Boom Field Lab

อ่านงบการเงิน 3 มุม (แนวตั้ง–แนวนอน–อัตราส่วน) แบบคนทำ credit risk — และทำไมมุมที่ 4 คือคำของฝ่ายจัดการ

วิธีอ่านงบแบบที่ใช้จริงในงานประเมินเครดิตธนาคาร: งบ 3 ตัวที่ต้องอ่านคู่กัน, common-size, trend, อัตราส่วน 4 กลุ่ม และกับดักที่ทำให้ตัวเลขหลอกตา พร้อมตัวอย่างจริงจาก MD&A ที่กำไรขั้นต้นโต 31.31% แต่อัตรากำไรกลับลด — และความรู้นี้กลายเป็นฟีเจอร์ของ Terminal ได้ยังไง

โดย วรัญชัย ยิ่งคำนึง (Boom) · เผยแพร่ครั้งแรก · ตรวจทานล่าสุด

ย่านการเงินยามค่ำพร้อมการ์ดเลนส์สามวงเบลอ และข้อความ อ่านงบให้เป็น แบบคนทำ credit risk

ตอนผมทำงานสายความเสี่ยงด้านเครดิตในธนาคาร งานประจำอย่างหนึ่งคืออ่านงบการเงินของบริษัท ไม่ใช่เพื่อหา "หุ้นเด้ง" แต่เพื่อตอบคำถามเดียวที่แบงก์แคร์ที่สุด: บริษัทนี้จะมีเงินจ่ายคืนไหม และถ้าเริ่มมีปัญหา เราจะเห็นสัญญาณก่อนหรือเปล่า คำถามนี้เปลี่ยนวิธีอ่านงบไปจากที่หลายคนคิด เราไม่ได้มองหาตัวเลขสวย แต่มองหา ความไม่สอดคล้อง ระหว่างตัวเลข

บทความนี้คือโครงการอ่านงบที่ผมใช้จริง และเป็นความรู้โดเมนที่ต้องมีก่อนจะสร้าง product การเงินอย่าง Boom Leverage Terminal ได้ ย้ำก่อนเลยว่า นี่คือเนื้อหาเพื่อการศึกษา ไม่ใช่คำแนะนำการลงทุน

งบ 3 ตัวไหนที่ต้องอ่านคู่กันเสมอ?

คนเริ่มต้นส่วนใหญ่พุ่งไปที่ "กำไร" ตัวเดียวแล้วจบ ซึ่งเป็นจุดที่พลาดกันบ่อยที่สุด งบหลักมี 3 ตัว แต่ละตัวตอบคนละคำถาม:

งบตอบคำถามว่าลักษณะ
งบแสดงฐานะการเงิน (งบดุล)ณ วันสิ้นงวด มีอะไร ติดหนี้ใคร เหลือเป็นของเจ้าของเท่าไหร่ภาพนิ่ง ณ จุดเวลา
งบกำไรขาดทุนตลอดงวด หารายได้ได้เท่าไหร่ หักต้นทุนแล้วเหลือกำไรเท่าไหร่ภาพเคลื่อนไหวตลอดงวด
งบกระแสเงินสดเงินสดจริงไหลเข้าออกจากไหน (ดำเนินงาน · ลงทุน · จัดหาเงิน)โกหกยากที่สุด

ตัวเลขในงบหนึ่งมักถูกอธิบายด้วยอีกงบ กำไรโตแต่เงินสดจากการดำเนินงานติดลบ แล้วลูกหนี้การค้าในงบดุลบวมผิดปกติ สองอย่างนี้เล่าเรื่องเดียวกัน: บริษัทอาจบันทึกยอดขายที่ยังเก็บเงินไม่ได้จริง

กฎจากงานประเมินเครดิต: กำไรเป็นความเห็นทางบัญชี แต่เงินสดเป็นข้อเท็จจริง เวลาสองตัวนี้ไปคนละทาง ให้เชื่อเงินสดก่อน แล้วไปหาว่าทำไมมันต่าง

อ่านงบ 3 มุมคืออะไร และแต่ละมุมเห็นอะไร?

