Giới thiệu dự án

Thị trường tài chính – ngân hàng bán lẻ tại Việt Nam trong giai đoạn chuyển đổi kinh tế ghi nhận sự bùng nổ mạnh mẽ về nhu cầu tích lũy và luân chuyển vốn của khối khách hàng cá nhân (KHCN). Tại tỉnh Tiền Giang – trung tâm kinh tế trọng điểm vùng Tây Nam Bộ với tốc độ đô thị hóa nhanh và thu nhập bình quân gia tăng, nguồn vốn nhàn rỗi trong dân cư trở thành mục tiêu cạnh tranh khốc liệt giữa hơn 20 tổ chức tín dụng (TCTD) và ngân hàng thương mại cổ phần (NHTMCP).

Dự án nghiên cứu "Phân tích các nhân tố ảnh hưởng đến quyết định gửi tiền tiết kiệm và lượng tiền gửi của khách hàng cá nhân vào Ngân hàng TMCP Sài Gòn Thương Tín (Sacombank) chi nhánh Tiền Giang" giải quyết bài toán tối ưu hóa chiến lược huy động vốn dựa trên bằng chứng dữ liệu thực nghiệm (evidence-based empirical analysis).

                  +---------------------------------------+
                  | KHÁCH HÀNG CÁ NHÂN (TIỀN GIANG)       |
                  | - Thu nhập, Chi tiêu, Quy mô hộ       |
                  | - Nhu cầu tích lũy & sinh lời         |
                  +-------------------+-------------------+
                                      |
                                      v
                  +---------------------------------------+
                  | TIẾN TRÌNH RA QUYẾT ĐỊNH & LƯỢNG GỬI  |
                  +-------------------+-------------------+
                                      |
        +-----------------------------+-----------------------------+
        |                                                           |
        v                                                           v
+-------------------------------+                           +-------------------------------+
| GIAI ĐOẠN 1: BINARY LOGISTIC  |                           | GIAI ĐOẠN 2: HỒI QUY ĐA BIẾN |
| Quyết định gửi tiền (Y = 0/1) |                           | Quy mô lượng tiền gửi (Y_VND) |
| Kiểm định Odds Ratio (Exp(B)) |                           | Đánh giá hệ số Beta & R2      |
+---------------+---------------+                           +---------------+---------------+
                |                                                           |
                +-----------------------------+-----------------------------+
                                              |
                                              v
                              +-------------------------------+
                              | HỆ THỐNG GIẢI PHÁP TỐI ƯU     |
                              | - Chính sách lãi suất vi mô   |
                              | - Tinh gọn quy trình nghiệp vụ|
                              | - Tăng trưởng vốn huy động    |
                              +-------------------------------+

Vấn đề nghiên cứu và các điểm nghẽn thực tế

  • Cạnh tranh lãi suất gay gắt: Ngân hàng phải cân đối giữa chi phí trả lãi (chiếm 78,5% - 84,8% tổng chi phí hoạt động của chi nhánh) và biên lãi thuần (NIM).
  • Rủi ro phân bổ kỳ hạn: Áp lực từ tỷ trọng tiền gửi không kỳ hạn biến động cao (57,9% năm 2014 tăng lên 71% năm 2016), gây rủi ro thanh khoản nếu không nắm bắt được hành vi khách hàng.
  • Thiếu hụt mô hình định lượng vi mô: Các quyết định tiếp thị và thiết kế gói sản phẩm tiền gửi trước đây chủ yếu dựa trên cảm tính thay vì phân tích mối quan hệ nhân quả có ý nghĩa thống kê giữa đặc tính nhân khẩu học, chất lượng dịch vụ và quy mô dòng tiền gửi.

Mục tiêu dự án

  1. Đánh giá thực trạng hoạt động kinh doanh và biến động cơ cấu nguồn vốn huy động của Sacombank CN Tiền Giang giai đoạn 2014 – 2016.
  2. Xây dựng và ước lượng mô hình Binary Logistic nhằm xác định các nhân tố chi phối xác suất ra quyết định mở sổ tiết kiệm của KHCN.
  3. Thiết lập mô hình hồi quy tuyến tính đa biến (OLS) định lượng mức độ tác động của các biến kinh tế - xã hội đến tổng lượng tiền gửi thực tế.
  4. Kiểm định các giả thuyết thống kê về uy tín, lãi suất, chất lượng phục vụ, khoảng cách địa lý và đặc điểm nhân khẩu học.
  5. Đề xuất hệ thống giải pháp nâng cao năng lực cạnh tranh và hiệu quả huy động vốn tại địa bàn.

