Jak napisać pracę magisterską z fintech

Fintech to obszar, w którym praca magisterska wymaga jednoczesnego radzenia sobie z dwoma światami: regulacją finansową i technologią. I to jest najtrudniejsze. Bo student z finansów dobrze pisze o PSD2, ale traci się w architekturze API. Student z IT zna blockchain, ale nie wie, czym różni się MiFID II od MiFIR. Komisja oczekuje, że pokażesz oba.

Pisałam korekty już dziesiątek prac z fintech i widzę ten sam schemat. Pierwsze 30 stron to historia bankowości, definicje technologii (blockchain to bla bla bla), opis „rewolucji fintech”. A potem 10 stron, gdzie student opisuje Revoluta z ich własnej strony www. To się nie obroni.

Tymczasem fintech daje fenomenalne pole do badań, masz dane regulacyjne KNF i ESMA, publiczne dane neobanków, dokumenty PSD2, raporty rynkowe Statista i KPMG. Pokażę Ci, jak to ułożyć w pracę z fundamentem.

Wybór tematu i pytania badawcze

Fintech jako dziedzina ma kilka głównych nurtów. Najlepiej wybrać jeden i go pogłębić.

Obszary, w których praca magisterska ma realne pole do badań:

• PSD2 i Open Banking, wdrożenie dyrektywy PSD2 (Payment Services Directive 2), strong customer authentication (SCA), API banków, third-party providers (AISP, PISP, CISP), wpływ na konkurencyjność rynku płatniczego
• Neobanki i banki cyfrowe, analiza modeli biznesowych (Revolut, Wise, N26, Monzo, Aion, Vivus), porównanie z bankami tradycyjnymi, customer acquisition, scaling, droga do rentowności
• Regulatory sandbox i innowacje regulacyjne, analiza programu Innovation Hub i sandboxu KNF, porównanie z FCA (UK), BaFin (Niemcy), MAS (Singapur), efektywność jako narzędzia regulacyjnego
• RegTech i SupTech, technologie wspierające zgodność regulacyjną (AML/KYC, KYT, transaction monitoring, regulatory reporting), automatyzacja audytów, wykorzystanie AI w nadzorze
• Blockchain i DeFi (decentralized finance), smart kontrakty, stablecoiny, MiCA (Markets in Crypto-Assets), tokenizacja aktywów, CBDC (Central Bank Digital Currencies)
• Scoring kredytowy i AI w finansach, modele uczenia maszynowego w ocenie ryzyka kredytowego, alternative data (telecom, social, behavioral), wyjaśnialność modeli (XAI), bias i fairness
• Insurtech, modele biznesowe insurtechów, telematics w ubezpieczeniach komunikacyjnych, parametric insurance, P2P insurance
• Płatności mobilne i nowe modele transakcyjne, BLIK, Apple Pay / Google Pay, real-time payments (Express Elixir, SEPA Instant), BNPL (Buy Now Pay Later, Klarna, Twisto)

Pytanie badawcze powinno wskazywać konkretny problem i miarę. Nie: „Jak fintechy zmieniają branżę?”, ale: „W jaki sposób wdrożenie strong customer authentication zgodnej z PSD2 w bankowości internetowej w Polsce wpłynęło na konwersję transakcji online w sektorze e-commerce w okresie wrzesień 2019 – grudzień 2021?”

Jedno pytanie główne, dwie-trzy hipotezy szczegółowe. W fintechu szczególnie ważne jest, żeby pytanie miało jasno zdefiniowane ramy czasowe i regulacyjne, bo to środowisko zmienia się szybko.

Metodologia pracy magisterskiej z fintech

W fintechu masz do wyboru kilka typów badań, od analizy regulacyjnej, przez studium przypadku firmy, po analizę danych ilościowych. Komisja oczekuje, że pokażesz świadomość, jaką wybierasz.

