Việt Nam là một quốc gia được đánh giá có những điều kiện thuận lợi cho phát triển mô hình cho vay ngang hàng: i dân số hơn 99 triệu người với phần đông trong độ tuổi lao động, thu nhập
GIỚI THIỆU VẤN ĐỀ NGHIÊN CỨU
Tính cấp thiết của đề tài nghiên cứu
Thế giới và Việt Nam đang chứng kiến sự bùng nổ về công nghệ số với quy mô chưa từng có tiền lệ Trong xu thế đó, Công nghệ tài chính hay còn được biết đến rộng rãi với cái tên Fintech (Financial Technology) được phát triển nhằm áp dụng những công nghệ đổi mới, mang tính sáng tạo và hiện đại cho lĩnh vực tài chính, hướng đến mục tiêu cung cấp cho khách hàng những giải pháp hay dịch vụ tài chính thuận tiện, hiệu quả và minh bạch với chi phí thấp hơn so với các dịch vụ tài chính truyền thống (Mackenzie, 2015; Schueffel,
Những năm gần đây, Việt Nam đã và đang có những bước đi đột phá trong lĩnh vực tài chính kỹ thuật số - Fintech, song nhìn bức tranh tổng thể về hoạt động Fintech ở Việt Nam so với thế giới thì khái niệm này vẫn còn tương đối mới mẻ Một trong những yếu tố quan trọng góp phần tạo nên bước phát triển mạnh mẽ của hoạt động Fintech có thể kể đến như việc triển khai hình thức Cho vay ngang hàng trực tuyến (Peer-to-peer Lending - P2P Lending) Việt Nam là một quốc gia được đánh giá có những điều kiện thuận lợi cho phát triển mô hình cho vay ngang hàng: (i) dân số hơn 99 triệu người với phần đông trong độ tuổi lao động, thu nhập đang tăng khá nhanh và người dân thích dùng công nghệ tiên tiến; (ii) khả năng tiếp cận dịch vụ tài chính - ngân hàng còn ở mức khiêm tốn so với khu vực (theo Ngân hàng Thế giới, tại Việt Nam mới chỉ có khoảng 40% người lớn có tài khoản ngân hàng so với tỷ lệ 80% của Trung Quốc hay 74% tại khu vực Châu Á – Thái Bình Dương); và (iii) công nghệ thông tin đang phát triển nhanh chóng Do đó việc tìm hiểu về cách thức hoạt động, cũng như quản lý hình thức cho vay này là hết sức cần thiết Tuy nhiên hiện nay, hoạt động cho vay ngang hàng tại Việt Nam còn tiềm ẩn nhiều rủi ro khi chưa có hành lang pháp lý hỗ trợ hay việc thiếu minh bạch từ thông tin, đã tác động tiêu cực đến các nhà đầu tư tài chính, dẫn tới tình trạng vỡ nợ đối với bên cho vay Từ đó, kéo theo nhiều hệ lụy cho nền kinh tế xã hội
Tại Việt Nam, số lượng nghiên cứu về dịch vụ Ví điện tử - một lĩnh vực của Fintech đã có nhiều, song với P2P Lending, số lượng nghiên cứu vẫn còn hạn chế Nhóm nghiên
8 cứu ghi nhận vẫn còn khá ít những công trình nghiên cứu cụ thể về hoạt động cho vay ngang hàng toàn diện và đầy đủ về các rủi ro có thể xảy ra trong quá trình thực hiện những khoản giao dịch các trên nền tảng trực tuyến P2P Lending Trên thế giới, đã có những phân tích về những rủi ro của hoạt động này mang lại, tuy nhiên số lượng vẫn còn hạn chế trong những nghiên cứu chuyên sâu về đối tượng tham gia là các bên cho vay Điều này cho thấy, nghiên cứu của nhóm tiếp cận khảo sát trực tiếp doanh nghiệp tài chính không chỉ đáp ứng các mục tiêu nghiên cứu đã đề ra mà còn thể hiện được tính thực tiễn và thời sự Việc nghiên cứu chuyên sâu và đánh giá đầy đủ được những rủi ro có thể xảy ra trong hoạt động cho vay ngang hàng sẽ góp phần bổ sung cho khung lý thuyết nghiên cứu, đồng thời kết quả nghiên cứu có thể là tài liệu tham khảo có giá trị cho các nhà đầu tư và các tổ chức tài chính có thể đánh giá mức độ rủi ro và tính khả thi của các khoản vay trước khi bắt tay thực hiện đầu tư
Chính vì vậy, việc nghiên cứu những rủi ro trong hoạt động cho vay trên các nền tảng P2P Lending là hết sức cần thiết đối với các tổ chức tín dụng, các cá nhân và cơ quan quản lý nhà nước.
Mục tiêu nghiên cứu
Mục tiêu tổng quát của đề tài là xác định các rủi ro mà người cho vay trên nền tảng cho vay ngang hàng P2P trong thị trường tài chính Việt Nam gặp phải và xếp hạng mức độ rủi ro của chúng dựa trên phương pháp phân tích thứ bậc AHP - Analytic Hierarchy Process
Từ đó đề xuất các giải pháp để hạn chế tối đa rủi ro gây ảnh hưởng đến người cho vay
Bài nghiên cứu xác định 4 mục tiêu cụ thể như sau:
• Nhận dạng các rủi ro mà người cho vay gặp phải trên thị trường P2P, từ đó xác định các rủi ro có tần suất ảnh hưởng nhiều đến người cho vay để tiến hành nghiên cứu
• Đánh giá mức độ rủi ro ảnh hưởng tới người cho vay gặp phải như thế nào dựa trên dữ liệu thứ cấp đã thu thập
• Đưa ra các tiêu chí xoay quanh để đánh giá rủi ro sau đó áp dụng phương pháp phân tích thứ bậc AHP để xếp hạng và đánh giá các rủi ro theo mức độ nghiêm trọng
• Đề xuất các giải pháp nhằm hạn chế tối đa các rủi ro có thể gây ra cho người cho vay, tạo thêm uy tín/sự đáng tin cậy cho nền tảng P2P để mở rộng quy mô mà mô hình hiệu quả của hoạt động cho vay trực tuyến này trong thị trường tài chính Việt Nam nói riêng và thế giới nói chung.
Câu hỏi nghiên cứu
Câu hỏi nghiên cứu tổng quát: Các rủi ro trong hoạt động cho vay ngang hàng tác động như thế nào đến người cho vay?
Câu hỏi nghiên cứu cụ thể:
• Nguyên nhân nào dẫn đến những rủi ro ảnh hưởng tiêu cực đến khoản vay và những người cho vay?
• Các rủi ro nào mà người cho vay gặp phải trong nền tảng cho vay ngang hàng?
• Mức độ các rủi ro trong cho vay ngang hàng xảy đến với người cho vay như thế nào?
Đối tượng và phạm vi nghiên cứu
1.4.1 Đối tượng nghiên cứu Đối tượng nghiên cứu được xác định là những rủi ro trong hoạt động cho vay ngang hàng (P2P Lending) trên thị trường tài chính Việt Nam
Khách thể của nghiên cứu là những chuyên gia liên quan đến lĩnh vực tài chính – ngân hàng
- Phạm vi nghiên cứu: Thị trường tài chính Việt Nam
- Phạm vi thời gian: Bài nghiên cứu sử dụng nguồn dữ liệu từ ngày 1/1/2000 đến 31/12/2023
- Phạm vi nội dung: Tập trung nghiên cứu, đánh giá các rủi ro trong hoạt động cho vay ngang hàng trên thị trường tài chính Việt Nam
- Lĩnh vực nghiên cứu: Khoa học xã hội – kinh tế và kinh doanh
- Đơn vị nghiên cứu: Nhóm nghiên cứu thuộc Khoa Kinh tế và Kinh doanh quốc tế, trường Đại học Thương mại.
Phương pháp nghiên cứu
Bài nghiên cứu sử dụng các phương pháp phân tích, tổng hợp, phân loại, thống kê dữ liệu thông tin từ các nguồn dữ liệu thứ cấp khác nhau được thu thập từ sách, báo, tạp chí, trạng mạng điện tử, bài nghiên cứu khoa học liên quan để làm cơ sở lý luận nghiên cứu các rủi ro ảnh hưởng đến người cho vay trên nền tảng cho vay ngang hàng
Bên cạnh đó, bài nghiên cứu nghiên cứu còn được thực hiện bằng phương pháp phân tích thứ bậc (Analytic Hierarchy Process - AHP), một phương pháp ra quyết định đa mục tiêu được đề xuất bởi Thomas L Saaty – một nhà toán học người gốc I-rắc) Quy trình phân tích thứ bậc (AHP) là phương pháp ra quyết định đa quy mô được sử dụgvng rộng rãi nhất trong đánh giá rủi ro Nó được dùng như một công cụ linh hoạt để phân tích quyết định với nhiều tiêu chí, cho phép nhìn thấy rõ ràng các tiêu chí thẩm định và quyết định nhiều thuộc tính, trong đó đề cập đến một kỹ thuật định lượng Saaty & Vargas (Saaty, T.L & Vargas L.G, 1994) giới thiệu ứng dụng của AHP để giải quyết các vấn đề kinh tế, chính trị, xã hội, thiết kế kỹ thuật, lựa chọn mẫu kiến trúc, chiến lược giá, lựa chọn công nghệ, lập kế hoạch, giải quyết xung đột, phân tích lợi ích/chi phí và phân bổ nguồn lực,…
Dựa trên nguyên tắc so sánh cặp, phương pháp AHP trả lời các câu hỏi “Nên chọn phương án nào?” hay “Phương án nào là tốt nhất?” đối với vấn đề cần đánh giá, phân tích
Từ đó, phương pháp AHP giúp xác định được phương án tốt nhất dựa trên các tiêu chí đã đề ra trước đó Theo đó, bài nghiên cứu áp dụng phương pháp này để xếp hạng các rủi ro của người cho vay, xác định được rủi ro tác động đến người cho vay theo mức độ ảnh hưởng trong cho vay ngang hàng
Ý nghĩa nghiên cứu
Bài nghiên cứu về ảnh hưởng của rủi ro trong cho vay ngang hàng là một chủ đề quan trọng trong lĩnh vực tài chính và kinh tế P2P Lending là một hình thức cho vay tiền thông qua các nền tảng trực tuyến, kết nối những người có nhu cầu vay tiền và những người muốn đầu tư vào việc cho vay Trong khi P2P Lending mang lại nhiều lợi ích, như giảm thiểu sự phụ thuộc vào các tổ chức tài chính truyền thống và cung cấp khả năng tiếp cận dễ dàng đối với khoản vay, đi kèm theo đó là rủi ro cao
Bài nghiên cứu này nhằm xác định và phân tích ảnh hưởng của những rủi ro trong vay ngang hàng (P2P Lending), từ đó có thể thấy ý nghĩa quan trọng từ hai góc độ: góc độ của người cho vay và góc độ của người được cho vay Đối với người đi vay, bài nghiên cứu giúp hiểu rõ hơn các yếu tố rủi ro trong P2P lending để xây dựng các chiến lược quản lý rủi ro hiệu quả Bằng việc phân tích ảnh hưởng của các yếu tố như thu nhập, công việc, tình trạng tài chính và lịch sử vay nợ của người vay, bài nghiên cứu có thể đưa ra các chỉ số đánh giá rủi ro và xác định mức độ rủi ro cho từng khía cạnh của khoản vay Điều này giúp người cho vay có thể quyết định liệu họ nên cho vay hay không, và nếu có, thì mức lãi suất phù hợp để bù đắp rủi ro Đối với người được cho vay, bài nghiên cứu này mang lại thông tin quan trọng để hiểu và ước tính khả năng được duyệt khoản vay Bằng việc biết được những yếu tố rủi ro mà các nhà cung cấp dịch vụ P2P lending quan tâm, người được cho vay có thể chuẩn bị thông tin cá nhân và tài chính phù hợp để gia tăng khả năng duyệt khoản
Ngoài ra, bài nghiên cứu này cũng góp phần vào việc xây dựng một hệ thống P2P lending an toàn và ổn định Bằng việc hiểu rõ hơn các yếu tố rủi ro trong P2P lending, các tổ chức, cơ quan quản lý có thể thiết kế các biện pháp kiểm soát rủi ro, như xây dựng các hệ thống đánh giá tín dụng chính xác và cung cấp thông tin minh bạch cho người cho vay và người được cho vay
Tóm lại, bài nghiên cứu về ảnh hưởng của rủi ro trong P2P lending có ý nghĩa quan trọng trong việc quản lý rủi ro, tăng khả năng duyệt khoản và xây dựng một hệ thống P2P lending an toàn.
