Bối cảnh và vấn đề nghiên cứu

Cuộc Cách mạng công nghiệp lần thứ tư với các công nghệ nền tảng như Internet, điện toán đám mây, chuỗi khối (Blockchain), trí tuệ nhân tạo (AI) và dữ liệu lớn (Big Data) đang làm mờ ranh giới truyền thống giữa các tổ chức tài chính và các công ty công nghệ. Sự xuất hiện của các doanh nghiệp Công nghệ Tài chính (Fintech) đã mang lại các phương thức cung ứng dịch vụ tiện ích, tối ưu chi phí và tăng khả năng tiếp cận dịch vụ tài chính cho người dùng. Tại Việt Nam, làn sóng Fintech phát triển nhanh chóng, mở ra nhiều cơ hội nhưng đồng thời cũng đặt ra các thách thức đối với sự ổn định của hệ thống ngân hàng thương mại (NHTM) – khu vực vốn được xem là trụ cột trung gian tài chính và huyết mạch phân bổ vốn của nền kinh tế.

Mặc dù vai trò của Fintech ngày càng rõ nét, các công trình nghiên cứu thực nghiệm đánh giá tác động trực tiếp của doanh nghiệp Fintech tới sự ổn định của toàn hệ thống NHTM tại các thị trường mới nổi như Việt Nam còn rất hạn chế. Phần lớn tài liệu trước đây chủ yếu tập trung vào mối quan hệ giữa Fintech với hiệu quả sinh lời hoặc rủi ro riêng lẻ. Xuất phát từ khoảng trống nghiên cứu và yêu cầu thực tiễn đó, đề tài "Tác động của doanh nghiệp Fintech tới ổn định của hệ thống NHTM Việt Nam" đã được thực hiện.

Mục tiêu nghiên cứu

  • Mục tiêu tổng quát: Phân tích ảnh hưởng của doanh nghiệp Fintech tới sự ổn định của hệ thống NHTM Việt Nam, từ đó đề xuất các giải pháp và kiến nghị chính sách phù hợp với thực tiễn nền kinh tế.
  • Nhiệm vụ nghiên cứu cụ thể:
    1. Hệ thống hóa các lý luận chung về ảnh hưởng của doanh nghiệp Fintech đến sự ổn định của hệ thống NHTM.
    2. Sử dụng mô hình định lượng để đánh giá tác động của doanh nghiệp Fintech đến sự ổn định của các NHTM Việt Nam.
    3. Đề xuất các giải pháp chính sách nhằm đẩy mạnh việc kết hợp giữa doanh nghiệp Fintech với ngân hàng hướng đến sự ổn định tài chính ở Việt Nam.

Câu hỏi nghiên cứu

  1. Thước đo ổn định trên góc độ riêng lẻ và hệ thống được đo lường qua các chỉ tiêu nào?
  2. Doanh nghiệp Fintech tác động thế nào tới ổn định hệ thống NHTM ở Việt Nam?
  3. Đề xuất các khuyến nghị phát triển Fintech hướng tới sự ổn định tài chính tại NHTM ở Việt Nam như thế nào?

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Sự ổn định của hệ thống NHTM Việt Nam và tác động của doanh nghiệp Fintech tới sự ổn định này.
  • Phạm vi không gian: Hệ thống các NHTM Việt Nam niêm yết trên thị trường chứng khoán (mẫu phân tích hồi quy gồm 26 ngân hàng).
  • Phạm vi thời gian: Giai đoạn từ năm 2016 đến năm 2022.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình đo lường

Nghiên cứu tổng hợp các quan điểm học thuật về Fintech từ Hội đồng Ổn định Tài chính (FSB), Vasiljeva & Lukanova (2016), cùng các lý thuyết về ổn định và bất ổn tài chính của Goodhart (2006), Mishkin (1992, 1999), Ngân hàng Trung ương châu Âu (ECB, 2018) và Cục Dự trữ Liên bang Mỹ (FED, 2021).

