Tác Động Của Phát Triển Fintech Đến Rủi Ro Vỡ Nợ Của Các Ngân Hàng Thương Mại Việt Nam

Nghiên cứu tác động của Fintech đến rủi ro vỡ nợ ngân hàng thương mại Việt Nam. Phân tích dữ liệu và đề xuất giải pháp quản lý rủi ro hiệu quả.

• Tác giả: Nguyễn Lê Thu
• Người hướng dẫn: Assoc. Trần Thị Xuân Anh
• Trường học: Banking Academy of Vietnam
• Chuyên ngành: Finance
• Đề tài: The Impact Of Fintech Development On Default Risk Of Vietnam Commercial Banks
• Loại tài liệu: graduation thesis
• Năm xuất bản: 2023
• Địa điểm: Hà Nội

Mục lục chi tiết

• ACKNOWLEDGEMENT
• COMMITMENT
• 1. CHAPTER I: LITERATURE REVIEW
• 1.1. An overview of Fintech
• 1.2. Definition of Fintech
• 1.3. Fintech’s products and services
• 1.4. Fundamentals of commercial bank’s default risk
• 1.5. The definition of commercial bank’s default risk
• 1.6. The measurement of default risk of a commercial bank
• 1.7. The impact of Fintech on commercial banks’s default risk
• 2. CHAPTER II: DATABASE AND RESEARCH METHOD
• 2.1. Measuring bank’s default risk
• 2.2. Factors affecting default risk
• 2.3. FinTech development measure
• 2.4. RESEARCH MODEL AND HYPOTHESE
• 3. CHAPTER III: RESEARCH RESULTS AND RECOMMENDATIONS
• 3.1. ANALYSIS OF THE SITUATION OF VIETNAM COMMERCIAL BAKING SYSTEM IN THE PERIOD 2017-2022
• 3.2. FINTECH DEVELOPMENT SITUATION IN VIETNAM
• 3.2.1. Overview of Fintech development in Vietnam
• 3.2.2. The development of Fintech products in Vietnam
• 3.2.3. Peer to peer lending
• 3.3. EXPERIMENTAL RESEARCH RESULTS
• 3.3.1. Results of measuring default risk of the commercial banking system
• 3.3.2. The comparison of default risk of three different groups of banks with different forms of ownership
• 3.3.3. The comparison of default risk between listed and unlisted banks
• 3.3.4. Testing model defects
• 3.3.5. Fixing the defects using the generalized least squares estimation model (GLS)
• 3.4. DISCUSSING RESEARCH RESULTS
• LIST OF ABBREVIATIONS
• LIST OF TABLES
• LIST OF CHARTS
• INTRODUCTION

Tóm tắt

I. Fintech Ngân hàng Việt Tổng quan về Tác động Rủi ro

Sự phát triển của Fintech đã lan rộng và phát triển mạnh mẽ, bao gồm nhiều doanh nghiệp cung cấp đa dạng các dịch vụ tài chính trên toàn cầu. Internet of Things (IoT), Big Data, Trí tuệ nhân tạo (AI), điện toán đám mây, Blockchain và các công nghệ mới khác của cuộc cách mạng công nghiệp lần thứ tư đã có tác động đáng kể đến hầu hết các hoạt động kinh tế xã hội. Một trong những ngành đầu tiên ứng dụng công nghệ thông tin là ngành ngân hàng nói riêng và ngành tài chính nói chung. Nhờ việc sử dụng công nghệ, đã có những thay đổi đáng kể với sự ra đời của một số sản phẩm và dịch vụ, cũng như các mạng lưới phân phối mới cho các dịch vụ tài chính. Tại Việt Nam, việc ứng dụng Fintech đang ảnh hưởng đến hầu hết các lĩnh vực hoạt động ngân hàng, tác động đến cấu trúc thị trường và chiến lược phát triển của các tổ chức tài chính và ngân hàng. Các công ty Fintech đã thay đổi kênh phân phối và các sản phẩm, dịch vụ ngân hàng truyền thống thông qua xu hướng phát triển các kênh giao dịch trực tuyến như Internet Banking, Mobile Banking, mạng xã hội, ngân hàng điện tử. "Theo báo cáo của Ngân hàng Nhà Nước năm 2021"

1.1. Định nghĩa Fintech và vai trò trong kỷ nguyên số

Fintech là một thuật ngữ bắt nguồn từ sự kết hợp giữa tài chính và công nghệ, được định nghĩa là một lĩnh vực liên ngành kết hợp tài chính, quản lý công nghệ và đổi mới, mô tả sự kết nối của công nghệ liên quan đến internet với các hoạt động dịch vụ thương mại của khu vực tài chính như giao dịch ngân hàng và cho vay tiền. Quỹ Tiền tệ Quốc tế (IMF) định nghĩa Fintech là "những tiến bộ trong công nghệ có khả năng chuyển đổi việc cung cấp các dịch vụ tài chính bằng cách kích thích sự phát triển của các mô hình kinh doanh, ứng dụng, quy trình và sản phẩm mới". Fintech thay thế các cấu trúc tài chính truyền thống bằng các quy trình dựa trên công nghệ mới. Fintech được xem là thị trường mới tích hợp tài chính và công nghệ." (Arner et al., 2015).

1.2. Fintech và tác động đến hệ thống Ngân hàng Thương mại

Sự phát triển của Fintech có thể mang đến những cơ hội lớn cho ngân hàng thương mại (NHTM), giúp nâng cao hiệu quả hoạt động, tiếp cận khách hàng mới và cung cấp dịch vụ tốt hơn. Tuy nhiên, nó cũng đi kèm với những rủi ro tiềm ẩn, đặc biệt là rủi ro vỡ nợ khi các NHTM không thích ứng kịp thời. Ảnh hưởng của Fintech đến ngân hàng tác động đến hầu hết các lĩnh vực hoạt động ngân hàng. Fintech còn ảnh hưởng đến cấu trúc thị trường và chiến lược phát triển của các tổ chức tài chính và ngân hàng. Fintech giúp các công ty thay đổi kênh phân phối và các sản phẩm, dịch vụ ngân hàng truyền thống thông qua xu hướng phát triển các kênh giao dịch trực tuyến như Internet Banking, Mobile Banking, mạng xã hội, ngân hàng điện tử. Fintech được xem là một hiện tượng cần được nghiên cứu.

II. Rủi ro Vỡ nợ Ngân hàng Cách đo lường Các yếu tố ảnh hưởng

Rủi ro vỡ nợ là một trong những mối quan tâm hàng đầu của các ngân hàng thương mại. Việc đo lường và quản lý rủi ro này một cách hiệu quả là yếu tố then chốt để đảm bảo sự ổn định và phát triển bền vững của hệ thống ngân hàng. Rủi ro vỡ nợ của một ngân hàng được đo lường bằng nhiều chỉ số khác nhau. Một trong số đó là chỉ số Z-score, đo lường khả năng chống chịu rủi ro của ngân hàng. Các yếu tố ảnh hưởng đến rủi ro vỡ nợ bao gồm các yếu tố vĩ mô như tình hình kinh tế, chính sách tiền tệ, và các yếu tố vi mô như chất lượng tài sản, khả năng quản lý rủi ro của ngân hàng. "Đánh giá ảnh hưởng của Fintech đến khả năng quản lý nợ xấu của các ngân hàng thương mại Việt Nam"

2.1. Các chỉ số đo lường rủi ro vỡ nợ của ngân hàng

Chỉ số Z-score được sử dụng để đo lường rủi ro vỡ nợ của ngân hàng. Z-score cao cho thấy ngân hàng có khả năng chống chịu rủi ro tốt hơn. Z-score được tính toán dựa trên lợi nhuận trên tài sản (ROA), tỷ lệ vốn chủ sở hữu trên tổng tài sản và độ lệch chuẩn của ROA. Ngoài ra, các chỉ số khác như tỷ lệ nợ xấu (NPL), tỷ lệ an toàn vốn (CAR) cũng được sử dụng để đánh giá rủi ro vỡ nợ. Các yếu tố vĩ mô như tăng trưởng GDP, lạm phát, lãi suất, tỷ giá hối đoái, và các yếu tố vi mô như chất lượng quản trị, chiến lược kinh doanh, cũng ảnh hưởng đến rủi ro vỡ nợ.

