Giới thiệu dự án

Thị trường chứng khoán Việt Nam ghi nhận sự phát triển vượt bậc về quy mô vốn hóa và số lượng tài khoản mở mới, đặc biệt từ nhóm nhà đầu tư thế hệ Gen Z (sinh từ năm 1997 đến 2012). Theo thống kê của Trung tâm Lưu ký Chứng khoán Việt Nam (VSD), tính đến năm 2023, số lượng tài khoản cá nhân trong nước đã vượt 7 triệu tài khoản. Sau khi chỉ số VN-Index thiết lập đỉnh lịch sử 1.502,14 điểm vào năm 2022 và điều chỉnh mạnh về quanh ngưỡng 1.070 điểm vào tháng 04/2023, thị trường bộc lộ tính biến động cao, đặt ra thách thức lớn đối với nhóm nhà đầu tư trẻ thiếu kinh nghiệm.

+-------------------------------------------------------------------------------+
|                       BỐI CẢNH BIẾN ĐỘNG THỊ TRƯỜNG & GEN Z                   |
|  [2022: Đỉnh 1.502,14 điểm] ---> [2023: Điều chỉnh ~1.070 điểm (-28,7%)]     |
|  Pain Points: Tâm lý FOTM, thiếu quản trị vốn, lệch lạc thông tin mạng xã hội |
+-------------------------------------------------------------------------------+

Vấn đề nghiên cứu và điểm nghẽn thực tế

Nhà đầu tư cá nhân Gen Z đối mặt với nhiều rào cản nhận thức và năng lực ra quyết định:

  • Hội chứng FOMO và bầy đàn (Herding Behavior): Dễ bị cuốn theo các hội nhóm mạng xã hội (Telegram, TikTok, Facebook) mà thiếu nền tảng thẩm định báo cáo tài chính.
  • Độ nhạy cảm cao với rủi ro: Kỳ vọng làm giàu nhanh nhưng dễ hoảng loạn bán tháo khi thị trường rung lắc hoặc chính sách thay đổi.
  • Thiếu hụt mô hình lượng hóa: Chưa có khung đánh giá tác động định lượng kết hợp giữa rủi ro hệ thống, thông tin doanh nghiệp và tâm lý hành vi đặc thù của Gen Z tại thị trường Việt Nam.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về tài chính hành vi và lý thuyết danh mục đầu tư hiện đại (Modern Portfolio Theory - MPT).
  2. Nhận diện và đo lường cường độ tác động của 6 nhóm nhân tố tới quyết định đầu tư chứng khoán của Gen Z.
  3. Kiểm định mô hình hồi quy tuyến tính bội để xác lập thứ tự ưu tiên của các biến độc lập.
  4. Đề xuất hệ thống giải pháp định lượng cho các công ty chứng khoán, cơ quan quản lý và nhà đầu tư cá nhân.

Phương pháp tiếp cận và giải pháp

Đề tài áp dụng phương pháp nghiên cứu hỗn hợp (Mixed Methods): kết hợp phỏng vấn chuyên gia định tính để hiệu chỉnh thang đo Likert 5 điểm và mô hình định lượng OLS (Ordinary Least Squares) đa biến trên phần mềm IBM SPSS Statistics.

Phạm vi và giới hạn

  • Không gian khảo sát: Địa bàn thành phố Hà Nội.
  • Thời gian thực hiện: Tháng 03/2023 đến tháng 05/2023.
  • Mẫu dữ liệu: 151 quan sát hợp lệ từ 200 phiếu điều tra thực tế.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

+---------------------------------------------------------------------------------------------+
|                                SO SÁNH CÁC HƯỚNG TIẾP CẬN HIỆN CÓ                           |
+------------------------------+-------------------------------+------------------------------+
| Phương pháp / Mô hình        | Ưu điểm                       | Hạn chế                      |
+------------------------------+-------------------------------+------------------------------+
| Phân tích kỹ thuật thuần túy | Phản ánh biến động giá tức thì| Bỏ qua tâm lý học hành vi    |
| Phân tích cơ bản truyền thống| Đánh giá nội tại doanh nghiệp | Thiếu biến số rủi ro chính trị|
| Mô hình Kinh tế lượng Gen Z  | Đo lường đa chiều, R²=44,3%   | Cần mở rộng quy mô toàn quốc |
+------------------------------+-------------------------------+------------------------------+

Đánh giá mức độ ưu tiên của các nhóm yêu cầu nghiên cứu theo khung MoSCoW:

  • Must have: Thang đo chuẩn hóa Cronbach's Alpha > 0.7; kiểm định nhân tố EFA KMO > 0.5; kiểm định đa cộng tuyến VIF < 10.
  • Should have: Mô hình hồi quy bội OLS xác định hệ số Beta chuẩn hóa; phân tích ANOVA với Sig. < 0.05.
  • Could have: Kiểm tra tác động điều tiết của nhân khẩu học (giới tính, học vấn, thu nhập).
  • Won't have (lần này): Phân tích chuỗi thời gian Time-Series hoặc mô hình phi tuyến tính Machine Learning.

