거래 전략에 대한 추가 정보

마스크영역

Dawkins 'Pro-Evolution 커뮤니케이션 전략에 대한 추가 정보

리차드 도킨스가 그의 메시지를 부드럽게하는지 여부에 대한 지난 주 토론을 감안할 때, 나는 진 카즈 즈 (Jane Kazez)의 최근 저서를 읽었는데 그는 그의 새 책을 읽었으며 Dawkins가 다시 "수용"하는 것을 다시 발견했다. Dawkins 'page 6 :

캔터베리 대주교는 진화에 아무런 문제가 없으며 교황 (인간의 영혼이 주입되었을 때 정확한 고생물학적인 접합점에 이상한 동요를 주거나 가져옴)이나 교양있는 사제들과 신학 교수들도 마찬가지이다. 이것은 진화가 사실이라는 긍정적 인 증거에 관한 책입니다. 그것은 종교 의식이없는 책으로 의도 된 것이 아닙니다. 나는 그걸 다 했어. 다른 티셔츠 야. 다시 입을 수있는 곳이 아니야. 진화에 대한 증거에 참석 한 주교와 신학자들은 그것에 반대하는 투쟁을 포기했다. 마지 못해 일부는 리처드 해리 왕자처럼 열정적으로 열심히 일할 수도 있지만, 비참하게도 알지 못하는 사람들을 제외한 모든 사람들은 진화의 사실을 받아 들여야합니다. 그들은 하나님이 그 과정을 시작하는 데 손을 가지고 있다고 생각할 수도 있고, 미래 진보를 인도하지 못할 수도 있습니다. 그들은 아마도 하나님이 우주를 처음부터 일으키 셨고, 우리가 결국에는 역할을 수행 할 수있는 불가해 한 목적을 달성하기 위해 계산 된 조화로운 법칙과 물리적 상수로 탄생을 엄숙하게했다고 생각할 것입니다. 그러나 사려 거래 전략에 대한 추가 정보 깊게 어떤 경우에는 행복하게 다른 사람들에게 사려 깊고 합리적인 성직자와 여성들 은 진화에 대한 증거를 받아 들 입니다. [이탤릭체 추가]

이전에 "진화론자 네빌 전당 (Neville Chamberlain School of Evolutionists)"을 비난 한 녀석의 모든 것.

Dawkins는 "수용 주의자"라는 라벨을 받아들이지 않을 것입니다. 단어에 대한 그의 정의는 광산이나 Kazez의 것과 다를 수 있으며, 환영받지 못하는 손잡이는 그에게 강요되어서는 안됩니다. 그럼에도 불구하고, 위의 과정에서 그는 Unscientific America 에게 다음과 같은 생각의 줄을 알려주고있는 것처럼 보입니다 . 여러분이 진화를 촉진하고 싶을 때, 그것은 신앙을 공격하는 것이 단순한 비생산적인 일입니다. 오히려 종교적 동맹이 절실하고 절실히 필요합니다.

실제로, 나는 여러 차원에서 반대하고 반대하는 The God Delusion 에 많은 것들이 있지만, 지난 주 Huffington Post에서 이것들에 대해 논의했는데, 지금까지 689 개의 논평을 비웃었습니다. The Greatest Show on Earth 내 자신의 마음을 굳게 지키는 책. 나는 외출하고 사본을 얻을 계획이다.

그러나 Dawkins는 자신이 인식 할 수있는 지적 운동을 했습니까? 아니면 단지이 점을 강조점이나 메시지 (새로운 "T 거래 전략에 대한 추가 정보 셔츠"착용)의 차이라고 부릅니까?

빨간연필 빨간연필

최근 몇 년 동안 여러 주요 금융 관련 작업에 대처할 수 있는 데이터 과학 및 머신 러닝 능력이 특히 중요한 이슈가되고 있습니다. 기업은 기술이 가져다주는 개선 사항과 비즈니스 전략을 재구성하는 방법에 대해 더 많이 알고 싶어합니다.

