DiviTrack — Ứng dụng theo dõi và dự đoán cổ tức ngân hàng cho nhà đầu tư Việt Nam

Tóm tắt

2–3 triệu nhà đầu tư cá nhân tại Việt Nam thường bỏ lỡ cổ tức hấp dẫn từ các ngân hàng vì thiếu công cụ theo dõi tập trung. DiviTrack là ứng dụng di động theo dõi lịch cổ tức của 40+ ngân hàng, tự động cảnh báo trước ngày chia cổ tức, và dự đoán chính sách cổ tức tương lai dựa trên CAR/NPL/lợi nhuận. Ứng dụng giúp nhà đầu tư không bỏ lỡ cơ hội thu nhập thụ động, ước tính tăng lợi nhuận từ dividend chiến lược lên 5–15% mỗi năm.

---

Định nghĩa vấn đề

Phát biểu vấn đề

Nhà đầu tư bán lẻ Việt Nam (2–3 triệu người) thường phải kiểm tra tin tức thủ công trên nhiều nguồn để tìm thông tin cổ tức, dẫn đến bỏ lỡ ngày ex-dividend và mất thu nhập thụ động. Họ thiếu công cụ phân tích sức khỏe tài chính ngân hàng để dự đoán liệu ngân hàng có duy trì hoặc tăng cổ tức trong tương lai không. Thông tin phân tán, chậm cập nhật, không có cảnh báo sớm.

Định lượng thiệt hại

• Cổ tức bị bỏ lỡ: 7% cash + 60% stock dividend từ Techcombank tương đương khoảng 70–100% lợi nhuận tiềm năng trong 1 năm nguồn
• Thiệt hại ước tính: 5–15% lợi nhuận portfolio cho nhà đầu tư không theo kịp dividend schedule nguồn
• Thời gian nghiên cứu thủ công: 2–3 giờ mỗi ngày để theo dõi 40+ ngân hàng

Phạm vi

• Trong phạm vi: 40 ngân hàng thương mại lớn nhất Việt Nam (Vietcombank, Techcombank, BIDV, VietinBank, ACB, v.v.)
• Ngoài phạm vi: Các công ty chứng khoán, bảo hiểm, fintech khác (có thể mở rộng sau)

---

Mô hình vấn đề

Nhà đầu tư cần tối ưu hóa thu nhập từ dividend nhưng gặp rào cản thông tin:

$\text{Expected Dividend Income} = \sum_{i=1}^{n} p_i \cdot d_i \cdot q_i$

Trong đó:

• $p_i$ = giá cổ phiếu ngân hàng $i$
• $d_i$ = tỷ lệ cổ tức dự kiến (không chắc chắn)
• $q_i$ = số cổ phiếu nắm giữ

Vấn đề: $d_i$ không biết chắc vì chính sách cổ tức chỉ công bố tại Đại hội cổ đông (thường Q2–Q3), và nhà đầu tư thường bỏ lỡ deadline mua để nhận cổ tức.

Mục tiêu: Tối đa hóa thu nhập dividend bằng cách:

1. Biết trước ex-dividend date của mỗi ngân hàng
2. Dự đoán $d_i$ dựa trên CAR/NPL/lợi nhuận quý
3. Cảnh báo sớm để có thời gian mua vào

---

Giải pháp đề xuất

DiviTrack là app di động kết hợp:

• Dividend Calendar: Lịch chia cổ tức của 40+ ngân hàng, hiển thị ex-dividend date, record date, payment date
• Bank Health Dashboard: Hiển thị CAR, NPL, profit growth, ROE theo thời gian thực từ báo cáo tài chính
• Dividend Predictor: ML model dự đoán cổ tức dựa trên 5 năm history + quarterly earnings
• Smart Alerts: Push notification 7 ngày trước ex-dividend của bank yêu thích, cảnh báo khi bank có dấu hiệu cắt cổ tức

Các quyết định thiết kế chính

• Quyết định 1: Focus vào banking sector only để đơn giản hóa MVP và đạt độ chính xác cao
• Quyết định 2: Sử dụng official data từ HOSE/HNX và báo cáo ngân hàng (không user-generated)
• Quyết định 3: Free app cho retail investors, monetize via premium features (predictions, portfolio tracker)

Tiêu chí thành công

Tiêu chí	Mục tiêu	Phương pháp đo lường
Monthly Active Users (MAU)	100,000 sau 12 tháng	Analytics
Prediction accuracy	\gt 85% correct direction (tăng/giảm)	So sánh dự đoán vs thực tế
User retention (30d)	\gt 40%	Cohort analysis
Dividend capture rate	Users bắt được 90% ex-dividend dates	Self-reported + calendar sync

---

Luồng hệ thống

---

Thuật toán cốt lõi

Mô tả thuật toán

Dividend Prediction Model: Dùng regression trên historical dividend payout ratio và fundamental metrics (CAR, NPL, profit growth) để dự đoán next quarter dividend.

