Giới thiệu dự án

Trong cấu trúc của thị trường tài chính hiện đại, Công ty Chứng khoán (CTCK) giữ vai trò trung gian huyết mạch, kết nối dòng vốn nhàn rỗi của nhà đầu tư với các cơ hội sinh lời trên thị trường vốn. Theo số liệu từ Trung tâm Lưu ký Chứng khoán Việt Nam (VSD), tính đến ngày 31/03/2022, toàn thị trường đã ghi nhận hơn 4,9 triệu tài khoản giao dịch chứng khoán, phản ánh làn sóng bùng nổ của các nhà đầu tư cá nhân (nhóm nhà đầu tư F0). Tuy nhiên, giai đoạn 2022–2023 đánh dấu chu kỳ thanh lọc mạnh mẽ khi thanh khoản sụt giảm, chỉ số VN-Index điều chỉnh sâu, đặt ra bài toán sống còn về việc tối ưu hóa hiệu quả hoạt động môi giới (HQHĐ MGCK) cho các định chế tài chính trung gian.

Đề tài "Đánh giá hiệu quả hoạt động môi giới chứng khoán của Công ty Cổ phần Chứng khoán Sài Gòn – Hà Nội (SHS)" được xây dựng nhằm giải quyết các điểm nghẽn thực tiễn:

  • Vấn đề cốt lõi (Problem Statement): Mặc dù SHS sở hữu tiềm lực tài chính vững chắc với vị thế số 1 về môi giới trái phiếu chính phủ, thị phần môi giới cổ phiếu của SHS trên Sở Giao dịch Chứng khoán TP.HCM (HOSE) liên tục suy giảm, chỉ đạt 1,9% vào năm 2022 và nằm ngoài Top 10 thị phần kể từ năm 2019. Tỷ lệ tăng trưởng số lượng tài khoản mở mới của SHS năm 2022 tụt dốc còn 9% (5.770 tài khoản), thấp hơn đáng kể so với mức bình quân thị trường do áp lực cạnh tranh khốc liệt từ các chính sách phí giao dịch "Zero Fee" và các nền tảng công nghệ số từ các CTCK đối thủ.
  • Mục tiêu nghiên cứu:
    1. Hệ thống hóa cơ sở lý luận về HQHĐ MGCK và các nhân tố quyết định năng lực cạnh tranh dịch vụ chứng khoán.
    2. Phân tích thực trạng tài chính và hiệu quả nghiệp vụ môi giới của SHS giai đoạn 2018–2022 thông qua các chỉ tiêu định lượng (doanh thu, lợi nhuận, thị phần, phí giao dịch).
    3. Định lượng mức độ hài lòng của khách hàng (N=153) thông qua mô hình kinh tế lượng Ordered Logistic Regression để xác định trọng số tác động của từng chiều cạnh dịch vụ.
    4. Đề xuất hệ thống giải pháp nâng cao HQHĐ môi giới tại SHS giai đoạn 2023–2025.
  • Phương pháp tiếp cận: Kết hợp phân tích tài chính chuỗi thời gian 5 năm (2018–2022) và điều tra vi mô thông qua bảng hỏi Likert 5 bậc, xử lý dữ liệu bằng phần mềm STATA 17.0.
  • Kết quả kỳ vọng: Xác định chính xác hệ số co giãn của sự hài lòng khách hàng đối với 4 nhóm yếu tố: Thực hiện giao dịch ($X_1$), Dịch vụ hỗ trợ ($X_2$), Đội ngũ môi giới ($X_3$) và Xử lý khiếu nại ($X_4$).
  • Phạm vi nghiên cứu: Khảo sát tập trung tại Trụ sở chính SHS (41 Ngô Quyền, Hoàn Kiếm, Hà Nội), thời gian thu thập dữ liệu sơ cấp từ 01/04/2023 đến 15/04/2023; dữ liệu thứ cấp từ Báo cáo tài chính kiểm toán của SHS, HSC, MBS, VCI, VIX từ 2018 đến 2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tiến hành rà soát các phương pháp đánh giá hiệu quả kinh doanh môi giới hiện hành và so sánh năng lực cạnh tranh giữa SHS với các đối thủ cùng phân khúc quy mô vốn.

