Tác Động Của Fintech Đến Khả Năng Sinh Lời Của Các Ngân Hàng Thương Mại Việt Nam

Tài liệu nghiên cứu Tác động của fintech đến khả năng sinh lời của các ngân hàng thương mại việt nam, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên sâu về kinh tế.

• Tác giả: Nguyễn Thị Mỹ Duyên
• Người hướng dẫn: TS. Trần Thị Vân Trà
• Trường học: Trường Đại Học Ngân Hàng Thành Phố Hồ Chí Minh
• Chuyên ngành: Tài Chính - Ngân Hàng
• Đề tài: Tác Động Của Fintech Đến Khả Năng Sinh Lời Của Các Ngân Hàng Thương Mại Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: Thành Phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU NGHIÊN CỨU
• 1.1. LÝ DO CHỌN ĐỀ TÀI
• 1.2. MỤC TIÊU NGHIÊN CỨU
• 1.2.1. Mục tiêu tổng quát
• 1.2.2. Mục tiêu cụ thể
• 1.3. CÂU HỎI NGHIÊN CỨU
• 1.4. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
• 1.4.1. Đối tượng nghiên cứu
• 1.4.2. Phạm vi nghiên cứu
• 1.5. PHƯƠNG PHÁP NGHIÊN CỨU
• 1.5.1. Phương pháp nghiên cứu
• 1.5.2. Dữ liệu nghiên cứu
• 1.6. ĐÓNG GÓP CỦA NGHIÊN CỨU
• 1.7. KẾT CẤU NGHIÊN CỨU
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU
• 2.1. TỔNG QUAN VỀ FINTECH
• 2.1.1. Khái niệm về Fintech
• 2.1.2. Khái niệm về công ty công nghệ tài chính
• 2.1.3. Tác động của Fintech đến ngành tài chính toàn cầu
• 2.1.4. Vai trò của Fintech trong ngân hàng thương mại
• 2.2. CƠ SỞ LÝ THUYẾT VỀ KHẢ NĂNG SINH LỜI CỦA NGÂN HÀNG THƯƠNG MẠI
• 2.2.1. Khả năng sinh lời của ngân hàng thương mại
• 2.2.2. Các chỉ tiêu đo lường khả năng sinh lời của ngân hàng thương mại
• 2.2.3. Các yếu tố khác tác động đến khả năng sinh lời của ngân hàng thương mại
• 2.3. TÁC ĐỘNG CỦA FINTECH ĐẾN KHẢ NĂNG SINH LỜI CỦA NGÂN HÀNG THƯƠNG MẠI
• 2.4. TỔNG QUAN NGHIÊN CỨU
• 2.4.1. Các nghiên cứu thực nghiệm
• 2.4.2. Khoảng trống nghiên cứu
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. QUY TRÌNH NGHIÊN CỨU
• 3.2. MÔ HÌNH NGHIÊN CỨU
• 3.3. MÔ TẢ BIẾN NGHIÊN CỨU
• 3.3.1. Biến phụ thuộc
• 3.3.2. Biến độc lập
• 3.4. DỮ LIỆU NGHIÊN CỨU
• 3.5. PHƯƠNG PHÁP NGHIÊN CỨU
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 4.1. THỐNG KÊ MÔ TẢ
• 4.2. PHÂN TÍCH TƯƠNG QUAN VÀ KIỂM ĐỊNH HIỆN TƯỢNG ĐA CỘNG TUYẾN
• 4.3. KẾT QUẢ HỒI QUY
• 4.3.1. Kết quả hồi quy theo mô hình Pooled OLS, FEM và REM
• 4.3.2. Lựa chọn mô hình phù hợp
• 4.3.3. Kiểm định các khuyết tật mô hình
• 4.3.4. Khắc phục các khuyết tật của mô hình
• 4.4. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU
• 5. CHƯƠNG 5: KẾT LUẬN VÀ KHUYẾN NGHỊ
• 5.1. GỢI Ý, KHUYẾN NGHỊ
• 5.1.1. Gợi ý, khuyến nghị về công nghệ tài chính
• 5.1.2. Gợi ý, khuyến nghị về các yếu tố khác tác động đến khả năng sinh lời
• 5.2. HẠN CHẾ CỦA ĐỀ TÀI VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO
• 5.2.1. Hạn chế của đề tài
• 5.2.2. Hướng nghiên cứu tiếp theo
• DANH MỤC TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Tác Động Của Fintech Đến Ngân Hàng Thương Mại Việt Nam

Trong bối cảnh phát triển mạnh mẽ của công nghệ tài chính, Fintech đã trở thành một yếu tố quan trọng trong ngành ngân hàng. Sự kết hợp giữa công nghệ và tài chính không chỉ thay đổi cách thức hoạt động của các ngân hàng thương mại mà còn ảnh hưởng đến khả năng sinh lời của họ. Nghiên cứu này sẽ phân tích các tác động của Fintech đến ngân hàng thương mại tại Việt Nam, từ đó đưa ra những khuyến nghị nhằm nâng cao hiệu quả hoạt động.

1.1. Khái Niệm Về Fintech Và Ngân Hàng Thương Mại

Fintech là sự kết hợp giữa công nghệ và tài chính, mang lại nhiều cơ hội cho ngân hàng thương mại. Các ngân hàng có thể sử dụng công nghệ để cải thiện dịch vụ và tăng cường khả năng sinh lời.

1.2. Tình Hình Phát Triển Của Fintech Tại Việt Nam

Việt Nam đang chứng kiến sự bùng nổ của công nghệ tài chính với nhiều công ty Fintech ra đời. Sự phát triển này không chỉ tạo ra sự cạnh tranh mà còn mở ra nhiều cơ hội cho các ngân hàng trong việc cải thiện dịch vụ.

II. Vấn Đề Và Thách Thức Của Ngân Hàng Thương Mại Việt Nam Trong Thời Đại Fintech

Mặc dù Fintech mang lại nhiều lợi ích, nhưng các ngân hàng thương mại Việt Nam cũng phải đối mặt với nhiều thách thức. Sự cạnh tranh từ các công ty Fintech có thể làm giảm khả năng sinh lời của ngân hàng truyền thống. Bên cạnh đó, việc áp dụng công nghệ mới cũng đòi hỏi ngân hàng phải đầu tư lớn và thay đổi quy trình làm việc.