Analiza regulacyjna i prawno-porównawcza
Jeśli piszesz o PSD2, MiFID II, MiCA, MAR, analizujesz tekst dyrektywy/rozporządzenia (EUR-Lex), implementację w prawie polskim (Dziennik Ustaw, ustawa o usługach płatniczych, ustawa o obrocie instrumentami finansowymi), wytyczne EBA, ESMA, KNF, interpretacje. Metoda: analiza dogmatyczna (interpretacja tekstu prawnego) i komparatystyka (porównanie reżimów krajowych, np. PL vs. DE vs. UK po Brexicie).

Studium przypadku fintechu
Wybierasz firmę (Revolut, Wise, N26, lub polski Aion Bank, ZEN, mElements) i analizujesz: model biznesowy (Business Model Canvas, value proposition), strukturę przychodów, customer base, growth metrics. Źródła: raporty roczne (Companies House dla UK, KRS dla PL), prospekty emisyjne (jeśli notowane), wywiady z managerami, dane z baz Crunchbase, PitchBook.

Analiza danych ilościowych z baz sektorowych
Banki publikują dane finansowe w raportach KNF (Polski sektor bankowy), EBA Risk Dashboard (UE), Bank for International Settlements (BIS), Statista, raporty KPMG, EY, PwC Fintech Pulse. Analizujesz trendy: wartość rynku, liczba transakcji, share of e-commerce, value of mobile payments, customer count of neobanks.

Ankieta i kwestionariusz
Jeśli badasz adopcję usług fintech wśród konsumentów lub firm, przygotowujesz kwestionariusz. Warto wykorzystać walidowane skale: UTAUT2 (Unified Theory of Acceptance and Use of Technology, Venkatesh 2012) dla adopcji, Trust Scale (Gefen 2003) dla zaufania do usług finansowych online. Próba: 200-400 respondentów dla pracy magisterskiej to standard, walidacja kwestionariusza (alfa Cronbacha, EFA).

Wywiady z ekspertami
Z managerami fintechów, regulatorami, prawnikami specjalizującymi się w prawie bankowym. Liczba: 6-10 wywiadów. Pytania częściowo ustrukturyzowane, scenariusz w załączniku. Anonimizacja standardowa (R1, R2… lub funkcje: „manager Compliance w polskim neobanku”).

Analiza dokumentów strategicznych i raportów
Raporty roczne, statuty, polityki AML/KYC fintechów (te są ujawniane częściowo), prezentacje inwestorskie, dokumenty rejestracyjne (PRA, FCA, KNF). Metoda: analiza zawartości (content analysis), kategoryzacja informacji, kodowanie.

Modele scoringowe, analiza ilościowa
Jeśli badasz modele scoringu kredytowego ML, używasz: regresji logistycznej (baseline), Random Forest, XGBoost, sieci neuronowych. Pokazujesz: dane (które, skąd, jakie zmienne), feature engineering, walidację (train/test/validation split, cross-validation), miary jakości (AUC, Gini coefficient, KS statistic), interpretowalność (SHAP, LIME). Środowisko: Python (scikit-learn, XGBoost, lightgbm), R (caret, mlr3). Dla pracy magisterskiej dane mogą być z Lending Club (publicznie dostępne), Kaggle (Home Credit Default Risk), lub własne z firmy z anonimizacją.

Analiza blockchain i DeFi
Dane on-chain z Etherscan, Dune Analytics, Glassnode, Token Terminal. Analizujesz: wolumeny transakcji, TVL (Total Value Locked) w DeFi protokołach, gas fees, smart contract interactions. Pokazujesz, jak zbierałeś dane, jakie protokoły analizowałeś, jakie okresy.

Analiza statystyczna
Statystyki opisowe, testy hipotez, regresja, analiza szeregów czasowych (dla danych makroekonomicznych i sektorowych). Oprogramowanie: R, Python, SPSS, EViews dla ekonometrii.

