Bối cảnh và vấn đề nghiên cứu

Sự bùng nổ của công nghệ tài chính (Fintech) trên phạm vi toàn cầu và tại Việt Nam đã làm thay đổi căn bản phương thức cung ứng, quản lý các dịch vụ tài chính truyền thống. Theo dữ liệu từ Statista được tác giả trích dẫn, tính đến tháng 5/2023, thế giới có hơn 26.000 doanh nghiệp khởi nghiệp trong lĩnh vực Fintech; trong đó khu vực Châu Mỹ chiếm 11.681 doanh nghiệp, khu vực Châu Âu, Trung Đông và Châu Phi (EMEA) cùng khu vực Châu Á - Thái Bình Dương (APAC) chiếm 5.061 doanh nghiệp, đạt mức tăng trưởng 50% chỉ sau hai năm. Doanh thu toàn ngành Fintech đạt 186,87 tỷ USD vào năm 2023, tăng gần 100% so với năm 2017. Nguồn vốn đầu tư mạo hiểm rót vào lĩnh vực này trong nửa đầu năm 2023 đạt mốc 23 tỷ USD.

Tại Việt Nam, số lượng công ty Fintech ghi nhận mức tăng trưởng nhanh chóng từ 144 đơn vị năm 2018 lên 263 đơn vị vào năm 2022. Sự xuất hiện của các định chế tài chính công nghệ mới tạo nên hai luồng quan điểm trái chiều: một mặt, Fintech tạo áp lực cạnh tranh gay gắt, đe dọa thị phần và nguồn thu của hệ thống ngân hàng thương mại; mặt khác, Fintech mở ra cơ hội hợp tác chiến lược, giúp tối ưu hóa chi phí vận hành, gia tăng tiện ích và mở rộng khả năng tiếp cận tài chính toàn diện. Đề tài khóa luận tập trung nghiên cứu bản chất mối quan hệ này tại thị trường Việt Nam.

Mục tiêu nghiên cứu: Đánh giá tác động của các công ty Fintech đến hiệu quả hoạt động của các Ngân hàng Thương mại (NHTM) niêm yết trên thị trường chứng khoán Việt Nam, từ đó đề xuất hệ thống giải pháp nhằm nâng cao hiệu quả hoạt động cho cả khối NHTM và các doanh nghiệp Fintech.

Nhiệm vụ nghiên cứu:

  1. Hệ thống hóa cơ sở lý luận về NHTM, công ty Fintech và các kênh tác động của Fintech đến hiệu quả hoạt động của ngân hàng.
  2. Phân tích thực trạng hiệu quả hoạt động của các NHTM và bức tranh phát triển của ngành Fintech tại Việt Nam giai đoạn 2017 – 2022.
  3. Đo lường, lượng hóa mức độ tác động của các nhân tố Fintech đến hiệu quả hoạt động của các NHTM thông qua kết hợp phân tích định tính và mô hình kinh tế lượng định lượng.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Tác động của các công ty Fintech tới hiệu quả hoạt động của các NHTM.
  • Phạm vi không gian: 19 NHTM cổ phần niêm yết trên Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE) và Sở Giao dịch Chứng khoán Hà Nội (HNX), cùng hệ thống các doanh nghiệp Fintech đang hoạt động tại Việt Nam.
  • Phạm vi thời gian: Giai đoạn 6 năm, từ năm 2017 đến năm 2022.

Cơ sở lý thuyết và phương pháp

Khóa luận được xây dựng dựa trên sự kết hợp giữa các lý thuyết kinh tế học hành vi, quản trị đổi mới sáng tạo và các khung pháp lý, chuẩn mực ngành ngân hàng:

