Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH

Chia sẻ chuyên mục Đề Tài Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH hay nhất năm 2026 cho các bạn học viên ngành đang làm luận văn thạc sĩ tham khảo nhé. Với những bạn chuẩn bị làm bài luận văn tốt nghiệp thì rất khó để có thể tìm hiểu được một đề tài hay, đặc biệt là các bạn học viên đang chuẩn bị bước vào thời gian lựa chọn đề tài làm luận văn thì với đề tài Luận Văn: Ảnh hưởng của Fintech đến tỷ suất lợi nhuận của các ngân hàng thương mại tại Việt Nam dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.

Chương này trình bày và diễn giải các kết quả phân tích định lượng đã được thực hiện nhằm đạt được mục tiêu nghiên cứu đề ra: đánh giá tác động của Fintech đến tỷ suất lợi nhuận của các NHTM tại Việt Nam. Các phân tích và kiểm định kinh tế lượng được xây dựng dựa trên cơ sở lý thuyết và mô hình nghiên cứu đã được trình bày ở Chương 2 và Chương 3.

Để thực hiện mục tiêu này, nghiên cứu sử dụng dữ liệu bảng (panel data) thu thập từ báo cáo tài chính hợp nhất của 25 NHTM Việt Nam trong giai đoạn từ năm 2015 đến năm 2024, với tổng số 250 quan sát. Các kết quả thống kê mô tả, phân tích tương quan, kiểm định các giả định của mô hình, kết quả ước lượng mô hình hồi quy và thảo luận chi tiết về các phát hiện sẽ được trình bày tuần tự trong chương này. Trọng tâm của chương là làm rõ mối quan hệ giữa chi phí đầu tư vào Fintech (FT) và Tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE) của các NHTM, đồng thời xem xét ảnh hưởng của các yếu tố khác như quy mô ngân hàng (SIZE), tỷ lệ an toàn vốn tối thiểu (CAR), tỷ lệ vốn chủ sở hữu trên tổng tài sản (CAP), tỷ lệ chi phí trên thu nhập (CIR) và tỷ lệ nợ xấu (NPL). Các kết quả này sẽ là cơ sở để đưa ra những kết luận và hàm ý chính sách ở chương tiếp theo.

4.1 Tổng quan thị trường Fintech tại Việt Nam giai đoạn 2015 – 2024

Theo WEF (2017) các sản phẩm của Fintech thường được áp dụng trong các lĩnh vực như: (i) Thanh toán; (ii) Huy động vốn; (iii) Cho vay; (iv) Đầu tư quản lý tài sản; (v) Bảo hiểm… Tại Việt Nam hiện nay, các ứng dụng Fintech chủ yếu tập trung tại các dịch vụ như: (i) Thanh toán; (ii) Cho vay ngang hàng (P2P Lending) và (iii) Quản lý tài chính cá nhân.

• Thanh toán

MoMo: một trong những nền tảng ví điện tử và thanh toán di động hàng đầu tại Việt Nam, MoMo đã không chỉ tạo ra một cách thức thanh toán mới mẻ mà còn đóng vai trò quan trọng trong sự chuyển mình của ngành tài chính Việt Nam, đặc biệt trong bối cảnh chuyển đổi số và sự phát triển mạnh mẽ của Fintech. MoMo mang đến một hệ sinh thái dịch vụ tài chính toàn diện, từ các giao dịch cơ bản như chuyển tiền, thanh toán hóa đơn, nạp tiền điện thoại, đến các dịch vụ phức tạp hơn như đầu tư tài chính, mua bảo hiểm, vé máy bay và khách sạn. Sự linh hoạt và tiện lợi của MoMo không chỉ làm phong phú thêm các dịch vụ tài chính cho người dùng mà còn giúp người sử dụng dễ dàng tiếp cận các dịch vụ mà không cần đến tiền mặt hay phải giao dịch trực tiếp tại các điểm bán.

Việc phát triển và triển khai MoMo có thể được phân tích dưới nhiều khía cạnh khác nhau, trong đó phải kể đến có sự tác động của nó đối với các yếu tố tài chính toàn diện, sự phát triển của ngành Fintech và tác động đối với hành vi người tiêu dùng trong nền kinh tế số. Trước hết, MoMo góp phần đáng kể vào việc thúc đẩy tài chính toàn diện tại Việt Nam. Tài chính toàn diện (financial inclusion) là khái niệm mô tả việc tất cả các cá nhân và doanh nghiệp có thể tiếp cận và sử dụng các dịch vụ tài chính chất lượng với chi phí hợp lý. Trong bối cảnh Việt Nam, với tỷ lệ người dân chưa được tiếp cận đầy đủ với các dịch vụ ngân hàng truyền thống, sự xuất hiện của MoMo đóng vai trò cầu nối quan trọng giữa các nhóm dân cư và các dịch vụ tài chính. Đặc biệt, MoMo đã khai thác hiệu quả sự phát triển của điện thoại thông minh và mạng Internet để tiếp cận một lượng lớn người dân ở những khu vực chưa có cơ hội sử dụng dịch vụ ngân hàng truyền thống, từ đó giúp họ gia tăng khả năng tiếp cận tài chính và cải thiện chất lượng cuộc sống. Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Với những thành tựu đã đạt được, MoMo có thể được xem là một minh chứng rõ ràng cho tiềm năng phát triển của Fintech trong việc thúc đẩy nền kinh tế số và tài chính toàn diện tại Việt Nam. Tuy nhiên, để duy trì và mở rộng sự phát triển này, MoMo cần tiếp tục cải tiến và đổi mới các dịch vụ, đồng thời tăng cường các biện pháp bảo mật và đối phó với các thách thức về bảo vệ thông tin người dùng trong môi trường số. Những cải tiến này sẽ giúp MoMo không chỉ giữ vững được vị thế của mình mà còn tạo ra những giá trị bền vững cho nền kinh tế số Việt Nam trong tương lai.

ZaloPay: một trong những ví điện tử phổ biến tại Việt Nam, đã đóng vai trò quan trọng trong việc thúc đẩy ngành Fintech. Được phát triển bởi Zalo, một ứng dụng nhắn tin rộng rãi, ZaloPay kết hợp giữa công nghệ tiên tiến và sự tích hợp trong hệ sinh thái người dùng của Zalo, mang lại một nền tảng thanh toán di động tiện lợi, an toàn và dễ sử dụng. Ứng dụng này không chỉ cung cấp các dịch vụ thanh toán cơ bản như chuyển tiền, thanh toán hóa đơn điện, nước, nạp tiền điện thoại mà còn mở rộng các dịch vụ tài chính như gửi tiết kiệm, vay tiêu dùng, mua sắm trực tuyến và thanh toán tại các điểm bán lẻ qua mã QR. Sự tiện lợi và giao diện thân thiện của ZaloPay đã giúp ứng dụng này nhanh chóng thu hút hàng triệu người dùng, đặc biệt là giới trẻ và người dân thành thị, làm thay đổi thói quen thanh toán của họ từ tiền mặt sang hình thức thanh toán không dùng tiền mặt.

ZaloPay cũng đóng góp vào việc thúc đẩy tài chính toàn diện ở Việt Nam. Khi nhiều người dân ở khu vực nông thôn hoặc các đối tượng chưa có tài khoản ngân hàng chưa thể tiếp cận các dịch vụ tài chính truyền thống, ZaloPay đã mở ra cơ hội sử dụng dịch vụ tài chính qua điện thoại di động. Việc sử dụng ZaloPay không chỉ giúp người dùng thực hiện các giao dịch dễ dàng mà còn tạo ra một môi trường tài chính số, từ đó giảm bớt sự phụ thuộc vào tiền mặt và các dịch vụ tài chính truyền thống. Mặc dù vậy, việc phát triển các dịch vụ tài chính phức tạp hơn, chẳng hạn như cho vay tiêu dùng và gửi tiết kiệm, đòi hỏi ZaloPay phải xây dựng các hệ thống quản lý rủi ro hiệu quả và bảo vệ quyền lợi người dùng.

ZaloPay đã và đang trở thành một phần không thể thiếu trong hệ sinh thái tài chính số tại Việt Nam. Bằng cách kết hợp công nghệ tiên tiến với một hệ sinh thái rộng lớn và dễ tiếp cận, ZaloPay đã giúp người tiêu dùng tiếp cận các dịch vụ tài chính nhanh chóng và tiện lợi, đồng thời thúc đẩy tài chính toàn diện. Tuy nhiên, để duy trì sự phát triển bền vững, ZaloPay cần tiếp tục cải tiến các tính năng bảo mật, quản lý rủi ro, đồng thời mở rộng và nâng cao chất lượng các dịch vụ tài chính mà mình cung cấp.

Ngoài ra, trên thị trường hiện nay còn có một số sản phẩm thanh toán khác được cung ứng bởi các công ty Fintech như Vcash, Payoo, VinaPay. Những nền tảng này không chỉ đóng vai trò quan trọng trong việc tạo ra các giải pháp thanh toán tiện lợi và an toàn mà còn thúc đẩy quá trình chuyển đổi số trong nền kinh tế. Vcash, Payoo và VinaPay đều áp dụng các công nghệ tiên tiến như dữ liệu lớn, trí tuệ nhân tạo và bảo mật đa lớp để tối ưu hóa trải nghiệm người dùng và đảm bảo sự an toàn trong các giao dịch tài chính. Các dịch vụ mà những nền tảng này cung cấp không chỉ giới hạn ở việc thanh toán hóa đơn, chuyển tiền, mà còn mở rộng sang các dịch vụ như nạp tiền điện thoại, thanh toán tại các cửa hàng bán lẻ, và thậm chí là các dịch vụ tài chính như cho vay tiêu dùng và gửi tiết kiệm. Trong bối cảnh người tiêu dùng ngày càng đòi hỏi sự tiện lợi và nhanh chóng trong các giao dịch, các sản phẩm thanh toán này không chỉ giúp gia tăng tính cạnh tranh trên thị trường mà còn góp phần quan trọng vào việc thúc đẩy tài chính toàn diện, giảm sự phụ thuộc vào tiền mặt và tạo dựng một nền tảng thanh toán số toàn diện cho người dân. Tuy nhiên, sự cạnh tranh giữa các nền tảng Fintech này cũng tạo ra những thách thức nhất định, đòi hỏi các công ty phải liên tục đổi mới và nâng cao các tính năng bảo mật, đồng thời phát triển các dịch vụ tài chính phù hợp với nhu cầu của người tiêu dùng.

• Cho vay ngang hàng (P2P Lending) Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Tima: một nền tảng công nghệ tài chính tại Việt Nam, nổi bật trong lĩnh vực cho vay tiêu dùng trực tuyến, góp phần quan trọng vào việc thúc đẩy tài chính toàn diện và chuyển đổi số trong nền kinh tế. Được phát triển nhằm cung cấp các giải pháp tài chính linh hoạt và dễ tiếp cận, Tima không chỉ phục vụ cho người tiêu dùng cá nhân mà còn hỗ trợ các đối tượng chưa tiếp cận được với các dịch vụ tài chính truyền thống, đặc biệt là các nhóm khách hàng có thu nhập thấp hoặc không có tài khoản ngân hàng. Tima sử dụng công nghệ tiên tiến để cung cấp các dịch vụ cho vay trực tuyến với quy trình nhanh chóng, đơn giản và dễ dàng, giúp giảm thiểu rào cản trong việc tiếp cận tín dụng của người dân.

Tima có thể được phân tích qua các yếu tố như tác động đến tài chính toàn diện, mô hình cho vay và quản lý rủi ro, cũng như sự ứng dụng của công nghệ trong việc cải thiện trải nghiệm người dùng. Tima đặc biệt chú trọng đến việc sử dụng dữ liệu lớn và trí tuệ nhân tạo để đánh giá khả năng trả nợ của người vay, từ đó đưa ra các quyết định cho vay chính xác hơn và giảm thiểu rủi ro tín dụng. Mô hình cho vay của Tima không chỉ linh hoạt mà còn tạo ra cơ hội cho người tiêu dùng tiếp cận nguồn vốn một cách nhanh chóng mà không cần phải qua các thủ tục phức tạp của hệ thống ngân hàng truyền thống.

• Quản lý tài chính cá nhân: Money Lover, BankGo

Money Lover: một ứng dụng quản lý tài chính cá nhân phổ biến tại Việt Nam, đã đóng góp quan trọng vào việc nâng cao nhận thức và kỹ năng tài chính cho người dùng thông qua các công cụ quản lý chi tiêu, lập kế hoạch ngân sách và theo dõi các khoản đầu tư. Được thiết kế để giúp người tiêu dùng quản lý tài chính cá nhân một cách dễ dàng và hiệu quả, Money Lover cung cấp các tính năng như ghi chép chi tiêu, phân loại giao dịch, lập ngân sách tự động, và cung cấp các báo cáo tài chính chi tiết. Sự tiện dụng và giao diện thân thiện của ứng dụng này đã khiến nó trở thành một công cụ hữu ích đối với một lượng lớn người dùng, đặc biệt là những người có thu nhập trung bình và thấp hoặc những người mới bắt đầu tìm hiểu về quản lý tài chính cá nhân. Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Money Lover có thể được phân tích thông qua việc ứng dụng các nguyên lý quản lý tài chính cá nhân, sự tích hợp công nghệ vào quá trình hoạch định tài chính và ảnh hưởng của nó đối với hành vi tài chính của người tiêu dùng. Việc sử dụng ứng dụng giúp người dùng chủ động hơn trong việc theo dõi chi tiêu, từ đó thúc đẩy họ thực hiện các quyết định tài chính hợp lý hơn và tránh được tình trạng chi tiêu vượt mức. Money Lover cũng tận dụng dữ liệu lớn để phân tích thói quen chi tiêu của người dùng, từ đó cung cấp các lời khuyên và cảnh báo phù hợp, giúp tối ưu hóa ngân sách cá nhân.