Cấu trúc bài nghiên cứu
Ngoài lời cam đoan, lời cảm ơn, danh mục hình, danh mục bảng biểu, tài liệu tham khảo và phụ lục, bài báo cáo đề tài nghiên cứu có cấu trúc như sau:
Chương 1: Giới thiệu vấn đề nghiên cứu
Chương 2: Tổng quan nghiên cứu
Chương 3: Phương pháp nghiên cứu
Chương 4: Kết quả nghiên cứu
Chương 5: Kết luận và thảo luận
TỔNG QUAN NGHIÊN CỨU
Một số lý thuyết liên quan
2.1.1 Các khái niệm cơ bản a) Nghiên cứu khoa học
Nghiên cứu có nhiều cách giải thích khác nhau, mỗi cách giải thích lại thể hiện một khía cạnh khác của nghiên cứu Thuật ngữ nghiên cứu có nguồn gốc từ recherche trong tiếng Pháp (“recerchier” trong tiếng Pháp xưa và được sử dụng lần đầu năm 1577 với ý nghĩa ban đầu là sự tìm kiếm) Theo Martyn Shuttleworth (2008) cho rằng: “Theo nghĩa rộng nhất, định nghĩa của nghiên cứu bao hàm bất cứ sự thu thập dữ liệu, thông tin, và dữ kiện nào nhằm thúc đẩy tri thức” Cresswell (2008) lại định nghĩa nghiên cứu là một quá trình có các bước thu thập và phân tích thông tin nhằm gia tăng sự hiểu biết của chúng ta về một chủ đề hay một vấn đề
Từ điển Trực tuyến Merriam-Webster thì lại nói một cách chi tiết, rõ ràng hơn: Nghiên cứu là “một truy vấn hay khảo sát cẩn thận; đặc biệt: sự khảo sát hay thể nghiệm nhắm đến việc phát hiện và diễn giải sự kiện, sự thay đổi những lý thuyết hay định luật đã được chấp nhận dựa trên những dữ kiện mới, hay sự ứng dụng thực tiễn những lý thuyết hay định luật mới hay đã được thay đổi đó”
Theo Tổ chức Hợp tác và Phát triển Kinh tế (OECD), nghiên cứu là một công việc có tính sáng tạo được thực hiên có hệ thống nhằm làm giàu kho tàng tri thức, bao gồm cả kiến thức của con người, văn hoá và xã hội, và việc sử dụng kho tang tri thức này để đưa ra những ứng dụng mới
Như vậy có thể hiểu rằng, nghiên cứu là quá trình thu thập và phân tích thông tin một cách hệ thống để tìm hiểu cách thức và lý do hành xử của sự vật, hiện tượng, góp phần làm giàu kho tàng tri thức về môi trường tự nhiên và xã hội của chúng ta
Khoa học (Tiếng Anh là science), theo Luật Khoa học và Công nghệ, khái niệm khoa học được định nghĩa là hệ thống tri thức bao gồm tất cả những điều thuộc về bản chất, quy luật tồn tại cũng như phát triển của sự vật, hiện tượng và tư duy
Qua hai khái niệm trên, nghiên cứu khoa học được định nghĩa là một hoạt động tìm kiếm, phát hiện, xem xét, điều tra, hoặc thử nghiệm những kiến thức mới, những lí thuyết mới…về tự nhiên và xã hội b) Kinh tế chia sẻ
Kinh tế chia sẻ là một mô hình thị trường lai (ở giữa sở hữu và tặng quà) trong đó đề cập đến mạng ngang hàng dựa trên chia sẻ quyền truy cập vào hàng hóa và dịch vụ (phối hợp thông qua các dịch vụ trực tuyến dựa vào cộng đồng)
Kinh tế chia sẻ gồm ba yếu tố chính cho phép chia sẻ các nguồn lực cho một loạt rộng rãi các hàng hóa và các dịch vụ mới cũng như các ngành mới
• Thứ nhất, hành vi của khách hàng đối với nhiều hàng hóa và dịch vụ thay đổi từ sở hữu đến chia sẻ
• Thứ hai, các mạng xã hội trực tuyến và thị trường điện tử dễ dàng hơn liên kết người tiêu dùng
• Thứ ba, các thiết bị di động và các dịch vụ điện tử làm cho việc sử dụng hàng hóa được chia sẻ và các dịch vụ thuận tiện hơn (ví dụ ứng dụng điện thoại thông minh thay vì chìa khóa vật lý)
Nền kinh tế chia sẻ có nhiều hình thức trong đó phổ biến nhất là sử dụng công nghệ thông tin c) Công nghệ tài chính
Công nghệ tài chính hay còn được gọi là Fintech (viết tắt của từ tiếng Anh Financial Technology), là sự kết hợp giữa lĩnh vực tài chính và công nghệ thông tin Nó ám chỉ sự ứng dụng của công nghệ để cung cấp các dịch vụ tài chính và tạo ra các giải pháp tài chính mới, hiệu quả và tiện lợi
Công nghệ tài chính đã thúc đẩy sự phát triển và cải thiện trong nhiều lĩnh vực tài chính, bao gồm các dịch vụ thanh toán, vay mượn, đầu tư, quản lý tài sản, bảo hiểm và giao dịch tài chính Ví dụ, các ứng dụng di động và các nền tảng trực tuyến cho phép người dùng thực hiện các giao dịch thanh toán, chuyển tiền và kiểm soát tài chính cá nhân từ xa Các công ty Fintech cũng đã phát triển các giải pháp vay mượn trực tuyến, giao dịch tiền điện tử và tiền mã hóa, cung cấp dịch vụ tư vấn đầu tư thông qua trí tuệ nhân tạo, và sử dụng công nghệ blockchain để cải thiện quy trình giao dịch và bảo mật
Công nghệ tài chính đã tạo ra nhiều cơ hội mới và thay đổi cách mà người dùng tiếp cận và sử dụng dịch vụ tài chính Nó cũng đang thúc đẩy sự cạnh tranh và đổi mới trong ngành tài chính, đồng thời đặt ra nhiều thách thức về quản lý rủi ro, bảo mật và quyền riêng tư d) Hoạt động ngang hàng (Peer to Peer)
Hoạt động ngang hàng (Peer-to-peer), còn được gọi là mô hình P2P, là một mô hình hoạt động trong đó các cá nhân hoặc tổ chức trực tiếp tương tác và trao đổi thông tin, tài sản hoặc dịch vụ với nhau mà không cần sự can thiệp của một bên trung gian truyền thống e) Cho vay ngang hàng
Cho vay ngang hàng (P2P lending) là mô hình kinh doanh mới, một loại hình dịch vụ sáng tạo, được thiết kế và xây dựng trên nền tảng ứng dụng công nghệ số để kết nối trực tiếp người đi vay với người cho vay (nhà đầu tư) mà không thông qua trung gian tài chính như tổ chức tín dụng, chi nhánh ngân hàng nước ngoài
Cho vay ngang hàng thường xảy ra thông qua các nền tảng P2P (peer-to-peer), nơi người vay và người cho vay có thể tương tác và thỏa thuận trực tiếp với nhau Các nền tảng P2P cung cấp một môi trường cho người vay và người cho vay để kết nối và đàm phán với nhau về các điều khoản vay, lãi suất, thời hạn và các điều kiện khác Trong mô hình cho vay ngang hàng, người vay có thể là cá nhân, doanh nghiệp nhỏ hoặc tổ chức phi lợi nhuận cần vốn để đầu tư, mở rộng kinh doanh hoặc đáp ứng nhu cầu tài chính Người cho vay có
Cơ sở lý luận
2.2.1 Thuyết hành động hợp lý (TRA)
Thuyết hành động hợp lý (Theory of Reasoned Action - TRA) do Martin Fishbein và Icek Ajzen xây dựng năm 1975 Thuyết này phân tích thái độ và hành vi trong hoạt động của mỗi cá nhân Lý thuyết được sử dụng để dự đoán cách mà mỗi cá nhân sẽ hành xử dựa trên thái độ và ý định hành vi đã có từ trước của họ
Mục đích chính của lý thuyết này là tìm hiểu hành vi tự nguyện của một cá nhân bằng cách kiểm tra động lực tiềm ẩn cơ bản của cá nhân đó để thực hiện một hành động TRA cho rằng ý định hành vi là yếu tố quyết định cá nhân đó có thực hiện hành vi hay không Theo đó, ý định hành vi chịu sự tác động của 2 yếu tố: thái độ đối với các hành vi và chuẩn chủ quan
• Thái độ đối với hành vi: là thái độ đối với một hành động hoặc một hành vi (Attitude toward behavior), thể hiện những nhận thức tích cực hay tiêu cực của cá nhân về việc thực hiện một hành vi, có thể được đo lường bằng tổng hợp của sức mạnh niềm tin và đánh giá niềm tin này (Hale, 2003)
• Chuẩn chủ quan: được định nghĩa là nhận thức của một cá nhân, với những người tham khảo quan trọng của cá nhân đó cho rằng hành vi nên hay không nên được thực hiện (Fishbein & Ajzen, 1975)
• Ý định hành vi: đo lường khả năng chủ quan của đối tượng sẽ thực hiện một hành vi và có thể được xem như một trường hợp đặc biệt của niềm tin (Fishbein & Ajzen, 1975) Được quyết định bởi thái độ của một cá nhân đối với các hành vi và chuẩn chủ quan
• Hành vi: là những hành động quan sát được của đối tượng (Fishbein & Ajzen,1975) được quyết định bởi ý định hành vi
Hình 4 Mô hình thuyết hành động hợp lýMô hình thuyết hành động hợp lý
