เปิดทฤษฎีวัฏจักรเศรษฐกิจการเมืองฉบับไทยๆ (ตอนที่ 2)

 บทความตอนนี้จะเล่าประเด็นดังกล่าว โดยเริ่มจากอธิบายมาตรวัดความเสี่ยง แล้วจึงวิเคราะห์ความสัมพันธ์ของมาตรวัดนี้กับพลวัตทางการเมือง

การประเมิน ‘Growth at Risk (GaR)’ – มิติใหม่ของการวิเคราะห์เศรษฐกิจมหภาค

GaR เป็นเครื่องมือวัดความเสี่ยงต่ออัตราการขยายตัวของเศรษฐกิจ (risk to growth) ซึ่งกำลังเป็นที่นิยมในแวดวงธนาคารกลางสากล แนวคิดดังกล่าวถูกประยุกต์มาจาก ‘Value at Risk’ ซึ่งเป็นเครื่องมือวัดความเสี่ยงทางการเงิน ค่า GaR X% แสดงขนาดความเสี่ยงที่ระดับความน่าจะเป็น X โดยค่า X อยู่ระหว่าง 1-99 ตัวอย่างเช่น GaR 10% ของไทยอยู่ที่ติด -2% หมายความว่า มีความน่าจะเป็น 10% (นั่นคือมีโอกาสเกิดขึ้น 1 ครั้งในทุก 10 ปี) ที่ GDP จะหดตัวมากกว่า 2% ในกรณีนี้ GaR เป็นมาตรวัดความเสี่ยงด้านต่ำ (downside risk) ยิ่ง GaR ติดลบมากยิ่งสะท้อนความเสี่ยงที่สูงขึ้น

ในทางกลับกันแนวคิดเรื่อง GaR สามารถใช้เป็นมาตรวัดความเสี่ยงด้านสูง (upside risk) ได้เช่นกัน เช่น GaR 90% ของไทย อยู่ที่ +7% หมายความว่ามีความน่าจะเป็นถึง 90% ที่ GDP จะไม่ขยายตัวสูงกว่า 7% ในทางปฏิบัติ การวิเคราะห์ GaR ควรทำควบคู่ไปกับการประเมินแนวโน้มการขยายตัวของเศรษฐกิจในกรณีฐาน (‘most likely’) เพื่อให้เกิดการประเมินภาพที่ครบถ้วน

ความเคลื่อนไหวของ GaR ตามวัฏจักรการเมือง

แม้จะยังไม่มีทฤษฎีทางเศรษฐศาสตร์ที่เชื่อมโยงความเสี่ยงต่อการขยายตัวของเศรษฐกิจกับวัฏจักรการเมืองโดยตรง แต่มีหลักฐานเชิงประจักษ์ว่า ความเสี่ยงทางการเมืองสามารถส่งผลลบต่อเศรษฐกิจได้ เช่น จากการวิเคราะห์ของ Bloomberg Economics การถอนตัวออกจากสหภาพยุโรปของสหราชอาณาจักรแบบไร้ข้อตกลง (‘No-deal Brexit’) อาจทำให้ GDP ของอังกฤษต่ำลง 7% ภายในค.ศ.2030 เมื่อเทียบกับกรณีไม่ออกจาก EU

การเปลี่ยนแปลงรัฐบาลหรือนายกรัฐมนตรีบ่อยๆ ก็สามารถสร้างความเสี่ยงต่อเศรษฐกิจได้เช่นกัน เพราะนอกจากจะทำให้การดำเนินนโยบายภาครัฐขาดความต่อเนื่องแล้ว ในช่วงการเปลี่ยนผ่านอาจมีการเบิกจ่ายงบประมาณที่ล่าช้า และไม่สามารถออกนโยบายกระตุ้นเศรษฐกิจเพิ่มเติมแบบทันท่วงทีได้ นอกจากนี้ ธุรกิจมักชะลอการลงทุนเพื่อรอดูความชัดเจนของนโยบาย

การวิเคราะห์สมการถดถอยแบบควอนไทล์ (quantile regression) ทำให้สามารถศึกษาความเชื่อมโยงระหว่าง GaR กับวัฏจักรการเมืองได้ แตกต่างจากสมการถดถอยทั่วไปที่สามารถอธิบายได้เฉพาะความเคลื่อนไหวของค่าเฉลี่ยของอัตราการขยายตัวของเศรษฐกิจเท่านั้น