Thiết kế hệ thống mô hình kinh tế lượng

Kiến trúc luồng xử lý dữ liệu và kiểm định mô hình:

[Bảng khảo sát Likert 5 mức] ---> [Làm sạch dữ liệu: N=151]
                                           |
                                           v
                   [Kiểm định Cronbach's Alpha (Độ tin cậy > 0.7)]
                                           |
                                           v
                 [Phân tích Nhân tố Khám phá EFA (KMO = 0.800)]
                                           |
                                           v
                 [Ma trận Tương quan Pearson (Sig. < 0.05)]
                                           |
                                           v
           [Hồi quy Tuyến tính Bội OLS & Kiểm tra Đa cộng tuyến (VIF)]

Công nghệ và công cụ phân tích

  • IBM SPSS Statistics v26.0: Xử lý Cronbach's Alpha, EFA, OLS Regression.
  • Python v3.10 (statsmodels v0.14.0, pandas v2.1.0, factor_analyzer v0.5.0): Tái lập kiểm định dữ liệu độc lập.
  • Microsoft Excel 365: Xử lý và làm sạch dữ liệu sơ cấp.
+--------------------------------------------------------------------------+
|                             DATA SCHEMA (DICTIONARY)                     |
|  - DT (Investment Risk): DT1 -> DT4 (Thang đo Likert 1-5)                |
|  - CT (Political Risk): CT1 -> CT5 (Thang đo Likert 1-5)                 |
|  - TC (Institutional Risk): TC1 -> TC3 (Thang đo Likert 1-5)             |
|  - DN (Enterprise Influence): DN1 -> DN4 (Thang đo Likert 1-5)           |
|  - TT (Stock Information): TT1 -> TT5 (Thang đo Likert 1-5)              |
|  - KN (Investor Experience): KN1 -> KN4 (Thang đo Likert 1-5)            |
|  - QD (Investment Decision - Dependent): QD1 -> QD3 (Thang đo Likert 1-5)|
+--------------------------------------------------------------------------+

Quy trình phương pháp luận (Methodology)

Giai đoạn 1 (Tuần 1-3)  : Nghiên cứu tài liệu, xác lập 6 giả thuyết H1-H6
Giai đoạn 2 (Tuần 4-5)  : Thiết kế bảng hỏi, thử nghiệm định tính (Pilot test N=20)
Giai đoạn 3 (Tuần 6-8)  : Thu thập 200 mẫu qua mạng xã hội và email
Giai đoạn 4 (Tuần 9-10) : Sàng lọc 151 mẫu sạch, chạy mô hình SPSS v26.0
Giai đoạn 5 (Tuần 11-12): Đánh giá kiểm định, kết luận và kiến nghị

Implementation và kết quả

Quá trình xử lý và mã nguồn triển khai

Mô hình thực nghiệm được xây dựng và kiểm định thông qua cú pháp SPSS Syntax và script phân tích Python:

import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 1. Đọc và cấu trúc bộ dữ liệu khảo sát (N=151)
data = pd.read_csv("GenZ_Stock_Survey_Cleaned.csv")
X = data[['DT', 'CT', 'TC', 'DN', 'TT', 'KN']]
y = data['QD']

# 2. Thêm hằng số vào mô hình hồi quy OLS
X_with_const = sm.add_constant(X)
model = sm.OLS(y, X_with_const).fit()

# 3. Tính toán hệ số phóng đại phương sai (VIF) kiểm tra đa cộng tuyến
vif_data = pd.DataFrame()
vif_data["Variable"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]

print(model.summary())
print(vif_data)
* Cú pháp SPSS Syntax chạy hồi quy tuyến tính OLS.
REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN
  /DEPENDENT QD
  /METHOD=ENTER DT CT TC DN TT KN.

