Bối cảnh và vấn đề nghiên cứu
Cuộc Cách mạng công nghiệp lần thứ tư với sự phát triển của các công nghệ số then chốt như dữ liệu lớn (Big Data), điện toán đám mây (Cloud Computing), chuỗi khối (Blockchain) và trí tuệ nhân tạo (AI) đã làm thay đổi căn bản phương thức vận hành của hệ thống tài chính toàn cầu. Sự kết hợp giữa công nghệ và dịch vụ tài chính (Fintech) đã tạo ra nhiều mô hình kinh doanh, quy trình và sản phẩm mới trong các mảng thanh toán, tín dụng, bảo hiểm và quản lý tài sản. Đối với các tổ chức tài chính, đặc biệt là ngân hàng thương mại (NHTM), Fintech mang lại cơ hội mở rộng phạm vi tiếp cận khách hàng, giảm chi phí giao dịch và nâng cao năng lực định giá rủi ro. Tuy nhiên, áp lực cạnh tranh từ các công ty công nghệ lớn (BigTech) và các doanh nghiệp khởi nghiệp Fintech, cùng các rủi ro mới về an ninh mạng, rò rỉ dữ liệu và sự phân mảnh quy định, đang đặt ra thách thức đối với sự ổn định tài chính của hệ thống ngân hàng.
Tại Việt Nam, hệ thống tài chính mang đặc trưng dựa vào ngân hàng (bank-based financial system), nơi các NHTM đóng vai trò trung gian phân bổ vốn chủ yếu cho nền kinh tế. Thị trường Fintech Việt Nam ghi nhận tốc độ tăng trưởng nhanh, với dự báo quy mô giao dịch đạt 18 tỷ USD vào năm 2024 và tỷ lệ khởi nghiệp Fintech tăng 215% trong giai đoạn 2015–2020. Mặc dù các mô hình hợp tác giữa ngân hàng và Fintech ngày càng mở rộng (như ngân hàng số Cake by VPBank, dịch vụ ứng lương VNPT Money hay gói vay tín chấp giữa Standard Chartered và MISA), việc đánh giá định lượng tác động của Fintech đến mức độ an toàn và ổn định của các NHTM trong nước vẫn là một khoảng trống nghiên cứu cần được làm rõ.
Văn bản nghiên cứu xác định hệ thống mục tiêu và câu hỏi nghiên cứu cụ thể như sau:
- Xây dựng và hệ thống hóa cơ sở lý luận về công nghệ tài chính và cơ chế tác động của sự phát triển Fintech đến mức độ ổn định tài chính của ngân hàng thương mại.
- Phân tích thực trạng phát triển thị trường Fintech, mối quan hệ tương tác giữa Fintech và hệ thống NHTM tại Việt Nam.
- Xây dựng mô hình kinh tế lượng và ước lượng tác động thực nghiệm của sự phát triển Fintech đến sự ổn định tài chính của các NHTM Việt Nam trong giai đoạn 2012–2023.
- Đề xuất hệ thống khuyến nghị và giải pháp đối với Chính phủ, Ngân hàng Nhà nước và các NHTM nhằm khai thác hiệu quả công nghệ tài chính song song với việc bảo đảm an toàn hệ thống.
Đối tượng và phạm vi nghiên cứu:
- Đối tượng nghiên cứu: Tác động của sự phát triển Fintech đến sự ổn định tài chính của các ngân hàng thương mại tại Việt Nam.
- Phạm vi không gian: 26 ngân hàng thương mại cổ phần hoạt động tại Việt Nam.
- Phạm vi thời gian: Giai đoạn 12 năm từ năm 2012 đến năm 2023.
- Phạm vi nội dung: Đánh giá mối quan hệ giữa 3 chỉ tiêu đo lường Fintech (số lượng công ty Fintech, tổng vốn đầu tư tài trợ và tổng giá trị giao dịch Fintech) cùng các biến kiểm soát nội bộ ngân hàng (quy mô tài sản, biên lãi ròng, đa dạng hóa thu nhập, tỷ lệ chi phí trên thu nhập) và biến kinh tế vĩ mô (lạm phát) đối với chỉ số ổn định tài chính Z-score.