2.2. Các yếu tố vĩ mô và vi mô tác động đến rủi ro vỡ nợ

Các yếu tố vĩ mô như tình hình kinh tế, chính sách tiền tệ, và quy định của chính phủ đều có thể ảnh hưởng đến rủi ro vỡ nợ của ngân hàng. Khi kinh tế suy thoái, tỷ lệ thất nghiệp tăng, khả năng trả nợ của người dân và doanh nghiệp giảm, dẫn đến tăng rủi ro tín dụng và rủi ro vỡ nợ cho ngân hàng. Các yếu tố vi mô như chất lượng tài sản, khả năng quản lý rủi ro của ngân hàng cũng đóng vai trò quan trọng. Ngân hàng có chất lượng tài sản tốt, quản lý rủi ro hiệu quả sẽ có khả năng chống chịu tốt hơn trước các cú sốc kinh tế và giảm thiểu rủi ro vỡ nợ.

III. Fintech tác động đến Rủi ro Ngân hàng Phân tích các Kênh

Fintech có thể tác động đến rủi ro vỡ nợ của ngân hàng thông qua nhiều kênh khác nhau. Một mặt, Fintech có thể giúp ngân hàng cải thiện hiệu quả hoạt động, giảm chi phí, tiếp cận khách hàng mới và cung cấp dịch vụ tốt hơn, từ đó giảm thiểu rủi ro vỡ nợ. Mặt khác, Fintech cũng có thể tạo ra những rủi ro mới, như rủi ro an ninh mạng, rủi ro pháp lý, và rủi ro hoạt động, có thể làm tăng rủi ro vỡ nợ. "Các ứng dụng Fintech cụ thể trong ngân hàng (thanh toán, cho vay, quản lý tài sản,...)".

3.1. Fintech giúp Ngân hàng giảm thiểu rủi ro vỡ nợ như thế nào

Fintech có thể giúp ngân hàng giảm thiểu rủi ro vỡ nợ bằng cách cải thiện quy trình đánh giá rủi ro tín dụng, tăng cường khả năng giám sát và quản lý rủi ro, và giảm chi phí hoạt động. Các công nghệ như AI và Big Data có thể được sử dụng để phân tích dữ liệu khách hàng và dự đoán khả năng trả nợ, giúp ngân hàng đưa ra quyết định cho vay chính xác hơn. Fintech cũng có thể giúp ngân hàng tự động hóa các quy trình, giảm thiểu sai sót và gian lận, từ đó giảm chi phí và tăng hiệu quả hoạt động.

3.2. Các loại rủi ro mới do Fintech mang lại cho Ngân hàng

Sự phát triển của Fintech cũng mang lại những rủi ro mới cho ngân hàng, như rủi ro an ninh mạng, rủi ro pháp lý, và rủi ro hoạt động. Các cuộc tấn công mạng có thể gây thiệt hại lớn cho ngân hàng, làm mất dữ liệu khách hàng và gây ảnh hưởng đến uy tín. Các quy định pháp lý về Fintech chưa hoàn thiện cũng có thể tạo ra những rủi ro cho ngân hàng. Ngân hàng cũng cần phải đối mặt với những rủi ro liên quan đến việc triển khai và sử dụng các công nghệ mới, như rủi ro về hiệu quả hoạt động và rủi ro về bảo mật thông tin.

IV. Ứng dụng Fintech Giải pháp Quản lý Rủi ro cho Ngân hàng VN

Để quản lý rủi ro hiệu quả trong bối cảnh Fintech phát triển, các ngân hàng thương mại Việt Nam cần áp dụng các giải pháp quản lý rủi ro phù hợp. Các giải pháp này bao gồm việc xây dựng hệ thống quản lý rủi ro toàn diện, đầu tư vào công nghệ bảo mật, và tuân thủ các quy định pháp lý liên quan đến Fintech. Ngoài ra, các ngân hàng cũng cần tăng cường hợp tác với các công ty Fintech để tận dụng lợi thế của công nghệ mới và chia sẻ thông tin về rủi ro. "Các mô hình dự báo rủi ro vỡ nợ ngân hàng có tính đến yếu tố Fintech như thế nào?"

4.1. Xây dựng hệ thống quản lý rủi ro Fintech toàn diện

Việc xây dựng một hệ thống quản lý rủi ro toàn diện là rất quan trọng để các ngân hàng có thể nhận diện, đánh giá và kiểm soát các rủi ro liên quan đến Fintech. Hệ thống này cần bao gồm các chính sách, quy trình và công cụ để quản lý các loại rủi ro khác nhau, như rủi ro tín dụng, rủi ro hoạt động, rủi ro pháp lý, và rủi ro an ninh mạng. Hệ thống quản lý rủi ro cũng cần được cập nhật thường xuyên để đáp ứng với sự thay đổi của môi trường Fintech.

4.2. Đầu tư vào công nghệ bảo mật và tuân thủ pháp lý

Việc đầu tư vào công nghệ bảo mật là rất quan trọng để bảo vệ dữ liệu khách hàng và ngăn chặn các cuộc tấn công mạng. Các ngân hàng cần triển khai các giải pháp bảo mật tiên tiến, như mã hóa dữ liệu, xác thực đa yếu tố, và hệ thống phát hiện xâm nhập. Ngoài ra, các ngân hàng cần tuân thủ các quy định pháp lý liên quan đến Fintech, như quy định về bảo vệ dữ liệu cá nhân, quy định về phòng chống rửa tiền, và quy định về hoạt động của các công ty Fintech.

V. Nghiên cứu Thực nghiệm Fintech tác động đến Rủi ro tại VN

Nghiên cứu thực nghiệm có thể cung cấp bằng chứng về tác động thực tế của Fintech đến rủi ro vỡ nợ của các ngân hàng thương mại Việt Nam. Nghiên cứu này có thể sử dụng các phương pháp phân tích định lượng để đánh giá mối quan hệ giữa sự phát triển của Fintech và các chỉ số đo lường rủi ro vỡ nợ của ngân hàng. Kết quả nghiên cứu có thể giúp các nhà hoạch định chính sách và các ngân hàng đưa ra quyết định sáng suốt về việc quản lý rủi ro trong bối cảnh Fintech phát triển. "Phân tích định lượng tác động của thanh toán điện tử đến rủi ro hoạt động của ngân hàng thương mại Việt Nam"

5.1. Dữ liệu và phương pháp phân tích định lượng

Nghiên cứu thực nghiệm cần thu thập dữ liệu về sự phát triển của Fintech tại Việt Nam, cũng như dữ liệu về các chỉ số đo lường rủi ro vỡ nợ của các ngân hàng thương mại. Dữ liệu về Fintech có thể được thu thập từ các báo cáo của Ngân hàng Nhà nước, các công ty nghiên cứu thị trường, và các nguồn thông tin khác. Dữ liệu về rủi ro vỡ nợ có thể được thu thập từ báo cáo tài chính của các ngân hàng. Các phương pháp phân tích định lượng có thể được sử dụng để đánh giá mối quan hệ giữa Fintech và rủi ro vỡ nợ, như phân tích hồi quy, phân tích tương quan, và phân tích chuỗi thời gian.

