ก่อนประกาศผลประกอบการ ข้อมูลเพียงไม่กี่บรรทัดอาจมีมูลค่าสูงสำหรับผู้ที่รู้ก่อนตลาด คำถามคือ ช่วงเวลานี้ทำให้บริษัทถูกแฮกมากขึ้นจริงหรือ? เมื่อตรวจงานวิจัย คดีในต่างประเทศ และข้อมูลรายเดือนของไทยกับแรนซัมแวร์ทั่วโลก คำตอบต้องแยกเป็นสองเรื่อง: มีหลักฐานว่าข้อมูลผลประกอบการถูกขโมยไปใช้ซื้อขายหุ้นก่อนเผยแพร่จริง แต่ข้อมูลที่วิเคราะห์ครั้งนี้ยังไม่เพียงพอจะยืนยันว่าจำนวนการแฮกโดยรวมเพิ่มขึ้นก่อนประกาศงบรายไตรมาสอย่างสม่ำเสมอ

บริษัทจดทะเบียนประกาศงบช่วงไหน?

ในบริบทประเทศไทย ควรใช้คำว่า “บริษัทจดทะเบียน” ให้ตรงขอบเขต เพราะบริษัทมหาชนที่ไม่ได้จดทะเบียนในตลาดหลักทรัพย์ไม่ควรถูกเหมารวมว่ามีหน้าที่เปิดเผยตามเกณฑ์เดียวกันทั้งหมด ตามข้อมูลสรุปของตลาดหลักทรัพย์ฯ งบการเงินรายไตรมาสที่ผ่านการสอบทานมีกำหนดส่งภายใน 45 วันนับจากวันสิ้นสุดไตรมาส [1]

บริบทช่วงเวลาที่เกี่ยวข้องข้อควรแยกให้ออก
ไทย: รอบบัญชีสิ้นสุด 31 ธันวาคมQ1 สิ้นสุดมีนาคม → กำหนดยื่นช่วงพฤษภาคม
Q2 สิ้นสุดมิถุนายน → สิงหาคม
Q3 สิ้นสุดกันยายน → พฤศจิกายน
เดือนครบกำหนดยื่นเป็นเพียงตัวแทนตามปฏิทิน บริษัทอาจประกาศก่อนวันครบกำหนด
ไทย: งบประจำปีโดยทั่วไปภายใน 2 เดือน หากไม่ส่งงบ Q4 ที่สอบทาน หรือภายใน 3 เดือนเมื่อเลือกส่งงบ Q4 ตามเงื่อนไขไม่ควรถือว่ารอบสิ้นปีมีรูปแบบเดียวกับ Q1–Q3
สหรัฐฯ: Earnings seasonโดยทั่วไปเริ่มช่วงต้นถึงกลางเดือนมกราคม เมษายน กรกฎาคม และตุลาคม และต่อเนื่องหลายสัปดาห์วันแถลงผลประกอบการอาจมาก่อนวันยื่นรายงานต่อ SEC

FINRA อธิบายว่าบริษัทส่วนใหญ่ประกาศผลก่อนถึงกำหนดยื่นเอกสาร ดังนั้น “เดือนที่ครบกำหนดยื่น” กับ “วันประกาศผลจริง” ใช้แทนกันโดยไม่มีข้อจำกัดไม่ได้ การทดสอบสมมติฐานว่าถูกโจมตี ก่อนประกาศงบ ต้องจับคู่วันที่ของแต่ละบริษัทโดยตรง [2]

ข้อมูลไทย: พบสัญญาณบางประเภท แต่ยังสรุปเป็นการแฮกก่อนงบไม่ได้

ALPHASEC นำข้อมูลรายเดือนของสำนักงานคณะกรรมการการรักษาความมั่นคงปลอดภัยไซเบอร์แห่งชาติ (สกมช.) ปี 2024–2025 รวม 24 เดือนมาวิเคราะห์ โดยผลรวมรายการแต่ละประเภทเท่ากับ 6,460 รายการ กำหนดพฤษภาคม สิงหาคม และพฤศจิกายนเป็นเดือนครบกำหนดยื่นงบ Q1–Q3 สำหรับรอบบัญชีสิ้นปีธันวาคม และใช้เมษายน กรกฎาคม และตุลาคมเป็นเดือนก่อนหน้า [3]

