Tác động của các yếu tố đến dòng vốn tín dụng của các công ty Bigtech

ThS. ĐẶNG TRÍ DŨNG (Khoa Ngân hàng, Trường Đại học Ngân hàng TP. Hồ Chí Minh)

TÓM TẮT:

Bài viết đánh giá các yếu tố tác động đến dòng vốn tín dụng từ các công ty Bigtech ở cả hai phía cung và cầu, trong đó tập trung các yếu tố về thể chế là sự ổn định về chính trị và kiểm soát tham nhũng. Dữ liệu nghiên cứu từ 109 quốc gia được thu thập từ kho dữ liệu của Ngân hàng Thế giới và Ngân hàng Thanh toán Quốc tế và Trung tâm Tài chính Thay thế Cambridge trong năm 2016 và năm 2017. Kết quả nghiên cứu chỉ ra rằng, GDP bình quân đầu người, sự ổn định về chính trị và kiểm soát tham nhũng sẽ tác động tích cực đối với dòng vốn tín dụng từ các công ty Bigtech. Ngoài ra, số lượng các khách hàng chưa được sử dụng các dịch vụ của các ngân hàng truyền thống cũng thúc đẩy làm gia tăng dòng vốn này.

Từ khóa: thể chế, tín dụng, Fintech, Bigtech.

1. Đặt vấn đề

Sự phát triển nhanh chóng của công nghệ đã tác động nhiều mặt đến nền kinh tế. Công nghệ tài chính (Fintech) đã làm thay đổi đáng kể các phương thức sản xuất và cung cấp dịch vụ tài chính ở nhiều quốc gia. Do đó, các ngân hàng cũng chịu áp lực cạnh tranh đáng kể từ các công ty Fintech. Frost (2020) cho rằng, Bigtech là các công ty công nghệ lớn đang hoạt động trên toàn cầu với lợi thế tương đối về công nghệ kỹ thuật số. Các công ty Bigtech được bắt đầu và hỗ trợ bởi các hoạt động Fintech.

Sự bắt đầu gia nhập của các công ty Bigtech là trong lĩnh vực thanh toán, các công ty Bigtech đã tham gia cả lĩnh vực kinh doanh tín dụng. Các sản phẩm đa dạng của các công ty Bigtech dành cho cá nhân như khoản cho vay trực tuyến thông qua các nền tảng công nghệ mà khách hàng không cần đi đến ngân hàng, các khoản cho vay tiêu dùng, cho vay hạn mức, các nền tảng trực tuyến cho vay ngang hàng (Peer-to-peer-P2P), cùng với các sản phẩm tài chính dành cho doanh nghiệp như tạm ứng tiền mặt, tài trợ chuỗi cung ứng, hóa đơn kỹ thuật số đã bổ sung vào thị trường các sản phẩm tín dụng. Tuy nhiên, nghiên cứu của Claessens, Frost, Turner, and Zhu (2018) cho rằng các sản phẩm tín dụng được cung cấp bởi các công ty Bigtech mặc dù vẫn còn hạn chế so với các sản phẩm tín dụng từ các định chế truyền thống nhưng vẫn tiếp tục được mở rộng với tốc độ nhanh. Do đó, các ngân hàng và các định chế tài chính truyền thống khác hiện đang vẫn giữ vị trí dẫn đầu thị trường nhưng cũng chịu nhiều áp lực từ các công ty Bigtech. Mặc khác, sự ra đời của các công ty công nghệ tài chính lớn càng gây áp lực đáng kể đến hoạt động của các ngân hàng và định chế tài chính truyền thống.