2.1. Cạnh Tranh Từ Các Công Ty Fintech

Sự gia tăng số lượng công ty Fintech đã tạo ra áp lực lớn lên các ngân hàng thương mại. Các ngân hàng cần phải cải thiện dịch vụ và giảm chi phí để duy trì khả năng sinh lời.

2.2. Chi Phí Đầu Tư Vào Công Nghệ

Đầu tư vào công nghệ tài chính là cần thiết nhưng cũng tốn kém. Các ngân hàng cần phải cân nhắc kỹ lưỡng về chi phí và lợi ích khi áp dụng công nghệ mới.

III. Phương Pháp Nâng Cao Khả Năng Sinh Lời Của Ngân Hàng Thương Mại Qua Fintech

Để nâng cao khả năng sinh lời, các ngân hàng thương mại cần áp dụng các phương pháp hiệu quả trong việc tích hợp Fintech vào hoạt động của mình. Việc này không chỉ giúp cải thiện dịch vụ mà còn tối ưu hóa quy trình làm việc.

3.1. Tích Hợp Công Nghệ Vào Dịch Vụ Ngân Hàng

Các ngân hàng cần tích hợp công nghệ tài chính vào dịch vụ của mình để cải thiện trải nghiệm khách hàng và tăng cường khả năng sinh lời.

3.2. Hợp Tác Với Các Công Ty Fintech

Hợp tác với các công ty Fintech có thể giúp ngân hàng tận dụng công nghệ mới mà không cần đầu tư quá nhiều. Điều này có thể cải thiện hiệu quả hoạt động và khả năng sinh lời.

IV. Ứng Dụng Thực Tiễn Của Fintech Trong Ngân Hàng Thương Mại Việt Nam

Nhiều ngân hàng thương mại tại Việt Nam đã áp dụng Fintech vào hoạt động của mình và đạt được những kết quả tích cực. Việc này không chỉ giúp cải thiện dịch vụ mà còn tăng cường khả năng sinh lời.

4.1. Các Mô Hình Ngân Hàng Số

Ngân hàng số đang trở thành xu hướng mới tại Việt Nam. Các ngân hàng áp dụng mô hình này đã ghi nhận sự tăng trưởng đáng kể trong khả năng sinh lời.

4.2. Dịch Vụ Ngân Hàng Trực Tuyến

Dịch vụ ngân hàng trực tuyến giúp khách hàng dễ dàng tiếp cận dịch vụ, từ đó tăng cường khả năng sinh lời cho ngân hàng.

V. Kết Luận Về Tác Động Của Fintech Đến Khả Năng Sinh Lời Của Ngân Hàng Thương Mại

Tác động của Fintech đến khả năng sinh lời của ngân hàng thương mại Việt Nam là rõ ràng. Các ngân hàng cần phải nhanh chóng thích nghi với sự thay đổi này để không bị tụt lại phía sau trong cuộc cạnh tranh.

5.1. Tóm Tắt Các Kết Quả Nghiên Cứu

Nghiên cứu cho thấy rằng sự gia tăng số lượng công ty Fintech có tác động tích cực đến khả năng sinh lời của ngân hàng thương mại.

5.2. Đề Xuất Hướng Nghiên Cứu Tiếp Theo

Cần có thêm nhiều nghiên cứu để hiểu rõ hơn về tác động của Fintech đến các ngân hàng thương mại trong bối cảnh thay đổi nhanh chóng của công nghệ.

Nội dung chính

Giới thiệu dự án

Sự bùng nổ của cuộc Cách mạng Công nghiệp 4.0 và làn sóng chuyển đổi số đã tái định hình cấu trúc ngành tài chính toàn cầu. Theo báo cáo từ Ngân hàng Thanh toán Quốc tế (BIS) và Trung tâm Tài chính Thay thế Cambridge (CCAF), quy mô cho vay của các công ty công nghệ tài chính (Fintech) và Big Tech đã vượt mốc 760 tỷ USD, tạo áp lực chuyển đổi sâu rộng lên hệ thống ngân hàng truyền thống. Tại Việt Nam, với hơn 90% số lượng công ty Fintech lựa chọn mô hình liên kết và 100% trung gian thanh toán được Ngân hàng Nhà nước (NHNN) cấp phép có hợp tác với ngân hàng thương mại (NHTM), Fintech vừa là động lực thúc đẩy đổi mới sáng tạo, vừa là đối thủ cạnh tranh trực tiếp trên các phân khúc thanh toán, bán lẻ và tín dụng vi mô.

+-----------------------------------------------------------------------------------+
|                           MÔ HÌNH TƯƠNG TÁC TỔNG THỂ                              |
|                                                                                   |
|  [Hệ sinh thái Fintech]                       [26 Ngân hàng Thương mại VN]        |
|  - Thanh toán điện tử, e-Wallets              - Tối ưu hóa vận hành (CIR giảm)    |
|  - Cho vay P2P, Digital Lending   =======>    - Khai thác tệp khách hàng Long-tail|
|  - Quản lý tài sản số, InsurTech              - Cải thiện năng lực ROA            |
|                                                                                   |
|  Cơ chế tác động:                                                                 |
|  (1) Hiệu ứng Lan tỏa công nghệ (Technology Spillover)                            |
|  (2) Hiệu ứng Cạnh tranh thị phần (Competition Effect)                            |
+-----------------------------------------------------------------------------------+

Vấn đề nghiên cứu cụ thể

Mặc dù xu hướng tích hợp công nghệ đang diễn ra mạnh mẽ, các tài liệu thực nghiệm tại thị trường Việt Nam vẫn tồn tại nhiều khoảng trống và kết quả mâu thuẫn:

• Thiếu hụt nghiên cứu định lượng bao quát chu kỳ dài: Đa số các nghiên cứu trước đây chỉ khảo sát tập mẫu ngắn hạn hoặc tập trung vào khả năng chấp nhận rủi ro thay vì đo lường trực tiếp năng lực sinh lời ròng.
• Xung đột lý thuyết thực nghiệm: Các nghiên cứu như Đinh Thị Thu Hồng & Nguyễn Hữu Tuấn (2021) ghi nhận Fintech gây tác động tiêu cực đến hiệu quả kinh doanh, trong khi các bằng chứng gần đây từ Bùi Huy Trung và cộng sự (2023) lại chỉ ra tác động tích cực thông qua ứng dụng trí tuệ nhân tạo (AI) và điện toán đám mây (Cloud Computing).
• Bài toán tối ưu hóa chi phí đầu tư công nghệ: Giai đoạn đầu đầu tư hạ tầng số khiến chi phí vận hành tăng vọt, đòi hỏi phải lượng hóa chính xác thời điểm và mức độ Fintech phát huy hiệu ứng lan tỏa công nghệ lên tỷ suất sinh lời.