Văn bản phân định hệ thống chỉ tiêu đo lường ổn định ngân hàng thành hai nhóm:

  • Chỉ số đo lường cấp độ ngân hàng riêng lẻ: Tỷ suất sinh lời trên tổng tài sản (ROA), tỷ suất sinh lời trên vốn chủ sở hữu (ROE), tỷ lệ dự phòng rủi ro tín dụng (LLR/LLP), hệ số đòn bẩy tài chính (LEV), hệ số an toàn vốn (CAR), tỷ lệ nợ xấu (NPL).
  • Chỉ số đo lường cấp độ hệ thống: Hệ số Z-Score, hệ số an toàn vốn toàn hệ thống (CAR theo chuẩn Basel II tối thiểu 8%), chỉ số rủi ro thanh khoản (LDR - Loan to Deposit Ratio).

Trong mô hình thực nghiệm, độ ổn định tổng thể của ngân hàng được đại diện bởi hệ số Z-Score:

$$Z\text{-Score} = \frac{ROA + EA}{\sigma(ROA)}$$

Trong đó:

  • $ROA$: Lợi nhuận sau thuế trên tổng tài sản bình quân.
  • $EA$: Tỷ lệ vốn chủ sở hữu bình quân trên tổng tài sản bình quân.
  • $\sigma(ROA)$: Độ lệch chuẩn của ROA, đại diện cho mức độ biến động lợi nhuận và rủi ro hoạt động.

Phương pháp nghiên cứu và dữ liệu thực nghiệm

  • Phương pháp định tính: Thống kê mô tả, tổng hợp tài liệu học thuật và so sánh chuỗi dữ liệu thứ cấp về bức tranh phát triển Fintech và hệ thống ngân hàng Việt Nam.
  • Phương pháp định lượng: Xây dựng mô hình hồi quy dữ liệu bảng cân bằng (Strongly balanced panel data) với 182 quan sát từ 26 NHTM niêm yết giai đoạn 2016–2022. Quy trình xử lý kinh tế lượng trên phần mềm Stata gồm: hồi quy Pooled OLS, mô hình tác động cố định (FEM), mô hình tác động ngẫu nhiên (REM), kiểm định Hausman để chọn mô hình phù hợp, thực hiện các kiểm định khuyết tật mô hình (phương sai sai số thay đổi, tự tương quan), và sử dụng phương pháp ước lượng Bình phương tối thiểu tổng quát (GLS) để khắc phục khuyết tật.

Mô hình hồi quy thực nghiệm:

$$Z_{i,t} = \alpha + \beta_1 \text{Fintech}{i,t} + \beta_2 \text{LLP}{i,t} + \beta_3 \text{Size}{i,t} + \beta_4 \text{Lev}{i,t} + \beta_5 \text{Cost}{i,t} + \beta_6 \text{GDP}{i,t} + \beta_7 \text{INF}{i,t} + \mu{i,t}$$

Ký hiệu biến Phân loại Cách tính toán Kỳ vọng dấu
Z-Score Biến phụ thuộc $(ROA + EA) / \sigma(ROA)$ -
Fintech Biến độc lập Logarit tự nhiên số lượng công ty Fintech hiện diện trong năm $+$
LLP Biến kiểm soát Dự phòng rủi ro tín dụng / Tổng dư nợ $-$
Size Biến kiểm soát Logarit tự nhiên tổng tài sản của NHTM $+ / -$
Cost Biến kiểm soát Chi phí hoạt động / Vốn chủ sở hữu $-$
Lev Biến kiểm soát Tổng nợ phải trả / Tổng tài sản $+$
GDP Biến vĩ mô Tốc độ tăng trưởng kinh tế hàng năm $+$
INF Biến vĩ mô Tỷ lệ lạm phát hàng năm $-$
  • Nguồn dữ liệu: Số liệu ngân hàng thu thập từ Báo cáo tài chính hợp nhất kiểm toán của 26 NHTM; số liệu Fintech lấy từ Statista và Hyperlead; số liệu kinh tế vĩ mô (GDP, lạm phát) do Tổng cục Thống kê công bố.