BankGo: một nền tảng Fintech được phát triển nhằm cung cấp các dịch vụ tài chính điện tử, đã góp phần quan trọng vào sự phát triển của ngành ngân hàng số tại Việt Nam. BankGo cung cấp một loạt các dịch vụ tài chính như chuyển tiền, thanh toán hóa đơn, gửi tiết kiệm, và vay tiêu dùng, tất cả đều có thể thực hiện trực tuyến thông qua ứng dụng di động. Sự kết hợp giữa công nghệ số và các dịch vụ ngân hàng truyền thống đã tạo ra một nền tảng tiện lợi, giúp người tiêu dùng dễ dàng tiếp cận các sản phẩm tài chính mà không cần phải đến ngân hàng truyền thống. Với giao diện thân thiện và tính năng tự động hóa cao, BankGo không chỉ đơn thuần là công cụ thanh toán mà còn đóng vai trò như một giải pháp tài chính toàn diện cho người dùng.

BankGo có thể được phân tích qua các yếu tố như sự đổi mới trong cung cấp dịch vụ tài chính, ảnh hưởng đến hành vi tài chính của người tiêu dùng, và tác động đến sự phát triển của ngân hàng số và tài chính toàn diện. Việc cung cấp các dịch vụ ngân hàng trực tuyến đã giúp giảm thiểu chi phí và thời gian giao dịch, đồng thời tăng cường khả năng tiếp cận tài chính cho những đối tượng người dùng chưa được phục vụ đầy đủ bởi các ngân hàng truyền thống. Điều này đặc biệt quan trọng trong bối cảnh tài chính toàn diện, khi mà nhiều người dân, đặc biệt là ở khu vực nông thôn hoặc vùng sâu vùng xa, chưa thể tiếp cận dịch vụ ngân hàng.

Sự phát triển đa dạng các sản phẩm của Fintech không chỉ thúc đẩy cạnh tranh lành mạnh, mà còn tạo điều kiện cho người tiêu dùng có thêm lựa chọn phù hợp với nhu cầu, đồng thời góp phần mở rộng phạm vi tiếp cận tài chính đến nhiều đối tượng, đặc biệt là tại các khu vực nông thôn, vùng sâu vùng xa. Tuy còn gặp phải nhiều thách thức về sự tin tưởng của người dùng, mức độ chấp nhận từ thị trường và yêu cầu về tuân thủ pháp lý, nhưng sự hiện diện ngày càng đông đảo của các sản phẩm này cho thấy tiềm năng to lớn của ngành Fintech tại Việt Nam trong việc hiện đại hóa hệ thống tài chính, thúc đẩy tiêu dùng số và tiến tới xây dựng một xã hội không dùng tiền mặt.

4.2 Kiểm định tính vững chắc của kết quả và lựa chọn mô hình phù hợp Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Để đánh giá một cách toàn diện tính vững chắc của các kết quả, Bảng 4.8 dưới đây trình bày song song các ước lượng từ mô hình Tác động Cố định với sai số chuẩn mạnh mẽ theo cụm (FEM-Robust), mô hình Bình phương tối thiểu tổng quát khả thi (FGLS) và mô hình Hệ thống GMM (SGMM). Việc đối chiếu này cho phép so sánh không chỉ về dấu và ý nghĩa thống kê của các hệ số hồi quy mà còn về độ lớn của chúng, cũng như các kiểm định chẩn đoán quan trọng của từng mô hình.

• Bảng 4.1: Kết quả Ước lượng So sánh cho ROE: Mô hình FEM-Robust, FGLS, và Hệ thống GMM (SGMM)

Việc phân tích so sánh các kết quả từ ba mô hình (FEM-Robust, FGLS và SGMM) tập trung vào biến quan tâm chính là Fintech (FT) và các biến độc lập khác.

Tác động của Fintech (FT) đến ROE: Kết quả từ ba mô hình cho thấy sự khác biệt đáng kể khi xem xét mô hình SGMM. Trong mô hình FEM-Robust, hệ số của FT là -0.00420 (p < 0.01) và mô hình FGLS cho hệ số là -0.00246 (p < 0.01), đều cho thấy tác động ngược chiều và có ý nghĩa thống kê. Tuy nhiên, mô hình SGMM, sau khi kiểm soát tính động của ROE (thông qua biến L.ROE) và các vấn đề nội sinh tiềm ẩn, cho thấy hệ số của FT là -0.00095 nhưng không còn ý nghĩa thống kê (p = 0.423).

Sự thay đổi này là một phát hiện quan trọng. Việc SGMM, một mô hình được thiết kế để xử lý nội sinh, chỉ ra rằng FT không có tác động ý nghĩa thống kê lên ROE gợi ý rằng kết luận ban đầu từ FEM-Robust và FGLS có thể bị ảnh hưởng bởi các yếu tố nội sinh hoặc tính động mà SGMM đã điều chỉnh. Mặc dù dấu của hệ số vẫn âm trong SGMM, việc mất ý nghĩa thống kê cho thấy lập luận về tác động ngược chiều của chi phí đầu tư vào Fintech lên lợi nhuận ban đầu cần được xem xét cẩn trọng hơn. Điều này có thể ngụ ý rằng, sau khi kiểm soát các yếu tố phức tạp hơn, tác động trực tiếp của FT trong giai đoạn nghiên cứu (2015 – 2024) lên ROE là không rõ ràng hoặc không đủ mạnh để tạo ra sự khác biệt có ý nghĩa thống kê. Nếu kết quả SGMM trước đó là giả định và cho thấy FT vẫn có ý nghĩa, thì sự vững chắc sẽ được khẳng định. Tuy nhiên, với kết quả thực tế này, tác động của FT trở nên kém vững chắc hơn khi sử dụng các kỹ thuật ước lượng tiên tiến hơn.

IHS_SIZE (Quy mô ngân hàng): Biến này duy trì tác động thuận chiều và có ý nghĩa thống kê cao (p < 0.01) trong mô hình FEM-Robust (9.415) và FGLS (8.590). Tuy nhiên, trong mô hình SGMM, IHS_SIZE có hệ số là -1.731512 và có ý nghĩa thống kê ở mức 5% (p = 0.042), cho thấy một tác động ngược chiều. Sự thay đổi dấu và ý nghĩa này so với hai mô hình còn lại là một điểm đáng chú ý, gợi ý rằng sau khi kiểm soát nội sinh và tính động, các ngân hàng lớn hơn có thể đối mặt với những thách thức khác ảnh hưởng ngược chiều đến ROE, hoặc có thể có các vấn đề liên quan đến đặc tả mô hình hoặc lựa chọn công cụ cần xem xét thêm. Điều này trái ngược với kỳ vọng về lợi thế kinh tế theo quy mô.

CAR (Tỷ lệ an toàn vốn tối thiểu): Biến này không có ý nghĩa thống kê trong cả ba mô hình (FEM-Robust, FGLS, và SGMM với p = 0.800), cho thấy trong phạm vi mẫu và giai đoạn nghiên cứu, CAR không phải là yếu tố quyết định mạnh mẽ đến ROE sau khi đã kiểm soát các yếu tố khác. Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

CAP (Tỷ lệ vốn chủ sở hữu trên tổng tài sản): Kết quả của CAP không nhất quán. Biến này không có ý nghĩa trong FEM-Robust. Trong mô hình FGLS, CAP có ý nghĩa thống kê ở mức 1% (tác động dương). Trong mô hình SGMM, CAP có hệ số -0.09094 và không có ý nghĩa thống kê (p = 0.141). Việc SGMM không tìm thấy tác động có ý nghĩa cho CAP (và thậm chí đổi dấu so với FGLS) gợi ý rằng ảnh hưởng của nó lên ROE có thể không mạnh mẽ hoặc phức tạp hơn khi đã kiểm soát nội sinh và tính động.

CIR (Tỷ lệ chi phí trên thu nhập): Tương tự CAR, CIR không có ý nghĩa thống kê trong cả ba mô hình (trong SGMM, p = 0.371). Tác động ngược chiều của CIR lên ROE có tồn tại nhưng khá yếu. Nó chỉ xuất hiện có ý nghĩa thống kê (ở mức 10%) trong mô hình FGLS nhưng không đủ mạnh để duy trì khi chuyển sang mô hình FEM-Robust hoặc khi kiểm soát vấn đề nội sinh trong mô hình SGMM.

Tác động của NPL (Tỷ lệ nợ xấu) rất rõ ràng trong các mô hình tĩnh. Nó cho thấy tác động âm và có ý nghĩa thống kê trong cả mô hình FEM-Robust (mức 5%) và FGLS (mức 1%). Tuy nhiên, một điểm đáng chú ý là khi chuyển sang mô hình động SGMM để kiểm soát vấn đề nội sinh, tác động này đã hoàn toàn biến mất (p = 0.249). Điều này củng cố mạnh mẽ cho kết luận rằng ảnh hưởng của chất lượng tài sản lên ROE có thể không mạnh mẽ và trực tiếp như các mô hình tĩnh chỉ ra, một khi các yếu tố phức tạp như tính động và nội sinh được xem xét.

Nhìn chung, việc so sánh ba mô hình với kết quả SGMM thực tế cho thấy biến L.ROE có tác động nhất quán và mạnh mẽ. Tuy nhiên, biến quan tâm chính FT mất ý nghĩa thống kê trong SGMM, và biến quy mô IHS_SIZE đổi dấu và vẫn có ý nghĩa, đặt ra những câu hỏi mới. Đối với các biến kiểm soát khác, kết quả vẫn có phần nhạy cảm với lựa chọn mô hình. Điều này nhấn mạnh tầm quan trọng của việc sử dụng nhiều phương pháp ước lượng và xem xét cẩn trọng các kiểm định chẩn đoán, đặc biệt là đối với SGMM, để có được bức tranh toàn diện và giải thích sự khác biệt giữa các mô hình.

Mặc dù mô hình FEM-Robust và FGLS cung cấp những cái nhìn ban đầu và một số biến nhất quán về dấu và ý nghĩa, mô hình SGMM tỏ ra ưu việt hơn về mặt lý thuyết để giải quyết các vấn đề nội sinh và tính động vốn thường gặp trong các nghiên cứu về tỷ suất lợi nhuận của ngân hàng. Quan trọng hơn, các kiểm định chẩn đoán của mô hình SGMM (AR (2) và Hansen test) đều cho thấy mô hình được đặc tả tốt và các công cụ sử dụng là hợp lệ.

Do đó, dù kết quả của biến Fintech (FT) mất đi ý nghĩa thống kê và biến IHS_SIZE đổi dấu khi chuyển sang SGMM, những kết quả này được coi là vững chắc hơn và đáng tin cậy hơn do SGMM đã kiểm soát được các yếu tố gây nhiễu tiềm ẩn mà FEM và FGLS có thể chưa xử lý triệt để. Sự thay đổi trong kết quả của FT khi sử dụng SGMM chính là một phát hiện quan trọng, cho thấy tác động của Fintech lên ROE có thể phức tạp hơn và bị ảnh hưởng bởi các yếu tố nội sinh.

Vì vậy, mô hình Hệ thống GMM (SGMM) được lựa chọn là mô hình phù hợp nhất để đưa ra các kết luận và hàm ý chính sách trong nghiên cứu này. Các phân tích và thảo luận sâu hơn về ý nghĩa của các kết quả sẽ dựa trên ước lượng từ mô hình SGMM.

4.3 Tóm tắt các kết quả nghiên cứu chính Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Phần này trình bày một cách cô đọng và hệ thống những phát hiện quan trọng nhất từ phân tích định lượng ở Chương 4, tạo nền tảng vững chắc cho các phần thảo luận và kiến nghị tiếp theo. Các kết quả được tóm lược dựa trên mô hình ước lượng cuối cùng và đáng tin cậy nhất đã được lựa chọn.

4.3.1 Bối cảnh và phương pháp nghiên cứu

Luận văn được thực hiện với mục tiêu cốt lõi là đánh giá tác động của công nghệ tài chính (Fintech) đến Tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE), một thước đo tỷ suất lợi nhuận quan trọng của các NHTM tại Việt Nam. Dữ liệu nghiên cứu là dữ liệu bảng không cân bằng, bao gồm 25 NHTM trong giai đoạn kéo dài một thập kỷ từ năm 2015 đến năm 2024, với tổng số 250 quan sát.