Phương pháp tiếp cận và phạm vi

  • Cách tiếp cận: Kết hợp dữ liệu thứ cấp (báo cáo tài chính, nguồn vốn 2014–2016) và dữ liệu sơ cấp điều tra thực địa qua bảng câu hỏi cấu trúc ($N = 100$).
  • Phạm vi không gian: Địa bàn TP. Mỹ Tho và 6 huyện/thị thuộc tỉnh Tiền Giang (Cái Bè, Cai Lậy, Châu Thành, Chợ Gạo, Gò Công).
  • Phạm vi thời gian: Dữ liệu thứ cấp giai đoạn 2014 – 2016; khảo sát sơ cấp tiến hành từ 15/03/2017 đến 30/03/2017.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

+---------------------------------------------------------------------------------------------------+
| MA TRẬN SO SÁNH GIẢI PHÁP PHÂN TÍCH HÀNH VI TIỀN GỬI                                              |
+-------------------+---------------------------------------+---------------------------------------+
| Tiêu chí          | Phương pháp định tính truyền thống    | Mô hình kinh tế lượng 2 giai đoạn     |
+-------------------+---------------------------------------+---------------------------------------+
| Bản chất dữ liệu  | Khảo sát ý kiến chung, thống kê mô tả | Kết hợp dữ liệu thứ cấp + vi mô sơ cấp|
| Cơ chế phân tích  | So sánh tỷ lệ phần trăm đơn giản      | Binary Logistic + OLS đa biến         |
| Mức độ chính xác  | Thấp, dễ thiên lệch do cảm tính       | Cao, có kiểm định $p$-value, $R^2$, F |
| Khả năng dự báo   | Không thể dự báo định lượng cụ thể    | Ước lượng xác suất & độ co giãn dòng  |
| Khả năng ứng dụng | Khó cá nhân hóa chính sách lãi suất   | Phân khúc chính xác theo thu nhập/hộ  |
+-------------------+---------------------------------------+---------------------------------------+

Bảng ưu tiên yêu cầu phân tích (MoSCoW)

  • Must have (Bắt buộc): Đo lường tác động của lãi suất ($X_6$), uy tín ngân hàng ($X_1$), chất lượng phục vụ ($X_2$), thu nhập hàng tháng ($X_8$).
  • Should have (Nên có): Phân tích ảnh hưởng của khoảng cách địa lý ($X_5$), yếu tố người quen ($X_7$), chi tiêu ($X_9$), số nhân khẩu ($X_{10}$).
  • Could have (Có thể có): Đo lường tác động của các chương trình khuyến mãi theo mùa vụ ($X_4$) và kênh giao dịch ngoài giờ thứ Bảy.
  • Won't have (Chưa ưu tiên): Tích hợp phân tích hành vi gửi tiết kiệm online qua Mobile Banking (do giai đoạn 2016–2017 giao dịch tại quầy chiếm trên 90%).

Thiết kế mô hình nghiên cứu

Technology Stack và công cụ phân tích

  • Phần mềm xử lý dữ liệu: IBM SPSS Statistics phiên bản 20.0 (xử lý mô hình Logit, OLS, Cronbach's Alpha, kiểm định Omnibus, Hosmer-Lemeshow).
  • Công cụ trích xuất & xử lý thô: Microsoft Excel 2016 (Data Analysis Toolpak, hàm thống kê ANOVA, Pivot Tables).
  • Hệ thống lõi ngân hàng nguồn: Temenos T24 Core Banking System (trích xuất báo cáo cân đối tài khoản kế toán, phân hệ tiền gửi TGTK).

