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

Nghiên cứu tác động của Fintech đến khả năng sinh lời của ngân hàng thương mại tại Việt Nam. Phân tích các yếu tố ảnh hưởng và đưa ra kết luận quan trọng.

• Tác giả: Trần Thị Kim Ngân
• Người hướng dẫn: Ts. Triệu Kim Lanh
• 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 Tại 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. Tính cấp thiết của 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 định tính
• 1.5.2. Phương pháp nghiên cứu định lượng
• 1.6. Đóng góp của nghiên cứu
• 1.7. Kết cấu của nghiên cứu
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC
• 2.1. Khái quát chung về Fintech
• 2.2. Khái niệm về Fintech
• 2.3. Một số sản phẩm chính của Fintech
• 2.4. Khái quát chung về khả năng sinh lời của Ngân hàng thương mại
• 2.5. Khả năng sinh lời của Ngân hàng thương mại
• 2.6. Chỉ tiêu đo lường khả năng sinh lời
• 2.7. Mối liên hệ hợp tác của các công ty Fintech đến các Ngân hàng thương mại
• 2.8. Tổng quan các nghiên cứu trước
• 2.8.1. Nghiên cứu nước ngoài
• 2.8.2. Nghiên cứu trong nước
• 2.8.3. Khoảng trống nghiên cứu và lược khảo
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Quy trình nghiên cứu
• 3.2. Dữ liệu nghiên cứu
• 3.3. Mẫu nghiên cứu
• 3.4. Công cụ nghiên cứu
• 3.5. Phương pháp nghiên cứu
• 3.6. Mô hình nghiên cứu đề xuất
• 3.7. Giả thiết nghiên cứu
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 4.1. Phân tích thống kê và mô tả dữ liệu
• 4.2. Kết quả nghiên cứu
• 4.3. Phân tích tương quan mô hình nghiên cứu
• 4.4. Kiểm định mô hình nghiên cứu
• 4.5. Thảo luận kết quả nghiên cứu
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ
• 5.1. Hàm ý quản trị
• 5.2. Hạn chế của nghiên cứu và đề xuất hướng nghiên cứu tiếp theo
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC 1: DANH SÁCH CÁC NHTM ĐƯỢC ĐƯA VÀO NGHIÊN CỨU
• PHỤ LỤC 2: DỮ LIỆU TRONG MÔ HÌNH NGHIÊN CỨU
• PHỤ LỤC 3: KẾT QUẢ NGHIÊN CỨU

Tóm tắt

I. Tổng Quan Về Fintech và Lợi Nhuận Ngân Hàng 2017 2023

Trong bối cảnh cuộc cách mạng công nghệ 4.0, Fintech đã nổi lên như một yếu tố then chốt, tác động sâu sắc đến ngành ngân hàng thương mại Việt Nam. Giai đoạn 2017-2023 chứng kiến sự chuyển mình mạnh mẽ của các ngân hàng trong việc ứng dụng công nghệ, đặc biệt là trong bối cảnh cạnh tranh gay gắt từ các tổ chức tài chính phi ngân hàng. Theo báo cáo của PWC Việt Nam (2021), khu vực Đông Nam Á, trong đó có Việt Nam, có nhiều tiềm năng phát triển dịch vụ thanh toán không dùng tiền mặt. Tổng giá trị giao dịch thanh toán điện tử của Việt Nam ước tính đạt 15 tỷ USD vào năm 2021 và dự kiến tiếp tục tăng trưởng mạnh. Tuy nhiên, sự phát triển của Fintech cũng đặt ra nhiều thách thức cho các ngân hàng truyền thống, đòi hỏi họ phải thay đổi chiến lược và mô hình kinh doanh để duy trì lợi nhuận ngân hàng.

1.1. Định Nghĩa và Đặc Điểm Nổi Bật Của Fintech Hiện Nay

Theo Ủy ban Ổn định Tài chính (FSB), Fintech là sự đổi mới tài chính dựa trên công nghệ, tạo ra các mô hình kinh doanh mới và tác động đáng kể đến thị trường tài chính. Khác với cách hiểu ban đầu về việc ứng dụng công nghệ để tự động hóa quy trình, Fintech ngày nay tập trung vào việc cung cấp các sản phẩm và dịch vụ hiệu quả, minh bạch và tự động hơn so với các ngân hàng truyền thống. Điều này giúp thu hút khách hàng và mở rộng thị phần.

1.2. Tầm Quan Trọng Của Lợi Nhuận Đối Với Ngân Hàng Thương Mại

Lợi nhuận là yếu tố sống còn đối với ngân hàng thương mại, đảm bảo khả năng hoạt động ổn định và tăng trưởng bền vững. Lợi nhuận không chỉ là thước đo hiệu quả hoạt động mà còn là nguồn vốn để tái đầu tư, nâng cao năng lực cạnh tranh và đáp ứng các yêu cầu về vốn pháp định. Trong bối cảnh Fintech phát triển, việc duy trì và tăng trưởng lợi nhuận ngân hàng trở thành một bài toán khó, đòi hỏi các ngân hàng phải có chiến lược phù hợp.

II. Thách Thức Fintech Tạo Ra Cho Lợi Nhuận Ngân Hàng 2017 2023

Sự trỗi dậy của Fintech đã tạo ra một loạt các thách thức cho lợi nhuận ngân hàng, đặc biệt là trong giai đoạn 2017-2023. Các công ty Fintech, với lợi thế về công nghệ và sự linh hoạt, đã nhanh chóng chiếm lĩnh thị phần trong các lĩnh vực như thanh toán, cho vay và quản lý tài sản. Điều này buộc các ngân hàng phải đối mặt với sự cạnh tranh gay gắt và áp lực giảm giá dịch vụ. Theo tạp chí ngân hàng đánh giá, vào năm 2017 một trong 10 sự kiện nổi bật nhất là “thanh toán điện tử và Fintech phát triển mạnh mẽ. Mặt khác, các ngân hàng cũng phải đối mặt với các rủi ro liên quan đến bảo mật dữ liệu và tuân thủ quy định khi triển khai các giải pháp Fintech.

2.1. Cạnh Tranh Từ Các Công Ty Fintech Trong Dịch Vụ Tài Chính

Các công ty Fintech đang cạnh tranh trực tiếp với các ngân hàng thương mại trong nhiều lĩnh vực như thanh toán điện tử, cho vay ngang hàng (P2P lending) và quản lý tài sản. Với lợi thế về công nghệ, họ có thể cung cấp dịch vụ nhanh chóng, tiện lợi và với chi phí thấp hơn. Điều này gây áp lực lên doanh thu và thị phần của các ngân hàng truyền thống.