Thuyết TRA còn tồn đọng hạn chế: Hành vi không phải lúc nào cũng nằm dưới sự kiểm soát của ý chí, thái độ và hành vi không phải lúc nào cũng được liên kết với nhau Vì vậy, thuyết chỉ được áp dụng với các hành vi có ý định từ trước Các hành động theo thói quen, hành động không có ý thức,… không được lý giải bằng thuyết này
2.2.2 Thuyết hành vi dự định (TPB)
Thuyết hành vi dự định TPB (Theory of Planned Behavior), được phát triển từ lý thuyết hành động hợp lý TRA, giả định rằng một hành vi có thể được dự báo hoặc giải thích bởi các xu hướng hành vi để thực hiện hành vi đó Các xu hướng hành vi được giả sử bao gồm các nhân tố động cơ mà ảnh hưởng đến hành vi, và được định nghĩa như là mức độ nỗ lực mà mọi người cố gắng để thực hiện hành vi đó
Thái độ đối với hành vi
Chuẩn chủ quan Ý định hành vi Hành vi
Hình 5 Mô hình thuyết hành vi dự định
Xu hướng hành vi lại là một hàm của ba nhân tố Thứ nhất, các thái độ được khái niệm như là đánh giá tích cực hay tiêu cực về hành vi thực hiện Nhân tố thứ hai là ảnh hưởng xã hội mà đề cập đến sức ép xã hội được cảm nhận để thực hiện hay không thực hiện hành vi đó Cuối cùng, thuyết hành vi dự định TPB (Theory of Planned Behaviour) được Ajzen xây dựng bằng cách bổ sung thêm yếu tố kiểm soát hành vi cảm nhận vào mô hình TRA Thành phần kiểm soát hành vi cảm nhận phản ánh việc dễ dàng hay khó khăn khi thực hiện hành vi; điều này phụ thuộc vào sự sẵn có của các nguồn lực và các cơ hội để thực hiện hành vi Ajzen đề nghị rằng nhân tố kiểm soát hành vi tác động trực tiếp đến xu hướng thực hiện hành vi, và nếu đương sự chính xác trong cảm nhận về mức độ kiểm soát của mình, thì kiểm soát hành vi còn dự báo cả hành vi Mô hình TPB được xem như tối ưu hơn mô hình TRA trong việc dự đoán và giải thích hành vi của người tiêu dùng trong cùng một nội dung và hoàn cảnh nghiên cứu Bởi vì mô hình TPB khắc phục được nhược điểm của mô hình TRA bằng cách bổ sung thêm yếu tố kiểm soát hành vi cảm nhận
Cả hai mô hình TRA và TPB đều là những mô hình đã được các nhà khoa học sử dụng để nghiên cứu về hành vi khách hàng trong tất cả các lĩnh vực khác nhau không chỉ trong vực tài chính Ngân hàng Trên Thế Giới, các mô hình đã được sử dụng rộng rãi khá lâu và đã được kiểm chứng tính thực tế thông qua các công trình khoa học của của nhà nghiên cứu nổi tiếng
Nhận thức kiểm soát hành vi Ý định hành vi
2.2.3 Thuyết nhận thức rủi ro (TPR)
Thuyết nhận thức rủi ro được thảo luận nhiều trong các tài liệu về lĩnh vực tiếp thị và tâm lý học Thuyết nhận thức rủi ro (TPR - Theory of Perceived risk) được phát triển lần đầu bởi Bauer (1960), theo ông nhận thức rủi ro là cảm giác không chắc chắn về những hậu quả tiêu cực có thể xảy tới khi sử dụng một sản phẩm hoặc dịch vụ (Featherman & Pavlou, 2003) Thuyết này được định nghĩa chính thức bới Bauer & Cox, 1967 là " sự kết hợp giữa sự không chắc chắn cộng với mức độ nghiêm trọng của kết quả liên quan" hay nó như là “kỳ vọng về tổn thất liên quan đến việc mua hàng và đóng vai trò như một yếu tố ngăn cản hành vi mua hàng” (Peter & Ryan, 1976) Thuyết nhận thức rủi ro cũng được áp dụng trong nghiên cứu nhiều lĩnh vực, ví dụ như Featherman và Pavlou (2003) xác định rủi ro được nhận thấy trong lĩnh vực dịch vụ điện tử Và các nghiên cứu trước đây chỉ ra rằng các sản phẩm càng vô hình thì nó được coi là có rủi ro càng cao (Brasil và cộng sự, 2008; Laroche và cộng sự, 200; Mitchell & Greatorex, 1993) Người tiêu dùng không thể kiểm tra thực tế một sản phẩm được cung cấp qua trực tuyến nên họ càng lo ngại hơn về chất lượng sản phẩm được cung cấp Do đó, người sử dụng nền tảng cho vay P2P cảm thấy rủi ro khi tham gia vào
Rủi ro chính được nhận thấy trong hoạt động cho vay P2P là khả năng thua lỗ (Lee,
2008) Các loại nhận thức rủi ro được xác định trong bảng dưới (Featherman & Pavlou,
Bảng 2 Các loại rủi ro nhận thức
Các loại rủi ro nhận thức Định nghĩa
Rủi ro về hiệu suất
Khả năng sản phẩm bị trục trặc và không hoạt động như đã được thiết kế và quảng cáo, do đó không mang lại lợi ích mong muốn
Rủi ro tài chính Khả năng việc mua hàng có thể dẫn đến mất tiền cũng như các chi phí bảo trì sản phẩm sau đó
Rủi ro thời gian Người tiêu dùng có thể lãng phí thời gian khi đưa ra quyết định mua sản phẩm không tốt ấy bằng cách tốn thời gian nghiên cứu sản phẩm và mua sản phẩm đó, tốn thời gian học cách sử dụng sản phẩm đó để rồi phải thay thế nó nếu nó hoạt động không như mong đợi
Rủi ro tâm lý Rủi ro về việc lựa chọn hoặc thực hiện của nhà sản xuất sẽ có tác động tiêu cực đến sự yên bình của tâm trí hay khả năng tự nhận thức người tiêu dùng
Rủi ro xã hội Có khả năng mất địa vị trong một nhóm xã hội do sử dụng một sản phẩm hoặc dịch vụ trông có vẻ kém, không chất lượng hoặc không hợp xu hướng
Rủi ro an toàn riêng tư
Có khả năng mất quyền kiểm soát thông tin cá nhân, chẳng hạn như khi thông tin về bạn được sử dụng mà bạn không biết hoặc không cho phép Trường hợp cực đoan là người tiêu dùng bị ''giả mạo'', nghĩa là tội phạm sử dụng danh tính của họ để thực hiện các giao dịch gian lận
2.2.4 Thuyết hành vi bầy đàn (Herding Behavior)
“Hành vi bầy đàn” hay còn được biết đến với tên gọi khác là “Hiệu ứng đám đông” là một hiện tượng tâm lý khá phổ biến trong đời sống kinh tế xã hội Những người bị hiệu ứng đám đông chi phối thường hành động theo những gì mà người khác đang làm ngay cả khi thông tin riêng của họ cho thấy nên hành động theo một cách khác (Banerjee, 1992) Đây cũng chính là cách hành xử phổ biến của các nhà đầu tư trên thị trường tài chính Trên thực tế, không chỉ có quyết định của các nhà đầu tư nhỏ lẻ bị ảnh hưởng và chi phối bởi
Tổng quan nghiên cứu
Yum và cộng sự (2012) đã tiến hành đánh giá mức độ rủi ro của P2P Lending trong hoạt động đầu tư bằng cách sử dụng bộ dữ liệu từ hai tổ chức P2P Lending lớn nhất tại Hoa
Kỳ, đó là Lending Club và Prosper Market Place Kết quả nghiên cứu cho thấy, có ba nguồn rủi ro tiềm ẩn chính đối với những người cho vay muốn đầu tư thông qua các nền tảng P2P Lending trực tuyến, bao gồm: khách hàng mục tiêu, môi trường cho vay trực tuyến và các khoản vay Với sự phát triển của khoa học công nghệ, ngầy càng có nhiều biến thể trong cách thức hoạt động của các nền tảng P2P Lending Các nghiên cứu nêu trên đóng góp quan trọng trong việc đánh giá rủi ro của hoạt động cho vay ngang hàng đối với các nhà đầu tư, đặc biệt là những nhà đầu tư cá nhân Tuy nhiên, hiện nay vẫn chưa có nhiều những
37 nghiên cứu đánh giá trực tiếp và chuyên sâu vào những rủi ro mà người cho vay có thể gặp phải trong quá trình thực hiện các khoản vay trực tuyến Vì vậy, việc nghiên cứu và đánh giá mức độ rủi ro này là cần thiết không chỉ riêng đối với các nhà đầu tư mà còn dành cho các nhà hoạch định chính sách Để hiểu rõ hơn về những rủi ro mà người cho vay có thể gặp phải trong thị trường P2P Lending, cần tiếp cận một vài nguyên nhân chủ yếu gây trở ngại trong việc thực hiện các khoản cho vay:
• Về đặc điểm nhóm khách hàng: Yum và cộng sự (2012) cho rằng, tương tự các tổ chức tài chính vi mô khác, P2P Lending chủ yếu dành cho những nhóm khách hàng đầu tư dài hạn Theo Kauffman và cộng sự (2012), công nghệ thông tin và truyền thông đang được xem là công cụ quan trọng để mở rộng phạm vi hỗ trợ của hoạt động P2P Lending Công nghệ thông tin và truyền thông giúp cho hoạt động P2P Lending dễ dàng mở rộng phạm vi, tăng cường khả năng tiếp cận đến nhiều nhóm khách hàng mới, tăng cường tính chính xác và hiệu quả của việc cho vay Nhóm khách hàng mục tiêu của thị trường P2P Lending là những hộ gia đình có thu nhập thấp và bị từ chối vay tiền bởi các ngân hàng, do điểm tín dụng thấp hoặc số tiền vay nhỏ Hầu hết các nghiên cứu trước đây về cho vay P2P đã chỉ ra rằng, không có quá nhiều khác biệt về đặc điểm của người đi vay Điều này là do thị trường tài chính vi mô nói chung và thị trường cho vay ngang hàng nói riêng chủ yếu phục vụ những khách hàng gặp khó khăn trong việc thực hiện các khoản vay truyền thống tại các ngân hàng thương mại Điều này tiềm ẩn khả năng vỡ nợ cao khi những người đi vay không đủ khả năng thanh khoản hay thậm chí trốn nợ Ngoài ra, môi trường ẩn danh trên Internet cũng cản trở việc hình thành giữa những người tham gia (Klafft, 2008) Các giao dịch trong thị trường tín dụng điện tử thường liên quan đến tên người dùng hư cấu, do đó tiềm ẩn nguy cơ vỡ nợ do gian lận trên nền tảng trực tuyến (Greiner & Wang 2007)
• Hành vi bầy đàn của nhà đầu tư: Nghiên cứu của Wang và Greiner (2011) chỉ ra rằng những người cho vay có ít chuyên môn về quản lý rủi ro phải gánh chịu khả năng vỡ nợ từ các khoảng vay cao hơn Có bằng chứng cho thấy rằng khả năng của riêng bản thân người cho vay cá nhân trong việc đánh giá thông tin của người đi vay là không đủ để xác
38 thực độ tin cậy trong thông tin của người đi vay Điều này một phần là do hiệu ứng đám đóng hay còn được biết đến với cái tên “hành vi bầy đàn” mà người đi vay thể hiện (Puro và cộng sự 2011, Shen và cộng sự 2010, Zhang & Liu 2012) Trong hiệu ứng này, quyết định cho vay của những nhà đầu tư không những bị ảnh hưởng bởi thông tin của người đi vay mà còn ảnh hưởng bởi các quyết định cho vay khác được hiển thị trong thông tin của khách hàng Plott (2000) đã chỉ ra rằng thị trường tài chính còn thực hiện nhiệm vụ thu thập thông tin được phân phối trên một hệ thống mô tả niềm tin, tình cảm và ý kiến, đồng thời tổng hợp và công bố nguồn thông tin rộng lớn này Kết quả là, những người cho vay tham gia vào thị trường tài chính nói chung và thị trường cho vay ngang hàng nói riêng có thể học hỏi lẫn nhau và học hỏi từ thông tin trong thị trường Tuy nhiên, theo lý giải của Chang, Cheng và Khorana (1999), hành vi bầy đàn có thể được xem như hành vì thị trường không có chủ ý khi các nhà đầu tư bỏ qua những niềm tin trước đây của bản thân bằng việc
“nối gót” các nhà đầu tư khác một cách mù quáng Khi xét hành vi bầy đàn theo góc độ có chủ ý, những nhà đầu tư có trình độ thấp “cố tình” làm theo các quyết định của những nhà đầu tư có khả năng tốt hơn, bằng việc gạt bỏ toàn bộ những thông tin mà cá nhân họ thu thập được, bởi họ tin rằng quyết định của những nhà đầu tư khác xuất phát từ những nguồn thông tin đáng tin cậy hơn Tổng quát, các nghiên cứu đều hướng đến một kết quả chung nhất, dù là chủ ý hay không chủ ý thì các nhà đầu tư đều không dựa trên những phân tích và nguồn thông tin mà họ nhận dược mà chỉ dựa trên những động thái chung của thị trường để đưa ra các quyết định đầu tư của mình
• Tâm lý quá tự tin của nhà đầu tư (Overconfidence): tự tin là trạng thái tâm lý tốt song quá tự tin có thể dẫn đến các lệch lạc trong hành vi Kết quả nghiên cứu của Shiller
(2000) và Thaler (2002) cho thấy điển hình của những lệch lạc do sự quá tự tin gây ra là các nhà đầu tư quá tự tin thường ít đa dạng hóa danh mục đầu tư và đầu tư vào những công ty mà họ thấy quen thuộc Nghiên cứu của Odean (1998) cho thấy, các nhà đầu tư có tâm lý quá tự tin có xu hướng tin rằng họ đầu tư giỏi hơn người khác song thực tế trung bình sinh lợi của những người này lại thấp hơn trung bình của thị trường Về mối quan hệ giữa giới tính và tâm lý tự tin, nghiên cứu của Odean (2001) và Pulford (1997) đã chỉ ra rằng nam giới thường có mức độ tự tin hơn nữ giới Đồng thời, nghiên cứu của Odean (1998)
39 cũng chỉ ra rằng, sự quá tự tin làm cho các nhà đầu tư thường giao dịch nhiều hơn những nhà đầu tư khác và kết quả là thành quả giao dịch thường không hiệu quả
• Tâm lý lạc quan quá mức của nhà đầu tư (Excessive Optimism): sự lạc quan quá mức thường xuất phát từ sự quá tự tin và liên quan đến niềm tin cho rằng các sự kiện xảy ra trong tương lai sẽ tốt đẹp, tích cực hơn tình trạng hiện tại Giáo sư Daniel Kahnemen đạt giải Nobel năm 2002 cho rằng, sự lạc quan thái quá của nhà đầu tư là do bản thân họ thường thực hiện đầu tư trên giác độ bên trong (tập trung vào tình trạng hiện tại của khoản đầu tư và phản ánh các đánh giá mang tính cá nhân của nhà đầu tư) thay cho giác độ bên ngoài (tập trung vào dự đoán tình trạng hiện tại thông qua các dữ liệu kết quả trong quá khứ) Nghiên cứu của Gervais, Heaton, và Odean (2002) đã cho thấy tâm lý lạc quan quá mức gây ra tác động tiêu cực đối với các nhà quản trị bởi nó dẫn đến các nhà quản trị đầu tư vào các cơ hội có NPV âm Pompian (2006) cho rằng, tâm lý lạc quan quá mức dẫn đến nhà đầu tư thường bỏ qua các tác động tiêu cực của lạm phát, phí và thuế cũng như làm cho các nhà đầu tư tập trung quá nhiều vào những dự báo và tập trung vào đầu tư những công ty quen thuộc
• Thái độ đối với rủi ro của nhà đầu tư (Psychology of Risk): Quan điểm của tài chính chuẩn mực về rủi ro kết hợp với khía cạnh khách quan về rủi ro (định lượng), trong khi quan điểm của tài chính hành vi còn xem xét thêm các nhân tố chủ quan (định tính) Các nghiên cứu về tài chính hành vi đã đưa ra rất nhiều yếu tố rủi ro mang tính nhận thức (tinh thần) và ảnh hưởng (cảm xúc) khác nhau, có thể được áp dụng trong quá trình đưa ra quyết định và giải thích về quá trình một cá nhân nhận thức được rủi ro đối với các dịch vụ tài chính đa dạng và các công cụ đầu tư Ví dụ, Ricciardi (2008b) khái quát 12 yếu tố quan trọng ảnh hưởng đến việc nhận thức rủi ro của một cá nhân đối với các dịch vụ tài chính và các sản phẩm đầu tư Những yếu tố này gồm sự quá tự tin, tâm lý ngại mất mát, lý thuyết triển vọng, suy nghiệm, tính đại diện, nhận định, xu hướng quen thuộc, hư cấu (tưởng tượng), kiến thức của chuyên gia, khả năng điều khiển được, lo ngại và ảnh hưởng (cảm xúc) Các nhà đầu tư đánh giá cơ hội tiềm ẩn dựa trên niềm tin của họ, kinh nghiệm bản thân, và thông tin sẵn có Từ đó, họ sẽ đưa ra những hành vi khác nhau và áp dụng những đánh giá chủ quan để quyết định chọn lựa cuối cùng Tóm lại, rủi ro là một quá trình đa
40 chiều (đa yếu tố) và dựa vào tình huống, phụ thuộc vào các yếu tố cụ thể của dịch vụ đầu tư hoặc sản phẩm tài chính (Ricciardi, 2008a, 2008b)
• Lãi suất: Theo Emekter và cộng sự (2015) lãi suất của mô hình P2P Lending gần với lãi suất của thị trường và được xác định bởi cả những người vay và những người cho vay Lãi suất được xác định theo từng mối quan hệ vay vốn giữa hai bên và được thể hiện trên thị trường Điều này cho thấy rằng, mô hình P2P Lending có thể tạo ra những lãi suất linh hoạt hơn và phù hợp hơn với nhu cầu vay của khách hàng Theo Yum và cộng sự