แผนภาพ 4 กล่องเรียงซ้ายไปขวา: แนวตั้ง common-size ดูโครงสร้างในงวดเดียว, แนวนอน trend ดูทิศทางข้ามงวด, อัตราส่วน 4 กลุ่ม และกล่องที่เน้นคือคำอธิบายของฝ่ายจัดการ MD&A ที่บอกว่าทำไมตัวเลขขยับ พร้อมเลขหน้า
3 มุมของตัวเลข + มุมที่ 4 คือคำอธิบายของฝ่ายจัดการ · กรอบคิดจากงานประเมินเครดิต

มุมที่ 1 — แนวตั้ง (common-size): โครงสร้างในงวดเดียว แปลงทุกบรรทัดเป็นสัดส่วนเทียบฐานเดียวกัน งบกำไรขาดทุนใช้ยอดขายเป็น 100% งบดุลใช้สินทรัพย์รวมเป็น 100% ข้อดีคือเทียบบริษัทคนละขนาดได้ และเห็นโครงสร้างต้นทุนในตาเดียว

  • ตัวอย่างสมมติ (ไม่ใช่ข้อมูลบริษัทจริง): บริษัท A เหลือกำไรสุทธิ 3% ของยอดขาย บริษัท B เหลือ 20% สองบริษัทนี้เป็นธุรกิจคนละแบบ และรับแรงกระแทกเวลาต้นทุนขยับได้ต่างกันมาก
  • วาง common-size หลายงวดเรียงกัน แล้วดูว่า สัดส่วนไหนขยับ ต้นทุนขายที่ค่อยๆ กินสัดส่วนมากขึ้นทุกปี บอกว่าอำนาจต่อรองหรือประสิทธิภาพกำลังเปลี่ยน

มุมที่ 2 — แนวนอน (trend): ทิศทางข้ามงวด ดูตัวเลขเดียวกันข้ามเวลา หัวใจไม่ใช่ "โตหรือไม่โต" แต่คือ ตัวไหนโตเร็วกว่ากัน

  • ตัวอย่างสมมติ: ยอดขายโต 10% แต่ลูกหนี้การค้าโต 40% แปลว่าบริษัทอาจต้องยืดเทอมชำระเงินเพื่อดันยอด คุณภาพของยอดขายจึงต่ำลง
  • สินค้าคงเหลือโตเร็วกว่ายอดขายมาก อาจมีของค้างสต็อกกำลังสะสม

มุมที่ 3 — อัตราส่วน (ratio): ภาพย่อที่เทียบกันได้ มีเป็นร้อยตัว แต่จับ 4 กลุ่มนี้ก่อนก็ตอบคำถามสำคัญได้เกือบหมด:

กลุ่มตอบคำถามว่าตัวอย่าง
สภาพคล่องจ่ายหนี้ระยะสั้นไหวไหมCurrent ratio = สินทรัพย์หมุนเวียน ÷ หนี้สินหมุนเวียน
ความสามารถทำกำไรธุรกิจทำเงินได้ดีแค่ไหนอัตรากำไรขั้นต้น, อัตรากำไรสุทธิ, ROE
ประสิทธิภาพใช้สินทรัพย์คุ้มไหม เก็บเงินเร็วไหมระยะเวลาเก็บหนี้, รอบหมุนสินค้าคงเหลือ
ภาระหนี้พึ่งหนี้มากไปไหม ทนดอกเบี้ยได้แค่ไหนD/E, ความสามารถจ่ายดอกเบี้ย

หลัก 3 ข้อที่สำคัญกว่าตัวสูตร: นิยามต้องคงที่ (อัตราส่วนชื่อเดียวกันคำนวณได้หลายแบบ) · ต้องมีเกณฑ์เทียบ (Current ratio 1.5 ในตัวอย่างสมมติ ดีหรือไม่ดี ตอบไม่ได้ถ้าไม่รู้ค่าปกติของอุตสาหกรรมและของบริษัทนี้ปีก่อน) · ดูทิศทาง ไม่ใช่แค่ระดับ

มุมคนทำ model validation: อัตราส่วนคือโมเดลย่อตัวหนึ่ง มันสรุปข้อมูลโดยยอม ทิ้ง รายละเอียดบางอย่าง คนใช้เป็นต้องรู้ว่ามันทิ้งอะไรไป

ถ้า 2 มุมให้คำตอบคนละทาง ควรเชื่ออันไหน?

ไม่ต้องเลือกเชื่อ ให้ถือว่านั่นคือ คำถามที่ต้องไปหาคำตอบ ตัวอย่างนี้มาจาก MD&A ฉบับภาษาอังกฤษของบริษัทจดทะเบียนไทยในกลุ่มผู้ผลิตสินค้าอุปโภค (ปิดชื่อไว้) ปีงบ 2021 หน้า 4:

การ์ดข้อความจริงจาก MD&A ปี 2021 หน้า 4 ของผู้ผลิตสินค้าอุปโภค ปิดชื่อ: กำไรขั้นต้นเพิ่มขึ้น 31.31% แต่อัตรากำไรขั้นต้นลดจาก 36.46 เป็น 34.44% จากยอดขายส่งออกไปตลาดใหม่
ข้อความจริงจาก MD&A (56-1) ปีงบ 2021 หน้า 4 · ผู้ผลิตสินค้าอุปโภค · ปิดชื่อบริษัท · ผ่าน Boom Leverage Terminal index วัดเมื่อ 27 ก.ย. 2026