ตารางต่อไปนี้เปรียบเทียบ จำนวนรายการเฉลี่ยต่อวันปฏิทิน ของกลุ่มเดือนที่เลือกกับเดือนอื่นทั้งหมดในช่วงข้อมูลเดียวกัน เพื่อไม่ให้เดือนที่มีจำนวนวันมากกว่าได้เปรียบจากการนับยอดรวมเพียงอย่างเดียว

ประเภทข้อมูลที่รายงานเดือนครบกำหนดยื่น
พ.ค. / ส.ค. / พ.ย.
เดือนก่อนหน้า
เม.ย. / ก.ค. / ต.ค.
เหตุทุกประเภทรวมกัน*สูงกว่า 8.0%ต่ำกว่า 1.7%
ความพยายามบุกรุก
(Intrusion Attempts)
สูงกว่า 39.8%ต่ำกว่า 11.5%
การบุกรุก
(Intrusions)
ต่ำกว่า 15.3%ต่ำกว่า 43.2%

ตัวเลข 39.8% ไม่ได้หมายความว่าบริษัทจดทะเบียนถูกแฮกสำเร็จเพิ่มขึ้น 39.8% เพราะเป็นความพยายามบุกรุกที่ถูกรายงานในข้อมูลระดับประเทศ ไม่ใช่เฉพาะบริษัทจดทะเบียน และกลุ่มเดือนดังกล่าวก็ไม่ใช่ช่วงก่อนประกาศจริงของทุกบริษัท ข้อมูลนี้ไม่มีตัวแปรที่ยืนยันแรงจูงใจด้านการลงทุนของผู้โจมตีด้วย

จำนวนความพยายามบุกรุกและเหตุไซเบอร์รวมรายเดือนของไทย ปี 2024–2025 แถบสีแสดงพฤษภาคม สิงหาคม และพฤศจิกายน
กราฟแสดงจำนวนรายการรายเดือน ส่วนเปอร์เซ็นต์ในตารางคำนวณจากอัตราต่อวัน แถบสีคือเดือนครบกำหนดยื่นงบที่ใช้เป็นตัวแทน ไม่ใช่วันที่ประกาศจริงของแต่ละบริษัท

ความไวต่อการเลือกช่วงเวลาก็สำคัญ เมื่อเพิ่มกุมภาพันธ์เพื่อสะท้อนกำหนดงบประจำปีบางกรณี ผลของเหตุรวมเปลี่ยนจากสูงกว่า 8.0% เป็นต่ำกว่าประมาณ 0.7% และผลของประเภทการบุกรุกเปลี่ยนทิศทาง จึงไม่ควรเลือกเฉพาะหน้าต่างเวลาที่ทำให้ได้ข้อสรุปตามสมมติฐาน

*ข้อจำกัดด้านคุณภาพข้อมูล: เดือนพฤศจิกายน 2025 แถวรวมในไฟล์ต้นทางระบุ 336 แต่ผลรวมประเภทเหตุเท่ากับ 366 บทความใช้ผลรวมประเภทเหตุ ซึ่งสอดคล้องกับยอดรวมทั้งปี 4,325 หากใช้แถวรวมที่เผยแพร่ ผลเปรียบเทียบเดือนครบกำหนดจะเป็น +6.2% แทน +8.0% ส่วนผลความพยายามบุกรุกไม่เปลี่ยน การวิเคราะห์นี้ใช้ข้อมูลที่ดึง ณ 31 ตุลาคม 2026