Thông số kỹ thuật của biến số trong hệ thống dữ liệu

+---------------------------------------------------------------------------------------------------+
| TỪ ĐIỂN BIẾN SỐ NGHIÊN CỨU (DATA DICTIONARY)                                                      |
+--------+----------------------------+-----------+-------------------------+-----------------------+
| Ký hiệu| Tên biến số                | Phân loại | Thang đo / Đơn vị tính  | Kỳ vọng dấu tác động  |
+--------+----------------------------+-----------+-------------------------+-----------------------+
| Y1     | Quyết định gửi tiền        | Phụ thuộc | Nhị phân (1=Có, 0=Không)| N/A                   |
| Y2     | Lượng tiền gửi tiết kiệm   | Phụ thuộc | Liên tục (Triệu VNĐ)    | N/A                   |
| X1     | Uy tín của ngân hàng       | Độc lập   | Likert 5 điểm (1 -> 5)  | Dương (+)             |
| X2     | Chất lượng phục vụ nhân viên| Độc lập  | Likert 5 điểm (1 -> 5)  | Dương (+)             |
| X3     | Thời gian giao dịch        | Độc lập   | Likert 5 điểm (1 -> 5)  | Âm (-)                |
| X4     | Chính sách khuyến mãi      | Độc lập   | Likert 5 điểm (1 -> 5)  | Dương (+)             |
| X5     | Khoảng cách từ nhà đến NH  | Độc lập   | Likert 5 điểm (1 -> 5)  | Âm (-)                |
| X6     | Lãi suất tiền gửi          | Độc lập   | Likert 5 điểm (1 -> 5)  | Dương (+)             |
| X7     | Có người quen tại ngân hàng| Độc lập   | Likert 5 điểm (1 -> 5)  | Dương (+)             |
| X8     | Thu nhập bình quân/tháng   | Độc lập   | Liên tục (Triệu VNĐ)    | Dương (+)             |
| X9     | Chi tiêu bình quân/tháng   | Độc lập   | Liên tục (Triệu VNĐ)    | Âm (-)                |
| X10    | Số nhân khẩu trong hộ      | Độc lập   | Rời rạc (Người)         | Dương (+)             |
+--------+----------------------------+-----------+-------------------------+-----------------------+

Implementation và kết quả

Quy trình toán học và triển khai mô hình

1. Mô hình xác suất lựa chọn Binary Logistic

Xác suất khách hàng quyết định gửi tiền tại Sacombank được mô hình hóa qua hàm phân phối Logistic:

$$P(Y = 1) = \frac{1}{1 + e^{-Z}} = \frac{e^{\beta_0 + \sum_{i=1}^{7} \beta_i X_i}}{1 + e^{\beta_0 + \sum_{i=1}^{7} \beta_i X_i}}$$

Dạng hồi quy Logit tuyến tính hóa:

$$\ln\left(\frac{P}{1 - P}\right) = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \beta_3 X_3 + \beta_4 X_4 + \beta_5 X_5 + \beta_6 X_6 + \beta_7 X_7 + \varepsilon$$

2. Mô hình định lượng quy mô vốn gửi (OLS Multiple Regression)

$$Y_2 = \beta_0 + \sum_{i=1}^{7} \beta_i X_i + \beta_8 X_8 + \beta_9 X_9 + \beta_{10} X_{10} + u_i$$

# Cấu trúc mã nguồn mô phỏng kiểm định kinh tế lượng (Python Statsmodels / Scikit-learn)
import numpy as np
import pandas as pd
import statsmodels.api as sm
import statsmodels.formula.api as smf

# Khởi tạo ma trận dữ liệu mẫu chuẩn hóa
def run_econometric_estimation(df):
    # 1. Binary Logistic Regression cho Quyết định gửi tiền
    logit_formula = "Y1 ~ X1_UyTin + X2_PhucVu + X3_ThoiGian + X4_KhuyenMai + X5_KhoangCach + X6_LaiSuat + X7_NguoiQuen"
    logit_model = smf.logit(formula=logit_formula, data=df).fit()
    print("=== LOGIT MODEL RESULTS ===")
    print(logit_model.summary())
    
    # 2. OLS Multiple Regression cho Lượng tiền gửi
    ols_formula = "Y2_LuongTien ~ X1_UyTin + X2_PhucVu + X3_ThoiGian + X4_KhuyenMai + X5_KhoangCach + X6_LaiSuat + X7_NguoiQuen + X8_ThuNhap + X9_ChiTieu + X10_NhanKhau"
    ols_model = smf.ols(formula=ols_formula, data=df).fit()
    print("=== OLS REGRESSION RESULTS ===")
    print(ols_model.summary())
    return logit_model, ols_model

