Giới thiệu dự án

Thị trường chứng khoán (TTCK) Việt Nam sau hơn hai thập kỷ vận hành đã khẳng định vai trò là kênh dẫn vốn trung và dài hạn huyết mạch cho nền kinh tế. Đặc biệt, giai đoạn 2020–2023 chứng kiến sự bùng nổ mạnh mẽ của nhóm nhà đầu tư cá nhân (NĐTCN). Theo số liệu từ Trung tâm Lưu ký Chứng khoán Việt Nam (VSD), chỉ trong 11 tháng đầu năm 2021, số lượng tài khoản mở mới của NĐTCN trong nước đạt hơn 1,3 triệu tài khoản – vượt tổng số tài khoản mở mới của cả 4 năm trước đó cộng lại; thanh khoản bình quân 3 sàn tăng gấp 3,5 lần so với năm 2019. Sự gia tăng đột biến này kéo theo cuộc cạnh tranh khốc liệt giữa hơn 80 công ty chứng khoán (CTCK) về thị phần môi giới, hạ tầng công nghệ và chính sách giá phí.

Tuy nhiên, các CTCK đối mặt với bài toán nan giải: NĐTCN hiện đại có xu hướng chuyển dịch nền tảng nhanh chóng, độ trung thành giảm và yêu cầu khắt khe hơn về cả công nghệ lẫn chất lượng tư vấn. Vấn đề đặt ra là: Đâu là các nhân tố thực sự chi phối quyết định lựa chọn CTCK của NĐTCN tại trung tâm tài chính lớn nhất cả nước – TP. Hồ Chí Minh?

                 MÔ HÌNH NGHIÊN CỨU TỔNG THỂ

Mục tiêu nghiên cứu

  1. Xác định các nhân tố cấu thành: Hệ thống hóa và nhận diện các yếu tố tác động đến quyết định lựa chọn (QĐLC) CTCK của NĐTCN tại TP.HCM.
  2. Đo lường mức độ tác động: Định lượng trọng số và chiều hướng tác động của từng nhóm yếu tố thông qua mô hình kinh tế lượng thực nghiệm.
  3. Đề xuất hàm ý quản trị: Cung cấp khung giải pháp thực thi giúp ban điều hành CTCK nâng cao năng lực cạnh tranh, tối ưu hóa chi phí thu hút khách hàng (CAC) và gia tăng tỷ lệ giữ chân người dùng (Retention Rate).

Hướng tiếp cận và phạm vi

  • Cách tiếp cận: Tích hợp đa mô hình lý thuyết hành vi (TRA, TPB, TAM, Tháp nhu cầu Maslow, Mô hình Hộp đen Philip Kotler) kết hợp thang đo chất lượng dịch vụ SERVQUAL và Lý thuyết tín hiệu (Signaling Theory).
  • Chỉ số đầu ra kỳ vọng: Hệ số tin cậy $\alpha \ge 0.70$, hệ số KMO $\ge 0.50$, phương sai trích $> 50%$, hệ số xác định hiệu chỉnh $R^2_{adj} > 0.50$, kiểm định đa cộng tuyến $\text{VIF} < 2.0$.
  • Phạm vi & Giới hạn: Nghiên cứu thực hiện trên địa bàn TP.HCM với mẫu khảo sát $N = 158$ NĐTCN trong năm 2023; áp dụng phương pháp chọn mẫu thuận tiện phi xác suất.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi nhà đầu tư trong ngành dịch vụ tài chính đòi hỏi việc đối chuẩn với các công trình tiền nhiệm để tìm ra khoảng trống học thuật:

Công trình tiêu biểu Mô hình lý thuyết Biến số định lượng chính Ưu điểm Hạn chế còn tồn tại
Nguyễn Hoàng Giang (2016) Hồi quy tuyến tính đa biến 8 nhóm biến (CLDV, Danh tiếng, Nhân viên, Chủng loại DV,...) Khảo sát quy mô lớn ($N=516$) trên toàn quốc Chưa phân tích sâu rủi ro an ninh mạng & giao dịch số
Nguyễn Duy Hùng (2015) Năng lực cạnh tranh CTCK CLDV, Mạng lưới, Thương hiệu, Vốn trí tuệ, Công nghệ Tiếp cận từ góc độ quản trị doanh nghiệp Thiếu góc nhìn trực tiếp từ trải nghiệm của NĐTCN
Lê Thùy Mai (2020) Thang đo SERVQUAL 5 chiều Tin cậy, Hữu hình, Đáp ứng, Đảm bảo, Cảm thông Đi sâu vào thị trường phái sinh tại SSI Quy mô hẹp, tính đại diện cho thị trường chung chưa cao
Mô hình đề xuất (2023) Tích hợp TPB + TAM + SERVQUAL 5 biến: Nhân viên (NV), Thương hiệu (TH), An toàn (AT), Chi phí (CP), Thuận tiện (TT) Tối ưu hóa cho thời kỳ số hóa môi giới & giao dịch trực tuyến Cỡ mẫu $N=158$ tập trung tại TP.HCM

Ma trận ưu tiên yêu cầu nghiên cứu (MoSCoW)

  • Must have: Thang đo chuẩn hóa Likert 5 điểm (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý); kiểm định độ tin cậy Cronbach's Alpha; phân tích nhân tố khám phá EFA; kiểm định hồi quy OLS không vi phạm đa cộng tuyến ($\text{VIF} < 10$).
  • Should have: Kiểm định ANOVA / Independent T-Test để đánh giá sự khác biệt theo nhân khẩu học (giới tính, độ tuổi, thu nhập, thâm niên đầu tư).
  • Could have: So sánh tương quan giữa chi phí giao dịch và tính năng nền tảng giao dịch trực tuyến.
  • Won't have: Mô hình phương trình cấu trúc tuyến tính nâng cao SEM/PLS-SEM (dành cho các giai đoạn nghiên cứu mở rộng).
          KIẾN TRÚC LUỒNG DỮ LIỆU VÀ XỬ LÝ ĐỊNH LƯỢNG

Thiết kế hệ thống đo lường và cấu trúc dữ liệu

Nghiên cứu vận hành trên bộ công cụ phân tích thống kê kinh tế lượng với công nghệ tiêu chuẩn:

  • Nền tảng phân tích: IBM SPSS Statistics phiên bản 20.0, Microsoft Excel 2021 Data Analysis Toolpak.
  • Quy chuẩn cỡ mẫu: Áp dụng tiêu chuẩn Hair et al. (2009) với tỷ lệ tối thiểu $5:1$ so với 19 biến quan sát độc lập ($19 \times 5 = 95$ mẫu) và tiêu chuẩn Tabachnick & Fidell (1996): $N \ge 50 + 8m = 50 + 8 \times 5 = 90$ mẫu. Mẫu thực tế $N = 158$ hoàn toàn thỏa mãn các điều kiện khắt khe về mặt thống kê.

Bảng cấu trúc biến quan sát (Data Dictionary)

[NV] NHÂN VIÊN (Parasuraman, 1988)

[TH] THƯƠNG HIỆU (Parasuraman, 1988; Aaker, 1991)

[AT] AN TOÀN VÀ BẢO MẬT (Phạm Thị Anh Thức, 2016; Wong & Mo, 2019)

[CP] CHI PHÍ (Hoàng Thị Hiền Trang, 2016)

[TT] SỰ THUẬN TIỆN (Parasuraman, 1988; Davis, 1986)

[QĐ] BIẾN PHỤ THUỘC: QUYẾT ĐỊNH LỰA CHỌN (Nguyễn Hoàng Giang, 2016)

Implementation và kết quả thực nghiệm

Quy trình phân tích dữ liệu và thuật toán áp dụng

Quy trình xử lý định lượng được thực hiện nghiêm ngặt qua 4 bước toán học:

  1. Kiểm định hệ số tin cậy nội tại Cronbach's Alpha: $$\alpha = \frac{k}{k-1} \left( 1 - \frac{\sum_{i=1}^k \sigma_{y_i}^2}{\sigma_x^2} \right)$$ Điều kiện: Loại các biến có hệ số tương quan biến - tổng ($r_{it}$) $< 0.30$; thang đo đạt độ tin cậy khi $\alpha \ge 0.70$.

  2. Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA):

    • Phương pháp trích: Principal Component Analysis với phép xoay vuông góc Varimax.
    • Điều kiện kiểm định: Hệ số $0.5 \le \text{KMO} \le 1.0$; kiểm định Bartlett có $\text{Sig.} < 0.05$; Giá trị đặc trưng (Eigenvalue) $\ge 1.0$; Tổng phương sai trích (Total Variance Explained) $> 50%$; Hệ số tải nhân tố (Factor Loading) $\ge 0.50$.

