THE IMPACT OF FINTECH ON THE FINANCIAL STABILITY AT VIETNAMESE COMMERCIAL BANK

Nghiên cứu tác động của Fintech đến sự ổn định tài chính của các ngân hàng thương mại Việt Nam. Phân tích định lượng, dữ liệu 2010-2023.

• Tác giả: Trần Lý Mỹ Ngọc
• Người hướng dẫn: Ts. Nguyễn Minh Nhật
• Trường học: Trường Đại Học Ngân Hàng Tp. Hồ Chí Minh
• Chuyên ngành: Tài Chính – Ngân Hàng
• Đề tài: Tác động của Fintech lên sự ổn định tài chính của Ngân hàng Thương mại Việt Nam: Phân tích định lượng
• Loại tài liệu: Khóa Luận Tốt Nghiệp Đại Học
• Năm xuất bản: 2024
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• TÓM TẮT
• ABSTRACT
• DECLARATION
• APPRECIATION
• 1. CHƯƠNG 1: INTRODUCTION TO THE RESEARCH TOPIC
• 1.1. Reason for choosing topic
• 1.2. Objective of study
• 1.3. Subject and scope of the study
• 1.4. Contributions
• 1.5. The composition of the thesis
• 1.6. CONCLUSION CHAPTER 1
• 2. CHƯƠNG 2: REVIEW OF THE LITERATURE
• 2.1. Overview of basic concept
• 2.1.1. The concept of Fintech
• 2.1.2. The product of Fintech
• 2.1.3. Foreign Fintech companies
• 2.1.4. Fintech’s operation status in Vietnam
• 2.1.5. Overview of financial stability of commercial banks
• 2.1.6. The concept of Commercial banks
• 2.1.7. The concept of financial stability
• 2.1.8. The importance of Fintech for the financial stability of commercial bank
• 2.2. An overview of previous research
• 2.2.1. Review of domestic research
• 2.2.2. Review of foreign research
• 3. CHƯƠNG 3: RESEARCH MODEL AND METHODOLOGY
• 3.1. Data processing methods
• 3.2. The order of execution
• 3.3. Measurement of research variables and research hypothesis
• 4. CHƯƠNG 4: EMPIRICAL RESULT ANALYSIS
• 4.1. Descriptive statistical analysis
• 4.2. Correlation matrix analysis
• 4.3. The analysis of regression results
• 4.4. Selection of estimation method
• 4.5. Test of heteroskedasticity and model autocorrelation
• 4.5.1. Check for heteroskedasticity
• 4.6. Overcoming the research model by FGLS method
• 4.7. Endogenous variables testing
• 4.8. GMM regression model method
• 4.9. Summarizing and discussing research results
• 5. CHƯƠNG 5: CONCLUSION AND RECOMMENDATIONS
• 5.1. Conclusion of the result obtain from the research
• 5.2. Recommendation on financial stability of bank
• 5.3. Thesis limitations and research direction
• 5.3.1. Limitations of the thesis
• 5.3.2. The research directions
• LIST OF ABBREVIATIONS
• LIST OF TABLE
• LIST OF CHARTS

Tóm tắt

I. Tổng quan về Fintech và tác động đến ngân hàng Việt Nam

Thế giới đã trải qua 4 cuộc cách mạng công nghiệp, và hiện đang chứng kiến ảnh hưởng của cuộc cách mạng 4.0. Cuộc cách mạng này được xây dựng trên nền tảng công nghệ số 3.0, bao gồm Artificial Intelligence (AI), Internet of Things (IoT) và Big Data, tác động mạnh mẽ đến các ngành nghề ở Việt Nam, làm thay đổi cách vận hành và các mô hình kinh doanh. Riêng ngành ngân hàng chịu sự tác động lớn từ các công nghệ tài chính (Fintech), do những công nghệ này có thể mô phỏng các sản phẩm và dịch vụ tài chính ngân hàng ở mức hiện đại hơn. Từ đó, Fintech ảnh hưởng đến nhiều khía cạnh của các ngân hàng thương mại Việt Nam. Nghiên cứu này sử dụng phương pháp nghiên cứu định lượng để phân tích các tác động của Fintech đối với sự ổn định tài chính của các ngân hàng thương mại tại Việt Nam. Việc nghiên cứu này mang ý nghĩa quan trọng trong bối cảnh hội nhập quốc tế và cạnh tranh ngày càng gay gắt. Các ngân hàng thương mại Việt Nam cần hiểu rõ tác động của Fintech để có những điều chỉnh và chiến lược phù hợp.

1.1. Định nghĩa và các giai đoạn phát triển của Fintech

Thuật ngữ Fintech, kết hợp giữa Financial và Technology, hướng đến việc cung cấp các sản phẩm và dịch vụ thân thiện, hiệu quả, minh bạch và tự động hóa hơn cho khách hàng (Dorfleitner et al., 2017). Định nghĩa Fintech ngày càng được mở rộng với sự phát triển của cuộc cách mạng công nghiệp 4.0. Fintech bao gồm nhiều lĩnh vực như huy động vốn (crowdfunding), tín dụng, phương thức thanh toán thay thế, quản lý tài chính cá nhân, đầu tư và ngân hàng, bảo hiểm... Khái niệm Fintech đã hình thành từ lâu và trải qua nhiều giai đoạn khác nhau (Armer et al.): Fintech 1.0 (1866 - 1967) từ tương tự sang kỹ thuật số; Fintech 2.0 (1967 - 2008) phát triển các dịch vụ tài chính kỹ thuật số truyền thống; Fintech 3.0 (2008 - nay) dân chủ hóa các dịch vụ tài chính kỹ thuật số.

1.2. Các loại hình Fintech phổ biến trên thị trường

Fintech có thể tác động đến cấu trúc thị trường thông qua nhiều kênh khác nhau. Các kênh được nhấn mạnh nhất bao gồm: Thanh toán di động (Mobile payments); Thanh toán ngang hàng (Mobile Peer-to-peer); Nền tảng cho vay (Lending Platform); Quản lý tài chính cá nhân (Personal financial management); Bảo hiểm di động (Mobile insurance); Giao dịch chứng khoán trực tuyến (Online Stock Trading) và Mua ngay trả sau (Buy Now Pay Later). Các ứng dụng ví điện tử phổ biến như Apple Pay, Google Pay, Samsung Pay, Momo, ZaloPay, AirPay, liên kết với thẻ tín dụng, thẻ ghi nợ hoặc tài khoản ngân hàng của khách hàng.