Tiêu chí phân tích Phương pháp truyền thống (Chỉ tiêu tài chính) Phương pháp khảo sát định tính (SERVQUAL) Giải pháp tích hợp (Đề tài đề xuất)
Bản chất dữ liệu Dữ liệu thứ cấp hồi tố từ Báo cáo tài chính (BCTC) Dữ liệu sơ cấp từ cảm nhận chủ quan của khách hàng Kết hợp dữ liệu thứ cấp (5 năm) & dữ liệu sơ cấp thực chứng ($N=153$)
Độ bao phủ Doanh thu, Lợi nhuận gộp, Thị phần Mức độ hài lòng, Mức độ tin cậy, Sự đồng cảm Toàn diện: Tài chính, Thị phần, Hạ tầng công nghệ, Trình độ nhân sự
Phương pháp xử lý Thống kê mô tả, Tỷ số tài chính Điểm trung bình Mean/Std Hồi quy Logistic phân hạng (Ordered Logit) với kiểm định đa biến
Tính ứng dụng Nhận diện quá khứ, thiếu tính dự báo hành vi Khó liên kết trực tiếp với kết quả kinh doanh Đưa ra khuyến nghị chính xác theo trọng số hồi quy thực tế

Khi đặt SHS lên bàn cân cạnh tranh với các CTCK có quy mô vốn tương đương (HSC, MBS, VCI, VIX) và nhóm dẫn đầu thị phần (VPS, SSI, TCBS), các chỉ số cho thấy rõ khoảng cách:

CTCK Thị phần HOSE (2022/Q1 2023) Mức phí giao dịch cơ sở Dịch vụ Phái sinh Công nghệ App / Web Chiến lược trọng tâm
SHS 1,90% (Ngoài Top 10) 0,15% - 0,35% Chưa triển khai SHTrading v2.4 (Cần nâng cấp) Khách hàng Tổ chức / Trái phiếu
VPS 15,67% (Top 1) 0,00% - 0,13% Hoàn thiện, dẫn đầu SmartOne v3.x Zero-fee, Khách hàng cá nhân F0
SSI 11,53% (Top 2) 0,25% - 0,40% Hoàn thiện iBoard Pro Đa dạng hóa, Khách hàng cao cấp
TCBS ~6,50% (Top 5) 0,075% - 0,10% Hoàn thiện TCInvest (Wealthtech) Số hóa 100%, Miễn phí môi giới
HSC ~6,00% (Top 4) 0,15% - 0,35% Hoàn thiện myhsc Khách hàng nước ngoài, Tổ chức

Ma trận phân loại yêu cầu người dùng theo khung MoSCoW đối với giải pháp nâng cao HQHĐ MGCK tại SHS:

  • Must have (Bắt buộc): Tối ưu hóa tốc độ khớp lệnh của hệ thống giao dịch trực tuyến; ban hành biểu phí cạnh tranh phân cấp theo giá trị giao dịch; tái cấu trúc quy trình onboarding khách hàng qua eKYC.
  • Should have (Nên có): Tích hợp sản phẩm giao dịch chứng khoán phái sinh (HĐTL VN30); đào tạo chuẩn hóa chứng chỉ hành nghề và đạo đức cho chuyên viên môi giới.
  • Could have (Có thể có): Nâng cấp hệ thống AI phân tích kỹ thuật và cảnh báo tín hiệu thị trường tự động trên App di động; mở rộng tọa đàm phân tích định kỳ trực tuyến.
  • Won't have this time (Chưa thực hiện): Cắt giảm hoàn toàn phí môi giới về 0% toàn phần nhằm tránh rủi ro xói mòn biên lợi nhuận thuần.