5.2. Kết quả nghiên cứu và hàm ý chính sách

Kết quả nghiên cứu thực nghiệm có thể cho thấy tác động của Fintech đến rủi ro vỡ nợ của các ngân hàng thương mại Việt Nam, cũng như các yếu tố khác ảnh hưởng đến rủi ro này. Kết quả nghiên cứu có thể giúp các nhà hoạch định chính sách đưa ra các quy định phù hợp để quản lý rủi ro Fintech và thúc đẩy sự phát triển bền vững của hệ thống ngân hàng. Kết quả nghiên cứu cũng có thể giúp các ngân hàng đưa ra các quyết định kinh doanh sáng suốt để giảm thiểu rủi ro vỡ nợ và tận dụng lợi thế của Fintech.

VI. Tương lai Fintech Ngân hàng Cơ hội và Thách thức cho VN

Sự phát triển của Fintech sẽ tiếp tục tạo ra những cơ hội và thách thức mới cho các ngân hàng thương mại Việt Nam. Để thành công trong bối cảnh này, các ngân hàng cần chủ động thích ứng với sự thay đổi của công nghệ, đầu tư vào đổi mới, và xây dựng mối quan hệ hợp tác chặt chẽ với các công ty Fintech. Ngoài ra, các ngân hàng cần chú trọng đến việc quản lý rủi ro và tuân thủ các quy định pháp lý liên quan đến Fintech. "Khuyến nghị về chính sách quản lý rủi ro Fintech cho Ngân hàng Nhà nước Việt Nam"

6.1. Cơ hội cho Ngân hàng Thương mại từ Fintech

Fintech mang đến nhiều cơ hội cho các ngân hàng thương mại. Fintech có thể giúp các ngân hàng mở rộng thị trường, tiếp cận khách hàng mới thông qua các kênh trực tuyến và di động. Fintech có thể giúp cải thiện hiệu quả hoạt động bằng cách tự động hóa quy trình và giảm chi phí. Fintech còn giúp nâng cao trải nghiệm khách hàng thông qua các dịch vụ cá nhân hóa và tiện lợi.

6.2. Thách thức và rủi ro tiềm ẩn trong tương lai

Bên cạnh cơ hội, Fintech cũng mang đến nhiều thách thức cho các ngân hàng thương mại. Rủi ro an ninh mạng ngày càng gia tăng khi các giao dịch tài chính được thực hiện trực tuyến. Sự cạnh tranh từ các công ty Fintech có thể làm giảm thị phần và lợi nhuận của các ngân hàng. Các quy định pháp lý về Fintech chưa hoàn thiện có thể gây khó khăn cho hoạt động của các ngân hàng.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh cuộc Cách mạng công nghiệp lần thứ tư đang diễn ra mạnh mẽ, các công nghệ nền tảng như Internet vạn vật (IoT), Dữ liệu lớn (Big Data), Trí tuệ nhân tạo (AI), Điện toán đám mây (Cloud Computing) và Chuỗi khối (Blockchain) đã thâm nhập sâu rộng vào mọi hoạt động kinh tế - xã hội. Ngành tài chính - ngân hàng là một trong những lĩnh vực tiên phong tiếp nhận và ứng dụng công nghệ thông tin. Sự trỗi dậy của công nghệ tài chính (Fintech) đã làm biến đổi căn bản cấu trúc thị trường, kênh phân phối và danh mục sản phẩm dịch vụ ngân hàng truyền thống thông qua các nền tảng giao dịch trực tuyến như Internet Banking, Mobile Banking, ngân hàng số và cho vay ngang hàng (P2P lending).

Tại Việt Nam, quá trình chuyển đổi số trong lĩnh vực ngân hàng diễn ra với tốc độ rất nhanh. Tuy nhiên, tác động thực tế của sự phát triển Fintech đến rủi ro vỡ nợ và mức độ an toàn của hệ thống ngân hàng thương mại vẫn là vấn đề còn nhiều tranh luận trên cả phương diện lý thuyết lẫn thực nghiệm. Một mặt, Fintech có thể giúp ngân hàng giảm thiểu chi phí bất cân xứng thông tin, tối ưu hóa quy trình tín dụng và mở rộng thị trường; mặt khác, Fintech cũng tạo ra sức ép cạnh tranh gay gắt, làm xói mòn nguồn thu truyền thống và làm gia tăng các rủi ro lan truyền, rủi ro an ninh mạng và rủi ro tuân thủ.

Khóa luận tốt nghiệp của tác giả Nguyễn Lê Thu tập trung giải quyết 2 câu hỏi nghiên cứu cốt lõi:

1. Sự phát triển của Fintech có tác động tích cực hay tiêu cực đến rủi ro vỡ nợ của các ngân hàng thương mại tại Việt Nam?
2. Các ngân hàng thương mại Việt Nam cần thực hiện những giải pháp nào để giảm thiểu rủi ro vỡ nợ và nâng cao hiệu quả hoạt động trong bối cảnh ngành Fintech tăng trưởng nhanh chóng?

Nhiệm vụ và mục tiêu nghiên cứu cụ thể được xác định bao gồm:

1. Xác định tác động của phát triển Fintech đến rủi ro vỡ nợ thông qua việc đo lường mức độ ổn định của các ngân hàng thương mại (sử dụng chỉ số Z-score).
2. Phân tích tác động của các yếu tố nội tại mang tính vi mô thuộc về đặc điểm tài chính của từng ngân hàng đến rủi ro vỡ nợ.
3. So sánh mức độ ổn định và rủi ro vỡ nợ giữa các nhóm tổ chức tín dụng theo các hình thức sở hữu khác nhau (ngân hàng thương mại nhà nước, ngân hàng thương mại cổ phần, ngân hàng 100% vốn nước ngoài) cũng như theo tình trạng niêm yết (niêm yết và chưa niêm yết).

Đối tượng nghiên cứu của đề tài là rủi ro vỡ nợ của các ngân hàng thương mại tại Việt Nam.

Phạm vi nghiên cứu được xác lập như sau:

• Phạm vi không gian: Nghiên cứu thu thập dữ liệu từ 33 ngân hàng thương mại đang hoạt động tại Việt Nam (trong tổng số 43 ngân hàng thương mại theo thống kê của Ngân hàng Nhà nước tính đến ngày 31/12/2021). Nhóm mẫu gồm 4 ngân hàng thương mại nhà nước (Agribank, VietinBank - CTG, Vietcombank - VCB, BIDV - BID), 4 ngân hàng thương mại có vốn nước ngoài (Public Bank Vietnam, Shinhan Bank, ANZ, HSBC) và 25 ngân hàng thương mại cổ phần (ACB, MBB, TCB, VPB, STB, HDB, TPB, VIB, SHB, LPB, MSB, OCB, SSB, NCB, EIB, ABB, BAB, BVB, KLB, NAB, PGB, VBB...). Tính đến ngày 31/12/2022, tổng tài sản của 33 ngân hàng này đạt 15.182.206 tỷ đồng, chiếm 84,07% tổng tài sản toàn hệ thống ngân hàng thương mại (18.275.903 tỷ đồng), bảo đảm tính đại diện cao.
• Phạm vi thời gian: Giai đoạn 2017 – 2022. Đây là thời kỳ thị trường Fintech tại Việt Nam ghi nhận sự bùng nổ rõ nét và các ngân hàng thương mại bước vào giai đoạn tăng tốc chuyển đổi số. Tổng quy mô mẫu nghiên cứu gồm 198 quan sát bảng.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và khái niệm