이러한 질문에 답할 수 있도록 금융 부문에 가장 큰 영향을 미치는 데이터 과학 사용 사례를 조사해 봤습니다. 데이터 관리에서 거래 전략에 이르기까지 매우 다양한 비즈니스 측면을 다루면서 금융 솔루션을 향상시킬 수 있는 사례들입니다.

리스크 관리 자동화

리스크 관리는 회사의 보안, 신뢰성, 그리고 전략적 결정을 담당하는 거래 전략에 대한 추가 정보 금융 기관에게 매우 중요한 영역입니다. 리스크 관리를 처리하는 접근 방식은 지난 몇 년 동안 크게 변경되어 금융 부문의 본질을 변화 시켰습니다. 그 어느 때보다도 오늘날 기계 학습 모델은 비즈니스 개발의 벡터를 정의합니다.

경쟁자, 투자자, 규제 기관, 그리고 기업 고객과 같이 리스크가 발생할 수있는 원인은 많습니다. 또한 리스크는 중요성과 잠재적 손실이 다를 수 있습니다. 따라서 주요 단계는 기계 학습을위한 완벽한 작업인 위험을 식별, 우선 순위 지정 및 모니터링하는 것입니다. 방대한 양의 고객 데이터, 금융 대출 및 보험 결과에 대한 교육을 통해 알고리즘은 리스크 점수 모델을 높일뿐만 아니라 비용 효율성과 지속 가능성을 향상시킬 수 있습니다.

리스크 관리에서 데이터 과학 및 인공 지능 (AI)의 가장 중요한 응용 프로그램 중 하나는 잠재 고객의 신용도를 식별 하는 것입니다. 특정 고객에 대한 적절한 신용 금액을 설정하기 위해 회사는 과거 지출 행동과 패턴을 분석 할 수있는 기계 학습 알고리즘을 사용합니다. 이 접근 방식은 신규 고객 또는 신용 기록이 짧은 고객과 작업 할 때도 유용합니다.

금융에서 위험 관리 프로세스의 디지털화 및 자동화는 초기 단계에 있지만 그 잠재력은 매우 큽니다. 금융 기관은 여전히 핵심 재무 프로세스를 자동화하고 재무 팀의 분석 기술을 개선하며 전략적 기술 투자를 수행하여 이러한 변화에 대비해야합니다. 그러나 회사가이 방향으로 움직이기 시작하자마자 이익은 기다리지 않을 것입니다.

고객 데이터 관리

금융 회사에게 데이터는 가장 중요한 자원입니다. 따라서 효율적인 데이터 관리는 비즈니스 성공의 열쇠입니다. 오늘날에는 소셜 미디어 활동과 모바일 상호 작용에서 시장 데이터 및 거래 세부 사항에 이르기까지 구조와 볼륨면에서 막대한 양의 금융 데이터 다양성이 있습니다. 금융 전문가는 종종 반정형 또는 비정형 데이터로 작업해야하며 이를 수동으로 처리하는 데 큰 어려움이 있습니다.

그러나 대부분의 기업은 머신 러닝 기술을 프로세스 관리에 통합하는 것이 데이터에서 실제 인텔리전스를 추출하는 데 필요하다는 사실을 분명히 알고 있습니다. 특히 자연어 처리, 데이터 마이닝 및 텍스트 분석과 같은 AI 도구는 데이터를 더 스마트 한 데이터 거버넌스와 더 나은 비즈니스 솔루션에 기여하는 정보로 변환하여 결과적으로 수익성을 높이는 데 도움 이됩니다. 예를 들어, 기계 학습 알고리즘은 고객의 금융 기록 데이터를 학습하여 특정 금융 동향 및 시장 개발의 영향을 분석 할 수 있습니다. 마지막으로 이러한 기술을 사용하여 자동화된 보고서를 생성 할 수 있습니다.