Thiết kế hệ thống

Khung nghiên cứu định lượng được xây dựng dựa trên quy trình thu thập, xử lý và phân tích kinh tế lượng chuẩn mực:

Technology Stack & Versioning

  • Môi trường xử lý kinh tế lượng: STATA 17.0 MP (Chạy các hàm ologit, fitstat, brant, margins).
  • Nền tảng thu thập dữ liệu: Google Forms API với bộ lọc kiểm soát trùng lặp IP/Email.
  • Hệ thống phân tích dữ liệu bổ trợ: Python 3.10.12 sử dụng các thư viện pandas 2.0.3, numpy 1.24.3, statsmodels 0.14.0 để xác thực tính toàn vẹn của ma trận phương sai - hiệp phương sai.
  • Hạ tầng giao dịch chứng khoán liên quan: Hệ thống Core Securities Trading SHTrading v2.4, kết nối giao thức FIX (Financial Information eXchange) với Sở Giao dịch HOSE và HNX.

Cấu trúc biến nghiên cứu

Dữ liệu khảo sát được cấu trúc hóa theo 4 nhóm biến độc lập và 4 biến phụ thuộc:

  • Biến phụ thuộc ($Y_i$): Thang đo Likert 1–5 (1: Rất không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý)
    • $Y_1$: Sự hài lòng chung về việc thực hiện giao dịch
    • $Y_2$: Sự hài lòng chung về dịch vụ hỗ trợ
    • $Y_3$: Sự hài lòng chung về nhân viên môi giới
    • $Y_4$: Sự hài lòng chung về xử lý khiếu nại
  • Biến độc lập ($X_{ij}$):
    • Nhóm Thực hiện giao dịch ($X_1$): THGD1 (Mở tài khoản), THGD2 (Phương thức đặt lệnh), THGD3 (Thông báo kết quả), THGD4 (Mức phí giao dịch).
    • Nhóm Dịch vụ hỗ trợ ($X_2$): DVHT1 (Thông tin thị trường), DVHT2 (Tọa đàm kiến thức), DVHT3 (Đa dạng ký quỹ/margin), DVHT4 (Giao diện Web), DVHT5 (Giao diện App), DVHT6 (Hiệu quả tư vấn).
    • Nhóm Đội ngũ môi giới ($X_3$): NVMG1 (Kiến thức/Kỹ năng), NVMG2 (Nắm bắt nhu cầu), NVMG3 (Thái độ phục vụ).
    • Nhóm Xử lý khiếu nại ($X_4$): XLKN1 (Tốc độ giải quyết), XLKN2 (Thái độ hướng dẫn).

Methodology

Quy trình nghiên cứu áp dụng phương pháp luận phối hợp giữa phân tích chuỗi dữ liệu định lượng thứ cấp và mô hình kinh tế lượng hồi quy phân hạng:

Giai đoạn Nội dung thực hiện Công cụ / Tiêu chuẩn kiểm soát Thời gian
Giai đoạn 1 Thu thập, chuẩn hóa BCTC kiểm toán SHS và 4 CTCK đối thủ (2018–2022) Chuẩn mực Kế toán VAS, Excel Data Modeling Tuần 1–2
Giai đoạn 2 Thiết kế bảng hỏi cấu trúc 3 phần, kiểm định thử nghiệm 15 mẫu sơ bộ Google Forms, Thang đo Likert 5 mức độ Tuần 3
Giai đoạn 3 Triển khai điều tra thực địa tại Trụ sở SHS, thu thập $N=153$ mẫu hợp lệ Lọc sạch dữ liệu, loại bỏ Missing values / Outliers Tuần 4–5
Giai đoạn 4 Ước lượng mô hình Ordered Logistic, kiểm định đa cộng tuyến (VIF) STATA 17.0 (ologit, esttab, Robust SE) Tuần 6
Giai đoạn 5 Tổng hợp báo cáo, đối chiếu khoảng trống nghiên cứu và đề xuất Khung phân tích định lượng & định tính Tuần 7

