Giới thiệu dự án

Thị trường tài chính Việt Nam giai đoạn 2020 chứng kiến sự chuyển dịch dòng vốn mạnh mẽ do tác động của đại dịch COVID-19, khiến các kênh đầu tư truyền thống như vàng, ngoại tệ và chứng khoán đối mặt với nhiều biến động khó lường. Theo báo cáo từ Sở Giao dịch Chứng khoán Hà Nội (HNX), tính riêng tháng 10/2020 đã có 20 doanh nghiệp phát hành thành công 90 đợt trái phiếu doanh nghiệp (TPDN) riêng lẻ với tổng giá trị đạt 9,5 nghìn tỷ đồng (đạt tỷ lệ phát hành thành công 62,7% trên tổng giá trị đăng ký). Trong bối cảnh Nghị định số 163/2018/NĐ-CP tạo hành lang pháp lý mở rộng nguồn vốn doanh nghiệp, TPDN bất động sản nổi lên như một công cụ tối ưu hóa lợi suất cho nhà đầu tư cá nhân.

                  +----------------------------------------------+
                  |  BỐI CẢNH THỊ TRƯỜNG TPDN VIỆT NAM (2020)    |
                  |  HNX: 9,5 nghìn tỷ VNĐ | Tỷ lệ thành công: 62,7% |
                  +----------------------+-----------------------+
                                         |
                                         v
+---------------------------------------------------------------------------------+
| VẤN ĐỀ CỐT LÕI (PAIN POINTS)                                                    |
| - Tỷ lệ giữ chân khách hàng (Retention Rate) thấp sau chu kỳ đầu tư đầu tiên.    |
| - Bất đối xứng thông tin về tài sản đảm bảo và rủi ro thanh khoản.              |
| - Thiếu mô hình định lượng hành vi tái đầu tư cá nhân tại các tập đoàn lớn.      |
+----------------------------------------+----------------------------------------+
                                         |
                                         v
+---------------------------------------------------------------------------------+
| GIẢI PHÁP: MÔ HÌNH HỒI QUY ĐA BIẾN (TRA/TPB CẢI TIẾN)                           |
| - Khảo sát N = 130 nhà đầu tư trái phiếu Happybond (APEC Group).                |
| - Định lượng 5 nhân tố: UTTD, LS, CSDB, NVTV, CNAH (23 biến quan sát).          |
+---------------------------------------------------------------------------------+

Vấn đề nghiên cứu thực tế (Problem Statement)

Mặc dù nhu cầu thị trường rất lớn, các tổ chức phát hành đối mặt với thách thức suy giảm tỷ lệ giữ chân khách hàng (Customer Retention Rate) sau kỳ hạn đầu tư ban đầu. Quyết định tái đầu tư không chỉ phụ thuộc vào lợi tức danh nghĩa mà còn chịu tác động đan xen từ uy tín thương hiệu, chất lượng tư vấn, rủi ro thanh khoản và áp lực xã hội (nhóm tham khảo). Tại Công ty Cổ phần Đầu tư Châu Á Thái Bình Dương (APEC Group), sản phẩm trái phiếu Happybond phát hành từ 01/12/2020 sở hữu nhiều gói kỳ hạn và chính sách tài sản đảm bảo linh hoạt, nhưng chưa có mô hình định lượng chuẩn xác các động lực thúc đẩy hành vi tiếp tục đầu tư của khách hàng cá nhân tại thị trường trọng điểm Hà Nội.

Mục tiêu nghiên cứu (Project Objectives)

  1. Hệ thống hóa nền tảng lý luận về hành vi tiêu dùng và hành vi đầu tư tài chính cá nhân dựa trên Thuyết hành động hợp lý (TRA), Thuyết hành vi dự định (TPB) và Tiến trình quyết định mua 5 giai đoạn của Philip Kotler.
  2. Xác định và kiểm định cấu trúc các nhân tố tác động đến quyết định tiếp tục đầu tư trái phiếu Happybond.
  3. Đo lường trọng số tác động (hệ số hồi quy chuẩn hóa $\beta$) của từng nhân tố đến quyết định của khách hàng.
  4. Đề xuất hệ thống giải pháp quản trị chiến lược và chính sách sản phẩm nhằm gia tăng tỷ lệ tái đầu tư và phát triển tập khách hàng trung thành cho doanh nghiệp.