예측 분석

분석은 이제 금융 서비스의 핵심입니다. 특정 이벤트 패턴 등을 발굴하는 미래 이벤트를 예측 분석을 통해 즉작적인 조치를 취할 수 있는데, 이러한 예측 분석은 특별한 주의가 필요합니다. 소셜 미디어, 뉴스 트렌드 및 기타 데이터 소스를 이해함으로써 이러한 정교한 분석은 가격 및 고객 평생 가치 예측, 미래 생활 이벤트, 예상 이탈 및 주식 시장 움직임과 같은 주요 애플리케이션을 정복했습니다. 가장 거래 전략에 대한 추가 정보 중요한 것은 이러한 기술이 가장 효과적인 개입 방법이라는 복잡한 질문에 답하는 데 도움이 될 수 있다는 것입니다.

사기 탐지

사용자에게 최고 수준의 보안을 보장하는 것은 금융 회사의 의무입니다. 기업의 주요 과제는 범죄자들이 항상 새로운 방법을 해킹하고 새로운 함정을 설정하는 좋은 사기 탐지 시스템을 찾는 것입니다. 자격을 갖춘 데이터 과학자만이 이러한 다양한 사기에서 사용자 행동 또는 진행중인 작업 프로세스의 이상을 감지하고 예방하기위한 완벽한 알고리즘을 만들 수 있습니다 . 예를 들어, 특정 사용자에 대한 비정상적인 금융 구매에 대한 경고 또는 대규모 현금 인출은 고객이 이를 확인할 때까지 이러한 작업을 차단합니다. 주식 시장에서 기계 학습 도구는 조작을 나타낼 수있는 거래 데이터의 패턴을 식별하고 직원에게 조사하도록 경고 할 수 있습니다. 그러나 이러한 알고리즘의 가장 큰 장점은 시간이 지남에 따라 점점 더 효과적이고 지능적인 자가-학습을 할 수 있다는데 있습니다.

알고리즘 거래

이 영역은 1 초 미만의 시간 단위가 중요하기 때문에 실시간 분석이 가장 필요한 분야입니다. 금융 기관은 기존 데이터와 비전통 데이터를 모두 분석한 최신 정보를 기반으로 실시간으로 유익한 결정을 내릴 수 있습니다. 그리고이 데이터는 짧은 시간 동안 만 가치가있는 경우가 많기 때문에 이 분야에서 경쟁력이 있다는 것은 데이터를 가장 빠르게 분석 할 수 있다는 의미입니다.거래 전략에 대한 추가 정보

이 영역에서 실시간 및 예측 분석을 결합하면 또 다른 전망이 열립니다. 과거에는 통계 모델을 개발하고 과거 데이터를 사용하여 시장 기회를 예측하는 거래 알고리즘을 생성 할 수있는 수학자를 고용해야하는 금융 회사에게 인기있는 관행이었습니다. 그러나 오늘날 인공 지능은이 프로세스를 더 빠르게 만드는 기술을 제공하며 특히 중요한 것은 지속적으로 개선됩니다.

따라서 데이터 과학과 AI는 거래 분야에서 혁명을 일으켜 알고리즘 거래 전략을 시작했습니다. 대부분의 세계 거래소는 새로운 데이터를 고려하여 알고리즘과 올바른 전략을 기반으로 결정을 내리는 컴퓨터를 사용합니다. 인공 지능은 트윗, 재무 지표, 뉴스 및 책의 데이터, 심지어 TV 프로그램을 포함한 수많은 정보를 무한히 처리합니다. 결과적으로 오늘날의 전 세계 동향을 이해하고 금융 시장에 대한 예측을 지속적으로 향상시킵니다.

대체로 실시간 및 예측 분석은 다양한 재무 영역의 상황을 크게 변화시킵니다. Hadoop, NoSQL 및 Storm과 같은 기술, 전통적 및 비 전통적 데이터 세트, 가장 정확한 알고리즘을 통해 데이터 엔지니어는 재무 작업 방식을 바꾸고 있습니다.