Implementation và kết quả

Development process

Phương pháp hồi quy Ordered Logistic được xây dựng dựa trên biến tiềm ẩn $y_i^*$ đại diện cho mức độ thỏa dụng của nhà đầu tư:

$$y_i^* = \mathbf{x}_i \boldsymbol{\beta} + \varepsilon_i$$

Mức độ hài lòng quan sát được $Y_i \in {1, 2, 3, 4, 5}$ tuân theo quy tắc ngưỡng:

$$Y_i = \begin{cases} 1 & \text{nếu } y_i^* \le \mu_1 \ 2 & \text{nếu } \mu_1 < y_i^* \le \mu_2 \ 3 & \text{nếu } \mu_2 < y_i^* \le \mu_3 \ 4 & \text{nếu } \mu_3 < y_i^* \le \mu_4 \ 5 & \text{nếu } y_i^* > \mu_4 \end{cases}$$

Xác suất tích lũy được tính toán theo hàm phân phối Logistic:

$$P(Y_i \le j \mid \mathbf{x}_i) = \frac{e^{\mu_j - \mathbf{x}_i \boldsymbol{\beta}}}{1 + e^{\mu_j - \mathbf{x}_i \boldsymbol{\beta}}}$$

Đoạn mã phân tích dữ liệu và ước lượng mô hình trong STATA 17.0:

* ==============================================================================
* FILE: ologit_shs_analysis.do
* MÔ TẢ: Phân tích mô hình hồi quy Ordered Logistic cho dữ liệu khảo sát SHS
* TÁC GIẢ: Nguyễn Hoàng Đạt - Khóa luận tốt nghiệp Học viện Ngân hàng
* ==============================================================================

clear all
set more off

* 1. Import và làm sạch dữ liệu
import delimited "shs_survey_data_n153.csv", clear

* Kiểm tra tổng quan biến
describe
summarize thgd1 thgd2 thgd3 thgd4 dvht1 dvht2 dvht3 dvht4 dvht5 dvht6 nvmg1 nvmg2 nvmg3 xlkn1 xlkn2

* 2. Ước lượng Mô hình 1: Sự hài lòng về Thực hiện giao dịch (HL1)
ologit hl1 thgd1 thgd2 thgd3 thgd4, vce(robust)
estimates store Model_THGD
margins, dydx(*) predict(outcome(5))

* 3. Ước lượng Mô hình 2: Sự hài lòng về Dịch vụ hỗ trợ (HL2)
ologit hl2 dvht1 dvht2 dvht3 dvht4 dvht5 dvht6, vce(robust)
estimates store Model_DVHT
margins, dydx(*) predict(outcome(5))

* 4. Ước lượng Mô hình 3: Sự hài lòng về Nhân viên môi giới (HL3)
ologit hl3 nvmg1 nvmg2 nvmg3, vce(robust)
estimates store Model_NVMG
margins, dydx(*) predict(outcome(5))

* 5. Ước lượng Mô hình 4: Sự hài lòng về Xử lý khiếu nại (HL4)
ologit hl4 xlkn1 xlkn2, vce(robust)
estimates store Model_XLKN
margins, dydx(*) predict(outcome(5))

* 6. Xuất bảng kết quả tổng hợp
esttab Model_THGD Model_DVHT Model_NVMG Model_XLKN, ///
    cells(b(star fmt(3)) se(par fmt(3))) stats(N r2_p ll chi2 p, fmt(0 3 2 2 4)) ///
    starlevels(* 0.10 ** 0.05 *** 0.01) wide

Để đảm bảo tính nhất quán dữ liệu, một đoạn script Python tương đương được sử dụng để kiểm tra phân phối biến nhân khẩu học:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.miscmodels.ordinal_model import OrderedModel

# Đọc tập dữ liệu khảo sát N=153
df = pd.read_csv("shs_survey_data_n153.csv")

# Kiểm tra phân phối mẫu theo độ tuổi và thu nhập
demographics = df.groupby(["age_group", "income_level"]).size().unstack(fill_value=0)
print("=== PHÂN PHỐI NHÂN KHẨU HỌC NHÀ ĐẦU TƯ SHS ===")
print(demographics)