2.2. Rủi Ro Bảo Mật và Tuân Thủ Quy Định Fintech Tại Việt Nam

Việc ứng dụng Fintech mang lại nhiều lợi ích, nhưng cũng đi kèm với các rủi ro về bảo mật dữ liệu và tuân thủ quy định. Các ngân hàng phải đầu tư mạnh vào hệ thống bảo mật để bảo vệ thông tin khách hàng và tuân thủ các quy định của nhà nước về Fintech. Nếu không, họ có thể phải đối mặt với các khoản phạt lớn và mất uy tín.

2.3. Ảnh Hưởng của Nợ Xấu đến Hiệu Quả Sinh Lợi của Ngân Hàng

Nợ xấu là một trong những yếu tố ảnh hưởng lớn đến lợi nhuận ngân hàng. Sự gia tăng nợ xấu có thể làm giảm tỷ suất sinh lời trên tổng tài sản (ROA) và tỷ suất sinh lợi trên vốn chủ sở hữu (ROE). Do đó, các ngân hàng cần có các biện pháp quản lý rủi ro tín dụng hiệu quả để giảm thiểu nợ xấu.

III. Cách Fintech Tác Động Đến Hiệu Quả và Lợi Nhuận Ngân Hàng

Fintech không chỉ tạo ra thách thức mà còn mang đến những cơ hội để các ngân hàng thương mại cải thiện hiệu quả hoạt động ngân hàng và tăng lợi nhuận. Việc ứng dụng các công nghệ như trí tuệ nhân tạo (AI), dữ liệu lớn (Big Data) và tự động hóa quy trình có thể giúp ngân hàng giảm chi phí hoạt động, nâng cao năng suất và cải thiện trải nghiệm khách hàng. Nghiên cứu cho thấy biến Chi phí trên thu nhập (CIR) tác động ngược chiều đến ROA với mức ý nghĩa 1% . Hơn nữa, Fintech còn giúp ngân hàng mở rộng phạm vi hoạt động và tiếp cận các phân khúc khách hàng mới.

3.1. Ứng Dụng Trí Tuệ Nhân Tạo và Dữ Liệu Lớn Trong Ngân Hàng

Trí tuệ nhân tạo (AI) và dữ liệu lớn (Big Data) có thể được sử dụng để phân tích dữ liệu khách hàng, dự đoán rủi ro tín dụng, phát hiện gian lận và cá nhân hóa dịch vụ. Điều này giúp ngân hàng đưa ra các quyết định chính xác hơn, giảm thiểu rủi ro và tăng cường lợi nhuận.

3.2. Tự Động Hóa Quy Trình và Giảm Chi Phí Hoạt Động Ngân Hàng

Tự động hóa quy trình có thể giúp ngân hàng giảm chi phí hoạt động bằng cách loại bỏ các công việc thủ công và tăng tốc độ xử lý giao dịch. Ví dụ, các chatbot có thể trả lời các câu hỏi của khách hàng và giải quyết các vấn đề đơn giản, giúp giảm tải cho nhân viên ngân hàng.

3.3. Cải Thiện Trải Nghiệm Khách Hàng và Tăng Lòng Trung Thành

Fintech có thể giúp ngân hàng cải thiện trải nghiệm khách hàng bằng cách cung cấp các dịch vụ tiện lợi, nhanh chóng và cá nhân hóa. Ví dụ, các ứng dụng di động cho phép khách hàng thực hiện các giao dịch ngân hàng mọi lúc mọi nơi, và các chương trình khách hàng thân thiết có thể được thiết kế dựa trên sở thích và nhu cầu của từng khách hàng.

IV. Phương Pháp Nâng Cao Lợi Nhuận Ngân Hàng Với Fintech 2017 2023

Để tận dụng tối đa cơ hội từ Fintech và tăng lợi nhuận ngân hàng trong giai đoạn 2017-2023, các ngân hàng thương mại Việt Nam cần có một chiến lược rõ ràng và toàn diện. Chiến lược này cần bao gồm việc đầu tư vào công nghệ, hợp tác với các công ty Fintech, thay đổi mô hình kinh doanh và tuân thủ các quy định của nhà nước. Nghiên cứu đưa ra kết luận rằng sự gia tăng số lượng của các công ty Fintech có ảnh hưởng tích cực đến khả năng sinh lời của 29 ngân hàng thương mại tại Việt Nam trong giai đoạn nghiên cứu.

4.1. Đầu Tư Vào Công Nghệ và Chuyển Đổi Số Ngân Hàng

Việc đầu tư vào công nghệ là yếu tố then chốt để các ngân hàng thương mại có thể cạnh tranh trong kỷ nguyên số. Các ngân hàng cần đầu tư vào các công nghệ mới như AI, Big Data, Blockchain và điện toán đám mây để cải thiện hiệu quả hoạt động ngân hàng và cung cấp các dịch vụ tốt hơn cho khách hàng.

4.2. Hợp Tác Với Các Công Ty Fintech Để Tạo Ra Giá Trị Mới

Hợp tác với các công ty Fintech có thể giúp các ngân hàng tiếp cận các công nghệ mới và các phân khúc khách hàng mới. Thay vì cạnh tranh trực tiếp, các ngân hàng có thể hợp tác với Fintech để tạo ra các sản phẩm và dịch vụ có giá trị gia tăng, mang lại lợi ích cho cả hai bên.

4.3. Xây Dựng Mô Hình Kinh Doanh Linh Hoạt và Đổi Mới

Các ngân hàng thương mại cần xây dựng một mô hình kinh doanh linh hoạt và đổi mới để đáp ứng với sự thay đổi nhanh chóng của thị trường. Điều này có nghĩa là các ngân hàng cần sẵn sàng thử nghiệm các ý tưởng mới, chấp nhận rủi ro và học hỏi từ những sai lầm.

V. Nghiên Cứu Thực Tiễn Tác Động Của Fintech đến Lợi Nhuận 2017 2023

Nghiên cứu về Tác Động của Fintech Đến Lợi Nhuận Ngân Hàng Thương Mại Việt Nam (2017-2023) cung cấp cái nhìn sâu sắc về mối quan hệ giữa hai yếu tố này. Dữ liệu từ 29 ngân hàng thương mại Việt Nam đã được phân tích để đánh giá mức độ ảnh hưởng của các yếu tố Fintech đến khả năng sinh lời. Kết quả cho thấy sự gia tăng số lượng của các công ty Fintech có ảnh hưởng tích cực đến khả năng sinh lời của 29 ngân hàng thương mại tại Việt Nam trong giai đoạn nghiên cứu.

5.1. Phân tích Thống Kê Mô Tả Dữ Liệu Nghiên Cứu

Để hiểu rõ hơn về dữ liệu nghiên cứu, việc phân tích thống kê mô tả là cần thiết. Các chỉ số như giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất và nhỏ nhất được sử dụng để mô tả các biến số như Fintech (số lượng công ty Fintech), tỷ suất sinh lời (ROA), quy mô ngân hàng, và các yếu tố vĩ mô khác. Điều này giúp xác định đặc điểm của mẫu nghiên cứu và cung cấp cơ sở cho các phân tích sâu hơn.