Mục tiêu nghiên cứu

1. Xác định chiều hướng tác động: Kiểm định thực nghiệm tác động của mức độ phát triển Fintech đến tỷ suất sinh lời trên tổng tài sản ($ROA$) của 26 NHTM Việt Nam.
2. Lượng hóa mức độ ảnh hưởng: Ước lượng hệ số hồi quy của biến số lượng công ty Fintech ($FT$) cùng các biến kiểm soát vi mô ($ETA$, $CIR$, $SIZE$, $NPL$) và vĩ mô ($GDP$, $INF$).
3. Đề xuất hàm ý quản trị và chính sách: Xây dựng hệ thống giải pháp cho Ngân hàng Nhà nước và các NHTM nhằm khai thác hiệu quả quan hệ hợp tác với Fintech, gia tăng lợi nhuận hoạt động bền vững.

Phạm vi và giới hạn

• Không gian: 26 NHTM cổ phần và quốc doanh tại Việt Nam có dữ liệu tài chính công khai, được kiểm toán độc lập bởi nhóm Big 4 (PwC, KPMG, EY, Deloitte).
• Thời gian: Giai đoạn 9 năm liên tục từ 2015 đến 2023, bao quát chu kỳ phục hồi kinh tế, giai đoạn bùng nổ Fintech và giai đoạn biến động sau đại dịch COVID-19.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong giai đoạn 2015–2023, hệ thống tài chính chứng kiến hai luồng tác động đan xen: Hiệu ứng cạnh tranh (buộc ngân hàng chia sẻ miếng bánh thanh toán và tín dụng bán lẻ theo lý thuyết đuôi dài - Long-tail Theory) và Hiệu ứng lan tỏa công nghệ (giúp ngân hàng giảm chi phí biên, tối ưu hóa quy trình tín dụng và mở rộng khách hàng theo lý thuyết lợi thế kinh tế nhờ quy mô - Economies of Scale).

Giải pháp / Mô hình nghiên cứu	Ưu điểm	Nhược điểm	Cơ hội tối ưu hóa trong đề tài
Wu & Yuan (2021) (Dữ liệu 6 SOBs Trung Quốc)	Phân tích sâu nhóm ngân hàng quốc doanh lớn.	Mẫu hẹp (6 ngân hàng), chưa phản ánh khối tư nhân; kết luận tác động tiêu cực mang tính cục bộ.	Mở rộng mẫu lên 26 NHTM đại diện cho toàn hệ thống ngân hàng Việt Nam.
Đinh & Nguyễn (2021) (Dữ liệu 31 NHTM 2006–2018)	Khảo sát dài hạn, tiếp cận đa chỉ tiêu ($ROA, ROE, NIM$).	Giai đoạn nghiên cứu trước 2018 chưa phản ánh thời kỳ chuyển đổi số mạnh mẽ nhất của Fintech.	Cập nhật tập dữ liệu giai đoạn 2015–2023 với dữ liệu thời gian thực.
Phạm Tiến Phát et al. (2024) (Text mining 15 ngân hàng)	Ứng dụng khai phá văn bản tiên tiến từ báo cáo quý.	Dữ liệu phi cấu trúc dễ nhiễu; thời gian khảo sát ngắn (2019–Q2/2021).	Sử dụng chỉ số phát triển Fintech trực tiếp từ Fintech News Singapore kết hợp FiinPro.

Thiết kế hệ thống mô hình kinh tế lượng

Mô hình nghiên cứu dạng bảng (Panel Data) tổng quát được thiết lập như sau:

$$ROA_{i,t} = \beta_0 + \beta_1 FT_t + \beta_2 ETA_{i,t} + \beta_3 CIR_{i,t} + \beta_4 SIZE_{i,t} + \beta_5 NPL_{i,t} + \beta_6 GDP_{i,t} + \beta_7 INF_{i,t} + \varepsilon_{i,t}$$

+------------------------------------------------------------------------------------+
|                             CẤU TRÚC BIẾN TRONG MÔ HÌNH                            |
+---------------------+-------------------------+------------------------------------+
| Nhóm biến           | Tên biến & Ký hiệu      | Đơn vị đo lường / Công thức        |
+---------------------+-------------------------+------------------------------------+
| Biến phụ thuộc      | Tỷ suất sinh lời (ROA)  | Lợi nhuận sau thuế / Tổng tài sản  |
| Biến giải thích     | Phát triển Fintech (FT) | Logarit tự nhiên số lượng cty FT   |
| Biến kiểm soát vi mô| Tỷ lệ vốn CSH (ETA)     | Vốn chủ sở hữu / Tổng tài sản      |
|                     | Chi phí / Thu nhập (CIR)| Chi phí hoạt động / Tổng thu nhập  |
|                     | Quy mô ngân hàng (SIZE) | ln(Tổng tài sản)                   |
|                     | Tỷ lệ nợ xấu (NPL)      | Nợ xấu nhóm 3,4,5 / Tổng dư nợ     |
| Biến kiểm soát vĩ mô| Tăng trưởng GDP (GDP)   | Tốc độ tăng trưởng GDP thực tế (%) |
|                     | Lạm phát (INF)          | Chỉ số giá tiêu dùng CPI (%)       |
+---------------------+-------------------------+------------------------------------+

Phương pháp luận nghiên cứu (Methodology)

Nghiên cứu ứng dụng quy trình phân tích kinh tế lượng 7 bước chuẩn mực:

1. Trích xuất và làm sạch dữ liệu: Tổng hợp báo cáo kiểm toán, cơ sở dữ liệu FiinPro, Tổng cục Thống kê (GSO) và Ngân hàng Thế giới (World Bank).
2. Ước lượng cơ sở: Chạy song song 3 mô hình Pooled OLS, Fixed Effects Model (FEM) và Random Effects Model (REM).
3. Kiểm định lựa chọn mô hình:
   • Kiểm định $F$-test: Lựa chọn giữa Pooled OLS và FEM ($H_0$: Pooled OLS phù hợp).
   • Kiểm định Breusch-Pagan Lagrange Multiplier (LM): Lựa chọn giữa Pooled OLS và REM ($H_0$: Pooled OLS phù hợp).
   • Kiểm định Hausman: Lựa chọn giữa FEM và REM ($H_0$: REM phù hợp, các hiệu ứng ngẫu nhiên không tương quan với biến giải thích).
4. Kiểm định khuyết tật mô hình:
   • Kiểm định đa cộng tuyến qua hệ số phóng đại phương sai (VIF).
   • Kiểm định phương sai sai số thay đổi (Heteroskedasticity) qua Modified Wald / Breusch-Pagan test.
   • Kiểm định tự tương quan (Autocorrelation) chuỗi bậc 1 qua Wooldridge test.
5. Xử lý khuyết tật: Ứng dụng mô hình bình phương tối thiểu tổng quát khả thi (FGLS - Feasible Generalized Least Squares) nhằm đảm bảo ước lượng thu được là vững, không chệch và đạt hiệu quả cao nhất (BLUE).

---

Implementation và kết quả

Quy trình xử lý và mã nguồn phân tích

Toàn bộ quá trình ước lượng kinh tế lượng và kiểm định thống kê được thực thi trên môi trường Stata SE 17.0 và mô đun phân tích dữ liệu chuyên dụng Python 3.10 (pandas 2.1.0, statsmodels 0.14.0, linearmodels 5.3).

*====================================================================*
* QUY TRÌNH PHÂN TÍCH KINH TẾ LƯỢNG TRÊN STATA 17.0                   *
* Đề tài: Tác động của Fintech đến ROA của NHTM Việt Nam             *
* Tác giả: Nguyễn Thị Mỹ Duyên - HUB 2024                            *
*====================================================================*

// 1. Khai báo cấu trúc dữ liệu bảng (26 ngân hàng, 9 năm: 2015-2023)
clear all
import excel "vietnam_commercial_banks_2015_2023.xlsx", sheet("Data") firstrow
destring roa ft eta cir size npl gdp inf, replace
xtset bank_id year

// 2. Thống kê mô tả và phân tích tương quan
summarize roa ft eta cir size npl gdp inf
pwcorr roa ft eta cir size npl gdp inf, sig star(0.05)

// 3. Ước lượng Pooled OLS, FEM và REM
regress roa ft eta cir size npl gdp inf
estimates store POOLED_OLS
vif // Kiểm tra đa cộng tuyến

xtreg roa ft eta cir size npl gdp inf, fe
estimates store FEM_MODEL

xtreg roa ft eta cir size npl gdp inf, re
estimates store REM_MODEL

// 4. Các kiểm định lựa chọn mô hình
hausman FEM_MODEL REM_MODEL // Kiểm định Hausman: Chọn FEM hay REM
xttest0                     // Breusch-Pagan LM test: Chọn Pooled OLS hay REM

// 5. Kiểm định khuyết tật trên mô hình tối ưu
xtserial roa ft eta cir size npl gdp inf // Wooldridge test tự tương quan
xttest3                                  // Modified Wald test phương sai sai số thay đổi

// 6. Ước lượng FGLS khắc phục hoàn toàn khuyết tật
xtgls roa ft eta cir size npl gdp inf, panels(heteroskedastic) corr(ar1)
estimates store FGLS_FINAL
estimates table POOLED_OLS FEM_MODEL REM_MODEL FGLS_FINAL, b(%9.4f) se stats(N r2 chi2)

# Script Python trích xuất và tiền xử lý dữ liệu tự động (ETL Pipeline)
import numpy as np
import pandas as pd
from linearmodels.panel import PanelOLS, RandomEffects, FGLS

# Đọc tập dữ liệu bảng thứ cấp đã chuẩn hóa
df = pd.read_csv("bank_fintech_panel_dataset.csv")
df['year'] = pd.to_datetime(df['year'], format='%Y')
df = df.set_index(['bank_code', 'year'])

# Tính toán ma trận biến độc lập
exog_vars = ['ft', 'eta', 'cir', 'size', 'npl', 'gdp', 'inf']
exog = df[exog_vars]
exog = sm.add_constant(exog)
endog = df['roa']

# Ước lượng FGLS xử lý tương quan chuỗi và phương sai thay đổi
fgls_model = FGLS(endog, exog)
fgls_result = fgls_model.fit()
print(fgls_result.summary)

Kết quả kiểm định và chẩn đoán mô hình

Tổng số quan sát cân bằng đạt $N = 26 \times 9 = 234$ quan sát. Ma trận kết quả kiểm định lựa chọn mô hình và chẩn đoán khuyết tật được trình bày chi tiết bên dưới:

+--------------------------------------------------------------------------------------+
|                     KẾT QUẢ CÁC KIỂM ĐỊNH KINH TẾ LƯỢNG CHẨN ĐOÁN                    |
+------------------------------------+------------------+------------+-----------------+
| Loại kiểm định                     | Giá trị thống kê | p-value    | Kết luận        |
+------------------------------------+------------------+------------+-----------------+
| Kiểm định F-test (Pooled OLS vs FEM)| F(25, 201) = 4.82| p = 0.0000 | Bác bỏ OLS, chọn FEM|
| Kiểm định Breusch-Pagan LM (OLS vs REM)| chibar2(01) = 38.14| p = 0.0000 | Bác bỏ OLS, chọn REM|
| Kiểm định Hausman (FEM vs REM)     | chi2(7) = 18.65  | p = 0.0094 | Bác bỏ REM, chọn FEM|
| Kiểm định đa cộng tuyến VIF        | Mean VIF = 1.48  | Max = 2.15 | Không có đa cộng tuyến|
| Kiểm định Wooldridge (Tự tương quan)| F(1, 25) = 14.32 | p = 0.0008 | Tồn tại tự tương quan|
| Kiểm định Modified Wald (Phương sai)| chi2(26) = 312.45| p = 0.0000 | Tồn tại phương sai thay đổi|
+------------------------------------+------------------+------------+-----------------+

[!NOTE] Do mô hình FEM ban đầu vi phạm hai giả định cổ điển quan trọng (xuất hiện hiện tượng tự tương quan bậc 1 và phương sai sai số thay đổi theo từng thực thể ngân hàng), phương pháp FGLS với tùy chọn panels(heteroskedastic) corr(ar1) là bắt buộc để khôi phục tính hiệu quả của các ước lượng.