  • Lý thuyết người tiêu dùng của Aaker & Keller (1990): Khẳng định các dịch vụ mới có khả năng thay thế dịch vụ truyền thống nếu đáp ứng cùng một nhu cầu với sự tiện lợi và nhận thức chất lượng vượt trội. Tại thị trường có dân số trẻ và tỷ lệ tiếp cận Internet cao như Việt Nam, hiệu ứng thay thế này càng diễn ra mạnh mẽ.
  • Lý thuyết đổi mới đột phá của Christensen (1997): Mô tả 4 giai đoạn phát triển của đổi mới sáng tạo (Sự phá vỡ, Sự tiến hóa, Sự hội tụ, Sự tái tạo), giải thích cách thức các doanh nghiệp Fintech gia nhập thị trường bằng những giải pháp đơn giản, chi phí cạnh tranh để từng bước chiếm lĩnh phân khúc mà ngân hàng truyền thống bỏ ngỏ.
  • Cơ sở pháp lý và văn bản điều hành: Luật Các tổ chức tín dụng năm 1997; Nghị định số 59/2009/NĐ-CP; Thông tư 41/2017/TT-NHNN về áp dụng chuẩn mực an toàn vốn Basel II; Đề án phát triển thanh toán không dùng tiền mặt tại Việt Nam giai đoạn 2021 – 2025.

Hệ thống chỉ tiêu đánh giá trong mô hình:

Nhóm biến Ký hiệu Tên chỉ tiêu / Cách tính Đơn vị
Biến phụ thuộc ($BP_{it}$) $NIM$ Tỷ lệ thu nhập lãi thuần = (Thu nhập lãi thuần / Tổng tài sản sinh lời bình quân) $\times$ 100 %
$ROA$ Tỷ suất sinh lời trên tổng tài sản = (Lợi nhuận sau thuế / Tổng tài sản) $\times$ 100 %
$ROE$ Tỷ suất sinh lời trên vốn chủ sở hữu = (Lợi nhuận sau thuế / Vốn chủ sở hữu) $\times$ 100 %
Biến Fintech ($Fintech_t$) $FUND$ Quy mô vốn đầu tư vào các công ty Fintech trong năm $t$ Triệu USD
$USER$ Tổng số lượng người sử dụng dịch vụ Fintech trong năm $t$ Triệu người
$P2P$ Giá trị giao dịch cho vay cá nhân qua Fintech trong năm $t$ Triệu USD
$SME$ Giá trị giao dịch cho vay doanh nghiệp qua Fintech trong năm $t$ Triệu USD
Biến kiểm soát ngân hàng ($X_{it}$) $CIR$ Tỷ lệ chi phí trên thu nhập = (Tổng chi phí hoạt động / Tổng thu nhập hoạt động) $\times$ 100 %
$COST$ Tỷ lệ chi phí trên tổng tài sản = (Tổng chi phí hoạt động / Tổng tài sản) $\times$ 100 %
$TNNL$ Tỷ lệ thu nhập ngoài lãi = (Thu nhập ngoài lãi / Tổng thu nhập hoạt động) $\times$ 100 %
Biến vĩ mô ($Z_{it}$) $INFL$ Tỷ lệ lạm phát hàng năm %

Phương pháp và quy trình nghiên cứu: Nghiên cứu ứng dụng quy trình phân tích kinh tế lượng chuẩn gồm 5 bước: Xác định vấn đề nghiên cứu $\rightarrow$ Xây dựng mô hình hồi quy $\rightarrow$ Thu thập và xử lý dữ liệu $\rightarrow$ Phân tích thống kê mô tả $\rightarrow$ Ước lượng và kiểm định khuyết tật mô hình.

Mô hình hồi quy dữ liệu bảng tổng quát có dạng: $$BP_{it} = \beta_0 + \beta_1 \times Fintech_t + \beta_2 \times X_{it} + \beta_3 \times Z_{it} + u_{it}$$

Dữ liệu thứ cấp được tổng hợp từ Báo cáo tài chính hợp nhất đã kiểm toán của 19 NHTM cổ phần niêm yết, các báo cáo thị trường từ Statista, Ngân hàng Nhà nước Việt Nam (NHNN), Nextrans, Fintech News Singapore, Báo Kinh tế Sài Gòn và Ngân hàng Thế giới (World Bank). Dữ liệu được xử lý trên phần mềm Stata 14, thông qua các kiểm định tương quan Pearson, kiểm định Hausman (lựa chọn giữa mô hình tác động cố định FEM và tác động ngẫu nhiên REM), kiểm định Wald (phương sai sai số thay đổi) và kiểm định Wooldridge (hiện tượng tự tương quan), trước khi sử dụng phương pháp ước lượng bình phương tối thiểu tổng quát (GLS) để khắc phục các khuyết tật.

