深圳银行卡收单市场明年全部开放

深圳银行卡市场新规定,从7月1日起,各商业银行可以对增量商户开展收单业务,按照发卡、转接、收单7:1:2的分配比例,各方取得收单收益。2009年1月1日开始,收单市场全面放开。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

  本报记者万晶

    深圳点击查看深圳及更多城市天气预报银行卡市场上由来已久的利益分配之争终于尘埃落定。根据深圳市17家发卡机构、中国银联深圳分公司、两家专业化服务机构共同签署的《深圳市银行卡特约商户人民币收单业务自律公约》,从7月1日起,各商业银行可以对增量商户开展收单业务,按照发卡、转接、收单7:1:2的分配比例,各方取得收单收益;自2009年1月1日开始,各商业银行可以对深圳所有商户开展收单业务,银行卡收单市场全面放开。

    机具补偿费成矛盾焦点

    根据《自律公约》,新的银行卡受理模式完善了银行卡收单市场发展机制,明确由商业银行和专业化公司作为收单机构,同时取消原有9:1分配模式下的机具补偿费,收单机构通过直接参与分配获取收单收益,并承担收单责任。

    银行卡持有者在商家刷卡消费时,商家需要缴纳一定比例手续费,这笔商户付出的回佣金,由收单行、发卡行以及银联分配。考虑到发卡行大部分也是收单行,2004年深圳17家发卡行共同签署的《合作发展深圳市银行卡特约商户协议书》规定,在统一委托专业化公司发展商户受理银行卡这种模式下,商户回佣收入按9:1比例在发卡行与银联之间分配,专业化公司则向发卡行收取机具补偿费。这种模式也称POS机“直联模式”,即POS终端直接与银联连接,数据直接由当地银联分公司接入银联总中心进行转接,经跨行清算后再返回商业银行。这种机具补偿费相当于月租费,费用从12元/部到25元/部不等。

    然而,随着POS机数量急剧增加,日渐增多的月租费让部分商业银行感到不满。甚至有商业银行质疑,专业化公司为了收取月租费而在一些根本没有刷卡量的商户铺设POS机。

    行政手段清理间联POS机

    根据《深圳市银行卡受理市场发展管理办法》规定,POS机跨行交易的商户结算手续费收益按7:2:1的比例在发卡银行、收单机构和中国银联深圳分公司之间进行分配。

    深圳市银行卡受理市场规模巨大。根据中国人民银行统计,去年深圳市银行卡刷卡交易额达1200亿元,占社会消费品零售总额的36%,连续5年居全国大中城市前列。商户按照1%的比例将缴纳12亿元使用费,产生的收单行利益为2.4亿,商业银行与银联都希望充当收单行的角色。于是,部分银行开始自行布放“间联”POS机介入收单市场,这种POS终端连接到收单银行主机系统,当发生跨银行消费交易时,消费交易信息流先经收单行,再送达相关的发卡银行。

    发卡行自己安装这种POS机并提供商户的账务结算等基本银行服务,因此不向专业化公司缴纳月租费,商户所缴纳的收单费用也由布放POS机的商业银行收龋。一位商业银行信用卡部门负责人透露,这导致各银行间出现了无序竞争,各银行采用降低回佣比例的方式来争夺商户铺设POS机。

    为全面规范和梳理银行卡收单市场,中国人民银行深圳市中心支行同深圳银监局不久前发出《关于清理间联POS机具的通知》,对于已布放的间联POS机具,各发卡行必须于5月底前完成清理工作。其中,对于既有直联又有间联POS机具的商户,间联机具直接撤出;对于只有间联POS机具的商户,间联机具撤换为直联POS机具。

    业内人士分析,取消间联POS机可以有效避免压价的恶性竞争,直联POS机对各类商户实行统一的使用费率,使用费率还根据行业差别而不同,发卡行、银联和收单行严格按照7∶1∶2的比例来分配这笔费用。

    但也有专家认为,取消间联POS机意味着这部分收单利益将全部为银联垄断,这种采取行政手段进行的利益分配不利于市场的竞争与繁荣。

                                                                              来源:中国证券报

内容概要:本文档详细介绍了基于弹性架构搜索(Elastic Architecture Search, EAS)结合Transformer编码器进行多变量时间序列预测的项目实例。项目旨在自动化优化多变量时间序列预测模型结构,提升预测精度与鲁棒性,降低计算资源消耗,实现模型轻量化。通过MATLAB实现,项目采用Transformer编码器的多头自注意力机制,结合EAS的弹性权重共享和分阶段搜索策略,解决了高维多变量时间序列的复杂依赖建模、架构搜索计算资源需求高、模型过拟合、多步预测误差积累、数据异构性与缺失值处理、复杂模型训练收敛等挑战。最终,项目构建了一个高度模块化和可扩展的系统设计,适用于智能制造、能源管理、智慧交通等多个工业场景。 适合人群:具备一定编程基础,对时间序列预测、深度学习及MATLAB有一定了解的研发人员和研究人员。 使用场景及目标:①自动化优化多变量时间序列预测模型结构,提升预测精度与鲁棒性;②降低计算资源消耗,实现模型轻量化;③实现高度模块化与可扩展的系统设计,促进人工智能在工业领域的深度应用;④提供科研与教学的典范案例与工具,探索深度学习架构搜索在时序预测的前沿技术;⑤促进多变量时序数据融合与异质信息处理能力,推动MATLAB深度学习工具箱的应用与扩展。 其他说明:项目不仅聚焦于模型性能提升,更注重计算资源节约和应用落地的可行性。借助弹性架构搜索自动化调参,减少人工经验依赖,加快模型迭代速度,降低开发门槛。结合Transformer编码器的表达能力,显著改善多变量时间序列预测中的长期依赖捕捉和异质数据融合问题,为各类时间序列分析任务提供一种全新的解决方案。项目通过详细的代码实现和注释,帮助用户理解Transformer机制与弹性架构搜索如何协同工作,实现多变量时间序列预测。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值