Để đảm bảo tính khoa học và độ tin cậy của kết quả, luận văn đã thực hiện một quy trình lựa chọn mô hình kinh tế lượng nghiêm ngặt. Ban đầu, thông qua so sánh các mô hình ước lượng cơ bản cho dữ liệu bảng, bao gồm mô hình Hồi quy gộp (Pooled OLS), mô hình Tác động Cố định (FEM) và mô hình Tác động Ngẫu nhiên (REM), các kiểm định đặc tả đã được tiến hành. Kết quả từ kiểm định F (Prob > F = 0.0000) và kiểm định Hausman (Prob > chi2 = 0.0000) đã cung cấp bằng chứng thống kê mạnh mẽ để khẳng định mô hình Tác động Cố định (FEM) là phù hợp hơn cả trong việc kiểm soát các yếu tố đặc thù không đổi theo thời gian của từng ngân hàng. Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Tuy nhiên, nhận thấy những hạn chế của các mô hình tĩnh trong việc xử lý các vấn đề kinh tế lượng phức tạp, đặc biệt là tính bền vững (tính động) của biến lợi nhuận và vấn đề nội sinh tiềm ẩn giữa các biến, nghiên cứu đã tiến đến sử dụng phương pháp ước lượng tiên tiến hơn. Sau khi so sánh kết quả từ các mô hình FEM-Robust, FGLS và GMM Hệ thống (SGMM), mô hình GMM Hệ thống hai bước (two-step System GMM) đã được lựa chọn là phương pháp ước lượng phù hợp và đáng tin cậy nhất. Lựa chọn này được củng cố bởi việc mô hình SGMM đã vượt qua thành công các kiểm định chẩn đoán quan trọng: không có sự hiện diện của tự tương quan bậc hai trong sai số đã lấy sai phân (kết quả kiểm định AR (2) có P-value = 0.665), và các biến công cụ được sử dụng là hợp lệ (kết quả kiểm định Hansen có P-value = 0.112). Việc áp dụng phương pháp luận ưu việt này đảm bảo rằng các kết luận cuối cùng của luận văn được xây dựng trên một nền tảng kinh tế lượng vững chắc.

4.3.2 Phát hiện về tác động của Fintech (FT) đến Tỷ suất lợi nhuận (ROE)

Tác động của chi phí đầu tư vào Fintech (được đo bằng biến FT) lên ROE là một trong những phát hiện đa chiều và đáng chú ý nhất của luận văn. Kết quả từ các mô hình ước lượng ban đầu cho thấy một bức tranh tương đối nhất quán. Cụ thể, cả mô hình Tác động Cố định với sai số chuẩn mạnh mẽ (FEM-Robust) và mô hình Bình phương tối thiểu tổng quát khả thi (FGLS) đều chỉ ra rằng chi phí đầu tư vào Fintech có tác động ngược chiều và có ý nghĩa thống kê đến ROE.

Tuy nhiên, một phát hiện then chốt và mang tính quyết định đã xuất hiện khi áp dụng mô hình GMM Hệ thống (SGMM). Sau khi kiểm soát đồng thời tính động của lợi nhuận (thông qua biến trễ L.ROE) và các vấn đề nội sinh tiềm ẩn, tác động của biến FT, mặc dù vẫn mang dấu âm, nhưng đã không còn ý nghĩa thống kê (hệ số -0.00095, P-value = 0.423). Đây là kết luận cuối cùng và vững chắc nhất của mô hình, cho thấy một thực tế phức tạp hơn so với các phân tích ban đầu. Sự thay đổi này ngụ ý rằng, trong giai đoạn 2015 – 2024, sau khi loại bỏ các yếu tố gây nhiễu, tác động ròng của chi phí đầu tư vào Fintech lên lợi nhuận của các NHTM Việt Nam là không rõ ràng về mặt thống kê.

4.3.3 Phát hiện về tác động của Quy mô ngân hàng (IHS_SIZE) đến ROE Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Tương tự như biến Fintech, tác động của quy mô ngân hàng (được đo bằng biến IHS_SIZE) cũng cho thấy một sự thay đổi đáng kể và có phần nghịch lý giữa các mô hình ước lượng. Trong các mô hình tĩnh như FEM-Robust và FGLS, quy mô ngân hàng thể hiện một tác động thuận chiều và có ý nghĩa thống kê cao đến ROE, phù hợp với kỳ vọng ban đầu về lợi thế kinh tế theo quy mô.

Tuy nhiên, một trong những phát hiện quan trọng và thách thức nhất của luận văn đến từ kết quả của mô hình GMM Hệ thống. Trong mô hình này, sau khi đã kiểm soát các yếu tố phức tạp, quy mô ngân hàng lại cho thấy một tác động ngược chiều và có ý nghĩa thống kê đến ROE (hệ số -1.73151, P-value = 0.042). Sự đảo ngược dấu này so với các mô hình tĩnh và kỳ vọng lý thuyết truyền thống là một kết quả quan trọng, gợi ý về sự tồn tại của “tính phi kinh tế theo quy mô” trong bối cảnh chuyển đổi số tại các NHTM Việt Nam.

4.3.4 Phát hiện về các yếu tố tác động khác

Kết quả từ mô hình GMM Hệ thống đã khẳng định mạnh mẽ tính bền vững hay “tính ì” của lợi nhuận trong ngành ngân hàng. Biến trễ bậc một của ROE (L.ROE) có hệ số ước lượng là 1.13098 và có ý nghĩa thống kê ở mức cao nhất (1%), cho thấy tỷ suất lợi nhuận của năm trước là một yếu tố dự báo quan trọng và có tác động thuận chiều mạnh mẽ đến tỷ suất lợi nhuận của năm hiện tại.

Đối với các biến kiểm soát còn lại, kết quả từ mô hình SGMM cuối cùng cho thấy chúng không có tác động có ý nghĩa thống kê một cách nhất quán lên ROE. Cụ thể, các biến bao gồm Tỷ lệ an toàn vốn tối thiểu (CAR), Tỷ lệ vốn chủ sở hữu trên tổng tài sản (CAP), Tỷ lệ chi phí trên thu nhập (CIR) và Tỷ lệ nợ xấu trên tổng dư nợ (NPL) đều không cho thấy ảnh hưởng rõ rệt đến ROE sau khi đã kiểm soát tính động và các yếu tố đặc thù của từng ngân hàng. Điều này có thể ngụ ý rằng tác động của các yếu tố này bị chi phối bởi các đặc điểm cố hữu và tính bền vững của lợi nhuận trong ngành.

4.4 Thảo luận kết quả nghiên cứu Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Phần này tập trung vào việc diễn giải sâu hơn các kết quả hồi quy đã được trình bày, đối chiếu với các lý thuyết nền tảng và các công trình nghiên cứu trước đây, nhằm đưa ra những nhận định toàn diện về tác động của Fintech và các yếu tố khác đến tỷ suất lợi nhuận của các NHTM tại Việt Nam.

4.4.1 Thảo luận về tác động của Fintech (FT) đến hiệu quả ngân hàng (ROE)

Phát hiện chính của nghiên cứu liên quan đến tác động của chi phí đầu tư vào Fintech (FT) đến Tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE) của các NHTM tại Việt Nam trong giai đoạn 2015 – 2024 cho thấy một bức tranh phức tạp và cần được diễn giải cẩn trọng. Các mô hình ước lượng ban đầu như FEM-Robust và FGLS cùng chỉ ra một tác động ngược chiều và có ý nghĩa thống kê của FT lên ROE. Cụ thể, hệ số của FT trong mô hình FEM-Robust là -0.00420 (P-value = 0.002) và trong mô hình FGLS là – 0.00246 (P-value = 0.002). Những kết quả này, trái với kỳ vọng ban đầu về một tác động thuận chiều, gợi ý rằng việc gia tăng chi phí đầu tư vào Fintech có thể gây áp lực giảm lợi nhuận cho các ngân hàng.

Tuy nhiên, khi xem xét mô hình Hệ thống GMM (SGMM), được thiết kế để kiểm soát tốt hơn các vấn đề nội sinh tiềm ẩn và tính động của biến phụ thuộc (L.ROE), kết quả cho thấy một sự thay đổi đáng chú ý. Mặc dù hệ số của FT trong mô hình SGMM vẫn mang dấu âm (-0.00095), nó không còn ý nghĩa thống kê (P-value = 0.423). Sự thay đổi này là một phát hiện quan trọng, cho thấy rằng sau khi kiểm soát các yếu tố phức tạp hơn, tác động trực tiếp, có ý nghĩa thống kê của chi phí đầu tư Fintech lên ROE trở nên không rõ ràng trong giai đoạn nghiên cứu này.

Việc diễn giải kết quả có phần trái ngược và sự thay đổi khi chuyển sang mô hình SGMM có thể được xem xét qua các khía cạnh sau: Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

• Thứ nhất, chi phí ban đầu lớn và hiệu ứng J-curve

Việc đầu tư vào Fintech đòi hỏi các ngân hàng phải chi những khoản tiền đáng kể cho cơ sở hạ tầng công nghệ, phần mềm, phát triển sản phẩm mới, marketing và đào tạo nhân sự. Những chi phí này phát sinh ngay trong ngắn hạn, gây áp lực lên chi phí hoạt động. Theo “Lý thuyết hiệu quả chi phí”, mặc dù mục tiêu dài hạn của Fintech là tối ưu hóa chi phí, nhưng trong giai đoạn đầu, việc tăng chi phí đầu tư có thể tạm thời làm giảm hiệu quả chi phí. Kết quả tiêu cực từ FEM và FGLS có thể phản ánh gánh nặng chi phí này. Việc FT mất ý nghĩa thống kê trong SGMM không phủ nhận sự tồn tại của các chi phí này, nhưng có thể ngụ ý rằng, sau khi loại bỏ các yếu tố gây nhiễu và tính đến động lực của lợi nhuận, những chi phí này chưa đủ lớn hoặc chưa đủ trực tiếp để tạo ra một tác động ngược chiều có ý nghĩa thống kê lên ROE. Lợi ích từ các khoản đầu tư này, như tăng doanh thu hay tiết giảm chi phí vận hành đáng kể, có thể cần một khoảng thời gian nhất định để hiện thực hóa, tương tự như “hiệu ứng J-curve”.

• Thứ hai, hiệu quả đầu tư chưa cao trong giai đoạn đầu

Các NHTM Việt Nam có thể vẫn đang trong giai đoạn thử nghiệm, học hỏi và điều chỉnh chiến lược triển khai Fintech. Trong giai đoạn này, việc đầu tư có thể chưa đạt được hiệu quả tối ưu, các dự án có thể kéo dài hoặc chi phí vượt dự toán. “Lý thuyết về đổi mới công nghệ” của Schumpeter, mặc dù nhấn mạnh vai trò của đổi mới trong tăng trưởng, cũng ngầm định rằng quá trình đổi mới không phải lúc nào cũng mang lại thành công ngay lập tức. Nếu hiệu quả đầu tư thực sự chưa cao, việc không tìm thấy tác động có ý nghĩa thống kê của FT lên ROE trong mô hình SGMM là điều dễ hiểu, ngay cả khi các mô hình đơn giản hơn chỉ ra tác động ngược chiều do gánh nặng chi phí.

• Thứ ba, do cạnh tranh gia tăng

Sự nổi lên của các công ty Fintech và việc các ngân hàng khác cũng đẩy mạnh đầu tư công nghệ đã làm gia tăng áp lực cạnh tranh. Theo “Lý thuyết về cạnh tranh”, cạnh tranh gia tăng có thể buộc các ngân hàng phải đầu tư nhiều hơn vào Fintech để không bị tụt hậu. Điều này có thể giải thích tại sao chi phí đầu tư (FT) tăng lên, nhưng lợi nhuận có thể không cải thiện tương ứng, thậm chí bị xói mòn do chia sẻ thị phần hoặc giảm phí dịch vụ. Áp lực cạnh tranh này có thể làm mờ nhạt tác động của FT lên ROE khi phân tích bằng các mô hình phức tạp hơn. Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

• Thứ tư, hạn chế của thước đo FT

Đây là một yếu tố đặc biệt quan trọng cần xem xét. Nghiên cứu này sử dụng “chi phí đầu tư vào Fintech của NHTM” làm thước đo cho FT. Biến này có thể chủ yếu phản ánh gánh nặng tài chính ban đầu mà chưa phản ánh đầy đủ mức độ thành công, hiệu quả hay quy mô thực sự của các sáng kiến Fintech. Một ngân hàng có thể chi nhiều tiền nhưng triển khai không hiệu quả, hoặc ngược lại. Việc FT không có ý nghĩa thống kê trong mô hình SGMM càng củng cố khả năng thước đo này chưa nắm bắt được hết giá trị kinh tế mà Fintech mang lại (hoặc chưa mang lại). Chi phí đầu tư cao có thể chỉ đơn thuần là chi phí, chưa chuyển hóa thành lợi ích hữu hình có thể đo lường được qua ROE một cách nhất quán sau khi kiểm soát các yếu tố khác.