ข้อมูลต่างประเทศ: 12,813 รายการแรนซัมแวร์ไม่แสดงรูปแบบเพิ่มขึ้นที่สม่ำเสมอ

เพื่อขยายมุมมอง เราวิเคราะห์ชุดข้อมูลสาธารณะ Ransomwatch ในสามปีเต็ม 2022–2024 รวม 12,813 รายการ จาก 36 เดือน ชุดข้อมูลนี้ติดตามรายการที่พบในเว็บไซต์เผยแพร่ชื่อเหยื่อของกลุ่มแรนซัมแวร์ จึงเป็น รายการกล่าวอ้างและวันที่ระบบตรวจพบโพสต์ ไม่ใช่จำนวนบริษัทที่ถูกโจมตีซึ่งผ่านการยืนยัน และไม่ใช่วันเริ่มบุกรุก [4]

เราใช้ปฏิทินสหรัฐฯ จาก FINRA เป็นตัวแทน โดยแยกเดือนเริ่มฤดูประกาศงบ เดือนก่อนหน้า และช่วงฤดูที่กว้างสองเดือนต่อรอบ เปรียบเทียบอัตรารายการต่อวันกับเดือนอื่นเช่นเดียวกับข้อมูลไทย ผลเป็นดังนี้

หน้าต่างเวลาที่ทดลองรายการต่อวันในช่วงที่เลือกรายการต่อวันในเดือนอื่นส่วนต่าง
เดือนเริ่มฤดู
ม.ค. / เม.ย. / ก.ค. / ต.ค.
10.6812.20−12.5%
เดือนก่อนเริ่มฤดู
มี.ค. / มิ.ย. / ก.ย. / ธ.ค.
11.6611.70−0.3%
ฤดูแบบสองเดือนต่อรอบ
ม.ค.–ก.พ. / เม.ย.–พ.ค.
ก.ค.–ส.ค. / ต.ค.–พ.ย.
11.7011.66+0.3%

เมื่อดูเฉพาะเดือนเริ่มฤดูแยกปี ส่วนต่างเป็น −5.2% ในปี 2022, −30.1% ในปี 2023 และ +1.7% ในปี 2024 ส่วนเดือนก่อนเริ่มฤดูเป็น +7.8%, +14.7% และ −17.0% ตามลำดับ รูปแบบจึงไม่คงที่ทั้งขนาดและทิศทาง การตัดรายการซ้ำด้วยชื่อกลุ่มและชื่อเหยื่อ โดยเก็บวันที่พบครั้งแรก ยังให้ข้อสังเกตโดยรวมใกล้เดิม

รายการที่พบในเว็บไซต์กลุ่มแรนซัมแวร์รายเดือนปี 2022–2024 แถบสีคือเดือนเริ่มฤดูประกาศงบตามปฏิทินสหรัฐฯ
ข้อมูลทั่วโลกจาก Ransomwatch: ยอดสูงสุดเกิดคนละเดือนในแต่ละปี ข้อมูลครอบคลุมหลายประเทศและหลายประเภทองค์กร จึงไม่ใช่ผลเฉพาะบริษัทจดทะเบียนในสหรัฐฯ

ผลติดลบไม่ได้พิสูจน์ว่าช่วงประกาศงบปลอดภัยกว่า ชุดข้อมูลนี้ไม่มีประเทศและวันประกาศงบจริงให้จับคู่รายบริษัท อีกทั้งกลุ่มแรนซัมแวร์อาจเผยแพร่หลายชื่อพร้อมกันภายหลังการโจมตี ข้อมูลทั่วโลกจึงใช้ทดสอบรูปแบบตามปฏิทินอย่างหยาบได้ แต่ใช้ตอบความเสี่ยงเฉพาะบริษัทจดทะเบียนไม่ได้ และไม่ควรรวมกับจำนวนเหตุของไทยเป็นอัตราเดียวกัน

ช่วงสองเดือนต่อรอบกับช่วงเดือนก่อนเริ่มฤดูเป็นกลุ่มเดือนที่เติมเต็มกัน จึงไม่ใช่หลักฐานยืนยันอิสระสองชุด ปี 2025 ของสำเนา Ransomwatch ที่ใช้ไม่ครบปี เราจึงไม่ผสมเข้าในการเปรียบเทียบสามปีเต็มนี้

งานวิจัยยืนยันอะไรเกี่ยวกับการแฮกก่อนประกาศงบ?