"Gross profit presented at Baht 532.22 million, increased by 31.31% comparing with last year. Gross profit margin decreased from 36.46 to 34.44% due to export sales to extended markets"

อ่านด้วยมุมแนวนอน: กำไรขั้นต้นโต 31.31% ดูดีมาก อ่านด้วยมุมอัตราส่วน: อัตรากำไรขั้นต้นลดลงราว 2 จุด ดูแย่ลง สองมุมไม่ได้ขัดกัน มันบอกเรื่องเดียวกันคือ ยอดขายโตเร็วกว่ากำไรขั้นต้น

ปีก่อน (2020)ปี 2021ที่มา
กำไรขั้นต้น≈ 405.32 ล้านบาท532.22 ล้านบาท2021 จากประโยค · 2020 คำนวณย้อนจาก +31.31%
อัตรากำไรขั้นต้น36.46%34.44%จากประโยค
ยอดขาย (โดยนัย)≈ 1,111.68 ล้านบาท≈ 1,545.35 ล้านบาทคำนวณ = กำไรขั้นต้น ÷ อัตรากำไรขั้นต้น

ยอดขายโดยนัยโตราว 39% ขณะที่กำไรขั้นต้นโต 31.31% ส่วนต่างนี้คือสิ่งที่อัตรากำไรที่ลดลงสะท้อน และคำว่า "due to export sales to extended markets" คือคำอธิบายที่ตัวเลขล้วนๆ ให้ไม่ได้: บริษัทขยายตลาดส่งออก ซึ่งได้ยอดเพิ่มแต่มาร์จินต่ำกว่า (ตัวเลขยอดขายในตารางเป็นการคำนวณย้อนแบบประมาณจากประโยคเดียว ไม่ใช่ตัวเลขที่บริษัทเปิดเผยในบรรทัดนี้)

ทำไมต้องอ่านหลายปี ไม่ใช่แค่ปีล่าสุด?

เพราะปีเดียวบอกได้แค่ระดับ หลายปีถึงบอกทิศทาง และบอกว่าเหตุผลที่ฝ่ายจัดการให้ เปลี่ยนไปยังไง ถ้าไล่ประโยคเรื่องอัตรากำไรขั้นต้นของบริษัทเดียวกันข้ามปี จะได้เส้นแบบนี้:

เส้นเวลาอัตรากำไรขั้นต้นของบริษัทเดียวกันปีงบ 2019 ถึง 2025: 33.48%, 36.46%, 34.44%, 28.66%, ปี 2023 ไม่มีข้อมูลในชุดนี้, 32.24%, 32.84% พร้อมคำอธิบายปี 2025 ว่าปรับ sales mix ไปทางสินค้ามาร์จินสูง
อัตรากำไรขั้นต้นตามที่ฝ่ายจัดการเขียนเองใน MD&A แต่ละปี · ปีงบ 2023 ไม่มีประโยคเรื่องนี้ในชุดข้อมูล จึงเว้นว่าง · วัดเมื่อ 27 ก.ย. 2026
ปีงบอัตรากำไรขั้นต้นเหตุผลที่ฝ่ายจัดการเขียนที่มา
201933.48% (จาก 32.41%)"favorable energy prices and improved production efficiency"MD&A 2019 หน้า 1
202036.46%— (อ้างเป็นตัวเทียบในรายงานปี 2021)MD&A 2021 หน้า 4
202134.44%"export sales to extended markets"MD&A 2021 หน้า 4
202228.66%"the increasing of energy and raw material prices"MD&A 2022 หน้า 4
2023ไม่มีในชุดข้อมูล——
202432.24%— (อ้างเป็นตัวเทียบในรายงานปี 2025)MD&A 2025 หน้า 4
202532.84%"adjusting the sales mix toward higher-margin products"MD&A 2025 หน้า 2

สิ่งที่เห็นเมื่ออ่านข้ามปี: ตัวขับหลักของมาร์จินบริษัทนี้สลับไปมาระหว่าง ต้นทุนพลังงาน/วัตถุดิบ กับ ส่วนผสมของสินค้าและตลาด ซึ่งเป็นข้อมูลที่ใช้ตั้งคำถามต่อได้ทันที เช่น ถ้าราคาพลังงานขยับอีกรอบ มาร์จินจะไวแค่ไหน ประโยคปี 2025 เต็มๆ คือ:

"The Company achieved a gross profit margin of 32.84%, a slight increase from the previous year. This was achieved by adjusting the sales mix toward higher-margin products"

กับดักอะไรบ้างที่คนทำ credit risk เห็นก่อน?