(2012), lợi ích được quảng bá rộng rãi nhất của việc Cho vay ngang hàng là người đi vay có thể thực hiện được những khoản vay với lãi suất thấp hơn các tổ chức tài chính vi mô truyền thống mà không cần tài sản thế chấp Trong khi đó, người cho vay có thể thu được lợi tức đầu tư cao hơn (Magee, 2011) Tuy nhiên, những khách hàng có nhu cầu vay tiền tìm đến mô hình P2P Lending có thể là những cá nhân không đủ khả năng hay điểm tín dụng để huy động tiền thông qua các tổ chức cho vay truyền thống ngay cả khi thông tin tín dụng đủ tin cậy, người cho vay không thể đảm bảo không xảy ra tình trạng vỡ nợ Do đó, những người cho vay dưới tư cách là các nhà đâu tư phải sàng lọc thông tin rất nghiêm ngặt, trong một số tình huống họ còn yêu cầu một mức lãi suất (tương đối) cao hơn kỳ vọng của người đi vay Chính vì thế, đôi lúc tỷ lệ đầu tư trên các nền tảng P2P trực tuyến không cao Yum và cộng sự (2012) lập luận rằng vấn đề nêu trên dẫn đến lãi suất cao và tỷ lệ thành công thấp do người vay ngần ngại trong việc đầu tư các khoản vay trực tuyến Theo một nghiên cứu được thực hiện vào năm 2012 của tác giả Chen và Han, chỉ có 10.5% khoản vay mà người đi vay yêu cầu được đầu tư thành công trên nền tảng Prosper (Prosper.com) vào năm 2008 và con số này vẫn dưới 20% vào năm 2012
• Bất đối xứng thông tin giữa người cho vay và người đi vay: Trong thị trường P2P trực tuyến, người cho vay cá nhân hay còn được gọi là những nhà đầu tư P2P trực tuyến sẽ trực tiếp sàng lọc thông tin khách hàng nhằm xác định xem người đi vay có đủ tin cậy để thực hiện khoản vay hay không Tuy nhiên, sẽ luôn xảy ra khả năng người đi vay sẽ hiểu sai về mức độ tín nhiệm của họ Do đó, tình trạng bất đối xứng thông tin giữa người đi vay và người cho vay tiềm năng trong thị trường cho vay P2P luôn là vấn đề nghiêm trọng (Yum và cộng sự, 2012)
PHƯƠNG PHÁP NGHIÊN CỨU
Phương pháp nghiên cứu
Phương pháp phân tích thứ bậc (Analytic Hierarchy Process - AHP) là một trong những phương pháp ra quyết định đa mục tiêu được đề xuất bởi Thomas L Saaty – một nhà toán học người gốc Irắc AHP là một phương pháp phân tích định lượng, được sử dụng phổ biến khi người ta cần đánh giá nhiều các phương án dựa trên nhiều tiêu chí khác nhau để chọn ra được phương án tốt nhất
AHP giúp trả lời câu hỏi nên chọn phương án nào? hoặc phương án nào là tốt nhất ? thỏa mãn các điều kiện cho trước Đây là phương pháp hỗ trợ quyết định đa tiêu chí hiệu quả nhất và được ưa thích nhất do tính linh hoạt, tính toán đơn giản và tích hợp với các kỹ thuật khác (Vaidya & Kumar, 2006; Subramanian & Ramanathan, 2012) Phương pháp AHP là một phương pháp toán học để phân tích các quyết định phức tạp bằng cách sử dụng dữ liệu định lượng cũng như dữ liệu định tính dựa trên kinh nghiệm và trực giác của người ra quyết định (De Felice, A Petrillo, C Autorino, 2015) Phương pháp này cho phép mô hình hóa phân cấp thể hiện mối quan hệ giữa mục tiêu, tiêu chí chính và tiêu chí phụ của vấn đề và các lựa chọn thay thế (Scholl và cộng sự, 2005) Trong phương pháp này, việc sử dụng giá trị trung bình hình học của các quyết định riêng lẻ của người ra quyết định giúp giảm bớt sự thiên vị trong quá trình ra quyết định
Một trong những ưu điểm quan trọng nhất của AHP là nó trình bày các quyết định liên quan đến mục tiêu và các tiêu chí liên quan theo cấu trúc phân cấp cân bằng và xác định mức độ ưu tiên giữa các tiêu chí (Shapira & Goldenberg, 2005) Nhờ đó, người ra quyết định được thuận lợi rất nhiều trong việc đưa ra quyết định đúng đắn và phù hợp nhất cho vấn đề của mình (Russel & Taylor, 2006; M Waris và cộng sự, 2019) Phương pháp AHP được sử dụng rộng rãi trong y tế, an toàn lao động, hậu cần, nông nghiệp, lâm nghiệp, xây dựng và nhiều lĩnh vực khác Tham chiếu (Chang và cộng sự, 1992) đã xác định các tiêu chí rủi ro trong các dự án hoạch định nguồn lực doanh nghiệp (ERP) tiềm năng bằng
43 phương pháp Delphi và xác định mức độ ưu tiên của các tiêu chí rủi ro này bằng phương pháp AHP
Nội dung phương pháp phân tích thứ bậc (AHP)
Giả sử ta có một vấn đề cần ra quyết định (gọi là mục tiêu), phải dựa trên nhiều tiêu chí (Tiêu chí C1, Tiêu chí C2, …, Tiêu chí Cn) Các phương án có thể đưa vào so sánh là PA1, PA2, …PAm Các vấn đề của bài toán được mô hình hóa ở Hình
Hình 6 Sơ đồ mô tả bài toán phân tích thứ bậc
Phương pháp phân tích thứ bậc (AHP) được thực hiện theo các bước như sau:
Bước 1: Xác định mức độ ưu tiên cho các tiêu chí
Hình 7 Thang đánh giá Saaty
Tiến hành thực hiện việc so sánh các tiêu chí theo từng cặp, mức độ quan trọng của các cặp tiêu chí Các mức độ ưu tiên (các giá trị aij, với i chạy theo hàng, j chạy theo cột)
44 theo cặp của các tiêu chí có các giá trị nguyên dương từ 1 đến 9 hoặc nghịch đảo của các số này, ta được ma trận vuông (nxn) như Bảng 3
Hệ số của ma trận được lấy từ điểm số của việc so sánh cặp giữa các thành phần, yếu tố hay các tiêu chí Giá trị so sánh cặp được thực hiện thông qua ý kiến chuyên gia Giá trị hệ số ma trận tương quan hoàn toàn phụ thuộc vào tính chủ quan của người nghiên cứu trong việc định lượng trọng số cho các mục tiêu là nhược điểm của phương pháp này
Giả sử tiêu chí C1 có mức độ ưu tiên bằng 1/3 tiêu chí C3, khi ấy tiêu chí C3 sẽ có mức độ ưu tiên bằng 3 lần tiêu chí C1 Ta ghi vào dòng tương ứng với C1 và cột C3 giá trị 1/3, dòng tương ứng C3 và cột C1 giá trị 3 như trong Bảng 3
Bảng 3 Ma trận mức độ ưu tiên các tiêu chí và ví dụ
Bước 2: Tính toán trọng số cho các tiêu chí
Sau khi lập xong ma trận trên, người đánh giá sẽ tiến hành tính toán trọng số cho các tiêu chí bằng cách cộng tổng các giá trị của ma trận theo cột, sau đó lấy từng giá trị của ma trận chia cho số tổng của cột tương ứng, giá trị thu được được thay vào chỗ giá trị được tính toán Trọng số của mỗi tiêu chí C1, C2, C3, … Cn tương ứng sẽ bằng bình quân các giá trị theo từng hàng ngang Kết quả là ta có một ma trận 1 cột n hàng
Bảng 4 Ma trận chuẩn hóa so sánh
Tuy nhiên các giá trị trọng số ở đây (w1, w2,…wn) chưa phải là giá trị kết luận cuối cùng, nó cần phải kiểm tra tính nhất quán trong cách đánh giá của các chuyên gia trong suốt quá trình áp dụng phương pháp Saaty T.L, (2008), chỉ ra rằng tỉ số nhất quán (CR) nhỏ hơn hay bằng 10% là ở mức có thể chấp nhận Nói cách khác, có 10% cơ hội mà các chuyên gia trả lời các câu hỏi hoàn toàn ngẫu nhiên Nếu CR lớn hơn 10% chứng tỏ có sự không nhất quán trong đánh giá và cần phải đánh giá và tính toán lại
CR - tỷ lệ nhất quán; CI - chỉ số nhất quán; RI - chỉ số ngẫu nhiên
- Xác định chỉ số nhất quán CI:
𝑛−1 λmax là giá trị riêng lớn nhất của ma trận so sánh cặp (n x n), giá trị riêng lớn nhất λmax luôn luôn lớn hơn hoặc bằng số hàng hay cột n Nhận định càng nhất quán, giá trị tính toán λmax càng gần n (chính là kích thước ma trận tính toán)
Chỉ số ngẫu nhiên RI: được xác định từ bảng số cho sẵn (xem Bảng 5 – bảng này chỉ trình bày giá trị RI cho tối đa 12 tiêu chí)
Bảng 5 Chỉ số ngẫu nhiên ứng với số tiêu chí lựa chọn được xem xét n 1 2 3 4 5 6 7 8 9 10 11 12
Bước 3: Tính độ ưu tiên của các phương án theo từng tiêu chí Ở bước này sẽ tính toán cho từng tiêu chí, cách tính toán giống như trong Bước 1 và Bước 2, nhưng số liệu đưa vào đánh giá là kết quả so sánh mức độ ưu tiên của các phương án xem xét theo từng tiêu chí (theo ý kiến các chuyên gia của dự án) Như thế, đánh giá phải thực hiện n ma trận cho n tiêu chí khác nhau Kết quả là ta có n ma trận 1 cột m hàng (m phương án) Cũng cần tiến hành kiểm tra tỷ số nhất quán để đảm bảo kết quả thu được có độ tin cậy phù hợp
Bước 4: Tính điểm cho các phương án và lựa chọn Đây là bước cuối cùng trong quá trình đánh giá và đưa ra phương án Từ Bước 3 tổng hợp được ma trận trọng số các phương án theo các tiêu chí Nhân ma trận này với ma trận trọng số các tiêu chí là kết quả của Bước 2, được kết quả là một ma trận m hàng (m phương án) 1 cột (giá trị trọng số) Ma trận kết quả sẽ cho biết phương án tốt nhất nên chọn, là phương án có giá trị trọng số cao nhất.