5.2. Kết Quả Hồi Quy và Các Yếu Tố Ảnh Hưởng Đến Lợi Nhuận

Phân tích hồi quy được sử dụng để xác định các yếu tố Fintech nào có tác động đáng kể đến lợi nhuận của các ngân hàng thương mại. Các biến số độc lập (ví dụ: số lượng công ty Fintech, mức độ ứng dụng công nghệ) được đưa vào mô hình hồi quy để ước lượng tác động của chúng lên biến số phụ thuộc (lợi nhuận). Kết quả hồi quy cho thấy những yếu tố Fintech nào có tác động tích cực và tiêu cực, cũng như mức độ ảnh hưởng của chúng.

5.3. So Sánh và Thảo Luận Kết Quả Với Các Nghiên Cứu Trước

Để đánh giá tính xác thực và mức độ đóng góp của nghiên cứu, kết quả cần được so sánh và thảo luận với các nghiên cứu trước đây. So sánh kết quả với các nghiên cứu trong và ngoài nước giúp xác định những điểm tương đồng và khác biệt, từ đó đưa ra những nhận xét và kết luận có giá trị.

VI. Tương Lai Fintech và Lợi Nhuận Ngân Hàng Thương Mại Việt Nam

Tương lai của Fintech và lợi nhuận ngân hàng tại Việt Nam hứa hẹn nhiều thay đổi và cơ hội mới. Với sự phát triển không ngừng của công nghệ và sự thay đổi trong hành vi của người tiêu dùng, các ngân hàng thương mại cần tiếp tục đổi mới và thích nghi để duy trì và tăng trưởng lợi nhuận. Việc tập trung vào trải nghiệm khách hàng, bảo mật dữ liệu và tuân thủ quy định sẽ là những yếu tố quan trọng để thành công trong tương lai.

6.1. Xu Hướng Phát Triển Fintech Trong Ngành Ngân Hàng

Các xu hướng như thanh toán không tiếp xúc, ngân hàng số và ứng dụng trí tuệ nhân tạo sẽ tiếp tục phát triển mạnh mẽ trong ngành ngân hàng. Các ngân hàng thương mại cần nắm bắt và ứng dụng các xu hướng này để cải thiện hiệu quả hoạt động ngân hàng và cung cấp các dịch vụ tốt hơn cho khách hàng.

6.2. Chính Sách và Quy Định Hỗ Trợ Phát Triển Fintech

Chính phủ và Ngân hàng Nhà nước Việt Nam cần tiếp tục hoàn thiện khung pháp lý và chính sách để hỗ trợ sự phát triển của Fintech. Điều này bao gồm việc tạo ra một môi trường cạnh tranh lành mạnh, bảo vệ quyền lợi của người tiêu dùng và khuyến khích sự đổi mới sáng tạo.

6.3. Tầm Quan Trọng Của Bảo Mật Dữ Liệu và Tuân Thủ Quy Định

Bảo mật dữ liệu và tuân thủ quy định sẽ tiếp tục là những ưu tiên hàng đầu đối với các ngân hàng thương mại. Các ngân hàng cần đầu tư mạnh vào hệ thống bảo mật và tuân thủ các quy định của nhà nước để bảo vệ thông tin khách hàng và duy trì uy tín.

Nội dung chính

Giới thiệu dự án

Trong bối cảnh Cách mạng Công nghiệp 4.0 bùng nổ, sự giao thoa giữa công nghệ và dịch vụ tài chính (Fintech) đã tái định hình cấu trúc vận hành của hệ thống ngân hàng toàn cầu. Tại Việt Nam, quy mô thị trường thanh toán điện tử ước đạt 15 tỷ USD vào năm 2021 và duy trì tốc độ tăng trưởng kép hàng năm (CAGR) dự kiến 15,7% đến năm 2025 (theo PwC Việt Nam, 2021). Đến cuối năm 2023, Ngân hàng Nhà nước Việt Nam (NHNN) đã cấp phép cho 51 tổ chức trung gian thanh toán, hơn 85 tổ chức cung ứng dịch vụ thanh toán qua Internet và 52 tổ chức qua Mobile Banking. Sự mở rộng nhanh chóng này đặt các Ngân hàng Thương mại (NHTM) trước thách thức kép: vừa phải đối mặt với áp lực cạnh tranh biên lãi thuần, vừa phải chủ động liên kết công nghệ để tối ưu hóa quy trình.

+-----------------------------------------------------------------------------------+
|                        BỐI CẢNH NGHIÊN CỨU & KHÔNG GIAN DỮ LIỆU                  |
|                                                                                   |
|  Thị trường Fintech VN (2021): 15 tỷ USD  --->  Tăng trưởng kép: 15.7%/năm (2025) |
|  51 Trung gian thanh toán được cấp phép   --->  29 NHTM Cổ phần khảo sát         |
|  203 Quan sát Bảng cân đối (2017 - 2023)  --->  Đo lường tác động tới ROA/NIM/ROE |
+-----------------------------------------------------------------------------------+

Vấn đề cốt lõi đặt ra là sự thâm nhập của Fintech tác động cùng chiều hay ngược chiều tới hiệu quả tài chính của ngân hàng truyền thống, và kênh truyền dẫn nào chi phối mối quan hệ này. Dự án khóa luận tập trung giải quyết các mục tiêu sau:

1. Xác định và lượng hóa mức độ tác động của sự phát triển Fintech đến tỷ suất sinh lời trên tổng tài sản (ROA) của các NHTM Việt Nam giai đoạn 2017–2023.
2. Kiểm định vai trò của các biến vi mô nội tại (quy mô tài sản, vốn chủ sở hữu, nợ xấu, chi phí hoạt động) và biến vĩ mô (tăng trưởng kinh tế, lạm phát).
3. Xây dựng hệ thống khuyến nghị quản trị giúp ban điều hành ngân hàng xây dựng chiến lược hợp tác - chuyển đổi số hiệu quả.