II. Thách thức ổn định tài chính cho ngân hàng từ Fintech

Trong bối cảnh Fintech phát triển mạnh mẽ, các ngân hàng thương mại Việt Nam phải đối mặt với nhiều thách thức về ổn định tài chính. Sự cạnh tranh từ các công ty Fintech có thể làm giảm thị phần và lợi nhuận của các ngân hàng truyền thống. Bên cạnh đó, việc áp dụng các công nghệ mới cũng tiềm ẩn những rủi ro tài chính liên quan đến an ninh mạng, bảo mật thông tin và tuân thủ pháp luật. Việc quản lý rủi ro hiệu quả là yếu tố then chốt để đảm bảo sự ổn định của hệ thống ngân hàng trong bối cảnh mới. Chính sách tiền tệ cũng cần được điều chỉnh linh hoạt để thích ứng với sự thay đổi của thị trường.

2.1. Cạnh tranh từ các công ty Fintech và giảm thị phần ngân hàng

Sự xuất hiện của các công ty Fintech với các sản phẩm và dịch vụ sáng tạo, tiện lợi đã tạo ra áp lực cạnh tranh lớn đối với các ngân hàng thương mại. Các công ty Fintech có thể cung cấp các dịch vụ tương tự với chi phí thấp hơn, thu hút một lượng lớn khách hàng, đặc biệt là giới trẻ. Điều này có thể dẫn đến việc giảm thị phần và lợi nhuận của các ngân hàng truyền thống nếu họ không có những chiến lược ứng phó hiệu quả. Ví dụ, sự phát triển của các ứng dụng thanh toán di động đã làm giảm lượng giao dịch tiền mặt và giảm doanh thu từ phí dịch vụ của ngân hàng.

2.2. Rủi ro an ninh mạng và bảo mật thông tin trong ứng dụng Fintech

Việc ứng dụng các công nghệ mới như Big Data, AI, Blockchain trong hoạt động ngân hàng mang lại nhiều lợi ích, nhưng đồng thời cũng tiềm ẩn những rủi ro liên quan đến an ninh mạng và bảo mật thông tin. Các cuộc tấn công mạng ngày càng tinh vi và có thể gây thiệt hại lớn về tài chính và uy tín cho ngân hàng. Do đó, các ngân hàng thương mại cần đầu tư mạnh mẽ vào các giải pháp bảo mật và đào tạo nhân viên để nâng cao nhận thức về an ninh mạng. Việc tuân thủ các quy định về bảo vệ dữ liệu cá nhân cũng là một yếu tố quan trọng.

2.3. Tuân thủ pháp luật và các quy định mới về Fintech

Pháp luật và các quy định liên quan đến Fintech vẫn đang trong quá trình hoàn thiện. Các ngân hàng thương mại cần theo dõi chặt chẽ các thay đổi của pháp luật và đảm bảo tuân thủ đầy đủ các quy định mới. Việc không tuân thủ có thể dẫn đến các hình phạt tài chính và ảnh hưởng đến hoạt động kinh doanh. Các quy định liên quan đến cho vay ngang hàng (P2P lending), tiền điện tử và bảo vệ người tiêu dùng là những lĩnh vực cần được đặc biệt quan tâm.

III. Phương pháp phân tích định lượng tác động của Fintech

Nghiên cứu này sử dụng phương pháp phân tích định lượng để đánh giá tác động của Fintech lên sự ổn định tài chính của các ngân hàng thương mại Việt Nam. Dữ liệu được thu thập từ 30 ngân hàng thương mại trong giai đoạn 2010-2023. Mô hình hiệu ứng cố định (Fixed Effect Model) được sử dụng để phân tích tác động của Fintech. Biến phụ thuộc là chỉ số Z-Score, đo lường sự ổn định ngân hàng. Các biến độc lập bao gồm: Số lượng công ty Fintech (FT); Tỷ lệ lợi nhuận trên vốn chủ sở hữu (ROE); Tỷ lệ nợ xấu (NPL); Quy mô ngân hàng (SIZE); Tốc độ tăng trưởng tổng tài sản (GROW); Tỷ lệ an toàn vốn (CAP); Chi phí hoạt động (CIR); Tỷ lệ cho vay trên huy động (LDR); Tăng trưởng kinh tế (GDP) và Tỷ lệ lạm phát (INF).

3.1. Mô hình hồi quy và các biến số sử dụng trong nghiên cứu

Nghiên cứu sử dụng mô hình hồi quy đa biến để phân tích tác động của Fintech và các yếu tố khác lên sự ổn định tài chính của các ngân hàng thương mại Việt Nam. Chỉ số Z-Score được sử dụng làm biến phụ thuộc, thể hiện mức độ ổn định của ngân hàng. Các biến độc lập được lựa chọn dựa trên cơ sở lý thuyết và các nghiên cứu trước đây, bao gồm các yếu tố liên quan đến Fintech, hiệu quả hoạt động, rủi ro tín dụng, quy mô ngân hàng, tăng trưởng kinh tế và lạm phát.

3.2. Thu thập và xử lý dữ liệu cho phân tích định lượng

Dữ liệu được thu thập từ các báo cáo tài chính của các ngân hàng thương mại Việt Nam, dữ liệu từ Ngân hàng Nhà Nước và Tổng cục Thống kê Việt Nam. Quá trình xử lý dữ liệu bao gồm làm sạch dữ liệu, kiểm tra tính nhất quán và tạo các biến số cần thiết cho mô hình hồi quy. Các kỹ thuật thống kê như kiểm định phương sai, kiểm định tự tương quan và kiểm định đa cộng tuyến được sử dụng để đảm bảo tính tin cậy của kết quả phân tích.

IV. Kết quả phân tích và đánh giá tác động của Fintech

Kết quả phân tích cho thấy Fintech (FT), ROE, NPL, CIR và INF có ảnh hưởng tiêu cực đến sự ổn định của ngân hàng thương mại. Ngược lại, CAP và LDR có ảnh hưởng tích cực. Các biến còn lại không có tác động đáng kể. Điều này cho thấy việc phát triển Fintech mang lại nhiều lợi ích, nhưng cũng đi kèm với những rủi ro cần được quản lý chặt chẽ. Các ngân hàng thương mại cần nâng cao khả năng chống chịu trước các biến động thị trường và rủi ro tài chính.

4.1. Tác động tích cực và tiêu cực của Fintech đến sự ổn định tài chính

Kết quả nghiên cứu chỉ ra rằng Fintech có thể vừa mang lại những tác động tích cực, vừa tạo ra những tác động tiêu cực đến sự ổn định tài chính của các ngân hàng thương mại Việt Nam. Một mặt, Fintech có thể giúp tăng cường hiệu quả hoạt động, nâng cao năng suất và mở rộng khả năng tiếp cận dịch vụ tài chính cho người dân. Mặt khác, Fintech cũng có thể làm tăng rủi ro tài chính, đặc biệt là rủi ro liên quan đến an ninh mạng và quản lý rủi ro tín dụng.