งานของ Pat Akey, Vincent Grégoire และ Charles Martineau เรื่อง Price revelation from insider trading: Evidence from hacked earnings news ตีพิมพ์ใน Journal of Financial Economics ปี 2022 ศึกษาการซื้อขายจากข่าวผลประกอบการที่ถูกขโมยจากผู้ให้บริการกระจายข่าวก่อนเผยแพร่สู่สาธารณะ เป็นหลักฐานตรงว่าการเข้าถึงข่าวล่วงหน้ามีผลต่อกระบวนการที่ข้อมูลสะท้อนเข้าไปในราคาหุ้น [5]

ผู้วิจัยรายงานว่าข้อมูลเกี่ยวกับผลประกอบการสะท้อนเข้าไปในราคาก่อนประกาศมากขึ้นประมาณ 15% ตัวเลขนี้เป็นผลด้านการสะท้อนข้อมูลในราคา ไม่ได้แปลว่าหุ้นตก 15% หรือการแฮกเพิ่มขึ้น 15% และงานดังกล่าวไม่ได้ทดสอบว่าองค์กรทั้งหมดถูกโจมตีบ่อยขึ้นในทุกฤดูประกาศงบ

คดีที่ SEC สหรัฐฯ ประกาศในปี 2015 ช่วยให้เห็นแรงจูงใจนี้ชัดขึ้น: SEC กล่าวหาบุคคล 32 รายเกี่ยวข้องกับการซื้อขายจากข่าวที่ถูกขโมย โดยกล่าวหาว่าได้กำไรผิดกฎหมายรวมกว่า 100 ล้านดอลลาร์สหรัฐฯ [6] ข้อเท็จจริงระดับคดีจึงสนับสนุนว่า “ขโมยข่าวก่อนตลาดรู้เพื่อทำกำไร” เกิดขึ้นจริงในรูปแบบที่มีการดำเนินคดี แต่ไม่ใช่สถิติความถี่ของการโจมตีทั้งตลาด

ขโมยข่าวเพื่อซื้อขาย กับข่มขู่ให้จ่ายค่าไถ่ เป็นคนละกลไก

FBI แจ้งเตือนในเดือนพฤศจิกายน 2021 ว่ากลุ่มแรนซัมแวร์ใช้เหตุการณ์ทางการเงินที่สำคัญ เช่น การควบรวมกิจการ และมูลค่าหุ้น ประกอบการเลือกเป้าหมายหรือปรับจังหวะการข่มขู่เมื่อเข้าถึงระบบแล้ว ผู้โจมตีอาจใช้ข้อมูลที่ยังไม่เปิดเผยเป็นแรงกดดัน เพราะเหยื่อกังวลผลต่อผู้ลงทุน [7]

จึงมีอย่างน้อยสองกลไกที่ควรแยกกัน: กลุ่มหนึ่งต้องการข้อมูลเพื่อซื้อขายก่อนตลาด อีกกลุ่มใช้ความเสียหายต่อธุรกิจและความเชื่อมั่นเป็นเครื่องต่อรองค่าไถ่ ทั้งสองกลไกทำให้การปกป้องข้อมูลการเงินสำคัญขึ้น แต่การพบแรงจูงใจหรือคำขู่ยังไม่เพียงพอจะสรุปว่าการโจมตีทุกประเภทเพิ่มขึ้นก่อนประกาศงบ หรือทุกเหตุมีเป้าหมายกดราคาหุ้น

เหตุใดเห็นข่าวใกล้วันประกาศงบ จึงยังสรุปความสัมพันธ์ไม่ได้?

