แบบจำลองเศรษฐกิจมหภาคการเงิน เพื่อ การวางแผนทางการเงินของธุรกิจเพื่อป้องกัน ความเสี่ยงของผลตอบแทนของผู้ถือหุ้น (ROE) : กลุ่มธุรกิจการเกษตรที่อยู่ใน ตลาดหลักทรัพย์แห่งประเทศไทย
Article Sidebar
Main Article Content
บทคัดย่อ
การศึกษานี้มีวัตถุประสงค์เพื่อสร้างแบบจำลองเศรษฐกิจมหภาคการเงินเพื่อการวางแผนทางการเงิน
ของธุรกิจ (MFM-FP) รวมทั้งวัดประสิทธิภาพของการแบบจำลองในการพยากรณ์ นอกจากนี้ ยังทำการศึกษา
โอกาสการเกิดความเสี่ยงต่อผลตอบแทนของผู้ถือหุ้น (ROE) และแนวทางวางแผนทางการเงิน โดยใช้ข้อมูลทาง
ด้านเศรษฐกิจ และงบกำไรขาดทุน งบดุลของกลุ่มธุรกิจการเกษตรที่อยู่ในตลาดหลักทรัพย์แห่งประเทศไทยที่มี
การจดทะเบียนตั้งแต่ปี 2549 จนถึงปี 2562 และทำการสร้างแบบจำลอง MFM-FP ในรูปแบบ Simultaneous
Equation โดยวิธี 2SLS และประเมินประสิทธิภาพของแบบจำลองด้วย MAPE รวมทั้งการพิจารณาความเสี่ยง
โดยกำหนดเพดานความเสี่ยง (Risk Limit) นอกจากนี้ ยังทำการวางแผนทางการเงินด้วย DuPont เพื่อลด
ความเสี่ยงของ ROE โดยผลการศึกษา พบว่า แบบจำลอง MFM-FP ที่สร้างขึ้นมีสมการทั้งสิ้น 39 สมการ แบ่ง
เป็นสมการเอกลักษณ์จำนวน 15 สมการ สมการพฤติกรรม จำนวน 22 สมการ และสมการเงื่อนไขจำนวน
1 สมการ โดยแบ่งออกเป็น 7 block เมื่อประเมินประสิทธิภาพของแบบจำลองจาก MAPE ช่วง Ex-ante และ
Ex-post ของงบการเงินในทุกตัวแปร พบว่า ไม่เกินร้อยละ 3.08 นอกจากนี้ เมื่อทำการคาดการณ์ ROE
ไตรมาสที่ 1 ปี 2562 พบว่า อยู่ที่ร้อยละ -1.09 ถือว่าอยู่ในระดับความเสี่ยง (-σ) อย่างไรก็ตาม หากภาวะเศรษฐกิจ
(GDP) หดตัวลงอยู่ที่ร้อยละ -3.72 จะส่งผลให้ ROE มีค่าอยู่ที่ร้อยละ -2.35 ถือว่าอยู่ในระดับความเสี่ยงสูง
ดังนั้น กลุ่มธุรกิจการเกษตรควรมีการปรับลดต้นทุน ลดลูกหนี้การค้าและสินค้าคงเหลือลง เพื่อลดความเสี่ยง
ให้กับผลตอบแทนของผู้ถือหุ้นที่จะได้รับ หรือให้ ROE กลับมาอยู่ในช่วงปกติ
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ลิขสิทธิ์ของบทความ
ผลงานที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของมหาวิทยาลัยหอการค้าไทย ห้ามมิให้นำเนื้อหา ทัศนะ หรือข้อคิดเห็นใด ๆ ของผลงานไปทำซ้ำ ดัดแปลง หรือเผยแพร่ ไม่ว่าทั้งหมดหรือบางส่วนโดยไม่ได้รับอนุญาตเป็นลายลักษณ์อักษรจากมหาวิทยาลัยหอการค้าไทยก่อน
References
Almazari, A. A. (2012). Financial performance analysis of the Jordanian Arab bank by using the DuPont system of financial analysis. International Journal of Economics and Finance, 4(4): 86-94. doi:10.5539/ijef.v4n4p86
Armstrong, J. S. (2009). Selecting forecasting methods. Retrieved from https://ssrn.com/abstract=1941247
Artikis, P. G., & Artikis, G. P. (1999). A stochastic simulation approach to financial forecasting using simultaneous equations. Managerial Finance, 25(8),12-21. https://doi.org/10.1108/03074359910766082
Bratu (Simionescu), Mihaela. (2012). Point forecasts based on the limits of the forecast intervals to improve the SPF predictions. Business and Economic Horizons, 8(2), 1-11.
Brown, L. D., & Huang, K. (2013). Recommendation-forecast consistency and earnings forecast quality. Accounting Horizons, 27(3), 451-467. https://doi.org/10.2308/acch-50482
Chang, K. J., Chichernea, D. C., & HassabElnaby, H. R. (2014). On the DuPont analysis in the health care industry. Journal of Accounting and Public Policy, 33(1), 83-103. https://doi.org/10.1016/j.jaccpubpol.2013.10.002
Francis, J. C., & Rowell, D. (1978). A simultaneous equation model of the firm for financial analysis and planning. Financial Management, 7(1), 29-44.
Gray, D. F., Merton, R. C., & Bodie, Z. (2007). New framework for measuring and managing macrofinancial risk and financial stability. Retrieved from https://www.nber.org/system/files/working_papers/w13607/w13607.pdf
Setsmart. (2018). Financial statement data. Retrieved January 12, 2022, from http://10.21.7.31:8080/ssm/stockScreening;market=all;securityType=S;industrySector