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

เนื้อหาเกี่ยวข้อง — แนะนำให้อ่าน กองทุนรวมเสียภาษีไหม pantip

เปรียบเทียบข้อดีและข้อเสีย

จากตารางเปรียบเทียบจะเห็นว่าข้อดีมีมากกว่าข้อเสียอย่างชัดเจน โดยเฉพาะในแง่ของประสิทธิภาพและความสามารถในการ Scale สำหรับข้อเสียส่วนใหญ่สามารถแก้ไขได้ด้วยการเรียนรู้อย่างเป็นระบบและวางแผนทรัพยากรให้เหมาะสม

สรุป

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

เนื้อหาเกี่ยวข้อง — อ่านต่อ: Skaffold Dev AR VR Development