Cơ sở lý thuyết và phương pháp
Khóa luận xây dựng nền tảng lý luận dựa trên định nghĩa Fintech của Ủy ban Ổn định Tài chính (FSB, 2017), phân loại Fintech theo 3 làn sóng tiến hóa: Fintech 1.0 (1866–1987), Fintech 2.0 (1987–2008) và Fintech 3.0 (2009 đến nay). Theo chuẩn phân loại của FSB, các hoạt động Fintech được chia thành 5 nhóm dịch vụ: (1) Thanh toán và thanh toán bù trừ; (2) Nhận tiền gửi, cho vay và huy động vốn (cho vay ngang hàng P2P, gọi vốn cộng đồng); (3) Công nghệ bảo hiểm (InsurTech); (4) Công nghệ quản lý đầu tư (WealthTech gồm giao dịch xã hội, tư vấn Robo, quản lý tài chính cá nhân PFM); và (5) Dịch vụ hỗ trợ thị trường (điện toán đám mây, Big Data, eKYC, RegTech).
Khái niệm ổn định tài chính ngân hàng được tiếp cận theo khung lý thuyết của Schinasi (2004), IMF và ECB, nhấn mạnh khả năng hấp thụ các cú sốc và duy trì chức năng trung gian tài chính liên tục. Thước đo mức độ ổn định tài chính cấp độ ngân hàng được xác định thông qua chỉ số Z-score (Roy, 1952; Hannan & Hanweck, 1988):
$$Z\text{-score} = \frac{\text{ROA} + \text{ETA}}{\text{SDROA}}$$
Trong đó:
- $\text{ROA}$ là tỷ suất lợi nhuận trên tổng tài sản.
- $\text{ETA}$ là tỷ lệ vốn chủ sở hữu trên tổng tài sản.
- $\text{SDROA}$ là độ lệch chuẩn của ROA (đại diện cho mức độ biến động lợi nhuận). Chỉ số Z-score tỷ lệ nghịch với xác suất vỡ nợ của ngân hàng; Z-score càng cao phản ánh mức độ ổn định tài chính càng lớn.
Phương pháp nghiên cứu thực nghiệm:
- Dữ liệu bảng (Panel Data): Dữ liệu thứ cấp được tổng hợp từ 26 NHTM Việt Nam trong 12 năm (2012–2023).
- Mô hình kinh tế lượng: Khóa luận sử dụng phương pháp hồi quy Men GMM hệ thống hai bước (Two-step System GMM). Phương pháp GMM được lựa chọn nhằm kiểm soát triệt để hiện tượng nội sinh (endogeneity) xuất phát từ biến trễ của biến phụ thuộc Z-score, loại bỏ hiện tượng phương sai sai số thay đổi và tự tương quan trong chuỗi dữ liệu bảng.
- Kiểm định thống kê: Sử dụng kiểm định Hansen/Sargan (J-statistic) để kiểm tra tính hợp lệ của biến công cụ và kiểm định Arellano-Bond (AR(1), AR(2)) để kiểm tra sự không tồn tại tự tương quan bậc hai của phần dư.
- Nguồn thu thập dữ liệu: Báo cáo tài chính kiểm toán hàng năm của 26 NHTM, cơ sở dữ liệu Statista, Tracxn Technologies, báo cáo từ Ngân hàng Nhà nước Việt Nam, UOB, PwC, Acclime Việt Nam, Nextrans và Tổng cục Thống kê.
Nội dung chính theo từng chương
Chương I: Cơ sở lý thuyết
Chương I hệ thống hóa khung lý luận về công nghệ tài chính, sự ổn định tài chính của ngân hàng và mối quan hệ tác động qua lại giữa hai thực thể này:
- Phân tích 3 giai đoạn phát triển của Fintech và cấu trúc 5 mảng dịch vụ chính theo phân loại của FSB (2017).
- Đề xuất 3 tiêu chí định lượng đo lường sự phát triển Fintech: (1) Số lượng công ty Fintech hoạt động trên thị trường; (2) Tổng quy mô nguồn vốn tài trợ/đầu tư vào lĩnh vực Fintech; (3) Tổng giá trị giao dịch thực hiện qua các nền tảng Fintech.