Nội dung chính theo từng chương

CHƯƠNG I: Cơ sở lý thuyết và tổng quan về tác động của doanh nghiệp Fintech tới ổn định của hệ thống NHTM Việt Nam

Chương I hệ thống hóa khái niệm, lịch sử hình thành và phân loại doanh nghiệp Fintech. Văn bản chia Fintech thành 2 nhóm chính:

  1. Nhóm trực tiếp cung cấp công cụ/sản phẩm tài chính số: Thanh toán điện tử (ví điện tử, chuyển tiền P2P), huy động vốn cộng đồng (góp vốn, cho vay, tài trợ dự án), cho vay ngang hàng (P2P lending), bảo hiểm công nghệ (Insurtech), quản lý tài sản và tư vấn đầu tư tự động (Robo-advisors).
  2. Nhóm cung cấp giải pháp hỗ trợ công nghệ: Nhận diện khách hàng điện tử (eKYC), công cụ bảo mật, phân tích dữ liệu lớn, quản trị rủi ro và phần mềm quản lý quan hệ khách hàng.

Chương này phân tích cơ sở lý thuyết về ổn định hệ thống ngân hàng, làm rõ các tiêu chí đo lường riêng lẻ (ROA, ROE, LLR, LEV, CAR, NPL) và hệ thống (Z-Score, CAR, LDR). Tác động của Fintech được phân tích đa chiều:

  • Tác động tích cực: Đổi mới mô hình kinh doanh, phát triển kênh phân phối số (Mobile/Internet banking, mã QR), ứng dụng công nghệ giảm chi phí vận hành và tăng minh bạch, mở rộng dịch vụ tới các phân khúc khách hàng chưa có tài khoản ở vùng sâu vùng xa, nâng cao khả năng tiếp cận dịch vụ 24/7.
  • Tác động tiêu cực: Gia tăng nguy cơ tấn công từ tội phạm công nghệ (rò rỉ dữ liệu, mã độc), rủi ro pháp lý do công nghệ phát triển nhanh hơn hành lang pháp lý (dẫn đến các vụ gian lận tài chính, P2P trá hình, tiền ảo), rủi ro người dùng thiếu kỹ năng bảo mật, và áp lực cạnh tranh làm chia sẻ thị phần dịch vụ truyền thống của các NHTM.

CHƯƠNG II: Đánh giá tác động của doanh nghiệp Fintech tới ổn định hệ thống NHTM Việt Nam

Chương II tập trung phân tích thực trạng phát triển Fintech tại Việt Nam và kiểm định mô hình định lượng:

  • Thực trạng thị trường Fintech Việt Nam (2016–2022):

    • Số lượng người dùng: Tăng từ 27 triệu người (2017) lên gần 69 triệu người (2022), trong đó mảng thanh toán điện tử chiếm hơn 90% tổng số người dùng; số người dùng tài sản kỹ thuật số tăng từ 2,06 triệu (2019) lên 8,01 triệu người (2022).
    • Số lượng doanh nghiệp: Dưới 50 doanh nghiệp trước năm 2015, tăng lên 94 doanh nghiệp (2017), 125 doanh nghiệp (2018), 139 doanh nghiệp (2019) và đạt 176 doanh nghiệp vào năm 2022. Khoảng 70% doanh nghiệp có vốn đầu tư nước ngoài; 72% chọn hợp tác trực tiếp với ngân hàng.
    • Quy mô vốn đầu tư: Năm 2021 ghi nhận 388 triệu USD với 15 thương vụ (chiếm 10% vốn tài trợ Fintech khu vực Đông Nam Á, tiêu biểu là MoMo và VNPay); năm 2022 đạt 294 triệu USD với 14 khoản đầu tư mới.
    • Thực tiễn liên kết NHTM – Fintech: Các hợp tác tiêu biểu như Vietcombank, Vietinbank, BIDV, Agribank, TPBank liên kết ví điện tử MoMo; Vietinbank lập Fintech Lab; TPBank triển khai LiveBank 24/7; VPBank hợp tác Timo, ra mắt ngân hàng số Cake by VPBank (thu hút hơn 2,3 triệu khách hàng sau 20 tháng); MB phát triển eMBee Fanpage cùng Boomerang; CIMB hợp tác Finhay phát hành thẻ đồng thương hiệu; Standard Chartered hợp tác MISA triển khai vay tín chấp qua hóa đơn điện tử.

