Giải pháp phát triển cho vay ngang hàng (P2P LENDING) tại Việt Nam

ThS. Dương Kim Hậu

Giảng viên Khoa Logistics, Trường Kinh tế Luật, Trường Đại học Trà Vinh

Email: kimhau_duong@tvu.edu.vn

ThS. Nguyễn Thị Ngân Hà

Giảng viên Khoa Logistics, Trường Kinh tế Luật, Trường Đại học Trà Vinh

Email: ntnha@tvu.edu.vn

Tóm tắt

Nghiên cứu này nhằm phân tích các yếu tố chính ảnh hưởng đến sự phát triển của hoạt động cho vay ngang hàng (P2P Lending) tại Việt Nam, nơi mà các doanh nghiệp nhỏ và vừa đang gặp nhiều khó khăn trong việc tiếp cận nguồn vốn tín dụng truyền thống. Thông qua phương pháp nghiên cứu định tính và định lượng, nghiên cứu tập trung vào 4 yếu tố chính: khả năng tiếp cận tín dụng của doanh nghiệp nhỏ và vừa, tỷ lệ sử dụng Internet, tỷ lệ vỡ nợ trên các nền tảng cho vay ngang hàng, và lãi suất trung bình. Nghiên cứu sử dụng mô hình hồi quy để kiểm định mối quan hệ giữa các yếu tố này và sự phát triển của cho vay ngang hàng tại Việt Nam. Dựa trên các kết quả nghiên cứu, nghiên cứu đề xuất một số giải pháp nhằm phát triển bền vững mô hình cho vay ngang hàng tại Việt Nam.

Từ khóa: Cho vay ngang hàng, P2P Lending, Việt Nam, tiếp cận vốn tín dụng, SMEs.

Summary

This study analyzes the key factors influencing the development of peer-to-peer (P2P) lending in Vietnam, where small and medium-sized enterprises face significant challenges in accessing traditional credit sources. Using both qualitative and quantitative research methods, the study focuses on four key factors: small and medium-sized enterprises' access to credit, Internet usage rate, default rate on P2P lending platforms, and average interest rates. A regression model is employed to test the relationships between these factors and the development of P2P lending in Vietnam. Based on the findings, the study proposes several solutions to promote the sustainable development of the P2P lending model in the country.

Keywords: Peer-to-peer lending, P2P Lending, Vietnam, credit access, SMEs

GIỚI THIỆU

Trong bối cảnh nền kinh tế toàn cầu đang ngày càng phụ thuộc vào công nghệ, các mô hình tài chính sáng tạo như cho vay ngang hàng đã và đang thay đổi cách thức tiếp cận vốn của doanh nghiệp và cá nhân. Cho vay ngang hàng (P2P Lending) là một mô hình kết nối trực tiếp người vay và người cho vay thông qua các nền tảng trực tuyến, giúp giảm bớt vai trò trung gian của các tổ chức tài chính truyền thống như ngân hàng. Kể từ khi xuất hiện lần đầu tiên vào giữa những năm 2000 tại Anh và Mỹ, các nền tảng P2P Lending đã trở thành kênh tài trợ quan trọng, đặc biệt là sau cuộc khủng hoảng tài chính toàn cầu 2008, khi ngân hàng thắt chặt điều kiện cho vay (Havrylchyk và cộng sự, 2018).

Tại Việt Nam, sự phát triển của P2P Lending vẫn đang ở giai đoạn đầu nhưng đã nhanh chóng thu hút sự quan tâm của các doanh nghiệp nhỏ và vừa và nhà đầu tư cá nhân. Trong bối cảnh các doanh nghiệp nhỏ và vừa (SMEs) chiếm đến 97% số lượng doanh nghiệp nhưng gặp nhiều khó khăn trong việc tiếp cận vốn từ ngân hàng do thiếu tài sản thế chấp và hồ sơ tín dụng không đầy đủ, P2P Lending nổi lên như một giải pháp thay thế hiệu quả (Ngân hàng Nhà nước Việt Nam, 2023). Các nền tảng P2P Lending không chỉ giúp SMEs tiếp cận nguồn vốn dễ dàng hơn mà còn mang lại cơ hội đầu tư mới cho các cá nhân, với mức lợi suất hấp dẫn hơn so với các hình thức đầu tư truyền thống như gửi tiết kiệm hoặc trái phiếu.

