การพยากรณ์เงินเฟ้อ และความท้าทายของการพยากรณ์

ตั้งแต่ต้นปีมานี้ อัตราเงินเฟ้อผู้บริโภคและผู้ผลิตไทยเร่งตัวขึ้นเรื่อยๆ โดยตัวเลขเงินเฟ้อของไทยปรับตัวสูงขึ้นมาโดยตลอด จากเดือน ม.ค. 65 เงินเฟ้ออยู่ที่ 3.23% ขึ้นมาถึงระดับเงินเฟ้อ 7.66% ในเดือน มิ.ย.65 ซึ่งเป็นตัวเลขสูงสุดในรอบ 13 ปี สาเหตุสำคัญที่ทำให้เงินเฟ้อผู้บริโภคสูงขึ้นยังคงมาจากหมวดราคาพลังงาน ทั้งนํ้ามันเชื้อเพลิง ค่าไฟฟ้า และก๊าซหุงต้ม ซึ่งมีสัดส่วนผลกระทบต่อเงินเฟ้อถึงร้อยละ 61.83%

โดยเฉพาะราคานํ้ามันเชื้อเพลิง เพิ่มขึ้นถึง 35.89% ปรับตัวสูงขึ้นตามราคาในตลาดโลก  นอกจากนี้ การปรับราคาของหมวดอาหารก็ส่งผลสำคัญต่อเงินเฟ้อผู้บริโภคเช่นกัน ด้านเงินเฟ้อผู้ผลิตสูงขึ้นมากเกือบทุกหมวด ตามต้นทุนราคาวัตถุดิบโลกที่แพงขึ้น 

เมื่อพูดถึงการพยากรณ์ทางเศรษฐกิจ ความสามารถในการพยากรณ์ได้อย่างถูกต้อง จะมีส่วนช่วยสำคัญในการวางนโยบายทางเศรษฐกิจได้อย่างเหมาะสมและทันท่วงที ทั้งนี้เพราะการเปลี่ยนแปลงนโยบายแต่ละครั้งจะต้องใช้เวลาในการดำเนินการ และถึงแม้ว่านโยบายใหม่จะประกาศออกมาใช้แล้วจริง แต่กว่านโยบายจะมีผลกระทบต่อกิจกรรมทางเศรษฐกิจอย่างเต็มที่อาจจะต้องใช้เวลาถึง 2 ปี

ดังนั้น นักเศรษฐศาสตร์จึงพยายามที่จะคาดคะเนการเปลี่ยนแปลงล่วงหน้าของตัวแปรมหภาคหลักต่างๆ เพื่อช่วยในการออกแบบนโยบายการเงินและ การคลัง โดยเฉพาะอย่างยิ่ง ธนาคารกลางซึ่งต้องการที่จะรักษาระดับเงินเฟ้อเป้าหมาย ความสามารถในการพยากรณ์เงินเฟ้อจึงสำคัญอย่างยิ่งในการวางแผนปรับนโยบายการเงิน
 

การเคลื่อนไหวของเงินเฟ้อขึ้นอยู่กับปัจจัยมากมาย และปัจจัยเหล่านี้อาจจะมีส่วนช่วยในการพยากรณ์เงินเฟ้อ ปัจจัยตัวแรก ได้แก่ อัตราการว่างงาน นักเศรษฐศาสตร์บางคนเชื่อในความสัมพันธ์แบบได้อย่างเสียอย่าง (trade-off) ระหว่างการว่างงานและเงินเฟ้อ นั่นคือ การลดลงในอัตราการว่างงานจะเป็นตัวส่งสัญญาณว่าแรงกดดันเงินเฟ้อจะเพิ่มขึ้น

ทั้งนี้ โดยทั่วไปเมื่อการว่างงานลดลง คนงานจะมีอำนาจมากขึ้นในการเจรจาต่อรองกับนายจ้างเรื่องการปรับค่าจ้างเพิ่ม อันนำไปสู่เงินเฟ้อที่เกิดจากต้นทุน ผลัก

ปัจจัยที่สอง คือ ราคาบ้าน การเพิ่มขึ้นของราคาบ้านสามารถส่งผลต่อภาวะเงินเฟ้อ กล่าวคือ เมื่อราคาบ้านเพิ่มสูงขึ้น ส่งผลให้ผู้ที่ถือครองบ้านเหล่านี้ “รู้สึก” มีความมั่งคั่งมากขึ้น และนำไปสู่การจับจ่ายใช้สอยมากขึ้น เป็นผลให้เงินเฟ้อปรับเพิ่มขึ้นในที่สุด

ปัจจัยที่สาม คือ ปริมาณเงิน (Money Supply) นักเศรษฐศาสตร์บางกลุ่มเชื่อว่า การเพิ่มขึ้นของปริมาณเงินในระบบเศรษฐกิจจะทำให้เกิดเงินเฟ้อตามมา 

นอกจากปัจจัยที่กล่าวมาข้างต้นนี้ ยังมีปัจจัยอื่นๆ อีกมากมายที่อาจจะสามารถช่วยในการพยากรณ์เงินเฟ้อ เช่น ระดับกำลังการผลิตสำรอง (Spare Capacity), อัตราการเติบโตทางเศรษฐกิจ, อัตราการเปลี่ยนแปลงของค่าจ้าง, อัตราแลกเปลี่ยน, ดุลการชาระเงิน (Balance of Payments), ความเชื่อมั่นของผู้บริโภคและนักลงทุน, ความเชื่อมั่นของภาคธุรกิจ, ราคาวัตถุดิบ เป็นต้น

