พงศ์ศักดิ์ เหลืองอร่าม เรื่อง

 

โลกปัจจุบันกำลังเต็มไปด้วยข้อมูลที่หลั่งไหลด้วยปริมาณมหาศาล (volume) มีความรวดเร็วสูง (velocity) ในรูปแบบที่มีทั้งความหลากหลาย (variety) และท้าทายความน่าเชื่อถือ (veracity) ตัวอย่างที่ครอบคลุมคุณลักษณะหลักทั้ง 4 ประการของ Big Data นี้ คงจะหนีไม่พ้นข้อมูลข่าวสารของสื่อต่างๆ (news media) ที่ทุกวันนี้สามารถเข้าถึงผู้คนจากหลายช่องทาง

อยากให้ลองนึกถึง ‘ถังข้อมูล’ ที่เก็บบันทึกเหตุการณ์ของทั้งโลกไว้ในที่เดียวอย่างเป็นระบบ โดยรวบรวมข่าวที่เกิดขึ้นจากทุกมุมโลกในทุกภาษา จากสื่อสิ่งพิมพ์และสื่อออนไลน์จำนวนมาก แล้วเปิดกว้างให้ผู้คนสามารถนำข้อมูลเหล่านี้มาวิเคราะห์ (open access) เพื่อทำความเข้าใจถึงความเชื่อมโยงและความเป็นไปของปรากฏการณ์ที่กำลังเกิดขึ้นในสังคมโลกในมิติต่างๆ

นี่คือแนวคิดของโครงการที่เรียกว่า The GDELT Project

ในบทความนี้ ผู้เขียนจะนำฐานข้อมูลเหตุการณ์บางส่วนมาย้อนดู ‘ทศวรรษแห่งความขัดแย้งทางการเมือง’ ของประเทศไทย รวมถึงทดลองวิเคราะห์ถึงผลกระทบทางเศรษฐกิจมหภาคจากการ ‘แบ่งขั้วแยกข้าง’ ของกลุ่มการเมืองในสังคมไทย

 

GDELT Project คืออะไร

 

GDELT เป็นคำย่อมาจาก Global Database of Events, Language and Tone ซึ่งเป็นฐานข้อมูลข่าวขนาดใหญ่ที่สุดแห่งหนึ่งของโลก

ผู้ให้กำเนิด GDELT คือ Kalev H. Leeraru หนึ่งใน Top 100 Global Thinkers ปี 2013 ของวารสาร Foreign Policy โครงการนี้ได้รับการสนับสนุนจาก Google Jigsaw และสามารถวิเคราะห์ข้อมูลนี้จาก Google BigQuery platform

 

GDELT and Google BigQuery: Understanding the World

 

ฐานข้อมูลเหตุการณ์ของ GDELT ประกอบด้วยสองส่วนสำคัญ คือ GDELT Event Database 1.0 ซึ่งรวบรวมจากข้อมูลข่าวรายวันประมาณ 250 ล้านเหตุการณ์ทั่วโลก ตั้งแต่ปี ค.ศ. 1979 เป็นต้นมา และ GDELT Event Database 2.0 ซึ่งเป็นข้อมูลระดับ Real time ที่อัพเดททุก 15 นาที จากรายงานข่าว 65 ภาษาทั่วโลก (รวมทั้งภาษาไทย)

ข้อมูลที่อยู่ในถังทั้งสองนี้ไม่ได้อยู่ในรูปแบบเนื้อข่าวดิบๆ แต่เป็นข้อมูลที่ผ่านการประมวลผลด้วยโปรแกรมคอมพิวเตอร์ที่หลากหลาย ทั้งในด้านการแปลงข้อความภาษาท้องถิ่นให้เป็นภาษาอังกฤษ และการใช้โปรแกรมแยกแยะประเภทของเหตุการณ์ ซึ่งมีจุดเด่นสำคัญอยู่ที่เหตุการณ์ทางการเมือง

 

ความขัดแย้งทางการเมืองในสหรัฐอเมริกา

 

ก่อนใช้ฐานข้อมูล GDELT มาวิเคราะห์กรณีประเทศไทย ผู้เขียนจะลองทดสอบวัดระดับความขัดแย้งทางการเมืองในสหรัฐอเมริกาดูเสียก่อน เนื่องจากในอดีตเคยมีการจัดทำและเผยแพร่ดัชนีความขัดแย้งทางการเมือง (Partisan Conflict Index) ด้วยข้อมูลข่าวโดยใช้วิธีการวิเคราะห์ข้อความ (Textual analytics) เช่นเดียวกัน จึงน่าสนใจว่าการวิเคราะห์ด้วยฐานข้อมูล GDELT จะให้ผลลัพธ์ใกล้เคียงหรือแตกต่างจากงานศึกษาที่ผ่านมาอย่างไร

