core inflation rate คือ

Core Inflation Rate

Core Inflation Rate อัตราเงินเฟ้อพื้นฐาน CPI PCE ตัดอาหาร พลังงาน ธนาคารกลาง ดอกเบี้ย การลงทุน Bond หุ้น

การคำนวณ

# === Core Inflation Calculator ===

from dataclasses import dataclass

@dataclass
class CPIComponent:
    category: str
    weight: float
    current_index: float
    previous_index: float
    yoy_change: float
    is_core: bool

components = [
    CPIComponent("Housing (ที่อยู่อาศัย)", 33.3, 330.5, 318.2, 3.9, True),
    CPIComponent("Transportation (ขนส่ง)", 15.2, 285.3, 275.8, 3.4, True),
    CPIComponent("Medical (การแพทย์)", 8.5, 545.2, 530.1, 2.9, True),
    CPIComponent("Education (การศึกษา)", 6.8, 410.3, 398.5, 3.0, True),
    CPIComponent("Apparel (เครื่องแต่งกาย)", 2.5, 125.8, 123.2, 2.1, True),
    CPIComponent("Recreation (บันเทิง)", 5.5, 135.2, 132.8, 1.8, True),
    CPIComponent("Food (อาหาร)", 13.5, 320.5, 310.2, 3.3, False),
    CPIComponent("Energy (พลังงาน)", 7.2, 260.8, 245.5, 6.2, False),
    CPIComponent("Other (อื่นๆ)", 7.5, 480.2, 468.5, 2.5, True),
]

print("=== CPI Components ===")
headline_weighted = 0
core_weighted = 0
core_weight_total = 0

for c in components:
    headline_weighted += c.weight * c.yoy_change
    if c.is_core:
        core_weighted += c.weight * c.yoy_change
        core_weight_total += c.weight
    tag = "CORE" if c.is_core else "EXCLUDED"
    print(f"  [{tag}] {c.category} — Weight: {c.weight}% | YoY: {c.yoy_change}%")

headline = headline_weighted / 100
core = core_weighted / core_weight_total * 100 / 100
print(f"\n  Headline Inflation: {headline:.1f}%")
print(f"  Core Inflation: {core:.1f}%")
print(f"  Difference: {headline - core:.1f} percentage points")

ผลกระทบต่อตลาด

# === Market Impact Analysis ===

@dataclass
class InflationScenario:
    scenario: str
    core_cpi: str
    fed_action: str
    bonds: str
    stocks: str
    forex: str
    gold: str

scenarios = [
    InflationScenario("Core สูงกว่าคาด",
        "Core CPI 3.5% vs คาด 3.2%",
        "Hawkish — อาจขึ้นดอกเบี้ย หรือ Hold นานขึ้น",
        "Yield ขึ้น ราคา Bond ลง TLT ลง",
        "S&P 500 ลง Nasdaq ลงแรง Growth ถูกกด",
        "USD แข็ง EUR/USD ลง USD/THB ขึ้น",
        "Gold ลง (USD แข็ง + Real Yield ขึ้น)"),
    InflationScenario("Core ตามคาด",
        "Core CPI 3.2% ตรงคาด",
        "Neutral — ตามแผนเดิม",
        "Yield ทรงตัว",
        "หุ้นทรงตัว อาจขึ้นเล็กน้อย",
        "USD ทรงตัว",
        "Gold ทรงตัว"),
    InflationScenario("Core ต่ำกว่าคาด",
        "Core CPI 2.8% vs คาด 3.2%",
        "Dovish — อาจลดดอกเบี้ยเร็วขึ้น",
        "Yield ลง ราคา Bond ขึ้น TLT ขึ้น",
        "S&P 500 ขึ้น Growth Rally Nasdaq ขึ้นแรง",
        "USD อ่อน EUR/USD ขึ้น USD/THB ลง",
        "Gold ขึ้น (USD อ่อน + Real Yield ลง)"),
    InflationScenario("Core ลดต่อเนื่อง (Disinflation)",
        "Core CPI ลด 3 เดือนติด",
        "Dovish — Rate Cut ใกล้เข้ามา",
        "Yield ลง Bond Rally",
        "หุ้นขึ้น ทุก Sector โดยเฉพาะ Growth",
        "USD อ่อนต่อเนื่อง",
        "Gold ขึ้นต่อเนื่อง"),
]

print("=== Inflation Scenarios ===")
for s in scenarios:
    print(f"  [{s.scenario}]")
    print(f"    Core CPI: {s.core_cpi}")
    print(f"    Fed: {s.fed_action}")
    print(f"    Bonds: {s.bonds}")
    print(f"    Stocks: {s.stocks}")
    print(f"    Forex: {s.forex}")
    print(f"    Gold: {s.gold}")