Theo nghiên cứu của Cornelli và cộng sự. (2020), sự ra đời và phát triển của các công ty công nghệ tài chính lớn sẽ đe dọa vị trí dẫn đầu của các ngân hàng. Các công ty này  có thế mạnh về công nghệ, do đó sẽ chiếm ưu thế trong cạnh tranh trên thị trường tài chính. Sự phát triển của các công ty Bigtech ở quy mô lớn sẽ ảnh hưởng đáng kể đến thị trường vốn thông qua phát triển các sản phẩm tài chính liên quan đến vay vốn tín dụng. Nhiều nghiên cứu về tổng quan chung về sự phát triển của các sản phẩm tài chính Bigtech hoặc tập trung vào một khía cạnh cụ thể như cho vay ngang hàng. Tuy nhiên, theo Branzoli and Supino (2020), dòng vốn tín dụng Bigtech chịu ảnh hưởng từ các yếu tố thể chế, xã hội như lòng tin vào sự kiểm soát của chính phủ đối với tham nhũng hoặc ổn định chính trị. Mặt khác, nghiên cứu còn cho rằng rất ít tài liệu đánh giá thực nghiệm về vấn đề này. Vì vậy, trong bài viết này, tác giả tập trung vào các tác động từ thể chế đến dòng vốn tín dụng được cung cấp từ các công ty công nghệ tài chính Bigtech. Bài viết nhằm bổ sung các đánh giá thực nghiệm về yếu tố thể chế ảnh hưởng đến dòng vốn tín dụng từ các công ty Bigtech. Dữ liệu được sử dụng cho nghiên cứu được thu thập từ nghiên cứu của Ngân hàng Thanh toán Quốc tế và Trung tâm Tài chính Thay thế Cambridge và cơ sở dữ liệu của Ngân hàng Thế giới (Worldbank Database).

2. Giả thuyết nghiên cứu

Nghiên cứu của Branzoli and Supino (2020) cho rằng các yếu tố tác động đến nguồn tín dụng Bigtech từ các yếu tố cung và cầu. Các yếu tố liên quan đến nhu cầu là bao gồm hoạt động của nền kinh tế được đo lường bằng GDP, thị trường lao động hoặc dân số. Đối với các yếu tố từ phía cung, theo Branzoli and Supino (2020), Claessens và cộng sự. (2018), Kowalewski, Pisany, and Slazak (2021) bao gồm các yếu tố liên quan gồm các yếu tố như chất lượng thể chế, hiệu quả hoạt động của chính phủ, hệ thống pháp luật, sự ổn định chính trị. 

Liên quan đến các yếu tố phía cầu, Vuini (2020), Rau (2020) cũng cho rằng tình trạng sử dụng công nghệ sẽ tác động đáng kể đến việc chuyển đổi nhu cầu hoặc thói quen của người tiêu dùng tài chính từ các sản phẩm truyền thống sang các sản phẩm tích hợp công nghệ kỹ thuật số. Nghiên cứu của Kowalewski and Pisany (2020) cho rằng tồn tại mối quan hệ tích cực giũa những tiến bộ về kỹ thuật công nghệ với sự hình thành và hoạt động của các công ty Bigtech. Sự hợp tác giữ các ngân hàng truyền thống với các công ty Bigtech khi các ngân hàng này áp dụng các công nghệ tiên tiến hơn, cho phép họ tiếp cận khách hàng tốt hơn và nhiều hơn sẽ gây ra yếu tố cạnh tranh cho nguồn vốn tín dụng từ các công ty Bigtech. Ngoài ra, các khách hàng không được phục vụ hoặc chưa được phục vụ từ các ngân hàng truyền thống cũng sẽ là đối tượng mà các công ty Bigtech hướng đến. Các khách hàng không thể mở tài khoản hoặc thực hiện các khoản vay do các giới hạn về khoảng cách địa lý sẽ dễ dàng được các công ty Bigtech cung cấp sản phẩm. Các khách hàng này khi giao dịch với công ty Bigtech qua điện thoại di động hoặc Internet sẽ không bị giới hạn về khoảng cách địa lý của họ với các chi nhánh của các định chế tài chính.

Cuối cùng, về phía cầu nghiên cứu của Mester (2020) cho rằng giáo dục cũng sẽ đóng vai trò quan trọng tác động đến các nguồn vốn tín dụng Bigtech. Giáo dục là yếu tố quan trọng liên quan đến thu nhập và sự lựa chọn của các cá nhân và hộ gia đình trong việc quản lý tài sản tài chính. 

H1: Sự ổn định về chính trị và hiệu quả của chính phủ trong việc kiểm soát tham nhũng sẽ tác động tích cực đến dòng vốn quốc tế.