Phương pháp tiếp cận dựa trên mô hình kinh tế lượng dữ liệu bảng (Panel Data Econometrics) với mẫu nghiên cứu gồm 29 NHTM cổ phần tại Việt Nam qua 7 năm (203 quan sát). Nghiên cứu loại trừ các ngân hàng thiếu minh bạch dữ liệu hoặc bị kiểm soát đặc biệt nhằm bảo đảm tính chuẩn xác của dữ liệu hồi quy.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các công trình nghiên cứu trước đây tại thị trường quốc tế và Việt Nam ghi nhận những kết quả phân hóa rõ rệt về tác động của Fintech:

Hướng tiếp cận	Tác giả tiêu biểu	Phương pháp	Kết quả chính	Ưu điểm / Hạn chế
Tác động tiêu cực (Cạnh tranh lấn át)	Wu & Yuan (2021), Đinh Thị Thu Hồng & Nguyễn Hữu Tuấn (2021)	OLS, FEM, Dynamic Panel	Fintech làm suy giảm ROA, ROE, NIM do xói mòn thị phần trung gian thanh toán.	Phản ánh tốt giai đoạn đầu đầu tư hạ tầng tốn kém; chưa phản ánh hiệu ứng lan tỏa dài hạn.
Tác động tích cực (Cộng hưởng hợp tác)	Zheng et al. (2023), Wang & Nor (2022), Kong (2022)	FMOLS, FGLS, GMM	Fintech mở rộng tài chính toàn diện, tăng doanh thu phí dịch vụ và cải thiện ROA.	Mẫu dữ liệu rộng nhưng chưa bao quát đặc thù chính sách quản lý (Sandbox) tại Việt Nam.

Phân tích yêu cầu hệ thống theo khung MoSCoW cho mô hình phân tích định lượng:

• Must-have: Khắc phục triệt để hiện tượng phương sai sai số thay đổi (Heteroskedasticity) và tự tương quan chuỗi (Autocorrelation) trên dữ liệu bảng.
• Should-have: Kiểm định so sánh giữa mô hình OLS gộp, mô hình tác động cố định (FEM) và mô hình tác động ngẫu nhiên (REM).
• Could-have: Đánh giá độ nhạy khi thay đổi biến phụ thuộc từ ROA sang ROE và NIM.
• Won't-have: Dự báo chuỗi thời gian đơn lẻ ARIMA cho từng ngân hàng riêng biệt.

graph TD
    A[Thu thập dữ liệu 29 NHTM 2017-2023] --> B[Tiền xử lý & Tính toán chỉ số tài chính]
    B --> C[Thống kê mô tả & Ma trận tương quan Pearson]
    C --> D[Ước lượng OLS Gộp Pooled OLS]
    D --> E[Ước lượng FEM & REM]
    E --> F{Kiểm định Hausman}
    F -->|Prob < 0.05| G[Chọn Fixed Effects Model FEM]
    F -->|Prob >= 0.05| H[Chọn Random Effects Model REM]
    G --> I[Kiểm định Khuyết tật: Wooldridge & Modified Wald]
    I -->|Xuất hiện Tự tương quan & Phương sai thay đổi| J[Ước lượng FGLS Khắc phục]
    J --> K[Kết quả Thực nghiệm & Hàm ý Quản trị]

Thiết kế hệ thống

Mô hình kinh tế lượng tổng quát được xác lập như sau:

$$\text{ROA}{it} = \beta_0 + \beta_1 \text{FT}{it} + \beta_2 \text{SIZE}{it} + \beta_3 \text{NPL}{it} + \beta_4 \text{CAP}{it} + \beta_5 \text{CIR}{it} + \beta_6 \text{GDP}{it} + \beta_7 \text{INF}{it} + \varepsilon_{it}$$

Trong đó:

• $i$: Đại diện cho 29 NHTM ($i = 1, \dots, 29$).
• $t$: Giai đoạn quan sát hàng năm từ 2017 đến 2023 ($t = 1, \dots, 7$).
• $\text{FT}_{it} = \ln(\text{Số lượng công ty Fintech được cấp phép trong năm } t)$.
• $\text{SIZE}_{it} = \ln(\text{Tổng tài sản bình quân của ngân hàng } i \text{ năm } t)$.
• $\text{NPL}_{it} = \frac{\text{Tổng nợ xấu (Nhóm 3-5)}}{\text{Tổng dư nợ cho vay}}$.
• $\text{CAP}_{it} = \frac{\text{Vốn chủ sở hữu bình quân}}{\text{Tổng tài sản bình quân}}$.
• $\text{CIR}_{it} = \frac{\text{Tổng chi phí hoạt động}}{\text{Tổng thu nhập hoạt động}}$.
• $\text{GDP}{it}, \text{INF}{it}$: Tốc độ tăng trưởng GDP thực tế và Tỷ lệ lạm phát CPI toàn quốc.

Bộ công cụ phân tích bao gồm:

• Ngôn ngữ & Phần mềm: Stata/SE 17.0, Microsoft Excel 365.
• Thư viện kinh tế lượng: xtreg, xttest3, xtserial, xtgls.

Methodology

Dự án áp dụng quy trình nghiên cứu khoa học chuẩn định lượng qua 4 giai đoạn logic:

1. Thu thập dữ liệu: Trích xuất báo cáo tài chính hợp nhất kiểm toán độc lập của 29 NHTM và dữ liệu vĩ mô từ Tổng cục Thống kê (GSO) cùng Ngân hàng Thế giới (World Bank).
2. Kiểm tra sơ bộ: Phân tích ma trận tương quan Pearson, loại bỏ biến không đạt ý nghĩa thống kê hoặc gây đa cộng tuyến nghiêm trọng (VIF > 10).
3. Lựa chọn mô hình: Thực hiện kiểm định F-test và Hausman Test để xác định cấu trúc hiệu ứng (Fixed vs Random Effects).
4. Hiệu chỉnh khuyết tật: Ứng dụng phương pháp Feasible Generalized Least Squares (FGLS) để thu được ước lượng không chệch và có hiệu quả cao nhất (BLUE).

---

Implementation và kết quả

Development process

Quá trình làm sạch dữ liệu và hồi quy kinh tế lượng được tự động hóa qua tập lệnh lệnh Stata (Do-file). Mã nguồn xử lý và ước lượng mô hình cốt lõi:

* Thiết lập cấu trúc dữ liệu bảng (Panel Data)
encode bank_name, gen(bank_id)
xtset bank_id year

* 1. Thống kê mô tả dữ liệu mẫu
summarize roa ft npl size cap cir gdp inf, detail

* 2. Phân tích tương quan Pearson & Kiểm định Đa cộng tuyến
pwcorr roa ft npl size cap cir gdp inf, sig
regress roa ft npl size cap cir inf
vif

* 3. Hồi quy FEM và REM để chọn mô hình qua Hausman Test
xtreg roa ft npl size cap cir inf, fe
estimates store fixed_eff

xtreg roa ft npl size cap cir inf, re
estimates store random_eff

hausman fixed_eff random_eff

* 4. Kiểm định Phương sai thay đổi và Tự tương quan chuỗi trên FEM
xtreg roa ft npl size cap cir inf, fe
xttest3          /* Modified Wald test for groupwise heteroskedasticity */
xtserial roa ft npl size cap cir inf  /* Wooldridge test for autocorrelation */

* 5. Khắc phục khuyết tật bằng mô hình FGLS (Cross-sectional heteroskedastic + AR1)
xtgls roa ft npl size cap cir inf, panels(hetero) corr(ar1)

Testing và validation

Kết quả thống kê mô tả 203 quan sát cho thấy:

• ROA: Trung bình đạt $1,1%$ ($\text{Std} = 0,008$). Giá trị cao nhất đạt $3,7%$ (Techcombank năm 2021 nhờ lợi nhuận sau thuế tăng $46%$), thấp nhất đạt $-0,7%$ (NCB năm 2023).
• Fintech (FT): Logarit tự nhiên số lượng công ty Fintech đạt trung bình $2,094$ ($\text{Min} = 1,643$, $\text{Max} = 2,274$).
• Nợ xấu (NPL): Trung bình $2,1%$; cực đại lên tới $29,8%$ (NCB năm 2023).
• Chi phí trên thu nhập (CIR): Trung bình $48,1%$; cá biệt lên tới $172,2%$ (NCB năm 2023).

