หนี้เสียพุ่ง จนธนาคารก็ไม่รู้ว่าจะทำอย่างไรต่อไป

ครับ ในฐานะผู้ร่วมก่อตั้ง Antonio Attorney ใน หนึ่งวัน ผมต้องคุยกับทั้งลูกหนี้ และเจ้าหนี้ ตอนนี้ยอมรับเลยครับว่า สภาพเศรษฐกิจย่ำแย่ ซบเซา ซึมเซา ลูกหนี้บางรายยังพอไปรอด ลูกหนี้บางรายเรียกว่าจะตายวันนี้ หรือจะตายพรุ่งนี้เท่านั้น

ผมเอง พยายามใช้ประสบการณ์ส่วนตัวและความรู้ทักษะที่เคยมีสะสมกันมาหลายสิบปี พยายามหาแนวทาง หรือเงื่อนไขที่จะพอนำพาให้ลูกค้าสามารถไปต่อได้ รวมถึงธนาคารเอง ในฐานะเจ้าหนี้ ตอนนี้ก็มีแนวทางการชำระที่แบบแปลกๆ เป็นอะไรที่คาดไม่ถึง หรือบางกรณี เจ้าหนี้ก็ไปไม่เป็นเลยทีเดียว ก็คงต้องใช้ท่าไม้ตายแบบเดิม คือใช้สิทธิทางศาล ฟ้อง สืบทรัพย์ ยึดทรัพย์ ขายทอดตลาด

สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์ ร่วมกับธนาคารแห่งประเทศไทย (ธปท.) บริษัท ข้อมูลเครดิตแห่งชาติ จำกัด และ Siametrics Consulting ได้ทำการวิจัย เจาะความท้าทายใหม่ของหนี้ครัวเรือนไทยในวิกฤติโควิด-19 จากข้อมูลสินเชื่อที่เข้าร่วมมาตรการช่วยเหลือ พบว่า

หนี้ครัวเรือนเป็นปัญหาเชิงโครงสร้างที่ส่งผลต่อการพัฒนาทางเศรษฐกิจของไทยในหลายปีที่ผ่านมา กว่าหนึ่งในสามของคนไทย มีภาระหนี้สูง และส่วนใหญ่เป็นหนี้ที่ไม่ก่อให้เกิดรายได้ คนไทยมีหนี้ตั้งแต่อายุยังน้อย มีหนี้นานตั้งแต่เริ่มทำงานจนเกษียณ และมีหนี้จนแก่ และ 84% ของครัวเรือนก็ยังพึ่งพาหนี้จากสถาบันการเงินกึ่งในระบบและนอกระบบเป็นสัดส่วนสูงภาระหนี้ที่สูงได้กลายเป็นปัจจัยฉุดรั้งการอุปโภคบริโภคและการลงทุน และทำให้ครัวเรือนไทยขาดภูมิคุ้มกันต่อความไม่แน่นอนทางเศรษฐกิจที่สูงขึ้นเรื่อย ๆ

วิกฤติโควิด-19 ซึ่งส่งผลทำให้ครัวเรือนจำนวนมากมีปัญหาในการชำระหนี้ ก็ได้ตอกย้ำถึงความเปราะบางดังกล่าว และทำให้ปัญหาหนี้ครัวเรือนมีความท้าทายขึ้นมากท่ามกลางความไม่แน่นอนสูงจากความเสี่ยงที่จะเกิด second wave และการฟื้นตัวทางเศรษฐกิจที่อาจไม่รวดเร็วและทั่วถึง ซึ่งอาจสุ่มเสี่ยงทำให้สถานการณ์บานปลายกลายเป็นวิกฤติหนี้รายย่อย ความท้าทายใหม่นี้สะท้อนถึงความสำคัญของข้อมูลและความเข้าใจเชิงลึกถึงปัญหาของลูกหนี้ที่ได้รับผลกระทบในวงกว้าง