Khóa luận hệ thống hóa cơ sở lý thuyết dựa trên các chuẩn mực và công trình nghiên cứu kinh điển:

• Khái niệm Fintech và phân loại: Tác giả tổng hợp định nghĩa từ các tổ chức tài chính quốc tế như IMF (2018), FSB (2019), OECD (2018), WEF (2016), IOSCO và các học giả Schueffel (2016), Boldt (2017). Dựa theo phân loại của Hội đồng Ổn định Tài chính (FSB, 2017), các hoạt động Fintech được chia thành 5 nhóm trụ cột: (1) Thanh toán, bù trừ và quyết toán; (2) Tiền gửi, cho vay và huy động vốn; (3) Bảo hiểm (Insurtech); (4) Quản lý đầu tư; (5) Hỗ trợ thị trường.
• Rủi ro vỡ nợ của ngân hàng thương mại: Tổng hợp quan điểm của Shelagh Heffernan (2005), Macro (2005), Bessis (2011), Rose (1998) và mô hình rút tiền hàng loạt (bank run) của Diamond & Dybvig (1983). Rủi ro vỡ nợ xuất hiện khi tổn thất kinh doanh vượt quá quy mô vốn chủ sở hữu, dẫn đến tình trạng mất khả năng thanh toán hoặc buộc phải chịu sự can thiệp, sáp nhập dưới áp lực của cơ quan quản lý. Sự mất cân đối kỳ hạn giữa tài sản nợ ngắn hạn và tài sản có dài hạn là nguồn cơn trực tiếp gây bất ổn thanh khoản (Lai, 2002).
• Thước đo rủi ro Z-score: Kế thừa nghiên cứu của Roy (1952), Altman (1968), Boyd & Graham (1988), Boyd & Runkle (1993), Beck và cộng sự (2007). Chỉ số Z-score đo lường khoảng cách đến ngưỡng phá sản (distance to default) theo công thức: $$\text{Z-score}{i,t} = \frac{\text{ROA}{i,t} + (\text{Vốn chủ sở hữu} / \text{Tổng tài sản}){i,t}}{\text{Độ lệch chuẩn của ROA}{i,t}}$$ Chỉ số Z-score tỷ lệ nghịch với xác suất vỡ nợ; giá trị Z-score càng cao phản ánh ngân hàng có mức độ an toàn và ổn định tài chính càng lớn.

Các giả thuyết nghiên cứu được thiết lập:

• Giả thuyết H1a: Fintech có mối quan hệ nghịch chiều với rủi ro vỡ nợ của các ngân hàng thương mại (Fintech giúp giảm rủi ro vỡ nợ, tăng tính ổn định).
• Giả thuyết H1b: Fintech có mối quan hệ thuận chiều với rủi ro vỡ nợ của các ngân hàng thương mại (Fintech làm gia tăng rủi ro vỡ nợ).
• Giả thuyết H2: Số lượng doanh nghiệp khởi nghiệp Fintech (Fintech start-ups) có tương quan thuận với rủi ro vỡ nợ của các ngân hàng thương mại.

Phương pháp nghiên cứu và quy trình thực hiện

Nghiên cứu sử dụng phương pháp định lượng với dữ liệu bảng (panel data) thông qua quy trình 3 bước:

1. Bước 1 - Xây dựng mô hình hồi quy và xử lý biến: Kiểm tra hiện tượng đa cộng tuyến thông qua ma trận tương quan Pearson và hệ số phóng đại phương sai (VIF). Kết quả sơ bộ cho thấy các biến ATM, FINT và INOV có VIF rất cao (> 10, trong đó biến ATM có VIF = 104). Để xử lý triệt để khuyết tật đa cộng tuyến, tác giả loại bỏ biến INNOV, DFI, GDPC và ATM, giữ lại mô hình tối ưu với tất cả các biến có VIF < 10.
2. Bước 2 - Kiểm định và ước lượng mô hình: Thực hiện ước lượng qua các mô hình hồi quy dữ liệu bảng: Hồi quy gộp OLS (Pooled OLS), Mô hình tác động cố định (FEM), và Mô hình tác động ngẫu nhiên (REM). Tiến hành các kiểm định lựa chọn mô hình phù hợp, sau đó kiểm định các khuyết tật về phương sai sai số thay đổi và tự tương quan. Sử dụng mô hình bình phương tối thiểu tổng quát (GLS - Generalized Least Squares) để hiệu chỉnh các khuyết tật dữ liệu bảng.
3. Bước 3 - Thảo luận kết quả và đề xuất hàm ý chính sách: Phân tích các tác động biên và đưa ra khuyến nghị thực tiễn cho hệ thống ngân hàng và các cơ quan quản lý tại Việt Nam.

Phân tích định lượng và xử lý số liệu được thực hiện trên phần mềm Microsoft Excel và Stata 16.

Nguồn dữ liệu và định nghĩa biến số

Dữ liệu thứ cấp được thu thập từ báo cáo tài chính kiểm toán, báo cáo thường niên công bố trên cổng thông tin của 33 ngân hàng thương mại, báo cáo thường niên của Ngân hàng Nhà nước Việt Nam (SBV), cơ sở dữ liệu Statista, Ngân hàng Thế giới (World Bank) và Quỹ Tiền tệ Quốc tế (IMF).

Tên biến	Ký hiệu	Định nghĩa và cách đo lường	Nguồn dữ liệu
Biến phụ thuộc
Chỉ số ổn định ngân hàng	ZSCORE	Logarit tự nhiên của chỉ số Z-score: $\text{Ln}[\text{ROA} + (\text{Vốn CSH}/\text{Tổng tài sản})] / \text{Std}(\text{ROA})$	Báo cáo tài chính ngân hàng
Biến độc lập
Quy mô giao dịch Fintech	FINT	Logarit tự nhiên của tổng giá trị giao dịch Fintech trong năm	Cơ sở dữ liệu Statista
Doanh nghiệp Fintech mới	FINC	Logarit tự nhiên của số lượng công ty Fintech mới thành lập trong năm	Cơ sở dữ liệu Statista
Mật độ máy ATM	ATM	Số lượng máy ATM trên 100.000 người trưởng thành	World Bank
Chỉ số đổi mới sáng tạo	INNOV	Chỉ số đổi mới sáng tạo toàn cầu (Innovation index)	The Global Economy database
Biến kiểm soát
Quy mô ngân hàng	BSIZE	Logarit tự nhiên của tổng tài sản ngân hàng	Báo cáo tài chính ngân hàng
Tốc độ tăng trưởng tài sản	AGROW	Tỷ lệ tăng trưởng tổng tài sản năm $t$ so với năm $t-1$	Báo cáo tài chính ngân hàng
Tỷ lệ tiền gửi trên tài sản	DTA	Tỷ lệ tiền gửi khách hàng / Tổng tài sản	Báo cáo tài chính ngân hàng
Đòn bẩy tài chính	LEV	Tỷ lệ tổng nợ phải trả / Tổng tài sản	Báo cáo tài chính ngân hàng
Tỷ lệ dư nợ trên tiền gửi	OBTD	Tỷ lệ dư nợ cho vay / Tiền gửi của khách hàng	Báo cáo tài chính ngân hàng
Chỉ số đa dạng hóa thu nhập	DIVI	$1 - |(\text{Thu nhập lãi thuần} - \text{Thu nhập ngoài lãi}) / \text{Tổng thu nhập hoạt động}|$	Báo cáo tài chính ngân hàng
Tỷ lệ thu nhập ngoài lãi	NIIC	Thu nhập ngoài lãi / Tổng thu nhập hoạt động	Báo cáo tài chính ngân hàng
Biên lãi thuần	NIM	Tỷ lệ thu nhập lãi thuần / Tổng tài sản sinh lời	Báo cáo tài chính ngân hàng
Tiếp cận dịch vụ tài chính	AFI	Số chi nhánh ngân hàng thương mại trên 100.000 người trưởng thành	World Bank / Báo cáo SBV
Độ sâu tài chính	DFI	Tỷ lệ tài sản của ngân hàng trung ương trên GDP	World Bank / Báo cáo SBV
Thu nhập bình quân đầu người	GDPC	Logarit tự nhiên của GDP bình quân đầu người	World Bank / IMF