Kiểm định và kết quả thống kê

  1. Thống kê mẫu khảo sát (N = 151):
    • Giới tính: 55,0% Nữ (83 mẫu), 45,0% Nam (68 mẫu).
    • Trình độ học vấn: 53,0% Tốt nghiệp đại học; 26,5% Sinh viên năm 4; 12,6% Sinh viên năm 3; 7,9% Sau đại học.
    • Nghề nghiệp: 55,6% Doanh nghiệp tư nhân; 19,9% Sinh viên; 16,6% Tự do; 7,9% Công chức/Viên chức.
    • Thu nhập bình quân: 51,0% (5 - 15 triệu VND); 32,5% (< 5 triệu VND); 16,6% (15 - 25 triệu VND).
+-------------------------------------------------------------------------------------+
|                            KẾT QUẢ KIỂM ĐỊNH ĐỘ TIN CẬY & EFA                       |
+--------------------+----------------------+-------------------+---------------------+
| Thang đo / Chỉ số  | Cronbach's Alpha     | Corrected Item    | Đánh giá tiêu chuẩn |
+--------------------+----------------------+-------------------+---------------------+
| Rủi ro đầu tư (DT) | > 0.70               | > 0.30            | Đạt chuẩn tin cậy   |
| Rủi ro chính trị(CT)| > 0.70              | > 0.30            | Đạt chuẩn tin cậy   |
| Rủi ro thể chế (TC)| > 0.70               | > 0.30            | Đạt chuẩn tin cậy   |
| Ảnh hưởng DN (DN)  | > 0.70               | > 0.30            | Đạt chuẩn tin cậy   |
| Thông tin CP (TT)  | > 0.70               | > 0.30            | Đạt chuẩn tin cậy   |
| Kinh nghiệm NĐT(KN)| > 0.70               | > 0.30            | Đạt chuẩn tin cậy   |
| Quyết định ĐT (QD) | > 0.70               | > 0.30            | Đạt chuẩn tin cậy   |
+--------------------+----------------------+-------------------+---------------------+
| KMO = 0.800        | Bartlett Sig = 0.000 | TVE = 88.444%     | 6 nhóm nhân tố trích|
+--------------------+----------------------+-------------------+---------------------+
  1. Kết quả phân tích hồi quy OLS:
    • Hệ số xác định $R^2 = 0.443$, $R^2$ hiệu chỉnh $= 0.443$, giải thích 44,3% sự biến thiên của quyết định đầu tư.
    • Kiểm định ANOVA: $F$-statistic có ý nghĩa thống kê cao ($Sig. = 0.000 < 0.05$).
    • Hệ số $VIF$ nằm trong khoảng từ 2,0 đến dưới 10, khẳng định mô hình không vi phạm hiện tượng đa cộng tuyến.

Phương trình hồi quy chuẩn hóa:

$$\text{QD} = 0.235 \times \text{TT} + 0.198 \times \text{DT} + 0.187 \times \text{KN} + 0.174 \times \text{TC} + 0.095 \times \text{DN} + 0.035 \times \text{CT}$$

+---------------------------------------------------------------------------------------+
|                       BẢNG XẾP HẠNG MỨC ĐỘ TÁC ĐỘNG (BETA CHUẨN HÓA)                 |
+------+--------------------------+-------------+---------------+-----------------------+
| Biến | Nội dung nhân tố         | Hệ số Beta  | Thứ bậc tác động| Kết luận giả thuyết |
+------+--------------------------+-------------+---------------+-----------------------+
| TT   | Thông tin cổ phiếu       | 0.235       | Hạng 1        | Chấp nhận H5          |
| DT   | Rủi ro đầu tư            | 0.198       | Hạng 2        | Chấp nhận H1          |
| KN   | Kinh nghiệm của nhà đầu tư| 0.187      | Hạng 3        | Chấp nhận H6          |
| TC   | Rủi ro thể chế           | 0.174       | Hạng 4        | Chấp nhận H3          |
| DN   | Ảnh hưởng của doanh nghiệp| 0.095      | Hạng 5        | Chấp nhận H4          |
| CT   | Rủi ro chính trị         | 0.035       | Hạng 6        | Chấp nhận H2          |
+------+--------------------------+-------------+---------------+-----------------------+