Kết quả biến FT mất ý nghĩa thống kê trong mô hình SGMM cần được lý giải sâu hơn từ nhiều góc độ. Thứ nhất, theo Lý thuyết đổi mới công nghệ (Schumpeter, 1942), đổi mới là quá trình “phá hủy sáng tạo” với kết quả không đồng nhất – một số ngân hàng có thể hưởng lợi trong khi số khác chịu thiệt hại, dẫn đến tác động trung bình không có ý nghĩa. Thứ hai, theo Lý thuyết hiệu quả chi phí, hiệu quả đầu tư Fintech phụ thuộc vào khả năng chuyển đổi chi phí thành giá trị gia tăng – nếu các NHTM chưa tối ưu hóa quy trình, chi phí đầu tư sẽ không phản ánh qua lợi nhuận. Thứ ba, hạn chế của thước đo FT (chi phí đầu tư – thước đo đầu vào) có thể không phản ánh đầy đủ mức độ ứng dụng và hiệu quả thực sự của Fintech trong hoạt động ngân hàng. Kết quả này khác biệt với Wang và Nor (2022) và Yang (2023) – những nghiên cứu sử dụng chỉ số Fintech tổng hợp thay vì chi phí đầu tư, và tìm thấy tác động thuận chiều. Tuy nhiên, kết quả phần nào tương đồng với Wu và Yuan (2021) về chiều tác động ngược chiều ở mô hình tĩnh, và với Đinh Thị Thu Hồng và Nguyễn Hữu Tuấn (2021) về tác động ngược chiều của Fintech đến NHTM Việt Nam.

Việc phát hiện ban đầu về tác động ngược chiều của FT lên ROE (từ FEM và FGLS) tương đồng với kết quả của Wu và Yuan (2021), những người cho thấy Fintech có tác động ngược chiều đến lợi nhuận của các NHTM nhà nước ở Trung Quốc trong giai đoạn 2014 – 2019. Mặc dù trong nghiên cứu này, tác động của FT không còn ý nghĩa thống kê trong mô hình SGMM, dấu âm của hệ số vẫn phần nào đó gợi ý về áp lực ban đầu của đầu tư Fintech. Điều này cho thấy thách thức trong giai đoạn đầu có thể không phải là hiện tượng cá biệt của Việt Nam. Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Ngược lại, nghiên cứu của Wang & Nor (2022) tìm thấy rằng chỉ số Fintech có tác động thuận chiều đến ROE của các ngân hàng truyền thống ở Trung Quốc, và Yang (2023) cũng kết luận công nghệ tài chính có thể thúc đẩy lợi nhuận của NHTM vừa và nhỏ ở Trung Quốc. Sự khác biệt này có thể đến từ nhiều yếu tố, bao gồm cách đo lường biến Fintech (Wang & Nor sử dụng “chỉ số Fintech”, không phải chi phí đầu tư), giai đoạn nghiên cứu, đặc điểm mẫu, bối cảnh thị trường, và quan trọng là phương pháp ước lượng. Việc nghiên cứu của tác giả sử dụng SGMM và không tìm thấy tác động có ý nghĩa của FT (đo bằng chi phí) càng nhấn mạnh tầm quan trọng của các yếu tố này.

Đối với bối cảnh Việt Nam, nghiên cứu của Đinh Thị Thu Hồng, Nguyễn Hữu Tuấn (2021) cũng chỉ ra tác động ngược chiều của sự gia tăng các công ty Fintech với các chỉ tiêu tỷ suất lợi nhuận của NHTM Việt Nam (bao gồm ROE) giai đoạn 2006 – 2018. Mặc dù thước đo Fintech khác nhau, nhưng điều này củng cố nhận định rằng sự phát triển của Fintech trong giai đoạn đầu có thể tạo áp lực hoặc chưa mang lại lợi ích rõ ràng cho lợi nhuận của các NHTM.

Thị trường Fintech tại Việt Nam vẫn đang trong giai đoạn phát triển tương đối non trẻ, dù có tốc độ tăng trưởng nhanh. Giai đoạn 2015 – 2024 trùng với thời kỳ nhiều ngân hàng bắt đầu hoặc tăng cường các khoản đầu tư lớn vào Fintech. Do đó, kết quả từ SGMM cho thấy một tác động không rõ ràng có thể phản ánh đúng bản chất của “chi phí học hỏi” và việc lợi ích chưa đủ để bù đắp hoặc vượt trội so với gánh nặng đầu tư ban đầu trong một thị trường đang định hình, sau khi đã kiểm soát các yếu tố kinh tế phức tạp. Mức độ sẵn sàng chấp nhận và sử dụng dịch vụ Fintech của người dùng Việt Nam ngày càng tăng, nhưng có thể chưa đủ lớn để tạo ra doanh thu vượt trội. Khung pháp lý cho Fintech cũng đang trong quá trình hoàn thiện, có thể tạo ra bất định hoặc tăng chi phí tuân thủ.

Tóm lại, trong khi các phân tích ban đầu chỉ ra gánh nặng chi phí từ đầu tư Fintech, mô hình SGMM cho thấy một bức tranh phức tạp hơn, nơi tác động trực tiếp của những chi phí này lên ROE không còn rõ ràng về mặt thống kê. Điều này nhấn mạnh tầm quan trọng của việc lựa chọn thước đo phù hợp cho Fintech, xem xét yếu tố thời gian để lợi ích được hiện thực hóa, và sự cần thiết của các nghiên cứu sâu hơn khi thị trường trưởng thành hơn.

4.4.2 Thảo luận về tác động của các yếu tố tác động còn lại Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Về quy mô ngân hàng (IHS_SIZE), trong các mô hình FEM-Robust và FGLS, kết quả cho thấy IHS_SIZE có tác động dương và ý nghĩa thống kê cao đến ROE. Điều này hoàn toàn phù hợp với lý thuyết kinh tế và các nghiên cứu thực nghiệm trước đó, nơi các ngân hàng lớn hơn thường hưởng lợi thế kinh tế theo quy mô, khả năng đa dạng hóa, tiếp cận vốn rẻ và đầu tư công nghệ tốt hơn. Phát hiện này cũng tương đồng với các nghiên cứu của Mashayekhi & Bazaz (2008), Azeez (2015), và Olokoyo (2013).

Tuy nhiên, một phát hiện đáng chú ý và có phần bất ngờ xuất hiện trong mô hình SGMM. Sau khi kiểm soát tính động của ROE và các yếu tố nội sinh tiềm ẩn, biến IHS_SIZE lại cho thấy một tác động ngược chiều và có ý nghĩa thống kê đến ROE (hệ số -1.7315, p=0.042). Sự thay đổi dấu này so với các mô hình khác và kỳ vọng lý thuyết là một điểm cần được xem xét cẩn trọng. Phát hiện về mối quan hệ nghịch biến giữa quy mô và lợi nhuận, được xây dựng bằng mô hình GMM hệ thống, là một nghịch lý thực nghiệm khi đối chiếu với lý thuyết kinh tế truyền thống. Lập luận trung tâm để giải mã kết quả dị biệt này được xây dựng trên khái niệm “tính phi kinh tế theo quy mô trong Kỷ nguyên Chuyển đổi số”. Hiện tượng này được thúc đẩy bởi hai ma sát chính mà các định chế tài chính quy mô lớn phải đối mặt:

Thứ nhất, là gánh nặng từ các hệ thống công nghệ di sản (legacy systems) và chi phí tài chính khổng lồ. Việc tích hợp các giải pháp công nghệ tài chính (Fintech) linh hoạt vào một cấu trúc lõi vốn cồng kềnh và thiếu linh hoạt gây ra các chi phí trực tiếp khổng lồ, bao gồm chi phí phần cứng, bản quyền, tích hợp và đồng bộ hóa dữ liệu, an ninh mạng, và đặc biệt là chi phí đào tạo lại nguồn nhân lực quy mô lớn. Các chi phí này, do được ghi nhận ngay vào báo cáo kết quả kinh doanh, đã tạo ra một “hiệu ứng đường cong J” (J-curve effect), gây áp lực tức thời lên lợi nhuận trong khi lợi ích kỳ vọng lại mang tính dài hạn và không chắc chắn. Giai đoạn nghiên cứu 2015 – 2024 của luận văn rất có thể đã ghi lại được phần đi xuống của đường cong này.

Thứ hai, song hành cùng những thách thức công nghệ là “sức ì” của tổ chức (organizational inertia), một rào cản vô hình nhưng nghiêm trọng. Văn hóa, cấu trúc và quy trình của các ngân hàng lớn được tối ưu hóa cho sự ổn định và tuân thủ, chứ không phải cho tốc độ, sự thử nghiệm và chấp nhận thất bại – những thuộc tính cốt lõi của văn hóa đổi mới. Sức ì này biểu hiện qua các quy trình ra quyết định quan liêu, sự kháng cự thay đổi từ nội bộ, khoảng trống về kỹ năng số, và sự đứt gãy trong giao tiếp chiến lược. Hệ quả là, ngay cả khi các khoản đầu tư công nghệ được thực hiện, tổ chức cũng không thể hấp thụ và khai thác chúng một cách hiệu quả, dẫn đến việc vốn đã triển khai nhưng không tạo ra giá trị tương xứng, và cuối cùng làm suy giảm Tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE). Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Phát hiện này của luận văn đã trực tiếp thách thức và đưa ra một góc nhìn trái ngược với mô thức chủ đạo trong các tài liệu thực nghiệm tại Việt Nam. Cho đến nay, sự đồng thuận trong các nghiên cứu trong nước là mối quan hệ cùng chiều giữa quy mô ngân hàng và tỷ suất lợi nhuận, khẳng định lợi thế kinh tế theo quy mô là yếu tố chi phối. Sự khác biệt và đóng góp của công trình này được xác định ở hai phương diện. Về mặt phương pháp luận, đây là một trong những nghiên cứu đầu tiên tại Việt Nam áp dụng mô hình GMM hệ thống để kiểm soát đồng thời tính nội sinh và tính bền vững của lợi nhuận – những vấn đề kinh tế lượng phức tạp mà các mô hình tĩnh (như OLS, FEM, REM) trong các nghiên cứu trước đây thường bỏ qua, dẫn đến nguy cơ ước lượng bị chệch. Về mặt phân tích, luận văn lấp đầy một khoảng trống nghiên cứu quan trọng bằng cách tập trung vào tác động từ chi phí đầu tư Fintech nội tại của chính ngân hàng, đi sâu vào một khía cạnh chưa được khám phá: tác động từ chi phí đầu tư vào Fintech của chính ngân hàng (một yếu tố nội tại) đến lợi nhuận, vốn phân tích tác động cạnh tranh từ các công ty Fintech bên ngoài, một khía cạnh khác biệt so với các nghiên cứu hiện có liên quan đến Fintech như Đinh Thị Thu Hồng và Nguyễn Hữu Tuấn (2021) tập trung phân tích tác động của sự gia tăng các công ty Fintech bên ngoài (với tư cách đối thủ cạnh tranh) lên hiệu quả ngân hàng.

Có thể nói, kết quả về hệ số âm của biến quy mô trong mô hình GMM hệ thống cho thấy một bằng chứng thực nghiệm cho thấy sự hiện hữu của tính phi kinh tế theo quy mô trong bối cảnh chuyển đổi số. Đóng góp cốt lõi của luận văn là làm dịch chuyển mô thức tư duy từ “lớn hơn là tốt hơn” (bigger is better) vốn đang chiếm ưu thế, sang một nhận định phức tạp và có điều kiện hơn: “lớn là phức tạp” (big is complicated). Điều này mang hàm ý rằng, trong kỷ nguyên số, lợi thế quy mô không phải là tuyệt đối; nó có thể bị đảo ngược bởi gánh nặng của di sản công nghệ và sức ì của tổ chức. Do đó, thành công trong tương lai của các ngân hàng không chỉ phụ thuộc vào quy mô, mà còn phụ thuộc vào năng lực tái cấu trúc và quản trị sự thay đổi một cách hiệu quả.

Các biến CAR, CAP, CIR, NPL: Trong mô hình FEM-Robust, ngoại trừ NPL có tác động âm và ý nghĩa thống kê ở mức 5%, các biến còn lại là CAR, CAP và CIR đều không cho thấy tác động có ý nghĩa. Kết quả từ mô hình SGMM củng cố thêm nhận định về sự thiếu vững chắc của các tác động này: CAR (p=0.800), CAP (p=0.141), CIR (p=0.371), và NPL (p=0.249) đều không có ý nghĩa thống kê. Riêng biến CAP, mặc dù có ý nghĩa trong mô hình FGLS (tác động dương), nhưng lại không có ý nghĩa trong cả FEM-Robust và SGMM, cho thấy tác động của nó không thực sự vững chắc khi xem xét các phương pháp ước lượng khác nhau và kiểm soát nội sinh. Sự thiếu ý nghĩa thống kê nhất quán này (đặc biệt trong FEM-Robust và SGMM) có thể xuất phát từ nhiều lý do: Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Thứ nhất, sau khi đã kiểm soát các yếu tố đặc thù cố định của từng ngân hàng (fixed effects trong FEM và cách xử lý của SGMM), sự biến thiên còn lại của các biến này trong từng ngân hàng qua thời gian có thể không đủ lớn để tạo ra tác động có ý nghĩa lên ROE.

Thứ hai, tác động của các biến này có thể phức tạp, không đồng nhất giữa các ngân hàng, hoặc bị ảnh hưởng bởi các yếu tố vĩ mô không được đưa vào mô hình. Đối với CIR, mặc dù kỳ vọng dấu âm, việc không có ý nghĩa thống kê có thể do trong giai đoạn đầu tư mạnh vào Fintech, chi phí hoạt động có thể tăng lên mà chưa đi kèm với sự gia tăng tương xứng của thu nhập, làm mờ nhạt mối quan hệ này.