Phạm vi và giới hạn (Scope and Limitations)

  • Không gian: Khách hàng cá nhân đã và đang sở hữu trái phiếu Happybond tại địa bàn TP. Hà Nội.
  • Thời gian: Dữ liệu sơ cấp thu thập từ tháng 11/2020 đến tháng 12/2020; dữ liệu thứ cấp giai đoạn 2017–2020.
  • Đối tượng: 130 mẫu khảo sát hợp lệ từ các nhà đầu tư thực tế tham gia sự kiện chăm sóc khách hàng của APEC Group.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi đầu tư tài chính đòi hỏi việc đối chiếu giữa các công cụ huy động vốn hiện hành trên thị trường nhằm làm rõ sự đánh đổi giữa rủi ro (risk) và lợi nhuận (return).

Tiêu chí so sánh Tiền gửi tiết kiệm ngân hàng Cổ phiếu doanh nghiệp Trái phiếu Happybond (APEC Group)
Bản chất pháp lý Tiền gửi thanh toán/tiết kiệm Chứng khoán vốn (Cổ phần) Chứng khoán nợ (Nợ doanh nghiệp)
Mức độ an toàn vốn gốc Rất cao (Bảo hiểm tiền gửi) Biến động theo thị trường Có tài sản đảm bảo / Cam kết mua lại
Lợi suất kỳ vọng Thấp (5.0% - 7.0%/năm) Không cố định (Cổ tức + Giá) Cao vượt trội (10.0% - 13.0%/năm)
Thứ tự thanh toán khi phá sản Ưu tiên theo luật TCTD Sau cùng (Sau khi trừ nợ) Ưu tiên trước cổ đông
Tính thanh khoản Rút trước hạn hưởng lãi không kỳ hạn Khớp lệnh liên tục T+2 / T+3 Bán lại trước hạn theo biểu lãi suất
                       MA TRẬN ƯU TIÊN YÊU CẦU (MoSCoW)
+-----------------------------------------------------------------------------------+
| MUST HAVE (Bắt buộc)                                                              |
| - Đảm bảo tính nhất quán nội tại của thang đo (Cronbach's Alpha >= 0.60).         |
| - Kiểm định giá trị hội tụ và phân biệt qua ma trận xoay Promax (Factor Loading >= 0.5). |
| - Loại bỏ đa cộng tuyến trong mô hình hồi quy (Hệ số phóng đại phương sai VIF < 2.0). |
+-----------------------------------------------------------------------------------+
| SHOULD HAVE (Nên có)                                                              |
| - Bổ sung nhân tố đặc thù "Chính sách đảm bảo" (CSDB) từ tham vấn chuyên gia.      |
| - Kiểm định tính độc lập của phần dư thông qua đại lượng Durbin-Watson (1.5 - 2.5).|
+-----------------------------------------------------------------------------------+
| COULD HAVE (Có thể có)                                                            |
| - Mở rộng kiểm định cấu trúc tuyến tính SEM trên nền tảng IBM SPSS Amos 20.0.      |
+-----------------------------------------------------------------------------------+
| WON'T HAVE (Không thực hiện)                                                      |
| - Không đưa biến "Tiện lợi" và "Chương trình khuyến mãi" vào mô hình chính thức.  |
+-----------------------------------------------------------------------------------+

Thiết kế hệ thống mô hình kinh tế lượng

Dựa trên việc hiệu chỉnh mô hình nền tảng TRA/TPB và nghiên cứu thực nghiệm của Dương Thị Thu Thảo (2020), hệ thống mô hình hồi quy tuyến tính bội (Multiple Linear Regression) được thiết lập với phương trình kinh tế lượng:

$$QDTTDT = \beta_0 + \beta_1 \cdot UTTD + \beta_2 \cdot LS + \beta_3 \cdot CSDB + \beta_4 \cdot NVTV + \beta_5 \cdot CNAH + \epsilon$$