4.2. Đánh giá các yếu tố khác ảnh hưởng đến sự ổn định ngân hàng

Ngoài Fintech, các yếu tố khác như tỷ lệ lợi nhuận trên vốn chủ sở hữu (ROE), tỷ lệ nợ xấu (NPL), quy mô ngân hàng (SIZE), tỷ lệ an toàn vốn (CAP), chi phí hoạt động (CIR) và tỷ lệ cho vay trên huy động (LDR) cũng có ảnh hưởng đến sự ổn định tài chính của các ngân hàng thương mại Việt Nam. Việc quản lý hiệu quả các yếu tố này là rất quan trọng để đảm bảo sự ổn định của hệ thống ngân hàng.

V. Giải pháp và khuyến nghị tăng cường ổn định tài chính

Từ kết quả nghiên cứu, một số giải pháp và khuyến nghị được đưa ra để tăng cường sự ổn định tài chính của các ngân hàng thương mại Việt Nam trong bối cảnh Fintech phát triển mạnh mẽ. Các ngân hàng cần đầu tư vào công nghệ, nâng cao năng lực quản lý rủi ro, tăng cường an ninh mạng và tuân thủ pháp luật. Đồng thời, cần có sự phối hợp chặt chẽ giữa các cơ quan quản lý nhà nước, các ngân hàng thương mại và các công ty Fintech để tạo ra một môi trường phát triển Fintech lành mạnh và bền vững.

5.1. Đầu tư vào công nghệ và nâng cao năng lực quản lý rủi ro Fintech

Các ngân hàng thương mại cần tăng cường đầu tư vào các công nghệ mới như Big Data, AI và Blockchain để nâng cao hiệu quả hoạt động và khả năng cạnh tranh. Đồng thời, cần xây dựng đội ngũ chuyên gia có trình độ cao về quản lý rủi ro Fintech để đối phó với các rủi ro mới phát sinh từ Fintech. Các biện pháp quản lý rủi ro cần được áp dụng một cách toàn diện và linh hoạt để đảm bảo sự ổn định của ngân hàng.

5.2. Tăng cường an ninh mạng và bảo mật thông tin trong môi trường Fintech

Việc bảo vệ hệ thống ngân hàng khỏi các cuộc tấn công mạng là vô cùng quan trọng trong bối cảnh Fintech phát triển. Các ngân hàng thương mại cần tăng cường các biện pháp an ninh mạng, bao gồm cả việc sử dụng các công nghệ bảo mật tiên tiến và đào tạo nhân viên về an ninh mạng. Việc bảo vệ dữ liệu cá nhân của khách hàng cũng là một ưu tiên hàng đầu. Cần tuân thủ nghiêm ngặt các quy định về bảo mật thông tin để tránh các vụ rò rỉ dữ liệu có thể gây thiệt hại lớn.

VI. Triển vọng và tương lai của Fintech trong ngành ngân hàng

Fintech sẽ tiếp tục đóng vai trò quan trọng trong việc thúc đẩy sự phát triển của ngành ngân hàng trong tương lai. Các ngân hàng thương mại cần chủ động nắm bắt các cơ hội do Fintech mang lại và đối phó với các thách thức. Sự hợp tác giữa các ngân hàng và các công ty Fintech sẽ là xu hướng tất yếu để tạo ra các sản phẩm và dịch vụ tài chính sáng tạo, đáp ứng nhu cầu ngày càng cao của khách hàng. Việc xây dựng một hệ sinh thái Fintech lành mạnh và bền vững sẽ góp phần quan trọng vào sự ổn định và phát triển của hệ thống tài chính Việt Nam.

6.1. Hợp tác giữa ngân hàng và Fintech để thúc đẩy đổi mới

Sự hợp tác giữa các ngân hàng truyền thống và các công ty Fintech là chìa khóa để thúc đẩy đổi mới trong ngành ngân hàng. Các ngân hàng có thể tận dụng công nghệ và sự sáng tạo của Fintech để cung cấp các sản phẩm và dịch vụ tốt hơn cho khách hàng. Đồng thời, các công ty Fintech có thể tận dụng mạng lưới khách hàng rộng lớn và kinh nghiệm của các ngân hàng để mở rộng quy mô hoạt động. Việc hợp tác cần được thực hiện trên cơ sở win-win và đảm bảo tuân thủ các quy định pháp luật.

6.2. Xây dựng hệ sinh thái Fintech lành mạnh và bền vững

Để Fintech phát triển một cách bền vững, cần xây dựng một hệ sinh thái lành mạnh với sự tham gia của nhiều bên liên quan, bao gồm các cơ quan quản lý nhà nước, các ngân hàng thương mại, các công ty Fintech, các nhà đầu tư và các tổ chức nghiên cứu. Cần có các chính sách hỗ trợ sự phát triển của Fintech, đồng thời đảm bảo sự ổn định và an toàn của hệ thống tài chính. Việc nâng cao nhận thức của người dân về Fintech và khuyến khích sử dụng các dịch vụ tài chính số cũng là một yếu tố quan trọng.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Hệ thống ngân hàng thương mại (NHTM) giữ vai trò trung gian tài chính thiết yếu trong nền kinh tế, đảm nhận chức năng điều phối và cung ứng vốn hiệu quả nhằm thúc đẩy sự phát triển kinh tế bền vững. Bài học từ cuộc khủng hoảng tài chính toàn cầu năm 2008 cho thấy sự sụp đổ hoặc bất ổn của các định chế tài chính trọng yếu có thể gây ra những tổn thất nặng nề và làm gia tăng rủi ro hệ thống trong dài hạn. Trong bối cảnh hội nhập quốc tế ngày càng sâu rộng cùng những biến động vĩ mô phức tạp (dịch bệnh, xung đột địa chính trị), việc đảm bảo và củng cố sự ổn định tài chính của hệ thống NHTM trở thành yêu cầu cấp thiết.

Song song với đó, cuộc Cách mạng Công nghiệp lần thứ tư với sự phát triển của các công nghệ cốt lõi như Trí tuệ nhân tạo (AI), Internet vạn vật (IoT) và Dữ liệu lớn (Big Data) đã làm thay đổi toàn diện phương thức vận hành và mô hình kinh doanh trong ngành tài chính - ngân hàng. Sự xuất hiện và mở rộng nhanh chóng của các công ty công nghệ tài chính (Fintech) mang lại nhiều cơ hội số hóa, tối ưu hóa quy trình nhưng cũng tạo ra áp lực cạnh tranh gay gắt đối với các NHTM truyền thống. Tính đến năm 2023, Việt Nam đã có 188 công ty Fintech hoạt động linh hoạt trên nhiều phân khúc. Mặc dù vậy, các nghiên cứu thực nghiệm đánh giá tác động định lượng của làn sóng Fintech đến sự ổn định tài chính của hệ thống ngân hàng tại Việt Nam vẫn còn khá phân tán và chưa cập nhật đầy đủ diễn biến của giai đoạn kinh tế mới.