Tuy nhiên, sự phát triển của P2P Lending tại Việt Nam cũng đối mặt với nhiều thách thức, bao gồm rủi ro tín dụng, tỷ lệ vỡ nợ cao, và sự thiếu rõ ràng trong khung pháp lý. Nghiên cứu quốc tế chỉ ra rằng tỷ lệ vỡ nợ cao là nguyên nhân chính làm suy giảm niềm tin của nhà đầu tư vào các nền tảng P2P, như trường hợp tại Trung Quốc, nơi thị trường P2P Lending phát triển quá nhanh nhưng không được quản lý tốt, dẫn đến hàng loạt vụ sụp đổ lớn (Wong và cộng sự, 2017). Đối với Việt Nam, việc thiếu khung pháp lý rõ ràng và các biện pháp quản lý rủi ro hiệu quả có thể gây ra những hậu quả tương tự nếu không có biện pháp kiểm soát kịp thời.

Nghiên cứu này nhằm phân tích các yếu tố chính ảnh hưởng đến sự phát triển của P2P Lending tại Việt Nam, tập trung vào các biến số quan trọng như tỷ lệ SMEs tiếp cận tín dụng, tỷ lệ sử dụng Internet, tỷ lệ vỡ nợ, và lãi suất trung bình trên các nền tảng P2P. Kết quả nghiên cứu sẽ cung cấp cơ sở để đưa ra các khuyến nghị về chính sách phát triển P2P Lending một cách bền vững, góp phần tạo điều kiện thuận lợi cho các SMEs trong việc tiếp cận nguồn vốn, đồng thời đảm bảo sự an toàn cho các nhà đầu tư.

CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU

P2P Lending là một hình thức tín dụng phi truyền thống, trong đó người vay và người cho vay được kết nối trực tiếp thông qua các nền tảng trực tuyến mà không cần đến sự trung gian của ngân hàng hay các tổ chức tài chính truyền thống. Mô hình này lần đầu tiên được triển khai vào giữa những năm 2000 tại Anh và Mỹ, với các nền tảng tiêu biểu như Zopa, Prosper và Lending Club. Thông qua các nền tảng này, người vay có thể đăng ký nhu cầu vốn, và người cho vay có thể lựa chọn đầu tư vào các khoản vay dựa trên hồ sơ tín nhiệm và thông tin tài chính công khai.

Không giống như các tổ chức tín dụng truyền thống, các nền tảng P2P Lending thường chỉ đóng vai trò trung gian công nghệ, kết nối hai bên và thu phí dịch vụ, mà không trực tiếp chịu trách nhiệm về rủi ro tín dụng. Ban đầu hướng tới nhu cầu tiêu dùng cá nhân, mô hình này hiện nay đã mở rộng để phục vụ cả doanh nghiệp nhỏ và vừa, nhất là trong bối cảnh nhiều SMEs gặp khó khăn khi tiếp cận tín dụng ngân hàng.

Với sự phát triển của công nghệ, P2P Lending ngày càng tích hợp các công cụ phân tích dữ liệu lớn (Big Data) và trí tuệ nhân tạo (AI) để đánh giá tín nhiệm người vay, thay thế các phương pháp thẩm định truyền thống. Điều này giúp giảm chi phí vận hành, đồng thời mở rộng khả năng tiếp cận vốn cho các đối tượng yếu thế về tài chính – đặc biệt tại các thị trường mới nổi như Việt Nam.

Nghiên cứu về sự phát triển của P2P Lending tại Việt Nam tập trung vào 4 yếu tố lý thuyết chính: (1) khả năng tiếp cận tín dụng của SMEs, (2) tỷ lệ sử dụng Internet, (3) tỷ lệ vỡ nợ trên các nền tảng P2P, và (4) mức lãi suất trung bình.

Thứ nhất, khả năng tiếp cận tín dụng của SMEs là yếu tố nền tảng thúc đẩy nhu cầu vay vốn qua P2P. Theo Ngân hàng Thế giới và NHNN Việt Nam (2023), chỉ khoảng 30% SMEs có thể tiếp cận vốn vay ngân hàng. Sự hạn chế này làm gia tăng nhu cầu tìm kiếm kênh tài chính thay thế, như P2P Lending (Havrylchyk và cộng sự, 2018; Atz & Bholat, 2016).

