Giới thiệu dự án

Hoạt động tín dụng bán lẻ dành cho khách hàng cá nhân (KHCN) đóng vai trò là trụ cột sinh lời và phân tán rủi ro hàng đầu trong cấu trúc tài sản sinh lời của các ngân hàng thương mại (NHTM) hiện đại. Tại thị trường tài chính Việt Nam, đặc biệt là khu vực trung tâm kinh tế TP. Hồ Chí Minh, áp lực cạnh tranh ngành ngân hàng ngày càng khốc liệt. Tính đến cuối năm 2022, riêng địa bàn Quận 1 đã ghi nhận sự hiện diện của 213 chi nhánh và phòng giao dịch trực thuộc 42 tổ chức tín dụng. Báo cáo khảo sát toàn cầu của PwC chỉ ra rằng có tới 88% định chế tài chính truyền thống lo ngại nguy cơ thất thoát thị phần và sụt giảm doanh thu nếu không kịp thời đổi mới quy trình và sản phẩm. Đồng thời, theo các nghiên cứu quản trị ngân hàng (Srinivasan et al., 2002), chi phí thu hút một khách hàng vay mới (Customer Acquisition Cost - CAC) cao gấp 5 đến 7 lần so với chi phí giữ chân một khách hàng hiện hữu.

Vấn đề thực tiễn đặt ra tại Ngân hàng TMCP Ngoại thương Việt Nam – Chi nhánh Tân Định (Vietcombank Tân Định) là hiện tượng sụt giảm tỷ lệ giải ngân thực tế so với nhu cầu đăng ký ban đầu, cũng như tỷ lệ khách hàng rời bỏ sau khi hoàn thành chu kỳ vay vốn đầu tiên. Dù chi nhánh đã ban hành nhiều gói sản phẩm tín dụng tiêu dùng và sản xuất kinh doanh, bài toán xác định chính xác các yếu tố chi phối hành vi ra quyết định của khách hàng vẫn chưa được lượng hóa một cách có hệ thống.

Đề tài khóa luận tốt nghiệp: "Các nhân tố ảnh hưởng đến quyết định vay vốn của khách hàng cá nhân tại Ngân hàng TMCP Ngoại thương – Chi nhánh Tân Định" (Chuyên ngành: Tài chính – Ngân hàng, Mã ngành: 7 34 02 01) do sinh viên Huỳnh Trọng Phú thực hiện dưới sự hướng dẫn khoa học của TS. Phan Thị Linh tại Trường Đại học Ngân hàng TP. Hồ Chí Minh được triển khai nhằm giải quyết trực diện bài toán trên.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Hệ thống hóa cơ sở lý luận về hành vi tiêu dùng tín dụng ngân hàng dựa trên Thuyết hành động hợp lý (TRA) và Thuyết hành vi dự định (TPB).
  2. Nhận diện và đo lường cường độ tác động ($\beta$) của các biến độc lập đến quyết định vay vốn của KHCN tại Vietcombank Tân Định.
  3. Kiểm định sự khác biệt về quyết định vay vốn theo các đặc tính nhân khẩu học (giới tính, độ tuổi, thu nhập, học vấn).
  4. Xây dựng hệ thống giải pháp và hàm ý quản trị khả thi nhằm nâng cao quy mô tăng trưởng tín dụng bán lẻ an toàn, bền vững.

Phương pháp tiếp cận giải pháp sử dụng mô hình kinh tế lượng kết hợp giữa nghiên cứu định tính (phỏng vấn chuyên gia, cán bộ tín dụng) và định lượng thực nghiệm (khảo sát sơ cấp $N=250$, kiểm định Cronbach's Alpha, phân tích nhân tố khám phá EFA, hồi quy bội OLS trên nền tảng SPSS 22). Phạm vi nghiên cứu tập trung vào khách hàng cá nhân có quan hệ tín dụng tại Vietcombank Tân Định giai đoạn 2017–2022 (dữ liệu thứ cấp) và khảo sát thực địa từ tháng 06/2023 đến tháng 08/2023 (dữ liệu sơ cấp).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Quá trình ra quyết định vay vốn cá nhân là một chuỗi hành vi phức tạp chịu sự tác động đồng thời của nhận thức cá nhân, áp lực xã hội và điều kiện kỹ thuật của định chế tài chính.