Xuất phát từ khoảng trống thực tiễn và học thuật đó, tác giả Trần Lý Mỹ Ngọc đã thực hiện khóa luận tốt nghiệp với đề tài "The impact of Fintech on the financial stability at Vietnamese commercial bank" (Tác động của Fintech đến sự ổn định tài chính tại các ngân hàng thương mại Việt Nam).

Mục tiêu nghiên cứu:

• Mục tiêu tổng quát: Phân tích tác động của Fintech đến sự ổn định tài chính của các NHTM Việt Nam, từ đó đề xuất hệ thống khuyến nghị nhằm nâng cao mức độ ổn định tài chính cho các ngân hàng trong tương lai.
• Mục tiêu cụ thể:
  1. Xác định và đánh giá mức độ ảnh hưởng của Fintech cùng các yếu tố nội tại và vĩ mô đến sự ổn định tài chính của các NHTM Việt Nam thông qua mô hình phân tích định lượng.
  2. Đề xuất các giải pháp và khuyến nghị quản trị thực tiễn nhằm củng cố sự ổn định tài chính gắn liền với hoạt động công nghệ của hệ thống NHTM Việt Nam.

Câu hỏi nghiên cứu:

1. Mối tương quan giữa công nghệ tài chính (Fintech) và sự ổn định tài chính của các ngân hàng thương mại Việt Nam như thế nào?
2. Những khuyến nghị nào được đề xuất nhằm nâng cao sự ổn định tài chính của các ngân hàng thương mại Việt Nam?

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Tác động của Fintech đến sự ổn định tài chính của các NHTM Việt Nam, trong đó mức độ ổn định tài chính được lượng hóa thông qua rủi ro phá sản bằng chỉ số Z-Score.
• Phạm vi không gian: Nghiên cứu lựa chọn 25 ngân hàng thương mại cổ phần tại Việt Nam có đầy đủ dữ liệu công khai trên tổng số 31 NHTM tính đến ngày 31/03/2023 theo thống kê của Ngân hàng Nhà nước Việt Nam (SBV).
• Phạm vi thời gian: Giai đoạn thu thập dữ liệu thứ cấp kéo dài 14 năm, từ năm 2010 đến năm 2023.

---

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và các khái niệm cơ bản

• Công nghệ tài chính (Fintech): Khóa luận tiếp cận định nghĩa của Dorfleitner và cộng sự (2017), Buckley và cộng sự, xem Fintech là sự kết hợp giữa "Financial" và "Technology" nhằm cung cấp các dịch vụ tài chính thân thiện, minh bạch, tự động và hiệu quả hơn. Tiến trình phát triển của Fintech trải qua 4 giai đoạn chính: Fintech 1.0 (1866 - 1967: từ tương tự sang kỹ thuật số), Fintech 2.0 (1967 - 2008: phát triển dịch vụ tài chính số truyền thống), Fintech 3.0 (2008 - nay: dân chủ hóa dịch vụ tài chính số) và Fintech 3.5 (tại khu vực Châu Á và Châu Phi). Theo Quỹ Tiền tệ Quốc tế (IMF, 2019), các phân khúc hoạt động của Fintech gồm 5 nhóm: (i) thanh toán, bù trừ và quyết toán; (ii) tiền gửi, cho vay và huy động vốn; (iii) bảo hiểm; (iv) quản lý đầu tư; và (v) hỗ trợ thị trường.
• Ổn định tài chính của NHTM: Nghiên cứu tổng hợp quan điểm của Ngân hàng Trung ương Anh (Bank of England, 2001), Wellink (2002), Ngân hàng Trung ương Úc (Reserve Bank of Australia, 2005), Buiter (2008), Ngân hàng Trung ương Châu Âu (ECB, 2014) và Ngân hàng Nhà nước Việt Nam (2021). Ở cấp độ vi mô, ổn định tài chính của NHTM là trạng thái ngân hàng hoạt động an toàn, hiệu quả, có khả năng hấp thụ các cú sốc từ môi trường bên ngoài và bản thân không tạo ra các cú sốc lan truyền tiêu cực cho toàn bộ nền kinh tế.
• Mô hình hợp tác Ngân hàng - Fintech: Tác giả sử dụng khung phân tích của Bömer & Maxin (2018) nhằm làm rõ 3 cơ chế tương tác: (1) Ngân hàng hỗ trợ phát triển sản phẩm mới cho Fintech; (2) Ngân hàng tạo điều kiện cho Fintech gia nhập thị trường; (3) Ngân hàng giúp Fintech gia tăng quy mô lợi nhuận và xây dựng lòng tin người dùng.

Phương pháp nghiên cứu

Nghiên cứu áp dụng phương pháp định lượng đối với dữ liệu bảng không cân bằng (unbalanced panel data) thông qua phần mềm phân tích thống kê STATA. Quy trình kinh tế lượng được thực hiện qua các bước:

1. Các mô hình hồi quy cơ sở: Ước lượng hồi quy bình phương bé nhất gộp (Pooled OLS), Mô hình hiệu ứng cố định (Fixed Effects Model - FEM) và Mô hình hiệu ứng ngẫu nhiên (Random Effects Model - REM).
2. Kiểm định lựa chọn mô hình: Sử dụng kiểm định F (F-test) để lựa chọn giữa Pooled OLS và FEM; kiểm định Breusch-Pagan Lagrange Multiplier để so sánh giữa Pooled OLS và REM; kiểm định Hausman để đưa ra lựa chọn tối ưu giữa FEM và REM.
3. Kiểm định khuyết tật mô hình: Kiểm định hệ số phóng đại phương sai (VIF) nhằm phát hiện đa cộng tuyến; kiểm định Modified Wald để phát hiện hiện tượng phương sai sai số thay đổi; kiểm định Wooldridge để phát hiện hiện tượng tự tương quan.
4. Khắc phục khuyết tật và xử lý nội sinh: Sử dụng phương pháp hồi quy bình phương bé nhất tổng quát khả thi (Feasible Generalized Least Squares - FGLS) để xử lý đồng thời phương sai sai số thay đổi và tự tương quan. Sau đó, áp dụng phương pháp ước lượng mô-men tổng quát hệ thống (System GMM) của Blundell & Bond (1998) để kiểm soát các biến nội sinh tiềm ẩn, với các kiểm định chẩn đoán gồm kiểm định Arellano-Bond (AR(1), AR(2)), kiểm định Sargan và kiểm định Hansen.