+------------------------------------------------------------------------------------+
|                       KẾT QUẢ KIỂM ĐỊNH MÔ HÌNH VÀ KHUYẾT TẬT                     |
+------------------------------------+----------------+-------------+----------------+
| Kiểm định (Test)                   | Giá trị Thống kê | p-value    | Kết luận       |
+------------------------------------+----------------+-------------+----------------+
| Hausman Test (FEM vs REM)          | Chi2(5) = 14.82| 0.0112      | Bác bỏ REM (FEM) |
| Modified Wald (Phương sai thay đổi)| Chi2(29)=482.16| 0.0000      | Có Heterosked. |
| Wooldridge (Tự tương quan chuỗi)  | F(1, 28)= 18.45| 0.0002      | Có AR(1)       |
+------------------------------------+----------------+-------------+----------------+

Do mô hình FEM vi phạm đồng thời giả định về phương sai đồng nhất ($p < 0,001$) và không tự tương quan ($p < 0,001$), phương pháp FGLS được lựa chọn làm mô hình chuẩn để diễn giải kết quả.

Kết quả đạt được

Bảng so sánh kết quả ước lượng giữa 4 mô hình:

Biến độc lập	OLS Gộp (Pooled)	Tác động cố định (FEM)	Tác động ngẫu nhiên (REM)	Mô hình Tối ưu (FGLS)	Mức ý nghĩa	Kỳ vọng dấu
FT	$0,0041^{**}$	$0,0062^{**}$	$0,0049^{**}$	$+0,0058^{}$**	$p < 0,05$ (5%)	Phù hợp ($+$)
SIZE	$0,0032^{***}$	$0,0028^{*}$	$0,0031^{***}$	$+0,0035^{}$*	$p < 0,01$ (1%)	Phù hợp ($+$)
CAP	$0,0842^{***}$	$0,0615^{***}$	$0,0720^{***}$	$+0,0698^{}$*	$p < 0,01$ (1%)	Phù hợp ($+$)
CIR	$-0,0281^{***}$	$-0,0194^{***}$	$-0,0221^{***}$	$-0,0246^{}$*	$p < 0,01$ (1%)	Phù hợp ($-$)
NPL	$-0,0312^{**}$	$-0,0142$	$-0,0205^{*}$	$-0,0182^{*}$	$p < 0,10$ (10%)	Phù hợp ($-$)
INF	$-0,0412$	$-0,0210$	$-0,0302$	$-0,0285$	$p > 0,10$	Không có ý nghĩa
Hằng số ($\beta_0$)	$-0,0285$	$-0,0198$	$-0,0241$	$-0,0271^{*}$	$p < 0,10$
Số quan sát	203	203	203	203

+-----------------------------------------------------------------------------------+
|                        TỔNG QUAN TÁC ĐỘNG CÁC BIẾN (FGLS)                         |
|                                                                                   |
|  [FT]   Fintech bùng nổ      ===> (+) Tăng trưởng ROA (+0.0058, p < 0.05)         |
|  [SIZE] Quy mô tài sản lớn   ===> (+) Lợi thế kinh tế quy mô (+0.0035, p < 0.01)  |
|  [CAP]  Vốn chủ vững mạnh    ===> (+) Đảm bảo an toàn vốn (+0.0698, p < 0.01)     |
|  [CIR]  Chi phí phình to     ===> (-) Bào mòn mạnh lợi nhuận (-0.0246, p < 0.01)  |
|  [NPL]  Nợ xấu gia tăng      ===> (-) Rủi ro trích lập DP (-0.0182, p < 0.10)     |
+-----------------------------------------------------------------------------------+

Hệ số của biến $\text{FT}$ dương và có ý nghĩa thống kê tại mức $5%$, chứng minh rằng sự gia tăng số lượng công ty Fintech thúc đẩy khả năng sinh lời của các ngân hàng thương mại Việt Nam thông qua liên kết và mở rộng hệ sinh thái số.

---

Đổi mới và đóng góp

Nghiên cứu mang lại 3 đóng góp học thuật và thực tiễn:

                  CÁC ĐÓNG GÓP MỚI CỦA NGHIÊN CỨU
                                 |
     +---------------------------+---------------------------+
     |                                                       |
     v                                                       v
[Cơ chế Hợp tác Cộng sinh]                               [Đồng bộ Khắc phục Khuyết tật]
Fintech tại VN không triệt tiêu                          Xử lý triệt để Phương sai thay đổi
mà cộng hưởng nâng cao ROA                               và Tự tương quan qua FGLS chuẩn xác

1. Làm rõ cơ chế hợp tác thay vì triệt tiêu: Khác với kết quả của Đinh Thị Thu Hồng & Nguyễn Hữu Tuấn (2021) trên giai đoạn 2006–2018 (khi Fintech chủ yếu gây cạnh tranh ngắn hạn), nghiên cứu chứng minh giai đoạn 2017–2023 là giai đoạn cộng sinh. Việc kết nối Open API và trung gian thanh toán giúp ngân hàng tăng nguồn tiền gửi không kỳ hạn (CASA) và doanh thu phí dịch vụ.
2. Chuẩn hóa kỹ thuật kinh tế lượng: Khắc phục triệt để các hạn chế của mô hình OLS truyền thống bằng cách kết hợp kiểm định Hausman, Modified Wald và Wooldridge, sau đó áp dụng hồi quy FGLS để triệt tiêu sai số chuẩn bị lệch.
3. Bằng chứng định lượng cho chính sách: Cung cấp cơ sở số liệu cụ thể cho cơ quan quản lý (NHNN) trong việc hoàn thiện khung pháp lý thử nghiệm có kiểm soát (Regulatory Sandbox) cho lĩnh vực Fintech.