Đối với NPL, tác động của nó có sự thay đổi rõ rệt giữa các mô hình. Trong mô hình FEM-Robust, NPL cho thấy tác động ngược chiều và có ý nghĩa thống kê ở mức 5%. Tuy nhiên, khi chuyển sang mô hình SGMM để kiểm soát các vấn đề phức tạp hơn về tính động và nội sinh, tác động này đã hoàn toàn biến mất (p=0.249). Điều này khẳng định tầm quan trọng của việc sử dụng các phương pháp ước lượng mạnh mẽ: một mối quan hệ có vẻ tồn tại trong mô hình tĩnh có thể không còn vững chắc khi các giả định nghiêm ngặt hơn được áp dụng.

Luận văn đã góp phần lấp đầy một khoảng trống nghiên cứu khi cung cấp bằng chứng cụ thể về tác động của chi phí đầu tư vào Fintech đến tỷ suất lợi nhuận (ROE) của các ngân hàng thương mại Việt Nam giai đoạn 2015 – 2024. Phát hiện chính về tác động của FT – tiêu cực và có ý nghĩa thống kê trong các mô hình FEM-Robust và FGLS, nhưng trở nên không có ý nghĩa thống kê trong mô hình SGMM sau khi kiểm soát tính động và nội sinh – là một đóng góp quan trọng. Nó cho thấy rằng, trong giai đoạn đầu, gánh nặng chi phí đầu tư vào Fintech là có thật và có thể gây áp lực lên lợi nhuận. Tuy nhiên, khi phân tích sâu hơn với các kỹ thuật tiên tiến, tác động trực tiếp, có ý nghĩa thống kê lên ROE trở nên kém rõ ràng hơn. Điều này nhấn mạnh sự phức tạp của mối quan hệ này và cho thấy việc đầu tư vào Fintech không phải lúc nào cũng mang lại lợi ích (hoặc tổn thất) có thể đo lường ngay lập tức, đặc biệt tại một thị trường mới nổi. Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Từ những kết quả đó, nghiên cứu đưa ra những gợi ý chính sách và quản trị quan trọng. Đối với các nhà quản trị ngân hàng, kết quả này nhấn mạnh sự cần thiết phải xây dựng một chiến lược đầu tư Fintech dài hạn, cẩn trọng và có lộ trình, thay vì chạy theo phong trào. Việc chi phí đầu tư ban đầu có thể gây áp lực (như thấy trong FEM/FGLS) và lợi ích có thể chưa rõ ràng ngay (như thấy trong SGMM) đòi hỏi sự kiên nhẫn, quản lý rủi ro hiệu quả và tập trung vào việc chuyển hóa đầu tư thành giá trị thực tế. Cần có cơ chế đánh giá hiệu quả đầu tư Fintech một cách toàn diện, không chỉ dựa trên chi phí. Nó gợi ý tầm quan trọng của việc tạo dựng môi trường pháp lý thuận lợi, ổn định và rõ ràng để hỗ trợ các ngân hàng trong quá trình chuyển đổi số. Đồng thời, cần nhận thức rõ những thách thức ban đầu và áp lực chi phí mà các ngân hàng phải đối mặt, từ đó có thể có những chính sách hỗ trợ phù hợp, khuyến khích đổi mới sáng tạo nhưng vẫn đảm bảo sự phát triển bền vững của hệ thống tài chính.

Cuối cùng, trên phương diện lý thuyết, nghiên cứu cũng làm phong phú thêm việc ứng dụng các lý thuyết về hiệu quả chi phí, cạnh tranh và đổi mới công nghệ để giải thích mối quan hệ giữa Fintech và hiệu quả ngân hàng trong bối cảnh đặc thù của Việt Nam.

Nhìn chung, kết quả nghiên cứu cung cấp một góc nhìn thực tế và có phần thận trọng về tác động của Fintech đến lợi nhuận ngân hàng trong giai đoạn đầu tư. Điều này không phủ nhận tiềm năng to lớn của Fintech mà chỉ nhấn mạnh rằng để gặt hái được thành quả, các ngân hàng cần một quá trình đầu tư chiến lược, quản lý hiệu quả và kiên nhẫn.

KỂT LUẬN CHƯƠNG 4 Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Chương 4 đã trình bày chi tiết các kết quả nghiên cứu thu được từ quá trình xử lý và phân tích dữ liệu, nhằm kiểm định mối quan hệ giữa sự phát triển của Fintech và tỷ suất lợi nhuận của các ngân hàng thương mại. Thông qua thống kê mô tả, chương đã cung cấp cái nhìn tổng quan về đặc điểm của tập dữ liệu, từ đó làm cơ sở cho việc lựa chọn phương pháp phân tích phù hợp. Tiếp theo, phân tích tương quan và kiểm tra đa cộng tuyến đã được thực hiện nhằm đánh giá mối quan hệ ban đầu giữa các biến và đảm bảo độ tin cậy của mô hình hồi quy. Việc tiến hành các kiểm định mô hình dữ liệu bảng, bao gồm kiểm định F, Hausman và Breusch-Pagan, đã giúp lựa chọn mô hình Tác động Cố định (Fixed Effects Model) là phù hợp với đặc điểm của bộ dữ liệu nghiên cứu. Tuy nhiên, để đảm bảo tính chính xác và khắc phục các vi phạm giả định như phương sai sai số thay đổi và tự tương quan, nghiên cứu tiếp tục áp dụng phương pháp ước lượng FGLS (Feasible Generalized Least Squares) và GMM hệ thống (System GMM). Kết quả từ các mô hình đã chỉ ra những tác động phức tạp của Fintech và các yếu tố khác đến tỷ suất lợi nhuận của các ngân hàng thương mại, đặc biệt là khi mô hình GMM hệ thống được xem xét. Mô hình GMM hệ thống, với khả năng xử lý các vấn đề nội sinh và hiệu quả đối với dữ liệu bảng động, được đánh giá là mô hình có độ tin cậy cao nhất trong nghiên cứu này. Bên cạnh đó, nghiên cứu cũng đã thực hiện các kiểm định về tính vững chắc của mô hình và kết quả, như kiểm định Hansen và kiểm định AR(1), AR(2), nhằm đảm bảo rằng các giả định mô hình được đáp ứng và kết quả ước lượng là ổn định. Trong phần thảo luận cuối chương, các kết quả thực nghiệm được đối chiếu với cơ sở lý luận và các nghiên cứu trước, từ đó đưa ra những phân tích sâu sắc về nguyên nhân và hàm ý của mối quan hệ giữa Fintech và hiệu quả tài chính của ngân hàng. Kết luận chung cho thấy rằng Fintech không chỉ đóng vai trò là công cụ hỗ trợ hiện đại hóa hoạt động ngân hàng, mà còn trực tiếp thúc đẩy khả năng sinh lời thông qua việc tăng cường hiệu quả vận hành, mở rộng dịch vụ và nâng cao trải nghiệm khách hàng. Chương 4 không chỉ làm sáng tỏ mối quan hệ thực nghiệm giữa Fintech và tỷ suất lợi nhuận ngân hàng, mà còn cung cấp các căn cứ khoa học vững chắc để đưa ra các hàm ý chính sách và quản trị trong chương tiếp theo. Những phát hiện này góp phần làm rõ vai trò ngày càng quan trọng của công nghệ tài chính trong sự phát triển bền vững và nâng cao năng lực cạnh tranh của ngành ngân hàng trong bối cảnh chuyển đổi số.

CHƯƠNG 5: KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH

5.1 Kết luận

5.1.1 Sự phức tạp trong tác động của Fintech Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Kết quả về tác động của Fintech đến lợi nhuận ngân hàng, từ tiêu cực trong các mô hình tĩnh đến không có ý nghĩa thống kê trong mô hình động, phản ánh một thực tế đa diện và có thể được giải thích thông qua sự kết hợp của nhiều yếu tố lý thuyết.

Thứ nhất, kết quả này có thể được lý giải thông qua hiệu ứng “đường cong J” (J-Curve Effect) trong đầu tư công nghệ. Tác động ngược chiều ban đầu được chỉ ra bởi các mô hình FEM-Robust và FGLS phản ánh chính xác phần đi xuống của đường cong.

Trong giai đoạn 2015 – 2024, các NHTM Việt Nam đã phải chi những khoản đầu tư trả trước rất lớn cho việc xây dựng hạ tầng công nghệ, mua bản quyền phần mềm, phát triển ứng dụng, marketing thu hút người dùng và đào tạo lại đội ngũ nhân sự. Những chi phí này, theo nguyên tắc kế toán, được ghi nhận ngay lập tức, tạo ra một gánh nặng tài chính đáng kể và gây áp lực trực tiếp lên lợi nhuận trong ngắn hạn. Điều này hoàn toàn phù hợp với Lý thuyết hiệu quả chi phí, vốn cho rằng việc gia tăng chi phí đầu vào sẽ làm giảm hiệu quả chi phí trước khi các lợi ích từ đầu tư được hiện thực hóa. Việc tác động này trở nên không có ý nghĩa thống kê trong mô hình SGMM ưu việt hơn cho thấy rằng, mặc dù gánh nặng chi phí là có thật, nhưng lợi ích thu được (như tăng hiệu quả vận hành, giảm chi phí giao dịch, hay tạo ra nguồn thu mới) vẫn chưa đủ lớn để bù đắp hoặc vượt qua chi phí ban đầu, dẫn đến một tác động ròng (net impact) lên ROE chưa rõ ràng về mặt thống kê.

Thứ hai, sự không chắc chắn của đổi mới và áp lực cạnh tranh gia tăng cũng là những lời giải thích hợp lý. Theo Lý thuyết về đổi mới công nghệ của Schumpeter, đổi mới là một quá trình “phá hủy sáng tạo” đầy rủi ro. Các NHTM Việt Nam trong giai đoạn nghiên cứu vẫn đang trong quá trình thử nghiệm, học hỏi và điều chỉnh chiến lược triển khai Fintech. Không phải mọi dự án đầu tư đều mang lại thành công như kỳ vọng; một số có thể thất bại, kéo dài hoặc vượt chi phí. Sự không chắc chắn này làm cho mối quan hệ giữa chi phí đầu tư và lợi nhuận trở nên mờ nhạt, điều này được phản ánh qua kết quả không ý nghĩa thống kê từ mô hình SGMM. Đồng thời, theo lý thuyết về cạnh tranh, khi tất cả các ngân hàng đều đẩy mạnh đầu tư vào Fintech, một cuộc chạy đua công nghệ sẽ diễn ra. Nhiều khoản đầu tư được thực hiện không phải với mục tiêu chính là tối đa hóa lợi nhuận, mà là để phòng thủ, giữ vững thị phần và không bị tụt hậu so với đối thủ. Áp lực cạnh tranh này có thể làm xói mòn bất kỳ lợi ích tiềm năng nào, chẳng hạn như việc các ngân hàng phải giảm phí dịch vụ để thu hút người dùng, từ đó làm cho tác động của chi phí đầu tư lên lợi nhuận trở nên không đáng kể. Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

5.1.2 Diễn giải tính phi kinh tế theo quy mô trong kỷ nguyên số

Phát hiện về tác động ngược chiều của quy mô ngân hàng (IHS_SIZE) đến ROE trong mô hình GMM Hệ thống là một trong những đóng góp mới mẻ và mang tính thách thức nhất của luận văn. Kết quả này đi ngược lại với lý thuyết kinh tế truyền thống về lợi thế kinh tế theo quy mô và đa số các nghiên cứu trước đây. Sự nghịch lý này có thể được giải thích bởi sự xuất hiện của hiện tượng “tính phi kinh tế theo quy mô trong kỷ nguyên số”, vốn được thúc đẩy bởi hai rào cản chính mà các NHTM quy mô lớn phải đối mặt.

Rào cản thứ nhất là gánh nặng từ hệ thống công nghệ di sản (Legacy Systems). Các NHTM lớn thường vận hành trên các hệ thống ngân hàng lõi (core banking) được xây dựng từ nhiều thập kỷ trước. Các hệ thống này thường cồng kềnh, phức tạp và thiếu linh hoạt. Việc tích hợp các giải pháp công nghệ tài chính mới, hiện đại và linh hoạt (như các giao diện lập trình ứng dụng mở – Open API, trí tuệ nhân tạo – AI, hay dữ liệu lớn – Big Data) vào một nền tảng cũ kỹ như vậy là một thách thức khổng lồ, đi kèm với chi phí cực kỳ tốn kém và rủi ro vận hành cao. Chi phí cho việc tích hợp, đồng bộ hóa dữ liệu, đảm bảo an ninh mạng và đặc biệt là đào tạo lại đội ngũ nhân lực quy mô lớn tại các ngân hàng này cao hơn nhiều so với các ngân hàng nhỏ hơn, vốn có thể có cấu trúc đơn giản hơn hoặc linh hoạt hơn trong việc áp dụng công nghệ mới. Gánh nặng chi phí này trực tiếp làm suy giảm tỷ suất lợi nhuận.

