intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE
 » 
 » 

Ảnh hưởng của xã hội, kỳ vọng hiệu suất và kỳ vọng nỗ lực đến ý định và hành vi sử dụng dịch vụ fintech trong đầu tư chứng khoán của nhà đầu tư cá nhân tại Việt Nam

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:17

Thêm vào BST
Báo xấu
2
lượt xem 1
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Mục tiêu của nghiên cứu là tìm hiểu ảnh hưởng của các yếu tố xã hội, kỳ vọng hiệu suất và kỳ vọng nỗ lực lên ý định và hành vi sử dụng fintech trong đầu tư chứng khoán của nhà đầu tư cá nhân ở Việt Nam. Nghiên cứu cũng đề xuất các khuyến nghị và giải pháp để cải thiện hiệu quả sử dụng fintech.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Ảnh hưởng của xã hội, kỳ vọng hiệu suất và kỳ vọng nỗ lực đến ý định và hành vi sử dụng dịch vụ fintech trong đầu tư chứng khoán của nhà đầu tư cá nhân tại Việt Nam

  1. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 ẢNH HƯỞNG CỦA XÃ HỘI, KỲ VỌNG HIỆU SUẤT VÀ KỲ VỌNG NỖ LỰC ĐẾN Ý ĐỊNH VÀ HÀNH VI SỬ DỤNG DỊCH VỤ FINTECH TRONG ĐẦU TƯ CHỨNG KHOÁN CỦA NHÀ ĐẦU TƯ CÁ NHÂN TẠI VIỆT NAM Lê Việt Hưng Trường Đại học Thương Mại Email: leviethung.ytc@gmail.com Tóm tắt: Mục tiêu của nghiên cứu là tìm hiểu ảnh hưởng của các yếu tố xã hội, kỳ vọng hiệu suất và kỳ vọng nỗ lực lên ý định và hành vi sử dụng fintech trong đầu tư chứng khoán của nhà đầu tư cá nhân ở Việt Nam. Nghiên cứu cũng đề xuất các khuyến nghị và giải pháp để cải thiện hiệu quả sử dụng fintech. Nghiên cứu dựa trên mô hình nghiên cứu được xây dựng theo lý thuyết chấp nhận và sử dụng công nghệ (UTAUT) (Venkatesh et al., 2003), khảo sát thu thập dữ liệu của 179 khách hàng cá nhân tại Việt Nam với 162 phiếu hợp lệ và 17 phiếu không hợp lệ, xử lý dữ liệu bằng phần mềm SMART PLS 4.0. Kết quả nghiên cứu cho thấy ý định và hành vi sử dụng dịch vụ fintech trong đầu tư chứng khoán bị ảnh hưởng bởi kỳ vọng hiệu suất và kỳ vọng về nỗ lực, ảnh hưởng xã hội bị loại ra khỏi mô hình do không có ý nghĩa thống kê. Một số giải pháp được khuyến nghị bao gồm nâng cao kỳ vọng về hiệu suất thông qua việc phát triển thêm các tính năng cho các ứng dụng chứng khoán, cải thiện kỳ vọng về nỗ lực thông qua đẩy mạnh việc hỗ trợ, tư vấn khách hàng cá nhân thông qua chatbot, phục vụ 24/7 cùng một số cơ chế, chính sách của cơ quan nhà nước nhằm hỗ trợ sự phát triển của dịch vụ fintech đến phần đông nhà đầu tư. Nghiên cứu cũng đề xuất hướng nghiên cứu trong tương lai như cần bổ sung các yếu tố khác để hoàn hiện mô hình, mở rộng mẫu cũng như mở rộng đối tượng khách hàng. Từ khóa: chứng khoán Việt Nam, fintech, ý định sử dụng, hành vi sử dụng 1. Đặt vấn đề Fintech đã đóng một vai trò quan trọng trong việc cải thiện khả năng tiếp cận của những nhà đầu tư nhỏ lẻ đến các dịch vụ tài chính và chứng khoán. Đặc biệt, điều này trở nên quan trọng ở các quốc gia đang phát triển, nơi mà fintech không chỉ là một công cụ hỗ trợ mà còn là một cầu nối giữa người dùng và các khía cạnh quan trọng khác của thị trường tài chính (Nasir et al., 2021). Theo thông tin từ Ngân hàng Thế giới, đã có một sự gia tăng đáng kể trong số người sử dụng dịch vụ fintech toàn cầu. Con số này đã tăng từ 1,2 tỷ vào năm 2017 lên 1,6 tỷ vào năm 2020, và dự kiến sẽ đạt 2,5 tỷ vào năm 2028. Một số lĩnh vực fintech chủ yếu trong tài chính chứng khoán là robo-advisors (ro-bot tư vấn đầu tư), crowdfunding (nền tảng kết nối các nhà đầu tư và các dự án cần vốn), blockchain (chuỗi khối) và tiền điện tử (Nasir et al., 2021). Tại Việt Nam, các chính sách khuyến khích và hỗ trợ phát triển doanh nghiệp công nghệ cao, đặc biệt là trong lĩnh vực fintech hoạt động trong tài chính chứng khoán, đã được quy định rõ qua Nghị định số 15/2021/NĐ-CP ngày 03/3/2021 và Nghị định số 10/2021/NĐ-CP ngày 09/02/2021 của Chính phủ. Nhờ có sự hướng dẫn và hỗ trợ đặc biệt từ chính phủ, số lượng các doanh nghiệp fintech tại Việt Nam đã đạt mức tăng nhanh, từ 39 công ty vào cuối năm 2015 lên đến hơn 150 công ty vào cuối năm 2021. Các công ty fintech tại Việt Nam hoạt động đa dạng trên nhiều lĩnh vực, nhưng có hai lĩnh vực chủ yếu là thanh toán qua ví điện tử và cho vay 572
  2. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 ngang hàng (P2P lending). Điều này thể hiện sự đa dạng và linh hoạt của ngành công nghiệp fintech trong việc đáp ứng nhu cầu ngày càng đa dạng của người tiêu dùng và doanh nghiệp tại Việt Nam. Bên canh đó, trong những năm qua, thị trường fintech tại Việt Nam đã có những tăng trưởng khá ấn tượng. Theo báo cáo của Solidiance, thị trường fintech tại Việt Nam đã có sự tăng trưởng đáng kể, với giá trị giao dịch đạt 4,4 tỷ USD vào năm 2017 và nâng lên khoảng 7,8 tỷ USD vào năm 2020. Điều này đồng nghĩa với mức tăng 77% trong khoảng thời gian 03 năm. Trong lĩnh vực đầu tư tài chính, các dịch vụ fintech đóng vai trò quan trọng trong việc thúc đẩy tài chính toàn diện. Fintech không chỉ mang lại sự thuận tiện với chi phí thấp mà còn tạo ra một trải nghiệm tài chính toàn diện hơn cho khách hàng. Các dịch vụ này không chỉ mở rộng quy mô mà còn cung cấp mức độ tiếp cận tốt hơn đối với các sản phẩm và dịch vụ tài chính. Qua đó, fintech đóng vai trò quan trọng trong việc thúc đẩy sự phát triển bền vững của thị trường tài chính Việt Nam và nâng cao khả năng tiếp cận của người tiêu dùng đến các giải pháp tài chính hiệu quả Như vậy, dịch vụ fintech trong lĩnh vực tài chính, chứng khoán đã phát triển mạnh mẽ trong nhiều năm trở lại đây. Đây luôn là một chủ đề hấp dẫn, thú vị và những nghiên cứu về chủ đề này luôn nhận được sự quan tâm và thu hút. Trên cơ sở lý thuyết chấp nhận và sử dụng công nghệ (UTAUT) (Venkatesh et al., 2003), tác giả đã nghiên cứu mức độ ảnh hưởng xã hội, kỳ vọng về hiệu suất và nỗ lực đến ý định và hành vi sử dụng fintech trong đầu tư chứng khoán của nhà đầu tư cá nhân tại Việt Nam. Từ đó, bài nghiên cứu hướng đến những khuyến nghị giải pháp nhằm thúc đẩy nhà đầu tư cá nhân sử dụng fintech trong đầu tư chứng khoán tại Việt Nam 2. Cơ sở lý thuyết và mô hình nghiên cứu 2.1. Tổng