สรุปต้นทุนธนาคาร แบบเข้าใจง่ายๆ / โดย ลงทุนแมน

ทุกวันนี้ ประเด็นเรื่อง “เงินกู้แพง-เงินฝากถูก” ยังคงถูกยกมาตั้งคำถามธนาคารพาณิชย์ของไทยอยู่เสมอ

ในปี 2017 อัตราส่วนต่างดอกเบี้ยเงินกู้-เงินฝากเฉลี่ยของไทยสูงเกือบ 7%
ในขณะที่ประเทศที่พัฒนาแล้วอย่าง ญี่ปุ่น และสิงคโปร์ กลับมีส่วนต่างเพียง 1 %

ทำไมถึงต่างกันมากขนาดนี้
และในอนาคต Digital Banking กับเรื่อง Big Data กำลังจะเข้ามาแก้ไขปัญหานี้อย่างไร
ลงทุนแมนจะเล่าให้ฟัง

อัตราส่วนต่างดอกเบี้ยเงินกู้-เงินฝาก (Nominal Spread) ที่เราคุ้นเคยกัน คำนวณมาจาก อัตราดอกเบี้ยเงินกู้ ลบด้วย อัตราดอกเบี้ยเงินฝาก

ปัจจุบัน อัตราดอกเบี้ยเงินฝากในไทยจะอยู่ระหว่าง 0.5-2%
แต่อัตราดอกเบี้ยเงินกู้กลับเริ่มต้นที่ 6.3% สำหรับลูกค้ารายใหญ่ชั้นดี และอาจสูงถึง 28% หากลูกค้าไม่มีหลักทรัพย์ค้ำประกันและผิดนัดชำระหนี้..

แล้วทำไมธนาคารจึงตั้งอัตราดอกเบี้ยเงินกู้แบบนี้?

เพื่อให้เข้าใจง่าย
ธนาคารเปรียบเสมือน ร้านขายของ
สินเชื่อคือ สินค้า และอัตราดอกเบี้ยก็คือ ราคาสินค้า

การกำหนดราคาสินค้ามักขึ้นอยู่กับต้นทุน แปลว่า ถ้าต้นทุนแพง ราคาสินค้าก็แพงตาม

ต้นทุนของธนาคารในการปล่อยกู้มาจาก 3 ส่วนหลัก
--------

ส่วนที่ 1 คือ ต้นทุนทางการเงิน

ต้นทุนทางการเงินคิดจาก ค่าใช้จ่ายดอกเบี้ยของเงินที่ธนาคารรับมาปล่อยกู้ ซึ่งก็คือการฝากเงินของประชาชน การออกตราสารหนี้ การกู้ยืมเงินจากตลาดเงินและสถาบันการเงินอื่น รวมถึงเงินที่ต้องส่งเข้ากองทุนเพื่อการฟื้นฟูและพัฒนาระบบสถาบันการเงิน (FIDF) ในอัตราร้อยละ 0.46 และสถาบันคุ้มครองเงินฝากอีกร้อยละ 0.01 ต่อปีของยอดเงินฝาก

ทั้งหมดนี้ดูเหมือนจะพอเข้าใจ ยกเว้น FIDF คืออะไร?

หลายคนยังไม่รู้ว่า ทุกวันนี้ เงินฝากเรามีภาระหนี้ที่ยังต้องชดใช้จากวิกฤตเศรษฐกิจต้มยำกุ้งปี 2540 มากถึงร้อยละ 0.46 ต่อปีของเงินฝากของเรา

ในเวลานั้น หากไม่ได้ FIDF เข้ามาช่วย ค้ำประกัน และบริหารทรัพย์สินของสถาบันการเงินกว่าร้อยแห่งที่กำลังจะล้มละลาย ระบบการเงินของประเทศไทยในวันนี้ก็ไม่รู้ว่าจะมีหน้าตาเป็นอย่างไร

เหตุการณ์นี้ทำให้ FIDF เกิดภาระหนี้สินกว่า 1.4 ล้านล้านบาท

รัฐบาลจึงอนุญาตให้ FIDF เรียกเงินนำส่งจากสถาบันการเงินในอัตรา 0.46 ของยอดเงินฝากจากประชาชน

ล่าสุดในปี 2560 FIDF มียอดหนี้คงเหลืออยู่ที่ 890,000 ล้านบาท
--------

ส่วนที่ 2 ของต้นทุนธนาคารคือ ต้นทุนความเสี่ยงจากการให้สินเชื่อ

ซึ่งคิดจาก เงินสำรองที่ธนาคารกันไว้ (Provision) ในกรณีที่เกิดหนี้เสีย หารด้วยสินเชื่อทั้งหมด