Kết quả phân tích định lượng và bằng chứng thống kê

+---------------------------------------------------------------------------------------------------+
| KẾT QUẢ KINH DOANH VÀ CƠ CẤU VỐN HUY ĐỘNG SACOMBANK TIỀN GIANG (2014 - 2016)                      |
+------------------------------+---------------+---------------+---------------+--------------------+
| Chỉ tiêu tài chính           | Năm 2014      | Năm 2015      | Năm 2016      | Tăng trưởng 16/15  |
+------------------------------+---------------+---------------+---------------+--------------------+
| Tổng doanh thu (Triệu VNĐ)   | 210.892       | 240.165       | 278.111       | +15,80%            |
| - Thu từ hoạt động tín dụng  | 168.043       | 198.004       | 213.562       | +7,86%             |
| - Thu ngoài tín dụng         | 42.849        | 42.161        | 64.549        | +53,10%            |
| Tổng chi phí (Triệu VNĐ)     | 155.496       | 180.124       | 216.927       | +20,43%            |
| - Chi phí trả lãi tiền gửi   | 130.617       | 152.907       | 170.354       | +11,41%            |
| Lợi nhuận trước thuế (Tr.VNĐ)| 55.396        | 60.041        | 61.184        | +1,90%             |
| Tổng vốn huy động (Tỷ VNĐ)   | 1.986,8       | 2.826,1       | 3.962,8       | +40,22%            |
| - Tiền gửi không kỳ hạn      | 1.151,1 (58%) | 1.777,5 (63%) | 2.827,1 (71%) | +59,05%            |
| - Tiền gửi có kỳ hạn         | 835,7 (42%)   | 1.048,6 (37%) | 1.135,7 (29%) | +8,31%             |
+------------------------------+---------------+---------------+---------------+--------------------+

Kết quả ước lượng mô hình thực nghiệm

+---------------------------------------------------------------------------------------------------+
| KẾT QUẢ HỒI QUY CÁC NHÂN TỐ ẢNH HƯỞNG (N = 100)                                                   |
+-------------------+-----------------------------------+-------------------------------------------+
| Biến số           | Mô hình Binary Logistic (Y1)      | Mô hình Hồi quy OLS (Y2: Triệu đồng)      |
|                   | Hệ số B (Std. Error) | Exp(B)     | Hệ số Beta chưa chuẩn hóa | Sig. (p-value)|
+-------------------+----------------------+------------+---------------------------+---------------+
| Hằng số (Const)   | -4,312 (1,821)       | 0,013      | -128,450 (45,210)         | 0,005**       |
| X1 (Uy tín NH)    | 0,892 (0,314)**      | 2,440      | 34,120 (11,250)           | 0,003**       |
| X2 (Chất lượng PV)| 1,124 (0,388)**      | 3,077      | 42,800 (12,180)           | 0,001**       |
| X3 (Thời gian GD) | -0,412 (0,210)*      | 0,662      | -14,350 (7,890)           | 0,072*        |
| X4 (Khuyến mãi)   | 0,345 (0,195)*       | 1,412      | 11,200 (6,410)            | 0,084*        |
| X5 (Khoảng cách)  | -0,521 (0,221)**     | 0,594      | -18,600 (8,120)           | 0,024**       |
| X6 (Lãi suất)     | 1,450 (0,412)**      | 4,263      | 58,900 (14,320)           | 0,000**       |
| X7 (Người quen)   | 0,612 (0,280)**      | 1,844      | 19,450 (9,800)            | 0,049**       |
| X8 (Thu nhập/th)  | --                   | --         | 8,450 (1,920)             | 0,000**       |
| X9 (Chi tiêu/th)  | --                   | --         | -5,120 (2,150)            | 0,019**       |
| X10 (Số nhân khẩu)| --                   | --         | 15,300 (5,400)            | 0,006**       |
+-------------------+-----------------------------------+-------------------------------------------+
| Chỉ số kiểm định  | -2 Log Likelihood = 74,32         | R-Square = 0,684 | Adjusted R2 = 0,648    |
| mô hình           | Cox & Snell R2 = 0,441            | F-Statistic = 19,26 (p < 0,001)           |
|                   | Nagelkerke R2 = 0,598             | Durbin-Watson = 1,912                     |
|                   | Omnibus Test: Chi-square p < 0,001| VIF max = 1,84 (Không có đa cộng tuyến)   |
+-------------------+-----------------------------------+-------------------------------------------+
| Ghi chú: ** Ý nghĩa thống kê tại mức 1% (p < 0,01); * Ý nghĩa thống kê tại mức 10% (p < 0,10).    |
+---------------------------------------------------------------------------------------------------+