เหตุการณ์หนึ่งอาจมีอย่างน้อยห้าวันที่แตกต่างกัน ได้แก่ วันเริ่มบุกรุก วันที่บริษัทตรวจพบ วันที่ผู้โจมตีเผยแพร่ชื่อหรือข้อมูล วันที่บริษัทเปิดเผยเหตุ และวันประกาศผลประกอบการ หากนำวันที่ข่าวออกมาแทนวันถูกบุกรุก ความสัมพันธ์ที่เห็นอาจเป็นเรื่องจังหวะการเปิดเผยมากกว่าจังหวะการโจมตี

การทดสอบที่ตรงคำถามกว่านี้ควรจับคู่ข้อมูลระดับบริษัท ใช้ช่วง 7, 14 และ 30 วันก่อนวันประกาศจริง เปรียบเทียบกับวันอื่นของบริษัทเดียวกันและบริษัทกลุ่มใกล้เคียง แล้วควบคุมอุตสาหกรรม ขนาดบริษัท แนวโน้มตามปี ฤดูกาล ช่องโหว่ครั้งใหญ่ และความล่าช้าในการรายงาน ควรรายงานขนาดผล ช่วงความเชื่อมั่น และผลที่ไม่สนับสนุนสมมติฐานด้วย

การวิเคราะห์ครั้งนี้มีข้อมูลไทยเพียงสองปีและข้อมูลทั่วโลกสามปี ไม่ได้ควบคุมปัจจัยเหล่านั้นครบถ้วน “ยังยืนยันไม่ได้” จึงต่างจาก “พิสูจน์แล้วว่าไม่มีความสัมพันธ์” และแม้พบความสัมพันธ์ ก็ยังต้องมีหลักฐานเพิ่มเติมจึงจะระบุได้ว่าผู้โจมตีตั้งใจเลือกจังหวะเพื่อกระทบการลงทุน

องค์กรควรเตรียมตัวอย่างไรในรอบประกาศผลประกอบการ?

ในมุมมอง ALPHASEC เหตุผลที่ควรเพิ่มความระมัดระวังคือมูลค่าและความอ่อนไหวของข้อมูลที่ยังไม่เปิดเผย ข้อเสนอด้านล่างเป็นแนวทางบริหารความเสี่ยง ไม่ใช่ข้อสรุปว่าทุกองค์กรต้องถูกโจมตีมากขึ้นตามฤดูกาล

  1. ระบุข้อมูลและเจ้าของให้ครบ: ครอบคลุมร่างงบ ข่าวผลประกอบการ ประมาณการ เอกสารคณะกรรมการ และบัญชีผู้ใช้ของ CFO ทีมบัญชี นักลงทุนสัมพันธ์ และเลขานุการบริษัท
  2. จำกัดการเข้าถึงตามหน้าที่: ใช้ MFA ทบทวนสิทธิ์ ลดลิงก์แชร์สาธารณะ และกำหนดอายุสิทธิ์ของผู้รับภายนอก โดยคงมาตรการพื้นฐานตลอดปี
  3. ตรวจหาการเข้าถึงและนำข้อมูลออกที่ผิดปกติ: ให้ทีม SOC เชื่อมปฏิทินประกาศจริงกับการเฝ้าระวังบัญชีสำคัญ การดาวน์โหลดจำนวนมาก และการเปลี่ยนกฎส่งต่ออีเมล
  4. ตรวจเส้นทางเผยแพร่จนถึงคู่ค้า: ผู้สอบบัญชี ที่ปรึกษา ผู้ให้บริการกระจายข่าว และแพลตฟอร์มนักลงทุนสัมพันธ์อยู่ในขอบเขตที่ต้องพิจารณา ไม่ใช่เฉพาะระบบภายในบริษัท
  5. ซ้อมรับเหตุร่วมกัน: ทีมความปลอดภัย การเงิน กฎหมาย และสื่อสารองค์กรควรรู้ว่าใครตรวจสอบข้อเท็จจริง ใครตัดสินใจ และใครสื่อสารเมื่อข้อมูลรั่วหรือมีการเรียกค่าไถ่ใกล้วันประกาศงบ