Rào cản thứ hai, song hành cùng thách thức công nghệ, là sức ì của tổ chức (Organizational Inertia). Quy mô lớn thường đi đôi với cấu trúc tổ chức quan liêu, quy trình ra quyết định nhiều tầng lớp, và một nền văn hóa doanh nghiệp ngại rủi ro, vốn được tối ưu hóa cho sự ổn định và tuân thủ. Nền văn hóa này hoàn toàn đối nghịch với tinh thần “thử nghiệm nhanh, thất bại nhanh” (fail fast, learn fast) – một thuộc tính cốt lõi của đổi mới công nghệ. Sức ì này biểu hiện qua việc các dự án số bị trì hoãn, sự kháng cự thay đổi từ chính nội bộ, khoảng trống về kỹ năng số của nhân viên, và sự đứt gãy trong việc truyền thông chiến lược từ cấp lãnh đạo xuống cấp thực thi. Hệ quả là, ngay cả khi các khoản đầu tư công nghệ lớn được thực hiện, tổ chức cũng không thể hấp thụ và khai thác chúng một cách hiệu quả, dẫn đến tình trạng vốn đã triển khai nhưng không tạo ra giá trị tương xứng, và cuối cùng làm suy giảm ROE. Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Việc đặt các kết quả nghiên cứu trong bối cảnh các công trình đã có giúp làm nổi bật những điểm tương đồng, khác biệt và qua đó khẳng định đóng góp riêng của luận văn.

5.1.3 Đối chiếu với các nghiên cứu trước và đóng góp của luận văn

Khi so sánh với các nghiên cứu quốc tế, phát hiện ban đầu về tác động ngược chiều của chi phí đầu tư Fintech (từ mô hình FEM và FGLS) có sự tương đồng với nghiên cứu của Wu và Yuan (2021), những người cũng tìm thấy tác động ngược chiều của Fintech đến lợi nhuận của các NHTM nhà nước tại Trung Quốc. Tuy nhiên, kết quả cuối cùng từ mô hình SGMM của luận văn lại khác biệt với các nghiên cứu của Wang & Nor (2022) và Yang (2023), vốn tìm thấy tác động thuận chiều. Sự khác biệt này có thể được lý giải bởi ba yếu tố chính:

• Phương pháp đo lường Fintech: Luận văn sử dụng “chi phí đầu tư” – một thước đo đầu vào, trong khi các nghiên cứu kia có thể sử dụng các “chỉ số Fintech” tổng hợp hơn.
• Bối cảnh và giai đoạn nghiên cứu: Mỗi thị trường có mức độ trưởng thành, môi trường pháp lý và đặc điểm cạnh tranh khác nhau.
• Phương pháp ước lượng: Việc luận văn sử dụng mô hình GMM Hệ thống, vốn có khả năng kiểm soát nội sinh tốt hơn, có thể dẫn đến một kết quả thận trọng và khác biệt so với các mô hình tĩnh.

Quan trọng hơn, luận văn đã có những đóng góp độc đáo và mới mẻ so với các nghiên cứu trong nước, điển hình như nghiên cứu của Đinh Thị Thu Hồng & Nguyễn Hữu Tuấn (2021). Đóng góp của luận văn được thể hiện ở hai phương diện chính:

Về phương pháp luận: Đây là một trong những nghiên cứu tiên phong tại Việt Nam áp dụng mô hình GMM Hệ thống để phân tích mối quan hệ giữa Fintech và hiệu quả ngân hàng. Cách tiếp cận này cho phép kiểm soát đồng thời tính nội sinh và tính bền vững của lợi nhuận – những vấn đề kinh tế lượng phức tạp mà các mô hình tĩnh được sử dụng trong các nghiên cứu trước đây có thể đã bỏ qua, từ đó nâng cao độ tin cậy và tính vững chắc của các kết luận.

Về nội dung: Luận văn tập trung vào một góc nhìn mới và chưa được khai thác sâu: tác động từ chi phí đầu tư Fintech nội tại của chính ngân hàng. Hướng tiếp cận này khác biệt với các nghiên cứu trước đây vốn thường phân tích tác động cạnh tranh từ các công ty Fintech bên ngoài. Bằng cách đi sâu vào quyết định đầu tư và những thách thức bên trong của các NHTM, luận văn mang lại một cái nhìn sâu sắc hơn về quá trình chuyển đổi số của ngành ngân hàng Việt Nam.

5.2 Hàm ý chính sách Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Từ những kết luận và thảo luận sâu sắc ở trên, phần này đưa ra các hàm ý chính sách có tính thực tiễn cao, hướng đến hai nhóm đối tượng chính: các nhà quản trị tại các NHTM và các cơ quan quản lý Nhà nước, đặc biệt là Ngân hàng Nhà nước Việt Nam.

5.2.1 Hàm ý chính sách dành cho các ngân hàng thương mại

Các kết quả nghiên cứu mang lại những bài học quan trọng cho các nhà lãnh đạo ngân hàng trong việc hoạch định và thực thi chiến lược chuyển đổi số.

Thứ nhất, các ngân hàng cần xây dựng chiến lược Fintech dài hạn và kiên nhẫn. Phát hiện về hiệu ứng “đường cong J” và sự không chắc chắn của đổi mới cho thấy lợi ích từ Fintech không đến ngay lập tức. Lãnh đạo ngân hàng cần nhận thức rõ điều này để tránh tâm lý “chạy theo phong trào” hoặc đầu tư dàn trải, thiếu trọng tâm. Cần xây dựng một lộ trình đầu tư bài bản, có ưu tiên rõ ràng và quan trọng là phải truyền thông hiệu quả đến Hội đồng quản trị và các cổ đông về bản chất dài hạn của các khoản đầu tư này để quản lý kỳ vọng và duy trì sự ủng hộ chiến lược.

• Việc triển khai chiến lược này bao gồm các yếu tố cốt lõi sau:

Thấu hiểu và truyền thông về “Hiệu ứng đường cong J”: Kết quả thực nghiệm của luận văn, đặc biệt từ các mô hình FEM và FGLS, cho thấy chi phí đầu tư vào Fintech (FT) ban đầu có tác động ngược chiều đến Tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE). Đây chính là bằng chứng cho phần đi xuống của “đường cong J”, nơi các khoản chi phí khổng lồ cho hạ tầng, phần mềm và nhân sự được ghi nhận ngay lập tức, tạo áp lực lên lợi nhuận ngắn hạn. Ban lãnh đạo phải chủ động diễn giải và truyền thông điều này đến các cổ đông và nhà đầu tư, không phải như một thất bại, mà là một khoản đầu tư chiến lược cần thời gian để “chín muồi”. Việc lợi ích từ việc tiết giảm chi phí vận hành hay tăng doanh thu cần có độ trễ để hiện thực hóa là một quy luật tất yếu của đổi mới công nghệ. Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Chuyển đổi từ đầu tư theo xu hướng sang đầu tư có chủ đích: Tâm lý “chạy theo phong trào” dẫn đến việc các ngân hàng đầu tư vào những công nghệ thời thượng mà không có sự liên kết rõ ràng với mục tiêu kinh doanh cốt lõi. Một chiến lược dài hạn đòi hỏi phải xác định rõ “đầu tư Fintech để làm gì?”. Các khoản đầu tư cần được ưu tiên dựa trên mục tiêu chiến lược cụ thể:

Nếu mục tiêu là tối ưu hóa chi phí hoạt động: Ưu tiên các dự án tự động hóa quy trình bằng robot (RPA), ứng dụng AI để tối ưu hóa các quy trình nội bộ, hoặc chuyển đổi hạ tầng lên điện toán đám mây.

Nếu mục tiêu là nâng cao trải nghiệm khách hàng và tăng khả năng cạnh tranh: Tập trung nguồn lực vào việc phát triển ngân hàng số, ứng dụng di động, và các dịch vụ tài chính cá nhân hóa.

Nếu mục tiêu là đối phó với sự cạnh tranh từ các công ty Fintech: Cân nhắc các mô hình hợp tác hoặc tự phát triển các sản phẩm tương tự như cho vay ngang hàng (P2P Lending) hay ví điện tử.

Xây dựng lộ trình đầu tư theo giai đoạn và linh hoạt: Một chiến lược dài hạn không có nghĩa là một kế hoạch cứng nhắc. Lộ trình đầu tư cần được chia thành các giai đoạn rõ ràng, với các mục tiêu và chỉ số đo lường (KPIs) cụ thể cho từng giai đoạn. Điều này cho phép ngân hàng triển khai theo phương pháp “thử nghiệm và học hỏi”, điều chỉnh hướng đi dựa trên kết quả thực tế và sự thay đổi của thị trường. Sự kiên nhẫn chiến lược ở đây là việc bám sát tầm nhìn dài hạn, nhưng linh hoạt trong cách thức thực thi để đảm bảo nguồn vốn được sử dụng hiệu quả nhất.

Quản lý kỳ vọng của các bên liên quan: Đây là yếu tố then chốt để duy trì sự ủng hộ cho một chiến lược dài hạn. Việc các mô hình phức tạp hơn như SGMM cho thấy tác động của FT lên ROE không còn rõ ràng về mặt thống kê càng nhấn mạnh sự phức tạp và độ trễ của lợi ích. Ban lãnh đạo cần sử dụng những phân tích như vậy để giải thích với Hội đồng quản trị và cổ đông rằng giá trị của Fintech không chỉ nằm ở lợi nhuận tài chính tức thời, mà còn ở việc xây dựng năng lực cạnh tranh bền vững, giữ chân khách hàng và đảm bảo sự tồn tại của ngân hàng trong tương lai số.

Thứ hai, cần đổi mới hệ thống đo lường hiệu quả (KPIs) cho các dự án Fintech. Việc chỉ nhìn vào chi phí đầu tư hoặc tác động ngắn hạn lên ROE là chưa đủ và có thể dẫn đến những quyết định sai lầm. Các ngân hàng cần xây dựng một bộ chỉ số đo lường hiệu quả đầu tư Fintech toàn diện hơn, bao gồm cả các chỉ số phi tài chính và mang tính định hướng tương lai. Ví dụ: tỷ lệ thu hút khách hàng mới qua kênh số, chi phí phục vụ trên mỗi khách hàng (cost-to-serve), tỷ lệ giao dịch được tự động hóa, mức độ hài lòng của khách hàng (Net Promoter Score – NPS), và thời gian đưa sản phẩm mới ra thị trường (time-to-market).

Để khắc phục, các ngân hàng cần xây dựng một bộ chỉ số đo lường hiệu quả đầu tư Fintech toàn diện hơn, bao gồm cả các chỉ số phi tài chính và mang tính định hướng tương lai. Một hệ thống KPIs cân bằng sẽ giúp ban lãnh đạo có cái nhìn đa chiều và chính xác về giá trị mà các sáng kiến Fintech mang lại. Cụ thể: Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

• Các chỉ số tập trung vào Khách hàng (Customer-Centric Metrics)

Đây là nhóm chỉ số đo lường trực tiếp mức độ thành công của Fintech trong việc thu hút, giữ chân và làm hài lòng khách hàng – yếu tố sống còn trong môi trường cạnh tranh hiện nay.

Tỷ lệ thu hút khách hàng mới qua kênh số: Chỉ số này đo lường hiệu quả của các nền tảng số trong việc mở rộng tệp khách hàng, đặc biệt là các thế hệ trẻ, những người ưa thích trải nghiệm kỹ thuật số.

Mức độ hài lòng của khách hàng (Net Promoter Score – NPS): Thay vì chỉ nhìn vào lợi nhuận, việc đo lường sự hài lòng và khả năng khách hàng sẵn sàng giới thiệu dịch vụ số của ngân hàng cho người khác sẽ phản ánh chất lượng trải nghiệm người dùng – một lợi thế cạnh tranh mà các công ty Fintech thường làm rất tốt.

Tỷ lệ tương tác và sử dụng dịch vụ số: Không chỉ đo lường số lượng người dùng đăng ký, mà cần theo dõi tần suất và số lượng giao dịch họ thực hiện trên các nền tảng số. Một ứng dụng có hàng triệu lượt tải nhưng ít người dùng hoạt động không thể coi là một khoản đầu tư hiệu quả.

• Các chỉ số về Hiệu quả Vận hành (Operational Efficiency Metrics)

Nhóm chỉ số này đánh giá khả năng của Fintech trong việc thực hiện lời hứa cốt lõi là tối ưu hóa quy trình và cắt giảm chi phí trong dài hạn, phù hợp với “Lý thuyết hiệu quả chi phí”.

Tỷ lệ giao dịch được tự động hóa: Đo lường phần trăm các giao dịch (như chuyển tiền, thanh toán hóa đơn, mở tài khoản) được thực hiện hoàn toàn tự động mà không cần sự can thiệp của con người. Tỷ lệ này càng cao, hiệu quả vận hành càng lớn.

Chi phí phục vụ trên mỗi khách hàng (Cost-to-Serve): Theo dõi sự thay đổi của chi phí này khi khách hàng dịch chuyển từ các kênh truyền thống (chi nhánh, ATM) sang kênh số. Mục tiêu là chi phí này phải giảm dần theo thời gian.

Thời gian xử lý trung bình cho mỗi yêu cầu: Đo lường sự cải thiện về tốc độ xử lý các yêu cầu của khách hàng, ví dụ như thời gian duyệt một khoản vay tiêu dùng, từ đó nâng cao năng lực cạnh tranh.