Nội dung chính theo từng chương

Chương I: Tổng quan tài liệu nghiên cứu (Chapter I: Literature Review)

Chương I tập trung xây dựng cơ sở lý luận về mối quan hệ giữa Fintech và rủi ro vỡ nợ của ngân hàng thương mại:

• Tổng quan về Fintech: Trình bày sự hình thành khái niệm, bản chất liên ngành giữa tài chính và công nghệ, phân tích chi tiết 5 mảng sản phẩm dịch vụ chính (thanh toán điện tử, cho vay P2P, huy động vốn cộng đồng, bảo hiểm công nghệ, quản lý đầu tư tự động và hỗ trợ thị trường bằng dữ liệu lớn).
• Lý luận về rủi ro vỡ nợ: Làm rõ các nguyên nhân cốt lõi gây sụp đổ ngân hàng như tỷ lệ nợ xấu tăng cao, suy giảm chất lượng tài sản, căng thẳng thanh khoản, hiện tượng tháo chạy tiền gửi và sự bất đối xứng kỳ hạn nợ - có. Phân tích ưu - nhược điểm của các chỉ tiêu đo lường rủi ro (CAR, CAMELS, độ biến động ROA/ROE, Z-score), khẳng định Z-score là thước đo phản ánh toàn diện cả khả năng sinh lời, tỷ lệ an toàn vốn và mức độ biến động lợi nhuận.
• Cơ chế tác động hai chiều của Fintech đến rủi ro vỡ nợ:
  • Tác động tích cực: Fintech ứng dụng thuật toán dự báo, chuỗi khối và dữ liệu lớn giúp khắc phục tình trạng bất cân xứng thông tin, cắt giảm chi phí giao dịch, rút ngắn thời gian xử lý hồ sơ tín dụng, khai thác thị trường khách hàng cá nhân và doanh nghiệp vừa và nhỏ (SMEs), từ đó nâng cao hiệu quả hoạt động và giảm rủi ro vỡ nợ.
  • Tác động tiêu cực/Thách thức: Sự gia tăng nhanh chóng của các công ty khởi nghiệp Fintech làm xói mòn thị phần trung gian thanh toán và tín dụng truyền thống, gia tăng áp lực cạnh tranh biên lãi thuần, tạo ra rủi ro chênh lệch kỳ hạn và rủi ro lan truyền hệ thống khi các tổ chức Fintech chưa chịu sự quản lý giám sát chặt chẽ.
• Tổng kết các nghiên cứu thực nghiệm: Tổng hợp các công trình quốc tế (Deloitte, 2020; Romānova & Kudinska, 2017; FSB, 2017; Ding và cộng sự, 2022; Buchak và cộng sự, 2018) và các nghiên cứu tại Việt Nam (Trần Thị Xuân Anh và cộng sự, 2020; Quang Khai Nguyen & Van Cuong Dang, 2022; Hoàng Đức Sinh & Đào Duy Tùng, 2021) để xác lập khoảng trống nghiên cứu và thiết lập khung giả thuyết.

Chương II: Dữ liệu và phương pháp nghiên cứu (Chapter II: Database and Research Method)

Chương II trình bày chi tiết về nguồn số liệu, quy trình chuẩn hóa và phương pháp kinh tế lượng:

• Cơ sở dữ liệu: Thu thập dữ liệu từ 33 ngân hàng thương mại Việt Nam giai đoạn 2017–2022 với 198 quan sát, chiếm hơn 84% tổng tài sản hệ thống ngân hàng thương mại Việt Nam năm 2022.
• Đo lường các biến số: Trình bày chi tiết công thức tính toán chỉ số Z-score cho từng năm và bình quân 6 năm của 33 ngân hàng; xác định các biến đại diện cho Fintech (FINC, FINT, ATM, INNOV), các biến đặc thù ngân hàng (BSIZE, AGROW, DTA, LEV, OBTD, DIVI, NIIC, NIM) và các biến môi trường vĩ mô (AFI, DFI, GDPC).
• Quy trình xử lý khuyết tật mô hình: Phân tích ma trận tương quan và kiểm định đa cộng tuyến thông qua hệ số VIF. Phát hiện các biến ATM (VIF = 104), INNOV, DFI, GDPC gây hiện tượng đa cộng tuyến nghiêm trọng. Tác giả tiến hành loại bỏ các biến này để xây dựng mô hình hồi quy đa biến chuẩn hóa, bảo đảm tất cả hệ số VIF đều nhỏ hơn 10.
• Quy trình ước lượng: Thiết lập phương trình hồi quy dữ liệu bảng, so sánh giữa OLS gộp, mô hình FEM và REM, kiểm tra hiện tượng phương sai thay đổi và tự tương quan, sau đó áp dụng mô hình bình phương tối thiểu tổng quát (GLS) để thu được các ước lượng vững và hiệu quả.

Chương III: Kết quả nghiên cứu và kiến nghị (Chapter III: Research Results and Recommendations)

Chương III trình bày bức tranh thực tế của hệ thống ngân hàng, thị trường Fintech và kết quả hồi quy:

• Thực trạng hệ thống NHTM Việt Nam (2017–2022): Tổng tài sản toàn hệ thống tăng trưởng từ năm 2017 đạt 18.275.903 tỷ đồng vào năm 2022; phân tích diễn biến các chỉ tiêu hiệu quả hoạt động (ROA, ROE, NIM) và biến động tỷ lệ nợ xấu nội bảng và nợ xấu gộp.
• Thực trạng phát triển Fintech tại Việt Nam: Phân tích sự gia tăng nhanh chóng về số lượng công ty Fintech từ năm 2012 đến tháng 9/2022; cơ cấu phân bổ theo lĩnh vực hoạt động (thanh toán điện tử, P2P lending, ví điện tử...); giá trị giao dịch điện tử tăng trưởng mạnh mẽ. Đến năm 2022, Ngân hàng Nhà nước đã cấp phép cho 48 tổ chức phi ngân hàng cung ứng dịch vụ trung gian thanh toán.
• Kết quả đo lường và so sánh Z-score:
  • Đánh giá diễn biến chỉ số Z-score trung bình của hệ thống ngân hàng thương mại Việt Nam giai đoạn 2017–2022.
  • So sánh rủi ro vỡ nợ giữa 3 nhóm hình thức sở hữu: ngân hàng thương mại nhà nước, ngân hàng thương mại cổ phần và ngân hàng thương mại có vốn nước ngoài.
  • So sánh rủi ro vỡ nợ giữa nhóm ngân hàng đã niêm yết và nhóm ngân hàng chưa niêm yết trên thị trường chứng khoán.
• Kết quả hồi quy thực nghiệm và xử lý khuyết tật: Đánh giá kết quả ước lượng từ mô hình GLS, kiểm định các giả thuyết nghiên cứu và thảo luận mức độ ảnh hưởng của quy mô giao dịch Fintech, số lượng công ty khởi nghiệp Fintech và các chỉ số tài chính nội tại đến mức độ ổn định của các ngân hàng thương mại Việt Nam.