Mô hình nghiên cứu
Cho vay ngang hàng (P2P – peer to peer lending) là một hình thức cho vay mới lạ đối với nhiều người tại Việt Nam nhưng trên thế giới nó đang phát triển với tốc độ toàn cầu với những thành công nhất định P2P ra đời cùng với sự phát triển của công nghệ số trong ngành dịch vụ tài chính P2P thiết lập kết nối trực tiếp giữa những người cho vay nắm giữ tiền và đang tìm kiếm lợi nhuận với những người đi vay cần vốn
Tuy nhiên, bên cạnh giá trị thu được đáng kể từ nền tảng này thì những thiệt hại mai lại cũng không ít Đặc biệt, các khoản vay được cấp bởi người cho vay chứ không phải bản thân nền tảng, do vậy nền tảng chuyển rủi ro sang người cho vay Nhóm nghiên cứu đã xác định các loại rủi ro xảy đến với người cho vay trên nền tảng P2P gồm 4 loại rủi ro bậc 1 và
16 loại rủi ro bậc 2, theo phương pháp phân tích thứ bậc AHP (phương pháp phân tích định lượng, dùng để đánh giá nhiều các phướng án dựa trên nhiều tiêu chí khác nhau để chọn ra được phướng án tốt nhất)
Dưới đây là bảng giải thích sơ bộ các loại rủi ro của hoạt động cho vay ngang hàng với nhà đầu tư
Bảng 6 Những rủi ro trong mô hình cho vay ngang hàng đối với nhà đầu tư
STT Các loại rủi ro Giải thích
Những rủi ro đến từ người cho vay
1 Tính chủ quan hay phân biệt đối xử của người cho vay
Nếu người cho vay có cảm tình với một ai đó hoặc thấy điểm tương đồng về vùng miền, tuổi tác, giới tính, ảnh hồ sơ vay, …thì khả năng tiếp cận với khoản vay của những người này sẽ cao hơn Thực trạng này thường giải thích theo thuyết tiến hóa tâm lý học, người cho vay ưu tiên người khác giới hơn cả những người có năng lực tài chính hấp dẫn hơn ( hiệu ứng vẻ đẹp bất lợi )
2 Thiếu năng lực chuyên môn về đầu tư, đầu tư theo hiệu ứng đám đông
Hành vi đầu tư của người cho vay thỉnh thoảng vô lý vì họ có thể bị chi phối bởi hiệu ứng đám đông ( hành vi bầy đàn) - hành động theo những gì mà các nhà cho vay khác đang làm ngay cả khi thông tin riêng của họ cho thấy nên hành động theo một cách khác So với các nhà đầu tư tổ chức, những người cho vay cá nhân trên nền tảng cho vay P2P thường cung cấp vốn đầu tư nhỏ hơn và có đặc điểm là chuyên môn đầu tư giảm Họ có thể không có khả năng phân tích đầy đủ thông tin của người vay để đưa ra quyết định đầu tư hợp lý
Bất đối xứng thông tin của người cho vay
Rủi ro bất đối xứng thông tin xảy ra khi người cho vay tiết lộ không đủ hoặc chưa chính xác thông tin cần cung cấp cho nền tảng P2P Nền tảng P2P thường yêu cầu từ người cho vay như các tài khoản tài chính, một số dạng báo cáo về lịch sử giao dịch cùng với các chi tiết về đề xuất cho vay
Những rủi ro đến từ hệ thống nền tảng
Hệ thống nền tảng hay còn gọi là bên trung gian, thực hiện minh họa thông tin, tạo điều kiện thuận lợi cho giao dịch giữa người đi vay và người cho vay thông qua nhiều cơ chế khác nhau
4 Nền tảng bị phá sản P2P Lending phải đối mặt với các rủi ro thất bại nền tảng do nhu cầu phát triển hệ thống cho khách hàng mới, nhưng khả năng tồn tại của nền tảng phụ thuộc vào việc đạt được quy mô đủ để trang trải chi phí hoạt động cố định Một số nền tảng không đạt được đủ quy mô và việc cho vay trên nền tảng P2P Lending phải ngừng hoạt động
5 Đạo đức của nhà cung cấp nền tảng
Các nhà cung cấp nền tảng có thể tạo ra các nhóm quỹ để tiến hành đầu tư tư nhân, dẫn đến việc không có khả năng trả nợ cho các nhà đầu tư hay còn gọi là rủi ro thanh khoản khi nền tảng không thể trả tiền cho người đầu tư khi khoản vay đáo hạn
6 Tính minh bạch trong thông tin của khoản vay
Rủi ro minh bạch thông tin khoản vay xảy ra khi chủ sở hữu nền tảng cho vay không rõ ràng, minh bạch trong việc đảm bảo tiết lộ đầy đủ thông tin giao dịch cho cả bên người dùng và bên cơ quan quản lý
7 Thiếu bảo mật thông tin Rủi ro bảo mật thông tin của người dùng xảy ra do thiết kế bên trong của nền tảng không đủ mạnh để bảo vệ thông tin cá nhân của người dùng dẫn đến rò rỉ thông tin, tin tặc có thể dễ dàng truy cập và đánh cắp thông tin của người dùng, gây tổn thất tài chính cho người dùng nền tảng
8 Bất cân xứng thông tin khoản vay
Do sự yếu kém trong khả năng thu thập, hiển thị thông tin của người vay trên các nền tảng cho vay trực tuyến, người cho vay không thể đánh giá được liệu người đi vay có khả năng hoàn trả tiền cho người cho vay như đã thỏa thuận hay không hoặc người cho vay có thể lâm
49 vào tình trạng tập trung đầu tư (đầu tư nhiều vào một khoản vay) do đánh giá quá cao khả năng trả nợ của người vay
9 Hoạt động vận hành nền tảng
Rủi ro vận hành nền tảng bắt nguồn từ các vấn đề kỹ thuật và quản lý, chẳng hạn như điểm yếu của hoạt động phần mềm và đội ngũ quản lý nền tảng và có thể bị ảnh hưởng bởi môi trường kinh tế Phổ biến là sự yếu kém của hệ thống đánh giá tín dụng trực tuyến, cơ chế quản lý rủi ro nội bộ và trong một số trường hợp chất lượng xử lý dữ liệu thấp Điều này có thể dẫn đến sự bất cân xứng thông tin nền tảng giữa người cho vay và người vay, khiến điểm tín dụng của người vay không chính xác
Những rủi ro đến từ người đi vay
10 Bất đối xứng thông tin Xảy ra khi người vay tiết lộ không đủ thông tin cá nhân, vì vậy người cho vay và nền tảng không thể đánh giá điểm tín dụng của họ một cách chính xác Điều này ảnh hưởng đến quyết định đầu tư của người cho vay Hơn nữa, nếu không có đủ thông tin được tiết lộ bởi người vay và người cho vay, nền tảng sẽ không thể đo lường mức độ sợ rủi ro của người cho vay và cung cấp các khoản vay phù hợp cho người cho vay
11 Xếp hạng tín dụng của người vay Điểm tín dụng thấp do đánh giá của hệ thống đánh giá tín dụng từ các đặc điểm của người vay ( khoản vay, nợ, thu nhập, tình trạng công việc, mục đích…) khiến người vay bị xếp vào nhóm có khả năng vỡ nợ cao
Phương pháp thu thập dữ liệu
Quá trình nghiên cứu thống kê các hiện tượng kinh tế xã hội cần phải có nhiều dữ liệu Việc thu thập dữ liệu đòi hỏi nhiều thời gian, công sức và chi phí Tuy nhiên đây lại là phần vô cùng quan trọng, làm nền tảng cho việc nghiên cứu và phân tích diễn ra thuận lợi Trong bài viết này chia sẻ đến các bạn sinh viên về quy trình và các phương pháp thu thập dữ liệu phổ biến nhất a) Xác định dữ liệu cần thu thập
Nhà nghiên cứu có thể thu thập rất nhiều dữ liệu liên quan đến hiện tượng nghiên cứu Vấn đề quan trọng đầu tiên là xác định rõ những dữ liệu nào cần thu thập, thứ tự ưu tiên của các dữ liệu này Xác định dữ liệu cần thu thập xuất phát từ hiểu kỹ vấn đề nghiên cứu và mục tiêu nghiên cứu Vấn đề nghiên cứu và mục tiêu nghiên cứu càng cụ thể thì xác định dữ liệu cần thu thập càng dễ dàng b) Dữ liệu thứ cấp và dữ liệu sơ cấp
Nguồn dữ liệu thứ cấp
Dữ liệu thứ cấp phục vụ nghiên cứu đề tài này được thu thập từ một số nguồn sau:
- Trong các thư viện: sách, luận án, công trình nghiên cứu được lưu trữ ở Thư viện Quốc gia, Thư viện Trường Đại học Thương mại, Thư viện Trường Đại học Kinh tế - Đại học Quốc gia Hà Nội, Thư viện Trường Đại học Kinh tế Quốc dân, Thư viện Trường Đại học Kinh tế TP.HCM, Thư viện Trường Đại học Ngân hàng TP.HCM
- Trong các cơ quan/tổ chức lưu trữ: các báo cáo của Bộ Công thương, Tổng cục Thống kê
- Trung tâm WTO – Hội nhập
- UN Comtrade, Quỹ tiền tệ quốc tế (IMF)
- Và một số nguồn dữ liệu thứ cấp có giá trị tham khảo khác
Trong giới hạn bài nghiên cứu, nhóm nghiên đã sử dụng phương pháp khảo sát qua bảng hỏi Theo đó, nhóm thu thập thông tin bằng cách khảo sát thông qua bảng câu hỏi được thiết kế dưới dạng Google Form để khảo sát các chuyên gia là những giảng viên, chuyên viên tài chính và nhân viên liên quan đến ngành Tài chính - Ngân hàng Các thành viên trong nhóm tiến hành gửi đến người khảo sát thông qua trực tiếp và trực tuyến qua email Thời gian thu thập kết quả khảo sát từ ngày 09/11/2023 đến ngày 15/12/2023 Phương pháp khảo sát qua bảng hỏi được thực hiện theo quá trình:
- Đối tượng khảo sát: Các chuyên gia trong lĩnh vực tài chính – ngân hàng tại Việt Nam
- Nội dung điều tra: Các yếu tố dẫn đến rủi ro ảnh hưởng như thế nào đến nhà đầu tư trong hoạt động cho vay ngang hàng trên thị trường tài chính Việt Nam và đánh giá mức độ nghiêm trọng của từng yếu tố rủi ro theo thang điểm đánh giá Saaty
- Xây dựng bảng hỏi: Bảng hỏi được xây dựng dựa trên tổng quan các nghiên cứu đã được công bố trước đây liên quan đến vấn đề nghiên cứu và ý kiến đóng góp của các chuyên gia
- Chọn mẫu: Phương pháp phân tích thứ bậc AHP yêu cầu đánh giá từ những người tham gia khảo sát có chuyên môn trong lĩnh vực Nhóm đã tiến hành khảo sát những chuyên gia là giảng viên thuộc khoa tài chính - ngân hàng đến từ các trường đại học kinh tế Từ các mối quan hệ cá nhân khác của nhóm nghiên cứu, quá trình khảo sát còn có sự tham gia của các chuyên viên tài chính và nhân viên ngân hàng