Nguồn dữ liệu

Dữ liệu nghiên cứu thứ cấp được tổng hợp từ báo cáo tài chính hàng năm đã kiểm toán của 25 NHTM cổ phần Việt Nam giai đoạn 2010 - 2023, báo cáo của Ngân hàng Nhà nước Việt Nam, số liệu thống kê vĩ mô (tăng trưởng GDP, lạm phát), cùng các báo cáo ngành từ Fintech News Singapore và American Banker (Global Fintech Index).

---

Nội dung chính theo từng chương

CHAPTER 1: INTRODUCTION TO THE RESEARCH TOPIC

Chương này giới thiệu tổng quan về đề tài:

• Trình bày tính cấp thiết và lý do lựa chọn nghiên cứu mối quan hệ giữa Fintech và sự ổn định tài chính của NHTM Việt Nam trong bối cảnh công nghệ 4.0 và hậu khủng hoảng kinh tế.
• Thiết lập mục tiêu nghiên cứu tổng quát, các mục tiêu cụ thể, 2 câu hỏi nghiên cứu cốt lõi và 2 đóng góp chính của đề tài.
• Xác định đối tượng nghiên cứu là mức độ ổn định tài chính (đo lường bằng Z-Score) và phạm vi nghiên cứu bao gồm 25 NHTM cổ phần giai đoạn 2010 - 2023.
• Kết cấu luận văn được tổ chức chặt chẽ thành 5 chương với danh mục bảng biểu, chữ viết tắt và tài liệu tham khảo theo chuẩn APA.

CHAPTER 2: REVIEW OF THE LITERATURE

Chương 2 hệ thống hóa cơ sở lý luận và tổng quan các công trình nghiên cứu thực nghiệm trong và ngoài nước:

• Khái niệm và bức tranh toàn cảnh về Fintech: Phân loại 5 phân khúc Fintech theo chuẩn IMF (2019) và chi tiết hóa các sản phẩm thực tế (Mobile payments, P2P Lending, Personal financial management, Insurtech, Online stock trading, Buy Now Pay Later). Cập nhật danh sách 12 quốc gia dẫn đầu về Fintech (Bảng 2.1) do Hoa Kỳ, Anh, Ấn Độ và Singapore dẫn đầu.
• Thực trạng Fintech tại Việt Nam: Phân loại các doanh nghiệp Fintech tiêu biểu theo lĩnh vực hoạt động (Bảng 2.2) như MoMo, ZaloPay, VNPay, Timo, Tima, Finhay; phân tích xu hướng thu hút vốn đầu tư và các rủi ro vận hành, công nghệ, tuân thủ.
• Lý thuyết ổn định tài chính và mô hình hợp tác: Trình bày các góc độ tiếp cận sự ổn định tài chính của ngân hàng, vai trò của Fintech trong việc tối ưu hóa quy trình, tự động hóa bằng robot (RPA) và quản trị rủi ro tín dụng. Phân tích mô hình hợp tác đa chiều giữa ngân hàng và Fintech theo Bömer & Maxin (2018) qua Sơ đồ 2.1.
• Tổng quan nghiên cứu trước: Tổng hợp các nghiên cứu trong nước (Anh và cộng sự, 2020; Hong & Tuan, 2021; Lan, 2021; Phan và cộng sự, 2020; Yen và cộng sự, 2022) và quốc tế (Furche và cộng sự, 2017; Ozilli, 2018; Kong, 2022; Defung & Yudaruddin, 2022) để xác định biến số và khoảng trống nghiên cứu cho bối cảnh Việt Nam.

CHAPTER 3: RESEARCH MODEL AND METHODOLOGY

Chương 3 xây dựng mô hình nghiên cứu thực nghiệm, định nghĩa các biến và mô tả quy trình thực hiện:

• Thiết lập mô hình hồi quy: $$\text{LnZScore}{it} = \beta_0 + \beta_1 \text{FT}{it} + \beta_2 \text{ROE}{it} + \beta_3 \text{SIZE}{it} + \beta_4 \text{GROW}{it} + \beta_5 \text{NPL}{it} + \beta_6 \text{CAP}{it} + \beta_7 \text{CIR}{it} + \beta_8 \text{LDR}_{it} + \beta_9 \text{GDP}t + \beta{10} \text{INF}t + \varepsilon{it}$$
• Quy trình nghiên cứu 6 bước (Bảng 3.1): Thu thập dữ liệu $\rightarrow$ Tổng quan lý thuyết và xây dựng mô hình $\rightarrow$ Ước lượng các mô hình bảng (OLS, FEM, REM, FGLS, GMM) $\rightarrow$ Kiểm định khuyết tật mô hình $\rightarrow$ Phân tích và thảo luận kết quả $\rightarrow$ Kết luận và đề xuất khuyến nghị.
• Đo lường biến và 10 giả thuyết nghiên cứu (H1 - H10): Xác định cách tính toán cho biến phụ thuộc $\text{LnZScore}$ cùng 10 biến độc lập và biến kiểm soát (Bảng 3.2).

CHAPTER 4: EMPIRICAL RESULT ANALYSIS

Chương 4 trình bày kết quả phân tích thống kê và thực nghiệm kinh tế lượng:

• Thống kê mô tả và ma trận tương quan: Đánh giá các đặc trưng phân phối của các biến nghiên cứu và kiểm tra sơ bộ mối liên hệ tuyến tính giữa các biến độc lập.
• Kiểm định lựa chọn mô hình: Thực hiện kiểm định F-test, Breusch-Pagan test và Hausman test, kết quả chỉ ra mô hình Hiệu ứng cố định (FEM) phù hợp hơn Pooled OLS và REM.
• Chẩn đoán khuyết tật: Kiểm định Modified Wald xác nhận có hiện tượng phương sai sai số thay đổi ($p \le 0.05$); kiểm định Wooldridge xác nhận có hiện tượng tự tương quan ($p \le 0.05$); kiểm định VIF xác nhận không có hiện tượng đa cộng tuyến nghiêm trọng (tất cả VIF $< 10$).
• Hồi quy FGLS và GMM: Sử dụng mô hình FGLS để khắc phục hiện tượng phương sai sai số thay đổi và tự tương quan. Thực hiện hồi quy System GMM để kiểm soát vấn đề nội sinh, đảm bảo các điều kiện kiểm định Arellano-Bond, Sargan test và Hansen test đều thỏa mãn ($p > 0.10$).
• Thảo luận kết quả: Tổng hợp chiều hướng tác động và mức độ ảnh hưởng của từng biến số đến sự ổn định tài chính của NHTM Việt Nam.