งานวิจัยนี้เปิดมิติใหม่ในการเรียนรู้ผลกระทบจากวิกฤติโควิด-19 เพื่อสร้างความเข้าใจถึงสถานการณ์หนี้ครัวเรือนไทยในอนาคต โดยศึกษาคุณลักษณะของบัญชีและผู้กู้ที่เข้ามาตรการช่วยเหลือด้านสินเชื่อตั้งแต่เดือนเมษายนเป็นต้นมากว่า 8.1 ล้านบัญชี คิดเป็นมูลหนี้ทั้งหมด 2.2 ล้านล้านบาท (หรือประมาณ 70% ของตัวเลขจำนวนบัญชีที่เข้ามาตรการจากธนาคารแห่งประเทศไทย ณ สิ้นเดือนมิถุนายน 2563) ซึ่งผู้วิจัยได้สร้างสมมติฐานเพื่อแยกแยะบัญชีดังกล่าวจากฐานข้อมูลเชิงสถิติจากเครดิตบูโร ที่ครอบคลุมสินเชื่อรายย่อยจากสถาบันการเงิน 102 แห่ง โดยในข้อมูลไม่ได้มีการรายงานสถานะการเข้ามาตรการจากสถาบันการเงินแต่อย่างใด big data ข้างต้นแสดงให้เห็นว่า

ความเข้มข้น หรือ intensity ของการเข้ามาตรการสูงในวงกว้าง จากข้อมูลล่าสุด ณ สิ้นเดือนมิถุนายน พบว่า สินเชื่อส่วนใหญ่ (59.7%) เข้ามาตรการในเดือนเมษายน โดย 42.4% เข้ามาตรการครบ 3 เดือนในเดือนมิถุนายน ขณะเดียวกันก็มีบัญชีกว่า 16.6% ที่เข้ามาตรการแล้วออกไปก่อนครบ 3 เดือน ซึ่งแสดงให้เห็นถึงระดับความรุนแรงของสถานการณ์ที่ไม่เท่ากันของผู้กู้แต่ละกลุ่ม โดยข้อมูลในเดือนกรกฎาคมจะช่วยฉายภาพให้เราเข้าใจสถานการณ์ได้ชัดเจนมากขึ้นเมื่อมาตรการระยะแรกเริ่มหมดไป

เมื่อพิจารณาลักษณะการเข้ามาตรการของบัญชีทั้งหมด พบว่า 70.5% เป็นการเลื่อนชำระซึ่งส่วนหนึ่งอาจสะท้อนถึงการมีปัญหาในการชำระหนี้ของลูกหนี้ในวงกว้าง 25.8% เป็นการลดอัตราการชำระ และ 3.7% เข้ามาตรการสำหรับหนี้เสีย (ปรับโครงสร้างหนี้ หรือคลินิกแก้หนี้) และผู้กู้ส่วนใหญ่ (76.1%) มีสินเชื่อเข้ามาตรการเพียง 1 บัญชี แต่ก็มีผู้กู้อีก 7.3% ที่เข้ามากกว่า 2 บัญชี และอีก 4.9% ยังได้สินเชื่อใหม่เพื่อเป็นสภาพคล่องฉุกเฉินด้วย

สินเชื่อที่เข้ามาตรการช่วยเหลือมีลักษณะกระจุกตัว ทำให้บางพื้นที่น่าเป็นห่วง โดยเฉพาะในภาคอีสานตะวันออกที่มีสัดส่วนสินเชื่อเข้ามาตรการสูงถึง 40-60% ซึ่งส่วนใหญ่เป็นสินเชื่อส่วนบุคคล (ซึ่งมีจำนวนบัญชีมาก) และสินเชื่อบ้าน (ซึ่งมีขนาดมูลหนี้สูง) และส่วนใหญ่ก็เป็นการเข้ามาตรการในลักษณะเลื่อนการชำระเป็นหลัก ในขณะที่กรุงเทพมหานครและปริมณฑล ภาคใต้และเหนือตอนบนก็มีสัดส่วนสินเชื่อที่เข้ามาตรการสำหรับหนี้เสียสูงกว่าพื้นที่อื่นๆ

โดยกลุ่ม Non-bank มีสัดส่วนสินเชื่อในพอร์ตเข้ามาตรการมากที่สุด 10 อันดับแรก (37-75%) และส่วนใหญ่เป็นสินเชื่อเช่าซื้อ และเข้ามาตรการในลักษณะลดอัตราการชำระ แต่ก็มีความหลากหลายสูงเพราะเป็นกลุ่มที่มีสัดส่วนต่ำสุด 10 อันดับสุดท้ายด้วย ส่วนกลุ่มธนาคารพาณิชย์มีสัดส่วน 3-25% และสถาบันการเงินเฉพาะกิจของรัฐมีสัดส่วน 10-35% (ไม่รวมสินเชื่อเกษตร)