Nội dung chính theo từng chương

Chương 1: Cơ sở lý luận về tác động của các công ty Fintech đến hiệu quả hoạt động của các NHTM

Chương này tổng kết toàn diện khung lý thuyết về NHTM và các định chế Fintech. Khái niệm hiệu quả hoạt động ngân hàng được soi chiếu qua định nghĩa của Ngân hàng Trung ương Châu Âu (ECB, 2010), Peter S. Rose và PGS.TS Nguyễn Khắc Minh, nhấn mạnh khả năng tối đa hóa lợi nhuận bền vững trên cơ sở quản trị chi phí và kiểm soát rủi ro.

Chương 1 phân loại lĩnh vực hoạt động của Fintech theo Navaretti và cộng sự (2017), ASIC (2016) và Boldt (2017) thành hai nhóm chính: nhóm phục vụ trực tiếp người tiêu dùng (B2C) và nhóm hỗ trợ công nghệ cho định chế tài chính (Back-Office). Đồng thời, tác giả tổng thuật các công trình nghiên cứu thực nghiệm quốc tế tiêu biểu:

  • Phan và cộng sự (2019) tại Indonesia (41 NHTM): Fintech làm giảm NIM 0,38%, giảm ROE 7,3%, giảm ROA 1,73%; tác động tới ngân hàng lớn mạnh hơn ngân hàng nhỏ.
  • Li và cộng sự (2017) tại Trung Quốc và Hoa Kỳ: Xác định tác động cải thiện hiệu quả chi phí ngân hàng nhưng làm gia tăng mức độ lan tỏa rủi ro hệ thống.
  • Sheng (2021): Fintech hỗ trợ thúc đẩy tín dụng cho khối doanh nghiệp vừa và nhỏ (SME) tại Trung Quốc.
  • Almulla & Aljughaiman (2021): Khảo sát 40 ngân hàng vùng Vịnh, chỉ ra Fintech có tác động tiêu cực đến hiệu quả tài chính của ngân hàng thương mại truyền thống (CB) nhưng không ảnh hưởng rõ rệt đến ngân hàng Hồi giáo (IB).
  • Các nghiên cứu trong nước của Phạm Xuân Hòe, Nghiêm Thanh Sơn, Trần Nguyễn Minh Hải, Đào Duy Tùng, Nguyễn Nhật Minh, Phạm Đức Anh, Phan Thị Hoàng Yến làm rõ bối cảnh cạnh tranh và hợp tác tại Việt Nam.

Chương 2: Thiết kế nghiên cứu

Chương 2 mô tả chi tiết phương pháp luận nghiên cứu và quy trình xử lý dữ liệu. Do các công ty Fintech tại Việt Nam chưa công bố công khai doanh thu và dư nợ cho vay thực tế, tác giả xây dựng các biến đại diện gồm quy mô vốn đầu tư ($FUND$), số lượng người dùng ($USER$), giá trị giao dịch cho vay cá nhân ($P2P$) và cho vay doanh nghiệp ($SME$).

Chương này thiết lập hai giả thuyết nghiên cứu chính:

  • Giả thuyết 1 ($H_1$): Quy mô vốn đầu tư vào công ty Fintech ($FUND$) có tác động đến tỷ lệ thu nhập lãi thuần ($NIM$) của NHTM.
  • Giả thuyết 2 ($H_1$): Giá trị các khoản cho vay cá nhân của công ty Fintech ($\ln P2P$) có tác động đến tỷ lệ thu nhập lãi thuần ($NIM$) của NHTM. Quy trình kiểm định kỹ thuật bao gồm phân tích ma trận tương quan Pearson để loại bỏ đa cộng tuyến (ngưỡng tương quan > 0,5), kiểm định Hausman nhằm lựa chọn giữa mô hình FEM và REM, cùng các kiểm định khuyết tật mô hình để đảm bảo tính không chệch và hiệu quả của các ước lượng hồi quy.