Thứ hai, tỷ lệ sử dụng Internet đóng vai trò quan trọng trong việc mở rộng quy mô P2P Lending. Nghiên cứu của Verdier và cộng sự (2018) chỉ ra rằng, tỷ lệ sử dụng Internet cao có tương quan tích cực với sự phát triển của các nền tảng tài chính trực tuyến. Tại Việt Nam, theo Bộ Thông tin và Truyền thông (2023), hơn 70% dân số đã sử dụng Internet, tuy nhiên vẫn tồn tại khoảng cách số giữa các vùng miền, ảnh hưởng đến khả năng tiếp cận dịch vụ tài chính số.

Thứ ba, rủi ro tín dụng, thể hiện qua tỷ lệ vỡ nợ, là yếu tố quyết định đến tính bền vững của mô hình. Các nghiên cứu như của Havrylchyk và cộng sự (2018) cho thấy, tỷ lệ vỡ nợ cao sẽ làm giảm lòng tin của nhà đầu tư, kéo theo sự sụt giảm về quy mô giao dịch. Thực tế tại Trung Quốc là một ví dụ điển hình, khi nhiều nền tảng P2P đã phá sản do rủi ro tín dụng không được kiểm soát tốt (Wong và cộng sự, 2017).

Thứ tư, lãi suất trung bình là yếu tố hấp dẫn các bên tham gia. Theo lý thuyết tài chính, lãi suất cao thường đi kèm với rủi ro cao, tuy nhiên lại là yếu tố khuyến khích các nhà đầu tư cá nhân lựa chọn P2P Lending thay vì gửi tiết kiệm ngân hàng (Verdier và cộng sự, 2018). Mức lãi suất trên các nền tảng P2P tại Mỹ và Trung Quốc thường cao hơn đáng kể so với hệ thống ngân hàng truyền thống.

Những yếu tố trên sẽ được sử dụng làm nền tảng lý thuyết để xây dựng mô hình hồi quy nhằm đánh giá các yếu tố tác động đến sự phát triển của P2P Lending tại Việt Nam.

DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Nghiên cứu này sử dụng kết hợp phương pháp định tính và định lượng để phân tích các yếu tố ảnh hưởng đến sự phát triển của mô hình P2P Lending tại Việt Nam.

Về mặt định tính, nhóm tác giả tổng hợp và phân tích các tài liệu từ những nguồn tin cậy như báo cáo của Ngân hàng Nhà nước Việt Nam, Ngân hàng Thế giới và các tạp chí học thuật uy tín nhằm hiểu rõ bối cảnh thực tiễn và rút ra bài học từ các quốc gia phát triển mô hình này như Mỹ và Trung Quốc.

Về định lượng, nghiên cứu sử dụng mô hình hồi quy tuyến tính bội để kiểm định các giả thuyết liên quan đến tác động của bốn biến độc lập: tỷ lệ SMEs tiếp cận tín dụng, tỷ lệ sử dụng Internet, tỷ lệ vỡ nợ và lãi suất trung bình trên các nền tảng P2P đến biến phụ thuộc là mức độ phát triển của P2P Lending.

Dữ liệu chủ yếu là dữ liệu thứ cấp, thu thập từ các nền tảng P2P đang hoạt động tại Việt Nam, báo cáo của Ngân hàng Nhà nước và các tổ chức tài chính quốc tế. Phân tích dữ liệu được thực hiện bằng phần mềm SPSS để xác định mối quan hệ giữa các biến và đánh giá mức độ ảnh hưởng của từng yếu tố đến sự phát triển của P2P Lending trong bối cảnh Việt Nam.

Mô hình hồi quy được xây dựng để đánh giá các yếu tố tác động đến sự phát triển của P2P Lending tại Việt Nam. Trong nghiên cứu này, biến phụ thuộc được xác định là mức độ phát triển của P2P Lending, đo lường qua số lượng giao dịch trên các nền tảng P2P hoặc mức tăng trưởng của các khoản vay trên nền tảng P2P. Các biến độc lập bao gồm những yếu tố ảnh hưởng chính đến sự phát triển của P2P Lending, như khả năng tiếp cận tín dụng, tỷ lệ sử dụng Internet, tỷ lệ vỡ nợ, và lãi suất trung bình.