ผู้กู้ที่เข้ามาตรการมีภาระหนี้สูงและคุณภาพด้อยกว่าผู้กู้ที่ไม่ได้เข้าอย่างมีนัยสำคัญ เราพบว่าผู้กู้ที่เข้ามาตรการมีมูลหนี้และจำนวนบัญชีสินเชื่อในพอร์ตสูงกว่าผู้กู้ที่ไม่ได้เข้า โดยผู้กู้ที่เข้ามาตรการสำหรับหนี้เสียมีภาระหนี้มากที่สุด (มูลหนี้เฉลี่ย 1.7 ล้านบาทจาก 6 บัญชี) รองลงมาคือผู้กู้ที่เลื่อนชำระ (เฉลี่ย 0.9 ล้านบาทจาก 6 บัญชี) และผู้กู้ที่ลดอัตราการชำระ (เฉลี่ย 1.1 ล้านบาทจาก 5 บัญชี) โดยผู้กู้ที่มีหลายบัญชีส่วนใหญ่ยังใช้สถาบันการเงินเพียง 1-2 แห่ง นอกจากนี้ ผู้กู้ที่เข้ามาตรการยังมีประวัติการชำระหนี้ใน 12 เดือนที่ผ่านมาด้อยกว่า และมีอายุมากกว่าผู้กู้ที่ไม่ได้เข้าอย่างมีนัยสำคัญด้วย

ภูมิทัศน์จากข้อมูลสินเชื่อที่เข้ามาตรการช่วยเหลือข้างต้นได้แสดงให้เห็นถึงความเสี่ยงในวงกว้างและความแตกต่างของความเปราะบางทั้งในระดับผู้กู้ พื้นที่ และสถาบันการเงินเมื่อมาตรการช่วยเหลือระยะแรก ๆ ได้สิ้นสุดลง และสะท้อนให้เห็นถึงความท้าทายของนโยบายแก้หนี้ในอนาคต ซึ่งต้องให้ความสำคัญกับการมุ่งเป้าความช่วยเหลือ การบริหารจัดการคุณภาพสินเชื่อในเชิงรุกเพื่อป้องปรามไม่ให้บัญชีหนี้ดีจำนวนมากกลายเป็นหนี้เสีย และการ “prepare for the worst” จากความไม่แน่นอนที่สูงขึ้นของสถานการณ์สินเชื่อรายย่อยจำนวนมหาศาลเหล่านี้

อย่างที่ชื่อบทความนี้ว่า ธนาคารยังงง ว่าหนี้เสียมโหฬารมหาศาลครั้งนี้ จะแก้ไขมันอย่างไร เพราะมันเป็นผลกระทบโดยตรงกับธนาคารในฐานะเจ้าหนี้ ช่วงนี้ก็ปล่อยให้ธนาคารเขางงต่อไปครับ เราในฐานะลูกหนี้ ก็ต้องพยายามหาหนทางสำรวจตัวเอง มีสติ มีกำลังใจที่ดีในการใช้หนี้ หรือถ้าอยากพูดคุยกับผม LINE มาคุยกันได้ครับที่ LINE ID @antonio สู้ๆ นะครับ

ติดตามคลิปดีๆ ในแวดวงการเงิน การธนาคาร และอสังหาริมทรัพย์ ได้ที่ YouTube

และติดตามผมต่อได้ที่ facebook/AntonioAttorney

สนใจให้ผมเป็นที่ปรึกษาการเงินส่วนตัว คลิกเลยครับ

ติดต่อ ผมที่ email : antonioattorney@gmail.com หรือ LineID : @antonioattorney


ใส่ความเห็น

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  เปลี่ยนแปลง )

Google photo

You are commenting using your Google account. Log Out /  เปลี่ยนแปลง )

Twitter picture

You are commenting using your Twitter account. Log Out /  เปลี่ยนแปลง )

Facebook photo

You are commenting using your Facebook account. Log Out /  เปลี่ยนแปลง )

Connecting to %s