# Ước lượng Ordered Logistic Model cho nhóm Nhân viên môi giới (HL3)
mod_nvmg = OrderedModel(
    df["hl3"],
    df[["nvmg1", "nvmg2", "nvmg3"]],
    distr="logit"
)
res_nvmg = mod_nvmg.fit(method="bfgs", disp=False)
print(res_nvmg.summary())

Testing và validation

Khảo sát thu về 153 mẫu hợp lệ với đặc tính nhân khẩu học có độ tin cậy và tính thực chứng cao:

  • Kinh nghiệm đầu tư: 38,6% có từ 3–5 năm kinh nghiệm; 31,4% có trên 5 năm kinh nghiệm; 19,6% từ 1–3 năm và chỉ 10,5% dưới 1 năm.
  • Thời gian gắn bó với SHS: 42,5% sử dụng từ 1–3 năm; 35,3% sử dụng trên 3 năm.
  • Độ tuổi & Thu nhập: 34,0% thuộc nhóm 36–45 tuổi; 25,5% từ 46–55 tuổi. Nhóm thu nhập 30–50 triệu VNĐ/tháng chiếm 34,6% (53 mẫu); trên 50 triệu VNĐ/tháng chiếm 24,8% (38 mẫu).
  • Tần suất giao dịch: 60,1% giao dịch 1–vài lần/tháng; 21,6% giao dịch 1–vài lần/tuần.
       Cơ Cấu Thu Nhập Của Khách Hàng Khảo Sát Tại SHS (N=153)

Chất lượng mô hình được kiểm định nghiêm ngặt qua chỉ số Pseudo $R^2$, Log-likelihood và kiểm định Wald $\chi^2$ đều đạt mức ý nghĩa thống kê $p < 0,01$.

Kết quả đạt được

Kết quả tài chính và kinh doanh môi giới (2018–2022)

       Biến Động Doanh Thu & Lợi Nhuận Môi Giới SHS (Tỷ VNĐ)
        2018    2019    2020    2021    2022
  • Doanh thu hoạt động môi giới: Đạt đỉnh 554 tỷ đồng vào năm 2021 (+221% so với 2020), đóng góp 19,13% tổng doanh thu. Năm 2022 giảm -40% xuống còn 333 tỷ đồng do thanh khoản thị trường chung co hẹp, tuy nhiên tỷ trọng trong tổng doanh thu vẫn đạt 22,0%.
  • Lợi nhuận gộp môi giới: Năm 2021 đạt 202 tỷ đồng (+350% so với 2020). Năm 2022 giảm -49% xuống 98 tỷ đồng, phản ánh chi phí vận hành môi giới cố định vẫn ở mức cao.
  • Thị phần môi giới cổ phiếu: Trên HOSE năm 2022 chỉ đạt 1,9% (ngoài Top 10); tuy nhiên SHS duy trì vị thế số 1 toàn thị trường về môi giới Trái phiếu Chính phủ.

Kết quả ước lượng mô hình hồi quy Ordered Logistic

Biến độc lập Mô hình 1: $Y_1$ (THGD) Mô hình 2: $Y_2$ (DVHT) Mô hình 3: $Y_3$ (NVMG) Mô hình 4: $Y_4$ (XLKN) Mức ý nghĩa & Nhận xét
THGD1 (Mở tài khoản) $0,482^{}$* $(0,141)$ — — — Quy trình mở tài khoản nhanh thúc đẩy mạnh sự hài lòng
THGD3 (Báo kết quả) $0,615^{}$* $(0,158)$ — — — Tốc độ và độ chính xác khớp lệnh là yếu tố quyết định nhất
THGD4 (Phí giao dịch) $0,389^{}$** $(0,162)$ — — — Khách hàng nhạy cảm cao với mức phí hiện tại ($p < 0,05$)
DVHT3 (Dịch vụ Margin) — $0,524^{}$* $(0,135)$ — — Nhu cầu đòn bẩy tài chính linh hoạt tác động trực tiếp
DVHT5 (Giao diện App) — $0,447^{}$* $(0,149)$ — — Ứng dụng di động SHTrading cần tối ưu UX/UI
DVHT6 (Hiệu quả tư vấn) — $0,681^{}$* $(0,160)$ — — Khuyến nghị đầu tư sinh lời là biến có hệ số tác động lớn nhất
NVMG1 (Kiến thức/Kỹ năng) — — $0,712^{}$* $(0,172)$ — Trình độ chuyên môn của Broker chi phối sự tín nhiệm
NVMG3 (Thái độ phục vụ) — — $0,540^{}$* $(0,165)$ — Thái độ nhiệt tình, đạo đức nghề nghiệp củng cố lòng tin
XLKN1 (Tốc độ xử lý) — — — $0,823^{}$* $(0,188)$ Thời gian phản hồi sự cố tài khoản ảnh hưởng lớn nhất
Số quan sát ($N$) 153 153 153 153 Đạt chuẩn mẫu đại diện
Pseudo $R^2$ 0,284 0,312 0,345 0,298 Độ phù hợp mô hình tốt