quan về fintech và dịch vụ fintech trong lĩnh vực đầu tư chứng khoán Thuật ngữ "Fintech" được hình thành từ sự kết hợp giữa công nghệ và tài chính. Theo (Schueffel, 2016) fintech không chỉ là một khái niệm đơn thuần, mà là một ngành công nghiệp tài chính mới, trong đó công nghệ được ứng dụng một cách sáng tạo để nâng cao hiệu quả hoạt động trong lĩnh vực tài chính. Điều này có nghĩa là fintech không chỉ là việc áp dụng công nghệ trong ngành tài chính, mà còn là một sự đổi mới toàn diện, tạo ra những giải pháp và dịch vụ mới để cải thiện quy trình tài chính và mang lại lợi ích cho cả người tiêu dùng và doanh nghiệp. Định nghĩa này là sự mô tả chi tiết và rộng lớn về vai trò và phạm vi của fintech trong cải thiện hệ thống tài chính truyền thống. Từ định nghĩa về fintech, ta có định nghĩa về dịch vụ fintech (Financial Technology Services), đây là là các dịch vụ tài chính được cung cấp thông qua sự kết hợp giữa công nghệ và ngành tài chính. Theo nghiên cứu của (Yan et al., 2021), fintech mang lại cho người tiêu dùng khả năng tiếp cận những dịch vụ tài chính tiên tiến như thanh toán trực tuyến, tài chính di động, tiết kiệm và đầu tư, lập kế hoạch tài chính, cũng như cho vay hoặc huy động vốn. Trong lĩnh vực đầu tư chứng khoán, các dịch vụ fintech đại diện cho các giải pháp công nghệ tài chính được thiết kế để hỗ trợ nhà đầu tư cá nhân và tổ chức trong các hoạt động giao dịch, quản lý và tư vấn đầu tư trên thị trường chứng khoán. Điều này thể hiện vai trò quan trọng của fintech trong việc mở rộng và cải thiện trải nghiệm của người dùng trong lĩnh vực tài chính, cung cấp cho họ những công cụ và dịch vụ hiện đại để quản lý và tối ưu hóa tài chính cá nhân và doanh nghiệp. Dịch vụ fintech trong lĩnh vực đầu tư chứng khoán có những đặc điểm quan trọng bao gồm cung cấp một nền tảng hướng dẫn giao dịch và đầu tư dành cho nhà đầu tư cá nhân thông qua các dịch vụ như tư vấn và môi giới trực tuyến. Ngoài ra, fintech cũng đem đến khả năng 573
  3. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 quản lý danh mục đầu tư trực tuyến, giúp người dùng theo dõi và điều chỉnh các khoản đầu tư của họ một cách thuận lợi. Hơn nữa, trong việc phân phối chứng chỉ quỹ, các dịch vụ fintech thường tận dụng sở giao dịch chứng khoán để tiếp cận người đầu tư một cách hiệu quả. Điều này giúp tạo ra môi trường giao dịch thuận lợi và tích hợp, nơi mà nhà đầu tư có thể mua bán chứng chỉ quỹ một cách dễ dàng và nhanh chóng. Cuối cùng, fintech cung cấp các dịch vụ hướng dẫn giao dịch và đầu tư, giúp người sử dụng có được kiến thức và thông tin cần thiết để đưa ra quyết định đầu tư thông minh. Những tiện ích này thường được tích hợp trực tiếp vào nền tảng fintech, tạo ra một trải nghiệm đồng bộ và thuận lợi cho người dùng trong quá trình thực hiện các hoạt động đầu tư chứng khoán của họ. Ngoài những tiện ích trực tiếp dành cho nhà đầu tư cá nhân, dịch vụ fintech trong chứng khoán còn đóng góp vào việc cung cấp các giải pháp hỗ trợ công nghệ cho các định chế tài chính, tổ chức phát hành và đại lý phân phối. Điều này nhằm mục đích nâng cao chất lượng phục vụ trong hệ thống tài chính, đồng thời đảm bảo cung cấp thông tin và dữ liệu chính xác và đầy đủ cho cơ sở dữ liệu quốc gia về tài chính ngân sách. Các giải pháp fintech thường giúp tối ưu hóa quy trình giao dịch và quản lý dữ liệu, từ đó tăng cường khả năng xử lý thông tin của các tổ chức tài chính. Điều này không chỉ giúp họ nâng cao hiệu suất mà còn đảm bảo tuân thủ các quy định về bảo mật và quản lý rủi ro. Hơn nữa, việc cung cấp thông tin dữ liệu chính xác và tự động hóa quy trình có thể giúp định rõ hơn về tình hình tài chính và ngân sách, giúp các cơ quan quản lý và định chính chính sách có cái nhìn toàn diện và nhanh chóng về thị trường. Điều này đồng thời hỗ trợ quyết định chiến lược và giúp tăng cường tính minh bạch trong hệ thống tài chính quốc gia. Và cuối cùng, dịch vụ fintech trong chứng khoán còn cung cấp các giải pháp đánh giá điểm tín dụng, blockchain và tiền điện tử, nhằm tăng cường tính minh bạch, bảo mật và hiệu quả của các giao dịch trên thị trường chứng khoán. Ở chủ thể các nhà đầu tư cá nhân, công nghệ tài chính (fintech) đem đến nhiều ưu điểm vượt trội. Trước hết, fintech là nguồn cung cấp các dịch vụ tài chính với chi phí thấp, tạo điều kiện thuận lợi cho những người sử dụng. Điều này không chỉ giúp giảm gánh nặng chi phí cho khách hàng mà còn nâng cao trải nghiệm tài chính của họ. Ngoài ra, fintech còn mang lại lợi ích về quy mô và tiếp cận. Nhờ sự tiện lợi và linh hoạt, fintech mở rộng phạm vi tiếp cận, đa dạng đối tượng người dùng, tạo điều kiện cho nhiều người tham gia hơn trong thị trường tài chính. Một điểm quan trọng nữa là khả năng giảm nguy cơ liên quan đến tiền giả, rửa tiền và quản lý tiền mặt cho các quản lý tài chính. Fintech thường áp dụng các công nghệ tiên tiến như blockchain để tăng cường an toàn và minh bạch trong giao dịch tài chính, giúp ngăn chặn các hành vi gian lận và đảm bảo tính chính xác của thông tin tài chính. Hơn nữa, fintech mở ra nhiều cơ hội đầu tư mới, đồng thời đa dạng hóa danh mục đầu tư. Điều này không chỉ giúp nhà đầu tư tối ưu hóa lợi nhuận mà còn giảm rủi ro bằng cách phân bổ đầu tư vào nhiều lĩnh vực khác nhau. Cuối cùng, fintech góp phần tăng cường minh bạch và hiệu quả của thị trường. Việc sử dụng công nghệ giúp thông tin liên quan đến giao dịch và đầu tư trở nên minh bạch hơn, tạo ra một môi trường tài chính công bằng và trung thực. Bên cạnh đó, cũng phải kể đến những nhược điểm của dịch vụ fintech trong đầu tư chứng khoán bao gồm đòi hỏi khách hàng phải có kỹ năng số và tin tưởng vào các nền tảng kỹ thuật số. Gặp nhiều rủi ro về an ninh mạng, bảo mật dữ liệu và trách nhiệm pháp lý. Và cuối cùng là phụ thuộc nhiều vào hạ tầng công nghệ, như kết nối internet, điện thoại thông minh, v.v... Dịch vụ fintech trong đầu tư chứng khoán gồm 4 loại chính bao gồm (1) Ứng dụng giao 574