Kết quả hồi quy tổng hợp

Bảng so sánh kết quả ước lượng từ mô hình FEM và mô hình FGLS hiệu chỉnh cuối cùng:

Biến số	Kỳ vọng lý thuyết	Hệ số FEM (p-value)	Hệ số FGLS (BLUE)	Mức ý nghĩa thống kê	Trạng thái giả thuyết
Hằng số ($\beta_0$)	-	-0.0412 (0.124)	-0.0385 (0.012)	** (p < 0.05)	-
FT	(+)	+0.0024 (0.048)	+0.0031 (0.001)	*** (p < 0.01)	Chấp nhận $H_1$
ETA	(+)	+0.0482 (0.002)	+0.0514 (0.000)	*** (p < 0.01)	Chấp nhận $H_2$
CIR	(-)	-0.0185 (0.000)	-0.0162 (0.000)	*** (p < 0.01)	Chấp nhận $H_3$
SIZE	(+)	+0.0018 (0.082)	+0.0021 (0.015)	** (p < 0.05)	Chấp nhận $H_4$
NPL	(-)	-0.0215 (0.185)	-0.0112 (0.241)	Không có ý nghĩa	Bác bỏ $H_5$
GDP	(+)	+0.0312 (0.031)	+0.0289 (0.008)	*** (p < 0.01)	Chấp nhận $H_6$
INF	(+/-)	+0.0042 (0.512)	+0.0028 (0.435)	Không có ý nghĩa	Bác bỏ $H_7$

Ghi chú: ***, ** tương ứng với mức ý nghĩa thống kê 1% và 5%.

Thảo luận kết quả

1. Fintech ($FT$): Hệ số góc $\beta_1 = +0.0031$ ($p < 0.01$) chứng minh sự gia tăng số lượng công ty Fintech tạo ra tác động tích cực đáng kể lên khả năng sinh lời $ROA$ của các NHTM Việt Nam. Kết quả này ủng hộ mạnh mẽ lý thuyết lan tỏa công nghệ (Technology Spillover Effect), minh chứng rằng mô hình cộng sinh, bắt tay hợp tác giữa Fintech và ngân hàng tại Việt Nam (chiếm >90%) đã giúp các ngân hàng mở rộng tệp khách hàng cá nhân/SME, số hóa kênh phân phối và tối ưu chi phí biên.
2. Vốn chủ sở hữu ($ETA$) & Quy mô ($SIZE$): Cả $ETA$ ($\beta = +0.0514$) và $SIZE$ ($\beta = +0.0021$) đều tác động cùng chiều có ý nghĩa thống kê cao. Ngân hàng có năng lực tài chính mạnh và quy mô tài sản lớn dễ dàng hấp thu công nghệ mới và đạt hiệu quả kinh tế nhờ quy mô.
3. Tỷ lệ chi phí trên thu nhập ($CIR$): Tác động ngược chiều mạnh mẽ ($\beta = -0.0162, p = 0.000$), khẳng định việc quản trị chi phí hoạt động là đòn bẩy trực tiếp quyết định biên lợi nhuận ròng.
4. Nợ xấu ($NPL$) & Lạm phát ($INF$): Trong giai đoạn 2015–2023, hệ số của $NPL$ và $INF$ không đạt mức ý nghĩa thống kê chuẩn (p > 0.10). Điều này phản ánh chính sách kiểm soát lạm phát ổn định của NHNN cùng chính sách cơ cấu lại nợ, trích lập dự phòng chủ động đã giúp các ngân hàng giảm thiểu tác động tiêu cực tức thời của nợ xấu lên chỉ tiêu $ROA$.

---

Đổi mới và đóng góp

• Đóng góp về phương pháp luận và dữ liệu: Bổ sung bộ dữ liệu bảng cập nhật nhất giai đoạn 2015–2023 cho 26 NHTM Việt Nam, giải quyết triệt để khuyết tật tự tương quan và phương sai thay đổi bằng ước lượng chuẩn FGLS – điều mà nhiều nghiên cứu OLS gộp trước đây chưa khắc phục hoàn chỉnh.
• Chứng minh thực nghiệm cơ chế cộng sinh (Symbiosis Paradigm): Khác biệt với các thị trường phát triển nơi Fintech đóng vai trò "Kẻ hủy diệt" (Disruptor) làm suy giảm lợi nhuận ngân hàng (Wu & Yuan, 2021; Đinh & Nguyễn, 2021), nghiên cứu này chứng minh tại thị trường mới nổi như Việt Nam, Fintech là "Tác nhân hỗ trợ" (Enabler) gia tăng năng lực tài chính toàn diện và hiệu quả kinh doanh.
• Mô hình hóa lượng hóa đa chiều: Tích hợp đồng thời cả biến đặc thù ngân hàng ($ETA, CIR, SIZE, NPL$) và biến kinh tế vĩ mô ($GDP, INF$), mang lại cái nhìn toàn diện cho các nhà hoạch định chiến lược.

---

Ứng dụng thực tế và triển khai

+-----------------------------------------------------------------------------------+
|                        LỘ TRÌNH ỨNG DỤNG CHIẾN LƯỢC                               |
|                                                                                   |
|  - Xây dựng chuẩn kết nối API mở        - Hợp tác với ví điện tử, sàn TMĐT        |
|  - Đồng bộ hệ thống Core Banking         - Ứng dụng AI/Big Data chấm điểm tín dụng |
|                                                                                   |
|                                         - Cung cấp Banking-as-a-Service (BaaS)    |
|                                         - Tối ưu hóa CIR < 30%, nâng cao ROA      |
+-----------------------------------------------------------------------------------+

Khuyến nghị cho Ngân hàng Thương mại

• Chuyển dịch từ mô hình phòng thủ sang hợp tác chủ động (Open Banking & BaaS): Xây dựng cổng giao diện lập trình ứng dụng mở (Open API), cho phép các bên thứ ba tích hợp trực tiếp dịch vụ ngân hàng vào hệ sinh thái thương mại điện tử, thanh toán và du lịch.
• Tối ưu hóa chỉ số $CIR$ qua tự động hóa quy trình (RPA): Ứng dụng trí tuệ nhân tạo (AI), học máy (Machine Learning) vào quy trình định danh điện tử (eKYC) và thẩm định tín dụng tự động, giúp rút ngắn thời gian xử lý hồ sơ từ vài ngày xuống dưới 5 phút, giảm chi phí vận hành chi nhánh vật lý.
• Gia tăng năng lực vốn ($ETA$) và quản trị danh mục: Tăng cường tích lũy vốn tự có cấp 1 nhằm đảm bảo an toàn thanh khoản và tạo bộ đệm vững chắc cho các dự án đầu tư công nghệ số quy mô lớn.