- Làm rõ bản chất toán học và ý nghĩa kinh tế của chỉ số Z-score trong việc phản ánh đệm vốn và đệm sinh lời so với rủi ro biến động thu nhập của ngân hàng.
- Tổng hợp hai luồng quan điểm thực nghiệm trái chiều: Luồng quan điểm tích cực chỉ ra Fintech giúp ngân hàng cắt giảm chi phí vận hành, cải thiện bất cân xứng thông tin và mở rộng dịch vụ (Feyen et al., 2021; Yin et al., 2022; Safiullah & Paramati, 2022); luồng quan điểm tiêu cực cảnh báo rủi ro xói mòn thị phần cho vay, rủi ro an ninh mạng và gia tăng hành vi chấp nhận rủi ro của ngân hàng truyền thống (Ozili, 2021; Khan et al., 2023; Nguyễn Quang Khải & Đặng Văn Cường, 2022).
Chương II: Thực trạng tác động của sự phát triển Fintech đến sự ổn định tài chính của các ngân hàng thương mại tại Việt Nam
Chương II phản ánh toàn diện bức tranh thực tiễn của thị trường Fintech và thực trạng an toàn của hệ thống NHTM Việt Nam:
- Quy mô và tốc độ tăng trưởng: Số lượng doanh nghiệp Fintech tăng từ 33 công ty năm 2012 lên 150 công ty năm 2021, đạt hơn 200 công ty năm 2022 và ghi nhận 187 công ty vào năm 2023 (theo dữ liệu Statista).
- Cơ cấu phân khúc (theo Nextrans 2022): Dịch vụ thanh toán điện tử dẫn đầu với 31% (81 công ty), Cho vay ngang hàng P2P chiếm 16% (42 công ty), Blockchain/Tiền mã hóa chiếm 12% (31 công ty), Thiết bị chấp nhận thanh toán POS chiếm 8%, Quản lý tài sản số chiếm 7% và các mảng khác chiếm 26%.
- Thực trạng các dịch vụ cốt lõi:
- Thanh toán kỹ thuật số: Giá trị giao dịch tăng từ 5,5 tỷ USD năm 2017 lên 20,5 tỷ USD năm 2022; tỷ lệ áp dụng thanh toán không tiền mặt tăng 95% sau đại dịch COVID-19; tỷ lệ người tiêu dùng sử dụng ví điện tử tăng từ 23% lên 37% (Bộ Công Thương).
- Tài chính thay thế: Khoảng 100 nền tảng P2P Lending hoạt động (Tima, Fiin, Eloan, Vaymuon, Vnvon); các thương vụ đầu tư quy mô lớn vào mảng cho vay SME như SMBC rót 10 triệu USD vào SmartPay, Funding Societies hợp tác VNG huy động 22,5 triệu USD; mảng Mua ngay trả sau (BNPL) phát triển mạnh với các đại diện Kredivo, Home Pay Later, Grab Pay Later, Fundiin.
- WealthTech và InsurTech: WealthTech huy động 36,5 triệu USD năm 2022 (Finhay, Anfin, Infina, Tititada) và sự kiện Finhay mua lại Vinasecurities; InsurTech chiếm 2–3% tổng doanh thu thị trường bảo hiểm năm 2022 với các công ty Papaya, The Bank, Medici.
- Biến động dòng vốn tài trợ: Dòng vốn đầu tư Fintech đạt đỉnh vào năm 2021 với 388 triệu USD (chiếm 10% tổng thương vụ Đông Nam Á, nổi bật với VNPay 250 triệu USD và MoMo 100 triệu USD) hoặc 562,2 triệu USD theo các thống kê mở rộng; năm 2022 giảm xuống 137,9 triệu USD (14 thương vụ, chiếm 6% số thương vụ Đông Nam Á); năm 2023 tiếp tục sụt giảm 90% còn 37,5 triệu USD qua 8 vòng gọi vốn do suy thoái kinh tế và tâm lý thận trọng của nhà đầu tư.
