแต่ละแห่ง และ Short-term Debt/GDP ของไทยที่เพิ่มขึ้น ทำให้สถาบันการเงินเฉพาะกิจมีเสถียรภาพทางทางการเงินลดลง เนื่องจากผลจากภาระหนี้สินที่เพิ่มขึ้นทั้งในระดับสถาบันและระดับประเทศทำให้ความมีเสถียรภาพทางด้านเศรษฐกิจการเงินของสถาบันการเงินเฉพาะกิจและประเทศมีน้อยลง ในขณะเดียวกัน หาก MPI ซึ่งสะท้อนระดับผลผลิตของประเทศและแสดงถึงความแข็งแกร่งของระบบเศรษฐกิจ เพิ่มขึ้น สถาบันการเงินเฉพาะกิจซึ่งถือเป็นหน่วยธุรกิจรวมในระบบเศรษฐกิจจะมีเสถียรภาพทางการเงินเพิ่มขึ้นตามมา นอกจากนี้ ดุลเงินสดยังมีผลต่อความเสถียรภาพของสถาบันการเงินเฉพาะกิจ โดยหากดุลเงินสดเพิ่มขึ้นเมื่อเทียบกับขนาดเศรษฐกิจของประเทศย่อมแสดงถึงความมั่นคงของภาครัฐ รวมถึงสถาบันการเงินเฉพาะกิจซึ่งได้รับเงินสนับสนุนจากภาครัฐผ่านการดำเนินนโยบายต่าง ๆ

แบบจำลองนี้สามารถนำไปใช้ประกอบการวางนโยบายการดำเนินงานและนโยบายการกำกับดูแลความมั่นคงทางการเงินของระบบสถาบันการเงินเฉพาะกิจที่เหมาะสมในอนาคต โดยสามารถนำไปใช้เป็นระบบเตือนภัยให้กับระบบสถาบันการเงินเฉพาะกิจต่อไปได้ ซึ่งจะเป็นประโยชน์ทั้งกับสถาบันการเงินเฉพาะกิจที่จะสามารถปรับปรุงการทำงานเพื่อแก้ไขหรือรองรับผลกระทบในอนาคต และรัฐบาลโดยเฉพาะกระทรวงการคลังที่จะสามารถกำกับให้สถาบันการเงินเฉพาะกิจเป็นเครื่องมือในการดำเนินนโยบายกึ่งการคลังอย่างมีประสิทธิภาพ ในขณะที่ยังคงรักษาความมั่นคงทางการเงินได้ ผ่านการวางแผนล่วงหน้าเพื่อแก้ไขปัญหาสถาบันการเงินเฉพาะกิจได้อย่างทันท่วงที

ทั้งนี้ ในการนำแบบจำลองมาใช้ สถาบันการเงินเฉพาะกิจและผู้กำกับดูแลต้องคำนึงถึงหลักสำคัญในการใช้เครื่องมือ EWS ว่าเป็นเพียงการเตือนภัยเป็นเพียงสัญญาณที่บ่งชี้ความมีเสถียรภาพของสถาบันการเงินและโอกาสที่สถาบันนั้น ๆ จะประสบภาวะวิกฤตในอนาคต โดยโอกาสหรือความน่าจะเป็นที่คำนวณได้นั้น แม้จะมีค่าสูง หากสถานการณ์มีการเปลี่ยนแปลงและมีการปรับแก้ไขปัญหา เมื่อถึงช่วงเวลาในอนาคต ภาวะวิกฤตจริงอาจไม่เกิดขึ้น นอกจากนี้ ยังต้องคำนึงถึงข้อจำกัดด้านข้อมูลที่ใช้ในประมาณค่าในแบบจำลอง ซึ่งมีความถี่ต่ำ และไม่ได้ถูกจัดเก็บ อย่างมีระบบ ทำให้กลุ่มตัวอย่างครอบคลุมระยะเวลาค่อนข้างสั้น นอกจากนี้ ยังมีปัจจัยอื่น ๆ ซึ่งมีผลต่อภาวะความเสี่ยงของสถาบันการเงินเฉพาะกิจและไม่สามารถวัดในเชิงปริมาณได้ ที่อาจมีผลกระทบต่อระดับความน่าจะเป็นของสถาบันการเงินเฉพาะกิจได้

นายกวิตม์ ศิริสรรพ์ นางสาวนงนุช ตันติสันติวงศ์ นางสาวสุธีรา ศรีทอง

ม.ล. พงศ์ระพีพร อาภากร และนางสาวพจณีย์ ล้วนไพศาลนนท์

ที่มา : Macroeconomic Analysis Group : Fiscal Policy Office

Tel 02-273-9020 Ext 3665 : www.fpo.go.th