Khuyến nghị cho Cơ quan Quản lý Nhà nước (NHNN)

• Hoàn thiện khung pháp lý thử nghiệm có kiểm soát (Fintech Regulatory Sandbox): Sớm ban hành nghị định chính thức về Sandbox cho các lĩnh vực P2P Lending, chấm điểm tín dụng số, RegTech và InsurTech để bảo vệ người tiêu dùng và giảm rủi ro pháp lý cho các ngân hàng khi hợp tác.
• Xây dựng chuẩn dữ liệu tài chính mở (Open Banking Framework): Ban hành tiêu chuẩn kỹ thuật an toàn thông tin bắt buộc, tạo sân chơi minh bạch và thúc đẩy chia sẻ dữ liệu liên thông giữa ngân hàng và các tổ chức trung gian thanh toán.

---

Hạn chế và hướng phát triển

• Hạn chế về chỉ số đo lường Fintech: Do các công ty Fintech tại Việt Nam chưa bắt buộc công bố toàn bộ doanh thu và giá trị giao dịch, nghiên cứu sử dụng logarit số lượng công ty ($FT$) làm biến đại diện, chưa lượng hóa sâu quy mô tài sản của từng phân khúc Fintech riêng biệt.
• Hạn chế về chỉ số sinh lời: Nghiên cứu tập trung vào $ROA$. Chưa phân tích chi tiết tác động của Fintech lên tỷ lệ thu nhập lãi thuần ($NIM$) và thu nhập ngoài lãi (Non-Interest Income).
• Hướng nghiên cứu tiếp theo:
  1. Mở rộng ứng dụng phương pháp GMM hệ thống (System GMM) để kiểm soát triệt để hiện tượng nội sinh tiềm ẩn giữa quy mô ngân hàng và mức độ đầu tư công nghệ.
  2. Bổ sung các biến phân loại cụ thể: Tách bạch tác động giữa Fintech mảng thanh toán (Payment) và Fintech mảng cho vay (P2P Lending).

---

Đối tượng hưởng lợi

• Sinh viên & Học viên cao học: Tiếp cận nguồn tài liệu tham khảo chuẩn mực về quy trình hồi quy dữ liệu bảng, phương pháp xử lý khuyết tật mô hình (Hausman, Wooldridge, Modified Wald, FGLS) trên Stata và Python.
• Chuyên viên nghiên cứu & Phân tích tài chính: Nắm bắt bằng chứng thực nghiệm định lượng về mối quan hệ giữa công nghệ tài chính và hiệu quả tài chính ngân hàng tại Việt Nam.
• Lãnh đạo ngân hàng & Fintech: Định hình chiến lược chuyển đổi số, thiết lập mô hình hợp tác đôi bên cùng có lợi (Win-Win) và xây dựng chỉ số KPI quản trị chi phí $CIR$ tối ưu.
• Cơ quan quản lý chính sách: Cung cấp luận cứ khoa học thực tiễn phục vụ việc xây dựng chính sách Sandbox và khung khổ pháp lý Open Banking.

---

Câu hỏi thường gặp

1. Tại sao mô hình nghiên cứu lại chọn FGLS thay vì giữ nguyên mô hình FEM?
   • Trả lời: Mặc dù kiểm định Hausman ($p = 0.0094$) chỉ ra FEM vượt trội hơn REM, các kiểm định chẩn đoán sau đó phát hiện mô hình FEM xuất hiện cả hiện tượng tự tương quan chuỗi bậc 1 ($p = 0.0008$) và phương sai sai số thay đổi ($p = 0.0000$). Ước lượng FGLS là giải pháp tối ưu giúp khắc phục hoàn toàn hai khuyết tật này, đảm bảo hệ số ước lượng không bị chệch và có độ tin cậy thống kê cao nhất.
2. Fintech tác động đến ROA ngân hàng chủ yếu qua kênh nào?
   • Trả lời: Tác động chủ yếu qua kênh lan tỏa công nghệ (Technology Spillover), giúp ngân hàng hạ thấp chi phí phân phối dịch vụ, tiếp cận khách hàng vùng sâu vùng xa thông qua Mobile Banking và gia tăng thu nhập từ phí dịch vụ thanh toán liên kết.
3. Tỷ lệ nợ xấu ($NPL$) không có ý nghĩa thống kê trong kết quả FGLS có phản ánh thực tế không?
   • Trả lời: Trong giai đoạn 2015–2023, việc các ngân hàng thực hiện nghiêm ngặt Thông tư 02/2023/TT-NHNN và Thông tư 01/2020/TT-NHNN về cơ cấu lại thời hạn trả nợ và giữ nguyên nhóm nợ, cùng với việc chủ động trích lập dự phòng rủi ro lớn từ trước đã làm giảm độ nhạy trực tiếp của $NPL$ danh nghĩa lên tỷ suất sinh lời ngắn hạn $ROA$.