                                  KIẾN TRÚC MÔ HÌNH NGHIÊN CỨU
+-------------------------------+
|  Uy tín tập đoàn (UTTD)       | ---(H1: +)---\
|  (5 biến quan sát: UTTD1..5)  |               \
+-------------------------------+                \
+-------------------------------+                 \
|  Lãi suất (LS)                | ---(H2: +)-----\ \
|  (3 biến quan sát: LS1..3)    |                 \ \
+-------------------------------+                  \ \
+-------------------------------+                   +--> +----------------------------------+
|  Chính sách đảm bảo (CSDB)    | ---(H3: +)-----------> | Quyết định tiếp tục đầu tư (QDTTDT)|
|  (4 biến quan sát: CSDB1..4)  |                   +--> | (3 biến quan sát: QDTTDT1..3)     |
+-------------------------------+                  / /   +----------------------------------+
+-------------------------------+                 / /
|  Nhân viên tư vấn (NVTV)      | ---(H4: +)-----/ /
|  (4 biến quan sát: NVTV1..4)  |                 /
+-------------------------------+                /
+-------------------------------+               /
|  Cá nhân ảnh hưởng (CNAH)     | ---(H5: +)---/
|  (4 biến quan sát: CNAH1..4)  |
+-------------------------------+

Ngăn xếp công nghệ và công cụ phân tích (Technology Stack)

  • IBM SPSS Statistics v20.0: Xử lý dữ liệu định lượng, thống kê mô tả, kiểm định độ tin cậy thang đo (Reliability Analysis), phân tích nhân tố khám phá (EFA), phân tích tương quan Pearson và hồi quy OLS.
  • IBM SPSS Amos v20.0: Hỗ trợ kiểm tra sự phù hợp của mô hình đo lường với dữ liệu thị trường.
  • Python v3.8+ (Thư viện pandas, statsmodels, scikit-learn): Mô phỏng dữ liệu, đối soát thuật toán và tự động hóa kiểm định thống kê.
  • Microsoft Excel 2019: Làm sạch dữ liệu sơ cấp và quản lý mã hóa biến (Codebook).

Phương pháp luận nghiên cứu (Methodology)

Quy trình nghiên cứu kết hợp phương pháp nghiên cứu định tính và định lượng:

  • Nghiên cứu sơ bộ (Qualitative): Khảo sát thử nghiệm $N = 20$ khách hàng và phỏng vấn sâu chuyên gia (Trưởng phòng Kinh doanh trái phiếu APEC Group). Kết quả: Loại bỏ biến "Tiện lợi" (TL) và "Khuyến mãi", tích hợp nhân tố "Chính sách đảm bảo" (CSDB) gồm 4 biến quan sát.
  • Xác định cỡ mẫu (Sample Size): Theo Hair et al. (1998), kích thước mẫu tối thiểu phải gấp 5 lần tổng số biến quan sát ($N \ge 5 \times k$). Với $k = 23$ biến quan sát, cỡ mẫu tối thiểu là $N_{min} = 23 \times 5 = 115$. Nhóm nghiên cứu phát 150 phiếu, thu về 130 mẫu hợp lệ (đạt 113% yêu cầu tối thiểu).
  • Kỹ thuật chọn mẫu: Lấy mẫu phi xác suất (thuận tiện) kết hợp phân tầng khách hàng tại hội sở và các sự kiện mở bán trái phiếu Happybond.

Triển khai và kết quả thực nghiệm

Quy trình xử lý và thuật toán phân tích

Quy trình phân tích dữ liệu kinh tế lượng được chuẩn hóa thành pipeline 4 bước:

[Khảo sát N=130] 

Dưới đây là đoạn mã mô phỏng thuật toán kiểm định chất lượng mô hình bằng Python (statsmodelspingouin):

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

def evaluate_regression_pipeline(df: pd.DataFrame, target_col: str, feature_cols: list):
    """
    Thực thi hồi quy OLS và kiểm tra đa cộng tuyến (VIF)
    """
    X = df[feature_cols]
    y = df[target_col]
    X_const = sm.add_constant(X)
    
    # 1. Khởi tạo và khớp mô hình OLS
    model = sm.OLS(y, X_const).fit()
    print("=== KẾT QUẢ HỒI QUY TUYẾN TÍNH OLS ===")
    print(model.summary())
    
    # 2. Tính toán hệ số phóng đại phương sai (VIF)
    vif_data = pd.DataFrame()
    vif_data["Feature"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    
    print("\n=== KIỂM ĐỊNH ĐA CỘNG TUYẾN (VIF) ===")
    print(vif_data)
    
    return model, vif_data

Kiểm định và xác nhận mô hình (Testing and Validation)

1. Đánh giá độ tin cậy thang đo (Reliability Analysis)

Kết quả phân tích Cronbach's Alpha cho 6 thang đo (23 biến quan sát) đều đạt yêu cầu về độ tin cậy thống kê ($\alpha > 0.60$ và hệ số tương quan biến - tổng Corrected Item-Total Correlation $> 0.30$).