Struktura i rozdziały

Praca magisterska z fintech zwykle liczy 70-100 stron. Standardowa struktura:

1. Wstęp, kontekst rozwoju fintech globalnie i w Polsce, znaczenie dla sektora finansowego, problem badawczy. 2-3 strony, nie 8. Pokazujesz lukę poznawczą.

2. Cel pracy, hipotezy, problem badawczy, 1-2 strony.

3. Teoretyczne podstawy fintech, definicje (fintech vs. bigtech vs. paytech vs. insurtech), klasyfikacje (Arner-Barberis-Buckley 2016, Fintech 1.0/2.0/3.0), ramy teoretyczne (TAM, UTAUT, dla adopcji; financial intermediation theory dla podmiotów fintech). Tu wpada większość studentów, pierwsze 30 stron to historia bankowości. Skróć to do 5-7 stron.

4. Otoczenie regulacyjne fintech, przegląd dyrektyw i rozporządzeń UE (PSD2, MiCA, AMLD, DORA, GDPR), polskie ustawy (ustawa o usługach płatniczych, ustawa o obrocie instrumentami finansowymi, ustawa o przeciwdziałaniu praniu pieniędzy), wytyczne EBA, ESMA, KNF. Sandbox KNF, Innovation Hub.

5. Charakterystyka badanego obszaru / firmy, opis przedmiotu badań: rynek, segment, technologia, gracze.

6. Metodologia badań, szczegółowo, jak opisano wyżej.

7. Wyniki badań, prezentacja danych z analizami. Tabele wskaźników finansowych, wykresy wzrostu rynku, macierze porównawcze fintechów vs. banki tradycyjne, wyniki ankiet i wywiadów (z kodami respondentów), modele scoringowe (jeśli były).

8. Dyskusja, interpretacja w kontekście literatury i otoczenia regulacyjnego. Co to oznacza dla regulatorów? Dla sektora finansowego? Dla konsumentów?

9. Rekomendacje, dla regulatorów, dla banków tradycyjnych, dla fintechów, dla konsumentów. Praktyczne, oparte na danych.

10. Wnioski, odpowiedź na hipotezy, ograniczenia badania, kierunki dalszych prac.

11. Bibliografia, minimum 50 pozycji. Akty prawne (dyrektywy UE, ustawy polskie z odpowiednim Dz.U.), wytyczne EBA/ESMA/KNF, literatura akademicka (Tapscott, Blockchain Revolution; Arner-Barberis-Buckley, FinTech, RegTech, and the Reconceptualization of Financial Regulation; Chishti, The FINTECH Book), raporty (KPMG Pulse of Fintech, EY Fintech Adoption Index, McKinsey, BCG, CB Insights). Czasopisma: „Journal of Financial Stability”, „Journal of Banking and Finance”, „Bank i Kredyt”.

Załączniki, kwestionariusze, scenariusze wywiadów, listy aktów prawnych, kody modeli (dla scoring).