심층 개인화 및 사용자 정의

기업들은 오늘날 시장에서 경쟁력을 갖추기위한 핵심 단계 거래 전략에 대한 추가 정보 중 하나가 고객과의 고품질 맞춤형 관계를 통해 참여를 높이는 것임을 알고 있습니다. 이를 위한 핵심적인 아이디어는 디지털 클라이언트 경험을 분석하고 클라이언트의 관심과 선호도를 고려하여 수정하는 것입니다. AI는 인간의 언어와 감정에 대한 이해를 크게 개선하여 고객 개인화를 완전히 새로운 수준으로 끌어 올립니다. 데이터 과학자는 소비자의 행동을 연구하는 모델을 구축하고 고객이 재정적 조언이 필요한 상황을 발견 할 수도 있습니다 . 예측 분석 도구와 고급 디지털 전달 옵션의 조합은이 복잡한 작업에 도움이 될 수 있으며, 고객에게 가장 적절한 시간에 최상의 금융 솔루션을 제공하고 소비 습관, 사회 인구 추세, 위치 및 기타 선호도를 기반으로 맞춤형 제안 을 제안합니다. .

결론

금융 기관의 경우 데이터 과학 기술을 사용하면 경쟁에서 눈에 띄고 비즈니스를 재창조 할 수있는 엄청난 기회가 제공됩니다. 지속적으로 변화하는 막대한 양의 금융 데이터가있어 머신 러닝과 AI 도구를 비즈니스의 다양한 측면에 적용 할 필요가 있습니다.

우리는 금융 부문의 상위 6개 데이터 과학 사용 사례에 초점을 맞추었지만 언급 할 가치가있는 다른 사례도 많이 있습니다. 추가 아이디어가 있으면 공유 부탁드립니다.

거래 전략에 대한 추가 정보

스파크 토큰 배포에 대한 추가 정보

이 게시물은 스파크 토큰 배포 메커니즘을 중심으로 더욱 정밀하게 제공하기 위한 것입니다.

토큰 공급

플레어는 네트워크 시작 부분에 1,000억(Bn) 스파크 토큰을 생성하고 있습니다. 이러한 배포 방법과 사용 가능한 시기는 아래에 설명되어 있습니다.

클레임 공식:

아래 클레임 공식은 개별 XRP 보유자가 총 수신할 것으로 예상되는 스파크의 양을 설정합니다.

스파크 거래 전략에 대한 추가 정보 클레임 가능: XRP 주소로 청구되는 스파크 금액입니다.

XRP 소유: 스냅샷 당시 XRP 주소의 XRP 양입니다.

XRP 합계: 스냅샷 날짜에 존재하는 XRP의 총 금액입니다.

XRP 리플: 에스크로 잔액을 포함하여 스냅샷 거래 전략에 대한 추가 정보 당시 리플 관련 계정에 보관된 XRP입니다.

XRP NPE: 스냅샷 날짜에 참여하지 않는 거래소에서 보유한 XRP입니다.

자격 청구:

수정된 그룹에 없는 경우(아래 세부 정보) 청구할 수 있는 스파크 수는 교환 참여에 만 의존합니다. 비참여 환전 잔액의 빼면 분모가 작아지고 청구자가 청구할 수 있는 450억 스파크의 점유율을 증가시키기 때문입니다.

수정된 그룹:

Ripple Inc.와 비참여 거래소 이외에 는 배포에서 완전히 제외되는 몇 가지 그룹이 있습니다. 이들은 제드 맥칼렙과 사기, 도난 및 사기의 결과로 XRP를받은 것으로 알려진 계정입니다.

Ripple Inc.와 비참여 거래소와 달리, 이러한 제외된 참가자에게 갔을 스파크 잔액은 대신 FXRP부터 F-에셋 채굴을 장려하기 위해 보상 풀에 배치됩니다(아래 참조).