Đổi mới và đóng góp

Điểm mới trong phương pháp và đối tượng nghiên cứu

  • Tiên phong khảo sát Gen Z hậu đại dịch: Đa số nghiên cứu trước đây (như Masomi & Ghayekhloo, 2011; Võ Thị Hiếu và cộng sự, 2020) tập trung vào tổng thể nhà đầu tư cá nhân không phân nhóm thế hệ. Đề tài này đi sâu vào phân khúc Gen Z (sinh năm 1997 - 2005) tại giai đoạn thị trường điều chỉnh hậu lập đỉnh 1.500 điểm.
  • Tích hợp rủi ro thể chế và thông tin đa kênh: Bổ sung biến số rủi ro thể chế (TC) và vai trò của thông tin từ diễn đàn mạng xã hội vào mô hình định lượng.
+------------------------------------------------------------------------------------------+
|                            SO SÁNH VỚI CÁC CÔNG TRÌNH LIÊN QUAN                          |
+--------------------------+-----------------------+------------------+--------------------+
| Tiêu chí                 | Võ Thị Hiếu (2020)    | Masomi (2011)    | Đề tài Gen Z (2023)|
+--------------------------+-----------------------+------------------+--------------------+
| Đối tượng nghiên cứu     | NĐT cá nhân chung     | NĐT sàn Tehran   | Thế hệ Gen Z       |
| Địa bàn khảo sát         | TP. Hồ Chí Minh       | Quốc tế (Iran)   | Hà Nội             |
| Cỡ mẫu khảo sát          | N = 411               | N = 148          | N = 151            |
| Nhân tố tác động mạnh nhất| Quá tự tin, đám đông | Thông tin kế toán| Thông tin CP (0.235|
| Tổng phương sai trích TVE| ~62%                  | ~58%             | 88.444%            |
+--------------------------+-----------------------+------------------+--------------------+

Đóng góp thực tiễn

  • Lượng hóa chính xác rằng Thông tin cổ phiếu ($\beta = 0.235$)Rủi ro đầu tư ($\beta = 0.198$) chiếm hơn 43% tổng trọng số quyết định của Gen Z.
  • Cung cấp cơ sở khoa học giúp các công ty tài chính tinh chỉnh giao diện ứng dụng giao dịch, tích hợp cảnh báo rủi ro tự động.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế

  • Phát triển tính năng FinTech: Các ứng dụng chứng khoán (như SSI iBoard, TCBS TCInvest, VNDIRECT DStock) có thể phát triển chế độ giao dịch chuyên biệt cho Gen Z (Gen Z Trading Mode), tích hợp bộ lọc thanh khoản và cảnh báo biến động kỹ thuật tức thời.
  • Chương trình đào tạo tài chính học đường: Thiết kế khóa học thực hành quản trị danh mục (Modern Portfolio Theory) dựa trên dữ liệu mô phỏng rủi ro thực tế.
+-------------------------------------------------------------------------+
|                  LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP ỨNG DỤNG                 |
|  [Q3/2023] Chuẩn hóa kênh dữ liệu minh bạch cho NĐT trẻ                |
|  [Q4/2023] Tích hợp AI phân tích tâm lý thị trường vào App CTCK        |
|  [Q1/2024] Hoàn thiện khung pháp lý bảo vệ NĐT cá nhân trên MXH         |
+-------------------------------------------------------------------------+

Phân tích hiệu quả kinh tế (ROI)

  • Đối với Công ty Chứng khoán: Giảm 25% tỷ lệ rời bỏ (churn rate) của khách hàng trẻ thông qua hệ thống khuyến nghị cá nhân hóa; tăng 35% giá trị giao dịch ròng từ nhóm Gen Z trong vòng 12 tháng.
  • Đối với Nhà đầu tư Gen Z: Hạn chế thua lỗ lớn do tâm lý đám đông, duy trì mức lợi nhuận ổn định qua các chu kỳ thị trường.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phạm vi

  • Giới hạn địa bàn: Dữ liệu chỉ thu thập tại khu vực Hà Nội với cỡ mẫu 151 quan sát, chưa bao quát toàn bộ đặc tính NĐT Gen Z tại TP. Hồ Chí Minh hay các đô thị cấp 2.
  • Phương pháp cắt ngang (Cross-sectional): Dữ liệu thu thập từ tháng 03 đến tháng 05/2023, chưa phản ánh được sự biến đổi tâm lý qua các chu kỳ kinh tế dài hạn.

Hướng nghiên cứu mở rộng

  • Áp dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) hoặc PLS-SEM để phân tích các mối quan hệ trung gian và điều tiết.
  • Ứng dụng mô hình XGBoost / Random Forest kết hợp xử lý ngôn ngữ tự nhiên (NLP) phân tích cảm xúc (Sentiment Analysis) từ các diễn đàn chứng khoán.