- Tiến hành điều tra: Bảng khảo sát được nhóm nghiên cứu trực tiếp khảo sát với các chuyên gia Tuy nhiên do giới hạn thời gian và một số lý do khách quan khác, nhóm nghiên cứu đã chuyển sang khảo sát trực tuyến bằng các gửi bảng khảo sát tới các chuyên gia qua email Tổng số phiếu được phát ra là 75 phiếu, số phiếu thu hồi là 42 phiếu Sau kiểm tra
55 và chọn lọc thì có 4 phiếu bị loại do thiếu thông tin và không hợp lệ Như vậy, khảo sát thông qua bảng hỏi đã thu về 38 phiếu hợp lệ phục vụ cho việc nghiên cứu
KẾT QUẢ NGHIÊN CỨU
Mô hình cho vay ngang hàng tại Việt Nam
Trong thời gian qua, ngành ngân hàng thế giới nói chung, ngành ngân hàng Việt Nam nói riêng đã chứng kiến việc ứng dụng mạnh mẽ các công nghệ mới gắn với thành tựu cách mạng công nghiệp 4.0 như điện toán đám mây (Cloud), phân tích dữ liệu lớn (Big data Analytics), chia sẻ dữ liệu mở qua giao diện lập trình ứng dụng (open API), chuỗi khối (Blockchain), trí tuệ nhân tạo (A.I) vào các mô hình kinh doanh, cung ứng sản phẩm, dịch vụ, cách thức tiếp cận và tương tác với khách hàng của các ngân hàng, tổ chức tín dụng (sau đây gọi tắt là TCTD) nhằm tăng hiệu quả hoạt động và gia tăng trải nghiệm khách hàng, giúp khách hàng giao dịch nhanh chóng, an toàn, thuận tiện với các dịch vụ phù hợp, chi phí hợp lý
Bên cạnh đó, tại Việt Nam, xu hướng phát triển Fintech còn được thể hiện rõ nét qua việc các công ty khởi nghiệp công nghệ, các tổ chức không phải là ngân hàng có thế mạnh công nghệ tham gia vào các mảng hoạt động trong lĩnh vực ngân hàng - tài chính (công ty Fintech) dưới hình thức phát triển các giải pháp hỗ trợ hoạt động ngân hàng mà không trực tiếp cung ứng dịch vụ tới người dùng cuối (end-users) hoặc trực tiếp cung ứng giải pháp, dịch vụ mới một cách độc lập Cụ thể hơn, một vài năm gần đây đã chứng kiến sự hình thành và phát triển của số lượng lớn các công ty Fintech tham gia vào nhiều mảng hoạt động tại thị trường Việt Nam Số lượng các công ty có hoạt động hoặc tham gia cung ứng dịch vụ, giải pháp Fintech tại Việt Nam đã tăng nhanh chóng từ khoảng 40 công ty vào cuối năm 2016 lên đến khoảng 200 công ty ở người tiêu dùng
Cụ thể, sau hơn 5 năm hoạt động đã có tới hơn 100 công ty Fintech cung cấp dịch vụ cho vay ngang hàng chính thống với quy mô không ngừng tăng lên Hơn 10 công ty trong số đó đến từ Trung Quốc, Indonesia, Malaysia, Singapore,… ngoài ra, đa phần các công ty này có trụ sở hoạt động tại TP Hà Nội và TP Hồ Chí Minh Điều này thể hiện được tầm nhìn của các nước phát triển trong khu vực đối với thị trường Việt Nam và cũng là sự đón đầu kịp thời của 2 thành phố lớn trước làn sóng thay đổi trong Cách mạng công nghiệp 4.0
Theo số liệu từ Ngân hàng Nhà nước đến năm 2020, tính tổng trên thị trường đã có hơn 4.800.000 số người tham gia đăng ký vay, giải ngân hơn 93.000 tỷ đồng thông qua các nền tảng P2P, nổi bật trong số đó như Tima, Fiin, Huydong, Vaymuon, Các công ty này hoạt động trong nhiều mảng, lĩnh vực khác nhau như: thanh toán, cho vay ngang hàng, chấm điểm tín dụng Thêm vào đó, xu hướng phát triển đan xen cùng hợp tác - cạnh tranh nêu trên đặt ra nhiều vấn đề thách thức về mặt chính sách, quy định đối với các cơ quan quản lý Nhà nước trong việc cân đối giữa thúc đẩy đổi mới sáng tạo, cạnh tranh công bằng giữa các tổ chức tài chính truyền thống và công ty Fintech với đảm bảo ổn định tài chính, bảo vệ người tiêu dùng
Bên cạnh việc P2P Lending nổi lên tại Việt Nam trong giai đoạn gần đây, một số công ty lấy danh nghĩa mô hình P2P Lending lợi dụng sự thiếu kiến thức, hiểu biết của người dân để lừa bịp, gian dối, quảng cáo sai sự thật, hứa hẹn lợi nhuận cao, lãi suất cao để lừa đảo, chiếm đoạt tiền vốn của người dân bỏ tiền đầu tư mô hình cho vay này hoặc lừa dối người vay về lãi suất “thấp”, điều kiện vay ưu đãi trong khi tính và áp dụng mức lãi suất thực tế cao “cắt cổ”, tác động tiêu cực đến cuộc sống của người dân Một số thỏa thuận giữa các bên tham gia trong mô hình P2P Lending (công ty P2P Lending và nhà đầu tư, công ty P2P Lending và bên thứ ba, công ty P2P Lending và khách hàng vay…) thiếu rõ ràng, minh bạch, thiếu ràng buộc có tính pháp lý, chưa có cơ chế giám sát, hậu kiểm đối với việc sử dụng, quản lý vốn vay đúng mục đích của người đi vay, nên có thể dẫn đến tranh chấp, khiếu kiện giữa các bên
Thậm chí nhiều công ty còn biến tướng theo kiểu thay vì ở giữa kết nối giữa bên vay và bên cho vay, họ còn huy động vốn và cho vay không khác gì tổ chức tín dụng Dù Luật các tổ chức tín dụng cấm các công ty không phải là tổ chức tín dụng huy động vốn và cho vay, nhưng trên thực tế rất nhiều công ty thương mại dịch vụ mở app cho vay và huy động của các cá nhân góp vốn và cho vay không chỉ cá nhân mà cả các doanh nghiệp vừa và nhỏ không có tài sản thế chấp Điều này đến từ việc thiếu quy định luật hóa để kiểm soát hoạt động cho vay ngang hàng
Tuy nhiên, P2P lending hiện cũng đang đối mặt với nhiều rủi ro và thách thức Rủi ro đối với người cho vay hầu như không được bảo hiểm từ các cơ quan chính phủ (khác với các khoản vay từ các tổ chức tín dụng được bảo hiểm từ cơ quan bảo hiểm tín dụng quốc gia) Các khoản vay được cung cấp dưới hình thức P2P cũng hầu hết là các khoản vay không có tài sản bảo đảm Do vậy, họ phải tự quản lý rủi ro bằng cách đa dạng hóa danh mục đầu tư và có rủi ro bị mất tiền khi không có bảo hiểm, không có hành lang pháp lý bảo vệ hoặc thông tin về người vay; các công ty P2P lending thiếu minh bạch, dễ bị lợi dụng để lừa đảo Rủi ro đạo đức và công nghệ cũng có thể xuất hiện như Hacker tấn công sập sàn, trục trặc kỹ thuật, dữ liệu bị mất hết hay thông tin cá nhân bị lợi dụng chia sẻ và việc rao bán sản phẩm tín dụng không đúng theo quy định của pháp luật
Về phía Ngân hàng Nhà nước và một số cơ quan liên quan cũng đang gặp phải những thách thức mới trong công tác quản lý nhà nước với sự xuất hiện của các công ty Fintech khi chưa có khung pháp lý toàn diện hoặc quy định pháp lý cụ thể để điều chỉnh Từ đó tiềm ẩn rủi ro, hệ lụy tiêu cực trên một số phương diện như cạnh tranh công bằng, ổn định tài chính, an ninh mạng và bảo vệ quyền lợi người tiêu dùng
Bên cạnh đó, P2P Lending ra đời góp phần hạn chế tín dụng đen nhưng ở mức khá khiêm tốn Bởi hoạt động này thường chỉ xuất hiện ở những vùng có hạ tầng mạng phát triển Cụ thể đó là trang web là nền tảng kết nối trực tiếp người vay với người cho vay (hay nhà đầu tư), được đại diện bởi công ty cung cấp dịch vụ P2P Lending
Có thể nói, hoạt động P2P Lending tại Việt Nam dù còn non trẻ nhưng đã đạt được sự phát triển nhanh chóng Tuy nhiên, bên cạnh đó vẫn còn nhiều sai phạm và rủi ro trong hoạt động này như việc mô hình này bị lợi dụng, biến tướng thành huy động tài chính đa cấp, lừa đảo, hình thức biến tướng của tín dụng đen, đòi nợ phi pháp và người cho vay, người đi vay dễ trở thành công cụ, nạn nhân của hành vi lừa đảo, rửa tiền hoặc chịu mức lãi suất (cộng phí) rất cao, thậm chí có thể cao hơn nhiều so với lãi suất cho vay tại các TCTD
Tại Việt Nam bắt đầu xuất hiện công ty hoạt động giống mô hình P2P Lending từ năm 2016 với trang huydong.com Kể từ đó, nhiều công ty P2P Lending khác đã dần đi vào hoạt động, như Tima, SHA, Mobivi, Vaymuon.vn, Morfin…
Theo Báo cáo tài chính khu vực châu Á - Thái Bình Dương lần 3, quy mô của thị trường P2P Lending Việt Nam khá nhỏ so với các nước trong khu vực Đông Nam Á, chiếm 1,6% khối lượng giao dịch của khu vực, chỉ xếp trên Nepal và Kazakhstan (University of Cambridge JBS, 2018) Điều này cũng phù hợp với tuổi đời còn non trẻ của mô hình P2P Lending tại Việt Nam Tuy nhiên, Việt Nam có nhiều tiềm năng thích hợp cho sự phát triển của mô hình này dựa trên sự phát triển nhanh chóng của khoa học công nghệ, Internet, thiết bị di động và đặc biệt là dữ liệu lớn (Big Data) Bên cạnh đó, sự thay đổi về cơ cấu dân số học, đặc biệt là thế hệ trẻ sẵn sàng thích ứng với công nghệ mới và mong muốn được cung cấp các dịch vụ tài chính thuận lợi và nhanh chóng hơn nên dễ dàng chấp nhận các sản phẩm dịch vụ mới như P2P Lending
Thống kê sơ bộ của Ngân hàng Nhà nước, Việt Nam hiện có khoảng 100 công ty P2P Lending (bao gồm cả công ty đã đi vào hoạt động chính thức và một số công ty đang trong giai đoạn thử nghiệm) như Tima, Trust Circle, Vay mượn, Lend Mo, Wecash, InterLoan… (Bảng 1) Tuy nhiên, thực tế số doanh nghiệp hoạt động P2P Lending có thể nhiều hơn và rất khó đo lường một cách chính xác vì hiện nay các cơ quan quản lý chưa tổ chức thống kê chính thức các thông tin liên quan đến doanh nghiệp triển khai hoạt động P2P Lending tại Việt Nam
Bảng 7 Một số công ty P2P Lending truyền thống tại Việt Nam
TT Nền tảng Hình thức hoạt động Đối tượng khách hàng
Số tiền đầu tư (USD)
Trụ sở/Năm thành lập
1 FIIN P2P Lending truyền thống Vay tiêu dùng 700 000 Hà Nội
Vay tiêu dùng, hộ kinh doanh, SMEs
Vay tiêu dùng, hộ kinh doanh, SMEs
5 HUYDONG P2P Lending truyền thống Vay tiêu dùng 500 000 Thành phố