  3. Mô hình hồi quy tuyến tính OLS (Ordinary Least Squares): $$\text{QĐLC} = \beta_0 + \beta_1 \text{NV} + \beta_2 \text{TH} + \beta_3 \text{AT} + \beta_4 \text{CP} + \beta_5 \text{TT} + \epsilon$$

# Đoạn mã Python (sử dụng Statsmodels & Scikit-learn) tái hiện quy trình kiểm định kinh tế lượng
import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 1. Nạp và xử lý tập dữ liệu khảo sát sạch (N=158)
data = pd.read_csv("data_survey_n158.csv")
X = data[["NV", "TH", "AT", "CP", "TT"]]
y = data["QD"]

# 2. Ước lượng mô hình hồi quy tuyến tính cổ điển (OLS)
X_const = sm.add_constant(X)
model = sm.OLS(y, X_const).fit()

# 3. Tính toán hệ số phóng đại phương sai (VIF) kiểm tra đa cộng tuyến
vif_data = pd.DataFrame()
vif_data["Variable"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]

# Xuất kết quả kiểm định mô hình
print(model.summary())
print("\n--- Variance Inflation Factors ---")
print(vif_data)

Kết quả đo lường và kiểm định giả thuyết

Quá trình phân tích dữ liệu thực nghiệm $N = 158$ trên SPSS 20.0 đem lại các kết quả định lượng chuẩn xác:

                      KẾT QUẢ PHÂN TÍCH HỒI QUY OLS
                      
  Biến độc lập         Hệ số Beta (Chuẩn hóa)     Sig.      Kết luận
  Nhân viên (NV)               β₁ = 0.284        0.000      Chấp nhận H1
  An toàn & Bảo mật (AT)       β₃ = 0.261        0.000      Chấp nhận H3
  Sự thuận tiện (TT)           β₅ = 0.218        0.002      Chấp nhận H5
  Chi phí (CP)                 β₄ = 0.195        0.004      Chấp nhận H4
  Thương hiệu (TH)             β₂ = 0.162        0.012      Chấp nhận H2
  R² hiệu chỉnh: 0.582 | F-test: Sig = 0.000 | Durbin-Watson: 1.892 | Max VIF: 1.435

          SO SÁNH TRỌNG SỐ TÁC ĐỘNG CỦA CÁC YẾU TỐ (BETA)
          
  Nhân viên (NV)          [████████████████████████████]  0.284
  An toàn & Bảo mật (AT)  [██████████████████████████]    0.261
  Sự thuận tiện (TT)      [██████████████████████]        0.218
  Chi phí (CP)            [███████████████████]           0.195
  Thương hiệu (TH)        [████████████████]              0.162
  1. Kiểm định độ tin cậy thang đo: Tất cả các thang đo thành phần (NV, TH, AT, CP, TT, QĐ) đều đạt hệ số Cronbach's Alpha từ $0.782$ đến $0.891$. Không có biến quan sát nào có $r_{it} < 0.30$, đảm bảo tính nhất quán nội tại tối ưu.
  2. Kiểm định EFA: Phân tích trích xuất đúng 5 nhóm nhân tố độc lập tại Eigenvalue $> 1.12$, tổng phương sai trích đạt $63.45% > 50%$, hệ số KMO đạt $0.812 > 0.50$ với kiểm định Bartlett có $\text{Sig.} = 0.000 < 0.05$.
  3. Phân tích hồi quy OLS:
    • Hệ số $R^2$ hiệu chỉnh đạt $0.582$, chứng minh 5 nhân tố trong mô hình giải thích được $58.2%$ sự biến thiên trong quyết định lựa chọn CTCK của NĐTCN tại TP.HCM.
    • Kiểm định ANOVA có giá trị thống kê $F$ đạt mức ý nghĩa $\text{Sig.} = 0.000$, khẳng định mô hình hoàn toàn tương thích với tập dữ liệu thực tế.
    • Trị số Durbin-Watson $= 1.892$ (nằm trong khoảng $1.5 - 2.5$), bác bỏ giả thuyết tự tương quan chuỗi bậc nhất. Hệ số $\text{VIF} < 1.5$, hoàn toàn không xuất hiện hiện tượng đa cộng tuyến.
  4. Phân tích ANOVA nhân khẩu học: Kết quả kiểm định sự khác biệt trung bình cho thấy không có sự khác biệt có ý nghĩa thống kê theo giới tính ($p > 0.05$), nhưng ghi nhận sự khác biệt rõ rệt theo độ tuổi, thu nhập và số năm kinh nghiệm đầu tư ($p < 0.05$): Nhóm nhà đầu tư thế hệ Gen Z/Millennials có xu hướng đặt trọng số cao hơn vào yếu tố Công nghệ/Thuận tiện và Chi phí giao dịch, trong khi nhóm nhà đầu tư lâu năm ưu tiên Năng lực nhân viên tư vấn và Tiềm lực thương hiệu.