 

ภาพที่ 1 : ระดับความขัดแย้งทางการเมืองในสหรัฐอเมริกา (ค.ศ. 1979-2016)

ภาพที่ 1 แสดงระดับการประท้วงทางการเมืองตั้งแต่ปี ค.ศ. 1979 เป็นต้นมา ทั้งที่มาจาก GDELT ซึ่งผู้เขียนคำนวณเอง (เส้นสีน้ำเงิน) และดัชนีความขัดแย้งทางการเมืองที่คำนวณอยู่ในงานวิชาการของ Marina Azzimonti (2014) ซึ่งเผยแพร่ข้อมูลผ่านเว็บไซต์ Federal Reserve Bank of Philadelphia (เส้นสีเหลือง)

จะเห็นได้ว่า ผลการคำนวณมีความแตกต่างกันในช่วงแรก แต่ในช่วงหลังจากปี ค.ศ. 2008 เป็นต้นมา ดัชนีทั้งสองแบบเคลื่อนไหวไปในทิศทางเดียวกัน โดยแสดงให้เห็นว่าความขัดแย้งทางการเมืองในสหรัฐอเมริกามีแนวโน้มเพิ่มสูงขึ้นมาก ซึ่งอาจจะอธิบายความไม่แน่นอนทางนโยบายเศรษฐกิจที่เพิ่มสูงขึ้น (อ่านบทความ เศรษฐศาสตร์ว่าด้วย “ความไม่แน่นอน” ของผู้เขียนประกอบ)

 

ความขัดแย้งทางการเมืองในประเทศไทย

 

การแบ่งขั้วแยกข้างทางการเมืองเป็นปัญหาสำคัญของประเทศไทยตลอดช่วง 10 ปีที่ผ่านมา จนอาจเรียกได้ว่าเป็น ‘ทศวรรษแห่งความขัดแย้งทางการเมือง’ และส่งผลกระทบในวงกว้างต่อการดำเนินชีวิตของผู้คนในสังคมและกิจกรรมทางเศรษฐกิจของประเทศ

ที่ผ่านมา ความขัดแย้งทางการเมืองในไทยมีหลายระดับ เช่น การแสดงออกผ่านการถกเถียงในระบบรัฐสภาตามครรลองประชาธิปไตย การไม่ลงรอยกันระหว่างกลุ่มการเมืองต่างๆ นอกรัฐสภา จนนำไปสู่การชุมนุมทางการเมือง และลุกลามเป็นการก่อความไม่สงบ การใช้มาตรการปราบปรามโดยรัฐ และความรุนแรงทางการเมือง รวมถึงการรัฐประหาร

คำถามที่สำคัญคือ ความไร้เสถียรภาพทางการเมืองของไทยส่งผลอย่างไรและมากน้อยเพียงใดต่อกิจกรรมทางเศรษฐกิจ 

จะตอบคำถามนี้ได้ ต้องเริ่มต้นด้วยการหามาตรวัดระดับความไร้เสถียรภาพทางการเมืองว่ามีมากน้อยเพียงใด จากนั้นจึงสามารถประมาณการถึงผลกระทบต่อเศรษฐกิจได้ แม้ว่าที่ผ่านมาได้มีหน่วยงาน โดยเฉพาะองค์การระหว่างประเทศ จัดทำดัชนีวัดเป็นรายปี แต่ความถี่ของข้อมูลอยู่ในระดับค่อนข้างต่ำ ดังนั้นเราอาจจำเป็นต้องหามาตรวัดที่มีความละเอียดสูงขึ้น

ผู้เขียนและศิริรัตน์ สนใจ นิสิตคณะเศรษฐศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย จึงริเริ่มนำฐานข้อมูล GDELT มาวัดความความขัดแย้งทางการเมืองโดยใช้ Google BigQuery Platform ดัชนีนี้ให้ความสำคัญกับระดับการประท้วงทางการเมืองในไทยตั้งแต่ปี ค.ศ. 1979 เป็นต้นมา โดยคำนึงถึงเหตุการณ์ทางการเมืองที่สำคัญ ดังแสดงผลการคำนวณในภาพที่ 2

 

ภาพที่ 2 : ระดับความขัดแย้งทางการเมืองในไทย (ค.ศ. 1979-2017)