                      KẾT QUẢ CRONBACH'S ALPHA TỔNG HỢP
+-----------------------------------+--------------------+------------------------+
| Biến tiềm ẩn (Construct)          | Số biến quan sát   | Hệ số Cronbach's Alpha |
+-----------------------------------+--------------------+------------------------+
| Uy tín tập đoàn (UTTD)            | 5                  | 0.842                  |
| Lãi suất (LS)                     | 3                  | 0.789                  |
| Chính sách đảm bảo (CSDB)         | 4                  | 0.815                  |
| Nhân viên tư vấn (NVTV)           | 4                  | 0.863                  |
| Cá nhân ảnh hưởng (CNAH)          | 4                  | 0.774                  |
| Quyết định tiếp tục đầu tư (QDTT) | 3                  | 0.826                  |
+-----------------------------------+--------------------+------------------------+

2. Phân tích nhân tố khám phá (EFA)

  • Hệ số $KMO = 0.812$ ($0.5 \le KMO \le 1.0$), thỏa mãn điều kiện thích hợp của phân tích nhân tố.
  • Kiểm định Bartlett có mức ý nghĩa $Sig. = 0.000 < 0.05$, chứng minh các biến quan sát có tương quan tuyến tính chặt chẽ.
  • Trích xuất nhân tố bằng phép trích Principal Axis Factoring với phép xoay Promax: 5 nhân tố được rút trích tại điểm dừng $Eigenvalue = 1.248 \ge 1.0$, giải thích 63.45% tổng phương sai trích ($> 50%$).
  • Tất cả hệ số tải nhân tố (Factor Loading) của các biến quan sát đều dao động từ $0.582$ đến $0.865$ ($> 0.50$), không có hiện tượng tải chéo vi phạm (hiệu số tải chéo $> 0.30$).

Kết quả kinh tế lượng đạt được

Kết quả ước lượng mô hình hồi quy tuyến tính bội giải thích hành vi tái đầu tư trái phiếu Happybond:

Biến độc lập Hệ số chưa chuẩn hóa (B) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị t-statistic Mức ý nghĩa (Sig.) Thống kê VIF
Hằng số (Constant) 0.312 0.185 1.686 0.094
Uy tín tập đoàn (UTTD) 0.324 0.058 0.342 5.586 0.000 1.342
Chính sách đảm bảo (CSDB) 0.286 0.054 0.298 5.296 0.000 1.285
Lãi suất (LS) 0.215 0.049 0.224 4.387 0.000 1.218
Nhân viên tư vấn (NVTV) 0.162 0.045 0.171 3.600 0.000 1.186
Cá nhân ảnh hưởng (CNAH) 0.118 0.042 0.126 2.809 0.006 1.114
  • Độ phù hợp mô hình: Hệ số xác định $R^2 = 0.618$, $R^2$ hiệu chỉnh (Adjusted $R^2$) $= 0.603$. Mô hình giải thích được 60.3% sự biến thiên của quyết định tiếp tục đầu tư.
  • Kiểm định ANOVA: Đại lượng $F = 40.128$ với $Sig. = 0.000 < 0.001$, khẳng định mô hình hồi quy hoàn toàn phù hợp với dữ liệu tổng thể.
  • Kiểm định khuyết tật mô hình:
    • Đa cộng tuyến: Tất cả các hệ số $VIF < 1.4$ (thấp hơn nhiều so với ngưỡng 2.0), không có hiện tượng đa cộng tuyến.
    • Tự tương quan: Đại lượng $Durbin-Watson = 1.892$ ($1.5 < D < 2.5$), chứng minh phần dư độc lập, không có tương quan chuỗi bậc nhất.
    • Phân phối chuẩn: Biểu đồ Histogram và Normal P-P Plot cho thấy phần dư phân phối chuẩn quanh trục zero.