  4. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 dịch chứng khoán: Là những ứng dụng cho phép người dùng mua bán cổ phiếu, trái phiếu, chứng quyền, quỹ đầu tư và các sản phẩm tài chính khác trên thị trường chứng khoán một cách nhanh chóng, tiện lợi và an toàn. Ví dụ VPS, VNDIRECT, SSI, FPTS… (2) Ứng dụng phân tích chứng khoán: Là những ứng dụng sử dụng các công nghệ như trí tuệ nhân tạo, học máy, xử lý ngôn ngữ tự nhiên, chuỗi khối để phân tích dữ liệu, xu hướng, biến động và rủi ro của thị trường chứng khoán, cũng như đưa ra các gợi ý, dự báo và cảnh báo cho người dùng. Ví dụ: X- Darvas, StockBook, Stockbiz, FiinPro, StockScreener,… (3) Ứng dụng quản lý danh mục đầu tư: Là những ứng dụng giúp người dùng theo dõi, đánh giá và điều chỉnh danh mục đầu tư của mình trên thị trường chứng khoán, cũng như so sánh hiệu quả đầu tư với các chỉ số tham chiếu, các nhà đầu tư khác và các mô hình tối ưu hóa danh mục. Ví dụ: X-Watchlist, Finhay, Robo Advisor… (4) Ứng dụng tư vấn đầu tư chứng khoán: Là những ứng dụng cung cấp các dịch vụ tư vấn, hỗ trợ và giải đáp các thắc mắc của người dùng về các vấn đề liên quan đến đầu tư chứng khoán, cũng như đề xuất các chiến lược, kế hoạch và mục tiêu đầu tư phù hợp với nhu cầu và khả năng của người dùng. Ví dụ: Finbox, StockTwits, eToro, ZaloTrade, TradeHero,… 2.2. Mô hình và giả thuyết nghiên cứu 2.2.1. Mô hình nghiên cứu Venkatesh và cộng sự đã có một đóng góp quan trọng trong lĩnh vực nghiên cứu về sự chấp nhận và sử dụng công nghệ thông tin thông qua việc phát triển lý thuyết UTAUT (Unified Theory of Acceptance and Use of Technology). Điều đặc biệt là, họ đã tích hợp và tổng hợp 8 lý thuyết trước đó, bao gồm TRA (Theory of Reasoned Action), TPB (Theory of Planned Behavior), TAM (Technology Acceptance Model), C-TAM-TPB (Combined TAM-TPB), MPCU (Motivational Post-Decision Use Confirmation), IDT (Innovation Diffusion Theory), MM (Model of PC Utilization), và SCT (Social Cognitive Theory) vào một khung lý thuyết đồng nhất (Venkatesh et al., 2003). Bằng cách so sánh và phân tích các yếu tố và thang đo từ các lý thuyết trước đó, UTAUT đã được hình thành với 4 yếu tố chính quan trọng để giải thích ý định và hành vi sử dụng công nghệ. Những yếu tố này bao gồm kỳ vọng hiệu suất, kỳ vọng nỗ lực, ảnh hưởng xã hội và điều kiện thuận lợi. Quan trọng hơn nữa, UTAUT cũng xem xét các biến điều tiết như giới tính, độ tuổi, kinh nghiệm và sự tự nguyện sử dụng để hiểu rõ hơn về cách những yếu tố này có thể ảnh hưởng đến quá trình chấp nhận và sử dụng công nghệ. Một trong những điểm mạnh của UTAUT là khả năng kết hợp tích cực từ các yếu tố quan trọng của các lý thuyết trước đó, tạo ra một khung lý thuyết toàn diện và hoàn chỉnh. Điều này giúp mô hình giải thích mức độ chấp nhận và sử dụng công nghệ một cách chi tiết và linh hoạt, đồng thời nắm bắt được sự đa dạng trong yếu tố ảnh hưởng của người sử dụng. 575
  5. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 Hinh 1: Mô hình UTAUT gốc Nguồn: (Venkatesh et al., 2003) Theo Venkatesh, ý định sử dụng công nghệ của một cá nhân là kết quả trực tiếp của các phản ứng cá nhân của họ đối với công nghệ đó. UTAUT cung cấp một khung lý thuyết mạnh mẽ giúp nhà quản lý hiểu rõ hơn về quá trình chấp nhận và sử dụng công nghệ mới. Mô hình này không chỉ giúp dự đoán ý định sử dụng mà còn cung cấp thông tin quan trọng về các yếu tố ảnh hưởng. Từ đó, họ có thể can thiệp kịp thời, loại bỏ những rào cản ngăn cản sự thay đổi và khuyến khích kỳ vọng của cá nhân (Venkatesh et al., 2003). Venkatesh và cộng sự đã chứng minh rằng UTAUT là một mô hình hiệu quả nhất trong việc giải thích ý định và hành vi sử dụng công nghệ. Việc chọn lựa UTAUT làm nền tảng lý thuyết cho ý định và hành vi sử dụng dịch vụ fintech trong đầu tư chứng khoán là một quyết định hợp lý của nhóm nghiên cứu, đặc biệt khi fintech đang ngày càng trở thành một phần quan trọng của lĩnh vực công nghệ, đặc biệt là trong lĩnh vực tài chính, chứng khoán. Nghiên cứu của Venkatesh và cộng sự (2003) đặt ra rằng kỳ vọng về hiệu suất và kỳ vọng về nỗ lực đóng vai trò quan trọng trong ảnh hưởng đến ý định sử dụng hệ thống trong nhiều trường hợp. Kỳ vọng về hiệu suất thể hiện sự tin tưởng của người dùng vào khả năng của hệ thống mới giúp họ thực hiện công việc hiệu quả hơn. Trong khi đó, kỳ vọng về nỗ lực tập trung vào sự dễ dàng liên quan đến việc sử dụng hệ thống đó. Mức độ tác động của hai yếu tố này có thể biến đổi tùy thuộc vào giới tính, độ tuổi và kinh nghiệm của người sử dụng. Thông thường, phụ nữ, người cao tuổi và người ít kinh nghiệm sẽ có ảnh hưởng lớn hơn từ kỳ vọng về hiệu suất và kỳ vọng về nỗ lực. Mặc dù có sự biến đổi này, khi không có các biến điều tiết, cả hai yếu tố vẫn giữ mối liên hệ có ý nghĩa với ý định sử dụng. Vì vậy, trong mô hình giả thuyết (hình 2) của nhóm nghiên cứu, kỳ vọng về hiệu suất và kỳ vọng về nỗ lực được chọn làm hai yếu tố quan trọng. Điều này có thể giúp nhóm nghiên cứu hiểu rõ hơn về cách những yếu tố này đóng góp vào ý định và hành vi sử dụng công nghệ, đặc biệt trong ngữ cảnh của dịch vụ fintech trong đầu tư chứng khoán. Trong mô hình UTAUT gốc, ảnh hưởng xã hội và điều kiện thuận lợi là hai yếu tố quan trọng đối với ý định và hành vi sử dụng công nghệ. Ảnh hưởng xã hội phản ánh mức độ mà người dùng quan tâm đến ý kiến của người khác về việc sử dụng hệ thống mới. Nếu những người xung quanh, như đồng nghiệp, bạn bè hoặc gia đình, thể hiện sự ủng hộ đối với công nghệ, người dùng có khả năng cao hơn để chấp nhận và sử dụng nó. Một khía cạnh khác là điều kiện thuận lợi, đo lường mức độ tin tưởng của người dùng vào khả năng của cơ sở hạ tầng kỹ thuật của tổ chức để hỗ trợ việc sử dụng hệ thống mới. Nếu người dùng tin rằng tổ 576