Tiêu chí so sánh Mô hình TRA (Fishbein & Ajzen, 1975) Mô hình TPB (Ajzen, 1991) Mô hình Kotler & Armstrong (2012) Mô hình nghiên cứu đề xuất
Cơ chế cốt lõi Thái độ + Chuẩn chủ quan $\to$ Ý định hành vi TRA + Nhận thức kiểm soát hành vi (PBC) 5 giai đoạn: Nhận thức $\to$ Tìm kiếm $\to$ Đánh giá $\to$ Mua $\to$ Sau mua Tích hợp TPB với 6 chiều không gian dịch vụ ngân hàng thương mại
Ưu điểm Đơn giản, giải thích tốt hành vi tự nguyện Bao quát được rào cản tài chính và thủ tục Mô tả chi tiết hành trình trải nghiệm dịch vụ Đo lường định lượng chính xác trọng số của từng nhân tố tác động
Hạn chế Chưa tính đến rào cản nguồn lực bên ngoài Khó lượng hóa nếu không có thang đo chuẩn hóa Mang tính định tính, khó chạy mô hình hồi quy đa biến Cần hiệu chỉnh thang đo phù hợp với từng chi nhánh cụ thể

Phân tích yêu cầu dịch vụ tín dụng theo mô hình MoSCoW:

  • Must have (Bắt buộc): Lãi suất minh bạch, chi phí vay rõ ràng, quy trình thẩm định bảo mật dữ liệu khách hàng tuyệt đối.
  • Should have (Nên có): Đội ngũ nhân viên tư vấn có năng lực nghiệp vụ cao, thời gian phê duyệt và giải ngân khoản vay nhanh chóng.
  • Could have (Có thể có): Ứng dụng số hóa tra cứu tiến độ hồ sơ trên kênh ngân hàng số VCB Digibank, mạng lưới ATM/PGD dày đặc.
  • Won't have (Chưa ưu tiên): Nới lỏng chuẩn thẩm định rủi ro hoặc hạ thấp điều kiện tài sản bảo đảm (TSBĐ) gây rủi ro nợ xấu.

Thiết kế hệ thống

Mô hình nghiên cứu thực nghiệm được chuẩn hóa bao gồm 1 biến phụ thuộc và 6 nhóm biến độc lập với 28 biến quan sát đo lường trên thang đo Likert 5 điểm (1: Hoàn toàn không đồng ý $\to$ 5: Hoàn toàn đồng ý):

+-------------------------------------------------------------+
|                      BIẾN ĐỘC LẬP (X)                       |
|  1. Lãi suất & Chi phí vay (LS: LS1 - LS4)                  |
|  2. Thương hiệu ngân hàng  (TH: TH1 - TH5)                  |
|  3. Năng lực nhân viên     (NV: NV1 - NV4)                  |
|  4. Sự thuận tiện          (TT: TT1 - TT4)                  |
|  5. Ảnh hưởng xã hội       (AH: AH1 - AH4)                  |
|  6. Chính sách tín dụng    (CS: CS1 - CS6)                  |
+------------------------------+------------------------------+
                               |
                               | (Hồi quy tuyến tính bội OLS)
                               v
+-------------------------------------------------------------+
|                     BIẾN PHỤ THUỘC (Y)                      |
|       Quyết định vay vốn của KHCN (QD: QD1 - QD3)            |
+-------------------------------------------------------------+

Đặc tả kỹ thuật của cấu trúc dữ liệu và công cụ xử lý:

  • Nền tảng xử lý: IBM SPSS Statistics Version 22.0 / Python 3.10 (thư viện pandas, statsmodels, factor_analyzer).
  • Thang đo biến phụ thuộc (QD): 3 items đo lường mức độ ưu tiên chọn lựa, cam kết duy trì và giới thiệu khoản vay tại Vietcombank Tân Định.
  • An toàn và bảo mật dữ liệu: Dữ liệu khảo sát sơ cấp được ẩn danh hóa (Anonymization) định danh cá nhân theo tiêu chuẩn bảo mật thông tin nội bộ của hệ thống ngân hàng.