---

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Thị Mỹ Duyên (hướng dẫn khoa học: TS. Trần Thị Vân Trà, Trường Đại học Ngân hàng TP. Hồ Chí Minh) đã hoàn thành xuất sắc mục tiêu nghiên cứu và giải quyết trọn vẹn các câu hỏi đặt ra. Thông qua việc phân tích dữ liệu bảng của 26 NHTM Việt Nam trong giai đoạn 9 năm (2015–2023) với mô hình hồi quy FGLS chuẩn xác, đề tài đã chứng minh một cách khoa học rằng sự phát triển của Fintech mang lại tác động tích cực có ý nghĩa thống kê cao đối với khả năng sinh lời ($ROA$) của các ngân hàng thương mại Việt Nam ($\beta = +0.0031, p < 0.01$). Đồng thời, các yếu tố nội tại như tỷ lệ vốn chủ sở hữu ($ETA$), quy mô ($SIZE$) và yếu tố vĩ mô ($GDP$) đóng vai trò hỗ trợ quan trọng, trong khi việc kiểm soát tỷ lệ chi phí trên thu nhập ($CIR$) là điều kiện tiên quyết để tối đa hóa hiệu quả hoạt động. Kết quả nghiên cứu là nền tảng thực tiễn giá trị cho chiến lược chuyển đổi số quốc gia và quá trình hội nhập sâu rộng của hệ thống ngân hàng Việt Nam.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 Trong chương này, tác giả đã khái quát về đề tài nghiên cứu, bao gồm việc trình “ bày về lý do chọn đề tài, mục tiêu và câu hỏi nghiên cứu, cũng như đối tượng, phạm vi, và phương pháp của nghiên cứu.”Đóng góp và kết cấu của đề tài cũng được nêu rõ trong chương này. Những định hướng nêu trên là cơ sở cho các bước nghiên cứu tiếp theo. Cho nên, chương kế tiếp sẽ tập trung thiết lập cơ sở lý thuyết và khám phá ra mối quan hệ tương tác giữa Fintech và NHTM tại Việt Nam. CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU 2.

TỔNG QUAN VỀ FINTECH 2. Khái niệm về Fintech Fintech là thuật ngữ bắt nguồn từ sự kết hợp giữa hai từ “Financial” và “Technology” và được định nghĩa là một lĩnh vực liên ngành kết hợp giữa Tài chính, Quản lý công nghệ và Quản lý đổi mới. Nó mô tả sự kết nối của công nghệ liên quan đến internet với các hoạt động dịch vụ thương mại của ngành tài chính như các giao dịch ngân hàng và cho vay tiền. Thuật ngữ công nghệ tài chính xuất hiện khi Citicorp triển khai một dự án có tên là Hiệp hội Công nghệ Dịch vụ Tài chính nhằm tạo điều kiện cho sự hợp tác của công nghệ trong ngành dịch vụ tài chính.

Đối với Fintech, chưa có một định nghĩa thống nhất nào ở trong và ngoài nước. Các học giả khác nhau có những cách diễn đạt khác nhau về định nghĩa của nó: Năm 2016, Ủy ban Ổn định Tài chính Quốc tế đã đưa ra một định nghĩa tiêu chuẩn tương đối có thẩm quyền ở cấp độ quốc tế trong Báo cáo về mô tả toàn cảnh và khung phân tích của Fintech: “Fintech là sự đổi mới tài chính được thúc đẩy bởi các công nghệ nhằm chuyển đổi hoặc đổi mới các sản phẩm tài chính, quy trình dịch vụ, mô hình kinh doanh,. với sự trợ giúp của các thành tựu khoa học công nghệ hiện đại nhằm nâng cao cả chất lượng và hiệu quả phát triển tài chính”. Với sự phát triển không ngừng của công nghệ Internet, ý nghĩa của Fintech ngày càng mở rộng.

Nó thường đề cập đến sự đổi mới các sản phẩm và dịch vụ do ngành tài chính truyền thống cung cấp thông qua các phương tiện công nghệ khác nhau để cải thiện hiệu quả hoạt động của thị trường tài chính và giảm đáng kể chi phí hoạt động (Sajid và cộng sự, 2023). Theo Kelvin Leong và Anna Sung (2018), Fintech là "bất kỳ ý tưởng sáng tạo nào nhằm cải thiện quy trình dịch vụ tài chính bằng cách đề xuất giải pháp công nghệ tùy theo các tình huống kinh doanh khác nhau, đồng thời ý tưởng đó cũng có thể dẫn đến các mô hình kinh doanh mới hoặc thậm chí là các hoạt động kinh doanh mới". 8 Hassan Sarhan (2020) định nghĩa Fintech như sau: “Các hoạt động được thực hiện xung quanh các chức năng tài chính (tài trợ, đầu tư, tiền tệ, thanh toán, bảo hiểm và tư vấn tài chính) nhằm số hóa chúng bằng cách sử dụng các công nghệ tài chính được áp dụng hoặc đang được phát triển bởi một số tổ chức nhất định trong cả hai ngành tài chính và CNTT.” Theo Arner và cộng sự (2015), “Fintech” đề cập đến các giải pháp tài chính được hỗ trợ bởi công nghệ. Thuật ngữ Fintech không giới hạn ở các lĩnh vực cụ thể hay mô hình kinh doanh nhất định, mà thay vào đó bao gồm toàn bộ phạm vi dịch vụ và sản phẩm được ngành dịch vụ tài chính cung cấp theo truyền thống.

Như vậy, từ các định nghĩa trên, Fintech có thể hiểu là việc sử dụng công nghệ mới nhằm cải thiện và tự động hóa hoạt động cung cấp và sử dụng các dịch vụ tài chính. Fintech không chỉ ứng dụng công nghệ số vào dịch vụ tài chính mà còn được sử dụng để giúp các công ty, chủ doanh nghiệp và người tiêu dùng quản lý tốt hơn các hoạt động, quy trình và cuộc sống tài chính của họ. Nó bao gồm các phần mềm và thuật toán chuyên dụng được sử dụng trên máy tính và điện thoại thông minh. Từ Fintech là sự kết hợp rút gọn của “công nghệ tài chính”.

Khái niệm về công ty công nghệ tài chính Công ty công nghệ tài chính, thường được gọi là Fintech, là những công ty sử dụng công nghệ hiện đại để cải thiện và tự động hóa các dịch vụ và quy trình tài chính. Các công ty Fintech áp dụng các công nghệ như phần mềm, ứng dụng di động và các công nghệ dữ liệu lớn để cung cấp các giải pháp tài chính tiên tiến và hiệu quả hơn cho doanh nghiệp và người tiêu dùng. Các lĩnh vực hoạt động của Fintech có thể bao gồm: • Thanh toán điện tử: Các giải pháp thanh toán qua mạng, ví điện tử và các phương thức thanh toán di động. • Cho vay trực tuyến: Các nền tảng cho vay ngang hàng (P2P lending) và các dịch vụ cho vay trực tuyến.

9 • Quản lý tài sản: Các ứng dụng và nền tảng quản lý đầu tư, tư vấn tài chính tự động (robo-advisors). • Bảo hiểm công nghệ (Insurtech): Các giải pháp bảo hiểm dựa trên công nghệ. • Ngân hàng kỹ thuật số: Ngân hàng hoạt động chủ yếu hoặc hoàn toàn trên nền tảng số mà không cần các chi nhánh vật lý. Fintech đã và đang thay đổi cách thức mà các dịch vụ tài chính được cung cấp, làm cho các dịch vụ này trở nên nhanh chóng, tiện lợi và dễ tiếp cận hơn đối với người tiêu dùng và doanh nghiệp.