  6. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 chức có đủ điều kiện thuận lợi để hỗ trợ họ trong quá trình sử dụng công nghệ, họ có khả năng cao hơn để chấp nhận và tích hợp nó vào hành vi làm việc hàng ngày của mình. Điều này làm tăng khả năng thành công của quá trình triển khai công nghệ mới và thúc đẩy sự hiệu quả và chấp nhận trong cộng đồng người dùng. (Venkatesh et al., 2003). theo Venkatesh, mối quan hệ giữa ảnh hưởng xã hội và ý định hành vi không chỉ phụ thuộc vào mức độ ảnh hưởng xã hội mà còn phụ thuộc vào bốn biến điều tiết quan trọng: giới tính, độ tuổi, kinh nghiệm và sự tự nguyện. Mối quan hệ này trở nên có ý nghĩa chỉ khi có sự can thiệp của các biến điều tiết này, nghĩa là chúng tác động đến cách ảnh hưởng xã hội ảnh hưởng đến ý định hành vi sử dụng công nghệ. Hơn nữa, biến điều kiện thuận lợi cũng đóng một vai trò quan trọng trong việc ảnh hưởng đến ý định sử dụng. Tuy nhiên, tác động của biến này chỉ trở nên có ý nghĩa khi có sự tương tác của các biến điều tiết liên quan đến độ tuổi và kinh nghiệm. Nghĩa là, biến điều kiện thuận lợi chỉ có ảnh hưởng đáng kể đối với nhóm người lớn tuổi ở những giai đoạn trải nghiệm sau của họ, và không có ảnh hưởng tương tự đối với nhóm người trẻ và người có kinh nghiệm thấp. (Venkatesh et al., 2003). Do một số giới hạn về thời gian và kinh phí, tác giả không thể đưa các biến điều tiết như giới tính, độ tuổi, kinh nghiệm, sự tự nguyện sử dụng vào mô hình giả thuyết. Tuy nhiên trong lĩnh vực chứng khoán còn tương đối mới tại Việt Nam, số lượng nhà đầu tư có đủ kiến thức và chuyên nghiệp không nhiều, chủ yếu vẫn là đầu tư theo số đông hay do sự tác động của người khác. Vì vậy, nhóm tác giả vẫn giữ lại biến “anh hưởng xã hội” trong mô hình và chỉ loại bỏ biến “điều kiện thuận lợi” trong mô hình nghiên cứu (hình 2). Hình 2: Mô hình nghiên cứu Nguồn: Tác giả đề xuất 2.2.2. Các giả thuyết nghiên cứu (1) Kỳ vọng về hiệu suất Theo Venkatesh và cộng sự (2003), kỳ vọng hiệu suất đề cập đến niềm tin cá nhân về việc họ sẽ đạt được những lợi ích về hiệu suất công việc sau khi sử dụng hệ thống. Trong bối cảnh của dịch vụ fintech trong đầu tư chứng khoán, kỳ vọng về hiệu suất là mức độ mà người sử dụng tin tưởng rằng việc áp dụng các ứng dụng công nghệ tài chính sẽ mang lại nhiều cải tiến trong quá trình đầu tư của họ. Cụ thể, kỳ vọng về hiệu suất khi sử dụng dịch vụ fintech có thể liên quan đến những điểm như tăng cường hiệu quả đầu tư, gia tăng lợi nhuận thông qua quyết định đầu tư thông minh, giảm chi phí giao dịch, và giảm rủi ro thông qua công nghệ tiên tiến. Ngoài ra, cá nhân cũng có thể tin rằng sử dụng fintech sẽ giúp họ nâng cao kiến thức và kỹ năng 577
  7. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 tài chính, từ đó tạo ra những quyết định đầu tư thông minh hơn. (Huyền, 2021) đã nghiên cứu các nhân tố tác động đến hành vi sử dụng dịch vụ fintech tại Việt Nam và cho rằng kỳ vọng về hiệu suất và kỳ vọng về nỗ lực là yếu tố ảnh hưởng đến ý định hành vi trong hầu hết các tình huống. Giả thuyết H1: Kỳ vọng về hiệu suất tác động tích cực đến ý định sử dụng dịch vụ fintech trong đầu tư chứng khoán (2) Kỳ vọng về nỗ lực Theo nghiên cứu của Venkatesh và cộng sự (2003), kỳ vọng về nỗ lực được đặc trưng bởi "mức độ dễ dàng tích hợp vào quá trình sử dụng hệ thống". Sự kỳ vọng về nỗ lực cá nhân khi áp dụng các dịch vụ fintech để đầu tư chứng khoán thể hiện mức độ mà người sử dụng cảm nhận rằng việc tận dụng các ứng dụng công nghệ tài chính phải thuận tiện, dễ dàng và không đòi hỏi quá nhiều thời gian hoặc công sức.. (Trịnh Thị Phan Lan, 2013) đã nghiên cứu về một số thách thức khi sử dụng dịch vụ fintech tại Việt Nam và kết luận rằng kỳ vọng về nỗ lực là một trong những yếu tố quan trọng ảnh hưởng tích cực đến ý định tiếp tục sử dụng dịch vụ fintech của người dùng. Giả thuyết H2: Kỳ vọng về nỗ lực tác động tích cực đến ý định sử dụng dịch vụ fintech trong đầu tư chứng khoán (3) Ảnh hưởng xã hội Theo Venkatesh và cộng sự (2003), ảnh hưởng xã hội là "mức độ mà một cá nhân cho rằng những người khác tin rằng họ nên sử dụng hệ thống mới". Ảnh hưởng xã hội trong việc sử dụng dịch vụ fintech trong đầu tư chứng khoán là mức độ mà một cá nhân cảm thấy bị ảnh hưởng bởi quan điểm, kỳ vọng và áp lực của những người xung quanh (như gia đình, bạn bè, đồng nghiệp, cấp trên, v.v.) về việc họ nên sử dụng các ứng dụng công nghệ tài chính để thực hiện các giao dịch chứng khoán.(Huyền, 2021) cho rằng ảnh hưởng xã hội là một trong những yếu tố ảnh hưởng tích cực đến ý định sử dụng fintech của người dùng. Giả thuyết H3: Ảnh hưởng xã hội tác động tích cực đến ý định sử dụng dịch vụ fintech trong đầu tư chứng khoán (4) Ý định sử dụng Theo Venkatesh và cộng sự (2003), ý định sử dụng là "mức độ mà một cá nhân có kế hoạch hoặc có ý định sử dụng một hệ thống công nghệ cụ thể. Ý định sử dụng dịch vụ fintech trong đầu tư chứng khoán là mức độ mà một cá nhân có kế hoạch hoặc có ý định sử dụng các ứng dụng công nghệ tài chính để thực hiện các giao dịch chứng khoán. Trong mô hình UTAUT của Vankatesh và cộng sự 2003, ý định sử dụng chịu sự tác động của bốn biến độc lập là kỳ vọng về nỗ lực, kỳ vọng hiệu suất, ảnh hưởng xã hội và điều kiện thuận lợi. (Huyền, 2021) cũng cho rằng ý định sử dụng dịch vụ fintech trong đầu tư chứng khoán có tác động tích cực đến hành vi sử dụng fintech của người dùng, tức là người dùng sẽ sử dụng fintech nhiều hơn nếu họ có ý định sử dụng fintech cao. Vì vậy ý định sử dụng được chọn làm biến trung gian cho mô hình giả thuyết. Giả thuyết H4: Ý định sử dụng tác động tích cực đến hành vi sử dụng dịch vụ fintech trong đầu tư chứng khoán (5) Hành vi sử dụng 578