Kết quả và đóng góp

Kết quả nghiên cứu chính

• Bộ dữ liệu chuẩn hóa: Xây dựng thành công bộ dữ liệu bảng gồm 33 ngân hàng thương mại hoạt động tại Việt Nam trong giai đoạn 6 năm (2017–2022), bao phủ 84,07% quy mô tài sản của toàn hệ thống ngân hàng thương mại Việt Nam.
• Đo lường mức độ an toàn qua Z-score: Lượng hóa mức độ rủi ro vỡ nợ của từng ngân hàng và phân tích sự khác biệt rõ rệt về mức độ an toàn tài chính giữa các khối ngân hàng có hình thức sở hữu khác nhau (NHTM Nhà nước, NHTM Cổ phần, NHTM Nước ngoài) cũng như giữa các ngân hàng niêm yết và chưa niêm yết.
• Bằng chứng thực nghiệm về tác động của Fintech: Sau khi khắc phục hiện tượng đa cộng tuyến và các khuyết tật của mô hình dữ liệu bảng bằng phương pháp GLS, nghiên cứu đã xác định được chiều hướng và mức độ tác động của các chỉ báo phát triển Fintech (giá trị giao dịch Fintech, số lượng startup Fintech) cùng các biến kiểm soát nội tại ngân hàng (quy mô tài sản, đòn bẩy tài chính, tỷ lệ tiền gửi, biên lãi thuần NIM, đa dạng hóa thu nhập) đến chỉ số Z-score của ngân hàng thương mại.

Hệ thống giải pháp và kiến nghị

• Đối với Ngân hàng Nhà nước và cơ quan quản lý:
  • Hoàn thiện khung khổ pháp lý thử nghiệm có kiểm soát (Regulatory Sandbox) cho các hoạt động Fintech, đặc biệt là hoạt động cho vay ngang hàng (P2P lending) và các dịch vụ thanh toán mới.
  • Tăng cường cơ chế giám sát rủi ro an toàn thông tin, an ninh mạng và rủi ro lan truyền giữa các tổ chức Fintech phi ngân hàng và hệ thống ngân hàng thương mại.
  • Xây dựng hệ thống chia sẻ thông tin tín dụng quốc gia tích hợp dữ liệu phi truyền thống để hỗ trợ các tổ chức tín dụng đánh giá chính xác rủi ro khách hàng.
• Đối với các ngân hàng thương mại:
  • Đẩy mạnh chiến lược hợp tác cùng có lợi với các công ty Fintech thay vì cạnh tranh đối đầu thuần túy, tận dụng thế mạnh công nghệ của Fintech để tối ưu hóa quy trình phân phối sản phẩm dịch vụ.
  • Ứng dụng công nghệ dữ liệu lớn và trí tuệ nhân tạo vào hệ thống quản trị rủi ro tín dụng và chấm điểm tín dụng nội bộ, giảm thiểu chi phí bất cân xứng thông tin.
  • Nâng cao năng lực quản trị thanh khoản, kiểm soát chặt chẽ tỷ lệ đòn bẩy và tái cơ cấu kỳ hạn tài sản nợ - có nhằm duy trì bộ đệm an toàn vốn vững chắc.

Đóng góp học thuật và thực tiễn

• Đóng góp vào mảng tài liệu nghiên cứu thực nghiệm còn hạn chế về tác động của Fintech đến rủi ro vỡ nợ tại các nền kinh tế đang phát triển như Việt Nam.
• Là một trong những công trình đầu tiên tại Việt Nam đánh giá tác động của nhiều chỉ báo phát triển Fintech đến rủi ro vỡ nợ cấp độ ngân hàng (bank-level) trong giai đoạn bùng nổ chuyển đổi số 2017–2022.
• Cung cấp cơ sở thực nghiệm định lượng cho các nhà quản trị ngân hàng và các cơ quan hoạch định chính sách trong việc cân bằng giữa thúc đẩy đổi mới sáng tạo tài chính và kiểm soát rủi ro hệ thống.

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế về quy mô mẫu: Nghiên cứu mới khảo sát 33 ngân hàng thương mại do một số ngân hàng chưa công bố đầy đủ báo cáo tài chính trong cả giai đoạn nghiên cứu (như nhóm 3 ngân hàng thương mại được Nhà nước mua lại bắt buộc với giá 0 đồng gồm OceanBank, GPBank, CBBank/VNCB).
• Hạn chế về thước đo Z-score: Chỉ số Z-score được tính toán hoàn toàn dựa trên số liệu kế toán từ báo cáo tài chính đã công bố, do đó mức độ chính xác phụ thuộc vào tính minh bạch của số liệu kế toán và chưa phản ánh đầy đủ các rủi ro phát sinh từ các khoản mục ngoại bảng.
• Hạn chế về biến số mô hình: Do hiện tượng đa cộng tuyến cao giữa các biến hạ tầng và kinh tế vĩ mô trong giai đoạn 2017–2022, tác giả phải loại bớt một số biến kiểm soát (ATM, INNOV, DFI, GDPC) để bảo đảm độ vững của ước lượng hồi quy.
• Hướng nghiên cứu tiếp: Mở rộng mẫu nghiên cứu sang các tổ chức tài chính phi ngân hàng, kéo dài chuỗi dữ liệu thời gian và áp dụng các mô hình kinh tế lượng động (như mô hình GMM sai phân hoặc GMM hệ thống) để kiểm soát triệt để hiện tượng nội sinh tiềm ẩn trong các quyết định tài chính.

Giá trị tham khảo

• Đối tượng sử dụng phù hợp:
  • Sinh viên, học viên cao học và nghiên cứu sinh thuộc các chuyên ngành Tài chính - Ngân hàng, Fintech, Kinh tế số, Quản trị rủi ro tài chính tại Học viện Ngân hàng và các trường đại học khối kinh tế.
  • Chuyên viên nghiên cứu chiến lược, chuyên viên quản trị rủi ro tại các ngân hàng thương mại cổ phần và tổ chức tài chính trung gian.
  • Cán bộ làm việc trong lĩnh vực thanh tra, giám sát ngân hàng và hoạch định chính sách tiền tệ tại Ngân hàng Nhà nước.
• Các phần nội dung có giá trị tham khảo cao:
  • Bảng định nghĩa biến và hệ thống chỉ báo đo lường Fintech kết hợp dữ liệu kế toán ngân hàng (Bảng 2).
  • Quy trình phát hiện và xử lý đa cộng tuyến (phân tích chỉ số VIF) và kỹ thuật ước lượng mô hình dữ liệu bảng bằng GLS trên phần mềm Stata 16.
  • Tổng quan chi tiết 5 trụ cột sản phẩm Fintech theo khung chuẩn của Hội đồng Ổn định Tài chính (FSB).

Câu hỏi thường gặp

1. Khóa luận sử dụng chỉ số nào để đo lường rủi ro vỡ nợ của ngân hàng thương mại và vì sao?

Tác giả sử dụng chỉ số Z-score (khoảng cách đến phá sản) làm biến phụ thuộc đo lường mức độ an toàn/rủi ro vỡ nợ của ngân hàng thương mại. Chỉ số này được lựa chọn vì 3 lý do: (1) Tính toán thuận tiện từ dữ liệu báo cáo tài chính công khai; (2) Tích hợp đồng thời cả ba khía cạnh quan trọng của ngân hàng gồm tỷ lệ an toàn vốn ($E/A$), khả năng sinh lời ($\text{ROA}$) và rủi ro/độ biến động lợi nhuận ($\text{Std}(\text{ROA})$); (3) Mối quan hệ nghịch biến rõ ràng với xác suất mất khả năng thanh toán đã được kiểm chứng qua nhiều nghiên cứu kinh điển trên thế giới.