개별 고래 모자:

10억 XRP 한도는 동일한 개인에 속하는 것으로 알려진 모든 XRP 계정 그룹에 설정됩니다. 즉, 이러한 개인은 1Bn XRP 토큰을 사용하여 Spark를 주장할 수 있지만 더 이상 은 없습니다.

이 금액은 고래 캡이라고합니다. 이 고래가 자신의 XRP로 주장 할 수있는 불꽃, 제한 된 금액 이상, 또한 FXRP를 채굴하기위한 인센티브 풀에 넣어.

배포의 목적을 위해, 12/12/20까지이 게시물의 게시에서 이러한 제한 계정에서 XRP를 받는 모든 계정은 그들이 Spark를 주장 할 수있는 XRP의 양에서 공제 XRP의이 금액을해야합니다.

수신할 내용과 시기:

네트워크 실행 시 Spark를 주장한 각 계정은 해당 계정이 자격이 있는 총 스파크의 15%를 받게 됩니다. 이것은 위의 방정식에서 스파크 청구 용어의 15 %입니다. 남은 스파크 클레임은 최소 25개월 및 최대 34개월 동안 배포됩니다.

매달* 간격 $\text>$의 의사 무작위 번호는 플레어 타임 시리즈 오라클(FTSO)에 의해 생성됩니다. 이 숫자는 클레임할 수 있는 초기 나머지 스파크의 백분율에 해당합니다.

예를 들어, 사람 X가 FTSO에서 매달 1000개의 스파크를 주장하고 4%가 매달 수확하면 1일째에 1000*15% = 150스파크를 받고, 그 다음에 (1000-150)*4% = 25개월 동안 매월 34개의 추가 스파크를 추가로 받아 총 1000개의 Spark에 도착합니다.

의사 무작위 수의 평균은 월 3%,중간점은 2~4개사이로 동일시되어야 한다. 이 속도로 배포는 34개월 이내에 완료됩니다. 이 프로세스는 모든 스파크가 배포될 때까지(최소 25개월) 또는 34개월이 경과할 때까지 실행됩니다. 34개월 에 남은 분산되지 않은 스파크는 거버넌스 투표에 따라 불에 타거나 배포됩니다. 굽기 이벤트가 있는 경우 개인이 전체적으로 받는 토큰의 양이 줄어들지만 토큰의 백분율 소유권은 변경되지 않습니다.

이 과정에서 아무도 다르게 취급되지 않습니다 : 그것은 플레어 네트웍스 제한 및 플레어 재단이받을 금액에 동일하게 적용됩니다.

이러한 토큰을 받는 방법에 대해:

당신이 자기 양육권경우, 시스템은 당신이 주장하는 플레어 주소로 전달합니다. (이 주소는 XRP 메시지 키 필드에 설정한 이더리움 스타일의 주소로 스파크 클레임을 처음부터 확인할 수 있습니다.)

참여 교환을 통해 주장하는 경우 시간이 지남에 따라 계정에 토큰을 배포합니다.

*참고: 네트워크 실행 후(6개월 기간 내에) 클레임이 이루어진 경우 해당 계정에 받은 금액은 초기 배포에서 15% + 잠금 해제된 추가 금액이 됩니다.

분포가 이런 식으로 구조화되는 이유는 무엇입니까?

유통 구조는 거래 전략에 대한 추가 정보 성공적인 네트워크 출시를 달성하고 유틸리티를 구축하는 네트워크 참여에 대한 강력한 인센티브를 제공하도록 설계되었습니다.