Đổi mới và đóng góp

  1. Phương pháp tiếp cận 2 tầng (Two-stage Empirical Framework): Khắc phục nhược điểm của các nghiên cứu đơn lẻ bằng cách tách bạch rõ ràng giữa xác suất hình thành quyết định (Logit) và hành vi quy mô dòng tiền tích lũy (OLS).
  2. Khám phá tác động mạnh của biến Lãi suất và Chất lượng dịch vụ: Hệ số $\text{Exp}(B) = 4,263$ của Lãi suất và $\text{Exp}(B) = 3,077$ của Chất lượng phục vụ chứng minh rằng khách hàng sẵn sàng chuyển dịch dòng tiền khi được hưởng chính sách lãi suất cạnh tranh và thái độ tận tâm của giao dịch viên.
  3. Phát hiện quy luật nhân khẩu học địa phương: Thu nhập bình quân ($p < 0,001$, hệ số $+8,450$) và Số nhân khẩu trong hộ ($p = 0,006$, hệ số $+15,300$) tác động thuận chiều mạnh mẽ đến số dư tiền gửi, phản ánh xu hướng tích lũy dự phòng cho gia đình tại khu vực Đồng bằng sông Cửu Long.
+---------------------------------------------------------------------------------------------------+
| ĐỐI CHIẾU VỚI CÁC NGHIÊN CỨU TIỀN NHIỆM                                                            |
+----------------------+--------------------+-----------------------+-------------------------------+
| Đặc tính kỹ thuật    | Nguyễn Thị Lẹ (2009| N.N.Phi Hùng (2015)   | Đồ án Võ Thị Kim Ngọc (2017)  |
+----------------------+--------------------+-----------------------+-------------------------------+
| Địa bàn nghiên cứu   | Cần Thơ            | TP. Hồ Chí Minh       | Tiền Giang                    |
| Cỡ mẫu khảo sát      | N = 90             | N = 200               | N = 100                       |
| Phương pháp sử dụng  | Probit + OLS       | EFA + Hồi quy tuyến   | Binary Logistic + OLS đa biến |
| Hệ số giải thích     | Không công bố R2   | R2 = 43,6%            | Nagelkerke R2 = 59,8%, R2=68,4%|
| Tính chi tiết biến số| 5 biến cơ bản      | 5 nhóm nhân tố gộp    | 10 biến chi tiết phân rã      |
| Phân tích tài chính  | Không tích hợp     | Không tích hợp        | Tích hợp BCTC 3 năm liên tục  |
+----------------------+--------------------+-----------------------+-------------------------------+

Ứng dụng thực tế và triển khai

+---------------------------------------------------------------------------------------------------+
| MA TRẬN ỨNG DỤNG CHIẾN LƯỢC TẠI PHÒNG GIAO DỊCH & CHI NHÁNH                                       |
+--------------------------+------------------------------------+-----------------------------------+
| Kịch bản thực tế         | Chiến lược can thiệp               | Kết quả mục tiêu đo lường         |
+--------------------------+------------------------------------+-----------------------------------+
| 1. Khách hàng có thu nhập| Thiết kế gói "Tiết kiệm tích tài - | Tăng tỷ trọng tiền gửi có kỳ hạn  |
| cao (> 20 triệu/tháng)   | Phúc lộc", bậc thang lãi suất linh | từ 29% (2016) lên > 38% trong     |
| và quy mô hộ >= 4 người  | hoạt theo số dư và kỳ hạn dài.     | 18 tháng tiếp theo.               |
| 2. Khách hàng giao dịch  | Đẩy mạnh giao dịch sáng thứ Bảy,   | Giảm thời gian chờ tại quầy xuống |
| bận rộn trong tuần       | quy chuẩn hóa thời gian xử lý quầy | dưới 7 phút/giao dịch; cải thiện  |
| (chủ cơ sở kinh doanh)   | (< 10 phút/sổ tiết kiệm).          | chỉ số hài lòng khách hàng > 92%. |
| 3. Khách hàng địa bàn    | Mở rộng mạng lưới PGD liên huyện,  | Giảm rào cản khoảng cách địa lý;  |
| huyện (Cái Bè, Cai Lậy)  | kết hợp chương trình liên kết thẻ. | tăng số lượng khách hàng mới 15%. |
+--------------------------+------------------------------------+-----------------------------------+

Lộ trình triển khai giải pháp (Roadmap)

  • Giai đoạn 1 (Tháng 1 - Tháng 3): Hoàn thiện quy chuẩn đào tạo kỹ năng tư vấn và văn hóa dịch vụ khách hàng cho đội ngũ giao dịch viên tại 7 PGD.
  • Giai đoạn 2 (Tháng 4 - Tháng 6): Triển khai gói sản phẩm lãi suất bậc thang theo số dư tiền gửi và phát động chương trình chăm sóc khách hàng thân thiết.
  • Giai đoạn 3 (Tháng 7 - Tháng 12): Đẩy mạnh tiếp thị phân tán tại các trung tâm thương mại huyện, tối ưu hóa chi phí điều chuyển vốn nội bộ.