6 MONEY BANK P2P Lending truyền thống Vay tiêu dùng Thành phố
7 MOFIN P2P Lending truyền thống Vay tiêu dùng 1 000 000 Hà Nội
Vay tiêu dùng ứng lương 1 000 000 Thành phố
9 TIMA LENDER P2P Lending truyền thống Vay tiêu dùng 5 000 000 Hà Nội
Hộ kinh doanh, SMEs 2 000 000 Hà Nội/2017
11 DRAGONLEND Kết nối với ngân hàng
Cá nhân, hộ kinh doanh, SMEs
12 FE68 P2P Lending truyền thống Quảng Nam
Singapore/ Chi nhánh Việt Nam/2015
14 BINANCE P2P Lending tiền mã hóa
Tuy mới xuất hiện và tồn tại khoảng 5 năm, các công ty P2P Lending đã đưa ra các sản phẩm vay vốn trên các nền tảng trực tuyến khá đa dạng, gồm: Vay có tài sản bảo đảm và vay không có tài sản bảo đảm, trong đó chủ yếu là vay không có tài sản bảo đảm Đối với khoản vay cá nhân, các công ty P2P Lending đưa ra các sản phẩm vay tín chấp theo lương, vay theo sổ hộ khẩu, vay theo đăng ký xe máy, vay trả góp, vay theo hóa đơn điện, nước Đối với doanh nghiệp (chủ yếu là các doanh nghiệp vừa và nhỏ - SMEs), các công ty P2P Lending cũng đưa ra nhiều sản phẩm, dịch vụ như vay tài trợ các khoản phải thu, tài trợ bên mua hàng, tài trợ vốn lưu động, tài trợ thương mại điện tử (Bảng 2)
Bảng 8 Số nền tảng P2P Lending theo quốc gia và theo đơn vị tiền tệ
TT Số nền tảng theo quốc gia Số nền tảng theo đơn vị tiền tệ
Quốc gia Số nền tảng Đơn vị tiền tệ Số nền tảng
3 Tây Ban Nha 36 Bảng Anh 45
8 Thụy Sĩ 20 Đô la Úc 8
11 Việt Nam 1 Đồng Việt Nam 1
12 Toàn thế giới 486 Toàn thế giới 486
Nguồn: https://p2pmarketdata.com/p2p-finance-worldwide-statistics/
Kết quả nghiên cứu
4.2.1 Thống kê mô tả dữ liệu Để đánh giá rủi ro trong hoạt động P2P Lending, nhóm nghiên cứu đã thu thập dữ liệu khảo sát đối với 38 chuyên gia đến từ các trường đại học (trường Đại học Thương mại, trường Đại học Ngân hàng TP.HCM, Học viện Ngân hàng), các tổ chức tín dụng (TCTD) và các đơn vị ngân hàng thương mại trên địa bàn Hà Nội Kết quả khảo sát được thể hiện thông qua phân tích trong phần nội dung tiếp theo Thống kê dữ liệu khảo sát được thể hiện qua Bảng 3
Bảng 9 Thống kê dữ liệu khảo sát
Tiêu chí Đặc điểm Số lượng Phần trăm
Trường ĐH Ngân hàng TP.HCM 12 31.58
Nguồn: Nhóm nghiên cứu tính toán dựa trên kết quả khảo sát Giới tính
Hình 9 Thống kê mô tả tỷ lệ giới tính trong khảo sát
Nguồn: Nhóm nghiên cứu tính toàn dựa trên kết quả khảo sát
Trong quá trình thực hiện nghiên cứu, nhóm đã khảo sát thành công 38 chuyên gia đến từ lĩnh vực tài chính Trong đó, có 22 chuyên gia nam (57.89%) và 16 chuyên gia là nữ, chiếm tỷ lệ ít hơn (42.11%) Theo nhiều nghiên cứu trước đây cho thấy, giới tính có tác động đến khả năng thành công của khoản vay Do đó, nhóm nghiên cứu chủ động thực hiện khảo sát với sự chênh lệnh trong giới tính là nhỏ nhất để đễ dễ dàng quan sát xem liệu rằng yếu tố nhân khẩu học ảnh hưởng đến quan điểm đánh giá rủi ro trong hoạt động cho vay ngang hàng hay không Độ tuổi
Hình 10 Thống kê độ tuổi tham gia khảo sát
Nguồn: Nhóm nghiên cứu tính toàn dựa trên kết quả khảo sát
Theo bảng thống kê dữ liệu được mô tả trên, độ tuổi khảo sát các chuyên gia chủ yếu phân bổ trong độ tuổi từ 30 đến dưới 40 và từ 40 đến dưới 50 tuổi, lần lượt chiếm khoảng 47.37% và 31.58% tổng số phiếu điều tra Trong khi đó, số lượng chuyên gia trên 50 tuổi chiếm tỷ lệ thấp nhất với khoảng 5.26%, tương đương với 2 chuyên gia Do hạn chế về mặt thời gian và một số lý do khách quan, nhóm nghiên cứu không thể tiếp cận được những chuyên gia có nhiều kinh nghiệm trong lĩnh vực tài chính Đây cũng là một trong những hạn chế của bài nghiên cứu
Theo dữ liệu nhóm nghiên cứu đã tiến hành khảo sát, các chuyên gia mà nhóm nghiên cứu tiếp cận khảo sát phần lớn có kinh nghiệm công tác trong khoảng từ 10 – 20 năm (chiếm hơn 55% tổng số phiếu điều tra)
Hình 11 Thống kê nghề nghiệp của các chuyên gia thực hiện khảo sát
Nguồn: Nhóm nghiên cứu tính toàn dựa trên kết quả khảo sát
Các chuyên gia đến từ những ngành nghề khác nhau liên quan đến lĩnh vực tài chính bao gồm Giảng viên Đại học chuyên ngành Tài chính – Ngân hàng, chuyên viên làm việc tại các tổ chức tài chính và nhân viên ngân hàng Dựa trên dữ liệu khảo sát, những chuyên gia là giảng viên đại học chiếm số lượng lớn với 23 chuyên gia (60.53%) là những tiến sĩ, thạc sĩ đến từ các đơn vị trường đại học như trường Đại học Thương mại, trường Đại học Ngân hàng TP.HCM, Học viện Ngân hàng Bên cạnh đó dữ liệu khảo sát còn thu thập từ các chuyên viên hiện đang công tác tại các tổ chức tín dụng trên cả nước, con số này chiếm 13.16% số phiếu điều tra Họ đồng thời cũng là những nhà đầu tư tài chính, am hiểu về hoạt động đầu tư, đặc biệt đối với công nghệ tài chính (Fintech) Số lượng các chuyên gia còn lại là những nhân viên ngân hàng đến từ các ngân hàng thương mại trên địa bàn hà nội như Ngân hàng Thương mại Cổ phần Công thương Việt Nam – Vietinbank, Ngân hàng thương mại cổ phần Quân đội – MB Bank, Ngân hàng Thương mại Cổ phần Đầu tư và Phát triển – BIDV,…
4.2.2 Kết quả phân tích thứ bậc AHP
Bài nghiên cứu sử dụng các yếu tố rủi ro ảnh xảy ra trong hoạt động P2P lending hưởng đến nhà đầu tư/người cho vay với tham khảo từ các chuyên gia thuộc lĩnh vực liên
Giảng viên Chuyên viên tài chính Nhân viên ngân hàng
66 quan để xác định mức độ ảnh hưởng của các yếu tố rủi ro này Kết quả nhóm nghiên cứu cho ra 4 nhân tố cấp 1 và tổng cộng 16 nhân tố cấp 2 Mô hình phân cấp các nhân tố thể hiện như Hình
Như vậy, trong phần này, yêu cầu đặt ra là cần tính toán tổng cộng 5 bộ trọng số, bao gồm:
- 1 bộ trọng số của các yếu tố cấp 1
- 4 bộ trọng số cho các yếu tố cấp 2 trong từng yếu tố cấp 1
Trong các phần tiếp theo, bài nghiên cứu sẽ lấy cách tính bộ trọng số cho các yếu tố cấp 1 để minh họa Đối với 04 bộ trọng số của các yếu tố cấp 2 sẽ tiến hành tương tự
Lập ma trận so sánh cặp
Từ kết quả tổng hợp mức độ ưu tiên, tiến hành lập các ma trận so sánh cặp (Маркузе, et al.,1994) Ma trận so sánh cặp yếu tố cấp 1 với n = 4 được thể hiện ở Bảng 10
Xác định các vector trọng số
Thực hiện các bước như Bước 2 tại phần Phương Pháp nghiên cứu AHP cho các ma trận so sánh cặp, kết quả thu được là các vector trọng số Bảng 2
Bảng 10 Ma trận so sánh cặp của các yếu tố bậc 1
Người Cho Vay Hệ Thống Người Vay Môi Trường
Tổng mỗi cột trong ma trận: 8,00 3,00 2,83 5,50
Bảng 11 Vector trọng số của các yếu tố bậc 1 STT Yếu tố cấp 1 Trọng số
Tính toán tỷ số nhất quán CR: Áp dụng cách tính CR tại phần 3.1 cho từng vector trọng số, kết quả thể hiện tại Bảng 12
Bảng 12 Tỷ số nhất quán của các bộ trọng số
STT Bộ trọng số của Tỷ số CR
2.1 Nhóm yếu tố người cho vay 0,0462552 2.2 Nhóm yếu tố hệ thống 0,0758058 2.3 Nhóm yếu tố người vay 0,0157837 2.4 Nhóm yếu tố môi trường pháp lý 0,0169214
Nhận xét: Tất cả các CR đều < 10%, do đó các bộ trọng số đều đảm bảo tính nhất quán
Xác định trọng số ưu tiên của các yếu tố cấp 2
Trọng số ưu tiên được tính bằng tích của trọng số riêng với trọng số yếu tố cấp 1 tương ứng
Bảng 13 Trọng số riêng và trọng số ưu tiên của các yếu tố bậc 2
STT Nhóm yếu tố Yếu tố Trọng số riêng
1 Những rủi ro đến từ người cho vay
Tính chủ quan phân biệt đối xử của người cho vay 0,26111111 0,032653
Thiếu năng lực chuyên môn về đầu tư, đầu tư theo hiệu ứng đám đông
Bất đối xứng thông tin của người cho vay 0,411111111 0,051412
4 Những rủi ro đến từ hệ thống nền tảng
Nền tảng bị phá sản 0,15365685 0,049935
5 Đạo đức của nhà cung cấp nền tảng 0,12340199 0,040103
6 Tính minh bạch trong thông tin của khoản vay 0,19756592 0,064205
7 Thiếu bảo mật thông tin 0,06136282 0,019942
8 Bất cân xứng thông tin khoản vay 0,27472228 0,089279
9 Hoạt động vận hành nền tảng 0,189290131 0,061515
10 Những rủi ro đến từ người đi vay
Bất đối xứng thông tin 0,17 0,060559
11 Xếp hạng tín dụng của người vay 0,44 0,156740
12 Đạo đức của người đi vay 0,39 0,138929
13 Những rủi ro đến từ yếu tố môi trường pháp lý
Quy trình gia nhập thị trường nền tảng
14 Thiếu khung pháp lý điều chỉnh
15 Quyền của người cho vay 0,175515 0,034004
16 Lãi suất cho vay của nền tảng 0,345464 0,066930
Bảng 14 Xếp hạng các yếu tố rủi ro ảnh hưởng đến người cho vay
STT Yếu tố Trọng số riêng
Trọng số ưu tiên Xếp hạng
11 Xếp hạng tín dụng của người vay 0,44 0,15674 1
8 Bất đối xứng thông tin khoản vay từ hệ thống nền tảng
13 Quy trình gia nhập thị trường nền tảng
14 Thiếu khung pháp lý điều chỉnh 0,404168 0,078303 5
6 Tính minh bạch trong thông tin của khoản vay
9 Không đảm bảo hoạt động vận hành nền tảng
10 Bất đối xứng thông tin từ người đi vay
3 Bất đối xứng thông tin của người cho vay
4 Nền tảng bị phá sản 0,15365685 0,049935 11
2 Thiếu năng lực chuyên môn về đầu tư, đầu tư theo hiệu ứng đám đông
5 Đạo đức của nhà cung cấp nền tảng
15 Thiếu quyền lợi đối với người cho vay
1 Tính chủ quan phân biệt đối xử của người cho vay
7 Thiếu bảo mật thông tin 0,06136282 0,019942 16