무료 라이더 및 조기 유동성 관리

플레어에 FXRP의 신뢰할 수없는 발행을 뒷받침하기 위해 자본을 제공하는 최고의 사람들이 XRP를 소유하는 사람들이다는 것은 항상 우리의 명시 된 위치였다. 이 것을 공정하게 달성할 수 있는 유일한 방법은, 우리의 의견으로는, 일어나고 있는 스파크의 분포입니다. 플레어와 스파크가 만드는 유틸리티를 수용하는 대신, 특정 비율의 사람들은 "무료 돈"이라고 믿기 때문에 스파크를 주장하기를 원할 것입니다. 이러한 동적의 부정적인 영향을 줄이기 위해 한 번에 시장에 투입할 수 있는 유동성의 양은 확장된 잠금 해제 프로세스에 거래 전략에 대한 추가 정보 의해 제한됩니다.

네트워크 참여 인센티브 및 약한 손

과도한 유동성을 제한하는 것 외에도 배포 구조는 네트워크에 가치와 유용성을 가져오는 참가자에게 훨씬 더 큰 보상을 제공합니다. 이들은 이미 (주장을 통해) 또는 그것을 판매하기로 결정한 사람들로부터 스파크를 구입하는 참가자가 될 수 있습니다. 토큰 배포 구조는 조기에 참여에 대한 비율 보상이 가장 높다는 것을 의미합니다. 네트워크가 성숙하고 토큰 배포가 진행됨에 따라 백분율로 보상이 시간이 지남에 따라 크기가 줄어듭니다. 이 부스트 보상 비율은 계획된 토큰 공급을 전혀 변경하지 않고 달성됩니다.

어떻게? 독자는 플레어 백서에서 플레어 네트워크의 "박동 심장"이 플레어 타임 시리즈 오라클 (FTSO)임을 기억할 수 있습니다. 이것은 분산 된 방식으로 네트워크에 중요한 특정 가격 피드를 생성하는 시스템입니다. FTSO는 새로 채굴된 스파크를 다수 지불합니다. 이 비율은 총 스파크 토큰의 복합화 없이 연간 10%로 설정됩니다. 그런 다음 이 속도는 실행 후 거버넌스 매개 변수가 됩니다. 예를 들어 네트워크가 1일째에 1000억 토큰으로 시작하면 첫 해에 채굴되고 배포된 금액은 1000억 * 10% = 100억 스파크가 됩니다.

FTSO는 전체 100억 개의 토큰이 완전히 분산되고 잠금 해제된 것처럼 "것처럼" 네트워크 개시에서 작동하도록 설정되어 있습니다. 클레임 기간이 끝나고 청구되지 않은 토큰이 타버린 후에 이 숫자가 조정됩니다. 즉, 발행되는 토큰 의 수는 배포가 한 번에 모두 발생하는 것과 동일합니다. 따라서 배포 의 끝에 총 공급은 변경되지 않습니다. 중요한 것은 Spark는 시간이 지남에 따라 잠금을 해제하기 때문에 초기 거래 전략에 대한 추가 정보 네트워크 참가자는 잠재적으로 FTSO에서 훨씬 더 큰 비율의 수익을 얻고 이를 통해 네트워크에서 더 중요한 참여자가 될 수 있다는 것입니다.

엇갈린 배포 모델은 에이전트 및 데이터 공급자가 되고자 하는 개인과 그룹을 플레어에 장려하고 더 빨리참여하도록 장려하는 추가적인 방법으로 작용해야 합니다. 이러한 당사자는 네트워크에 가치와 유용성을 가져오며 배포 모델은 생태계의 개발 및 분산을 돕습니다. 플레어에 유틸리티를 생성하는 인센티브가되는 것 외에도 엇갈한 분포는 관심있는 참가자가 판매자의 과도한 유동성을 흡수할 수있는 강력한 인센티브를 제공해야합니다.

참고: 스파크를 보유한 많은 사람들이 데이터를 제공하여 FTSO에 직접 참여하지 못할 수 있습니다. 이 시스템은 수익의 몫에 대한 대가로 데이터 공급자에게 스파크 투표를 위임할 수 있습니다. 데이터 공급자로 위임하면 스파크 토큰에 대한 위험이 없습니다. 거래소에서 스테이크 증명 체인에 대한 스태빙이 제공되는 것과 마찬가지로 Flare 데이터 공급자에 거래 전략에 대한 추가 정보 대한 위임이 사용 가능한 기능이 될 가능성이 높습니다. (교환에 대해 문의하십시오.) 이미 네트워크에서 데이터 공급자가 될 준비를 하는 여러 엔터티가 있습니다. 더 많은 사람들이 출시에 참여할 가능성이 높습니다.