- Mức độ ổn định tài chính Z-score: Phân tích diễn biến Z-score trung bình của 26 NHTM giai đoạn 2012–2023 cho thấy sự phân hóa rõ nét giữa nhóm NHTM Nhà nước và NHTM Cổ phần tư nhân, cũng như sự tương quan vận động cùng xu hướng Z-score của các quốc gia thuộc khối ASEAN-6.
Chương III: Phương pháp nghiên cứu
Chương III thiết lập mô hình kinh tế lượng và quy trình xử lý dữ liệu:
- Xây dựng hệ thống các giả thuyết nghiên cứu kiểm định tác động của các biến Fintech và các biến kiểm soát đến Z-score.
- Mô tả định nghĩa và phương pháp tính toán các biến trong mô hình (Bảng 3.1): Biến phụ thuộc là $\text{Z-score}$; các biến độc lập gồm Số lượng công ty Fintech ($\text{Fintech_comp}$), Tổng vốn tài trợ Fintech ($\text{Fintech_fund}$) và Tổng giá trị giao dịch Fintech ($\text{Fintech_trans}$); các biến kiểm soát gồm Quy mô ngân hàng ($\text{Size} = \ln(\text{Tổng tài sản})$), Biên lãi thuần ($\text{NIM}$), Chỉ số đa dạng hóa thu nhập ($\text{DIV}$), Tỷ lệ chi phí trên thu nhập ($\text{CIR}$) và Tỷ lệ lạm phát vĩ mô ($\text{INF}$).
- Quy định quy trình ước lượng mô hình hồi quy GMM hai bước nhằm xử lý triệt để hiện tượng nội sinh và kiểm định sự phù hợp của mô hình qua đại lượng J-statistic.
Chương IV: Kết quả nghiên cứu
Chương IV trình bày các phát hiện định lượng thực nghiệm:
- Thống kê mô tả và tương quan: Bảng thống kê mô tả 26 ngân hàng trong 12 năm (Bảng 4.1), ma trận hệ số tương quan (Bảng 4.2) và kiểm định đa cộng tuyến VIF (Bảng 4.3) chứng minh mô hình không vi phạm hiện tượng đa cộng tuyến nghiêm trọng.
- Kết quả hồi quy GMM cơ bản (Bảng 4.4): Kết quả ước lượng GMM khẳng định sự phát triển của Fintech có tác động có ý nghĩa thống kê đến chỉ số Z-score của các NHTM Việt Nam.
- Các phân tích mở rộng và kiểm định tính vững:
- Kiểm tra tính vững (Bảng 4.5): Sử dụng các biến đo lường thay thế cho thấy kết quả ước lượng duy trì tính nhất quán và vững chắc.
- Phân tích không đồng nhất theo quy mô (Bảng 4.6): Tác động của Fintech có sự khác biệt rõ rệt giữa nhóm NHTM quy mô lớn và nhóm NHTM quy mô vừa và nhỏ.
- Kiểm định tác động phi tuyến tính (Bảng 4.7): Khảo sát mối quan hệ phi tuyến hình chữ U giữa mức độ phát triển Fintech và mức độ ổn định tài chính của ngân hàng.
Chương V: Kết luận và khuyến nghị
Chương V tổng kết toàn bộ kết quả nghiên cứu và đưa ra hệ thống giải pháp:
- Đối với Chính phủ: Hoàn thiện khung khổ pháp lý, đẩy nhanh việc ban hành cơ chế thử nghiệm có kiểm soát (Regulatory Sandbox) cho Fintech, xây dựng cơ sở hạ tầng số và cơ sở dữ liệu quốc gia đồng bộ.
- Đối với Ngân hàng Nhà nước: Nâng cao năng lực giám sát an toàn vĩ mô, hoàn thiện quy định về an ninh mạng, bảo mật dữ liệu định danh khách hàng (eKYC), xây dựng chuẩn mực giao diện lập trình ứng dụng mở (Open API) và giám sát chặt chẽ các mô hình tài chính thay thế.