Methodology

Nghiên cứu ứng dụng quy trình tiếp cận 2 giai đoạn chuẩn tắc:

  1. Nghiên cứu sơ bộ (Qualitative): Phỏng vấn sâu 10 chuyên gia gồm Ban Giám đốc chi nhánh, Trưởng phòng Khách hàng bán lẻ và cán bộ tín dụng nhằm hiệu chỉnh 28 biến quan sát gốc từ các nghiên cứu quốc tế (Frangos et al., 2012; Siddique, 2012) cho khớp với thực tế vận hành tại Vietcombank Tân Định.
  2. Nghiên cứu chính thức (Quantitative):
    • Xác định cỡ mẫu: Áp dụng công thức kinh nghiệm của Hair et al. (1998) với tỷ lệ tối thiểu $5:1$ cho phân tích nhân tố ($N_{min} = 28 \times 5 = 140$) và công thức Tabachnick & Fidell (2007) cho hồi quy đa biến ($N \ge 8p + 50 = 8 \times 6 + 50 = 98$). Nghiên cứu phát ra 400 phiếu khảo sát, thu về 250 mẫu hợp lệ ($N = 250$), hoàn toàn đáp ứng độ tin cậy thống kê.
    • Chiến lược kiểm soát rủi ro: Kiểm soát sai số chọn mẫu thông qua lấy mẫu ngẫu nhiên phân tầng kết hợp trực tiếp tại quầy giao dịch và khảo sát online qua email khách hàng định danh.

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu thực nghiệm được mã hóa và thực thi thông qua pipeline xử lý kinh tế lượng. Dưới đây là đoạn mã nguồn Python (tương đương với các thủ tục phân tích trên SPSS 22) thể hiện thuật toán tính toán Cronbach's Alpha, trích xuất EFA và hồi quy OLS:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from factor_analyzer import FactorAnalyzer

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy nội tại Cronbach's Alpha."""
    k = df_items.shape[1]
    variances = df_items.var(axis=0, ddof=1)
    total_score_variance = df_items.sum(axis=1).var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (variances.sum() / total_score_variance))
    return float(alpha)

def execute_econometric_pipeline(data: pd.DataFrame):
    # 1. Kiểm định Cronbach's Alpha từng nhân tố
    scales = {'NV': ['NV1','NV2','NV3','NV4'], 'TH': ['TH1','TH2','TH3','TH4','TH5'],
              'AH': ['AH1','AH2','AH3','AH4'], 'LS': ['LS1','LS2','LS3','LS4'],
              'CS': ['CS1','CS2','CS3','CS4','CS5','CS6'], 'TT': ['TT1','TT2','TT3','TT4']}
    
    alpha_results = {factor: calculate_cronbach_alpha(data[items]) for factor, items in scales.items()}
    
    # 2. Phân tích nhân tố khám phá EFA (Principal Axis Factoring với phép xoay Varimax)
    all_independent_items = [item for sublist in scales.values() for item in sublist]
    fa = FactorAnalyzer(n_factors=6, rotation='varimax', method='principal')
    fa.fit(data[all_independent_items])
    eigenvalues, _ = fa.get_eigenvalues()
    
    # 3. Ước lượng mô hình hồi quy tuyến tính bội OLS
    X = data[['LS_MEAN', 'TH_MEAN', 'NV_MEAN', 'TT_MEAN', 'AH_MEAN', 'CS_MEAN']]
    X = sm.add_constant(X)
    y = data['QD_MEAN']
    
    ols_model = sm.OLS(y, X).fit()
    return alpha_results, eigenvalues, ols_model.summary()

Testing và validation

Kết quả kiểm định độ tin cậy và giá trị thang đo qua các bài test thống kê nghiêm ngặt trên tập dữ liệu $N=250$:

  1. Kiểm định Cronbach's Alpha: Toàn bộ 6 thang đo biến độc lập và 1 thang đo biến phụ thuộc đều đạt độ tin cậy cao ($\alpha \ge 0.70$), hệ số tương quan biến - tổng (Corrected Item-Total Correlation) của tất cả 28 biến quan sát đều $> 0.30$, không có biến rác bị loại.
  2. Kiểm định EFA (Biến độc lập):
    • Hệ số $KMO = 0.812$ ($0.5 < KMO < 1.0$), thỏa mãn điều kiện phân tích nhân tố.
    • Kiểm định Bartlett’s có mức ý nghĩa $Sig. = 0.000 < 0.05$, bác bỏ giả thuyết các biến không có tương quan.
    • Giá trị Eigenvalue của nhân tố thứ 6 đạt $1.241 > 1.0$; Tổng phương sai trích (Cumulative Variance Explained) đạt $63.48% > 50%$.
    • Các hệ số tải nhân tố (Factor Loading) đều đạt chuẩn $> 0.55$.
  3. Kiểm định khuyết tật mô hình hồi quy:
    • Hiện tượng đa cộng tuyến: Hệ số phóng đại phương sai $VIF$ của các biến dao động từ $1.120$ đến $1.450$ (đều $< 2.0$), chứng minh không xảy ra hiện tượng đa cộng tuyến.
    • Tự tương quan: Hệ số Durbin-Watson đạt $1.892$ (nằm trong dải an toàn $1.5 \le d \le 2.5$).
    • Phân phối chuẩn phần dư: Đồ thị Normal P-P Plot cho thấy các điểm quan sát phân bố sát đường chéo kỳ vọng; Mean phần dư $\approx 0$, Standard Deviation $\approx 0.988$.
       BẢNG TỔNG HỢP HỆ SỐ HỒI QUY TUYẾN TÍNH ĐA BIẾN (OLS)
+-----------------------+-------------------+---------------+----------+---------+
| Biến độc lập          | Hệ số chuẩn hóa β | T-Statistic   | P-Value  | VIF     |
+-----------------------+-------------------+---------------+----------+---------+
| Lãi suất (LS)         |     0.312         |     5.412     |  0.000   | 1.215   |
| Thương hiệu (TH)      |     0.245         |     4.231     |  0.000   | 1.340   |
| Nhân viên (NV)        |     0.202         |     3.618     |  0.001   | 1.180   |
| Sự thuận tiện (TT)    |     0.183         |     3.245     |  0.002   | 1.145   |
| Ảnh hưởng XH (AH)     |     0.178         |     3.112     |  0.002   | 1.120   |
| CS Tín dụng (CS)      |     0.134         |     2.380     |  0.018   | 1.450   |
+-----------------------+-------------------+---------------+----------+---------+
| R-squared: 0.612 | Adjusted R-squared: 0.602 | F(6, 243): 63.89 (p < 0.001)    |
+--------------------------------------------------------------------------------+

Kết quả đạt được

Phương trình hồi quy chuẩn hóa phản ánh mức độ ảnh hưởng của các nhân tố:

$$\text{QD} = 0.312 \times \text{LS} + 0.245 \times \text{TH} + 0.202 \times \text{NV} + 0.183 \times \text{TT} + 0.178 \times \text{AH} + 0.134 \times \text{CS}$$

Mô hình đạt hệ số $R^2$ hiệu chỉnh $= 0.602$, đồng nghĩa với việc 6 nhân tố trong mô hình giải thích được $60.2%$ sự biến thiên trong quyết định vay vốn của KHCN tại Vietcombank Tân Định. Thứ tự mức độ ảnh hưởng giảm dần:

  1. Lãi suất ($\beta = 0.312$): Tác động mạnh nhất; biên độ biến động lãi suất và tính cạnh tranh của phí phạt trả trước hạn là mối bận tâm hàng đầu của người vay.
  2. Thương hiệu ngân hàng ($\beta = 0.245$): Vị thế ngân hàng thương mại nhà nước uy tín, an toàn, minh bạch tạo niềm tin quyết định.
  3. Đội ngũ nhân viên ($\beta = 0.202$): Tác phong phục vụ chuyên nghiệp, am hiểu nghiệp vụ và thái độ nhiệt tình thúc đẩy tỷ lệ chốt khoản vay.
  4. Sự thuận tiện ($\beta = 0.183$): Vị trí PGD trung tâm, thủ tục số hóa trên ứng dụng giúp tiết kiệm thời gian giao dịch.
  5. Ảnh hưởng xã hội ($\beta = 0.178$): Lời khuyên từ người thân, bạn bè, đối tác kinh doanh tác động tích cực đến tâm lý lựa chọn.
  6. Chính sách tín dụng ($\beta = 0.134$): Tính linh hoạt về thời hạn, hạn mức và phương thức trả nợ gốc/lãi.

Đổi mới và đóng góp

Điểm mới trong phương pháp và học thuật

  1. Khắc phục khoảng trống nghiên cứu địa bàn: Đóng vai trò là công trình thực nghiệm đầu tiên lượng hóa hành vi vay vốn cá nhân tại Vietcombank Tân Định trong bối cảnh tái cơ cấu tín dụng bán lẻ giai đoạn hậu 2022.
  2. Mô hình tích hợp chuyên sâu: Không chỉ dừng lại ở các yếu tố tài chính truyền thống (lãi suất), đề tài đã kết hợp thành công các yếu tố phi tài chính (năng lực nhân viên, truyền thông xã hội) theo khung chuẩn TPB.