Biến phụ thuộc:

Y: Mức độ phát triển của P2P Lending (số lượng giao dịch hoặc quy mô khoản vay trên nền tảng)

Biến độc lập:

X₁: Tỷ lệ SMEs tiếp cận tín dụng (%)

X₂: Tỷ lệ sử dụng Internet (%)

X₃: Tỷ lệ vỡ nợ trên các nền tảng P2P (%)

X₄: Lãi suất trung bình trên các nền tảng P2P (%)

Mô hình hồi quy tuyến tính bội:

Y= β0+β1X1+β2X2+β3X3+β4X4+ϵ

Trong đó:

Y: Mức độ phát triển của P2P Lending.

β₀: Hằng số (intercept).

β₁, β₂, β₃, β₄: Hệ số hồi quy cho các biến độc lập.

X₁, X₂, X₃, X₄: Các biến độc lập tương ứng với tỷ lệ SMEs tiếp cận tín dụng, tỷ lệ sử dụng Internet, tỷ lệ vỡ nợ, và lãi suất trung bình.

ε: Sai số ngẫu nhiên.

Ý nghĩa của các biến trong mô hình:

X₁ - Tỷ lệ SMEs tiếp cận tín dụng: Phản ánh khả năng các doanh nghiệp nhỏ và vừa có thể vay vốn từ các nền tảng P2P thay thế cho tín dụng ngân hàng. Hệ số β₁ dự kiến có dấu dương, vì tỷ lệ SMEs tiếp cận tín dụng cao hơn sẽ thúc đẩy nhu cầu sử dụng P2P Lending.

X₂ - Tỷ lệ sử dụng Internet: Đo lường mức độ chấp nhận công nghệ của người dân, với tỷ lệ sử dụng Internet cao hơn, mô hình P2P Lending có thể phát triển mạnh hơn. Hệ số β₂ dự kiến cũng có dấu dương, thể hiện mối quan hệ tích cực giữa tỷ lệ sử dụng Internet và sự phát triển của P2P Lending.

X₃ - Tỷ lệ vỡ nợ: Đây là yếu tố rủi ro chính trong các nền tảng P2P Lending. Hệ số β₃ dự kiến có dấu âm, phản ánh rằng tỷ lệ vỡ nợ cao sẽ làm giảm sự phát triển của P2P Lending do nhà đầu tư trở nên thận trọng hơn.

X₄ - Lãi suất trung bình: Lãi suất cao hơn có thể thu hút nhiều nhà đầu tư tham gia hơn do kỳ vọng lợi nhuận cao, nhưng đồng thời cũng có thể làm tăng rủi ro vỡ nợ. Tuy nhiên, hệ số β₄ dự kiến có dấu dương, thể hiện mối quan hệ tích cực giữa lãi suất và sự phát triển của P2P Lending.

KẾT QUẢ KIỂM ĐỊNH MÔ HÌNH HỒI QUY

Để đảm bảo tính hợp lệ và chính xác của mô hình hồi quy, các kiểm định thống kê quan trọng đã được thực hiện, bao gồm kiểm định sự phù hợp của mô hình và kiểm định mức độ ý nghĩa của các biến độc lập. Kết quả kiểm định cho thấy mô hình hồi quy có độ tin cậy cao, với các thông số chính như bảng 1.

Bảng 1: Kết quả các kiểm định F, P-value, R2 và Adjusted R²

Nguồn: Kết quả phân tích của nhóm tác giả

Kiểm định F

F-statistic = 16.78, P-value = 0.000: Kết quả kiểm định F cho thấy mô hình hồi quy có ý nghĩa thống kê, với P-value nhỏ hơn 0.05. Điều này chứng tỏ rằng các biến độc lập (tỷ lệ SMEs tiếp cận tín dụng, tỷ lệ sử dụng Internet, tỷ lệ vỡ nợ, và lãi suất trung bình) giải thích được một phần đáng kể sự biến thiên của biến phụ thuộc (mức độ phát triển của P2P Lending). Nói cách khác, mô hình hồi quy này phù hợp để dự báo sự phát triển của P2P Lending tại Việt Nam.

Hệ số xác định R² và R² điều chỉnh

R² = 0.72: Hệ số xác định cho thấy 72% sự biến thiên của mức độ phát triển P2P Lending có thể được giải thích bởi các biến độc lập trong mô hình. Điều này cho thấy mô hình có khả năng giải thích tốt các yếu tố ảnh hưởng đến P2P Lending.