Đổi mới và đóng góp khoa học

Đổi mới về mặt lý thuyết và phương pháp luận

  • Tích hợp mô hình liên ngành: Khác với các nghiên cứu trước đây chỉ áp dụng đơn lẻ mô hình SERVQUAL hoặc các lý thuyết hành vi truyền thống, nghiên cứu này tích hợp thành công Thuyết hành vi hoạch định (TPB), Mô hình chấp nhận công nghệ (TAM) và Lý thuyết tín hiệu (Signaling Theory). Điều này phản ánh chính xác thực tế hành vi NĐTCN trong kỷ nguyên số: vừa chịu ảnh hưởng bởi cảm nhận hữu ích/dễ sử dụng của ứng dụng công nghệ, vừa tìm kiếm tín hiệu uy tín từ thương hiệu để giảm thiểu rủi ro tài chính.
  • Xác lập lại thứ bậc tác động: Minh chứng thực nghiệm chỉ ra rằng trong bối cảnh thị trường biến động mạnh, Nhân viên tư vấn ($\beta = 0.284$) và Mức độ an toàn bảo mật ($\beta = 0.261$) đã vươn lên thành hai yếu tố then chốt nhất, vượt qua yếu tố cạnh tranh truyền thống về Chi phí ($\beta = 0.195$).

So sánh với các mô hình nghiên cứu tiền nhiệm

Tiêu chí đối chuẩn Nghiên cứu Nguyễn Hoàng Giang (2016) Nghiên cứu Hoàng Thị Hiền Trang (2016) Mô hình nghiên cứu hiện tại (2023)
Bối cảnh thị trường Giai đoạn phục hồi TTCK sơ khai Đánh giá nội bộ tại CTCK Bảo Việt Giai đoạn bùng nổ nhà đầu tư F0 & Chuyển đổi số
Yếu tố dẫn dắt số 1 Chất lượng dịch vụ chung Uy tín thương hiệu & Vốn Năng lực & Thái độ nhân viên môi giới
Yếu tố an ninh mạng Chưa lượng hóa thành thang đo độc lập Lồng ghép trong hệ thống CNTT Tách biệt thành nhân tố An toàn & Bảo mật (AT)
Giá trị ứng dụng thực tiễn Định hướng chiến lược chung Tối ưu hóa vận hành đơn vị Chiến lược giữ chân đa kênh (Omni-channel Brokerage)

Ứng dụng thực tế và triển khai chiến lược

Dựa trên kết quả định lượng, ban lãnh đạo các CTCK cần triển khai 5 trụ cột chiến lược nhằm tối ưu hóa năng lực cạnh tranh:

                    5 TRỤ CỘT CHIẾN LƯỢC CHO CTCK
  1. Tái cấu trúc và nâng chuẩn đội ngũ môi giới (Hệ số $\beta = 0.284$):
    • Chuyển dịch mô hình từ môi giới đặt lệnh truyền thống sang chuyên viên tư vấn quản lý gia sản (Wealth Advisor).
    • Thiết lập chương trình đào tạo chuẩn quốc tế (CFA, CMT), chuẩn hóa bộ quy tắc ứng xử đạo đức nghề nghiệp và nâng cao kỹ năng lắng nghe, thấu cảm khẩu vị rủi ro của từng phân khúc khách hàng.
  2. Củng cố kiến trúc bảo mật và an toàn hệ thống (Hệ số $\beta = 0.261$):
    • Ứng dụng kiến trúc bảo mật Zero Trust, tích hợp giải pháp xác thực đa yếu tố không mật khẩu (FIDO2 Biometrics) và mã hóa đầu cuối (E2EE) cho toàn bộ phiên giao dịch di động.
    • Đầu tư trung tâm giám sát an ninh mạng (SOC) vận hành $24/7$, cam kết thời gian khắc phục sự cố hệ thống (SLA) $< 5$ phút.
  3. Tối ưu hóa trải nghiệm người dùng đa kênh (Hệ số $\beta = 0.218$):
    • Tối giản hóa quy trình định danh điện tử (eKYC) với tỷ lệ duyệt tự động thành công $> 95%$ trong vòng dưới 3 phút.
    • Thiết kế giao diện đặt lệnh trực quan, mượt mà trên ứng dụng di động; tinh gọn hóa thủ tục nộp/rút tiền liên ngân hàng theo thời gian thực (Real-time 24/7).
  4. Chiến lược giá phí thông minh (Hệ số $\beta = 0.195$):
    • Áp dụng chính sách phí linh hoạt: Cung cấp gói giao dịch miễn phí (Zero-fee) cho nhà đầu tư chủ động tự giao dịch qua nền tảng số, kết hợp gói phí dịch vụ gia tăng chuyên biệt cho nhà đầu tư cần tư vấn 1-1.
    • Minh bạch hóa biểu lãi suất vay ký quỹ (Margin) với các gói ưu đãi phân tầng theo dư nợ và kỳ hạn.
  5. Định vị và khuếch đại giá trị thương hiệu (Hệ số $\beta = 0.162$):
    • Nâng cao năng lực tài chính, công khai minh bạch tỷ lệ an toàn tài chính (CAR) và báo cáo tài chính được kiểm toán bởi các tổ chức Big 4.
    • Tăng cường truyền thông thương hiệu thông qua các báo cáo phân tích ngành chuyên sâu và chương trình phổ cập kiến thức tài chính cộng đồng.

Hạn chế và hướng phát triển

Hạn chế học thuật

  • Phương pháp lấy mẫu: Áp dụng phương pháp lấy mẫu thuận tiện phi xác suất với quy mô $N = 158$, tập trung chủ yếu tại khu vực địa lý TP.HCM nên tính khái quát hóa cho toàn bộ thị trường Việt Nam (bao gồm khu vực Hà Nội và các tỉnh thành khác) có phần giới hạn.
  • Bản chất dữ liệu: Dữ liệu khảo sát cắt ngang (Cross-sectional data) phản ánh nhận thức của nhà đầu tư tại thời điểm quý 2/2023, chưa đo lường được sự biến động tâm lý xuyên suốt chu kỳ thị trường (Bull market vs. Bear market).

Hướng nghiên cứu mở rộng

  • Mở rộng cỡ mẫu ($N \ge 500$) trên phạm vi toàn quốc, áp dụng phương pháp chọn mẫu phân tầng ngẫu nhiên (Stratified Random Sampling).
  • Sử dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để phân tích các mối quan hệ trung gian (như Sự hài lòng, Lòng tin) và các biến điều tiết (như Kinh nghiệm đầu tư, Khẩu vị rủi ro).
  • Ứng dụng mô hình Machine Learning (Random Forest, XGBoost) trên dữ liệu Log hành vi thực tế (Clickstream Data) của ứng dụng giao dịch để dự báo chính xác tỷ lệ rời bỏ dịch vụ (Churn Rate).

Đối tượng hưởng lợi từ công trình

  • Sinh viên & Học viên cao học: Cung cấp mẫu nghiên cứu thực nghiệm hoàn chỉnh, từ quy trình xây dựng thang đo, thiết kế bảng hỏi đến phân tích kinh tế lượng chuẩn mực trên SPSS.
  • Nhà phát triển sản phẩm Fintech: Nắm bắt chính xác các yêu cầu phi chức năng (Non-functional Requirements) về an toàn, bảo mật và tính thuận tiện mà NĐTCN kỳ vọng trên ứng dụng chứng khoán.
  • Ban điều hành & Giám đốc Marketing CTCK: Sở hữu cơ sở định lượng vững chắc để phân bổ ngân sách tối ưu giữa việc phát triển đội ngũ tư vấn, nâng cấp hạ tầng CNTT và triển khai các chiến dịch truyền thông thương hiệu.
  • Nhà nghiên cứu kinh tế: Cung cấp tài liệu tham khảo có giá trị về cấu trúc thị trường chứng khoán Việt Nam trong giai đoạn chuyển đổi số.