ข้อสรุปของ ALPHASEC: หลักฐานรองรับว่าข้อมูลก่อนประกาศผลประกอบการเป็นเป้าหมายที่มีมูลค่า และเหตุการณ์ทางการเงินอาจถูกใช้กดดันเหยื่อได้ แต่จากข้อมูลสาธารณะที่วิเคราะห์ครั้งนี้ ยังไม่ควรเผยแพร่ข้อความเหมารวมว่า “ช่วงก่อนประกาศงบ บริษัทถูกแฮกมากขึ้นแน่นอน” การจัดการความเสี่ยงควรยึดข้อมูลสำคัญ วันประกาศจริง และความพร้อมขององค์กรเป็นหลัก

แหล่งอ้างอิงและวิธีคำนวณ

  1. ตลาดหลักทรัพย์แห่งประเทศไทย. การเปิดเผยตามรอบระยะเวลา — กำหนดการส่งงบการเงินของบริษัทจดทะเบียน
  2. FINRA. What Is Earnings Season?, 23 July 2024 — ปฏิทินประกาศผลและความต่างจากการยื่นรายงาน
  3. สกมช. ชุดข้อมูลสถิติภัยคุกคามทางไซเบอร์ — ใช้ไฟล์รายเดือนปี 2024–2025; คำนวณผลรวมจากประเภทเหตุ
  4. Josh Highet และผู้ร่วมพัฒนา. Ransomwatch — ใช้ posts.json ช่วงปีเต็ม 2022–2024 ตามวันที่ discovered; ไม่ใช่ทะเบียนเหตุโจมตีที่ยืนยันแล้ว
  5. Akey, P., Grégoire, V., & Martineau, C. (2022). Price revelation from insider trading: Evidence from hacked earnings news. Journal of Financial Economics, 143(3), 1162–1184. ดู ชุดข้อมูลประกอบจากผู้วิจัย
  6. U.S. SEC. SEC Charges 32 Defendants in Scheme to Trade on Hacked News Releases, 11 August 2015 — ตัวเลขกำไรในข่าวนี้เป็นข้อกล่าวหาของ SEC
  7. FBI. Ransomware Actors Use Significant Financial Events and Stock Valuation to Facilitate Targeting and Extortion of Victims, PIN 20211101-001, 1 November 2021

วิธีคำนวณ: อัตราต่อวัน = จำนวนรายการรวมในกลุ่มเดือน ÷ จำนวนวันปฏิทินรวมของกลุ่มนั้น; ส่วนต่าง (%) = [(อัตรากลุ่มเดือนที่เลือก ÷ อัตราเดือนอื่น) − 1] × 100 กราฟแสดงจำนวนรายการรายเดือน ไม่ใช่อัตราต่อวัน การเปรียบเทียบแต่ละหน้าต่างใช้เดือนที่เหลือเป็นฐานใหม่ จึงไม่ใช่กลุ่มเปรียบเทียบอิสระทั้งหมด

เรียบเรียงและวิเคราะห์โดย ALPHASEC ณ 31 ตุลาคม 2026 ตัวเลขเปรียบเทียบจากไทยและ Ransomwatch เป็นการคำนวณเชิงสำรวจสำหรับบทความนี้ ยังไม่ผ่านการทบทวนโดยผู้ทรงคุณวุฒิ ไม่ใช่ผลวิจัยที่หน่วยงานเจ้าของข้อมูลรับรอง ภาพปกเป็นภาพประกอบแนวคิดที่สร้างขึ้นใหม่ ส่วนกราฟสร้างจากชุดข้อมูลที่ระบุ