- Đối với các Ngân hàng thương mại: Đẩy mạnh hợp tác chiến lược với các công ty Fintech, tối ưu hóa tỷ lệ chi phí trên thu nhập (CIR), gia tăng tỷ trọng thu nhập phi tín dụng (DIV), nâng cao năng lực quản trị rủi ro trên nền tảng AI/Big Data và củng cố hệ số an toàn vốn.
- Hạn chế nghiên cứu: Nhận diện các giới hạn về quy mô mẫu 26 ngân hàng, việc sử dụng dữ liệu kế toán và dữ liệu Fintech ở cấp độ vĩ mô.
Kết quả và đóng góp
Bảng tổng hợp thực trạng thị trường Fintech Việt Nam (2012–2023)
| Chỉ tiêu thống kê |
Dữ liệu ghi nhận trong khóa luận |
Nguồn trích xuất |
| Số lượng công ty Fintech |
Tăng từ 33 công ty (2012) lên 150 (2021), >200 (2022) và 187 (2023) |
NHNN Việt Nam, UOB, Statista |
| Giá trị giao dịch thanh toán số |
Tăng từ 5,5 tỷ USD (2017) lên 20,5 tỷ USD (2022) |
Acclime Việt Nam (2023) |
| Tỷ lệ áp dụng thanh toán không tiền mặt |
Tăng 95% sau giai đoạn dịch bệnh COVID-19 |
Báo cáo thị trường Fintech |
| Tỷ lệ sử dụng ví điện tử |
Tăng từ 23% lên 37% trong giai đoạn 2020–2021 |
Bộ Công Thương |
| Dòng vốn đầu tư Fintech năm 2021 |
388 triệu USD (15 thương vụ) / Đỉnh 562,2 triệu USD |
UOB, PwC, SFA |
| Dòng vốn đầu tư Fintech năm 2022 |
137,9 triệu USD (14 thương vụ, 2,3% giá trị khu vực) |
Báo cáo đầu tư Đông Nam Á |
| Dòng vốn đầu tư Fintech năm 2023 |
37,5 triệu USD (8 vòng gọi vốn, giảm 90% so với 2022) |
Tracxn Technologies |
Bảng cơ cấu phân khúc khởi nghiệp Fintech Việt Nam năm 2022
| Phân khúc dịch vụ Fintech |
Tỷ trọng (%) |
Số lượng doanh nghiệp ghi nhận |
| Dịch vụ thanh toán điện tử |
31% |
81 công ty |
| Cho vay ngang hàng (P2P Lending) |
16% |
42 công ty |
| Công nghệ Blockchain / Tiền mã hóa |
12% |
31 công ty |
| Thiết bị chấp nhận thanh toán (POS) |
8% |
Dữ liệu báo cáo Nextrans |
| Quản trị tài sản số (WealthTech) |
7% |
Dữ liệu báo cáo Nextrans |
| Các lĩnh vực công nghệ tài chính khác |
26% |
Dữ liệu tổng hợp |
Bảng hệ thống biến số trong mô hình nghiên cứu
| Loại biến số |
Ký hiệu biến |
Tên biến và cách tính toán |
| Biến phụ thuộc |
$\text{Z-score}$ |
$(\text{ROA} + \text{ETA}) / \text{SDROA}$ (Chỉ số ổn định tài chính) |
| Biến độc lập Fintech |
$\text{Fintech_comp}$ |
Số lượng công ty Fintech hoạt động tại Việt Nam |
|
$\text{Fintech_fund}$ |
Tổng giá trị nguồn vốn đầu tư/tài trợ cho ngành Fintech |
|
$\text{Fintech_trans}$ |
Tổng giá trị giao dịch của lĩnh vực Fintech |
| Biến kiểm soát ngân hàng |
$\text{Size}$ |
Quy mô ngân hàng, đo bằng $\ln(\text{Tổng tài sản})$ |
|
$\text{NIM}$ |
Biên lãi thuần (Net Interest Margin) |
|
$\text{DIV}$ |
Chỉ số đa dạng hóa thu nhập phi lãi |
|
$\text{CIR}$ |
Tỷ lệ chi phí hoạt động trên tổng thu nhập |
| Biến kiểm soát vĩ mô |
$\text{INF}$ |
Tỷ lệ lạm phát hàng năm của Việt Nam |
Khóa luận đóng góp về mặt học thuật và thực tiễn qua các điểm cốt lõi:
- Cung cấp bằng chứng thực nghiệm hệ thống tại thị trường mới nổi Việt Nam trong giai đoạn 12 năm liên tục (2012–2023), bao quát biến động của đại dịch COVID-19.