โดยจำนวน Provision ส่วนหนึ่งจะขึ้นอยู่กับสถิติหนี้เสีย (NPLs) ในช่วงที่ผ่านมา

เช่น การปล่อยกู้ให้ธุรกิจขนาดกลางและเล็ก (SMEs) อาจทำให้ธนาคารมีต้นทุนการดำเนินงานที่สูงและต้นทุนความเสี่ยงจากหนี้ NPLs มากกว่า การปล่อยกู้ให้ธุรกิจขนาดใหญ่

และผู้ขอสินเชื่อในประเทศไทยก็จะมีสัดส่วนเป็น SMEs มากกว่า เมื่อเทียบกับ ธนาคารในสิงคโปร์ และเกาหลีใต้ ที่ลูกค้าส่วนมากเป็นธุรกิจขนาดใหญ่

เรื่องนี้จึงทำให้ต้นทุนความเสี่ยงจากการให้สินเชื่อโดยเฉลี่ยของประเทศไทยสูงกว่าประเทศที่พัฒนาแล้ว
--------

และส่วนที่ 3 ของต้นทุนธนาคาร ก็คือ ต้นทุนการดำเนินงาน

ต้นทุนดำเนินงานของธนาคารก็คือ
ค่าใช้จ่ายสำหรับพนักงาน สาขา
เครือข่าย ATM
รวมถึงค่าใช้จ่ายในการบริหารจัดการเงินสด

 

เมื่อวิเคราะห์โครงสร้างเศรษฐกิจไทยประกอบกับต้นทุน 3 ส่วนนี้ เราพอจะได้คำตอบว่าอัตราดอกเบี้ยเงินกู้ที่สูงก็มาจากต้นทุนที่สูง ซึ่งต้นทุนของธนาคารไม่ใช่แค่อัตราดอกเบี้ยเงินฝากเพียงอย่างเดียว แต่ยังมีค่าใช้จ่ายอื่นๆ ด้วย

ดังนั้นการคิดส่วนต่างอัตราดอกเบี้ยแบบ Nominal Spread ที่เอา อัตราดอกเบี้ยเงินกู้ ลบด้วย อัตราดอกเบี้ยเงินฝาก อาจจะเป็นการมองภาพจากเพียงมุมเดียว

แล้วเราควรวัดผลกำไรธนาคารจากอะไร?

คำตอบคือ ส่วนต่างรายได้ดอกเบี้ยสุทธิ หรือ Net Interest Margin (NIM) ซึ่งคำนวณจาก
(รายได้ดอกเบี้ยรวม - ค่าใช้จ่ายดอกเบี้ย) / สินทรัพย์ทั้งหมดที่ก่อให้เกิดดอกเบี้ยเฉลี่ย

ในปี 2017 NIM ของธนาคารไทยอยู่ที่ 2.8

แปลว่า สำหรับธุรกรรมการเงินระหว่างธนาคารและบุคคลที่ก่อให้เกิดรายได้ 100 บาท ธนาคารจะได้กำไร 2.8 บาท

ซึ่งถือว่าค่อนข้างทรงตัว และอยู่ในระดับกลางๆ เมื่อเทียบกับประเทศอื่น

อย่างไรก็ตาม เมื่อลองดูภาพรวม ในสภาวะเศรษฐกิจแบบนี้ อัตราดอกเบี้ยเงินกู้ที่สูง อาจเป็นอุปสรรคต่อการลงทุนทำธุรกิจและการพัฒนาเศรษฐกิจไทยในอนาคต

ดังนั้นระบบธนาคารในไทยจึงอาจจำเป็นต้องทำให้ต้นทุนของตัวเองลดต่ำลง

และตัวที่จะมาช่วยให้ต้นทุนลดลง อาจจะเป็นสิ่งที่เราคิดไม่ถึง

นั่นก็คือ “Big Data” หรือการเก็บข้อมูลจำนวนมหาศาลของลูกค้า จากช่องทาง Digital Banking โดยเฉพาะ e-Payment

โดยในช่วงแรก ต้นทุนการดำเนินงาน ซึ่งเป็นต้นทุนส่วนที่ 3 ที่ได้อธิบายในข้างต้น จะลดลงอย่างชัดเจน ทั้งในส่วนของการบริหารจัดการเงินสด สาขา และพนักงาน

และในเวลาต่อมา ต้นทุนส่วนที่ 2 หรือ ต้นทุนความเสี่ยงจากการให้สินเชื่อจะลดลงได้ด้วย เพราะ Big Data จะช่วยลดต้นทุนของธนาคารในระยะยาว จากการปล่อยสินเชื่อแบบ Information-Based Lending