  • Kết quả kiểm định kinh tế lượng:

    • Mô hình OLS ban đầu có $R^2 = 0{,}2304$, hệ số VIF trung bình là 1,31 (không xảy ra đa cộng tuyến).
    • Kiểm định phương sai sai số thay đổi trên mô hình Pooled OLS cho thấy sự xuất hiện của khuyết tật ($Prob > \chi^2 = 0{,}05$), kiểm định Hausman cho kết quả chấp nhận mô hình REM ($Prob > \chi^2 = 0{,}05$).
    • Mô hình REM phát hiện có hiện tượng phương sai sai số thay đổi và tự tương quan ($Prob > F = 0{,}05$). Tác giả đã sử dụng ước lượng GLS để khắc phục hoàn toàn các khuyết tật trên, mang lại mô hình có ý nghĩa thống kê.

CHƯƠNG III: Khuyến nghị chính sách thúc đẩy sự hợp tác giữa doanh nghiệp Fintech và Ngân hàng

Chương III đề xuất hệ thống giải pháp định hướng hợp tác dựa trên kết quả nghiên cứu:

  • Đối với các Ngân hàng thương mại:
    • Chủ động đổi mới hạ tầng công nghệ, tích hợp AI, Machine Learning, Big Data và eKYC vào thẩm định tín dụng và quản trị vận hành.
    • Mở rộng quan hệ hợp tác chiến lược với các doanh nghiệp Fintech thay vì đối đầu trực tiếp, chia sẻ nền tảng công nghệ và hệ sinh thái khách hàng.
    • Kiểm soát quy mô tài sản phù hợp với năng lực quản trị, tối ưu hóa chi phí hoạt động và cơ cấu lại hệ số đòn bẩy tài chính nhằm hạn chế rủi ro phá sản.
  • Đối với Chính phủ và Ngân hàng Nhà nước:
    • Hoàn thiện khung khổ pháp lý thử nghiệm có kiểm soát (Regulatory Sandbox) cho các mô hình kinh doanh tài chính công nghệ mới.
    • Ban hành quy chuẩn nghiêm ngặt về an toàn an ninh mạng, bảo mật dữ liệu định danh khách hàng và phòng chống tội phạm công nghệ cao.
    • Xây dựng cơ chế thúc đẩy tài chính toàn diện, tăng cường giám sát hoạt động cho vay ngang hàng và các hình thức thanh toán điện tử.

Kết quả và đóng góp

Kết quả hồi quy thực nghiệm

Kết quả ước lượng thông qua phương pháp GLS chỉ ra mối quan hệ tác động của các nhân tố đến độ ổn định hệ thống NHTM (Z-Score) như sau:

Biến số Hệ số GLS Mức ý nghĩa thống kê Chiều tác động tới Z-Score Ý nghĩa kinh tế
Fintech 0,17 1% Cùng chiều ($+$) Sự gia tăng số lượng doanh nghiệp Fintech giúp nâng cao tính ổn định hệ thống NHTM thông qua thúc đẩy cạnh tranh lành mạnh, tối ưu chi phí và mở rộng tài chính toàn diện.
Size - 1% Ngược chiều ($-$) Quy mô tài sản càng lớn làm giảm Z-Score do tính phức tạp trong quản trị, khó khăn giám sát và rủi ro đạo đức ("quá lớn để sụp đổ").
LLP - 1% Cùng chiều ($+$) Tỷ lệ trích lập dự phòng rủi ro tín dụng cao tạo tấm đệm tài chính hấp thụ các cú sốc nợ xấu, củng cố độ an toàn của ngân hàng.
Lev - 1% Ngược chiều ($-$) Tỷ lệ đòn bẩy tài chính cao làm tăng gánh nặng trả nợ và chi phí lãi vay, làm giảm độ an toàn vốn khi thị trường biến động xấu.
Cost - 1% Ngược chiều ($-$) Chi phí hoạt động trên vốn chủ sở hữu tăng gây áp lực tài chính, làm suy giảm hiệu quả sinh lời và tính ổn định.
GDP - Không có ý nghĩa Cùng chiều ($+$) Tăng trưởng kinh tế có xu hướng cải thiện khả năng trả nợ của khách hàng nhưng chưa đạt ý nghĩa thống kê trong mẫu khảo sát.
INF - Không có ý nghĩa Ngược chiều ($-$) Lạm phát có xu hướng làm giảm sức mua và khả năng trả nợ nhưng chưa có ý nghĩa thống kê trong mô hình.