Chương 3: Kết quả nghiên cứu

Chương 3 trình bày bức tranh thực trạng ngành ngân hàng và thị trường Fintech Việt Nam giai đoạn 2017 – 2022:

  • Bối cảnh vận hành NHTM 2017 – 2022: Năm 2017 đẩy mạnh xử lý nợ xấu (vốn tồn đọng gần 600 nghìn tỷ đồng, tương đương 13,3% GDP cuối năm 2016) và ban hành Thông tư 41/2017/TT-NHNN áp dụng Basel II; năm 2018 chứng kiến sự gia tăng của thu nhập ngoài lãi (chiếm gần 24% tổng thu nhập) và số hóa hệ thống lõi (Core banking, ERP, CRM, Machine Learning); năm 2019 duy trì hạn mức tín dụng 14-15% và siết tỷ lệ vốn ngắn hạn cho vay trung dài hạn xuống 40%; năm 2020 bùng nổ phân phối bảo hiểm (bancassurance đóng góp trên 50% lãi thuần dịch vụ tại VIB, TPB, SHB); năm 2021 tái cơ cấu nợ và trích lập dự phòng giãn tiến độ 3 năm; năm 2022 tổng thu nhập lãi thuần ngành đạt 428.938 tỷ đồng (tăng 23% so với 2021), tỷ lệ nợ xấu đạt 1,60% (VPB cao nhất với 5,7%), chi phí vốn tăng lên 3,4%.

Bảng đánh giá sức khỏe tài chính 19 NHTM niêm yết năm 2022 theo khung CAMELS (Báo Kinh tế Sài Gòn):

Nhóm tiêu chí CAMELS Ngân hàng dẫn đầu Ngân hàng xếp cuối / Hạn chế
C - An toàn vốn VPB (1/19), TCB (2/19) BID (19/19), CTG (18/19)
A - Chất lượng tài sản TCB (1/19), MSB (2/19) VPB (19/19), CTG (18/19), BID (17/19)
M - Quản trị chi phí VCB (1/19), TCB (2/19) BAB (18/19), VPB (18/19)
E - Khả năng sinh lời MBB, VIB, ACB NVB (19/19), BAB (18/19)
L - Thanh khoản TPB (1/19), NVB (1/19) LPB (17/19), VPB (17/19)
S - Quy mô / Mức độ tập trung BID, CTG, VCB NVB (19/19), BAB (18/19), EIB (17/19)
Xếp hạng chung toàn diện VCB (3/19), TCB, ACB, MSB, MBB STB (19/19), BAB (18/19), NVB (17/19)
  • Thực trạng phân khúc thị trường Fintech Việt Nam năm 2022: Toàn thị trường có 263 công ty, phân bổ thành 5 mảng chính: Thanh toán điện tử (82 công ty, chiếm 31%); Cho vay ngang hàng P2P Lending (42 công ty, 16%); Tiền mã hóa Blockchain/Crypto (31 công ty, 12%); Quản trị tài sản số WealthTech (21 công ty, 8%); Điểm bán hàng POS (18 công ty, 7%) và các lĩnh vực khác (69 công ty, 26%).
  • Các điển cứu doanh nghiệp Fintech: MoMo đạt 68% thị phần ví điện tử trong quý I/2023 với tỷ lệ yêu thích 48%; VNPay QR huy động thành công 300 triệu USD năm 2019 từ SoftBank Vision Fund và GIC, phủ sóng hơn 32 ngân hàng và 15 ví điện tử; Vaymuon đạt tỷ lệ duyệt hồ sơ tự động bằng trí tuệ nhân tạo (AI) 70% – 80%; Tima hoàn tất gọi vốn Series B từ Belt Road Capital năm 2018 với định giá gần 500 tỷ đồng.

Danh mục một số công ty P2P Lending hoạt động tại Việt Nam (NHNN, 2020):