Features: $x = [\text{CAR}, \text{NPL}, \text{Profit Growth}_{1q}, \text{Profit Growth}_{4q}, \text{historical payout ratio}]$

Target: $y = \text{payout ratio next quarter}$

Công thức toán học

$\hat{y} = \sigma\left( \beta_0 + \sum_{i=1}^{5} \beta_i x_i \right)$

Trong đó:

• $\sigma$ = sigmoid function để normalize về [0,1]
• $\beta$ = coefficients trained trên 5 năm data (20 quarters)
• Loss function: MSE + L2 regularization

Alert threshold: Gửi cảnh báo nếu: $\frac{\partial \hat{y}}{\partial t} \lt -0.05 \text{ trong 2 quý liên tiếp}$

Độ phức tạp

Chỉ số	Giá trị
Độ phức tạp thời gian	$O(n \times f)$ với $n$ = số banks, $f$ = features (5)
Độ phức tạp không gian	$O(n \times f)$ lưu model params

---

Kiến trúc hệ thống

+------------------------------------------+
|           Mobile App (Flutter)           |
|  - Dividend calendar view               |
|  - Bank health charts                   |
|  - Prediction panel                     |
|  - Push notification handler            |
+------------------------------------------+
                        |
                        v
+------------------------------------------+
|              API Gateway (Go)            |
|  - Rate limiting (100 req/min)          |
|  - JWT auth                              |
+------------------------------------------+
                        |
                        v
+------------------------------------------+
|         Microservices                    |
|  +----------------+  +----------------+  |
|  | Dividend Svc   |  | Prediction Svc |  |
|  | - Calendar mgmt|  | - ML inference |  |
|  | - Alert engine |  | - Model train  |  |
|  +----------------+  +----------------+  |
|  +----------------+  +----------------+  |
|  | Bank Data Svc  |  | User Svc       |  |
|  | - Crawl reports|  | - Profile      |  |
|  | - Parse PDF    |  | - Watchlist    |  |
|  +----------------+  +----------------+  |
+------------------------------------------+
                        |
                        v
+------------------------------------------+
|            Data Layer                    |
|  +------------+  +----------------+     |
|  | PostgreSQL |  | Redis Cache    |     |
|  | - dividends |  | - session      |     |
|  | - banks     |  | - alerts queue |     |
|  +------------+  +----------------+     |
|  +------------+  +----------------+     |
|  | S3          |  | MLflow         |     |
|  | - reports   |  | - model registry|    |
|  +------------+  +----------------+     |
+------------------------------------------+

---

Trường hợp sử dụng

Trường hợp sử dụng 1: Nhà đầu tư nhận cảnh báo chia cổ tức

Các tác viên: Nhà đầu tư cá nhân Tiên điều kiện: Đã thêm Techcombank vào watchlist Kích hoạt: Push notification "Techcombank ex-dividend trong 5 ngày" Các bước:

1. Mở app, xem chi tiết: ex-dividend 25/4, record date 27/4, payout 7% cash + 60% stock
2. Kiểm tra tài khoản: đã đủ số cổ phiếu không?
3. Nếu chưa đủ → mua thêm trước ngày ex-dividend
4. Đánh dấu "Đã xử lý" trên notification Sau điều kiện: Thu nhập cổ tức được ghi nhận vào tài khoản sau 1 tháng Kết quả mong đợi: Không bỏ lỡ cổ tức, tăng thu nhập thụ động 5–10%

Trường hợp sử dụng 2: Quyết định mua/bán dựa trên dự đoán

Các tác viên: Nhà đầu tư theo chiến lược dividend Tiên điều kiện: Đã xem dashboard sức khỏe ngân hàng Kích hoạt: Truy cập màn hình "Dividend Predictor" Các bước:

1. Chọn ngân hàng cần phân tích (ví dụ: ACB)
2. Xem CAR = 15,2%, NPL = 1,8%, profit growth Q1 = +12%
3. Xem dự đoán: payout ratio 65% (confidence 82%)
4. So sánh với lịch sử: trung bình 5 năm là 60%
5. Quyết định: Mua ACB trước ex-dividend để lock in higher payout Sau điều kiện: Nhận cổ tức sau 2 tháng, giá cổ phiếu điều chỉnh ex-dividend Kết quả mong đợi: Tối ưu hóa thu nhập dividend với dữ liệu dự đoán

---

Mô hình kinh doanh

Mô hình doanh thu

$R = \sum_{i=1}^{n} (p_i^{\text{premium}} \times q_i^{\text{premium}})$

Freemium:

• Basic: Free (calendar + basic alerts)
• Premium: 50,000 VND/tháng (predictions + portfolio tracker + unlimited banks)

Dự kiến:

• 100,000 MAU → 10% convert → 10,000 premium users
• $R = 10,000 \times 50,000 \times 12 = 6$ tỷ VND/năm