H2: Số lượng khách hàng chưa được cung cấp dịch vụ sẽ tác động tích cực đến dòng vốn Bigtech.

H3: Sự gia tăng về giáo dục trong tổng dân số sẽ tác động tích cực đến dòng vốn Bigtech.

3. Số liệu và mô hình nghiên cứu

3.1. Số liệu nghiên cứu

Tất cả dữ liệu được sử dụng cho nghiên cứu được thu thập từ nghiên cứu của Ngân hàng Thanh toán Quốc tế, Trung tâm Tài chính Thay thế Cambridge và cơ sở dữ liệu của Ngân hàng Thế giới (Worldbank database) thông qua các bộ số liệu Các Chỉ số Quản trị Toàn cầu (Worldwide Governance Indicators) và Phát triển tài chính toàn cầu (Global Financial Development). Số liệu được thu thập tại năm 2017 của 109 quốc gia. Tuy nhiên, nhiều quốc gia bị thiếu dữ liệu nên số quan sát được ước lượng trong mô hình là 99 quốc gia.

3.2. Phương pháp ước lượng

Dựa trên phương pháp của Claessens và cộng sự. (2018), Rau (2020) nghiên cứu sử dụng phương pháp OLS (The Ordinary Least Squares) làm phương pháp ước lượng cho mô hình. Các biến liên quan đến GDP, nhóm ngân hàng và giáo dục được lấy cùng năm với biến phụ thuộc. Các biến thuộc nhóm thể chế được lấy trước đó một năm là năm 2016, vì theo nghiên cứu của Dushnitsky, Guerini, Piva, and Rossi-Lamastra (2016) các yếu tố thuộc về thể chế sẽ tác động chậm hơn. Các công ty Bigtech sẽ theo dõi và phân tích các yếu tố về thể chế năm trước và ra quyết định đầu tư của họ cho năm tiếp theo.

3.3. Mô hình nghiên cứu

Dựa trên cơ sở lý thuyết và các nghiên cứu của Balz (2019), Kowalewski and Pisany (2020), Frost (2020) và Cornelli và cộng sự. (2020) mô hình nghiên cứu đề xuất như sau:

ln(Bigtech)i,t = β0 + β1*GDPperi,t + β2*POLi,t-1 + β3*ln(MOBILEPAY)i
+ β4*CORRi,t-1 + β5*ATMi,t + β6*ln(EDU)i,t + β7*DISTANCEi,t + εi

Trong đó:

- Bigtechi,t là tổng tín dụng của các công ty Bigtech tính trên đầu người tại quốc gia i. Tổng tín dụng tín dụng bao gồm: các khoản tín dụng ngang hàng, các giấy ghi nợ, giao dịch hóa đơn và cho vay dựa trên bảng cân đối năm 2017.

- GDPperi,t là GDP bình quân đầu người tại quốc gia i năm 2017.

- POLi,t-1 là chỉ số đánh giá sự ổn định chính trị và không xảy ra bạo lực, khủng bố tại quốc gia i tại năm 2016.

- MOBILEPAYi là số người sử dụng điện thoại di động hoặc internet để truy cập vào tài khoản tổ chức tài chính trong tổng số người từ 15 tuổi trở lên tại quốc gia i năm 2017.

- CORRi,t-1 là chỉ số kiểm soát tham nhũng tại quốc gia i năm 2016.

- ATMi,t là số lượng máy ATM trên 100.000 dân tại quốc gia i năm 2017.

- EDUi,t là số lượng tài khoản có bằng cấp hai tại quốc gia i năm 2017.

- DISTANCEi,t là tỷ lệ người không có tài khoản do các tổ chức ở quá xa trong tổng số người từ 15 tuổi trở lên tại quốc gia i năm 2017.

4. Kết quả nghiên cứu

4.1. Mô tả thống kê các biến

Bảng 1. Mô tả thống kê các biến

vốn tín dụng

Nguồn: Tác giả ước lượng bằng phần mềm Stata

Biến Bigtech nhận giá trị trung bình là 6,9216USD, tuy nhiên có độ lệch chuẩn khá lớn là 1,2898 USD. Nước có tín dụng Bigtech lớn nhất là Trung Quốc và tổng số tín dụng từ các công ty Bigtech ở Trung Quốc 355.578.947.480 USD và tính trên đầu người là 11,55 USD.

