มีตัวเลขเศรษฐกิจอยู่ตัวหนึ่งที่หลายคนมักมองมันอย่างผิวเผินว่าเป็น “ตัวเลขหายนะ” ตัวเลขนั้นก็คือสัดส่วนหนี้สาธารณะต่อผลผลิตมวลรวมประชาชาติ (ขอเรียกสั้นๆ ว่า หนี้รัฐบาลต่อ GDP) ในขณะที่บ้านเรากังวลกันว่าตัวเลขนี้อาจขึ้นไปแตะ 50 เปอร์เซ็นต์ หรือจะชนกรอบที่ตั้งไว้ที่ 60 เปอร์เซ็นต์ในไม่ช้า เคยสงสัยไหมครับว่าทำไมเราถึงต้องกังวลกับมันทั้งๆ ที่เศรษฐกิจที่พัฒนาแล้วแทบจะทุกเศรษฐกิจมีหนี้รัฐบาลอยู่ในระดับที่เรียกได้ว่า “ชาตินี้ก็ชำระไม่หมด” บทความนี้จะนำเสนอประเด็นที่เราควรและไม่ควรกังวล บวกกับผลวิจัยล่าสุดเกี่ยวกับตัวเลขนี้ครับ
แม้ว่ามนุษย์เราได้เริ่มศึกษาและทำการวัดข้อมูลเศรษฐกิจอย่างเป็นทางการมาตั้งแต่เมื่อ 73 ปีแล้ว การที่น้อยคนนักที่สามารถทำนายวิกฤตแฮมเบอร์เกอร์ครั้งเมื่อปี 2008 ทั้ง ๆ ที่มองย้อนกลับไปจากวันนี้แล้วมันมีสาเหตุชัดเจน สะท้อนว่าเรายังรู้อะไรน้อยมากเกี่ยวกับสิ่งที่เกิดขึ้นในระบบเศรษฐกิจ ตัวเลขเศรษฐกิจสำคัญมักถูกประกาศหลังจากที่สิ่งที่มันตั้งใจจะวัด ได้เกิดขึ้นไปแล้วหลายอาทิตย์หรือเป็นเดือนๆ (ดีไม่ดีเป็นปี…และอาจมี revision เพราะประกาศแรกผิด) ซ้ำร้ายยังอาจเป็นตัวเลขเท็จที่ถูกการเมืองแทรกแซงอย่างที่ตลาดโลกตราหน้าตัวเลขเศรษฐกิจทางการของประเทศจีน แต่ด้วยความก้าวหน้าและความแพร่หลายของเทคโนโลยีสารสนเทศ ผมคิดว่าทั้งหมดนี้กำลังจะเปลี่ยนไปในไม่ช้า ในโลกอนาคต ข้อมูลจำนวนมหาศาลจะถือกำเนิดขึ้นทุกครั้งที่ “ผู้เล่น” ในระบบเศรษฐกิจกำลังกระทำอะไรบางอย่าง ไม่ว่าจะเป็นการทำการค้นหาใน Google โทรศัพท์หาเพื่อน จ่ายเงินค่าทางด่วน หรืออัพโหลดรูปที่ตนไปเที่ยวมาขึ้น Flickr ข้อมูลเหล่านี้เราสามารถมองว่ามันเป็นเหมือน “ลายทางเศรษฐกิจ” ขนาดเล็กจำนวนนับไม่ถ้วนที่สามารถถูกนำไปวิเคราะห์ต่อเพื่อนำไปผูกเป็น “ตัวเลขเศรษฐกิจทางเลือก” ที่จะมีความถี่สูงกว่าแต่มีต้นทุนต่ำกว่าได้ อีกทั้งในบางกรณียังสามารถเอาไปทำนายตัวเลขเศรษฐกิจทางการก่อนการประกาศจริงได้อีกด้วย ด้วยเหตุนี้ ในบทความนี้ผมจะเสนอตัวอย่างการประยุกต์ใช้ข้อมูลชนิดใหม่ๆ เพื่อการวัดและคาดการณ์ข้อมูลเศรษฐกิจทางการที่สำคัญ เช่น อัตราการขยายตัวของเศรษฐกิจ อัตราว่างงาน ไปจนถึงแพทเธิร์นในการท่องเที่ยว เพื่อให้ผู้อ่านเห็นถึงความเป็นไปได้ที่ข้อมูลเศรษฐกิจสายพันธุ์ใหม่เหล่านี้จะเข้ามามีบทบาทมากขึ้นในอนาคตอันใกล้ครับ วัดการขยายตัวของเศรษฐกิจใหม่ คงไม่มีใครเถียงว่าตัวเลขเศรษฐกิจที่สำคัญที่สุดก็คือ GDP แต่จุดที่จะชี้ว่าใครเป็นผู้แพ้ผู้ชนะในตลาดการเงินโลกคือความแม่นยำในการทำนายตัวเลขนี้ก่อนที่ตัวเลขทางการจะถูกเปิดเผยออกมา ตัวอย่างที่ 1: ใช้ข้อมูลการสื่อสารด้านการเงินระหว่างธนาคารเพื่อคาดการณ์ GDP SWIFT ซึ่งปกติทำระบบสื่อสารด้านการเงินระหว่างธนาคารทั่วโลกนั้นมีวิธีนำข้อมูลปริมาณการสื่อสารด้านการเงินเหล่านี้มารวมกับข้อมูลอัตราขยายตัวของเศรษฐกิจที่ผ่านมาเพื่อทำเป็น SWIFT Index ซึ่งค่อนข้างแม่นยำในการช่วยคาดการณ์ GDP […]
Previous page Next page
Recent Comments