ข้อมูลประเทศไทย

# === Thailand Inflation Data ===

@dataclass
class ThaiInflation:
    month: str
    headline_cpi: float
    core_cpi: float
    food: float
    energy: float
    bot_rate: float

thai_data = [
    ThaiInflation("ม. ค. 2024", 0.61, 0.52, 1.85, -4.21, 2.50),
    ThaiInflation("ก. พ. 2024", 0.49, 0.36, 1.52, -3.85, 2.50),
    ThaiInflation("มี. ค. 2024", 0.53, 0.37, 1.61, -3.42, 2.50),
    ThaiInflation("เม. ย. 2024", 0.42, 0.38, 1.33, -3.51, 2.50),
    ThaiInflation("พ. ค. 2024", 1.54, 0.39, 2.15, 2.82, 2.50),
    ThaiInflation("มิ. ย. 2024", 0.62, 0.36, 1.25, -1.85, 2.50),
]

print("=== Thailand Inflation ===")
for t in thai_data:
    print(f"  [{t.month}] Headline: {t.headline_cpi}% | Core: {t.core_cpi}%")
    print(f"    Food: {t.food}% | Energy: {t.energy}% | BOT Rate: {t.bot_rate}%")

# Key relationships
relationships = {
    "Core CPI สูง → ธปท. ขึ้นดอกเบี้ย": "Bond Yield ขึ้น เงินบาทแข็ง หุ้นกู้ลด",
    "Core CPI ต่ำ → ธปท. ลดดอกเบี้ย": "Bond Yield ลง เงินบาทอ่อน สินเชื่อขยาย",
    "Headline สูง Core ต่ำ": "ปัจจัยชั่วคราว (น้ำมัน อาหาร) ธปท. อาจไม่ปรับดอกเบี้ย",
    "Headline ต่ำ Core สูง": "เงินเฟ้อฝังลึก ธปท. อาจต้องขึ้นดอกเบี้ย",
    "เป้าหมาย ธปท.": "Headline CPI 1-3% (กรอบเป้าหมาย)",
    "เป้าหมาย Fed": "Core PCE 2% (เป้าหมายระยะยาว)",
}

print(f"\n\nKey Relationships:")
for k, v in relationships.items():
    print(f"  [{k}]: {v}")

เคล็ดลับ

• Core: ดู Core Inflation เป็นหลัก ไม่ใช่ Headline เพราะสะท้อนแนวโน้มดีกว่า
• Trend: ดู Trend 3-6 เดือนย้อนหลัง ไม่ใช่แค่ตัวเลขเดือนเดียว
• Compare: เปรียบเทียบ Actual vs Forecast ดูว่า Surprise ขึ้นหรือลง
• PCE: ในสหรัฐดู Core PCE มากกว่า Core CPI เพราะ Fed ใช้ PCE
• Calendar: จำวันประกาศ CPI ทุกเดือน ตลาดผันผวนสูงในวันนั้น

การนำความรู้ไปประยุกต์ใช้งานจริง

แหล่งเรียนรู้ที่แนะนำ ได้แก่ Official Documentation ที่อัพเดทล่าสุดเสมอ Online Course จาก Coursera Udemy edX ช่อง YouTube คุณภาพทั้งไทยและอังกฤษ และ Community อย่าง Discord Reddit Stack Overflow ที่ช่วยแลกเปลี่ยนประสบการณ์กับนักพัฒนาทั่วโลก

เปรียบเทียบข้อดีและข้อเสีย

จากตารางเปรียบเทียบจะเห็นว่าข้อดีมีมากกว่าข้อเสียอย่างชัดเจน โดยเฉพาะในแง่ของประสิทธิภาพและความสามารถในการ Scale สำหรับข้อเสียส่วนใหญ่สามารถแก้ไขได้ด้วยการเรียนรู้อย่างเป็นระบบและวางแผนทรัพยากรให้เหมาะสม

สรุป

Core Inflation Rate อัตราเงินเฟ้อพื้นฐาน CPI PCE ตัดอาหาร พลังงาน ธนาคารกลาง ดอกเบี้ย Bond หุ้น Forex Gold การลงทุน