Đóng góp của đề tài

  1. Về mặt học thuật: Bổ sung bằng chứng thực nghiệm đầu tiên về tác động của sự phát triển doanh nghiệp Fintech tới chỉ số ổn định tổng thể Z-Score của hệ thống NHTM tại thị trường Việt Nam giai đoạn 2016–2022, khắc phục khoảng trống của các nghiên cứu trước vốn chỉ tập trung vào tỷ suất lợi nhuận (ROA, ROE, NIM).
  2. Về mặt thực tiễn: Cung cấp cơ sở định lượng để các nhà quản trị NHTM nhận diện tác động tích cực của Fintech, từ đó chuyển dịch chiến lược từ cạnh tranh đối đầu sang hợp tác đồng hành, đồng thời cung cấp căn cứ để cơ quan quản lý hoàn thiện chính sách giám sát an toàn vĩ mô.

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế về thước đo Fintech: Do dữ liệu về doanh thu, giá trị giao dịch và quy mô dư nợ cho vay của toàn bộ các doanh nghiệp Fintech tại Việt Nam chưa được công bố công khai và đầy đủ, tác giả sử dụng biến đại diện là Logarit tự nhiên số lượng doanh nghiệp Fintech hiện diện theo năm.
  • Hạn chế về phạm vi mẫu nghiên cứu: Mẫu nghiên cứu giới hạn ở 26 NHTM niêm yết trên sàn chứng khoán trong giai đoạn 2016–2022, chưa bao quát được toàn bộ các ngân hàng thương mại cổ phần chưa niêm yết hoặc các tổ chức tín dụng phi ngân hàng.
  • Hướng nghiên cứu tiếp: Khi nguồn dữ liệu thị trường minh bạch hơn, các nghiên cứu tiếp theo có thể đưa vào các chỉ tiêu định lượng cụ thể về quy mô giao dịch số, giá trị cho vay P2P thực tế, hoặc mở rộng phạm vi so sánh đối sánh giữa các quốc gia trong khu vực Đông Nam Á.

Giá trị tham khảo

  • Đối tượng thụ hưởng:
    • Sinh viên, học viên và nhà nghiên cứu: Ngành Tài chính - Ngân hàng, Công nghệ Tài chính (Fintech), Kinh tế phát triển; những người thực hiện đề tài về quản trị rủi ro hệ thống và ngân hàng số.
    • Nhà quản trị NHTM: Khối chiến lược, khối khách hàng số và khối quản trị rủi ro tại các ngân hàng thương mại để tham khảo mô hình hợp tác và kiểm soát tỷ lệ đòn bẩy, chi phí hoạt động.
    • Cơ quan quản lý (NHNN, Bộ Tài chính): Cơ sở thực tiễn để xây dựng hành lang pháp lý thử nghiệm (Sandbox) và quy định an toàn hệ thống.
  • Nội dung đáng giá để trích dẫn:
    • Khung phương pháp đo lường hệ số ổn định Z-Score kết hợp quy trình xử lý hồi quy bảng GLS trên Stata.
    • Bảng tổng hợp số liệu thực tế về thị trường Fintech Việt Nam (người dùng, số doanh nghiệp, các thương vụ đầu tư 2016–2022).
    • Các dẫn chứng cụ thể về mô hình hợp tác thực tế giữa NHTM Việt Nam và các đối tác công nghệ (LiveBank, Timo, Cake, eMBee, MISA...).