ผู้เขียนใช้ข้อมูล ‘จำนวนรายงานข่าวการประท้วงต่อจำนวนรายงานข่าวทั้งหมด’ เป็นตัวแทนการวัดระดับความขัดแย้งทางการเมืองของประเทศไทย จากภาพที่ 2 จะพบว่า เหตุการณ์พฤษภาประชาธรรม ค.ศ. 1992 มีความขัดแย้งรุนแรงมากที่สุด จากนั้น ตั้งแต่ปี ค.ศ. 2005 เป็นต้นมา การประท้วงในไทยปะทุขึ้นเป็นช่วงๆ อย่างค่อนข้างต่อเนื่อง และทวีความรุนแรงยิ่งขึ้น จนเกิดรัฐประหารในปี ค.ศ. 2014

 

ความขัดแย้งทางการเมืองกับผลกระทบทางเศรษฐกิจ

 

ผลกระทบทางเศรษฐกิจจากปัญหาความไร้เสถียรภาพทางการเมืองเป็นประเด็นที่ได้รับความสนใจทางวิชาการมาโดยตลอด การศึกษาในกรณีของต่างประเทศมักแสดงให้เห็นถึงผลกระทบเชิงลบของความไร้เสถียรภาพทางการเมืองต่อการเติบโตทางเศรษฐกิจในระยะยาวทั้งในเชิงทฤษฎีและเชิงประจักษ์

งานศึกษาเรื่องนี้ในระยะแรกให้ความสำคัญกับปัญหาในเชิงสถาบัน ซึ่งส่งผลผ่านประสิทธิภาพของการกำหนดนโยบาย กฎหมายและการบังคับใช้กฎหมาย การลดแรงจูงใจของการลงทุนโดยเฉพาะโครงการระยะยาวที่มีประสิทธิภาพ เป็นต้น ดังนั้น ความขัดแย้งทางการเมืองจึงถูกมองเป็นปัจจัยเชิงสถาบันอย่างหนึ่ง ซึ่งส่งผลระยะยาวต่อศักยภาพการเติบโตทางเศรษฐกิจ

งานศึกษาเหล่านี้ส่วนใหญ่จะทำในลักษณะของการวิเคราะห์โดยใช้ข้อมูลของหลายประเทศ และให้ความสำคัญกับประเทศกำลังพัฒนา ซึ่งปัญหาความขัดแย้งสะท้อนผ่านวิกฤตการณ์ทางการเมือง

อย่างไรก็ตาม งานศึกษาในช่วงหลังได้ให้ความสำคัญกับการวัดระดับความไม่แน่นอนทางนโยบายเศรษฐกิจ (Economic policy uncertainty) ที่มีมิติเชื่อมโยงกับความไม่แน่นอนทางการเมือง (Political uncertainty) และการแบ่งขั้วแยกข้างทางการเมือง (Political polarization) โดยให้ความสำคัญกับผลกระทบในประเทศพัฒนาแล้วมากขึ้น

ในกรณีของประเทศไทย งานศึกษาของ Sonjai (2017) ได้วัดผลกระทบของความขัดแย้งทางการเมืองต่อเศรษฐกิจด้วยแบบจำลองทางเศรษฐมิติ (ที่เรียกว่า Vector Autoregression) และพบว่า ความขัดแย้งทางการเมืองผ่านระดับความรุนแรงของการประท้วงได้ส่งผลอย่างมีนัยสำคัญต่อผลิตภัณฑ์มวลรวมภายในประเทศ (GDP)

ภาพที่ 3 แสดง ‘การตอบสนอง’ (Response) ของตัวแปรทางเศรษฐกิจ เมื่อเกิดการปะทุขึ้นของระดับการประท้วง (+1 standard deviation shock) โดยตัวแปรทางเศรษฐกิจที่นำมาพิจารณาคือ GDP และส่วนประกอบหลักของ GDP คือ การบริโภค (CONSUMP) การลงทุน (INVEST) การนำเข้า (IMPORT) และการส่งออก (EXPORT) แกนตั้งแสดงขนาดการปรับตัวเป็นร้อยละที่เปลี่ยนแปลงเมื่อเทียบกับเส้นแนวโน้ม (HP trend) ส่วนแกนนอนแสดงเวลารายไตรมาส

 

ภาพที่ 3 : การตอบสนองของตัวแปรทางเศรษฐกิจ เมื่อเกิดการประท้วง

    ที่มา: Sonjai (2017)

 

จากภาพที่ 3 จะเห็นว่า เมื่อการประท้วงเกิดขึ้นทันทีจะทำให้ GDP ลดลงไปจนถึงจุดต่ำสุดที่ไตรมาสที่สาม จากนั้นจะค่อยๆ ปรับตัวอย่างช้าๆ จนเข้าสู่สมดุล

