ประมาณการหนี้สาธารณะ ปีงบประมาณ 2564

Debt Era

จากสถานการณ์โควิด19 ซึ่งเป็นปัญหาใหญ่และกระทบไปในวงกว้างอย่างที่ทราบกันดีอยู่แล้ว ซึ่งผลกระทบที่เกิดขึ้นในระดับมหภาคนั้น หนักหนาถึงขั้นที่รัฐบาลต้องดึงเงินจากทุกทางที่ดึงได้ เพื่อนำมาใช้ประคับประครองสภาพเศรษฐกิจและสังคมไทยให้ผ่านพ้นในยามยาก ซึ่งก็มีแต่เงินจากภาครัฐเท่านั้นที่จะขยับกลไกทางเศรษฐกิจที่เหลืออยู่ ไม่ให้ดับลงจนหมดโอกาส… เงินก้อนใหญ่ๆ หลายก้อนที่รัฐบาลเอาออกมาบริหารประเทศในช่วงนี้ หลายฝ่ายก็เป็นห่วงประเทศไทยในระยะยาวเหมือนๆ กัน แม้จะเข้าใจความถึงความจำเป็นก็ตาม

ล่าสุด… คุณแพตริเซีย มงคลวนิช ผู้อำนวยการสำนักงานบริหารหนี้สาธารณะ หรือ สบน. ก็ได้เอาตัวเลขหนี้สาธารณะของไทย ที่หลายฝ่ายพูดถึงและกังวลกันอยู่ มาเปิดเผยผ่านนักข่าวว่า… หนี้สาธารณะของไทยในปัจจุบันอยู่ที่จำนวน 8.1 ล้านล้านบาท คิดเป็น 51.9% ต่อผลิตภัณฑ์มวลรวมในประเทศ หรือ GDP… โดย ผู้อำนวยการสำนักงานบริหารหนี้สาธารณะยืนยันว่า ระดับหนี้สาธารณะของไทยในปีงบประมาณ 2564 นี้ จะอยู่ที่ประมาณ 56% ตามกรอบความวินัยการเงินทางการคลัง “ไม่เกิน 60% ต่อ GDP” 

ซึ่งสาเหตุที่ระดับหนี้สาธารณะปรับตัวสูงขึ้นจากระดับ 40% เป็นเพราะการออกพระราชกำหนดเงินกู้ฉุกเฉิน 1 ล้านล้านบาท เพื่อนำมาใช้เพื่อดูแลสถานการณ์โควิด19 เนื่องจากเงินในงบประมาณในปี 2564 ไม่เพียงพอ

ผู้อำนวยการสำนักงานบริหารหนี้สาธารณะยืนยันว่า… เราใช้นโยบายการบริหารหนี้สาธารณะอย่างรอบคอบ เพราะเคยมีประสบการณ์การกู้ต่างประเทศ ซึ่งทำให้หนี้สาธารณะพุ่งสูงขึ้นมาก โดยในช่วงตั้งแต่เกิดวิกฤตต้มยำกุ้ง ปี 2540 ไทยได้มีการตั้งกรอบหนี้สาธารณะไว้สูงถึง 65% ต่อจีดีพี ตอนนี้ก็มีการปรับกฎหมายหลายตัวเพื่อให้รัฐบริหารหนี้อย่างรอบคอบ และลดกรอบหนี้สาธารณะมาอยู่ที่ระดับไม่เกิน 60% ต่อจีดีพี ตอนนี้ถือว่าไทยยังมีเครดิตดี เพราะเราบริหารได้ดี และสถานะการคลังยังแข็งแกร่ง… การเพิ่มขึ้นของหนี้สาธารณะของไทยสอดคล้องกับประเทศอื่นๆ ทั่วโลกในช่วง 2 ปีที่ผ่านมา เช่น ตลาดเกิดใหม่และประเทศในเอเชียเฉลี่ยการก่อหนี้อยู่ที่ 67% จากเดิมอยู่ที่ 60% ในขณะที่ประเทศไทย ณ สิ้นปีงบประมาณ 2564 การก่อหนี้สาธารณะอยู่ที่ประมาณ 56%

หากคิดตามจำนวนหนี้สาธารณะทั้งหมด 8.1 ล้านล้านบาท… จริงๆ แล้วหนี้สาธารณะของไทยที่รัฐบาลจะต้องแบกรับมีเพียง 6.3 ล้านล้านบาท หรือคิดเป็น 77% โดยเป็นการกู้ตรง และ จากการกู้ที่รัฐบาลออกพระราชกำหนดเงินกู้พิเศษ เพื่อขับเคลื่อนเศรษฐกิจ… ส่วนที่เหลือจะเป็นเงินที่รัฐวิสาหกิจกู้มา ซึ่งรัฐวิสาหกิจจะเป็นผู้ชำระหนี้ด้วยตัวเองไม่กระทบหนี้สาธารณะภาพรวม 

ซึ่งถ้าเป็นสถานการณ์ปกติหากมีการก่อหนี้ถึง 60% จะถือว่าประเทศมีความเสี่ยงมาก แต่ในช่วงโควิด19 แม้เพดานหนี้จะดันสูงก็ไม่น่าห่วง เพราะการกู้เงินเพื่อขับเคลื่อนเศรษฐกิจจะทำให้จีดีพีไม่หดตัวลง

ตามนั้นครับ!