2. Mẫu nghiên cứu của đề tài gồm bao nhiêu ngân hàng và chiếm tỷ trọng bao nhiêu trong hệ thống?

Mẫu nghiên cứu gồm 33 ngân hàng thương mại hoạt động tại Việt Nam trong giai đoạn 2017–2022 (tạo thành bộ dữ liệu bảng gồm 198 quan sát). Mẫu gồm 4 ngân hàng thương mại nhà nước, 4 ngân hàng 100% vốn nước ngoài và 25 ngân hàng thương mại cổ phần. Tính đến ngày 31/12/2022, tổng tài sản của 33 ngân hàng này đạt 15.182.206 tỷ đồng, chiếm 84,07% tổng tài sản toàn hệ thống ngân hàng thương mại Việt Nam.

3. Tác giả đã xử lý hiện tượng đa cộng tuyến trong mô hình hồi quy như thế nào?

Khi kiểm tra ma trận tương quan Pearson và chỉ số VIF sơ bộ, các biến ATM, FINT và INNOV có VIF > 10 (trong đó ATM có VIF lên tới 104). Tác giả đã tiến hành loại bỏ lần lượt biến INNOV, DFI, GDPC và biến ATM ra khỏi mô hình. Sau khi loại bỏ các biến này, mô hình hồi quy đạt trạng thái chuẩn hóa với tất cả hệ số VIF của các biến độc lập và biến kiểm soát còn lại đều nhỏ hơn 10, loại bỏ hoàn toàn khuyết tật đa cộng tuyến.

4. Đề tài so sánh rủi ro vỡ nợ giữa các nhóm ngân hàng theo những tiêu chí nào?

Đề tài thực hiện so sánh chỉ số Z-score trung bình giai đoạn 2017–2022 theo 2 tiêu chí phân loại chính:

• Theo hình thức sở hữu: So sánh giữa 3 nhóm gồm Ngân hàng thương mại nhà nước, Ngân hàng thương mại cổ phần và Ngân hàng thương mại có vốn nước ngoài.
• Theo tình trạng niêm yết: So sánh mức độ ổn định giữa nhóm ngân hàng đã niêm yết trên sàn chứng khoán và nhóm ngân hàng chưa niêm yết.

5. Những mô hình kinh tế lượng nào được sử dụng để ước lượng và khắc phục khuyết tật dữ liệu bảng?

Nghiên cứu sử dụng các mô hình kinh tế lượng dữ liệu bảng bao gồm: Mô hình hồi quy gộp OLS (Pooled OLS), Mô hình tác động cố định (FEM), Mô hình tác động ngẫu nhiên (REM). Sau khi thực hiện các kiểm định lựa chọn mô hình và phát hiện các khuyết tật về phương sai sai số thay đổi và tự tương quan, tác giả sử dụng Mô hình bình phương tối thiểu tổng quát (GLS - Generalized Least Squares) để hiệu chỉnh khuyết tật và thu được kết quả ước lượng chính xác.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Lê Thu tại Học viện Ngân hàng là công trình nghiên cứu định lượng hệ thống và chặt chẽ về tác động của làn sóng phát triển Fintech đến rủi ro vỡ nợ của 33 ngân hàng thương mại Việt Nam giai đoạn 2017–2022. Bằng việc kết hợp khung phân tích 5 trụ cột Fintech của FSB, thước đo an toàn tài chính Z-score và phương pháp ước lượng dữ liệu bảng GLS khắc phục khuyết tật mô hình, tác giả đã làm rõ mối quan hệ tương tác giữa công nghệ tài chính, đặc thù tài chính nội tại và mức độ an toàn của hệ thống ngân hàng. Kết quả nghiên cứu cung cấp cơ sở thực nghiệm có giá trị cao cho việc hoạch định chính sách quản lý rủi ro ngân hàng và xây dựng khung pháp lý sandbox cho Fintech tại Việt Nam.

Trích đoạn nội dung tài liệu

BANKING ACADEMY OF VIETNAM THE FACULTY OF FINANCE ---------- GRADUATION THESIS TOPIC: THE IMPACT OF FINTECH DEVELOPMENT ON DEFAULT RISK OF VIETNAM COMMERCIAL BANKS Student : Nguyen Le Thu Class : K22CLCB Course : 2019 – 2023 Student ID : 22A4010053 Thesis supervisor : Assoc. Tran Thi Xuan Anh Hanoi, May 2023 ACKNOWLEDGEMENT The thesis topic "The impact of Fintech development on default risk of Vietnam commercial banks" is the content that I have studied and done after studying at the Faculty of Finance, Banking Academy of Vietnam. In the process of researching and completing the graduation thesis, apart from my efforts, the success of the project depends largely on the encouragement and guidelines of many others. I take this opportunity to express my gratitude to the people who have been instrumental in the successful completion of this project.

I would like to express a deep sense of gratitude to the Governor, the teachers of the Banking Academy of Vietnam and the Faculty of Finance, have created a favorable learning and training environment, providing me with useful knowledge and skills to help me apply and facilitate the implementation of the thesis. I would like to extend my sincerest gratitude to my supervisor Assoc. Tran Thi Xuan Anh for her delicated guidance and supervision as well as for providing necessary information regarding the project and also for the support in completing the project. Finally, I would like to spend my heartiest thanks to my parents, friends, colleagues and well-wishers for always encouraging and creating the best conditions for me to make efforts to complete the graduation thesis.

COMMITMENT I ensure that the results in the graduation thesis are my own personal product, not copied, and with the support of Assoc. Tran Thi Xuan Anh. In the entire content of the thesis, the contents are presented either individually or synthesized from many sources. All references are clear, truthful and legally cited.

I take full responsibility and take all disciplinary measures as prescribed for my pledge. TABLE OF CONTENTS ACKNOWLEDGEMENT .2 LIST OF ABBREVIATIONS.5 LIST OF TABLES .1 CHAPTER I: LITERATURE REVIEW. An overview of Fintech. Definition of Fintech.

Fintech’s products and services. Fundamentals of commercial bank’s default risk. The definition of commercial bank’s default risk. The measurement of default risk of a commercial bank.

The impact of Fintech on commercial banks’s default risk .30 CHAPTER II: DATABASE AND RESEARCH METHOD. Measuring bank’s default risk. Factors affecting default risk. FinTech development measure.

RESEARCH MODEL AND HYPOTHESE. 42 CHAPTER III: RESEARCH RESULTS AND RECOMMENDATIONS. ANALYSIS OF THE SITUATION OF VIETNAM COMMERCIAL BAKING SYSTEM IN THE PERIOD 2017-2022. FINTECH DEVELOPMENT SITUATION IN VIETNAM.

Overview of Fintech development in Vietnam. The development of Fintech products in Vietnam. Peer to peer lending. EXPERIMENTAL RESEARCH RESULTS.

Results of measuring default risk of the commercial banking system. The comparison of default risk of three different groups of banks with different forms of ownership. The comparison of default risk between listed and unlisted banks. Testing model defects.