Câu hỏi thường gặp

1. Khóa luận sử dụng chỉ số nào để đại diện cho sự ổn định của hệ thống NHTM?

Khóa luận sử dụng hệ số Z-Score, được tính bằng tỷ số giữa tổng của tỷ suất sinh lời trên tài sản ($ROA$) và tỷ lệ vốn chủ sở hữu trên tài sản ($EA$) chia cho độ lệch chuẩn của ROA ($\sigma(ROA)$). Z-Score càng cao phản ánh xác suất vỡ nợ càng thấp và tính ổn định tài chính của ngân hàng càng lớn.

2. Biến số đại diện cho Fintech được thu thập và lượng hóa như thế nào trong bài?

Biến Fintech được đo lường bằng Logarit tự nhiên của tổng số lượng công ty Fintech đang hoạt động tại Việt Nam trong từng năm (giai đoạn 2016–2022). Số liệu được tác giả tổng hợp từ các nguồn thống kê của Statista và Hyperlead.

3. Kết quả hồi quy cho thấy sự phát triển của Fintech tác động ra sao đến các NHTM Việt Nam?

Kết quả ước lượng bằng mô hình GLS cho thấy biến Fintech có hệ số dương ($0{,}17$) và đạt ý nghĩa thống kê ở mức 1%. Điều này chứng minh sự gia tăng của các doanh nghiệp Fintech có tác động tích cực, góp phần củng cố và nâng cao tính ổn định của hệ thống NHTM Việt Nam.

4. Tại sao quy mô ngân hàng (Size) lại có tác động ngược chiều tới tính ổn định trong nghiên cứu này?

Hệ số biến Size mang dấu âm ở mức ý nghĩa 1%. Tác giả giải thích điều này dựa trên lý thuyết về tính phi kinh tế theo quy mô và rủi ro đạo đức: khi ngân hàng phát triển quá lớn, sự phức tạp trong quản lý và giám sát gia tăng, đồng thời tâm lý ỷ lại vào giả thuyết "quá lớn để sụp đổ" (Too big to fail) khiến các ngân hàng lớn dễ chấp nhận đầu tư vào các tài sản rủi ro cao.

5. Những mô hình hợp tác tiêu biểu nào giữa NHTM Việt Nam và Fintech được nêu trong khóa luận?

Văn bản nêu bật nhiều mô hình hợp tác thực tế: kết nối ví điện tử MoMo với hơn 10 NHTM; Vietinbank thành lập Fintech Lab; TPBank triển khai NH tự động LiveBank 24/7; VPBank hợp tác thành lập ngân hàng số Timo và Cake by VPBank; MB kết hợp Boomerang phát triển eMBee Fanpage trên Messenger; CIMB phát hành thẻ liên kết với Finhay; và Standard Chartered hợp tác MISA cung cấp vốn vay tín chấp qua hóa đơn điện tử.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Văn Hải đã giải quyết trọn vẹn mục tiêu nghiên cứu thông qua việc kết hợp cơ sở lý luận vững chắc và phương pháp kinh tế lượng thực nghiệm chặt chẽ trên 26 NHTM Việt Nam giai đoạn 2016–2022. Kết quả nghiên cứu khẳng định sự hiện diện và phát triển của các doanh nghiệp Fintech có tác động thúc đẩy tích cực đến sự ổn định tài chính của hệ thống ngân hàng thương mại, đồng thời chỉ ra vai trò bảo vệ của dự phòng rủi ro tín dụng cũng như các rủi ro phát sinh từ quy mô quá lớn, đòn bẩy cao và chi phí vận hành kém hiệu quả. Đây là tài liệu học thuật có giá trị tham khảo cao cho công tác nghiên cứu, đào tạo chuyên ngành Tài chính - Ngân hàng và hoạch định chính sách số hóa ngành ngân hàng tại Việt Nam.