- Tiếp cận đo lường Fintech đa chiều qua cả 3 khía cạnh: số lượng doanh nghiệp, nguồn vốn đầu tư và giá trị giao dịch.
- Ứng dụng kỹ thuật ước lượng GMM hai bước kết hợp kiểm định phi tuyến tính và kiểm định tính không đồng nhất theo quy mô ngân hàng, giúp lượng hóa tác động của công nghệ số đến mức độ an toàn hoạt động ngân hàng.
Hạn chế và hướng nghiên cứu tiếp
Khóa luận ghi nhận các giới hạn nghiên cứu chính:
- Cỡ mẫu và phạm vi dữ liệu: Nghiên cứu giới hạn ở 26 NHTM Việt Nam do điều kiện công bố thông tin và tính đầy đủ của báo cáo tài chính kiểm toán trong suốt giai đoạn 2012–2023.
- Đặc tính của chỉ số Z-score: Chỉ số Z-score được xây dựng hoàn toàn từ số liệu kế toán (vốn chủ sở hữu, tổng tài sản, lợi nhuận ròng), do đó chịu sự chi phối của các chuẩn mực hạch toán kế toán và chưa phản ánh được các rủi ro lan truyền có tính chất hệ thống giữa các định chế tài chính.
- Mức độ tổng hợp của dữ liệu Fintech: Các biến số đo lường Fintech được thu thập ở cấp độ ngành/quốc gia từ các cơ sở dữ liệu thứ cấp (Statista, Tracxn), chưa phản ánh được mức độ chi tiêu và đầu tư công nghệ thông tin cụ thể ở cấp độ vi mô của từng ngân hàng thương mại.
Hướng nghiên cứu tiếp theo có thể mở rộng cỡ mẫu sang toàn bộ hệ thống tổ chức tín dụng hoặc nghiên cứu so sánh giữa các quốc gia ASEAN; đồng thời khai thác dữ liệu đầu tư công nghệ vi mô nội bộ của từng ngân hàng và tích hợp thêm các chỉ tiêu đo lường rủi ro hệ thống dựa trên giá thị trường (như CoVaR, MES).
Giá trị tham khảo
Tài liệu này có giá trị tham khảo chuyên môn đối với:
- Sinh viên, học viên cao học và nhà nghiên cứu thuộc các chuyên ngành Tài chính - Ngân hàng, Công nghệ tài chính (Fintech) và Kinh tế học ứng dụng: Có thể tham khảo phương pháp xây dựng khung lý thuyết, kỹ thuật xử lý dữ liệu bảng động và mô hình hồi quy GMM hai bước để kiểm soát hiện tượng nội sinh.
- Các nhà nghiên cứu làm đề tài tương tự: Có thể kế thừa hệ thống chỉ tiêu đo lường Fintech 3 khía cạnh (số lượng, vốn tài trợ, giá trị giao dịch) và phương pháp kiểm định phi tuyến tính hình chữ U giữa công nghệ và rủi ro ngân hàng.
- Cán bộ quản trị rủi ro và hoạch định chiến lược tại các NHTM: Tham khảo bức tranh toàn cảnh về thực trạng hợp tác Ngân hàng - Fintech, cũng như các hàm ý về quản trị tỷ lệ chi phí CIR và đa dạng hóa nguồn thu DIV nhằm bảo đảm an toàn thanh khoản và hệ số an toàn vốn.