Fixing the defects using the generalized least squares estimation model (GLS). DISCUSSING RESEARCH RESULTS .90 LIST OF ABBREVIATIONS No Abbreviation Expansion 1 OLS Ordinary Least Squares 2 FEM Fixed Effect Model 3 REM Random Effect Model 4 ROA Returrn Over Assets 5 ROE Return Over Equity 6 NIM Net Interest Margin 7 CAR Capital Adequacy Ratio 8 NPL Non-performing loan 9 Agribank Vietnam Bank for Agriculture and Rural Development 10 ACB Asia Commercial Joint Stock Bank 11 BID Joint Stock Commercial Bank for Investment and Development of Vietnam 12 CTG Vietnam Joint Stock Commercial Bank for Industry and Trade 13 EIB Vietnam Commercial Joint Stock Export Import Bank 14 HDB Ho Chi Minh City Development Joint Stock Commercial Bank 15 LPB Lien Viet Post Joint Stock Commercial Bank 16 MBB Military Commercial Joint Stock Bank 17 MSB Vietnam Maritime Commercial Join Stock Bank 18 OCB Orient Commercial Joint Stock Bank 19 SSB Southeast Asia Commercial Joint Stock Bank 20 STB Sai Gon Thuong Tin Commercial Joint Stock Bank 21 TCB Vietnam Technological and Commercial Joint Stock Bank 22 TPB Tien Phong Commercial Joint Stock Bank 23 VCB Bank for Foreign Trade of Vietnam 24 VIB Vietnam International Commercial Joint Stock Bank 25 VPB Vietnam Prosperity Joint Stock Commercial Bank 26 NCB National Citizen Bank 27 SHB Saigon Hanoi Commercial Joint Stock Bank 28 ABB An Binh Commercial Joint Stock Bank 29 BAB Bac A Commercial Joint Stock Bank 30 BVB Viet Capital Commercial Joint Stock Bank 31 KLB Kien Long Commercial Joint Stock Bank 32 NAB Nam A Commercial Joint Stock Bank 33 PGB Vietnam Thuong Tin Commercial Joint Stock Bank 34 VBB Vietnam Thuong Tin Commercial Joint Stock Bank 35 HSBC HSBC Bank Vietnam Limited 36 ANZ ANZ Bank Viet Nam Limited LIST OF TABLES Table Page Table 2. Variables definition and data sources 48 Table 3. Total assets of Vietnam's commercial banking system in the 53 period 2017-2022 Table 3.

Banking system of Vietnam in 2021 54 Table 3. Summary of performance indicators of commercial banks in 56 the period 2017-2022 Table 3. Descriptive statistics 65 LIST OF CHARTS Chart Page Chart 3. Ratio of non-performing loan and on-balance non- 57 performing loan of commercial banks in the period 2017-2022 Chart 3.

Number of Fintech companies operating in Vietnam in 2012- 58 9M/2022 Chart 3. Fintech startup companies and fields of activity over the 59 years Chart 3. Value of electronic transactions in Vietnam in the period 62 2012-9M/2022 Chart 3. Average Z-score of Vietnamese commercial banks in the 68 period of 2017 – 2022 Chart 3.

Z-score of the average commercial banks in Vietnam in the 69 period 2017 – 2022 Chart 3. Average Z-score of State-owned commercial banks, joint- 70 stock commercial banks, and foreign commercial banks in 2017-2022 Chart 3. Average Z-score of listed and unlisted banks in the period of 72 2017 – 2022 INTRODUCTION 1. Interest of research The financial technology sector has expanded and evolved, encompassing a large number of businesses providing a wide variety of financial services and functioning on a worldwide basis.

IoT, big data, artificial intelligence (AI), cloud computing, blockchain, and other new technologies of the fourth industrial revolution have had a significant impact on most socioeconomic activities in all nations of the globe. One of the very first industries where information technology was applied was the banking industry specifically or the financial industry in general. Thanks to the use of technologies, there have been significant changes with the introduction of a number of products and services as well as new distribution networks for financial services. In Vietnam, the application of financial technology (Fintech) is affecting most areas of banking activities such as deposits, payments, credit, etc., affecting the market structure and development strategy of financial institutions and banks.

Fintech companies have changed distribution channels and traditional banking products and services through the development trend of online transaction channels such as internet banking, mobile banking, social networks, electronic banking, etc. Fintech is increasingly developed and applied to solve financial problems, so it is extremely urgent to study the impact of this phenomenon, especially for a developing country like Vietnam. The results of the study could help policymakers find the right solutions to take advantage of this rapid development. Due to these above considerations, the author chooses the research topic: “The effect of FinTech development on default risk of Vietnam commercial banks”.

Research objectives In the context of rapid digital transformation in Vietnam, it can be seen that the impact of the development of financial technology on default risk is unclear. Therefore, the purpose of this study is to determine the impact of Fintech on default risk through measuring the impact of this factor on the stability of commercial banks; Besides, the research also analyzes the impact of some internal factors of banks. In 1 addition, the study also has another goal, which is to compare the stability of financial institutions with different forms of ownership. Objects and scope of the research Currently, most of Fintech's activities are related to banking operations, so the object of the study is the default risk of commercial banks in Vietnam.

According to the annual report of the State Bank of Vietnam in 2021, there are currently 28 joint- stock commercial banks, 04 state-owned joint-stock commercial banks and 09 100% foreign-owned commercial banks. Because some commercial banks do not publish financial statements, in this study, the author selected 33 commercial banks to collect data for research including 4 state-owned commercial banks, 4 foreign commercial banks, and 25 joint stock commercial banks. The author collects data from 2017-2022 of these commercial banks. Research methodology To achieve the research objectives, the author uses some of the following methods: Descriptive and comparative statistics: the author uses to describe the basic characteristics and compare the changes over the years to the collected data.

In addition, this method also provides the simplest summary of variables in the research sample. Regression analysis includes Pooled Ordinary Least Squares (Pooled OLS); Fixed Effects Model (FEM); Random Effects Model (REM) and General Least Squares (GLS) regression models. The FEM model and the REM model are two widely used models for tabular data. The GLS model is used to correct if defects occur in the two models.

The data processing and calculation are carried out with the support of computers using Excel and Stata 16 program. Structure of the research The research examines the impact of Fintech development on commercial banks’ default risk by examining the impact of this phenomenon on the default risk of commercial banks. In addition to studying the impact of Fintech, the author also studies the impact of a number of micro-factors affecting the default risk of banks. 2 Based on the above objectives, the study has 3 chapters: Chapter I: Theoretical Framework for Fintech's impact on commercial banks’ default risk Chapter II: Databases and Research Methods Chapter III: Research Results and Recommendations 3 CHAPTER I: LITERATURE REVIEW 1.

An overview of Fintech 1. Definition of Fintech Fintech is a term that derives from the combination of the words finance and technology and is defined as an interdisciplinary field that combines finance, technology management and innovation, describes the connection of internet-related technology with commercial service activities of the financial sector such as banking transactions and money lending. The International Monetary Fund (IMF) (2018) defined fintech as "advances in technology that have the potential to transform the provision of financial services by stimulating the development of new business models, applications, processes and products". The Financial Stability Board (FSB) (2019) described the term “Fintech” as “the technology that has enabled innovation in financial services and could lead to new business models, applications, processes or products with a material effect associated with the provision of financial services”.

In addition, The Organization for Economic Co-operation and Development (OECD) (2018) defined Fintech as “innovative applications of digital technology for financial services". Besides, the World Economic Forum (WEF) (2016) stated that Fintech is a broad category that refers to the innovative use of technology in the design and delivery of financial services and products. In comparison with the definition provided by WEF, the International Organization of Securities Commissions (IOSCO) claimed that "Fintech is not only about the application of digital technologies to financial services but also the development of business models and products based on these technologies and more generally on digital platforms and processes" However, until now, there is no unified legal definition for this term. The definition of it is described in many academic researches and in business journals.

Specifically, Duong Tan Khoa (2019) described fintech as the use of technology to automate the provision and use of financial services, thereby better responding to financial transactions and trade. In a broader understanding, Arner et al.