STT Nền tảng P2P Lending Hình thức hoạt động Phân khúc khách hàng Vốn đầu tư (Triệu USD) Trụ sở
1 Fiin P2P truyền thống Vay tiêu dùng 0,7 Hà Nội
2 Eloan P2P truyền thống Hộ kinh doanh, SME 1,0 TP.HCM
3 Vaymuon P2P truyền thống Tiêu dùng, hộ kinh doanh, SME 1,0 Hà Nội
4 Vnvon P2P truyền thống Tiêu dùng, hộ kinh doanh, SME 10,0 Hà Nội
5 Huydong P2P truyền thống Doanh nghiệp vốn tối đa 2 tỷ 0,5 Hà Nội
6 MoneyBank P2P truyền thống Vay tiêu dùng - TP.HCM
7 Mofin P2P truyền thống Vay tiêu dùng 1,0 Hà Nội
8 Interloan P2P truyền thống Vay tiêu dùng ứng lương 1,0 TP.HCM
9 Tima Lender P2P truyền thống Vay tiêu dùng 5,0 Hà Nội
10 Lenbiz P2P truyền thống Hộ kinh doanh, SME 2,0 Hà Nội
11 Dragonlend Kết nối với ngân hàng Cá nhân, hộ kinh doanh, SME - TP.HCM

Chương 4: Kết luận và kiến nghị

Chương cuối tổng hợp các kết luận rút ra từ nghiên cứu và đưa ra hệ thống khuyến nghị thực tiễn:

  • Đối với NHTM: Chủ động đẩy mạnh số hóa quy trình nghiệp vụ, tối ưu hóa tỷ lệ chi phí trên thu nhập ($CIR$), tăng cường hợp tác cộng sinh với các công ty Fintech trong mảng thanh toán và chấm điểm tín dụng nhằm mở rộng tệp khách hàng cá nhân và doanh nghiệp vừa và nhỏ.
  • Đối với khách hàng: Tận dụng các nền tảng tài chính số để tiếp cận vốn và giải pháp thanh toán linh hoạt, đồng thời nâng cao nhận thức về an toàn bảo mật thông tin trong các giao dịch trực tuyến.

Kết quả và đóng góp

  • Kết quả thực nghiệm: Phản ánh bức tranh tài chính của 19 NHTM cổ phần niêm yết trong giai đoạn 2017 – 2022 với sự gia tăng mạnh của thu nhập lãi thuần (đạt 428.938 tỷ đồng năm 2022) và thu nhập ngoài lãi; đồng thời lượng hóa sự tác động của dòng vốn đầu tư Fintech ($FUND$) và tín dụng tiêu dùng số ($P2P$) đến biên độ lãi thuần ($NIM$) của khối ngân hàng.
  • Hệ thống hóa phân khúc thị trường Fintech: Khóa luận cung cấp số liệu chi tiết về cơ cấu 263 công ty Fintech tại Việt Nam, đặc biệt là bức tranh thị phần phân khúc thanh toán số và cho vay ngang hàng (P2P Lending).
  • Đóng góp học thuật: Đề tài áp dụng phương pháp hồi quy dữ liệu bảng (Panel Data) để giải quyết khoảng trống nghiên cứu thực nghiệm tại Việt Nam về mối quan hệ giữa Fintech và hệ thống ngân hàng thương mại niêm yết, bổ sung bằng chứng thực chứng cho các lý thuyết về đổi mới đột phá và hành vi tiêu dùng trong lĩnh vực tài chính.

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế: Theo tự nhận định của tác giả, nghiên cứu còn một số giới hạn do sự hiểu biết thực tế thị trường; việc tiếp cận các số liệu nội bộ cụ thể về doanh thu và dư nợ thực tế của từng doanh nghiệp Fintech tại Việt Nam gặp khó khăn do tính bảo mật và chưa có quy định công bố thông tin bắt buộc, buộc tác giả phải sử dụng các chỉ tiêu đại diện vĩ mô ($FUND$, $USER$, $P2P$, $SME$); phạm vi dữ liệu định lượng chỉ giới hạn trong 19 NHTM cổ phần niêm yết giai đoạn 2017 – 2022.
  • Hướng nghiên cứu tiếp: Mở rộng quy mô mẫu nghiên cứu sang toàn bộ hệ thống các tổ chức tín dụng bao gồm ngân hàng thương mại chưa niêm yết và chi nhánh ngân hàng nước ngoài; kéo dài chuỗi dữ liệu sau năm 2022; cập nhật các chỉ tiêu định lượng vi mô khi khung pháp lý thử nghiệm có kiểm soát (Regulatory Sandbox) cho Fintech tại Việt Nam được hoàn thiện.