CHAPTER 5: CONCLUSION AND RECOMMENDATIONS

Chương 5 tóm lược các kết quả chính, đưa ra hàm ý chính sách và định hướng nghiên cứu:

• Đánh giá tổng quát mức độ đáp ứng mục tiêu nghiên cứu ban đầu.
• Đề xuất các nhóm giải pháp cụ thể đối với NHTM và cơ quan quản lý (Ngân hàng Nhà nước) nhằm nâng cao năng lực an toàn vốn, quản trị thanh khoản, kiểm soát chi phí hoạt động và thích ứng với làn sóng Fintech.
• Nêu rõ các hạn chế tồn tại của khóa luận và chỉ ra các hướng mở rộng cho những nghiên cứu tiếp theo.

---

Kết quả và đóng góp

Kết quả nghiên cứu chính

Dựa trên kết quả ước lượng từ mô hình kinh tế lượng, mối quan hệ thực nghiệm giữa các yếu tố và sự ổn định tài chính (LnZscore) của 25 NHTM Việt Nam được tổng hợp như sau:

Mã biến	Tên biến	Cách đo lường	Kỳ vọng ban đầu	Kết quả thực nghiệm	Mức độ tác động đến ổn định tài chính
LnZscore	Ổn định tài chính	$\text{Ln}\left(\frac{\text{ROA} + \text{CAP}}{\sigma_{\text{ROA}}}\right)$	Biến phụ thuộc	Biến phụ thuộc	Biến đo lường rủi ro phá sản của ngân hàng
FT	Số lượng công ty Fintech	$\text{Logarithm}(\text{Số công ty Fintech tại năm } t)$	$+$	$-$	Tác động tiêu cực (ngược kỳ vọng)
ROE	Tỷ suất sinh lời trên VCSH	$\frac{\text{Lợi nhuận sau thuế}}{\text{Tổng vốn chủ sở hữu}}$	$+$	$-$	Tác động tiêu cực (ngược kỳ vọng)
SIZE	Quy mô ngân hàng	$\text{Logarithm}(\text{Tổng tài sản})$	$+$	Không có ý nghĩa	Không có tác động thống kê
GROW	Tăng trưởng tài sản	$\frac{\text{Tổng tài sản}t - \text{Tổng tài sản}{t-1}}{\text{Tổng tài sản}_{t-1}}$	$+$	Không có ý nghĩa	Không có tác động thống kê
NPL	Tỷ lệ nợ xấu	$\frac{\text{Tổng nợ xấu}}{\text{Tổng dư nợ cho vay}}$	$-$	$-$	Tác động tiêu cực (đúng kỳ vọng)
CAP	Tỷ lệ an toàn vốn	$\frac{\text{Tổng vốn chủ sở hữu}}{\text{Tổng tài sản}}$	$+$	$+$	Tác động tích cực (đúng kỳ vọng)
CIR	Tỷ lệ chi phí trên thu nhập	$\frac{\text{Chi phí hoạt động}}{\text{Thu nhập hoạt động}}$	$-$	$-$	Tác động tiêu cực (đúng kỳ vọng)
LDR	Tỷ lệ cho vay trên huy động	$\frac{\text{Tổng dư nợ cho vay}}{\text{Tổng tiền gửi khách hàng}}$	$-$	$+$	Tác động tích cực (ngược kỳ vọng)
GDP	Tăng trưởng kinh tế	Tốc độ tăng trưởng GDP tại năm $t$	$+$	Không có ý nghĩa	Không có tác động thống kê
INF	Tỷ lệ lạm phát	Tỷ lệ lạm phát tại năm $t$	$-$	$-$	Tác động tiêu cực (đúng kỳ vọng)

Chi tiết kết quả tác động:

• Các biến tác động tiêu cực đến sự ổn định tài chính:
  • Fintech (FT): Tác động tiêu cực đến chỉ số Z-Score, cho thấy sự gia tăng số lượng công ty Fintech trong giai đoạn 2010 - 2023 tạo ra áp lực cạnh tranh, phân tán thị phần thanh toán, tiền gửi và gia tăng chi phí đầu tư chuyển đổi số của các NHTM truyền thống.
  • Tỷ suất sinh lời trên vốn chủ sở hữu (ROE): Tác động ngược chiều đến Z-Score, phản ánh xu hướng các ngân hàng theo đuổi mức sinh lời cao trên vốn có thể phải chấp nhận mức độ rủi ro lớn hơn trong danh mục tài sản.
  • Tỷ lệ nợ xấu (NPL): Nợ xấu gia tăng làm xói mòn nguồn vốn, suy giảm khả năng thanh toán và trực tiếp gia tăng nguy cơ bất ổn tài chính.
  • Tỷ lệ chi phí trên thu nhập (CIR): Hiệu quả quản lý chi phí kém (CIR cao) làm suy giảm biên lợi nhuận ròng và hạ thấp bộ đệm an toàn của ngân hàng.
  • Lạm phát (INF): Lạm phát cao làm suy yếu khả năng trả nợ của người vay, gây biến động lãi suất và làm giảm tính ổn định của hệ thống.
• Các biến tác động tích cực đến sự ổn định tài chính:
  • Tỷ lệ an toàn vốn (CAP): Nguồn vốn chủ sở hữu dồi dào đóng vai trò là tấm đệm hấp thụ các tổn thất tài chính ngoài dự kiến, giúp tăng cường sự an toàn hệ thống.
  • Tỷ lệ cho vay trên huy động (LDR): Tác động tích cực đến Z-Score trong mẫu nghiên cứu, thể hiện việc tối ưu hóa hiệu quả sử dụng nguồn vốn huy động vào hoạt động tín dụng sinh lời lành mạnh.
• Các biến không có ý nghĩa thống kê: Quy mô ngân hàng (SIZE), Tốc độ tăng trưởng tài sản (GROW) và Tăng trưởng kinh tế (GDP).

Giải pháp và kiến nghị của tác giả

1. Thúc đẩy hợp tác chiến lược giữa NHTM và Fintech: Ngân hàng cần tận dụng lợi thế về công nghệ, tính linh hoạt và dữ liệu khách hàng của Fintech theo mô hình hợp tác Bömer & Maxin (2018), đồng thời quản trị chặt chẽ các rủi ro bảo mật thông tin, rủi ro an ninh mạng và rủi ro tuân thủ.
2. Củng cố tỷ lệ an toàn vốn (CAP): Nâng cao năng lực tài chính và chất lượng vốn tự có nhằm đáp ứng các tiêu chuẩn quản trị rủi ro theo chuẩn mực quốc tế (Basel), đảm bảo khả năng chống đỡ trước các cú sốc thị trường.
3. Kiểm soát chặt chẽ tỷ lệ nợ xấu (NPL): Tăng cường năng lực thẩm định tín dụng bằng các công cụ hiện đại (AI, Machine Learning), nâng cao chất lượng danh mục cho vay và trích lập dự phòng rủi ro đầy đủ.
4. Tối ưu hóa hiệu quả chi phí hoạt động (CIR): Đẩy mạnh ứng dụng tự động hóa quy trình (RPA) trong vận hành nội bộ để cắt giảm chi phí trung gian và tối ưu hóa bộ máy quản lý.
5. Cân đối thanh khoản qua tỷ lệ LDR: Duy trì cấu trúc tài sản nợ - tài sản có hợp lý, kiểm soát rủi ro kỳ hạn và đảm bảo khả năng thanh toán thường xuyên.