4.2. Ma trận tương quan

Bảng 2. Ma trận tương quan

vốn tín dụng

Nguồn: Tác giả ước lượng bằng phần mềm Stata

Kết quả Bảng 2 cho thấy mức tương quan khá cao là 0,7506 giữa GDPper và Bigtech. Các quốc gia có thu nhập bình quân đầu người càng lớn sẽ thu hút tín dụng từ các công ty Bigtech cao hơn. Hệ số tương quan cao giữa POL và Bigtech là 0,6076. Điều này cho thấy các quốc gia ổn định về mặt chính trị sẽ thu hút các dòng vốn đầu tư Bigtech và qua đó lượng tín dụng từ các công ty này cũng gia tăng. Mức tương quan giữa ATM và Bigtech cũng cao. Việc đầu tư các máy ATM nhiều hơn cho phép người tiêu dùng có thể dễ dàng rút tiền mặt khi họ vay vốn từ các công ty Bigtech thông qua các ứng dụng.

4.3. Kết quả ước lượng mô hình

Bảng 3. Kết quả hồi quy OLS

vốn tín dụng

Ghi chú:  Các mức ý nghĩa 1%, 5% và 10% lần lượt tương ứng với các ký hiệu ***, ** và *. Số trong ngoặc đơn thể hiện sai số chuẩn của các ước lượng.

Nguồn: Tác giả ước lượng bằng phần mềm Stata

Kết quả ước lượng từ Bảng 3 cho thấy GDPper tác động tích cực đến Bigtech. Điều này cho thấy các quốc gia có GDP bình quân đầu người cao hơn sẽ tác động làm gia tăng tín dụng từ các công ty Bigtech. Khi thu nhập của người dân cao hơn họ sẽ có nhu cầu vay vốn từ các công ty Bigtech cao hơn. Kết quả này phù hợp với kết quả của Branzoli and Supino (2020), của Claessens và cộng sự. (2018). POL và CORR cũng cho kết quả tác động tích cực đến Bigtech. Điều này cho thấy các quốc gia giữ được ổn định chính trị và kiểm soát tốt tham nhũng sẽ làm gia tăng các dòng vốn đầu tư của các công ty Bigtech và làm tăng nguồn tín dụng của các công ty này. Kết quả này khẳng định giả thuyết H1 và là minh chứng ủng hộ kết quả nghiên cứu của Kowalewski và cộng sự. (2021), Haddad and Hornuf (2019) và cơ sở lý luận của (Branzoli & Supino, 2020). Biến DISTANCE tác động tích cực đến Bigtech. Điều này cho thấy số lượng người không thể giao dịch với các ngân hàng truyền thống do khoảng cách địa lý sẽ ưu tiên sử dụng các sản phẩm tài chính của các công ty Bigtech. Kết quả ủng hộ giả thuyết H2, các khách hàng chưa được phục vụ của các ngân hàng thương mại sẽ thu hút dòng vốn của các công ty Bigtech. Các giao dịch với công ty Bigtech được thực hiện thông qua điện thoại di động và internet sẽ khắc phục được các nhược điểm về khoảng cách so với các sản phẩm truyền thống.