พูดง่ายๆ ก็คือ ธนาคารจะสามารถนำข้อมูลการค้าและการชำระเงินของลูกค้าแต่ละกลุ่มมาวิเคราะห์รายได้ พฤติกรรม และประเมินความเสี่ยงการปล่อยสินเชื่อ

แปลว่า ต้นทุนความเสี่ยงจากการให้สินเชื่อก็จะลดลง เพราะธนาคารสามารถแยกลูกหนี้ที่ดีออกจากลูกหนี้ที่มีความเสี่ยงต่อการผิดนัดชำระคืนหนี้ได้แม่นยำขึ้น

เมื่อธนาคารเข้าใจพฤติกรรมลูกค้า ก็จะสามารถออกผลิตภัณฑ์ที่เพิ่มแรงจูงใจในการออมและการลงทุน ซึ่งในที่สุดก็จะทำให้ต้นทุนทางการเงิน หรือต้นทุนส่วนที่ 1 ลดลงไปด้วย

สรุปแล้ว ในอนาคตเทคโนโลยีจะช่วยลดต้นทุนของธนาคาร และน่าจะทำให้ดอกเบี้ยเงินกู้ลดลงได้ในที่สุด

ปิดท้ายด้วยข้อมูลที่น่าสนใจในประเทศที่นำเราในเรื่องนี้ไปแล้ว
นั่นก็คือประเทศจีน

การปล่อยสินเชื่อของ ANT FINANCIAL บริษัทในเครือของ Alibaba
บริษัทนี้มีหนี้เสียหรือ NPLs จากการปล่อยกู้ธุรกิจ SMEs อยู่เพียง 1% ของสินเชื่อทั้งหมดในปี 2017
ซึ่งถือว่าอยู่ในระดับที่ต่ำมาก

เรื่องทั้งหมดนี้อาจทำให้เราคิดได้ว่า
ในวันที่เทคโนโลยีมีบทบาทในทุกมุมของชีวิต ช่องทางโอกาสก็เพิ่มขึ้น

แต่ความเปลี่ยนแปลงมักมาพร้อมกับโจทย์ที่ให้เรานำไปปรับปรุงพัฒนาตัวเองอยู่เสมอ
การเรียนรู้เพื่อเข้าใจและปรับตัวจึงเป็นสิ่งจำเป็นในยุคนี้

ซึ่งในฐานะที่เราเป็นคนไทย
เราก็หวังว่าจะได้เห็นธนาคารไทยมีต้นทุนที่ต่ำลง มีดอกเบี้ยเงินกู้ที่ต่ำลง เพื่อให้ประชาชนได้เข้าถึงแหล่งเงินได้ง่ายขึ้น ในอนาคตอันใกล้นี้..
----------------------
ครั้งแรกของประเทศไทย กับแพลตฟอร์ม #SocialKnowledge ที่เชื่อมโยงความคิดดีๆ ของทุกคนเข้าด้วยกัน แอปพลิเคชันนี้ชื่อ "blockdit" โหลดได้ที่
iOS: https://itunes.apple.com/th/app/blockdit/id1287395706
Android: https://goo.gl/UqTrMp
ความคิดดีๆ เกิดขึ้นที่บล็อกดิต..
.
หนังสือลงทุนแมนไว้อ่านยามว่าง เล่ม 1.0-5.0 ซื้อได้ที่ลิงก์นี้ lazada.co.th/shop/longtunman
.
อินสตาแกรม ไว้ดูภาพสวยๆ instagram.com/longtunman
.
ทวิตเตอร์กระชับฉับไว twitter.com/longtunman
.
ไลน์ส่งข้อความตรงวันละครั้ง line.me/R/ti/p/%40longtunman
----------------------
References
-https://www.bot.or.th/Thai/PressandSpeeches/Press/News2561/n1161e.pdf
-https://www.bot.or.th/Thai/MonetaryPolicy/ArticleAndResearch/FAQ/FAQ_118.pdf
-https://www.bot.or.th/Thai/BOTStoryTelling/Pages/FIDF_StoryTelling_Press.aspx
-https://www.bot.or.th/Thai/ResearchAndPublications/DocLib_/Article_8May2018.pdf
-https://www.bot.or.th/Thai/FIPCS/Documents/FPG/2559/EngPDF/25590128.pdf
-http://www2.bot.or.th/statistics/BOTWEBSTAT.aspx?reportID=759&language=TH
-http://www.nationmultimedia.com/detail/Economy/30341365
-http://whereisthailand.info/2012/04/interest-rate-spread/
-http://www.chinabankingnews.com/2018/06/22/ant-financial-targets-chinese-smes-using-artificial-intelligence/
[9623].