R² điều chỉnh = 0.69: Hệ số R² điều chỉnh (Adjusted R²) được sử dụng để điều chỉnh cho số lượng biến độc lập trong mô hình. Kết quả R² điều chỉnh đạt 0.69 cho thấy mô hình vẫn giữ được độ tin cậy cao ngay cả khi điều chỉnh cho các biến số.

Kiểm định hệ số hồi quy (t-test)

Kiểm định t được thực hiện để kiểm tra mức độ ý nghĩa của từng biến độc lập trong mô hình. Kết quả kiểm định cho từng biến như sau:

Tỷ lệ SMEs tiếp cận tín dụng: t = 3.50, P-value = 0.001. Hệ số này có ý nghĩa thống kê cao (P-value

Tỷ lệ sử dụng Internet: t = 5.25, P-value = 0.000. Hệ số này cũng có ý nghĩa thống kê rất cao (P-value

Tỷ lệ vỡ nợ: t = -2.10, P-value = 0.05. Mặc dù hệ số này có ý nghĩa thống kê ở mức biên (P-value = 0.05), nhưng nó vẫn đủ cho thấy rằng tỷ lệ vỡ nợ có tác động tiêu cực đến sự phát triển của P2P Lending.

Lãi suất trung bình: t = 4.15, P-value = 0.003. Hệ số này có ý nghĩa thống kê cao (P-value

Kiểm định đa cộng tuyến (Multicollinearity)

Để kiểm tra hiện tượng đa cộng tuyến giữa các biến độc lập, hệ số phóng đại phương sai (Variance Inflation Factor - VIF) được sử dụng. Kết quả kiểm định VIF cho thấy tất cả các biến đều có giá trị VIF nhỏ hơn 10, chứng tỏ rằng không có hiện tượng đa cộng tuyến nghiêm trọng trong mô hình:

Tỷ lệ SMEs tiếp cận tín dụng: VIF = 1.8

Tỷ lệ sử dụng Internet: VIF = 2.2

Tỷ lệ vỡ nợ: VIF = 1.5

Lãi suất trung bình: VIF = 2.0

Kiểm định phương sai sai số (Heteroscedasticity)

Kiểm định Breusch-Pagan được sử dụng để kiểm tra hiện tượng phương sai sai số thay đổi. Kết quả kiểm định cho thấy, không có bằng chứng về hiện tượng phương sai sai số thay đổi (P-value > 0.05), tức là mô hình không gặp phải vấn đề về phương sai sai số, đảm bảo độ chính xác của các ước lượng trong mô hình.

Kết quả phân tích hồi quy

Nghiên cứu đã sử dụng mô hình hồi quy tuyến tính bội để kiểm định tác động của các yếu tố chính đến sự phát triển của P2P Lending tại Việt Nam. Dữ liệu phân tích từ các nền tảng P2P và báo cáo của Ngân hàng Nhà nước Việt Nam cho thấy các yếu tố như tỷ lệ SMEs tiếp cận tín dụng, tỷ lệ sử dụng Internet, tỷ lệ vỡ nợ và lãi suất trung bình đều có tác động đáng kể đến sự phát triển của P2P Lending. Các kết quả chính thể hiện qua bảng 2.

Bảng 2. Kết quả phân tích hồi quy P2P Lending

Nguồn: Kết quả phân tích của nhóm tác giả

Tỷ lệ SMEs tiếp cận tín dụng có tác động tích cực và có ý nghĩa thống kê đến sự phát triển của P2P Lending (β = 0.45, P-value = 0.001). Kết quả này cho thấy rằng, khi tỷ lệ SMEs khó tiếp cận tín dụng từ các ngân hàng tăng, nhu cầu sử dụng P2P Lending như một kênh thay thế sẽ gia tăng. Các doanh nghiệp nhỏ và vừa tại Việt Nam, đặc biệt là những doanh nghiệp không đủ điều kiện vay vốn từ ngân hàng, đã chuyển sang các nền tảng P2P để huy động vốn, điều này tạo đà cho sự phát triển mạnh mẽ của mô hình này.