Giá trị tham khảo

  • Đối tượng sử dụng: Khóa luận là tài liệu tham khảo cho sinh viên, học viên cao học các chuyên ngành Tài chính - Ngân hàng, Công nghệ tài chính (Fintech), Kinh tế học ứng dụng; các chuyên viên phân tích tài chính và bộ phận chiến lược số tại các ngân hàng thương mại.
  • Phần nội dung có giá trị cao: Khung thiết kế nghiên cứu dữ liệu bảng xử lý khuyết tật bằng phần mềm Stata; bảng phân tích xếp hạng sức khỏe tài chính 19 NHTM theo khung CAMELS năm 2022; danh mục dữ liệu và số liệu thực trạng về hệ sinh thái P2P Lending và ví điện tử tại Việt Nam.

Câu hỏi thường gặp

1. Tác giả sử dụng các biến số nào để đo lường sự phát triển của các công ty Fintech trong mô hình kinh tế lượng?
Do dữ liệu doanh thu và dư nợ cho vay của các công ty Fintech tại Việt Nam chưa được công bố công khai bắt buộc, tác giả sử dụng 4 biến đại diện từ Statista gồm: Quy mô vốn đầu tư vào Fintech ($FUND$, triệu USD), Số lượng người dùng dịch vụ Fintech ($USER$, triệu người), Giá trị giao dịch cho vay cá nhân ($P2P$, triệu USD) và Giá trị giao dịch cho vay doanh nghiệp ($SME$, triệu USD).

2. Cơ cấu phân chia lĩnh vực hoạt động của 263 công ty Fintech tại Việt Nam năm 2022 như thế nào?
Theo số liệu Nextrans (2022) được trích dẫn trong văn bản, 263 công ty Fintech phân bổ theo 5 lĩnh vực chính: Thanh toán điện tử chiếm 31% (82 công ty), Cho vay ngang hàng P2P Lending chiếm 16% (42 công ty), Tiền mã hóa Blockchain/Crypto chiếm 12% (31 công ty), Quản trị tài sản số chiếm 8% (21 công ty), Điểm bán hàng POS chiếm 7% (18 công ty) và các lĩnh vực khác chiếm 26% (69 công ty).

3. Theo xếp hạng CAMELS năm 2022 trong khóa luận, ngân hàng nào dẫn đầu về khả năng quản trị chi phí và an toàn vốn?
Theo bảng xếp hạng sức khỏe tài chính của Báo Kinh tế Sài Gòn được tác giả trích dẫn: VCB dẫn đầu toàn hệ thống về khả năng quản trị chi phí (xếp hạng 1/19), tiếp theo là TCB (2/19); trong khi đó VPB và TCB là hai ngân hàng dẫn đầu về mức độ an toàn vốn (xếp hạng lần lượt là 1/19 và 2/19).

4. Mô hình hồi quy dữ liệu bảng trong nghiên cứu sử dụng các kỹ thuật kiểm định khuyết tật nào?
Nghiên cứu áp dụng kiểm định ma trận tương quan Pearson để phát hiện đa cộng tuyến, kiểm định Hausman để lựa chọn giữa mô hình tác động cố định (FEM) và tác động ngẫu nhiên (REM), kiểm định Wald để kiểm tra hiện tượng phương sai sai số thay đổi, kiểm định Wooldridge để kiểm tra hiện tượng tự tương quan và sử dụng phương pháp ước lượng GLS để xử lý các khuyết tật này.

Kết luận

Khóa luận của tác giả Nguyễn Thùy Dương đã hệ thống hóa toàn diện cơ sở lý luận và bức tranh thực tiễn về sự phát triển của thị trường Fintech cũng như hệ thống ngân hàng thương mại niêm yết tại Việt Nam giai đoạn 2017 – 2022. Bằng việc kết hợp phương pháp phân tích định tính và mô hình hồi quy dữ liệu bảng trên Stata 14 với mẫu 19 NHTM, công trình đã làm rõ mối liên hệ giữa các chỉ tiêu công nghệ tài chính với hiệu quả kinh doanh của ngân hàng. Đây là tài liệu tham khảo có giá trị học thuật và thực tiễn cho sinh viên chuyên ngành Tài chính - Ngân hàng và các nhà nghiên cứu quan tâm đến lĩnh vực chuyển đổi số ngân hàng.