References…

Share this post

Add Properea's Friend

เพิ่ม Properea.com เป็นเพื่อนทาง Line
ท่านจะได้ Link บทความใหม่ส่งตรงให้อย่างสม่ำเสมอโดยรบกวนแต่น้อย

Related Post

Medical Tourism 2023… ทิศทางและแนวโน้มการท่องเที่ยวเชิงการแพทย์

เทรนด์การท่องเที่ยวเชิงสุขภาพ หรือ Wellness Tourism และ การพัฒนาใช้เทคโนโลยีการแพทย์สมัยใหม่กำลังกลายเป็นปัจจัยหลักหนุนการเติบโตของการท่องเที่ยวเชิงพาณิชย์ในอนาคต หลังวิกฤติโควิดที่ทั่วโลกได้รับบทเรียนถึงผลกระทบอย่างรุนแรงที่เกิดทั้งในเชิงเศรษฐกิจ และ สังคม… ในขณะที่โรคอุบัติใหม่มีแนวโน้มที่เกิดขึ้นได้ตลอดเวลา ได้ท้าทายแนวคิดการสร้างภูมิคุ้มกันให้กับตนเอง หรือ การทำให้มีสุขภาพแข็งแรง เป็นกระแสที่ได้รับการตอบรับจากประชากรทั่วโลกในการใส่ใจดูแลรักษาสุขภาพ และ การแสวงหาจุดหมายปลายทางที่ตอบโจทย์ในด้านนี้จึงเป็นที่มาของการท่องเที่ยวเชิงสุขภาพ โดยจะมาแทนที่การท่องเที่ยวแบบดั้งเดิมจากนักท่องเที่ยวกลุ่มไฮเอนด์ที่มีคุณภาพและกำลังซื้อสูง 

Cryptocurrencies At Tel Aviv Stock Exchange… แพลตฟอร์มคริปโตในตลาดหลักทรัพย์เทลอาวีฟ

Tel Aviv Stock Exchange หรือ TASE หรือ ตลาดหลักทรัพย์เทลอาวีฟ ได้เปิดเผยถึงการสร้างแพลตฟอร์มค้าหลักทรัพย์บนเทคโนโลยีบล็อคเชน เพื่อขยายบริการการซื้อขายไปยังสกุลเงินดิจิทัลและสินทรัพย์ดิจิทัลอื่นๆ ซึ่งเป็นส่วนหนึ่งของแผนกลยุทธ์ใหม่สำหรับปี 2023 ถึง 2027

Predictive Analytics: Basic Modeling Techniques โดย Statistics.com

ความมุ่งหมายของการแสวงหา และ ใช้งาน Big Data เกือบทั้งหมดในเกือบจะทุกๆ บริบทที่กล่าวถึงกันในปัจจุบัน… ส่วนใหญ่จะตรงไปที่ “การทำนาย หรือ Predict” สิ่งที่จะเกิดขึ้นในอนาคตจากข้อมูล โดยมีหลักฐานเชิงประจักษ์ที่ได้จาก “Information หรือ สารสนเทศ” ที่สกัดออกมาจากข้อมูลจำนวนมาก… แต่การหาข้อเท็จจริงในขั้นทำนาย หรือ ชี้นำอนาคตจากข้อมูลมักจะไม่ง่าย และ ไม่ตรงไปตรงมานัก… Big Data สำหรับบางคน หรือ บางองค์กรจึงไม่เห็นอะไรมากไปกว่า “สารสนเทศ หรือ Information” แบบพื้นๆ ที่ให้ได้มากสุดแค่ฉลาดรู้เท่าทันขึ้นกว่าเดิมเท่านั้นเอง… ซึ่งถ้าเรียงตาม DIKW Model หรือ Data–Information–Knowledge-Wisdom Model ก็จะรู้ว่า… ต้องทำให้ข้อมูลกลายเป็น Wisdom เท่านั้นจึงจะเข้าใจ “ข้อมูลเชิงลึก หรือ Insight” ซึ่งจะนำมาเป็นเกณฑ์ในการเชื่อมโยงข้อมูลให้กลายเป็นข้อเท็จจริงอันเป็นที่ประจักษ์ จนชัดเจนว่า “รอบรู้”

ระบบภูมิสารสนเทศช่วยเหลือและฟื้นฟูผู้ประสบภัยแล้งจาก GISTDA

GISTDA หรือ สำนักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ (องค์การมหาชน)  กระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม ร่วมกับ สำนักงานการวิจัยแห่งชาติ… กระทรวงเกษตรและสหกรณ์ โดยสำนักงานปลัดกระทรวงเกษตรและสหกรณ์ กรมส่งเสริมการเกษตร และ กรมชลประทาน… กระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม โดยกรมอุตุนิยมวิทยา… กระทรวงมหาดไทย โดยกรมป้องกันและบรรเทาสาธารณภัย และ สำนักงานทรัพยากรน้ำแห่งชาติ ได้ร่วมลงนามบันทึกความเข้าใจว่าด้วยความร่วมมือด้านการประยุกต์ใช้เทคโนโลยี และ นวัตกรรมภูมิสารสนเทศเพื่อช่วยเหลือเกษตรกรที่ประสบภัยแล้ง