  • กำไรไม่เท่ากับเงินสด — บันทึกกำไรได้ตั้งแต่ออกใบแจ้งหนี้ทั้งที่ยังไม่ได้รับเงิน กำไรโตแต่เงินสดจากการดำเนินงานไม่โตตาม คือสิ่งแรกที่ต้องถาม
  • รายการครั้งเดียว (one-off) — กำไรจากการขายที่ดินหรือตีมูลค่าสินทรัพย์ใหม่ ไม่ใช่กำไรจากธุรกิจปกติ อย่าคาดว่าจะเกิดซ้ำ
  • การแต่งตัวเลขสิ้นงวด (window dressing) — เร่งเก็บหนี้หรือชะลอจ่ายเจ้าหนี้ช่วงใกล้ปิดงบ ดูค่าเฉลี่ยระหว่างงวดจะเห็นภาพจริงกว่า
  • เทียบข้ามอุตสาหกรรมมั่ว — D/E สูงของธนาคารเป็นเรื่องปกติ แต่ของบริษัทผลิตอาจอันตราย เกณฑ์ต้องมาจากอุตสาหกรรมเดียวกัน

เส้นที่ห้ามข้าม: ตัวเลขที่ดูดีเกินไปในงบเดียว ต้องหาให้เจอว่าสอดคล้องกับอีกสองงบไหม ถ้าหาคำอธิบายไม่ได้ ให้ถือว่ายังไม่เข้าใจ อย่าเพิ่งสรุปว่าดี

ความรู้นี้กลายเป็นฟีเจอร์ของ product ได้ยังไง?

ทุกอย่างข้างบนคือสิ่งที่นักวิเคราะห์ทำด้วยมือ ปัญหาคือมันไม่สเกล ตัวอย่างข้างบนต้องเปิด MD&A ของบริษัทเดียว 5 ฉบับ หาหน้าที่พูดเรื่องมาร์จิน แล้ววางเรียงกัน ถ้าทำแบบนี้ทั้งตลาดคือหลายร้อยบริษัทคูณหลายปี

ตอนออกแบบ Terminal ผมแปลงขั้นตอนการอ่านงบเป็นกฎของระบบตรงๆ:

สิ่งที่นักวิเคราะห์ทำกลายเป็นฟีเจอร์
ไม่เชื่อตัวเลขจนกว่าจะไล่ที่มาได้ทุกผลลัพธ์ต้องชี้กลับไปที่ เลขหน้าในเอกสารต้นฉบับ ถ้าชี้ไม่ได้ ระบบตัดทิ้ง
อ่านข้ามปีเพื่อดูทิศทางค้นเรื่องเดียวกันแล้วเห็นประโยคของบริษัทเดียวกัน เรียงหลายปี
เทียบกับคนในอุตสาหกรรมเดียวกันค้นเรื่องเดียวกัน ทั้งตลาด แล้วดูว่าใครพูดถึงบ้าง
อ่านคำของฝ่ายจัดการคำต่อคำแสดง ข้อความต้นฉบับ ไม่ใช่สรุปของ AI แทนต้นฉบับ

ตารางอัตรากำไร 6 ปีข้างบนประกอบขึ้นจากประโยคใน index ของ Terminal เอง ไม่ได้พิมพ์ใหม่ นี่คือเหตุผลว่าทำไมความรู้โดเมนต้องมาก่อนโค้ด AI agent เขียนโค้ดได้เร็ว แต่ ตัดสินใจไม่ได้ว่ากฎข้อไหนสำคัญ ถ้าอยากเห็นว่าผมใช้เครื่องมือแบบไหนประกอบร่างความรู้นี้เป็นระบบ อ่านต่อได้ที่ ทำไมผมสร้าง Terminal ด้วย Claude Code

สรุป

อ่านงบให้เป็นไม่ได้เริ่มจากการท่องสูตร แต่เริ่มจากการอ่านงบ 3 ตัวให้เชื่อมกัน ใช้แนวตั้งดูโครงสร้าง แนวนอนดูทิศทาง อัตราส่วนย่อภาพ แล้วเมื่อมุมต่างๆ ให้คำตอบไม่ตรงกัน ให้ไปอ่าน คำอธิบายของฝ่ายจัดการ ว่าทำไม ส่วนที่เหลือคือทำซ้ำให้เร็วและสม่ำเสมอ ซึ่งเป็นงานที่เครื่องมือช่วยได้

BOOM FIELD LAB

อยากเห็นว่าเครื่องมือพวกนี้ประกอบร่างเป็น Terminal จริงได้ยังไง?

Workshop 60 นาที — ดูการทำงานจริงบนหน้าจอ พร้อม workbook ให้ลงมือตาม ไม่ใช่สไลด์ทฤษฎี