So sánh với các công trình nghiên cứu tiền nhiệm

Tiêu chí Khóa luận Huỳnh Trọng Phú (2023) Phan Quang Việt et al. (2020) - BIDV Bình Thuận Lương Trung Ngãi & Phạm Văn Tài (2019) - BIDV TP.HCM
Phương pháp OLS Stepwise Regression + EFA ($N=250$) OLS Multiple Regression ($N=220$) Binary Logistic Regression ($N=300$)
Nhân tố số 1 Lãi suất ($\beta = 0.312$) Lợi ích tài chính ($\beta = 0.289$) Thương hiệu ngân hàng ($Exp(B) = 2.41$)
Nhân tố số 2 Thương hiệu ($\beta = 0.245$) Sự thuận tiện ($\beta = 0.215$) Thủ tục vay vốn ($Exp(B) = 2.15$)
Điểm khác biệt Phản ánh chính xác tâm lý khách hàng đô thị nhạy cảm với lãi suất vay mua nhà/kinh doanh Tập trung nhiều vào yếu tố địa lý và mạng lưới vùng duyên hải Sử dụng biến phụ thuộc nhị phân (Vay/Không vay) thay vì mức độ quyết định

Ứng dụng thực tế và triển khai

Kế hoạch giải pháp quản trị tại Vietcombank Tân Định

Dựa trên trọng số hồi quy, hệ thống 6 nhóm giải pháp thực thi được thiết lập tương ứng:

                      LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP TÍN DỤNG
+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 1 (Tháng 1-3): Tối ưu chính sách giá & Truyền thông thương hiệu        |
| - Ban hành gói vay cố định lãi suất ưu đãi 12-24 tháng đầu cho KHCN vay mua nhà   |
| - Chiến dịch truyền thông vị thế Top 1 an toàn, tài chính minh bạch               |
+-----------------------------------------------------------------------------------+
                                         |
                                         v
+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 2 (Tháng 4-6): Nâng cấp năng lực nhân sự & Quy trình giao dịch          |
| - Chuẩn hóa bộ tiêu chuẩn SLA giải ngân trong 48h làm việc                         |
| - Đào tạo chuyên sâu kỹ năng tư vấn giải pháp tài chính cá nhân cho RM/CS         |
+-----------------------------------------------------------------------------------+
                                         |
                                         v
+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 3 (Tháng 7-12): Số hóa toàn diện & Mở rộng ảnh hưởng khách hàng        |
| - Tích hợp tính năng đăng ký và phê duyệt sơ bộ hạn mức trên VCB Digibank         |
| - Triển khai chương trình "Member-Get-Member" (MGM) tặng điểm thưởng giới thiệu    |
+-----------------------------------------------------------------------------------+

Phân tích hiệu quả kinh tế và ROI dự phóng

  • Chi phí triển khai ước tính: 350.000.000 VNĐ (ngân sách đào tạo nhân sự, cải tiến quầy ưu tiên và truyền thông số).
  • Lợi ích định lượng:
    • Tăng tỷ lệ chuyển đổi từ hồ sơ tư vấn sang hợp đồng giải ngân thêm $18.5%$.
    • Giảm tỷ lệ khách hàng rời bỏ sau chu kỳ vay đầu từ $24%$ xuống dưới $12%$.
    • Dự phóng tăng trưởng dư nợ bán lẻ tại chi nhánh đạt $15 - 20%$/năm, thời gian hoàn vốn đầu tư chương trình (ROI) ước tính dưới 8 tháng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Giới hạn không gian lấy mẫu: Dữ liệu thu thập tại duy nhất Vietcombank Chi nhánh Tân Định (Quận 1, TP.HCM), chưa bao quát toàn bộ các chi nhánh ngoại thành hoặc các tỉnh lân cận.
  2. Thiết kế nghiên cứu cắt ngang (Cross-sectional): Dữ liệu phản ánh hành vi tại một thời điểm (tháng 6–8/2023), chưa theo dõi biến động tâm lý theo chu kỳ lãi suất dài hạn (Longitudinal study).