Đóng góp của đề tài

• Đóng góp học thuật: Khóa luận bổ sung bằng chứng thực nghiệm toàn diện về mối quan hệ giữa sự phát triển của Fintech và mức độ ổn định tài chính của hệ thống NHTM tại một thị trường mới nổi như Việt Nam trong giai đoạn dài (2010 - 2023).
• Đóng góp phương pháp: Áp dụng hệ thống kiểm định kinh tế lượng đầy đủ từ Pooled OLS, FEM, REM đến các mô hình FGLS và System GMM, giúp xử lý triệt để các khuyết tật phương sai sai số thay đổi, tự tương quan và tính nội sinh của dữ liệu bảng.

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài

1. Quy mô mẫu nghiên cứu: Mặc dù hệ thống NHTM Việt Nam có 31 ngân hàng tại thời điểm quan sát, nghiên cứu chỉ thu thập được dữ liệu hoàn chỉnh của 25 ngân hàng thương mại cổ phần do rào cản về tính minh bạch và công khai dữ liệu của một số đơn vị.
2. Cách tiếp cận biến đại diện cho Fintech: Do dữ liệu chi tiết về doanh thu hoạt động và tổng tài sản của từng công ty Fintech tại Việt Nam chưa được công bố công khai đầy đủ và đồng bộ, nghiên cứu chỉ sử dụng biến đại diện là Logarithm số lượng công ty Fintech theo thời gian, chưa phản ánh trọn vẹn quy mô giao dịch thực tế của từng phân khúc Fintech.

Hướng nghiên cứu tiếp

1. Mở rộng cỡ mẫu bao gồm toàn bộ hệ thống các tổ chức tín dụng và cập nhật chuỗi thời gian dài hơn khi dữ liệu được công bố đầy đủ.
2. Xây dựng các chỉ số đo lường mức độ thâm nhập của Fintech đa chiều hơn (dựa trên giá trị giao dịch số, chỉ số tài chính toàn diện số hoặc mức độ đầu tư công nghệ thực tế của từng ngân hàng).
3. Nghiên cứu sâu hơn về tác động phân tầng của Fintech theo từng nhóm quy mô ngân hàng (ngân hàng lớn so với ngân hàng vừa và nhỏ) hoặc theo từng phân khúc sản phẩm chuyên biệt (P2P Lending, Ví điện tử, Buy Now Pay Later).

---

Giá trị tham khảo

• Đối tượng sử dụng phù hợp: Tài liệu là nguồn tham khảo học thuật hữu ích cho sinh viên, học viên cao học và nghiên cứu sinh thuộc các chuyên ngành Tài chính – Ngân hàng, Fintech, Kinh tế học ứng dụng đang thực hiện các đề tài về an toàn hệ thống ngân hàng và chuyển đổi số tài chính.
• Giá trị thực tiễn cho nhà quản trị: Cung cấp góc nhìn thực nghiệm cho các nhà quản trị rủi ro tại NHTM và các chuyên viên hoạch định chính sách tại Ngân hàng Nhà nước trong việc đánh giá tác động hai mặt của làn sóng công nghệ tài chính.
• Nội dung đáng tham khảo:
  • Khung tổng quan lý thuyết về mô hình hợp tác Ngân hàng - Fintech của Bömer & Maxin (2018).
  • Quy trình 6 bước xử lý dữ liệu bảng kinh tế lượng từ các mô hình tĩnh (OLS, FEM, REM) đến kỹ thuật hồi quy FGLS và GMM hệ thống để khắc phục khuyết tật mô hình.
  • Bảng tổng hợp chi tiết các biến số kiểm soát vi mô và vĩ mô tác động đến chỉ số Z-Score trong hệ thống ngân hàng.

---

Câu hỏi thường gặp

1. Khóa luận sử dụng chỉ số nào để đo lường sự ổn định tài chính của ngân hàng thương mại và công thức tính cụ thể là gì? Khóa luận sử dụng chỉ số Z-Score theo dạng Logarithm tự nhiên ($\text{LnZscore}$) làm biến phụ thuộc để đo lường mức độ ổn định tài chính và rủi ro phá sản của ngân hàng (theo phương pháp của Beck và cộng sự, 2013; Houston và cộng sự, 2010; Laeven & Levine, 2009). Công thức cụ thể: $$\text{LnZscore} = \text{Ln}\left(\frac{\text{ROA} + \text{CAP}}{\sigma_{\text{ROA}}}\right)$$ Trong đó: $\text{ROA}$ là tỷ suất sinh lời trên tổng tài sản, $\text{CAP}$ là tỷ lệ vốn chủ sở hữu trên tổng tài sản, và $\sigma_{\text{ROA}}$ là độ lệch chuẩn của tỷ suất sinh lời trên tài sản.

2. Mẫu dữ liệu nghiên cứu của đề tài bao gồm bao nhiêu ngân hàng và trong giai đoạn nào? Nghiên cứu sử dụng mẫu dữ liệu bảng không cân bằng thu thập từ báo cáo tài chính hàng năm của 25 ngân hàng thương mại cổ phần tại Việt Nam (trên tổng số 31 NHTM tính đến ngày 31/03/2023) trong khoảng thời gian 14 năm, từ năm 2010 đến năm 2023.

3. Biến Fintech (FT) được đo lường như thế nào và kết quả hồi quy cho thấy biến này tác động ra sao đến các NHTM? Do dữ liệu tài chính công khai của các công ty Fintech tại Việt Nam còn hạn chế, biến Fintech (FT) được đo lường bằng Logarithm số lượng công ty Fintech hoạt động tại Việt Nam theo từng năm (dựa theo phương pháp của Phan và cộng sự, 2019). Kết quả thực nghiệm cho thấy biến FT có tác động tiêu cực (-) đến chỉ số Z-Score của các NHTM Việt Nam, phản ánh áp lực cạnh tranh và chi phí đầu tư công nghệ làm gia tăng sự biến động trong giai đoạn nghiên cứu.

4. Những biến số nào có tác động tích cực và tiêu cực có ý nghĩa thống kê đến sự ổn định tài chính trong mô hình?

• Tác động tích cực (+): Tỷ lệ an toàn vốn (CAP) và Tỷ lệ cho vay trên huy động (LDR).
• Tác động tiêu cực (-): Số lượng công ty Fintech (FT), Tỷ suất sinh lời trên vốn chủ sở hữu (ROE), Tỷ lệ nợ xấu (NPL), Tỷ lệ chi phí trên thu nhập (CIR) và Tỷ lệ lạm phát (INF).
• Không có ý nghĩa thống kê: Quy mô ngân hàng (SIZE), Tăng trưởng tài sản (GROW) và Tăng trưởng kinh tế (GDP).