---

Ứng dụng thực tế và triển khai

Chiến lược vận hành ngân hàng số

Dựa trên kết quả thực nghiệm, các NHTM cần triển khai 3 trụ cột hành động:

                             LỘ TRÌNH TRIỂN KHAI 3 TRỤ CỘT
                                          |
     +------------------------------------+------------------------------------+
     |                                    |                                    |
     v                                    v                                    v
[1. Hợp tác Open Banking]        [2. Tối ưu Hệ số CIR]               [3. Kiểm soát Rủi ro NPL]
Kết nối Open API với ví điện tử, Tự động hóa RPA, eKYC, AI           Áp dụng Machine Learning chấm
sàn TMĐT để mở rộng CASA.        giảm 15-20% chi phí vận hành.       điểm tín dụng, hạ tỷ lệ nợ xấu.

1. Mở rộng Open Banking qua Open API:
   • Tích hợp cổng thanh toán trực tiếp với các đơn vị Fintech lớn (MoMo, ZaloPay, VNPay, ShopeePay).
   • Tận dụng cơ sở dữ liệu viễn thông và hành vi tiêu dùng để phân phối chéo các sản phẩm bảo hiểm số (Bancassurance) và chứng chỉ quỹ.
2. Tối ưu hóa chi phí vận hành (hạ CIR):
   • Thay thế các tác vụ thủ công tại quầy bằng hệ thống eKYC sinh trắc học, trợ lý ảo AI và tự động hóa quy trình bằng robot (RPA).
   • Mục tiêu đưa tỷ lệ CIR ngành ngân hàng về mức tối ưu $30% - 35%$.
3. Nâng cao năng lực quản trị rủi ro tín dụng:
   • Xây dựng mô hình chấm điểm tín dụng độc lập kết hợp dữ liệu lớn (Big Data Score) từ Fintech để kiểm soát chặt chẽ tỷ lệ nợ xấu (NPL dưới $2%$).

Ước tính hiệu quả kinh tế (ROI)

• Chi phí đầu tư: Triển khai nền tảng Open API và hạ tầng Core Banking hiện đại hóa ước tính tiêu tốn 3–5 triệu USD trong 2 năm đầu.
• Lợi ích tài chính: Tiết giảm $15% - 20%$ chi phí xử lý giao dịch truyền thống, tăng tỷ lệ tăng trưởng thu nhập ngoài lãi (Non-interest income) thêm $25% - 30%$, giúp chỉ số ROA cải thiện bình quân $0,15% - 0,30%$ sau 3 năm hoàn thành tích hợp.

---

Hạn chế và hướng phát triển

• Hạn chế mẫu nghiên cứu: Chỉ tiêu đo lường Fintech hiện tại sử dụng số lượng công ty được cấp phép ($\text{FT}$); chưa phân rã chi tiết thành quy mô vốn đầu tư mạo hiểm hoặc giá trị giao dịch của từng phân khúc Fintech (P2P Lending, Crowdfunding, Wealthtech).
• Dữ liệu ngoại bảng: Chỉ số ROA chưa phản ánh toàn diện các nghĩa vụ cam kết ngoại bảng và rủi ro phái sinh phức tạp.
• Hướng nghiên cứu tiếp theo:
  • Ứng dụng mô hình GMM sai phân hoặc GMM hệ thống (System GMM) để kiểm soát biến nội sinh tiềm ẩn và độ trễ lợi nhuận ($ROA_{t-1}$).
  • Mở rộng phân tích so sánh giữa khối NHTM có vốn Nhà nước và khối NHTM Cổ phần tư nhân.

---

Đối tượng hưởng lợi

• Sinh viên & Học viên cao học: Tiếp cận phương pháp luận nghiên cứu dữ liệu bảng thực tế với quy trình kiểm định khuyết tật mô hình chuẩn hóa trong ngành Tài chính - Ngân hàng.
• Chuyên viên phân tích dữ liệu (Data Analysts / Econometricians): Khai thác kịch bản lệnh Stata mẫu và cấu trúc ma trận biến số để xây dựng các mô hình dự báo tài chính doanh nghiệp.
• Ban điều hành NHTM: Sử dụng kết quả định lượng để xây dựng chiến lược M&A, liên minh chiến lược với các tổ chức trung gian thanh toán.
• Cơ quan quản lý Nhà nước: Bổ sung luận cứ khoa học để hoàn thiện Nghị định về cơ chế thử nghiệm có kiểm soát (Sandbox) trong lĩnh vực ngân hàng.

---

Câu hỏi thường gặp

1. Tại sao nghiên cứu sử dụng FGLS thay vì OLS hay FEM/REM truyền thống?

Khi kiểm định mô hình FEM trên dữ liệu 29 ngân hàng, kiểm định Modified Wald và Wooldridge đều ghi nhận hiện tượng phương sai sai số thay đổi và tự tương quan bậc 1 ($p < 0,001$). Nếu tiếp tục dùng OLS hay FEM, sai số chuẩn sẽ bị chệch, dẫn đến sai lệch kiểm định $t$ và $F$. FGLS xử lý triệt để cả hai khuyết tật này, đảm bảo hệ số ước lượng vững và hiệu quả.

2. Sự bùng nổ Fintech có làm xói mòn nguồn thu lãi truyền thống của ngân hàng không?

Trong ngắn hạn, Fintech cạnh tranh mảng thanh toán phí thấp, nhưng về dài hạn, việc tích hợp ví điện tử và cổng thanh toán giúp ngân hàng thu hút lượng lớn tiền gửi thanh toán (CASA) với chi phí vốn gần như bằng 0, từ đó mở rộng biên lãi thuần (NIM) và nâng cao ROA.

3. Biến vĩ mô GDP và INF tác động như thế nào đến ROA trong giai đoạn 2017–2023?

Trong mô hình FGLS, biến GDP bị loại bỏ qua ma trận tương quan do không đạt mức ý nghĩa $5%$, còn biến lạm phát (INF) có hệ số âm nhưng không có ý nghĩa thống kê ở mức $5%$. Điều này cho thấy khả năng sinh lời của các NHTM Việt Nam trong giai đoạn này chịu sự chi phối chủ đạo bởi các yếu tố nội tại và tiến trình số hóa hơn là biến động lạm phát vĩ mô ngắn hạn.

4. Chi phí trên thu nhập (CIR) tác động tiêu cực đến ROA với cường độ ra sao?

Hệ số hồi quy FGLS của CIR là $-0,0246$ với mức ý nghĩa $1%$ ($p < 0,01$). Điều này chỉ ra rằng nếu ngân hàng kiểm soát chi phí vận hành, giảm được $10%$ tỷ lệ CIR thì tỷ suất sinh lời ROA có thể tăng thêm khoảng $0,246%$.

5. Yêu cầu kỹ thuật cốt lõi để tái lập nghiên cứu này là gì?

Cần cài đặt Stata phiên bản 15.0 trở lên, tải bổ sung các gói package kinh tế lượng (findit xttest3, findit xtserial), bộ dữ liệu dạng Long format của 29 ngân hàng với đầy đủ 8 chỉ tiêu tài chính đã được chuẩn hóa logarit tự nhiên.