  8. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 Theo Venkatesh và cộng sự (2003), hành vi sử dụng là "mức độ mà một cá nhân thực sự sử dụng một hệ thống công nghệ cụ thể". Hành vi sử dụng dịch vụ fintech trong đầu tư chứng khoán của nhà đầu tư chứng khoán cá nhân là mức độ một cá nhân thực sự sử dụng dịch vụ fintech cho các mục đích khác nhau như quản lý tài sản, vay vốn, mua các sản phẩm tài chính khác nhau hay nhận được tư vấn đầu tư tự động từ robot (robo advisors). Hành vi sử dụng được chọn là biến phụ thuộc khi đánh giá mức độ chấp nhận sử dụng dịch vụ fintech trong đầu tư chứng khoán của nhà đầu tư cá nhân. 3. Phương pháp nghiên cứu * Phương pháp nghiên cứu định tính: Từ những công trình nghiên cứu trước đó và lý thuyết nền tảng chấp nhận công nghệ UTAUT của Venkatesh và cộng sự (2003) tác giả đã xác định các yếu tố ảnh hưởng tới ý định và hành vi sử dụng dịch vụ fintech khi đầu tư chứng khoán của nhà đầu tư cá nhân tại Việt Nam. * Phương pháp nghiên cứu định lượng: Về cách thức thu thập dữ liệu, tác giả thu thập dữ liệu thông qua khảo sát online với công cụ hỗ trợ là google form. Mẫu khảo sát được chọn theo phương pháp chọn mẫu phi ngẫu nhiên, phân tầng. Theo luật chứng khoán 2019, nhà đầu tư chứng khoán được phân làm 2 loại chính là nhà đầu tư phổ thông và nhà đầu tư chuyên nghiệp, vì vậy tác giả đảm bảo lấy mẫu từ 2 nhóm nhà đầu tư này sao cho tổng số phiếu có mực độ tương đối cân bằng giữa 2 nhóm nhà đầu tư. Với 3 biến độc lập 1 biến trung gian và 1 biến phụ thuộc với tổng thể 18 biến quan sát tương ứng với 18 thang đo, theo (Joseph F. Hair, 1995) số lượng mẫu sẽ được lấy theo công thức N (tối thiểu) = 5*m, N (tốt nhất) = 10*m. Trong đó N là số lượng mẫu, m là số lượng thang đo. Như vậy với nghiên cứu của tác giả số lượng mẫu tối thiểu cần có là 90 phiếu và số lượng tốt nhất cần có là 180 phiếu. Thực tế, số lượng phiếu phát ra là 179 phiếu nhưng tác giả chỉ thu về 162 phiếu hợp lệ và có 17 phiếu là người dùng chưa từng đầu tư chứng khoán cũng như sử dụng các dịch vụ liên quan đến chứng khoán. Thời gian khảo sát, tác giả thu thập dữ liệu trong 1 tháng từ 1/12/2023 đến 31/12/2023 Về cách thức xử lý dữ liệu, nghiên cứu được xử lý bằng phần mềm SMART-PLS 4.0 và các biến được đưa vào phân tích bằng mô hình cấu trúc bình phương nhỏ nhất từng phần (PLS- SEM). Để điều tra mối quan hệ phức tạp giữa nhiều biến trong một mô hình, mô hình cấu trúc tuyến tính (SEM - Structural Equation Modeling) là lựa chọn thích hợp. Đây là một kỹ thuật thống kê thế hệ thứ hai được phát triển để phân tích mối liên kết đa chiều và tạo ra cấu trúc tuyến tính giữa các biến, giúp hiểu rõ hơn về sự tương tác và ảnh hưởng của chúng trong một hệ thống phức tạp (Haenlein & Kaplan, 2004). Mô hình cấu trúc tuyến tính (SEM) là một phương pháp hiện đại và rộng rãi được sử dụng trong phân tích dữ liệu, được áp dụng bởi nhiều nhà nghiên cứu để kiểm định mô hình nghiên cứu trong nhiều lĩnh vực khác nhau. Trong nghiên cứu này, chúng tôi sử dụng một biến thể của SEM được gọi là mô hình phương trình cấu trúc bình phương nhỏ nhất một phần (PLS-SEM) để kiểm tra giả thuyết. PLS-SEM được lựa chọn vì nó mang lại nhiều ưu điểm quan trọng. Đầu tiên, nó không gặp vấn đề của quy mô cỡ mẫu nhỏ và dữ liệu không phân phối chuẩn. Thứ hai, PLS-SEM có khả năng ước lượng mô hình nghiên cứu phức tạp, đặc biệt là mô hình cấu trúc, với nhiều biến trung gian, biến tiềm ẩn và biến quan sát. Cuối cùng, phương pháp này thích hợp cho các nghiên cứu khám phá và những nghiên cứu chưa có nền tảng lý thuyết vững chắc. Điều này giúp nghiên cứu của chúng tôi linh hoạt và mạch lạc trong việc khám phá và xác nhận mối quan hệ phức tạp giữa các biến trong 579
  9. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 mô hình (Joseph F. Hair et al., 2019) 4. Kết quả và thảo luận 4.1. Thông tin chung về các nhà đầu tư cá nhân trong nghiên cứu Tác giả chính thức khảo sát 179 khách hàng cá nhân Việt Nam trong đó chỉ có 162 đáp viên phù hợp với đối tượng nghiên cứu với kết quả tổng hợp như sau: * Giới tính: Tỷ lệ nam giới (56%) sử dụng dịch vụ fintech trong đầu tư chứng khoán nhiều hơn nữ giới tỷ lệ (42%) và khác chiếm 2% * Độ tuổi: Đa số nhà đầu tư cá nhân có tuổi đời còn khá trẻ, 18- dưới 30 (54%) tiếp đến là 30- dưới 40 (23%) còn lại là 2 nhóm tuổi 40 đến dưới 50 (10%) và 50 và trên 50 chiếm 13%. * Thu nhập: Đa số đáo viên có mức thu nhập thấp dưới 10 triệu đồng chiếm 45% tiếp đến là các nhà đầu tư có thu nhập trên 50 triệu chiếm 15% sau đó là nhóm từ 15-20 triệu, 10-15 triệu với tỷ lệ lần lượt là 13% và 11%. Nhóm thu nhập từ 20-30 triệu và 30-50 triệu có tỷ lệ bằng nhau là 8%. * Phân loại nhà đầu tư: Theo luật chứng khoán 2019. nhà đầu tư phổ thông là những nhà đầu tư có Quốc tịch Việt Nam không có tất cả những yếu tố sau: không có chứng chỉ hành nghề chứng khoán, nắm giữ danh mục đầu tư nhỏ hơn 2 tỷ động và có thu nhập chịu thuế nhỏ hơn 1 tỷ/ năm. Theo khảo sát nhóm này chiếm đa số với tỷ lệ 54%. Còn lại là nhà đầu tư chuyên nghiệp với tỷ lệ 46%. Ngược lại với nhà đầu tư phổ thông, nhà đầu tư chuyên nghiệp chỉ cần có 1 trong các yếu tố sau: có chứng chỉ hành nghề chứng khoán; cá nhân nắm giữ danh mục đầu tư ít nhất 2 tỷ đồng hoặc cá nhân có thu nhập chịu thuế ít nhất 1 tỷ đồng. * Kinh nghiệm đầu tư: Đa phần nhà đầu tư có kinh nghiệm đầu tư là dưới 1 năm chiếm 49%, theo sau là những nhà đầu tư có kinh nghiệm từ 1-3 năm (17%) từ 4-7 năm (12%) trên 10 năm (12% và thấp nhất là nhóm nhà đầu tư có kinh nghiệm từ 7-10 năm (10%) 4.2. Kết quả kiểm định mô hình giả thuyết Mô hình nghiên cứu được đánh giá qua hai bước là đánh giá mô hình đo lường và mô hình cấu trúc (Henseler & Chin, 2010). 4.2.1. Đánh giá mô hình đo lường Trong quá trình đánh giá mô hình đo lường kết quả bằng SMARTPLS 4.0, nghiên cứu sẽ chú trọng vào các khía cạnh quan trọng như chất lượng của các biến quan sát (chỉ báo), độ tin cậy, tính hội tụ và sự phân biệt của các thang đo. * Chất lượng biến quan sát Hệ số tải nhân tố ngoài > 0.6 là tiêu chí chấp nhận cho một nghiên cứu, nhưng đối với nghiên cứu khám phá thì hệ số tải nhân tố ngoài > 0.4 cũng được chấp nhận (Moores & Chang, 2006). Tuy nhiên, (Joseph F. Hair et al., 2019) khuyến nghị hệ số tải nhân tố ngoài ≥ 0.7 là tốt nhất. Kết quả cho thấy tất cả các biến quan sát có hệ số outer loadings đều cao (0.673-0.975) nên đều được giữ lại để phân tích 580