F-에셋 및 FXRP 인센티브 풀:

플레어 네트워크에 대한 실질적인 유틸리티의 또 다른 요소는 F-에셋의 형태로 플레어에 대한 가치의 브리징입니다. 예를 들어 FXRP는 F-에셋입니다. 플레어의 F-에셋에 대한 가치 축적은 개발자가 네트워크와 생태계 개발에 참여하도록 더욱 장려할 것입니다. 알고리즘으로 관리되는 인센티브 풀은 최소 100억 개의 Spark를 설정하여 FXRP부터 시작하여 E-Assets를 사용자에게 보상하도록 설정해야 합니다. 이 인센티브 풀은 제외된 그룹에서 만들어집니다. 고래 모자와 플레어 재단의 보유 가능성. 인센티브 풀은 플레어에 FXRP 및 기타 F-자산의 장기적인 존재를 장려하기 위해 구성됩니다. 인센티브 풀의 정확한 구조 및 지급 프로필은 이후 게시물에서 다룹니다. 전체 인센티브 풀은 1일부터 잠금 해제되지만 F-Assets가 네트워크에서 채굴되고 유지됨에 따라 점진적으로 적립됩니다. FTSO와 마찬가지로 기술토큰 보유자가 이러한 보상을 받을 수 있는 제3자가 있을 가능성이 높습니다.

마스크영역

아시아경제 최신 기획이슈

마스크영역

아시아경제 최신 기획이슈

마스크영역

아시아경제 최신 기획이슈

마스크영역

아시아경제 최신 기획이슈

마스크영역

아시아경제 최신 기획이슈

마스크영역

도서산간지역 추가배송비 결제 전 정확히 고지해야

• 카카오톡 카카오톡
• 네이버블로그 이미지 네이버블로그
• 주소복사 이미지 주소복사

최종수정 2020.09.22 12:00 기사입력 2020.09.22 12:00

공정위, 전자상거래 등에서의 상품 등의 정보제공에 관한 고시 개정

[세종=아시아경제 주상돈 기자] 내년부턴 인터넷과 TV홈쇼핑 등 통신판매를 통한 상품대금 결제 전에 추가배송비를 포함한 배송비용을 정확히 표시해야 한다.

공정거래위원회는 '전자상거래 등에서의 상품 등의 정보제공에 관한 고시' 개정안을 확정해 내년 1월1일부터 시행한다고 22일 밝혔다.

현행 전자상거래법 시행령은 상품 가격 외에 소비자의 추가 부담 사항을 계약서에 표시하도록 규정하고 있으나, 배송비용은 구체적인 표시사항으로 명시하고 있지 않다. 이 탓에 소비자가 온라인쇼핑에서 배송지를 제주도 등 도서산간지역으로 주문했다가, 상품대금 결제 후 배송단계에서야 추가배송비를 고지 받아 불만을 제기하거나 분쟁이 발생했다.

이에 공정위는 통신판매업자로 하여금 추가배송비를 포함한 배송비용 정보를 상품정보 제공단계에서 결제 전에 정확히 표시하도록 했다.

또 공정위는 생활화학제품과 살생물제 제품에 해당하는 품목을 별도로 신설했다. 현행 상품 정보제공 고시에는 가습기 살균제와 같이 소비자의 건강에 해로울 수 있는 생활화학제품과 살생물제품의 상품정보 표시사항을 정한 품목 규정이 별도로 없었다. '기타재화'로 분류돼 간략한 상품정보만 제공하고 제품에 사용된 화학물질과 사용상 주의사항, 제조연월, 유통기한, 용량(중량) 정보 등의 필수정보가 고지되지 못하는 경우가 있었다.