การที่เงินเฟ้อสามารถได้รับอิทธิพลจากปัจจัยต่างๆ มากมาย การสร้างแบบจำลองมหภาคเพื่อการพยากรณ์ที่จะรวมปัจจัยทั้งหมดเข้าไว้จึงไม่ใช่เรื่องง่าย ประกอบกับปัจจัยเหล่านี้มีความไม่แน่นอนสูง การเกิด shock ทางเศรษฐกิจก็เป็นสิ่งที่ไม่สามารถคาดการณ์ได้ อีกทั้งความล่าช้าเนื่องมาจากการเก็บรวบรวม ข้อมูล (data collection) และการมีข้อมูลที่ไม่สมบูรณ์ (incomplete data) ทำให้ยากที่จะรู้ถึงสภาวะ เศรษฐกิจที่แท้จริงในปัจจุบัน เหตุผลต่างๆ เหล่านี้ทำให้การพยากรณ์เงิน เฟ้อเป็นสิ่งที่ท้าทายอย่างมาก

บางครั้งมีการกล่าวว่าวิธีดีที่ สุดที่จะพยากรณ์เงินเฟ้อ คือ ให้ดูว่าเงินเฟ้อที่ผ่านมาเป็นอย่างไร ตัวอย่างเช่น ถ้าจะพยากรณ์เงินเฟ้อปีหน้า ให้ดูที่เงินเฟ้อปีนี้ แน่นอนว่าเงินเฟ้อโดยทั่วไปจะไม่คงที่ในแต่ละปี แต่มันเป็นการสะท้อนถึงความยากของการพยากรณ์เงินเฟ้อ และบ่อยครั้งกลับพบว่า การใช้เงินเฟ้อที่ผ่านมาเป็นตัวพยากรณ์ได้ค่าที่ใกล้เคียงค่าจริง มากกว่าค่าพยากรณ์ที่ได้จากแบบจำลองที่ซับซ้อน

อย่างไรก็ตาม การพยากรณ์ในลักษณะนี้จริงๆ มีเหตุผลเบื้องหลังผ่านทางบทบาทของการคาดการณ์เงินเฟ้อของภาคครัวเรือนและธุรกิจ กล่าวคือ ถ้าเงินเฟ้อปัจจุบันตํ่าคนจะคาดการณ์เงินเฟ้อตํ่าในปีหน้า คนงานจะไม่เรียกร้องค่าจ้างปรับตัวสูงมากเกินไป ผู้ผลิตจะไม่เพิ่มราคาสินค้า ดังนั้น อัตราเงินเฟ้อปีถัดไปก็จะตํ่าไปด้วย 

การท้าทายในการพยากรณ์ยิ่งเพิ่มขึ้นในช่วงที่มีการระบาดใหญ่ของไวรัสโควิด (pandemic) เนื่องจากการเปลี่ยนแปลงของนโยบายการเงินและการคลังเกิดขึ้นบ่อยครั้งและรวดเร็วกว่าที่เคยเป็นมาในอดีต รัฐบาลและธนาคารกลางในหลายประเทศมีการใช้อำนาจฉุกเฉินเพื่อปรับนโยบายมาตอบสนองต่อภาวะความไม่แน่นอนที่เกิดขึ้นตลอดเวลา การพิจารณาปรับความไม่แน่นอนเหล่านี้เข้าไปในแบบจำลองเพื่อการพยากรณ์จึงท้าทายเป็นอย่างยิ่ง

การเกิด pandemic ยังลดความน่าเชื่อถือของข้อมูลทางเศรษฐกิจโดยเฉพาะอย่างยิ่ง ข้อมูลที่ได้จากการสำรวจจากภาคธุรกิจและครัวเรือนมีอัตราการตอบที่ลดลงมาก ส่งผลให้ความคลาดเคลื่อนที่เกิดจากการสุ่มตัวอย่างเพิ่มสูงขึ้น

นอกจากนี้ ความท้าทายยิ่งทวีคูณเมื่อนักเศรษฐศาสตร์กำลังพยายามพยากรณ์ภาวะที่ไม่คุ้นเคยมาก่อนจาก coronavirus outbreak ซึ่งการใช้ข้อมูลในอดีตและแบบจำลองแบบเดิมจะไม่เหมาะสมอีกต่อไป  

อย่างไรก็ตาม ความท้าทายเหล่านี้จะเริ่มลดลง เมื่อเวลาผ่านไป อย่างที่นักเศรษฐศาสตร์จะเริ่มมีความรู้มากขึ้นเกี่ยวกับไวรัส และการแพร่ระบาดของมัน มีความเข้าใจระดับประสิทธิภาพของการใช้นโยบายและเครื่องมือใหม่ๆ ในการกระตุ้นเศรษฐกิจอีกทั้งเข้าใจมากขึ้นเกี่ยวกับการปรับเปลี่ยนพฤติกรรมของครัวเรือนและภาคธุรกิจ ความรู้ใหม่ๆ ที่ได้เหล่านี้จะสามารถช่วยในออกแบบเครื่องมือในการพยากรณ์และทำให้การพยากรณ์มีความถูกต้องมากยิ่งขึ้นในอนาคตต่อไป