Câu hỏi thường gặp
1. Chỉ số Z-score trong nghiên cứu được tính toán như thế nào và có ý nghĩa gì?
Chỉ số Z-score được tính bằng công thức $(\text{ROA} + \text{ETA}) / \text{SDROA}$, trong đó $\text{ROA}$ là tỷ suất sinh lời trên tài sản, $\text{ETA}$ là tỷ lệ vốn chủ sở hữu trên tổng tài sản, và $\text{SDROA}$ là độ lệch chuẩn của ROA. Z-score đại diện cho số độ lệch chuẩn mà lợi nhuận phải giảm xuống trước khi vốn chủ sở hữu bị âm; điểm Z càng cao thể hiện mức độ ổn định tài chính của ngân hàng càng lớn và xác suất mất khả năng thanh toán càng thấp.
2. Nghiên cứu sử dụng những biến số nào để đo lường sự phát triển của Fintech tại Việt Nam?
Sự phát triển của Fintech được đo lường thông qua 3 biến độc lập: (1) Số lượng công ty Fintech đang hoạt động tại Việt Nam ($\text{Fintech_comp}$); (2) Tổng giá trị nguồn vốn tài trợ/đầu tư vào thị trường Fintech ($\text{Fintech_fund}$); và (3) Tổng giá trị giao dịch của lĩnh vực Fintech ($\text{Fintech_trans}$). Dữ liệu được trích xuất từ cơ sở dữ liệu Statista và Tracxn Technologies.
3. Cơ cấu các phân khúc công ty khởi nghiệp Fintech tại Việt Nam năm 2022 phân bổ như thế nào?
Theo báo cáo của Nextrans được trích dẫn trong văn bản, mảng Dịch vụ thanh toán chiếm tỷ trọng lớn nhất với 31% (81 công ty), tiếp theo là Cho vay ngang hàng P2P chiếm 16% (42 công ty), Blockchain/Tiền mã hóa chiếm 12% (31 công ty), POS chiếm 8%, Quản trị tài sản số chiếm 7% và các mảng dịch vụ khác chiếm 26%.
4. Dòng vốn đầu tư vào thị trường Fintech Việt Nam biến động ra sao trong giai đoạn 2021–2023?
Năm 2021, dòng vốn đầu tư Fintech đạt mức đỉnh 388 triệu USD (chiếm 10% thương vụ Đông Nam Á, tiêu biểu là VNPay đạt 250 triệu USD và MoMo đạt 100 triệu USD) hoặc 562,2 triệu USD theo số liệu mở rộng. Năm 2022, vốn đầu tư giảm xuống 137,9 triệu USD (14 thương vụ). Đến năm 2023, vốn tài trợ tiếp tục giảm mạnh 90% xuống còn 37,5 triệu USD qua 8 vòng gọi vốn do ảnh hưởng của suy thoái kinh tế toàn cầu.
5. Vì sao nghiên cứu lại lựa chọn mô hình hồi quy GMM hai bước (Two-step System GMM)?
Mô hình GMM hai bước được lựa chọn vì đây là phương pháp hồi quy dữ liệu bảng tối ưu giúp khắc phục triệt để hiện tượng nội sinh phát sinh từ độ trễ của biến phụ thuộc Z-score, đồng thời kiểm soát hiệu quả hiện tượng phương sai thay đổi và tự tương quan trong chuỗi dữ liệu 26 ngân hàng qua 12 năm.
Kết luận
Khóa luận tốt nghiệp của tác giả Lê Thị Diệu Linh đã hệ thống hóa cơ sở lý thuyết và lượng hóa thành công tác động của sự phát triển Fintech đến sự ổn định tài chính của 26 NHTM Việt Nam giai đoạn 2012–2023 bằng mô hình hồi quy GMM hai bước. Kết quả nghiên cứu cung cấp các phát hiện thực nghiệm về sự khác biệt tác động theo quy mô ngân hàng và dạng quan hệ phi tuyến tính, đồng thời phản ánh chi tiết các biến động về số lượng công ty, giá trị giao dịch và dòng vốn đầu tư Fintech trong nước. Các khuyến nghị được đề xuất mang tính đồng bộ cho Chính phủ, Ngân hàng Nhà nước và các NHTM nhằm nâng cao hiệu quả chuyển đổi số song song với kiểm soát rủi ro an toàn hệ thống.