이에 공정위는 생활화학제품과 살생물제 제품에 사용된 화학물질과 소비자 안전을 위한 주의사항 등 소비자의 생명과 안전에 직결되는 주요정보가 사전에 제공되도록 했다.

식품류의 표시사항도 개선했다. 앞으론 통신판매업자가 식품류를 통신판매할 경우 통신판매수단의 상품정보 제공화면 등에 식품의약품안전처의 표시기준과 일치되는 상품정보로 제공해야한다. 또 자동차용품을 통신판매할 경우 상품정보 제공화면에 의무적으로 표시해야 하는 상품정보의 하나로 첨가제 및 촉매제의 검사합격증의 번호를 추가해 소비자가 제품 구매 거래 전략에 대한 추가 정보 전에 해당 정보를 미리 확인할 수 있게 했다.

공정위는 사업자의 이행 준비를 위해 3개월 간 유예 기간을 부여한 후 내년 1월1일부터 해당고시 개정안을 시행할 계획이다. 통신판매업자는 연말까지 온라인 상품판매 페이지 등 통신판매의 수단에 상품 정보제공 고시의 개정에 따른 상품정보 및 거래조건의 표시 변경 사항을 반영해야 한다.

공정위는 개정된 거래조건과 상품정보의 표시 변경사항이 신종 코로나바이러스감염증(코로나19) 이후 급속히 성장하고 있는 전자상거래 등의 환경에 빠르게 정착될 수 있도록 소관 사업자단체를 통해 통신판매업자에 개정사항을 적극 홍보하는 한편 지속적인 모니터링을 통해 적발된 법 위반 행위에 대해서는 엄중히 제재할 계획이다.

거래비용측면에서 전자신용장 활용전략에 대한 연구

This study is to present alternatives of strategical utilization of e-L/C in respective of transaction cost. Documentary credit is most used for trade importers' credit quality and the guarantee of the purchase price as the form of payment in export and import business dealings. The beneficiary must provide the documents required in a letter of credit in order to 거래 전략에 대한 추가 정보 claim payment documents from the issuing bank, this leads to certain complexity during the procedure in practice, the preparation and the expenses of significant requirements and additional documents as well as in completing demands from the credit. In a result, there has been issues raised about the aspects of time and cost during the payment process. The outcome of such problems caused by delays in the existing trade procedure is the public to require the use of e-L/C in order to improve problems from the 'Transaction Cost' side. This study provides e-L/C's use to overcome the problems that are appearing from 'Transaction Cost' side as the aspect of time and the cost. In order to do so, we have to identify the problems in the original credit and e-L/C. Thus, provide the propose strategy of e-L/C from the Transaction Cost aspect.

무역거래에 있어 화환신용장은 수입업자에 대한 신용도와 구매대금 지급의 보장기능으로 가장 많이 사용되는 결제수단이었다. 그러나 실무에서 절차상의 복잡성, 수익자가 개설은행에 대금지급을 청구하기 위해서는 신용장에 지정된 서류를 반드시 구비해야 하는데 요구되는 필수서류와 부가서류들의 준비과정과 비용 및 신용장 요구조건과의 일치에 상당한 복잡성이 존재해왔다. 이로 인해 대금결제과정의 시간적 비용적인 측면이 문제점으로 제기되어 왔다. 이러한 기존의 무역거래 절차상 지연 등에서 오는 문제점 등을 거래비용측면에서 전자신용장을 활용함으로써 개선하고자 하는 인식이 요구되는 것이다. 본 연구는 거래비용측면에서 발생할 수 있는 시간적 비용적인 측면을 극복할 수 있는 방안으로서 전자신용장을 활용하는 전략을 제시하는데 있다. 이를 위하여 기존 신용장과 전자신용장의 문제점 파악과 거래비용측면에서의 활용전략을 제시하고자 한다.