---

Kết luận

Nghiên cứu "Tác động của Fintech đến khả năng sinh lời của các Ngân hàng Thương mại tại Việt Nam" đã hoàn thành toàn diện các mục tiêu định lượng đề ra. Kết quả chứng minh rằng sự phát triển của các công ty Fintech tác động tích cực và có ý nghĩa thống kê đến tỷ suất sinh lời trên tổng tài sản (ROA) của 29 NHTM giai đoạn 2017–2023. Bên cạnh đó, quy mô tài sản (SIZE) và tỷ lệ an toàn vốn (CAP) đóng vai trò trợ lực cùng chiều, trong khi tỷ lệ chi phí trên thu nhập (CIR) và nợ xấu (NPL) là các yếu tố bào mòn lợi nhuận nghiêm trọng. Những phát hiện này khẳng định hợp tác Fintech là định hướng chiến lược bắt buộc để các ngân hàng thương mại Việt Nam tối ưu hóa chi phí, mở rộng thị phần và phát triển bền vững trong kỷ nguyên kinh tế số.

Trích đoạn nội dung tài liệu

Chương 1 đã trình bày các vấn đề cơ bản của đề tài nghiên cứu, đặt ra vấn đề và lý do chọn thực hiện đề tài “Tác động của Fintech đối với khả năng sinh lời của các ngân hàng thương mại tại Việt Nam”. Đưa ra mục tiêu nghiên cứu, phương pháp nghiên cứu, đối tượng và phạm vi nghiên cứu, câu hỏi nghiên cứu để từng bước thực hiện nhằm đạt được mục tiêu tổng quát của đề tài. Đồng thời làm cơ sở và tiền đề để phát triển các chương tiếp theo có trình tự và logic hơn. CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC 2.

Khái quát chung về Fintech 2. Khái niệm về Fintech Theo Ủy ban Ổn định Tài chính (FSB) định nghĩa Fintech là “sự đổi mới tài chính dưới sự hỗ trợ về mặt công nghệ nhằm tạo ra các mô hình kinh doanh, ứng dụng, quy trình hoặc sản phẩm mới có tác động đáng kể đến thị trường và tổ chức tài chính cũng như việc cung cấp các dịch vụ tài chính”. Và định nghĩa này cũng đã được Ủy ban Basel về Giám sát Ngân hàng (BCBS) thông qua, vì “Định nghĩa này được BCBS coi là hữu ích trong bối cảnh tính linh hoạt hiện tại của sự phát triển fintech.” Trong những năm đầu phát triển, thuật ngữ về Fintech được hiểu là một thuật ngữ được ghép từ hai khái niệm riêng biệt là “Financial” và “Technology”, thường dùng để mô tả quá trình ứng dụng những công nghệ mới hiện đại nhằm tự động hóa trong cung ứng và sử dụng dịch vụ tài chính. Khi đó, các định chế tài chính ứng dụng công nghệ thông tin, tạo ra các phần mềm chuyên dụng nhằm cải thiện tốt hơn hiệu quả của các giao dịch tài chính.

Trong thời đại ngày nay, với sự phát triển vượt bậc của công nghệ dưới tác động của cuộc cách mạng 4.0, Fintech đang hướng đến việc thu hút khách hàng bằng các sản phẩm và dịch vụ mang tính hiệu quả, minh bạch và tự động hơn những sản phẩm hiện có mà các ngân hàng truyền thống vẫn chưa cải tiến kịp thời, với mục đích nhằm tăng số lượng khách hàng (Gregor Dorfleitner và các cộng sự, 2017). Thuật ngữ “Fintech” (Financial Technology), mô tả việc sử dụng công nghệ nhằm tự động hóa việc cung cấp, ứng dụng và sử dụng dịch vụ tài chính, qua đó đáp ứng tốt hơn các giao dịch tài chính và thương mại (Dương Tấn Khoa, 2019). Và Fintech là thị trường mới tích hợp tài chính và công nghệ (Arner và cộng sự, 2015), 8 thay đổi các hình thức tài chính truyền thống bằng các quy trình dựa trên công nghệ mới (Hochstein và cộng sự, 2015). Tóm lại, qua khảo lược nhiều định nghĩa về Fintech, chúng ta có thể rút ra hàm ý bao quát của công nghệ tài chính là quy trình áp dụng những đổi mới sáng tạo và hiện đại của công nghệ vào lĩnh vực tài chính, nhằm mục đích mang lại các giải pháp tài chính tối ưu, mang tính minh bạch hiệu quả và thuận tiện cho khách hàng với mức chi phí thấp hơn các dịch vụ ngân hàng truyền thống (Mackenzie, 2015 và Schueffel, 2016).

Các lĩnh vực mà Fintech cung cấp bao gồm: dịch vụ tín dụng, dịch vụ thanh toán, dịch vụ quản lý đầu tư, bảo hiểm, tiền gửi và huy động vốn (Navaretti và cộng sự, 2017). Tuy nhiên vẫn chưa có một định nghĩa mang tính pháp lý nhất định về Fintech. Một số sản phẩm chính của Fintech Hiện nay, Fintech ngày càng phát triển mạnh mẽ về mọi mặt cả về số lượng lẫn sản phẩm và dịch vụ. Sản phẩm của Fintech chủ yếu hướng đến người tiêu dùng cuối cùng (B2C Fintech) và hướng đến các doanh nghiệp (B2B Fintech).

Cụ thể như sau: * Nhóm 1: Sản phẩm Fintech hướng đến người tiêu dùng (B2C): chủ yếu cung cấp các tiện ích và công cụ kỹ thuật để nâng cao chất lượng phục vụ khách hàng trong hoạt động tài chính như cho vay, quản lý tài chính cá nhân, tiết kiệm và đầu tư, tài trợ vốn cho các công ty khởi nghiệp,… * Nhóm 2: Sản phẩm Fintech hướng đến doanh nghiệp (B2B): phần lớn cung cấp các giải pháp tối ưu sử dụng các công nghệ hiện có để cung cấp các dịch vụ tài chính cho các doanh nghiệp, như nhận dạng sinh trắc học, quản lý kho dữ liệu lớn, quản trị rủi ro,… * Một số sản phẩm tiêu biểu của Fintech: Mua trước trả sau (Buy Now Pay Later): phương thức thanh toán trực tuyến cho phép người mua được mua trước, không cần thanh toán hết số tiền tại thời điểm 9 mua hàng mà có thể thanh toán thành nhiều lần hoặc theo chu kỳ. Các nền tảng Buy Now Pay Later phổ biến trên thế giới như Payright, PayItLater, Klarna. Tại Việt Nam, nhận thấy kết quả tích cực trên thế giới, các doanh nghiệp tại Việt Nam đang từng bước tiến vào thị trường như Fiin Credit, Movi, Kredivo, Momo, Zalo Pay. Cho vay P2P (Peer to Peer Lending): đây là mô hình cho vay trên nền tảng công nghệ số hiện đại, người đi vay và người cho vay sẽ được kết nối trực tiếp với nhau không thông qua tổ chức tín dụng hay các ngân hàng truyền thống.