Ghi chú: Sai số chuẩn vững (Robust standard errors) đặt trong dấu ngoặc đơn. $^{}\ p<0,01;\ ^{}\ p<0,05;\ ^{}\ p<0,10$.

Đổi mới và đóng góp

Nghiên cứu mang lại các đóng góp học thuật và thực tiễn đáng kể:

  1. Đổi mới phương pháp luận tích hợp: Khắc phục khoảng trống nghiên cứu của các công trình trong nước trước đây (như Nguyễn Thị Minh Nguyệt, 2007; Phan Thị Thanh Thủy, 2009; Lê Ngọc Cường, 2019) vốn thường tách rời phân tích tài chính thuần túy với khảo sát định tính. Đề tài xây dựng khung đánh giá kép: Chuỗi thời gian tài chính định lượng kết hợp kinh tế lượng vi mô phân hạng Ordered Logistic Regression.
  2. So sánh chuẩn hóa với các công trình tiền nhiệm:
    • So với Lê Ngọc Cường (2019) trên Tạp chí Tài chính: Nghiên cứu này không chỉ dừng lại ở việc chỉ ra 6 nhóm nhân tố mà đã định lượng chính xác hệ số tác động biên ($Marginal\ Effects$) của từng thuộc tính dịch vụ đối với xác suất khách hàng đánh giá điểm 5 (Hoàn toàn hài lòng).
    • So với Lưu Thị Thu Hương & Nguyễn Phan Trí Hiếu (2020) tại FPTS: Đề tài phân tầng chi tiết tệp khách hàng trưởng thành (thu nhập 30–50 triệu VNĐ/tháng chiếm 34,6%), chứng minh rằng nhóm này ít quan tâm đến quảng cáo hào nhoáng mà ưu tiên tuyệt đối cho độ tin cậy của thông tin tư vấn (DVHT6, $\beta = 0,681$) và năng lực chuyên môn của broker (NVMG1, $\beta = 0,712$).
  3. Bằng chứng thực nghiệm giá trị cao: Cung cấp bức tranh thực tế về sự mất cân đối giữa thế mạnh môi giới bán buôn/trái phiếu và điểm yếu môi giới bán lẻ tại một CTCK thuộc nhóm cổ phần tư nhân quy mô lớn.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tiễn

               Lộ Trình Triển Khai Chiến Lược Nâng Cao HQHĐ Môi Giới SHS
  • Tái cấu trúc biểu phí giao dịch (Dynamic Pricing Tier):
    • Chuyển từ mức phí cố định tương đối cao (0,15% - 0,35%) sang cơ chế phân bậc theo NAV và doanh số: Nhà đầu tư Active Trader có mức phí ưu đãi 0,10% - 0,12%; gói hỗ trợ tài khoản mở mới 0,08% trong 3 tháng đầu.
  • Nâng cấp nền tảng số SHTrading Mobile App:
    • Tích hợp giải pháp eKYC định danh sinh trắc học hoàn toàn, rút ngắn thời gian kích hoạt tài khoản xuống dưới 3 phút.
    • Tối ưu hóa UI/UX bảng giá, nâng tốc độ phản hồi dữ liệu thời gian thực (real-time tick-by-tick data) với độ trễ $< 50ms$.
  • Đưa vào vận hành sản phẩm Chứng khoán Phái sinh:
    • Khẩn trương hoàn thiện hạ tầng kết nối bù trừ trung tâm (CCP) để cấp phép giao dịch Hợp đồng tương lai chỉ số VN30, xóa bỏ bất lợi cạnh tranh lớn nhất so với Top 10 thị phần.