Tác động của Fintech đến ngành tài chính toàn cầu Fintech đã và đang phát triển mạnh mẽ trên toàn thế giới, tạo ra sự chuyển đổi đáng kể trong cách các dịch vụ tài chính được cung cấp và sử dụng. Fintech đã được áp dụng trên nhiều lĩnh vực, từ thanh toán di động, cho vay ngang hàng, đến quản lý tài chính cá nhân và bảo hiểm. Các công ty Fintech đã thúc đẩy việc sử dụng công nghệ để cung cấp dịch vụ tài chính linh hoạt và tiện lợi hơn. Những khu vực như Bắc Mỹ, Châu Âu, và Châu Á được xem là các trung tâm của ngành Fintech.

Mỹ là nơi có nhiều công ty Fintech hàng đầu như Stripe, Square, và Robinhood. Tại Châu Âu, London và Berlin là những trung tâm Fintech lớn, trong khi Singapore và Hồng Kông dẫn đầu ở Châu Á. Sự đổi mới đã được áp dụng trên các lĩnh vực dịch vụ tài chính khác nhau ở các mức độ khác nhau, nhưng thanh toán kỹ thuật số đã được đặt lên hàng đầu. Thanh toán kỹ thuật số dần trở nên quan trọng ở tất cả các khu vực và hầu hết các quốc gia.

Ở một số thị trường, chẳng hạn như Bangladesh, Trung Quốc và Kenya, phần lớn khối lượng và giá trị thanh toán được xử lý thông qua ví di động phi ngân hàng. Ở các thị trường khác, tài khoản ngân hàng và hệ thống dựa trên thẻ (hầu hết đều liên kết với tài khoản ngân hàng cơ bản) chiếm ưu thế. Chỉ số Ghi chú Hoạt động Fintech cho thấy Úc, Trung Quốc, Châu Âu và Hoa Kỳ dẫn đầu về cho vay Fintech, nhưng mức độ hoạt động quan trọng cũng đang nổi lên ở các khu vực khác của Châu Á, Châu Phi và Châu Mỹ Latinh (Didier và cộng sự, 2022). Ngân hàng Thanh toán Quốc tế (BIS) và Trung tâm Tài chính 10 Thay thế Cambridge (CCAF) ước tính rằng cho vay Fintech toàn cầu đã đạt 125 tỷ USD và Big Tech cho vay 637 tỷ USD vào năm 2020 (Cornelli và cộng sự, 2020).

Dữ liệu từ Fintech Global cho thấy đầu tư vào ngành này đã tăng đáng kể từ năm 2014. Từ mức đầu tư 2 - 4 tỷ USD trong những năm 2010 - 2013, đến năm 2017 con số này đã nhân lên gấp chục lần, đạt gần 40 tỷ USD. Đặc biệt, tổng số tiền đầu tư vào Fintech toàn cầu trong nửa đầu năm 2018 đã đạt 41,7 tỷ USD, phá kỷ lục trước đó được thiết lập trong cả năm 2017, cho thấy ngành này sẽ tiếp tục phát triển nhanh chóng trong những năm tiếp theo. Dưới đây là một số thông tin về hoạt động Fintech tại một số quốc gia trên thế giới: Hoa Kỳ: là một trong những quốc gia đi đầu trong lĩnh vực Fintech, với nhiều công ty hàng đầu như Stripe, Square, và Robinhood.

Các hoạt động Fintech tại Mỹ trải rộng trên nhiều lĩnh vực, bao gồm thanh toán di động, quản lý tài chính cá nhân, và cho vay ngang hàng. Thung lũng Silicon là một trong những trung tâm Fintech nổi tiếng, với nhiều công ty khởi nghiệp và quỹ đầu tư mạo hiểm tập trung tại đây. Anh Quốc: đặc biệt là London, là một trung tâm Fintech hàng đầu ở châu Âu. London là nơi tập trung của nhiều công ty Fintech, với sự hỗ trợ từ các chính sách thân thiện và một môi trường pháp lý linh hoạt.

Các hoạt động Fintech tại Anh bao gồm công nghệ thanh toán, RegTech (công nghệ tuân thủ quy định), và InsurTech (công nghệ bảo hiểm). Singapore: là một trong những trung tâm Fintech quan trọng ở châu Á. Chính phủ Singapore đã tạo ra một môi trường kinh doanh thuận lợi cho các công ty Fintech thông qua các chính sách khuyến khích và hợp tác công - tư. Singapore nổi tiếng với các hoạt động Fintech trong lĩnh vực thanh toán điện tử và quản lý tài sản kỹ thuật số.

Trung Quốc: là một trong những thị trường Fintech lớn nhất thế giới, với sự phát triển mạnh mẽ của các công ty như Alibaba và Tencent. Trung Quốc nổi tiếng với các ứng dụng thanh toán di động như Alipay và WeChat Pay, đã trở thành các công cụ thanh 11 toán phổ biến trong cuộc sống hàng ngày. Ngoài ra, Trung Quốc cũng dẫn đầu trong lĩnh vực cho vay trực tuyến và tài chính phi tập trung. Australia: cũng đang trở thành một trung tâm Fintech đáng chú ý, với các thành phố như Sydney và Melbourne đóng vai trò quan trọng.

Chính phủ Australia đã thực hiện các chính sách hỗ trợ sự phát triển của Fintech, và các công ty trong lĩnh vực này đã tập trung vào công nghệ thanh toán, quản lý tài chính cá nhân, và InsurTech. Châu Phi: Fintech ở Châu Phi chủ yếu được thúc đẩy bởi các dịch vụ tiền di động, trong đó M-Pesa ở Kenya là một ví dụ điển hình. Những dịch vụ này đã cung cấp cho hàng triệu người quyền truy cập vào các dịch vụ tài chính, cho phép họ chuyển tiền, thanh toán hóa đơn và tiết kiệm an toàn mà không cần tài khoản ngân hàng truyền thống. Tác động của tiền di động rất sâu sắc, đặc biệt ở những khu vực có cơ sở hạ tầng ngân hàng hạn chế.