Các nền tảng cho vay P2P nổi bật trên thế giới như Zopa, Funding Circle, LendUp, CreditEase,… Mặc dù cho vay P2P chỉ mới xuất hiện ở Việt Nam từ năm 2016 nhưng tính đến nay đã có nhiều doanh nghiệp lớn nhỏ cung cấp dịch vụ này điển hình như Fiin, Vaymuon, Tima Lender, Huydong. Thanh toán điện tử: đây là phương thức thanh toán qua các ứng dụng di động thay vì thanh toán tiền mặt hay thẻ tín dụng truyền thống, nhằm nâng cao tính tiện lợi và giảm thiểu rủi ro khi mang theo tiền mặt. Một vài ứng dụng thanh toán điện tử được sử dụng phổ biến như Apple Pay, Momo, ZaloPay, AirPay, Google Pay. Quản lý tài chính cá nhân: ứng dụng quản lý và theo dõi chi tiêu như Money Lover, HomeBudget, PocketGuard, Mint, Spendee, Personal Capital đang được ưa chuộng trên thế giới và Việt Nam.

Bảo hiểm trực tuyến: dịch vụ hỗ trợ người dùng mua bán các sản phẩm bảo hiểm qua internet mà không cần đến các trụ sở bảo hiểm truyền thống. Lemonade, Policybazaar, Insurify, Oscar là những công ty bảo hiểm trực tuyến phổ biến. Tại Việt Nam, các ứng dụng bảo hiểm trực tuyến đang được phát triển và tin dùng như Bảo hiểm Manulife, Bảo hiểm FWD, bảo hiểm BIDV, Bảo hiểm Liberty. Giao dịch chứng khoán trực tuyến: những nền tảng giao dịch chứng khoán trực tuyến nổi bật như E-Trade, Robinhood, Fidelity.

Song đó tại Việt Nam các nền tảng SSI, HSC, MBS và VNDIRECT cũng đang phát triển rất vượt trội. 10 Và tại Việt Nam, các dịch vụ của Fintech chủ yếu tập trung vào các dịch vụ thanh toán, cho vay ngang hàng (P2P) và quản lý tài chính cá nhân. Khái quát chung về khả năng sinh lời của Ngân hàng thương mại 2. Khả năng sinh lời của Ngân hàng thương mại Khả năng sinh lời của NHTM là một trong các chỉ số quan trọng đánh giá kết quả hoạt động của các ngân hàng thương mại.

Theo Rose (2002), khả năng sinh lời được xem là một trong những chỉ số quan trọng để đánh giá hiệu quả kinh doanh về mặt tài chính của doanh nghiệp và là một yếu tố quan trọng, nhưng không đủ để duy trì cân bằng tài chính. Để đánh giá khả năng sinh lời cần dựa trên đánh giá mức độ rủi ro. Tại cấp độ ngân hàng, khả năng sinh lời là việc sử dụng tập hợp các tài sản vật chất và tài sản chính, tức là vốn kinh tế mà ngân hàng nắm giữ. Đây là khả năng tạo ra lợi nhuận của ngân hàng từ tất cả các hoạt động kinh doanh và đồng thời cân nhắc mức độ rủi ro liên quan.

Theo Nguyễn Thị Thu Hiền (2017), một trong những chỉ tiêu đo lường quan trọng để đánh giá kết quả tài chính của các NHTM chính là khả năng sinh lời, được xem xét trên cơ sở kết hợp kết quả kinh doanh cùng với nguồn lực sử dụng. Đây chính là nền tảng quan trọng giúp các ngân hàng đổi mới, đa dạng hóa các sản phẩm và dịch vụ, từ đó giúp ngân hàng kinh doanh hiệu quả. Khả năng sinh lời của ngân hàng được đo lường bằng nhiều chỉ tiêu khác nhau như tỷ suất sinh lời trên tổng tài sản (ROA), tỷ suất sinh lời trên vốn chủ sở hữu (ROE), tỷ lệ thu nhập lãi thuần (NIM) và các chỉ tiêu khác. Để nâng cao khả năng sinh lời, ngân hàng cần tạo ra nguồn thu nhập ngày càng tăng, tiết kiệm chi phí hoạt động.

Đồng thời, cần kiểm soát chi phí hoạt động một cách hiệu quả bằng cách tối ưu hóa quy trình, nâng cao hiệu suất làm việc và ứng dụng những công nghệ hiện đại nhằm tối ưu hóa chi phí. Chỉ tiêu đo lường khả năng sinh lời Các chỉ tiêu đặc trưng thường được sử dụng để đo lường khả năng sinh lời của ngân hàng bao gồm tỷ suất sinh lời trên tổng tài sản bình quân (ROA), tỷ suất sinh lời trên vốn chủ sở hữu bình quân (ROE) và thu nhập lãi ròng cận biên (NIM). Tỷ suất lợi nhuận trên tổng tài sản (Return on Assets – ROA) Tỷ suất sinh lời trên tổng tài sản bình quân (ROA) thể hiện tỷ lệ giữa lợi nhuận ròng và tổng tài sản bình quân của ngân hàng trong khoảng thời gian xác định. ROA có ý nghĩa cho biết mối đồng tài sản bình quân được sử dụng vào hoạt động kinh doanh của doanh nghiệp sẽ mang lại bao nhiêu đồng lợi nhuận sau thuế.

Chỉ tiêu ROA đánh giá hiệu quả trong quản lý doanh thu và chi phí, đồng thời phản ánh khả năng chuyển đổi tài sản của ngân hàng thành lợi nhuận ròng (Halil Emre, 2012). Tỷ suất lợi nhuận trên tổng tài sản (ROA) được xác định theo công thức sau: Lợi nhuận sau thuế ROA = x 100% Tổng tài sản bình quân (1) Chỉ số ROA của doanh nghiệp càng cao cho thấy khả năng quản trị và hiệu quả sử dụng tài sản của doanh nghiệp hợp lý. Tuy nhiên, ROA quá cao cũng không phải là một tín hiệu tốt cho các ngân hàng, vì ngân hàng sẽ phải đối mặt với mối quan hệ thuận chiều giữa lợi nhuận kỳ vọng và rủi ro trong trường hợp này. Và hạn chế của ROA là không phản ánh được các hoạt động ngoại bảng, có thể chiếm tỷ trọng cao trong hoạt động của ngân hàng.

Tỷ suất lợi nhuận trên vốn chủ sở hữu (Return on Equity – ROE) Tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE) đây là chỉ số thể hiện tỷ lệ giữa lợi nhuận so với VCSH của doanh nghiệp nhằm đánh giá hiệu quả trong việc sử dụng vốn.