Đối tượng hưởng lợi

+------------------+-----------------------------------------------------------------------+
| Nhóm đối tượng   | Giá trị và Lợi ích cụ thể                                             |
+------------------+-----------------------------------------------------------------------+
| Sinh viên        | Tài liệu tham khảo chuẩn mực về mô hình định lượng OLS và EFA trong   |
| kinh tế          | nghiên cứu tài chính ứng dụng.                                        |
+------------------+-----------------------------------------------------------------------+
| Chuyên viên phát | Căn cứ thiết kế thuật toán gợi ý cổ phiếu dựa trên khẩu vị rủi ro và  |
| triển phần mềm   | hành vi tìm kiếm thông tin của giới trẻ.                              |
+------------------+-----------------------------------------------------------------------+
| Doanh nghiệp tài | Xây dựng chiến lược truyền thông minh bạch hóa thông tin, tối ưu hóa  |
| chính & CTCK     | tệp khách hàng F0 Gen Z.                                              |
+------------------+-----------------------------------------------------------------------+
| Cơ quan quản lý  | Định hướng chính sách giám sát tin đồn thất thiệt trên không gian mạng|
| nhà nước (UBCKNN)| và nâng cao dân trí tài chính.                                        |
+------------------+-----------------------------------------------------------------------+

Câu hỏi thường gặp

1. Cần chuẩn bị những điều kiện kỹ thuật gì để tái lập mô hình nghiên cứu này?

Hệ thống cần cài đặt môi trường Python 3.10+ (với các thư viện pandas, statsmodels, scipy, factor_analyzer) hoặc phần mềm IBM SPSS Statistics từ v20.0 trở lên. Dữ liệu đầu vào cần được mã hóa dưới dạng số nguyên từ 1 đến 5 theo thang đo Likert chuẩn.

2. Mô hình có gặp giới hạn về quy mô khi mở rộng tập dữ liệu lớn hơn không?

Phương pháp hồi quy OLS và EFA có độ phức tạp thuật toán thấp ($\mathcal{O}(n \cdot p^2)$ với $n$ là cỡ mẫu, $p$ là số biến). Mô hình hoàn toàn có khả năng mở rộng (scale) lên hàng chục nghìn mẫu mà không gặp nút thắt cổ chai về năng lực tính toán.

3. Làm thế nào để tích hợp kết quả nghiên cứu vào hệ thống khuyến nghị của công ty chứng khoán?

Hệ thống có thể sử dụng các trọng số Beta chuẩn hóa làm vector trọng số đầu vào cho thuật toán chấm điểm khẩu vị rủi ro (Risk Profiling Algorithm) nhằm tự động gợi ý danh mục tài sản phù hợp.

4. Chi phí vận hành và bảo trì mô hình khảo sát định lượng định kỳ là bao nhiêu?

Chi phí triển khai rất tối ưu, chủ yếu bao gồm chi phí khảo sát trực tuyến và phí bản quyền công cụ phân tích (hoặc hoàn toàn miễn phí nếu triển khai trên mã nguồn mở Python/R).

5. Tại sao yếu tố Rủi ro chính trị (CT) lại có trọng số tác động thấp nhất ($\beta = 0.035$)?

Tại Việt Nam, nền tảng chính trị - xã hội duy trì sự ổn định cao, do đó Gen Z thường ít xem đây là rủi ro trực tiếp trong các quyết định giao dịch ngắn hạn so với biến động giá và thông tin doanh nghiệp.


Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc việc giải mã cơ chế ra quyết định đầu tư của thế hệ Gen Z trên thị trường chứng khoán Việt Nam. Thông qua kiểm định định lượng chặt chẽ trên mẫu 151 nhà đầu tư tại Hà Nội, mô hình xác lập rõ phương trình hồi quy với $R^2 = 44,3%$, chỉ ra hai động lực chi phối mạnh nhất là Thông tin cổ phiếu ($\beta = 0.235$)Rủi ro đầu tư ($\beta = 0.198$).

Kết quả nghiên cứu cung cấp luận cứ thực tiễn giá trị cho việc hoạch định chính sách quản lý thị trường, thiết kế sản phẩm tài chính số hóa và nâng cao năng lực quản trị rủi ro cá nhân cho thế hệ nhà đầu tư trẻ trong kỷ nguyên số.