Hướng nghiên cứu mở rộng

  • Ứng dụng mô hình cấu trúc tuyến tính SEM / PLS-SEM: Đánh giá vai trò trung gian của "Sự hài lòng" và "Niềm tin thương hiệu" đối với quyết định vay.
  • Tích hợp mô hình máy học (Machine Learning): Kết hợp dữ liệu khảo sát với log giao dịch thực tế trên Core Banking để xây dựng mô hình dự báo hành vi vỡ nợ hoặc tất toán trước hạn bằng thuật toán XGBoost/Random Forest.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp tài liệu tham khảo chuẩn mực về cấu trúc khóa luận định lượng kinh tế, quy trình làm sạch dữ liệu và kiểm định EFA/OLS trên SPSS.
  • Cán bộ quản lý & Chuyên viên tín dụng ngân hàng: Cung cấp bằng chứng thực nghiệm rõ ràng để xây dựng chính sách lãi suất linh hoạt và KPI chăm sóc khách hàng.
  • Khách hàng cá nhân: Hưởng lợi gián tiếp từ việc ngân hàng tối ưu hóa quy trình thủ tục, giảm lãi suất và nâng cao chất lượng phục vụ tại quầy.

Câu hỏi thường gặp

1. Tại sao nghiên cứu sử dụng cỡ mẫu $N=250$ và phương pháp lấy mẫu ngẫu nhiên?

Cỡ mẫu $N=250$ vượt trội so với yêu cầu tối thiểu của Hair et al. ($N=140$) và Tabachnick & Fidell ($N=98$), đảm bảo kiểm định F và hệ số tải EFA đạt ý nghĩa thống kê cao nhất ở mức tin cậy $95%$.

2. Sự khác biệt giữa thang đo Likert 5 điểm và mô hình Binary Logistic là gì?

Thang đo Likert 5 điểm đo lường mức độ đồng thuận chi tiết và liên tục, cho phép chạy hồi quy OLS đánh giá độ nhạy cảm của hành vi, trong khi Binary Logistic chỉ phân loại nhị phân (Có vay/Không vay).

3. Làm sao khắc phục rủi ro đa cộng tuyến khi đưa 6 biến độc lập vào mô hình?

Nghiên cứu kiểm tra ma trận tương quan Pearson giữa các biến và hệ số phóng đại phương sai $VIF$. Thực tế kiểm định cho thấy $VIF < 1.45$, hoàn toàn loại trừ nguy cơ đa cộng tuyến.

4. Kết quả nghiên cứu có thể áp dụng cho các ngân hàng TMCP tư nhân không?

Có thể tham khảo khung lý thuyết và phương pháp luận, tuy nhiên trọng số biến Thương hiệu ($\beta=0.245$) có thể thay đổi tùy thuộc vào định vị thương hiệu của từng ngân hàng cụ thể.

5. Biến "Lãi suất" có ý nghĩa thống kê ra sao trong việc định hình chiến lược kinh doanh?

Với $\beta = 0.312$ ($p < 0.001$), lãi suất là nhân tố tác động mạnh nhất. Ngân hàng bắt buộc phải triển khai cơ chế định giá theo rủi ro (Risk-Based Pricing) và minh bạch biểu phí trả nợ trước hạn để duy trì lợi thế cạnh tranh.

Kết luận

Khóa luận tốt nghiệp của tác giả Huỳnh Trọng Phú đã giải quyết trọn vẹn mục tiêu nghiên cứu thông qua việc mô hình hóa định lượng các nhân tố tác động đến quyết định vay vốn của khách hàng cá nhân tại Vietcombank – Chi nhánh Tân Định. Với đóng góp của 6 nhóm nhân tố giải thích $60.2%$ sự biến thiên hành vi, nghiên cứu khẳng định tầm quan trọng vượt trội của chính sách Lãi suất ($\beta=0.312$) và Thương hiệu ($\beta=0.245$), tiếp nối bởi Nhân viên, Sự thuận tiện, Ảnh hưởng xã hội và Chính sách tín dụng.

Hệ thống hàm ý quản trị được đề xuất cung cấp cơ sở khoa học và thực tiễn vững chắc giúp Ban Lãnh đạo Vietcombank Tân Định tối ưu hóa danh mục tín dụng bán lẻ, cải thiện năng lực cạnh tranh và gia tăng mức độ gắn kết của khách hàng trong kỷ nguyên chuyển đổi số ngành ngân hàng.