5. Kết luận

Dòng vốn tín dụng từ các công ty Bigtech không ngừng gia tăng trong các năm gần đây. Mặt khác, kết quả từ Ngân hàng Thanh toán Quốc tế và Trung tâm Tài chính Thay thế Cambridge cho thấy rằng các công ty Bigtech tập trung đáng kể vào các quốc gia thuộc khu vực châu Á Thái Bình Dương. Kết quả nghiên cứu cung cấp minh chứng về sự ảnh hưởng của các yếu tố thể chế đến dòng vốn tín dụng từ các công ty Bigtech là sự ổn định chính trị và kiểm soát tham nhũng của chính phủ. Các yếu tố ảnh hưởng từ phía cung cho thấy các quốc gia giữ ổn định về chính trị và kiểm soát tốt tình trạng tham nhũng sẽ kích thích các công ty Bigtech đầu tư và qua đó gia tăng vốn tín dụng của họ. Mặt khác, các yếu tố về phía cầu cho thấy thu nhập bình quân đầu người gia tăng cũng sẽ tác động đáng kể đối với dòng vốn này. Cuối cùng, nghiên cứu cũng phát hiện rằng các khách hàng không được phục vụ hoặc cung cấp tài chính bởi các ngân hàng truyền thống do khoảng cách địa lý sẽ hấp dẫn dòng vốn từ các công ty Bigtech. Các giao dịch đối với Bigtech sẽ khắc phục được các nhược điểm về khoảng cách địa lý của khách hàng và những đối tượng khách hàng này cũng sẽ là khách hàng tiềm năng cho các công ty Bigtech. Tuy nhiên, sự gia tăng đột biến của dòng vốn tín dụng của các công ty Bigtech cũng sẽ đem lại những rủi ro tiềm ẩn đối với hệ thống tài chính và đòi hỏi sự kiểm soát của các cơ quan chính phủ.

TÀI LIỆU THAM KHẢO:

  1. Balz, B. (2019). Curtain up for the future of payments: From BigTechs and Fintechs to Smartphones and Stablecoins, Rede. [Online] Avalabile at https://www.bundesbank.de/en/press/speeches/curtain-up-for-the-future-of-payments-from-bigtechs-and-fintechs-to-smartphones-and-stablecoins-812624
  2. Branzoli, N., & Supino, I. (2020). Fintech credit: A critical review of empirical research literature. Bank of Italy Occasional Paper, 549, 1-21.
  3. Claessens, S., Frost, J., Turner, G., & Zhu, F. (2018). Fintech credit markets around the world: size, drivers and policy issues. [Online] Avalabile at https://www.bis.org/publ/qtrpdf/r_qt1809e.pdf.
  4. Cornelli, G., Frost, J., Gambacorta, L., Rau, P. R., Wardrop, R., & Ziegler, T. (2020). Fintech and big tech credit: a new database. [Online] Avalabile at https://www.bis.org/publ/work887.pdf .
  5. Dushnitsky, G., Guerini, M., Piva, E., & Rossi-Lamastra, C. (2016). Crowdfunding in Europe: Determinants of platform creation across countries. California management review, 58(2), 44-71.
  6. Frost, J. (2020). The economic forces driving fintech adoption across countries. The technological revolution in financial services: how banks, fintechs, and customers win together, 838, 70-89.
  7. Haddad, C., & Hornuf, L. (2019). The emergence of the global fintech market: Economic and technological determinants. Small business economics, 53(1), 81-105.
  8. Kowalewski, O., & Pisany, P. (2020). The rise of fintech: a cross-country perspective. Working Papers 2020-ACF-07, IESEG School of Management.
  9. Kowalewski, O., Pisany, P., & Slazak, E. (2021). What determines cross-country differences in fintech and bigtech credit markets? Working Papers 2021-ACF-02, IESEG School of Management.
  10. Rau, P. R. (2020). Law, trust, and the development of crowdfunding. Trust, and the Development of Crowdfunding (July 1, 2020).

IMPACTS OF INSTITUTIONAL FACTORS

ON THE CREDIT FLOWS FROM BIG TECH

Master. DANG TRI DUNG

Faculty of Banking, Banking University of Ho Chi Minh City

ABSTRACT:

This study assesses the factors affecting credit flows from the biggest tech companies (Big Tech) in terms of supply and demand sides. This study focuses on institutional factors such as political stability and corruption control. The study’s data about 109 countries is collected from the World Bank, the Bank for International Settlements and the Cambridge Centre for Alternative Finance in 2017 and 2016. The study’s results show that the factors of GDP per capita, political stability and control of corruption positively affect credit flows from Big Tech. In addition, the number of customers who have not yet used the services of traditional banks also promotes these credit flows.

Keywords: institutions, credit, Fintech, Bigtech.

[Tạp chí Công Thương - Các kết quả nghiên cứu khoa học và ứng dụng công nghệ, Số 9, tháng 5 năm 2022]