  10. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 Bảng 1: Chỉ số outer loadings Chỉ số outer Chỉ số outer Chỉ số outer loadings Chỉ số outer Chỉ số outer loadings loadings của hành loadings loadings của của kỳ của ảnh vi sử của ý kỳ vọng nỗ vọng hiệu hưởng xã dụng định (BI) lực (EE) suất (PE) hội (SI) (UB) BI1 0.887 BI2 0.953 BI3 0.942 EE1 0.673 EE2 0.903 EE3 0.921 EE4 0.829 PE1 0.945 PE2 0.966 PE3 0.938 PE4 0.952 SI1 0.969 SI2 0.970 SI3 0.975 UB1 0.942 UB2 0.951 UB3 0.938 UB4 0.926 Nguồn: Kết quả xử lý dữ liệu SMART-PLS * Độ tin cậy của thang đo Reliability Độ tin cậy của các thang đo trong mô hình nghiên cứu được đảm bảo bởi hệ số Cronbach’s Alpha và CR, theo Bảng 2. Đối với nghiên cứu khám phá, ngưỡng chấp nhận cho CR là từ 0.6 trở lên, còn đối với nghiên cứu khẳng định là 0.7 trở lên (Henseler & Chin, 2010). Cả Cronbach’s Alpha và CR đều phải đạt ngưỡng ≥ 0.7, theo sự đồng thuận của nhiều nhà nghiên cứu (Joseph F. Hair et al., 2019) 581
  11. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 Bảng 2: Bảng đánh giá độ tin cậy Bảng 3: Đánh giá chỉ số phân biệt thông và tính hội tụ thông qua chỉ số HTMT Cronbach's BI EE PE SI UB alpha CR (AVE) BI BI 0.919 0.949 0.861 EE 0.054 EE 0.904 0.902 0.701 PE 0.379 0.103 PE 0.964 0.974 0.903 SI 0.202 0.227 0.413 SI 0.970 0.980 0.943 UB 0.486 0.084 0.531 0.463 UB 0.955 0.968 0.882 Nguồn: Kết quả xử lý dữ liệu SMART-PLS *Tính hội tụ Convergence Dựa vào chỉ số phương sai trích trung bình - Average Variance Extracted (AVE) để đánh giá tính hội tụ của thang đo. một thang đo đạt giá trị hội tụ nếu AVE đạt từ 0.5 trở lên (Höck et al., 2010). AVE ở bảng 2 của các thang đo BI, EE, PE, SI, UB đều lớn hơn 0.5 và đều đạt tiêu chuẩn. *Đánh giá tính phân biệt - Discriminant validity Để đánh giá tính phân biệt của thang đo, nghiên cứu sử dụng chỉ số Heterotrait-monotrait Ratio (HTMT). Giá trị phân biệt giữa hai biến tiềm ẩn được đảm bảo khi chỉ số HTMT nhỏ hơn 0,9 (Henseler et al., 2015). Kết quả nghiên cứu ở bảng 3 cho thấy tính phân biệt của thang đo là tốt khi các giá trị HTMT đều nhỏ hơn ngưỡng 0.9 và đều đạt giá trị phân biệt. 4.2.2. Đánh giá mô hình cấu trúc SEM trên SMART PLS Để đảm bảo tính khả quan của kết quả nghiên cứu và khả năng áp dụng cho tổng thể, mô hình được đánh giá lại về độ tin cậy trước khi tiến hành đánh giá mô hình cấu trúc. Tác giả đã sử dụng kỹ thuật bootstrapping với 1000 lượt lặp (n=1000) để thực hiện kiểm tra này. Kết quả chi tiết cho thấy rằng trọng số gốc và trọng số trung bình thu được từ quá trình bootstrapping mang ý nghĩa thống kê với nhau. Các ước lượng trong mô hình được xác định là đáng tin cậy, do tất cả các trọng số nằm trong khoảng tin cậy 95%. Điều này cung cấp một cơ sở vững chắc cho việc kết luận rằng mô hình có thể áp dụng cho tổng thể một cách có độ tin cậy cao. Để đánh giá mô hình cấu trúc, quan trọng là xem xét các yếu tố như hệ số VIF để kiểm tra đa cộng tuyến, hệ số tác động và ý nghĩa của mức tác động để đánh giá tác động của biến độc lập lên biến phụ thuộc, cũng như hệ số R Square và f Square để đo lường hiệu suất giải thích và mở rộng mô hình. * Đánh giá đa cộng tuyến Nếu VIF từ 5 trở đi, mô hình có khả năng xuất hiện đa cộng tuyến (Joseph F. Hair et al., 2019). Các cấu trúc trong mô hình SEM có hệ số VIF [1.000 – 1.228] đều nhỏ hơn 2, do vậy không xảy ra đa cộng tuyến trong mô hình. 582
  12. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 Bảng 4: Bảng đánh giá đa cộng tuyến (VIF) BI -> UB 1.000 EE -> BI 1.035 PE -> BI 1.190 SI -> BI 1.228 Nguồn: Kết quả xử lý dữ liệu SMART-PLS * Mức độ giải thích của biến độc lập cho phụ thuộc (R2 hiệu chỉnh) Giá trị R bình phương cho biết mức độ giải thích của biến phụ thuộc bởi các biến độc lập trong mô hình. Càng gần 1 thì mức độ giải thích càng cao, càng gần 0 thì mức độ giải thích càng thấp. Tuy nhiên, theo Hair và cộng sự (2017), không có quy tắc kinh nghiệm nào để xác định ngưỡng chấp nhận cho R bình phương, vì điều này phụ thuộc vào sự phức tạp của mô hình (số lượng và mối quan hệ của các biến độc lập) và lĩnh vực nghiên cứu. Bảng 5: Kết quả R Square Hiệu chỉnh R-square R-square adjusted BI 0.242 0.225 UB 0.411 0.406 Nguồn: Kết quả xử lý dữ liệu SMART-PLS Bảng 6: Giá trị mức độ ảnh hưởng f – Square BI EE PE SI UB BI 0.468 EE 0.012 PE 0.208 SI 0.006 UB Nguồn: Kết quả xử lý dữ liệu SMART-PLS R bình phương dao động trong khoảng từ 0 đến 1, với giá trị tiến gần về 1 thể hiện mức độ giải thích cao đối với biến phụ thuộc, trong khi giá trị tiến gần về 0 cho thấy mức độ giải thích thấp. Trong trường hợp này, biến BI và UB được xem xét như là biến phụ thuộc. Giá trị R² hiệu chỉnh của BI là 0.225, cho biết rằng các biến độc lập giải thích được 22.5% sự biến thiên của biến BI. Tương tự, giá trị R² hiệu chỉnh của UB là 0.406, thể hiện rằng các biến độc lập giải thích được 40.6% sự biến thiên của biến UB. Điều này cho thấy mức độ giải thích của mô hình đối với các biến phụ thuộc là khá đáng kể. * Giá trị mức độ ảnh hưởng f square 583
  13. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 Hệ số f Square cho biết mức độ tác động của biến độc lập đến biến phụ thuộc. Các biến độc lập có tầm quan trọng khác nhau theo các ngưỡng của f Square như sau: f Square < 0.02 không có tác động hoặc tác động cực kỳ nhỏ; 0.02 ≤ f Square < 0.15 tác động nhỏ; 0.15 ≤ f Square < 0.35 tác động trung bình; f Square ≥ 0.35 tác động lớn (Cohen, 1988). Theo kết quả nghiên cứu, biến PE có mức tác động trung bình lên BI với f2 bằng 0.208; biến EE và SI có mức tác động nhỏ lên biến phụ thuộc với f2 lần lượt bằng 0.112 và 0.006. * Đánh giá mối quan hệ tác động Path Coefficients là các hệ số hồi quy của đường dẫn trong mô hình SEM, biểu diễn mối liên hệ giữa các biến tiềm ẩn. Tại giai đoạn này, chưa thể rút ra kết luận nào về ý nghĩa thống kê của các đường dẫn tác động. Để thu được giá trị p-value và kiểm định ý nghĩa thống kê, phân tích Bootstrap trên SMARTPLS cần được thực hiện. Điều này sẽ cung cấp thông tin quan trọng để đánh giá sự ảnh hưởng của các đường dẫn trong mô hình và đảm bảo tính đáng tin cậy của kết quả Bảng 7: Bảng giá trị hệ số mối quan hệ tác động Standard Original Sample deviation T statistics sample (O) mean (M) (STDEV) (|O/STDEV|) P values BI -> UB 0.459 0.456 0.093 4.955 0.000 EE -> BI 0.104 0.076 0.125 0.832 0.006 PE -> BI 0.332 0.328 0.086 3.855 0.000 SI -> BI 0.079 0.080 0.075 1.066 0.287 Nguồn: Kết quả xử lý dữ liệu SMART-PLS Kết quả cho thấy các tác động của BI lên UB, EE lên BI và PE lên BI có giá trị P-values < 0.05, cho thấy rằng những mối tương quan này có ý nghĩa thống kê. Mối tương quan giữa SI và BI có giá trị P-values > 0.05, chỉ ra rằng mối quan hệ này có thể không có ý nghĩa thống kê hoặc có ý nghĩa nhưng có thể xuất hiện trong trường hợp nhiễu dữ liệu hoặc sai sót trong quá trình lấy mẫu. Dữ liệu gốc (Original Sample - O) thể hiện mối quan hệ cụ thể giữa các biến trong mô hình SEM. Biến BI chịu ảnh hưởng của các biến EE, PE, SI với các hệ số hồi quy chuẩn hoá tương ứng là 0.104, 0.332 và 0.079. Biến UB chịu ảnh hưởng của biến BI với hệ số hồi quy chuẩn hoá là 0.459. 584