Đổi mới và đóng góp khoa học

  1. Hiệu chỉnh mô hình lý thuyết sát thực tế tài chính: Đột phá lý luận của đề tài là việc thay thế biến "Tiện lợi" bằng biến "Chính sách đảm bảo" (CSDB). Trong giao dịch tài sản tài chính có độ rủi ro trung bình - cao, nhà đầu tư quan tâm đến khả năng bảo toàn vốn (cam kết mua lại trước hạn, tài sản thế chấp minh bạch, bảo lãnh thanh toán) hơn là yếu tố tiện lợi địa lý.
  2. Xác lập thứ bậc trọng số quyết định: Nghiên cứu chỉ ra rằng Uy tín tập đoàn ($\beta = 0.342$)Chính sách đảm bảo ($\beta = 0.298$) đóng vai trò chi phối cao nhất, vượt qua cả yếu tố Lãi suất ($\beta = 0.224$). Điều này bác bỏ giả định truyền thống rằng "lãi suất cao là yếu tố duy nhất thu hút nhà đầu tư TPDN".
  3. Cung cấp bằng chứng thực nghiệm: Bổ sung bộ dữ liệu định lượng giá trị về thị trường TPDN cá nhân Việt Nam trong giai đoạn nhạy cảm kinh tế (2020–2021).

Ứng dụng thực tế và triển khai

Dựa trên kết quả hồi quy, lộ trình tối ưu hóa hoạt động phát hành trái phiếu Happybond tại APEC Group được cụ thể hóa qua 4 nhóm giải pháp:

                            LỘ TRÌNH TRIỂN KHAI 4 GIAI ĐOẠN
+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 1: QUẢN TRỊ MINH BẠCH & THƯƠNG HIỆU (Tháng 1 - 3)                       |
| - Công bố định kỳ báo cáo kiểm toán năng lực tài chính và tiến độ dự án bảo đảm.  |
| - Chuẩn hóa thông tin niêm yết trên sàn chứng khoán (Hệ số tác động Beta = 0.342).|
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 2: HOÀN THIỆN CƠ CHẾ THANH KHOẢN (Tháng 4 - 6)                         |
| - Thiết lập hợp đồng khung cam kết mua lại trước hạn với biểu phí rõ ràng.         |
| - Ký quỹ tài sản bảo đảm độc lập tại ngân hàng thương mại (Beta = 0.298).         |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 3: CƠ CẤU BIỂU LÃI SUẤT LINH HOẠT (Tháng 7 - 9)                         |
| - Tối ưu biên độ lợi suất theo kỳ hạn (1 tháng, 3 tháng, 6 tháng, 12 tháng).      |
| - Triển khai chính sách thưởng lãi suất bậc thang cho khách hàng tái tục vốn.     |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 4: ĐÀO TẠO & PHÁT TRIỂN KÊNH THAM KHẢO (Tháng 10 - 12)                  |
| - Chuẩn hóa quy trình tư vấn tài chính cá nhân cho đội ngũ chuyên viên bán hàng.  |
| - Xây dựng chương trình đại sứ thương hiệu từ tệp khách hàng VIP (Beta = 0.126).  |
+-----------------------------------------------------------------------------------+

Hạn chế và hướng phát triển

Hạn chế của nghiên cứu (Limitations)

  • Kích thước mẫu: Cỡ mẫu $N = 130$ tuy thỏa mãn điều kiện kinh tế lượng nhưng phạm vi địa lý chỉ tập trung tại TP. Hà Nội, chưa phản ánh toàn diện hành vi của nhà đầu tư tại thị trường miền Trung và miền Nam.
  • Phương pháp lấy mẫu: Kỹ thuật chọn mẫu thuận tiện có thể dẫn đến hiện tượng thiên lệch chọn mẫu (selection bias).
  • Mô hình tĩnh: Nghiên cứu chưa xem xét tác động điều tiết (moderating effect) của các biến nhân khẩu học như độ tuổi, mức thu nhập và khẩu vị rủi ro cá nhân.

Hướng phát triển (Future Work)

  • Mở rộng phạm vi khảo sát lên quy mô toàn quốc ($N \ge 500$).
  • Ứng dụng mô hình phương trình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) để phân tích sâu hơn các biến trung gian như Niềm tin thương hiệu (Brand Trust) và Sự hài lòng cảm nhận (Perceived Satisfaction).
  • Tích hợp các biến số kinh tế vĩ mô (lạm phát dự phóng, biến động lãi suất điều hành của Ngân hàng Nhà nước).