ส่วนภาพที่แสดงการตอบสนองของการบริโภค การลงทุน การนำเข้า และการส่งออก จะเห็นได้ว่ามีระดับการตอบสนองในเชิงลบต่อการประท้วงในขนาดที่แตกต่างกัน โดยพบว่า การนำเข้าและการลงทุนได้รับผลกระทบรุนแรงที่สุด เมื่อเทียบกับการส่งออกและการบริโภคตามลำดับ

 

ก้าวต่อไปของดัชนีความไม่แน่นอนทางการเมืองของไทย

 

ขณะนี้ ผู้เขียนและยุทธนา เศรษฐปราโมทย์ จากสถาบันบัณฑิตพัฒนบริหารศาสตร์ (นิด้า) กำลังพยายามพัฒนาดัชนีวัดระดับความไม่แน่นอนทางการเมือง (Political uncertainty index) โดยใช้ข้อมูลจากข่าวหนังสือพิมพ์ในไทยเป็นหลัก รวมถึงผลกระทบของความไม่แน่นอนทางการเมืองต่อระบบเศรษฐกิจและตลาดการเงิน ด้วยหวังว่าจะนำเสนอแนวทางการวัดที่หลากหลายและสามารถสะท้อนสภาวการณ์ความไม่แน่นอนทางการเมืองของไทยในมิติต่างๆ ได้อย่างสมบูรณ์ยิ่งขึ้น

ดัชนีความไม่แน่นอนทางการเมืองของไทยที่ผู้เขียนกำลังทำวิจัยอยู่พัฒนามาจากวิธีการของ Baker, Bloom and Davis (ดังที่ได้อธิบายไว้ในบทความ เศรษฐศาสตร์ว่าด้วย “ความไม่แน่นอน”) ซึ่งใช้ข้อมูลรายงานข่าวที่เกี่ยวเนื่องกับความไม่แน่นอนทางการเมืองใน 5 ด้าน คือ

(1) ข่าวความขัดแย้งจากการชุมนุมของกลุ่มเคลื่อนไหวทางการเมือง

(2) ข่าวการใช้มาตรการของรัฐในการดูแลหรือยับยั้งปัญหาความขัดแย้งที่อาจทวีความรุนแรงขึ้น เช่น การประกาศสถานการณ์ฉุกเฉิน การออกกฎอัยการศึก เป็นต้น

(3) ข่าวการเปลี่ยนแปลงทางการเมืองตามวิถีประชาธิปไตย เช่น การยุบสภา การเลือกตั้ง เป็นต้น

(4) ข่าวการรัฐประหาร

(5) ข่าวการเปลี่ยนแปลงระบบและโครงสร้างทางการเมือง เช่น การแก้ไขรัฐธรรมนูญ การปฏิรูปการเมือง เป็นต้น

งานวิจัยชิ้นดังกล่าวนี้ได้รับการสนับสนุนทุนวิจัยจากสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์ (www.pier.or.th) ธนาคารแห่งประเทศไทย เมื่อแล้วเสร็จในอนาคตอันใกล้ ผู้เขียนจะนำมาเล่าสู่กันฟังต่อไป

 

อ้างอิง

Luangaram, Pongsak and Yuthana Sethapramote (2017). “The Price of Political Uncertainty in Thailand”. Work in progress. Funded by Puey Ungphakorn Institute for Economic Research (PIER).

Azzimonti, M. (2017). “Partisan Conflict and Private Investment”. Prepared for the Carnegie-Rochester-NYU Conference, April 2017.

Sonjai, Sirirut (2017). “Measuring the Economic Impact of Political Protest by Using the Global Database of Events, Language and Tone (GDELT)”. Mimeo. Chulalongkorn University.

 

ดูเพิ่มเติม

1.วิดีโอเต็มแนะนำ GDELT เรื่อง GDELT & BigQuery

2.การนำเสนอโดย Kalev Leetaru เรื่อง “Google BigQuery in Action Computing on the Whole Planet with the GDELT Project”

Author

Pongsak Luangaram

พงศ์ศักดิ์ เหลืองอร่าม - อาจารย์คณะเศรษฐศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย ผู้สนใจศึกษาด้านนโยบายการเงินและนโยบายรักษาเสถียรภาพระบบการเงิน พงศ์ศักดิ์เป็นผู้เขียนหนังสือ 72 ปี ธนาคารแห่งประเทศไทย ในช่วงหลังหันมาสนใจเรื่องประวัติศาสตร์เศรษฐกิจไทยและประวัติความคิดทางเศรษฐศาสตร์ด้วย พงศ์ศักดิ์เกาะติดพรมแดนความรู้ด้านเศรษฐศาสตร์อยู่เสมอ โดยเฉพาะระเบียบวิธีศึกษาเศรษฐศาสตร์ใหม่ๆ ในโลกวิชาการ