Câu hỏi thường gặp

1. Tại sao yếu tố "Nhân viên" vẫn có trọng số tác động cao nhất trong thời đại số hóa mạnh mẽ?

Mặc dù công nghệ hỗ trợ đặt lệnh tự động, chứng khoán là thị trường có độ biến động và rủi ro vốn rất cao. Khi thị trường xuất hiện rung lắc hoặc điều chỉnh mạnh, NĐTCN rơi vào trạng thái bất an tâm lý và có nhu cầu cấp thiết cần sự tham vấn chuyên môn, quản trị cảm xúc và định hướng danh mục từ các chuyên gia tư vấn có năng lực thực chiến cao.

2. Mô hình có gặp hiện tượng đa cộng tuyến khi các biến độc lập đều có tương quan dương không?

Không. Tất cả các hệ số phóng đại phương sai (VIF) trong phân tích hồi quy thực nghiệm đều ghi nhận giá trị $< 1.50$, thấp hơn rất nhiều so với ngưỡng cảnh báo lý thuyết là $10.0$ (hoặc ngưỡng thận trọng là $2.0$). Điều này chứng minh 5 biến độc lập hoàn toàn phân biệt và không xảy ra hiện tượng đa cộng tuyến.

3. Cỡ mẫu 158 quan sát có đủ độ tin cậy để đại diện cho NĐTCN tại TP.HCM?

Theo các tiêu chuẩn học thuật của Hair et al. (2009) ($N \ge 5 \times 19 = 95$) và Tabachnick & Fidell (1996) ($N \ge 50 + 8 \times 5 = 90$), cỡ mẫu $N = 158$ hoàn toàn đáp ứng đầy đủ yêu cầu khắt khe để triển khai phân tích EFA và hồi quy OLS đa biến với độ tin cậy thống kê đạt $95%$.

4. CTCK quy mô nhỏ với nguồn vốn hạn chế nên ưu tiên đầu tư vào yếu tố nào trước?

Nên tập trung tối ưu hóa Chính sách nhân sự tư vấn chuyên sâu kết hợp với Sự thuận tiện của nền tảng số (tận dụng các giải pháp Cloud/SaaS sẵn có). Đây là hai yếu tố mang lại tác động mạnh đến quyết định của khách hàng nhưng không đòi hỏi nguồn vốn đầu tư khổng lồ như việc xây dựng thương hiệu đại trà.

5. Kết quả nghiên cứu có thể áp dụng cho thị trường giao dịch tiền mã hóa (Crypto) hoặc Forex không?

Về mặt khung lý thuyết (TPB, TAM, Signaling Theory), mô hình hoàn toàn có thể tái sử dụng. Tuy nhiên, các biến quan sát liên quan đến pháp lý thương hiệu và chi phí ký quỹ sẽ cần được điều chỉnh để phù hợp với đặc thù giao dịch phi tập trung và tính chất pháp lý của từng loại tài sản.

Kết luận

Công trình nghiên cứu đã giải quyết trọn vẹn bài toán xác định và định lượng các yếu tố chi phối quyết định lựa chọn công ty chứng khoán của nhà đầu tư cá nhân tại TP. Hồ Chí Minh. Kết quả thực nghiệm khẳng định cả 5 nhân tố: Nhân viên ($\beta = 0.284$), Mức độ an toàn và bảo mật ($\beta = 0.261$), Sự thuận tiện ($\beta = 0.218$), Chi phí ($\beta = 0.195$), và Thương hiệu ($\beta = 0.162$) đều có tác động tích cực và có ý nghĩa thống kê đến quyết định lựa chọn ($R^2_{adj} = 58.2%$).

Phát hiện này cung cấp luận cứ khoa học thực tiễn vững chắc: Trong kỷ nguyên cạnh tranh khốc liệt, CTCK nào kiến tạo được mô hình kết hợp hài hòa giữa Năng lực tư vấn con người đỉnh cao (High-touch) và Hạ tầng công nghệ bảo mật, mượt mà (High-tech) sẽ chiếm lĩnh thị phần môi giới và phát triển bền vững trên thị trường tài chính Việt Nam.