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Kinh tế/Tài chính: Cung cấp mẫu hình nghiên cứu chuẩn mực về ứng dụng mô hình kinh tế lượng trong phân tích hành vi đầu tư tài chính cá nhân.
  • Doanh nghiệp phát hành TPDN: Khung tham chiếu chiến lược để tái cấu trúc gói sản phẩm trái phiếu, nâng cao năng lực cạnh tranh và kiểm soát rủi ro thanh khoản.
  • Chuyên viên tư vấn tài chính (Broker/Sales): Thấu hiểu tâm lý khách hàng để tối ưu hóa kịch bản tư vấn và xây dựng mối quan hệ lâu dài với trái chủ.
  • Nhà nghiên cứu kinh tế lượng: Tài liệu tham khảo về việc chuyển đổi và bản địa hóa các thang đo từ lĩnh vực ngân hàng sang chứng khoán nợ.

Câu hỏi thường gặp (FAQ)

1. Yêu cầu kỹ thuật và công cụ cần thiết để tái lập mô hình nghiên cứu này là gì?

Cần cài đặt phần mềm IBM SPSS Statistics phiên bản 20.0 trở lên hoặc môi trường Python 3.8+ với các thư viện chuyên dụng (pandas, numpy, statsmodels, pingouin). Dữ liệu khảo sát cần được mã hóa dưới dạng ma trận thang đo Likert 5 mức độ (từ 1: Hoàn toàn không đồng ý đến 5: Hoàn toàn đồng ý).

2. Giới hạn quy mô mẫu và giải pháp mở rộng là gì?

Mô hình hiện tại đạt chuẩn với $N = 130$ trên 23 biến quan sát ($N/k \approx 5.65$). Khi mở rộng quy mô nghiên cứu ra nhiều tỉnh thành, cần áp dụng phương pháp lấy mẫu phân tầng ngẫu nhiên (Stratified Random Sampling) với $N \ge 300$ để đảm bảo tính đại diện và kiểm định được các cấu trúc đa nhóm (Multigroup Analysis).

3. Làm thế nào để tích hợp phát hiện này vào hệ thống CRM của doanh nghiệp?

Doanh nghiệp có thể chấm điểm hành vi (Lead Scoring) dựa trên 5 trọng số hồi quy. Ví dụ: Thiết lập điểm số trung thành dự báo $Y_{predict}$ cho từng khách hàng dựa trên đánh giá của họ về uy tín doanh nghiệp và mức độ hài lòng về tài sản bảo đảm, từ đó kích hoạt kịch bản chăm sóc tự động khi trái phiếu sắp đáo hạn.

4. Chi phí triển khai và thời gian hoàn vốn (ROI) của các giải pháp đề xuất?

Chi phí chủ yếu tập trung vào việc số hóa hệ thống quản lý tài sản đảm bảo và đào tạo nhân sự tư vấn. Với chi phí huy động vốn qua TPDN thấp hơn lãi suất vay trung - dài hạn ngân hàng từ 1.5% - 2.5%, việc gia tăng tỷ lệ tái đầu tư thêm 15% sẽ giúp doanh nghiệp tiết kiệm hàng chục tỷ đồng chi phí phát hành mới mỗi năm.

5. Tại sao nhân tố "Tiện lợi" lại bị loại bỏ khỏi mô hình nghiên cứu chính thức?

Khác với dịch vụ gửi tiết kiệm ngân hàng hay mua sắm tiêu dùng nhanh, đầu tư TPDN là quyết định tài chính có giá trị vốn lớn và kỳ hạn dài. Kết quả phỏng vấn chuyên gia và khảo sát thử nghiệm chỉ ra rằng khoảng cách địa lý hay thủ tục giao dịch không ngăn cản nhà đầu tư nếu sản phẩm có uy tín cao và chính sách bảo toàn vốn vượt trội.


Kết luận

Đề tài khóa luận tốt nghiệp của sinh viên Trần Thảo đã giải quyết thành công bài toán định lượng hành vi tái đầu tư TPDN Happybond của khách hàng cá nhân tại APEC Group. Bằng việc ứng dụng quy trình phân tích kinh tế lượng chặt chẽ thông qua SPSS 20.0, nghiên cứu đã chứng minh rằng Uy tín tập đoàn ($\beta = 0.342$)Chính sách đảm bảo ($\beta = 0.298$) là hai trụ cột quyết định lòng tin và hành vi tiếp tục gắn bó của nhà đầu tư, xếp trên cả đòn bẩy lãi suất. Kết quả nghiên cứu không chỉ đóng góp giá trị học thuật cho lý thuyết hành vi tài chính mà còn cung cấp hàm ý quản trị thực tiễn sâu sắc cho các doanh nghiệp bất động sản trong chiến lược huy động vốn nợ an toàn, bền vững.