เมื่อเรานำวัฏจักรการเมืองไทยซึ่งคำนวณในตอนที่ 1 (“ระยะเวลาที่บุคคลดำรงตำแหน่งนายกรัฐมนตรี”) มาอธิบาย GaR พบว่าวัฏจักรการเมืองที่เป็นบวกยาวนานขึ้น 1 ไตรมาส จะทำให้ downside risk ปรับดีขึ้นประมาณ 0.5%ต่อปี ในทางกลับกัน ก็จะลด upside risk ลงด้วยประมาณ 0.2% ในภาพรวม ผลดีจากการลด downside risk ของวัฏจักรการเมืองขาขึ้นมีมากกว่าผลเสียจากการถูกทอน upside risk 

นอกจากนี้ การเมืองที่มีเสถียรภาพจะช่วยทำให้พลวัตของเศรษฐกิจมีเสถียรภาพมากขึ้นด้วย ดังจะเห็นในช่วง พ.ศ.2549 และช่วงปัจจุบัน ที่วัฏจักรการเมืองเป็น “คลื่นใหญ่” (บริเวณแรเงา) GaR ทั้ง 2 ค่าจะแคบเข้าหากัน ซึ่งหากไม่มีปัจจัยลบมากระทบรุนแรง เศรษฐกิจไทยจะมีแนวโน้มขยายตัวได้ที่ประมาณ 5% สอดคล้องกับความเห็นทั่วไปของนักเศรษฐศาสตร์ที่ว่า เสถียรภาพทางการเมืองเป็นเงื่อนไขสำคัญต่อเสถียรภาพเศรษฐกิจ

การส่งผ่านผลกระทบของ “ความไม่แน่นอน”

ข้อสรุปข้างต้นเป็นไปในทิศทางเดียวกับงานของ พงศ์ศักดิ์และยุทธนา (2561) ซึ่งได้คำนวณ “ดัชนีความไม่แน่นอนทางการเมือง” ของไทยด้วยวิธี text mining โดยค้นคำสำคัญจากข่าวหนังสือพิมพ์ เช่น “ชุมนุม” “ยุบสภา” “รัฐประหาร” หรือ “กฎอัยการศึก” อาจารย์ทั้ง 2 ท่านพบว่า ความไม่แน่นอนทางการเมืองนอกจากจะส่งผลลบต่ออัตราการขยายตัวทางเศรษฐกิจแล้ว ยังก่อให้เกิดความผันผวนทางเศรษฐกิจเพิ่มขึ้น เป็นไปในทิศทางเดียวกับการวิเคราะห์ quantile regression ในบทความนี้ ซึ่งแสดงกรอบการเคลื่อนไหวของ GaR ที่ค่อนข้างกว้างในช่วงที่การเมืองเป็น “คลื่นเล็ก” คือมีการเปลี่ยนแปลงบ่อยครั้ง

การทำความเข้าใจความเชื่อมโยงระหว่างเศรษฐกิจและการเมือง นอกจากจะทำให้สามารถคาดการณ์พลวัตเศรษฐกิจได้ดีขึ้นแล้ว ยังมีนัยโดยตรงต่อการออกแบบนโยบายเศรษฐกิจมหภาคแบบองค์รวมด้วย กล่าวคือ ในช่วงที่แรงส่งจากภาคการคลังอาจแผ่วลงหรือเกิดความไม่ต่อเนื่องในช่วงเปลี่ยนผ่านรัฐบาล ซึ่งทำให้อัตราการขยายตัวของเศรษฐกิจมีแนวโน้มแย่ลง (บทความตอนที่ 1) และมี downside risk เพิ่มขึ้น (บทความตอนที่ 2) เครื่องมือในการดำเนินนโยบายอื่น ๆ ก็จะมีบทบาทมากขึ้นเพื่อประคับประคองภาวะเศรษฐกิจให้มีเสถียรภาพในช่วงที่มีความไม่แน่นอนสูง 

[บทความนี้เป็นข้อคิดเห็นส่วนบุคคล ซึ่งไม่จำเป็นต้องสอดคล้องกับข้อคิดเห็นของธนาคารแห่งประเทศไทย]

โดย... 

วราพงศ์ วงศ์วัชรา

กฤษฏิ์ ศรีปราชญ์