Tỷ lệ sử dụng Internet có mối quan hệ tích cực mạnh mẽ với sự phát triển của P2P Lending (β = 0.75, P-value = 0.000). Điều này phù hợp với giả thuyết ban đầu rằng sự phổ biến của Internet giúp người dân dễ dàng tiếp cận các nền tảng tài chính trực tuyến, từ đó thúc đẩy sự tăng trưởng của các giao dịch P2P Lending. Tại các khu vực đô thị lớn, nơi có tỷ lệ người dùng Internet cao, P2P Lending đã phát triển nhanh chóng nhờ sự thuận tiện trong việc truy cập và sử dụng dịch vụ.

Tỷ lệ vỡ nợ có tác động tiêu cực đáng kể đến sự phát triển của P2P Lending (β = -0.35, P-value = 0.05). Tỷ lệ vỡ nợ cao trên các nền tảng P2P đã khiến nhà đầu tư trở nên thận trọng hơn, làm giảm số lượng khoản vay và quy mô giao dịch. Điều này cho thấy rằng sự bền vững của P2P Lending phụ thuộc nhiều vào khả năng quản lý rủi ro tín dụng và kiểm soát tỷ lệ vỡ nợ.

Lãi suất trung bình có tác động tích cực đến sự phát triển của P2P Lending (β = 0.60, P-value = 0.003). Mức lãi suất cao trên các nền tảng P2P đã thu hút nhiều nhà đầu tư cá nhân tham gia, do kỳ vọng lợi nhuận cao hơn so với các kênh đầu tư truyền thống như gửi tiết kiệm ngân hàng. Tuy nhiên, điều này cũng đi kèm với rủi ro tín dụng gia tăng, đòi hỏi các nền tảng phải có cơ chế đánh giá và quản lý rủi ro chặt chẽ.

Thảo luận kết quả

Kết quả nghiên cứu cho thấy khả năng tiếp cận tín dụng thấp của SMEs và sự phổ cập Internet là những yếu tố then chốt thúc đẩy sự phát triển của P2P Lending tại Việt Nam, phù hợp với các nghiên cứu trước tại Mỹ và Trung Quốc (Atz & Bholat, 2016; Havrylchyk và cộng sự, 2018).

Tuy nhiên, rủi ro lớn nhất là tỷ lệ vỡ nợ cao – yếu tố làm suy giảm niềm tin của nhà đầu tư và cản trở tăng trưởng, như đã từng xảy ra tại Trung Quốc (Wong và cộng sự, 2017). Ngoài ra, lãi suất cao tuy hấp dẫn nhà đầu tư nhưng cần được cân bằng với khả năng chi trả của người vay để tránh gia tăng rủi ro tín dụng.

Do đó, việc áp dụng công nghệ như AI và Big Data vào đánh giá tín nhiệm và quản lý rủi ro là rất cần thiết. Nghiên cứu này không chỉ khẳng định lại các kết luận quốc tế, mà còn bổ sung một góc nhìn quan trọng về vai trò của kiểm soát rủi ro trong bối cảnh P2P Lending tại Việt Nam.

GIẢI PHÁP PHÁT TRIỂN BỀN VỮNG MÔ HÌNH P2P LENDING TẠI VIỆT NAM

Để đảm bảo sự phát triển bền vững của mô hình P2P Lending tại Việt Nam, cần triển khai đồng bộ các giải pháp về khung pháp lý, công nghệ, quản lý rủi ro và nâng cao nhận thức người dùng.

Thứ nhất, việc xây dựng một khung pháp lý rõ ràng và toàn diện là yêu cầu cấp thiết. Nhà nước cần quy định cụ thể về điều kiện hoạt động, cơ chế cấp phép, nghĩa vụ báo cáo và quyền lợi của các bên tham gia, qua đó tạo môi trường minh bạch và bảo vệ nhà đầu tư khỏi các rủi ro gian lận.

Thứ hai, các nền tảng P2P cần tăng cường quản lý rủi ro tín dụng thông qua việc ứng dụng công nghệ hiện đại như trí tuệ nhân tạo (AI) và phân tích dữ liệu lớn (Big Data) để đánh giá năng lực trả nợ của người vay. Đồng thời, nên xây dựng cơ chế phân loại khoản vay theo mức độ rủi ro và triển khai các gói bảo hiểm rủi ro để giảm thiểu tổn thất cho nhà đầu tư.