• Các chỉ số về sự Sáng tạo và Linh hoạt (Innovation & Agility Metrics)

Đây là nhóm chỉ số đo lường năng lực đổi mới của ngân hàng, phản ánh khả năng thích ứng và đi trước thị trường, phù hợp với tinh thần của “Lý thuyết về đổi mới công nghệ”. Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Thời gian đưa sản phẩm mới ra thị trường (Time-to-Market): Một trong những lợi thế của các công ty Fintech là tốc độ. Chỉ số này đo lường xem ngân hàng mất bao lâu để phát triển và tung ra một sản phẩm hoặc tính năng số mới. Thời gian càng ngắn, ngân hàng càng linh hoạt.

Tỷ lệ doanh thu từ các sản phẩm, dịch vụ số mới: Chỉ số này trực tiếp đánh giá khả năng của các sáng kiến Fintech trong việc tạo ra nguồn thu mới, đa dạng hóa doanh thu cho ngân hàng thay vì chỉ tập trung vào các dịch vụ truyền thống.

Số lượng thử nghiệm/sản phẩm mới được triển khai: Khuyến khích một văn hóa dám thử nghiệm, chấp nhận thất bại và học hỏi nhanh. Thay vì chỉ tập trung vào các dự án lớn, việc có nhiều thử nghiệm nhỏ sẽ giúp ngân hàng khám phá các cơ hội mới với chi phí thấp hơn.

Bằng cách áp dụng một hệ thống KPIs đa dạng như trên, các nhà quản trị ngân hàng có thể đưa ra những quyết định sáng suốt hơn, bảo vệ các dự án tiềm năng khỏi áp lực lợi nhuận ngắn hạn và định hướng toàn bộ tổ chức hướng tới một tương lai số hóa thành công và bền vững.

Thứ ba, các ngân hàng, đặc biệt là các ngân hàng lớn, phải quyết liệt giải quyết “tính phi kinh tế theo quy mô”. Kết quả nghiên cứu cho thấy quy mô lớn có thể trở thành gánh nặng trong kỷ nguyên số. Để khắc phục, các ngân hàng lớn cần có chiến lược rõ ràng cho việc hiện đại hóa hệ thống lõi (core modernization). Đồng thời, để phá vỡ “sức ì tổ chức”, các ngân hàng nên xem xét thành lập các đơn vị số linh hoạt (digital factory, agile squads) hoạt động tương đối độc lập, có văn hóa, quy trình và cơ chế đãi ngộ riêng để thu hút nhân tài và thúc đẩy văn hóa đổi mới nhanh hơn.

Để khắc phục nghịch lý này, các ngân hàng lớn cần một chiến lược kép, vừa giải quyết vấn đề công nghệ, vừa giải quyết vấn đề con người và quy trình:

• Hiện đại hóa Hệ thống lõi (Core Modernization) để xử lý “Gánh nặng Di sản”

“Tính phi kinh tế theo quy mô” phần lớn bắt nguồn từ gánh nặng của các hệ thống công nghệ di sản (legacy systems). Các hệ thống ngân hàng lõi cũ, thường được xây dựng từ nhiều thập kỷ trước, có cấu trúc nguyên khối, cồng kềnh và thiếu linh hoạt. Chúng trở thành một rào cản khổng lồ cho việc tích hợp các giải pháp Fintech hiện đại.

Chiến lược Hiện đại hóa theo Lộ trình: Thay vì một cuộc “đại tu” đầy rủi ro (Big Bang), các ngân hàng nên áp dụng một chiến lược hiện đại hóa theo từng giai đoạn. Điều này có thể bao gồm: Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Xây dựng lớp trung gian (Middleware Layer): Tạo ra một lớp API (Giao diện lập trình ứng dụng) mạnh mẽ bao quanh hệ thống lõi cũ. Lớp này hoạt động như một “người phiên dịch”, cho phép các ứng dụng và dịch vụ số hiện đại có thể giao tiếp và trích xuất dữ liệu từ hệ thống lõi một cách an toàn mà không cần can thiệp trực tiếp.

Thay thế từng phần (Progressive Modernization): Xác định các phân hệ (modules) quan trọng nhất hoặc lỗi thời nhất trong hệ thống lõi (ví dụ: quản lý tài khoản, cho vay) và dần dần thay thế chúng bằng các vi dịch vụ (microservices) mới, linh hoạt hơn.

Mục tiêu cuối cùng: Chuyển đổi sang một kiến trúc công nghệ mở, linh hoạt và có khả năng mở rộng. Một hệ thống lõi hiện đại sẽ cho phép ngân hàng kết nối dễ dàng với hệ sinh thái Fintech, giảm đáng kể thời gian đưa sản phẩm mới ra thị trường (time-to-market) và tạo nền tảng vững chắc cho các đổi mới trong tương lai.

• Phá vỡ “Sức ì tổ chức” bằng các Đơn vị số linh hoạt

Gánh nặng công nghệ thường đi đôi với “sức ì của tổ chức” (organizational inertia). Các quy trình ra quyết định quan liêu, văn hóa ngại rủi ro và cấu trúc phòng ban biệt lập (silo) của các ngân hàng lớn là những trở lực vô hình nhưng cực kỳ mạnh mẽ, cản trở sự đổi mới.

Để phá vỡ sức ì này, các ngân hàng nên xem xét thành lập các đơn vị số linh hoạt (digital factory, agile squads) với các đặc điểm sau:

Hoạt động tương đối độc lập: Các đơn vị này cần được “che chắn” khỏi bộ máy hành chính và các quy trình phức tạp của toàn ngân hàng. Họ có ngân sách riêng, quyền tự chủ trong việc ra quyết định và được trao quyền để thử nghiệm, thất bại và học hỏi nhanh chóng.

• Văn hóa, Quy trình và Cơ chế đãi ngộ riêng:

Văn hóa: Xây dựng một văn hóa khởi nghiệp, tập trung vào tốc độ, sự hợp tác và lấy khách hàng làm trung tâm, trái ngược với văn hóa truyền thống tập trung vào quy trình và tuân thủ.

Quy trình: Áp dụng các phương pháp làm việc linh hoạt (Agile, Scrum) thay vì các mô hình quản lý dự án truyền thống (waterfall).

Cơ chế đãi ngộ: Để thu hút và giữ chân nhân tài công nghệ hàng đầu (kỹ sư dữ liệu, chuyên gia AI, nhà thiết kế UX/UI), ngân hàng phải xây dựng cơ chế lương thưởng và phúc lợi cạnh tranh với các công ty công nghệ, thay vì bị giới hạn bởi các khung lương truyền thống của ngành tài chính. Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Vai trò “Mũi nhọn Đổi mới”: Các đơn vị này sẽ đóng vai trò tiên phong, nhanh chóng phát triển và thử nghiệm các sản phẩm, dịch vụ số mới. Các sáng kiến thành công sau đó có thể được nhân rộng và tích hợp vào hoạt động chung của ngân hàng. Quan trọng hơn, tinh thần và phương pháp làm việc của các đơn vị này sẽ dần lan tỏa, góp phần thay đổi văn hóa của toàn bộ tổ chức.

Bằng cách thực hiện quyết liệt hai chiến lược này, các ngân hàng lớn có thể từng bước hóa giải “tính phi kinh tế theo quy mô”, biến quy mô từ một gánh nặng thành một lợi thế thực sự thông qua việc kết hợp nguồn lực tài chính dồi dào và tệp khách hàng khổng lồ với sự linh hoạt và tinh thần đổi mới của một công ty Fintech.

5.2.2 Một số kiến nghị đối với Ngân hàng Nhà nước Việt Nam

Để tạo môi trường thuận lợi cho ngành ngân hàng chuyển đổi số một cách hiệu quả và bền vững, vai trò của các cơ quan quản lý là vô cùng quan trọng.

Một là, triển khai hiệu quả Cơ chế thử nghiệm có kiểm soát và tiếp tục hoàn thiện khung pháp lý. Nghị định 94/2025/NĐ-CP của Chính phủ về Cơ chế thử nghiệm có kiểm soát trong lĩnh vực ngân hàng (có hiệu lực từ 01/7/2025) đánh dấu bước tiến quan trọng trong việc tạo lập không gian pháp lý an toàn cho đổi mới sáng tạo. Ngân hàng Nhà nước (NHNN) cần tích cực triển khai các quy trình thẩm định, cấp phép và giám sát để các ngân hàng và công ty Fintech có thể thử nghiệm các giải pháp như chấm điểm tín dụng, chia sẻ dữ liệu qua Open API, và cho vay ngang hàng trong môi trường được kiểm soát chặt chẽ.

Bên cạnh đó, cần tiếp tục mở rộng phạm vi Cơ chế thử nghiệm để bao quát thêm các lĩnh vực then chốt khác. NHNN cần sớm ban hành các thông tư hướng dẫn chi tiết về định danh khách hàng điện tử (eKYC) một cách toàn diện, quy định cụ thể về bảo vệ dữ liệu cá nhân trong hoạt động ngân hàng và Fintech theo chuẩn mực quốc tế, cũng như hướng dẫn triển khai các giải pháp công nghệ mới phù hợp với thực tiễn Việt Nam. Quan trọng hơn, cần tận dụng kết quả, dữ liệu và kinh nghiệm từ Cơ chế thử nghiệm để làm cơ sở thực tiễn cho việc sửa đổi, bổ sung hoặc ban hành mới các quy định, tạo hành lang pháp lý rõ ràng, đồng bộ. Điều này sẽ giảm thiểu rủi ro pháp lý, chi phí tuân thủ và tạo sân chơi bình đẳng, minh bạch cho tất cả các bên tham gia thị trường. Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Hai là, cần xây dựng các chính sách hỗ trợ quá trình chuyển đổi số của ngành ngân hàng. Nhận thức được gánh nặng chi phí đầu tư ban đầu mà các ngân hàng phải đối mặt (như kết quả nghiên cứu đã chỉ ra), Chính phủ và NHNN có thể xem xét các chính sách hỗ trợ cụ thể. Các chính sách này có thể bao gồm: ưu đãi về thuế thu nhập doanh nghiệp cho các khoản chi nghiên cứu và phát triển (R&D) công nghệ, thành lập các quỹ hỗ trợ chuyển đổi số, và tăng cường hợp tác công – tư với các trường đại học, viện nghiên cứu để đào tạo nguồn nhân lực chất lượng cao trong lĩnh vực công nghệ tài chính (AI, Big Data, Blockchain, An ninh mạng).

Ba là, cần thúc đẩy đầu tư và hoàn thiện hạ tầng tài chính số quốc gia. Sự phát triển của Fintech không thể tách rời khỏi một nền tảng hạ tầng số vững chắc và dùng chung. Chính phủ cần đẩy nhanh việc xây dựng và cho phép kết nối, khai thác Cơ sở dữ liệu quốc gia về dân cư với các tổ chức tín dụng để triển khai eKYC một cách sâu rộng và hiệu quả. Bên cạnh đó, cần tiếp tục nâng cấp, hoàn thiện hệ thống thanh toán bù trừ tự động (ACH) theo thời gian thực và xây dựng các nền tảng chia sẻ dữ liệu tín dụng an toàn để tạo môi trường thuận lợi cho sự phát triển đồng bộ của toàn ngành.

5.2.3 Hạn chế của nghiên cứu và hướng nghiên cứu tương lai

Mặc dù đã đạt được những mục tiêu đề ra và có những đóng góp nhất định, luận văn không tránh khỏi một số hạn chế. Việc nhận diện rõ những hạn chế này là cần thiết để định hướng cho các nghiên cứu tiếp theo trong lĩnh vực này.

5.2.3.1 Hạn chế của nghiên cứu

Thứ nhất, hạn chế về thước đo Fintech. Bên cạnh đó, biến chi phí đầu tư Fintech (FT) được sử dụng ở dạng giá trị tuyệt đối. Do độ lệch chuẩn của biến FT khá lớn (498,41 tỷ đồng) so với giá trị trung bình (339,24 tỷ đồng), việc sử dụng phép biến đổi logarith (ln(FT)) có thể giúp cải thiện phân phối dữ liệu và giảm ảnh hưởng của các giá trị ngoại lai, từ đó có thể cho kết quả ước lượng khác biệt. Đây là một hướng mở rộng đáng xem xét cho các nghiên cứu tiếp theo. Luận văn sử dụng “chi phí đầu tư vào Fintech” làm biến đại diện. Đây là một thước đo đầu vào (input), nó phản ánh nỗ lực và gánh nặng tài chính của ngân hàng nhưng chưa thể phản ánh đầy đủ hiệu quả đầu ra (output) hay mức độ trưởng thành thực sự của các sáng kiến Fintech. Hai ngân hàng có thể có cùng chi phí đầu tư nhưng hiệu quả triển khai và tác động thực tế lại rất khác nhau.