Cấu trúc chi phí

Loại chi phí	Mô tả	Số tiền
Cloud & API (data feeds)	HOSE, HNX, bank reports crawling	500 triệu VND/năm
ML infrastructure	GPU training, MLflow	300 triệu VND/năm
Development (4 engineers)	Lương + benefits	800 triệu VND/năm
Marketing (ASO, content)	App store optimization, YouTube	400 triệu VND/năm
Customer support	Chatbot + human	200 triệu VND/năm

Phân tích điểm hòa vốn

$\text{Số premium users hòa vốn} = \frac{C_{\text{fixed}}}{p_{\text{premium}} \times 12}$

• $C_{\text{fixed}}$ = 2,2 tỷ VND/năm
• $p_{\text{premium}}$ = 50.000 VND/tháng

Kết quả: Cần 3.667 premium users để hòa vốn. Target 10.000 → profit margin ~55%.

---

Kế hoạch MVP

Giai đoạn 1: Data Pipeline & Basic Calendar (Tuần 1–4)

• Setup crawler cho 40 ngân hàng (parse báo cáo tài chính PDF/HTML)
• Build dividend calendar database (ex-dividend, record, payment dates)
• Build basic API: GET /banks, GET /dividends
• Build mobile app: login, list banks, view dividend dates
• Manual data entry fallback

Tiêu chí kết thúc: User có thể xem lịch chia cổ tức của 10 ngân hàng lớn nhất.

Giai đoạn 2: Alerts & Bank Health Dashboard (Tuần 5–8)

• Push notification service (FCM)
• Bank health metrics extraction (CAR, NPL, profit) từ báo cáo
• Web dashboard cho admin để manage banks
• User watchlist feature
• Unit tests >70%

Tiêu chí kết thúc: User nhận được push 7 ngày trước ex-dividend của bank trong watchlist.

Giai đoạn 3: Prediction MVP & Launch (Tuần 9–12)

• Train simple linear regression model trên 5 năm dividend data
• API endpoint /predict?bank=TCB
• Premium subscription (Stripe/MoMo integration)
• App Store & CH Play submission
• Beta launch với 1,000 users (Fintech community)

Tiêu chí kết thúc: 1,000 beta users, prediction accuracy >75% trên test set.

---

Các yêu cầu

Yêu cầu 1: DiviTrack phải theo dõi lịch chia cổ tức của ít nhất 40 ngân hàng thương mại Việt Nam, với độ chính xác 100% về ngày ex-dividend, record date, và payment date, được cập nhật trong vòng 24 giờ sau khi ngân hàng công bố.

Yêu cầu 2: Hệ thống phải gửi push notification đến user trước ít nhất 7 ngày so với ex-dividend date của bất kỳ bank nào trong watchlist của user, với độ tin cậy giao hàng >95%.

Yêu cầu 3: Dividend predictor phải đạt độ chính xác dự đoán payout ratio (so với thực tế) trong khoảng ±5% cho ít nhất 80% các dự đoán trên test set của 5 ngân hàng lớn nhất.

---

Claims

Claim 1: DiviTrack giúp nhà đầu tư bắt được 90% ex-dividend dates của 40+ ngân hàng thương mại Việt Nam, tăng thu nhập thụ động từ dividend chiến lược lên 5–15% mỗi năm cho 2–3 triệu nhà đầu tư cá nhân.

Claim 2: Dividend predictor đạt độ chính xác >85% (direction: tăng/giảm) trong dự đoán payout ratio, dựa trên 5 năm lịch sử dữ liệu và các chỉ số CAR/NPL/lợi nhuận quý của ngân hàng.

Claim 3: DiviTrack tiết kiệm 2–3 giờ mỗi ngày cho nhà đầu tư trong việc theo dõi 40+ ngân hàng, thay thế nghiên cứu thủ công bằng lịch chia cổ tức tự động và push notification cảnh báo trước 7 ngày.

Claim 4: Hệ thống cập nhật lịch chia cổ tức với độ chính xác 100% về ngày ex-dividend, record date, và payment date trong vòng 24 giờ sau khi ngân hàng công bố, từ nguồn chính thức HOSE/HNX và báo cáo ngân hàng.

---

Quyền sở hữu & Bản quyền

© 2026 Alpha Chain Ltd. Tất cả quyền được bảo lưu.

Tài liệu này là tài sản độc quyền của Alpha Chain Ltd. Việc sao chép, phân phối lại, hoặc tạo sản phẩm phái sinh đều yêu cầu sự đồng ý bằng văn bản từ Alpha Chain Ltd.

---

Lịch sử thay đổi

| Phiên bản | Ngày | Tác giả | Thay đổi | |---|---|---| | 1.0 | 2026-04-25 | Alpha Chain Ltd. | Tạo ban đầu từ ý tưởng Techcombank dividend |