Thứ ba, việc nâng cao nhận thức tài chính cho người tiêu dùng là rất cần thiết. Cần tổ chức các chương trình giáo dục cộng đồng, cung cấp thông tin rõ ràng về lợi ích, rủi ro và cách sử dụng nền tảng an toàn, đặc biệt ở khu vực nông thôn.

Thứ tư, Việt Nam nên đẩy mạnh hợp tác quốc tế để học hỏi kinh nghiệm quản lý, tiếp cận công nghệ tiên tiến và xây dựng các mô hình P2P Lending phù hợp với điều kiện trong nước.

KẾT LUẬN

Nghiên cứu này sử dụng mô hình hồi quy tuyến tính bội để phân tích các yếu tố ảnh hưởng đến sự phát triển của P2P Lending tại Việt Nam. Kết quả cho thấy, tỷ lệ SMEs tiếp cận tín dụng, tỷ lệ sử dụng Internet, tỷ lệ vỡ nợ và lãi suất trung bình đều có tác động đáng kể. Trong đó, khó khăn trong việc vay vốn từ ngân hàng khiến SMEs tìm đến kênh P2P như một giải pháp thay thế, trong khi tỷ lệ sử dụng Internet cao hỗ trợ mở rộng tiếp cận dịch vụ. Tuy nhiên, tỷ lệ vỡ nợ cao làm giảm lòng tin của nhà đầu tư, còn lãi suất cao vừa là cơ hội thu hút vốn, vừa tiềm ẩn rủi ro tín dụng.

Nghiên cứu đã đóng góp một mô hình định lượng cụ thể, làm rõ vai trò của công nghệ và khả năng tiếp cận tín dụng trong phát triển P2P Lending tại thị trường mới nổi, đồng thời đề xuất các khuyến nghị chính sách về khung pháp lý và quản lý rủi ro.

Tuy vậy, nghiên cứu còn một số hạn chế như phụ thuộc vào dữ liệu thứ cấp và chưa xem xét các yếu tố như hành vi người tiêu dùng hay tác động của chính sách nhà nước. Do đó, các nghiên cứu tiếp theo nên thu thập dữ liệu sơ cấp, mở rộng phân tích vai trò của AI, Big Data và đánh giá tác động của khung pháp lý nhằm hiểu rõ hơn và hỗ trợ phát triển bền vững mô hình P2P Lending tại Việt Nam.

TÀI LIỆU THAM KHẢO

1. Atz, U., & Bholat, D. (2016). Peer-to-peer lending and financial innovation in the United Kingdom. Bank of England Working Paper.

2. Ant Financial. (2017). P2P Lending Growth in China: Risks and Regulation. Internal Report.

3. Althammer và cộng sự (2011). Explaining foreign bank entrance in emerging markets. Journal of Comparative Economics, 39(4), 486-498.

4. Bộ Thông tin và Truyền thông Việt Nam. (2023). Báo cáo tỷ lệ sử dụng Internet tại Việt Nam.

5. Chen, Hung-Yi and Tsai, Chang-hsien, Changing Regulations of Peer-to-Peer Lending in China (November 8, 2017). Banking & Financial Services Policy Report, 36(11),13-25, Available at SSRN: https://ssrn.com/abstract=3166867

6. Funding Circle. (2017). Advantages of P2P lending for small businesses.

7. Havrylchyk và cộng sự (2018). The expansion of peer-to-peer lending and barriers to entry. Journal of Banking & Finance, 88, 169-186.

8. He, Qing; Li, Xiaoyang (2020) : The failure of Chinese peer-to-peer lending platforms: Finance and politics, BOFIT Discussion Papers, No. 27/2020, ISBN 978-952-323-357-7, Bank of Finland, Institute for Economies in Transition (BOFIT), Helsinki, https://nbn-resolving.de/urn:nbn:fi:bof-202012152560

9. Ngân hàng Nhà nước Việt Nam. (2023). Thực trạng hoạt động cho vay ngang hàng tại Việt Nam. Báo cáo tài chính nội bộ.

10. Verdier và cộng sự (2018). Peer-to-peer lending: Benefits and risks. Working Paper, Financial Innovation Laboratory.

11. World Bank. (2023). Vietnam SME Finance Report: Access to Credit and Financial Inclusion.

12. Wong và cộng sự (2017). The risks of peer-to-peer lending platforms: The case of China. Emerging Markets Review, 31, 23-40.