5. Tác giả đã sử dụng những phương pháp kinh tế lượng nào để kiểm tra và khắc phục khuyết tật của mô hình dữ liệu bảng? Sau khi lựa chọn mô hình Hiệu ứng cố định (FEM) qua các kiểm định F-test và Hausman test, tác giả đã thực hiện kiểm định Modified Wald (phát hiện hiện tượng phương sai sai số thay đổi) và kiểm định Wooldridge (phát hiện hiện tượng tự tương quan). Để khắc phục các khuyết tật này, tác giả sử dụng mô hình hồi quy bình phương bé nhất tổng quát khả thi (FGLS) và áp dụng mô hình hồi quy GMM hệ thống (Blundell & Bond, 1998) nhằm kiểm soát triệt để hiện tượng biến nội sinh, đồng thời kiểm tra tính hợp lệ qua kiểm định Arellano-Bond, Sargan test và Hansen test.

---

Kết luận

Khóa luận tốt nghiệp của tác giả Trần Lý Mỹ Ngọc đã cung cấp một nghiên cứu định lượng hoàn chỉnh về tác động của sự phát triển Fintech đến sự ổn định tài chính của 25 ngân hàng thương mại cổ phần Việt Nam giai đoạn 2010 - 2023. Bằng việc kết hợp các mô hình kinh tế lượng dữ liệu bảng chuyên sâu (FEM, FGLS, System GMM), nghiên cứu đã chứng minh thực nghiệm rằng sự gia tăng số lượng công ty Fintech, tỷ lệ nợ xấu, tỷ lệ chi phí trên thu nhập và lạm phát có tác động tiêu cực đến chỉ số an toàn Z-Score, trong khi tỷ lệ an toàn vốn và tỷ lệ cho vay trên huy động mang lại tác động tích cực. Kết quả nghiên cứu là căn cứ thực tiễn quan trọng giúp các NHTM và cơ quan quản lý xây dựng chiến lược hợp tác công nghệ, tối ưu hóa chi phí vận hành và củng cố bộ đệm an toàn vốn trong kỷ nguyên số hóa ngân hàng.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP. HỒ CHÍ MINH KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC THE IMPACT OF FINTECH ON THE FINANCIAL STABILITY AT VIETNAMESE COMMERCIAL BANK NGÀNH: TÀI CHÍNH – NGÂN HÀNG MÃ SỐ: 7340201 TRẦN LÝ MỸ NGỌC TP.HỒ CHÍ MINH, NĂM 2024 BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP. HỒ CHÍ MINH KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC THE IMPACT OF FINTECH ON THE FINANCIAL STABILITY AT VIETNAMESE COMMERCIAL BANK NGÀNH: TÀI CHÍNH – NGÂN HÀNG MÃ SỐ: 7340201 Họ và tên sinh viên: TRẦN LÝ MỸ NGỌC Mã số sinh viên: 050608200494 Lớp sinh hoạt: HQ8-GE05 NGƯỜI HƯỚNG DẪN KHOA HỌC TS. NGUYỄN MINH NHẬT TP.

HỒ CHÍ MINH, NĂM 2024 i TÓM TẮT Thế giới đã trải qua tổng cộng 4 cuộc cách mạng công nghiệp và hiện tại đang chứng kiến những ảnh hưởng của cách mạng công nghiệp 4.0 được xây dựng trên nền tảng công nghệ số 3.0 bao gồm Artificial Intelligence (AI), the Internet of Things (IoT) và Big Data,… đã và đang tác động lên các ngành nghề ở Việt Nam, làm thay đổi cách vận hành và các mô hình kinh doanh. Riêng ngành ngân hàng chịu sự tác động đến từ các công nghệ tài chính (hay còn được gọi là Fintech) do những công nghệ này có thể mô phỏng các sản phẩm và các dịch vụ tài chính ngân hàng ở mức hiện đại hơn. Từ đó, ảnh hưởng hưởng đến nhiều khía cạnh của các ngân hàng thương mại tại Việt Nam. Nghiên cứu này sử dụng phương pháp nghiên cứu định lượng để trả lời các câu hỏi nghiên cứu và phân tích các tác động của Fintech đối với sự ổn định tài chính của các ngân hàng thương mại tại Việt Nam.

Bài viết này thu thập dữ liệu của 30 ngân hàng thương mại tại Việt Nam từ năm 2010 đến năm 2023. Bài viết này chủ yếu sử dụng mô hình hiệu ứng cố định để thực hiện trải nghiệm của Fintech đến sự ổn định tài chính của bộ phận ngân hàng thương mại ở Việt Nam. Biến phụ thuộc dùng để đo lường sự ổn định ngân hàng là chỉ số Z – Score. Bên cạnh đó, các biến dùng được dùng để nghiên cứu tác động đến sự ổn định tài chính của doanh nghiệp được lựa chọn bao gồm: Số lượng công ty Fintech (FT); Tỷ lệ lợi nhuận trên vốn chủ sở hữu (ROE); Tỷ lệ nợ xấu (NPL); Quy mô ngân hàng (SIZE); Tốc độ tăng trưởng tổng tài sản (GROW); Tỷ lệ an toàn vốn (CAP); Chi phí hoạt động (CIR); Tỷ lệ cho vay trên huy động (LDR); Tăng trưởng kinh tế (GDP) và Tỷ lệ lạm phát (INF).

Trong đó, các biến có ảnh hưởng tiêu cực đến sự ổn định của ngân hàng thương mại là FT, ROE, NPL, CIR và INF. Mặt khác, các biến CAP và LDR có ảnh hưởng tích cực đến sự ổn định của ngân hàng thương mại, các biến còn lại không tác động. Từ khóa: Fintech, Ngân hàng thương mại, Công nghệ tài chính, sự ổn định ngân hàng. ii ABSTRACT The world has experienced a total of 4 industrial revolutions and is currently witnessing the effects of industrial revolution 4.0 which was built on the foundation of industry number 3.0 technologies including Artificial Intelligence (AI), the Internet of Things (IoT) and Big Data, etc.

have been affecting many industries in Viet Nam, changing operations and business models. The banking industry in particular is affected by financial technologies (also know as Fintech) because these technologies can simulate banking and financial products and services at a more modern level. Since then, it affects many aspects of Vietnamese commercial banks. This study uses quantitative research methods to answer the questions and analyze the impact of Fintech on financial stability of the commercial banking division in Vietnam.