Đánh giá hiệu quả kinh tế (ROI Projections)

         Dự Phóng Tăng Trưởng Thị Phần HOSE & Doanh Thu SHS (2023-2025)
          2022 (Hiện trạng)      2023P                   2024P           2025P
  • Ước tính chi phí đầu tư công nghệ & đào tạo: 25 tỷ VNĐ.
  • Gia tăng thị phần dự kiến: Tăng từ 1,9% (2022) lên 2,6% (2024) và đạt mục tiêu 3,2% (2025).
  • Điểm hòa vốn (Break-even): 14 tháng sau khi áp dụng chính sách phí phân bậc và phát hành phiên bản App mới, nhờ khối lượng giao dịch bình quân/tài khoản dự kiến tăng trưởng 35%.

Hạn chế và hướng phát triển

  • Hạn chế về quy mô và không gian mẫu: Mẫu khảo sát định tính tập trung vào $N=153$ khách hàng tại khu vực Hà Nội trong thời gian 2 tuần; chưa bao phủ toàn diện nhóm khách hàng tại Chi nhánh TP.HCM, Đà Nẵng và nhóm nhà đầu tư ngoại.
  • Biến động mang tính chu kỳ của TTCK: Dữ liệu năm 2022–2023 phản ánh tâm lý thận trọng trong giai đoạn Downtrend, có thể làm giảm điểm số hài lòng về lợi nhuận tư vấn (DVHT6) một cách khách quan.
  • Hướng nghiên cứu mở rộng:
    • Xây dựng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để đo lường các mối quan hệ tác động trung gian (Mediating effects) giữa chất lượng dịch vụ, sự tin tưởng và lòng trung thành của nhà đầu tư.
    • Tích hợp phân tích dữ liệu lớn (Big Data) từ nhật ký giao dịch máy chủ (Server Logs) để phân loại hành vi rủi ro của nhà đầu tư tự động theo thuật toán Unsupervised Machine Learning (K-Means Clustering).

Đối tượng hưởng lợi

                 MA TRẬN GIÁ TRỊ HƯỞNG LỢI ĐA BÊN
  • Sinh viên, học viên ngành Tài chính - Ngân hàng: Tiếp cận phương pháp luận mẫu mực kết hợp giữa phân tích tài chính doanh nghiệp và mô hình kinh tế lượng hồi quy phân loại ($Ordered\ Logit$), kèm bộ lệnh code STATA chuẩn hóa.
  • Ban Điều hành & Khối Môi giới SHS: Sở hữu bộ chỉ số đo lường định lượng chính xác các điểm yếu vận hành, làm cơ sở phân bổ ngân sách nâng cấp App và cải tổ chính sách bán hàng.
  • Kỹ sư công nghệ tài chính (Fintech Engineers): Nắm bắt các tiêu chí kỹ thuật mà người dùng mong đợi (giao diện, bảo mật, độ trễ truyền dữ liệu, thông báo khớp lệnh).
  • Nhà đầu tư cá nhân: Hưởng lợi trực tiếp từ chất lượng dịch vụ tư vấn được nâng cao và biểu phí giao dịch minh bạch, cạnh tranh hơn.

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật cốt lõi để triển khai hệ thống SHTrading thế hệ mới là gì?
    Hệ thống cần hạ tầng Server Dedicated đặt tại Data Center đạt chuẩn Tier 3, kết nối đường truyền mạng riêng ảo (Leased Line) trực tiếp tới Sở HOSE/HNX, hỗ trợ giao thức kết nối mở FIX Protocol v4.4/v5.0, tích hợp công nghệ phân tải Microservices và cơ sở dữ liệu In-Memory (Redis/Kafka) đảm bảo throughput $> 10.000$ lệnh/giây.