Hạn chế và hướng phát triển

  • Hạn chế cỡ mẫu và không gian: Quy mô mẫu $N = 100$ tại một chi nhánh cấp tỉnh; chưa bao quát toàn bộ các nhóm khách hàng nông thôn vùng sâu.
  • Biến động môi trường số: Nghiên cứu chưa đo lường tác động của các tính năng số hóa hiện đại như eKYC, Mobile Banking và bảo mật sinh trắc học.
  • Hướng phát triển: Mở rộng nghiên cứu đa chi nhánh toàn vùng ĐBSCL ($N \ge 500$), tích hợp thuật toán phân lớp học máy (Random Forest, XGBoost) để dự báo tỷ lệ rời bỏ (churn rate) của người gửi tiền.

Đối tượng hưởng lợi

  • Sinh viên ngành Tài chính – Ngân hàng: Nắm vững phương pháp luận xây dựng khóa luận tốt nghiệp ứng dụng kinh tế lượng thực nghiệm chuẩn mực.
  • Chuyên viên phân tích dữ liệu & Nghiên cứu thị trường: Khung mẫu xử lý dữ liệu khảo sát, làm sạch biến số và chạy mô hình Logistic/OLS trên SPSS.
  • Ban lãnh đạo & Quản trị ngân hàng: Bộ giải pháp thực tiễn giúp cân đối chi phí vốn, giảm tỷ lệ phụ thuộc vốn điều chuyển và tăng trưởng số dư TGTK bền vững.
  • Giảng viên và nhà nghiên cứu: Dữ liệu tham khảo có giá trị về hành vi tài chính vi mô của người dân khu vực Tây Nam Bộ.

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật tối thiểu để chạy lại mô hình nghiên cứu này?
    Hệ thống máy tính văn phòng tiêu chuẩn chạy Windows/macOS, cài đặt phần mềm IBM SPSS Statistics từ bản v20.0 trở lên hoặc môi trường Python 3.8+ với các thư viện pandas, statsmodels, scipy.

  2. Làm thế nào để kiểm soát hiện tượng đa cộng tuyến trong mô hình OLS?
    Kiểm tra hệ số phóng đại phương sai (VIF). Kết quả nghiên cứu đạt $\text{VIF}_{\max} = 1,84 < 2,5$, đảm bảo không có hiện tượng đa cộng tuyến nghiêm trọng giữa các biến độc lập.

  3. Tại sao mô hình Logistic lại chọn biến phụ thuộc nhị phân $Y_1 \in {0, 1}$?
    Mã hóa $Y_1 = 1$ (khách hàng có gửi tiền tại Sacombank) và $Y_1 = 0$ (khách hàng chọn gửi ngân hàng khác) giúp đo lường xác suất lựa chọn thương hiệu dựa trên hàm Logit lũy thừa.

  4. Biến "Số nhân khẩu" có ý nghĩa kinh tế như thế nào đối với lượng tiền gửi?
    Số nhân khẩu đại diện cho quy mô gia đình; tại khu vực nghiên cứu, hộ đông người có xu hướng tích lũy quỹ dự phòng an sinh lớn hơn, dẫn đến hệ số hồi quy dương có ý nghĩa thống kê ($p = 0,006$).

  5. Chi phí triển khai các giải pháp huy động vốn đề xuất có gây rủi ro giảm lợi nhuận?
    Không. Việc tối ưu hóa chất lượng phục vụ và giữ chân khách hàng giúp tăng lượng tiền gửi không kỳ hạn (CASA) với chi phí vốn thấp ($0,3%$/năm), từ đó bù đắp và tối ưu hóa tổng chi phí trả lãi của chi nhánh.

Kết luận

Đồ án tốt nghiệp của tác giả Võ Thị Kim Ngọc đã hoàn thành xuất sắc việc kết hợp giữa lý luận ngân hàng thương mại và phương pháp định lượng thực nghiệm hiện đại. Bằng việc lượng hóa thành công các nhân tố chi phối quyết định gửi tiền và quy mô vốn của khách hàng cá nhân tại Sacombank Tiền Giang, công trình không chỉ mang giá trị học thuật cao mà còn cung cấp cẩm nang thực thi chiến lược sắc bén cho các nhà quản trị ngân hàng bán lẻ trong việc tối ưu hóa nguồn vốn huy động và gia tăng lợi thế cạnh tranh bền vững.