  14. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 Hình 3: Kết quả phân tích mô hình cấu trúc tuyến tính PLS-SEM Nguồn: Kết quả xử lý dữ liệu 5. Kết luận 5.1. Khuyến nghị một số giải pháp Trên kết quả nghiên cứu, tác giả đề xuất một số giải pháp cho doanh nghiệp cung cấp dịch vụ fintech trong đầu tư chứng khoán và cơ quan chức năng tại Việt Nam như sau: * Khuyến nghị một số giải pháp cho doanh nghiệp cung cấp dịch vụ fintech trong đầu tư chứng khoán: - Để nâng cao kỳ vọng về hiệu suất, các công ty fintech có thể tiến xa bằng cách phát triển thêm các tính năng tùy chỉnh và giao dịch tự động, giúp người dùng thực hiện các giao dịch nhanh chóng, tiện lợi và hiệu quả. Đồng thời, việc cung cấp các giải pháp phân tích dữ liệu tài chính sẽ hỗ trợ nhà đầu tư cá nhân trong việc theo dõi, đánh giá và dự báo xu hướng thị trường, đồng thời đưa ra quyết định đầu tư thông minh. Các công ty fintech cũng cần tích hợp các công nghệ như trí tuệ nhân tạo, học máy, blockchain để tăng cường bảo mật, minh bạch và tối ưu hóa quy trình giao dịch. Ngoài ra, họ cần hợp tác chặt chẽ với ngân hàng và các tổ chức tài chính khác để mở rộng thị trường, củng cố uy tín và cạnh tranh, cũng như để tirơi lợi từ các quy định và chính sách của chính phủ. - Nâng cao kỳ vọng về nỗ lực cá nhân: Phát triển một giao diện người dùng dễ sử dụng, thân thiện và tương tác. Thêm vào đó, các công ty dịch vụ fintech trong chứng khoán cần cung cấp hướng dẫn chi tiết và video hướng dẫn để giúp người mới bắt đầu và những người không chuyên về tài chính. Hơn nữa, trong các ứng dụng fintech mà các công ty cung cấp cũng cần xây dựng hệ thống hỗ trợ khách hàng 24/7 để giải đáp thắc mắc và hỗ trợ kỹ thuật và tích hợp chatbot hoặc trợ lý ảo để trả lời các câu hỏi cơ bản. * Khuyến nghị một số giải pháp cho cơ quan chức năng - Cơ quan chính phủ đóng vai trò quan trọng trong việc tạo ra một môi trường pháp lý và chính trị hỗ trợ sự phát triển của fintech. Để đạt được điều này, cần phát triển và cập nhật các quy định và chính sách pháp lý để tạo điều kiện thuận lợi cho sự phát triển của các dịch vụ fintech. Cụ thể hơn, cần xem xét và điều chỉnh các quy định liên quan đến đầu tư chứng khoán để phản ánh sự xuất hiện của công nghệ mới trong lĩnh vực này. Cơ quan chính phủ cũng có thể cung cấp hỗ trợ tài chính và hợp tác với các tổ chức nghiên cứu để nâng cao khả năng nghiên cứu và phát triển của các doanh nghiệp fintech. Tổ chức cuộc thi và sự kiện hỗ trợ sáng tạo trong lĩnh vực fintech cũng 585
  15. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 là một cách quan trọng để khuyến khích sự đổi mới và tạo điều kiện cho các doanh nghiệp fintech phát triển và gặt hái thành công trong môi trường cạnh tranh - Về khía cạnh đào tạo và phát triển nhân sự, quan trọng là xây dựng một lực lượng lao động có kiến thức và kỹ năng chuyên sâu về fintech và đầu tư chứng khoán. Điều này có thể được đạt đến thông qua việc tổ chức các chương trình học và khóa đào tạo, nhằm cung cấp kiến thức và kỹ năng cần thiết để làm việc hiệu quả trong môi trường fintech đang phát triển. - Khuyến khích đầu tư từ nước ngoài và tăng cường hợp tác quốc tế là một yếu tố quan trọng để thúc đẩy phát triển trong lĩnh vực fintech và đầu tư chứng khoán. Để thực hiện điều này, cần tạo điều kiện thuận lợi để thu hút sự tham gia của các nhà đầu tư và quỹ đầu tư vào các dự án fintech và thị trường đầu tư chứng khoán. Hợp tác với cơ quan quốc tế là một bước quan trọng, giúp chia sẻ thông tin và kinh nghiệm, đồng thời tìm kiếm cơ hội hợp tác chung. Cuối cùng, việc ký kết các hiệp định và thỏa thuận quốc tế sẽ giúp tạo ra một môi trường thuận lợi cho các doanh nghiệp fintech và đầu tư chứng khoán tham gia vào thị trường quốc tế. Điều này sẽ củng cố tính toàn cầu của ngành công nghiệp và tạo ra cơ hội lớn cho sự phát triển bền vững 5.2. Hạn chế của nghiên cứu Bên cạnh những kết quả đạt được, nghiên cứu còn tồn tại một số hạn chế như sau: - Nghiên cứu chỉ nghiên cứu đến các nhân tố ảnh hưởng đến ý định và hành vi sử dụng dịch vụ fintech trong đầu tư chứng khoán của nhà đầu tư chứng khoán cá nhân người Việt Nam mà chưa thu thập dữ liệu từ nhà đầu tư cá nhân người nước ngoài đang giao dịch tại Việt Nam hoặc các nhà đầu tư tổ chức. - Một số nhân tố khác như điều kiện thuận lợi, tính bảo mật chưa được đề cập. Cũng như tác giả chưa nghiên cứu sự tác động của các biến điều tiết như độ tuổi, kinh nghiệm, giới tính vào mô hình. - Cỡ mẫu chưa đủ lớn, phương pháp thu thập dữ liệu vẫn còn tồn tại 1 số hạn chế do giới hạn về thời gian, kinh phí nên có thể chưa đại diện cho tổng thể. - Các giải pháp chỉ phù hợp với tình hình hiện tại, dựa trên kết quả khảo sát nhằm phát huy các yếu tố ảnh hưởng đến ý định và hành vi sử dụng dịch vụ fintech trong đầu tư chứng khoán tại Việt Nam. 5.3. Hàm ý nghiên cứu trong tương lai Từ hạn chế của nghiên cứu, tác giả xác định hướng nghiên cứu trong tương lai: - Phát triển mô hình nghiên cứu với các biến độc lập như điều kiện thuận lợi, tính bảo mật và thêm các biến điều tiết như giới tính, độ tuổi, kinh nghiệm để hoàn thiện mô hình nghiên cứu - Nghiên cứu ở phạm vi rộng hơn, với số mẫu lớn hơn - Nghiên cứu đối tượng khách hàng cá nhân là nhà đầu tư nước ngoài đang giao dịch tại Việt Nam và khách hàng doanh nghiệp 586