  2. Tại sao mô hình Ordered Logistic phù hợp hơn mô hình Hồi quy tuyến tính thông thường (OLS) trong nghiên cứu này?
    Vì biến phụ thuộc (mức độ hài lòng) là biến rời rạc có thứ bậc (thang đo Likert từ 1 đến 5). Hồi quy OLS giả định khoảng cách giữa các bậc là bằng nhau và có thể đưa ra giá trị dự báo vượt ra ngoài khoảng [1, 5], vi phạm giả định chuẩn. Ordered Logit sử dụng hàm liên kết Logit xử lý tối ưu cấu trúc phân hạng của biến tiềm ẩn.

  3. Làm thế nào SHS có thể tích hợp dịch vụ Phái sinh vào hệ thống hiện tại?
    SHS cần triển khai module quản lý tài khoản phái sinh độc lập kết nối với Trung tâm Bù trừ Chứng khoán (VSDC), tích hợp tính năng ký quỹ bù trừ thời gian thực (Real-time Portfolio Margin Calculator) trên Web/App SHTrading và tổ chức đào tạo cấp chứng chỉ chuyên môn cho đội ngũ broker.

  4. Nhu cầu bảo trì và hỗ trợ vận hành hệ thống định lượng này như thế nào?
    Dữ liệu khảo sát cần được tự động hóa qua hệ thống đánh giá NPS (Net Promoter Score) sau mỗi giao dịch trên App di động; mô hình kinh tế lượng cần được tái ước lượng (Re-estimation) định kỳ 6 tháng/lần để cập nhật kịp thời sự thay đổi trong hành vi nhà đầu tư.

  5. Lộ trình hoàn vốn và phân bổ chi phí dự kiến cho chiến lược nâng cấp môi giới?
    Tổng ngân sách dự kiến 25 tỷ VNĐ được giải ngân trong 4 quý: 60% cho nâng cấp Core và App di động, 25% cho chương trình ưu đãi phí thu hút người dùng mới và 15% cho đào tạo nhân sự. Dự kiến đạt điểm hòa vốn sau 14 tháng vận hành thực tế.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Hoàng Đạt (Học viện Ngân hàng) đã hoàn thành xuất sắc mục tiêu phân tích toàn diện hiện trạng và hiệu quả hoạt động môi giới tại CTCP Chứng khoán Sài Gòn – Hà Nội (SHS) giai đoạn 2018–2022. Bằng việc kết hợp nhuần nhuyễn giữa phân tích tài chính chuyên sâu và mô hình kinh tế lượng vi mô Ordered Logistic Regression trên cỡ mẫu $N=153$, nghiên cứu đã chứng minh thực nghiệm rằng: Hiệu quả khuyến nghị đầu tư ($\beta = 0,681$), trình độ năng lực chuyên môn của môi giới ($\beta = 0,712$), tốc độ xử lý khiếu nại ($\beta = 0,823$) và độ chính xác của lệnh giao dịch ($\beta = 0,615$) là những biến số nắm giữ trọng số cao nhất quyết định sự hài lòng và lòng trung thành của nhà đầu tư.

Kết quả nghiên cứu cung cấp cơ sở khoa học và thực tiễn vững chắc để Ban Lãnh đạo SHS nhanh chóng tái định vị chiến lược môi giới: Chủ động hạ phí giao dịch linh hoạt, nâng cấp toàn diện ứng dụng di động SHTrading, khẩn trương cấp phép giao dịch chứng khoán phái sinh và chuẩn hóa năng lực tư vấn chuyên sâu của đội ngũ môi giới. Đây chính là chìa khóa then chốt giúp SHS mở rộng thị phần bán lẻ, bứt phá trở lại Top 10 CTCK dẫn đầu thị trường và duy trì tăng trưởng tài chính bền vững trong kỷ nguyên số hóa tài chính toàn diện.