Najczęstsze błędy

• Mylenie fintech z bigtechem i bankami cyfrowymi, fintech to firmy technologiczne oferujące usługi finansowe. Bigtech to Apple, Google, Amazon, Facebook wchodzące w finanse (Apple Pay, Amazon Lending). Bank cyfrowy może być licencjonowanym bankiem (mBank, Aion) lub neobankiem (Revolut na licencji litewskiej, Wise na licencji belgijskiej). Każdy z tych podmiotów to inny reżim regulacyjny
• Historia bankowości na 30 stronach, wstęp teoretyczny ma służyć pytaniu badawczemu. Jeśli badasz PSD2, nie potrzebujesz historii bankowości od XII wieku. Wystarczą 3-5 stron kontekstu
• Cytowanie blockchain definitions z Wikipedii, komisja sprawdza. Klasyka: Nakamoto (2008) Bitcoin: A Peer-to-Peer Electronic Cash System, Tapscott (2016) Blockchain Revolution, Catalini & Gans (2020), Some Simple Economics of the Blockchain.
• Brak rozróżnienia licencji i ról, banking licence, e-money institution (EMI), payment institution (PI), AISP, PISP, CISP, broker, virtual asset service provider (VASP, MiCA). Każdy z tych podmiotów ma inne uprawnienia i inną regulację. Komisja będzie pytać
• PSD2 opisane „ogólnie”, komisja oczekuje, że znasz różnicę między SCA, AISP, PISP, dynamic linking, exemptions (low value, recurring, MOTO), oraz wytyczne EBA Final Guidelines on RTS for SCA. Bez tego praca o PSD2 nie jest poważna
• Analiza Revoluta na podstawie ich własnej strony www, to nie analiza, to copy-paste. Źródła powinny być triangulowane: Companies House dla danych finansowych, raporty roczne, raporty analityków, prasa branżowa (Finextra, Sifted, The Banker), wywiady niezależne
• Mylenie kryptowaluty z tokenami i NFT, pod MiCA są różne kategorie: e-money tokens, asset-referenced tokens, other crypto-assets, utility tokens. Generalizacja „kryptowaluta” to luka
• Brak danych źródłowych, pisanie o adopcji fintech „rośnie dynamicznie” bez podania danych z konkretnego raportu (EY Fintech Adoption Index, KPMG Pulse of Fintech, CB Insights State of Fintech) to słabo
• Wykresy bez źródeł, każdy wykres ma podpis i źródło. Komisja sprawdza, czy źródło istnieje i czy dane się zgadzają
• Niespójne nazewnictwo regulatorów, KNF, Komisja Nadzoru Finansowego, regulator polski, w obrębie jednej pracy używaj jednej formy (z rozwinięciem przy pierwszym użyciu). To samo z ESMA, EBA, EIOPA, FCA, BaFin

FAQ

Podsumowanie

Praca magisterska z fintech wygrywa, jeśli udaje Ci się zachować równowagę między dwoma światami, finansowym i technologicznym. Komisja nie oczekuje, że będziesz prawnikiem i inżynierem jednocześnie. Oczekuje, że pokażesz, że rozumiesz regulację, model biznesowy i technologię na tyle, żeby wyciągnąć sensowne wnioski.

Jeśli zbliżasz się do obrony i chcesz mieć pewność, że terminologia jest spójna, że odwołania do aktów prawnych są poprawne, że tabele i wskaźniki finansowe trzymają się standardów, zapraszam na dobrzenapisane.pl. Koretuję prace z finansów i bankowości regularnie, sprawdzam język, terminologię, spójność, podpisy pod rycinami i tabelami. Napisz, odpiszę w ciągu 24 godzin.

Dowiedz się więcej

• Tapscott, D., Tapscott, A. (2016). Blockchain Revolution: How the Technology Behind Bitcoin Is Changing Money, Business, and the World. Portfolio
• Arner, D.W., Barberis, J., Buckley, R.P. (2017). FinTech, RegTech, and the Reconceptualization of Financial Regulation. Northwestern Journal of International Law & Business, 37(3).
• Chishti, S., Barberis, J. (2016). The FINTECH Book: The Financial Technology Handbook for Investors, Entrepreneurs and Visionaries. Wiley
• Dyrektywa PSD2 (Directive 2015/2366/EU): https://eur-lex.europa.eu
• Rozporządzenie MiCA (Regulation 2023/1114): https://eur-lex.europa.eu

Inne artykuły na blogu:
– Jak znaleźć literaturę do pracy dyplomowej
– Metodologia pracy magisterskiej, od czego zacząć
– Korekta pracy magisterskiej, co obejmuje i ile kosztuje

Natalia Witek-Dąbrowska

Redaktorka i korektorka z 20-letnim doświadczeniem

Specjalizuję się w korekcie prac naukowych i dyplomowych. Jeśli potrzebujesz pomocy z tekstem, napisz do mnie.