  16. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 TÀI LIỆU THAM KHẢO: Feyen, E., Natarajan, H., & Saal, M. (2023). Fintech and the Future of Finance: Market and Policy Implications. World Bank Group Trường Thịnh. (2021). Thị trường Fintech Việt Nam 2021: Tiềm năng của công nghệ đầu tư tài chính. Link: https://dantri.com.vn/kinh-doanh/thi-truong-fintech-viet-nam-2021-tiem- nang-cua-cong-nghe-dau-tu-tai-chinh-20211108131226658.htm Đào Lê Minh & Nguyễn Thanh Huyền. (2019). Fintech và thách thức trong quản lý ngành chứng khoán. Link: https://dangcongsan.vn/kinh-te-va-hoi-nhap/fintech-va-thach-thuc- trong-quan-ly-nganh-chung-khoan-523057.htm Cohen, J. (1988). Statistical power analysis for the behavioural sciences. Hillside. In NJ: Lawrence Earlbaum Associates. Haenlein, M., & Kaplan, A. M. (2004). A Beginner’s Guide to Partial Least Squares Analysis. Understanding Statistics, 3(4), 283–297. https://doi.org/10.1207/s15328031us0304_4 Henseler, J., & Chin, W. W. (2010). A comparison of approaches for the analysis of interaction effects between latent variables using partial least squares path modeling. Structural Equation Modeling, 17(1). https://doi.org/10.1080/10705510903439003 Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1). https://doi.org/10.1007/s11747-014-0403-8 Höck, C., Ringle, C. M., & Sarstedt, M. (2010). Management of multi-purpose stadiums: Importance and performance measurement of service interfaces. International Journal of Services, Technology and Management, 14(2–3). https://doi.org/10.1504/IJSTM.2010.034327 Huyền, T. T. T. (2021). Các nhân tố tác động đến hành vi sử dụng dịch vụ Fintech tại Việt Nam. Tạp Chí Công Thương, 6, 86–116. https://tapchicongthuong.vn/bai-viet/cac-nhan-to-tac- dong-den-hanh-vi-su-dung-dich-vu-fintech-tai-viet-nam-85616.htm Joseph F. Hair. (1995). Multivariate Data Analysis with Readings. Prentice Hall. Joseph F. Hair, Jeffrey J. Risher, Marko Sarstedt, & Christian M. Ringle. (2019). When to use and how to report the results of PLS-SEM. European Business Review, 31(1). Moores, T. T., & Chang, J. C. J. (2006). Ethical decision making in software piracy: Initial development and test of a four-component model. MIS Quarterly: Management Information Systems, 30(1). https://doi.org/10.2307/25148722 Nasir, A., Shaukat, K., Iqbal Khan, K., A. Hameed, I., Alam, T., & Luo, S. (2021). Trends and Directions of Financial Technology (Fintech) in Society and Environment: A Bibliometric Study. Applied Sciences, 11(21), 10353. https://doi.org/10.3390/app112110353 Schueffel, P. mname. (2016). Taming the Beast: A Scientific Definition of Fintech. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.3097312 Trịnh Thị Phan Lan, P. T. H. (2013). Ảnh hưởng của nhận thức về rủi ro và lợi ích tới việc sử dụng các dịch vụ Fintech của giới trẻ trên địa bàn Thành phố Hà Nội. Tạp Chí Ngân Hàng, 3, 10–18. https://tapchinganhang.gov.vn/anh-huong-cua-nhan-thuc-ve-rui-ro-va-loi-ich- toi-viec-su-dung-cac-dich-vu-fintech-cua-gioi-tre-tren-.htm 587
  17. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 Venkatesh, Morris, Davis, & Davis. (2003). User Acceptance of Information Technology: Toward a Unified View. MIS Quarterly, 27(3), 425. https://doi.org/10.2307/30036540 Yan, C., Siddik, A. B., Akter, N., & Dong, Q. (2021). Factors influencing the adoption intention of using mobile financial service during the COVID-19 pandemic: the role of FinTech. Environmental Science and Pollution Research, 30(22), 61271–61289. https://doi.org/10.1007/s11356-021-17437-y PGT Holdings. (2022). Thị trường FINTECH tại Việt Nam: Dẫn dắt vốn đầu tư phát triển thần tốc. Link: https://pgt-holdings.com/thi-truong-fintech-tai-viet-nam-dan-dat-von-dau-tu- phat-trien-than-toc Tâm, T. (2023). Nền tảng Fintech là gì? Ưu nhược điểm, cơ hội và thách thức của Fintech ở Việt Nam. Link: https://thitruongbiz.vn/nen-tang-fintech-la-gi-uu-nhuoc-diem-co-hoi-va- thach-thuc-cua-fintech-o-viet-nam-14129.html Văn Quý, N. Q. T., & Nguyễn, T. T. H. (2018). Fintech và tương lai ngành chứng khoán. Khoa Ngân hàng, Trường Đại học Kinh tế TP.HCM Nguyễn, V. (2023). Fintech là gì? Tình hình các thị trường Fintech tại Việt Nam 2024. Link: https://ifintech.vn/fintech-la-gi/ Trần Thị Thanh Huyền. (2021). Các nhân tố tác động đến hành vi sử dụng dịch vụ Fintech tại Việt Nam. Tạp chí Công thương, 6, 86-116. Tạp chí Quản lý nhà nước. (2023). Fintech trong bức tranh dịch vụ tài chính. Tạp chí Quản lý nhà nước, 1, 12-15. Tạp chí Quản lý nhà nước. (2023). Fintech và thách thức trong quản lý ngành chứng khoán. Tạp chí Quản lý nhà nước, 5, 21-24. Joseph F. Hair, Jeffrey J. Risher, Marko Sarstedt, & Christian M. Ringle. (2019). When to use and how to report the results of PLS-SEM. European Business Review, 31(1). Haenlein, M., & Kaplan, A. M. (2004). A Beginner’s Guide to Partial Least Squares Analysis. Understanding Statistics, 3(4). https://doi.org/10.1207/s15328031us0304_4 Henseler, J., & Chin, W. W. (2010). A comparison of approaches for the analysis of interaction effects between latent variables using partial least squares path modeling. Structural Equation Modeling, 17(1). https://doi.org/10.1080/10705510903439003 Moores, T. T., & Chang, J. C. J. (2006). Ethical decision making in software piracy: Initial development and test of a four-component model. MIS Quarterly: Management Information Systems, 30(1). https://doi.org/10.2307/25148722 Joseph F. Hair, Jeffrey J. Risher, Marko Sarstedt, & Christian M. Ringle. (2019). When to use and how to report the results of PLS-SEM. European Business Review, 31(1). Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1). https://doi.org/10.1007/s11747-014-0403-8 Höck, C., Ringle, C. M., & Sarstedt, M. (2010). Management of multi-purpose stadiums: Importance and performance measurement of service interfaces. International Journal of Services, Technology and Management, 14(2–3). https://doi.org/10.1504/IJSTM.2010.034327 588
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

THÔNG TIN
TRỢ GIÚP
HỖ TRỢ KHÁCH HÀNG
Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.

 

Đồng bộ tài khoản
2=>2