Thứ hai, hạn chế về khung thời gian. Giai đoạn nghiên cứu từ 2015 đến 2024, mặc dù kéo dài một thập kỷ, nhưng có thể vẫn còn tương đối sớm để đánh giá đầy đủ các tác động dài hạn của các khoản đầu tư Fintech. Như đã thảo luận, các lợi ích của công nghệ cần thời gian để tích lũy và lan tỏa. Do đó, việc kiểm chứng một cách rõ ràng “hiệu ứng đường cong J” có thể đòi hỏi một chuỗi thời gian dài hơn. Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Thứ ba, hạn chế về các biến bị bỏ sót. Mô hình nghiên cứu đã bao gồm nhiều biến kiểm soát quan trọng ở cấp độ ngân hàng, nhưng chưa thể bao hàm hết các yếu tố vĩ mô (như tốc độ tăng trưởng GDP, tỷ lệ lạm phát, những thay đổi trong chính sách tiền tệ) hoặc các yếu tố đặc thù của ngành (như mức độ tập trung thị trường). Những yếu tố này có thể đồng thời ảnh hưởng đến cả quyết định đầu tư vào Fintech và lợi nhuận của ngân hàng, dẫn đến nguy cơ còn tồn tại các yếu tố gây nhiễu chưa được kiểm soát.

Nghiên cứu nhận thức rằng hệ số đòn bẩy tài chính (Leverage – LEV) (thể hiện mối quan hệ giữa nợ và vốn chủ sở hữu) là một yếu tố quan trọng ảnh hưởng đến ROE. Tuy nhiên, do biến CAP (vốn chủ sở hữu/tổng tài sản) đã phần nào phản ánh cấu trúc vốn của ngân hàng, và việc đưa thêm biến đòn bẩy có thể gây đa cộng tuyến, nghiên cứu không đưa biến này vào mô hình. Đây là một hạn chế cần được khắc phục trong các nghiên cứu tiếp theo.

5.2.3.2 Hướng nghiên cứu tiếp theo

Từ những hạn chế trên, một số hướng nghiên cứu trong tương lai có thể được đề xuất để tiếp tục làm sâu sắc thêm hiểu biết về lĩnh vực này:

Thứ nhất, sử dụng các thước đo Fintech đa dạng hơn: Các nghiên cứu trong tương lai nên nỗ lực thu thập và xây dựng các thước đo mang tính đầu ra hoặc phản ánh mức độ ứng dụng công nghệ. Ví dụ: tỷ lệ người dùng ngân hàng số trên tổng số khách hàng, khối lượng hoặc giá trị giao dịch thực hiện qua các kênh số, số lượng giao diện lập trình ứng dụng (API) được cung cấp cho bên thứ ba, hoặc xây dựng một chỉ số tổng hợp về mức độ trưởng thành số (digital maturity index) của các ngân hàng.

Thứ hai, kéo dài chuỗi thời gian dữ liệu: Khi có thêm dữ liệu trong những năm tới, các nhà nghiên cứu có thể kiểm định lại mô hình để xem liệu tác động của Fintech có trở nên tích cực và có ý nghĩa thống kê hay không. Điều này sẽ cho phép kiểm chứng một cách rõ ràng hơn giả thuyết về “hiệu ứng đường cong J” và đánh giá tác động dài hạn của chuyển đổi số.

Thứ ba, thực hiện các nghiên cứu so sánh chi tiết giữa các nhóm ngân hàng: Phân tích tác động dị biệt của Fintech giữa các nhóm ngân hàng khác nhau (ví dụ: nhóm NHTM có vốn nhà nước, nhóm NHTM cổ phần quy mô lớn, và nhóm NHTM cổ phần quy mô nhỏ) có thể mang lại những phát hiện thú vị về việc nhóm nào đang tận dụng công nghệ hiệu quả hơn và tại sao.

Thứ tư, kết hợp và mở rộng phương pháp định tính: Để tìm hiểu sâu hơn về các thách thức mà các ngân hàng lớn phải đối mặt, đặc biệt là vấn đề “gánh nặng di sản” và “sức ì tổ chức”, các nghiên cứu trong tương lai có thể kết hợp phương pháp định lượng với phương pháp định tính, chẳng hạn như thực hiện các nghiên cứu tình huống (case studies) chuyên sâu tại một vài ngân hàng tiêu biểu. Cách tiếp cận này sẽ giúp giải mã những câu chuyện đằng sau các con số thống kê.

KẾT LUẬN CHƯƠNG 5 Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Chương 5 đã tổng kết toàn bộ quá trình nghiên cứu, chuyển hóa những kết quả phân tích định lượng phức tạp thành các kết luận có ý nghĩa, các nội dung thảo luận sâu sắc và hàm ý chính sách mang tính thực tiễn. Trên cơ sở lựa chọn mô hình GMM Hệ thống làm phương pháp ước lượng đáng tin cậy nhất, chương 5 đã tóm lược những phát hiện quan trọng nhất của luận văn. Phát hiện trung tâm cho thấy, sau khi kiểm soát các yếu tố phức tạp, chi phí đầu tư vào Fintech không có tác động rõ ràng về mặt thống kê lên lợi nhuận của các ngân hàng thương mại Việt Nam trong giai đoạn 2015 – 2024. Đồng thời, một kết quả mang tính thách thức đã được chỉ ra: quy mô ngân hàng lớn lại có tác động ngược chiều đến lợi nhuận, gợi ý về sự tồn tại của “tính phi kinh tế theo quy mô” trong kỷ nguyên số. Ngoài ra, nghiên cứu cũng khẳng định tính bền vững rất cao của lợi nhuận ngành ngân hàng.

Từ những kết quả đó, chương 5 đã đi sâu vào diễn giải các cơ chế đằng sau những con số. Tác động không rõ ràng của Fintech được lý giải thông qua hiệu ứng “đường cong J”, sự không chắc chắn của đổi mới, và áp lực cạnh tranh gia tăng, vốn làm cho lợi ích chưa thể bù đắp chi phí đầu tư ban đầu. Nghịch lý về quy mô được giải mã bởi hai rào cản chính mà các ngân hàng lớn phải đối mặt: gánh nặng từ hệ thống công nghệ di sản và sức ì của tổ chức. Chương cũng đã đối chiếu các kết quả này với các nghiên cứu trước đây để làm nổi bật những đóng góp mới mẻ của luận văn, đặc biệt là về phương pháp luận và góc độ tiếp cận vấn đề.

Phần quan trọng nhất của chương là việc đề xuất các hàm ý chính sách và kiến nghị cụ thể. Đối với các ngân hàng thương mại, các hàm ý chính sách tập trung vào việc xây dựng chiến lược Fintech dài hạn, đổi mới hệ thống đo lường hiệu quả (KPIs), và quyết liệt giải quyết tính phi kinh tế theo quy mô. Đối với Ngân hàng Nhà nước, các kiến nghị hướng đến việc hoàn thiện khung pháp lý và cơ chế sandbox, xây dựng chính sách hỗ trợ chuyển đổi số, và thúc đẩy hạ tầng tài chính số quốc gia. Cuối cùng, với tinh thần khoa học, chương cũng đã thẳng thắn nhìn nhận những hạn chế của nghiên cứu, chủ yếu liên quan đến thước đo Fintech, khung thời gian và các biến bị bỏ sót, từ đó mở ra những hướng nghiên cứu tiềm năng trong tương lai để tiếp tục làm sâu sắc thêm hiểu biết về lĩnh vực đầy năng động này. Nhìn chung, chương 5 đã hoàn thành vai trò kết nối giữa phân tích thực nghiệm và ứng dụng thực tiễn, cung cấp một bức tranh toàn cảnh và những gợi mở giá trị cho cả giới học thuật và các nhà hoạch định chính sách.

KẾT LUẬN Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Luận văn “Ảnh hưởng của Fintech đến tỷ suất lợi nhuận của các ngân hàng thương mại tại Việt Nam” đã hoàn thành các mục tiêu nghiên cứu đề ra, cung cấp một bức tranh toàn diện và sâu sắc về mối quan hệ phức tạp giữa đầu tư công nghệ và hiệu quả tài chính trong bối cảnh ngành ngân hàng Việt Nam đang trong giai đoạn chuyển đổi số mạnh mẽ.

1. Về kết quả nghiên cứu:

Dựa trên phương pháp phân tích dữ liệu bảng với các kỹ thuật kinh tế lượng tiên tiến, đặc biệt là mô hình GMM Hệ thống, luận văn đã đưa ra những phát hiện quan trọng và có tính mới.

Thứ nhất, tác động của chi phí đầu tư vào Fintech lên tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE) của các NHTM Việt Nam trong giai đoạn 2015 – 2024 là không rõ ràng về mặt thống kê. Mặc dù các phân tích ban đầu cho thấy gánh nặng chi phí có thể gây áp lực tiêu cực lên lợi nhuận trong ngắn hạn, nhưng khi kiểm soát các vấn đề nội sinh và tính động, tác động này trở nên không đáng kể. Điều này phản ánh thực tiễn của “hiệu ứng đường cong J” trong đầu tư công nghệ, sự không chắc chắn của đổi mới và áp lực cạnh tranh gia tăng, khiến lợi ích chưa thể bù đắp chi phí đầu tư ban đầu.

Thứ hai, nghiên cứu đã chỉ ra một nghịch lý quan trọng: sự tồn tại của “tính phi kinh tế theo quy mô” trong kỷ nguyên số. Sau khi kiểm soát các yếu tố phức tạp, quy mô ngân hàng lớn hơn lại có tương quan tiêu cực với ROE. Phát hiện này được lý giải bởi gánh nặng từ các hệ thống công nghệ di sản và sức ì của tổ chức, vốn cản trở khả năng hấp thụ và khai thác hiệu quả các công nghệ mới của các ngân hàng lớn.

Thứ ba, nghiên cứu khẳng định mạnh mẽ tính bền vững và “tính ì” của lợi nhuận trong ngành ngân hàng, khi tỷ suất lợi nhuận của năm trước có tác động thuận chiều và mạnh mẽ đến hiệu quả của năm hiện tại.

2. Về đóng góp của luận văn: Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

Luận văn đã có những đóng góp đáng kể trên cả phương diện học thuật và thực tiễn. Về mặt học thuật, đây là một trong những nghiên cứu tiên phong tại Việt Nam áp dụng mô hình GMM Hệ thống để phân tích tác động của chi phí đầu tư Fintech nội tại của ngân hàng, mang lại một góc nhìn mới so với các nghiên cứu trước đây vốn tập trung vào tác động cạnh tranh từ bên ngoài. Về mặt thực tiễn, các kết quả và phân tích đã cung cấp những bằng chứng thực nghiệm giá trị, làm cơ sở cho việc đề xuất các hàm ý chính sách và kiến nghị cụ thể, khả thi.

3. Về hàm ý chính sách:

Từ các kết quả nghiên cứu, luận văn đã đưa ra các hàm ý chính sách tập trung vào hai nhóm đối tượng chính.

Đối với các nhà quản trị ngân hàng, cần có một tầm nhìn chiến lược dài hạn, kiên nhẫn với các khoản đầu tư Fintech, xây dựng hệ thống đo lường hiệu quả toàn diện thay vì chỉ nhìn vào lợi nhuận ngắn hạn và đặc biệt là phải quyết liệt giải quyết các rào cản về công nghệ di sản và sức ì tổ chức để tránh rơi vào bẫy “phi kinh tế theo quy mô”.

Đối với các cơ quan quản lý nhà nước, vai trò kiến tạo môi trường là vô cùng quan trọng, bao gồm việc tiếp tục hoàn thiện khung pháp lý và cơ chế thử nghiệm (sandbox), xây dựng các chính sách hỗ trợ thiết thực cho quá trình chuyển đổi số và đẩy mạnh đầu tư vào hạ tầng tài chính số quốc gia dùng chung.

Tóm lại, luận văn đã thành công trong việc giải đáp các câu hỏi nghiên cứu, cung cấp một góc nhìn thực tế và thận trọng về hành trình chuyển đổi số của ngành ngân hàng Việt Nam. Fintech không phải là “cây đũa thần” mang lại lợi nhuận tức thời, mà là một cuộc cách mạng đòi hỏi sự đầu tư chiến lược, quản lý hiệu quả và sự kiên nhẫn. Những phát hiện và hàm ý chính sách từ nghiên cứu này được kỳ vọng sẽ là nguồn tham khảo hữu ích cho các nhà hoạch định chính sách, các nhà quản trị ngân hàng và các nhà nghiên cứu trong việc định hình một tương lai phát triển bền vững và cạnh tranh cho hệ thống tài chính Việt Nam trong kỷ nguyên số. Luận văn: KQNC của Fintech đến tỷ suất lợi nhuận của các NH.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:  

===>>> Luận văn: Ảnh hưởng của Fintech đến tỷ suất lợi nhuận của NH

Dịch Vụ Viết Luận Văn 24/7 Chuyên cung cấp dịch vụ làm luận văn thạc sĩ, báo cáo tốt nghiệp, khóa luận tốt nghiệp, chuyên đề tốt nghiệp và Làm Tiểu Luận Môn luôn luôn uy tín hàng đầu. Dịch Vụ Viết Luận Văn 24/7 luôn đặt lợi ích của các bạn học viên là ưu tiên hàng đầu. Rất mong được hỗ trợ các bạn học viên khi làm bài tốt nghiệp. Hãy liên hệ ngay Dịch Vụ Viết Luận Văn qua Website:  https://hotrovietluanvan.com/ – Hoặc Gmail: hotrovietluanvan24@gmail.com