MA

Mastercard-Preis

Closed
MA
$495,48
-$5,46(-1,08 %)

*Data last updated: 2026-05-09 08:43 (UTC+8)

As of 2026-05-09 08:43, Mastercard (MA) is priced at $495,48, with a total market cap of $438,60B, a P/E ratio of 34,21, and a dividend yield of 0,65 %. Today, the stock price fluctuated between $491,75 and $500,00. The current price is 0,75 % above the day's low and 0,90 % below the day's high, with a trading volume of 3,26M. Over the past 52 weeks, MA has traded between $480,51 to $601,77, and the current price is -17,66 % away from the 52-week high.

MA Key Stats

Yesterday's Close$500,94
Market Cap$438,60B
Volumen3,26M
P/E Ratio34,21
Dividend Yield (TTM)0,65 %
Dividend Amount$0,87
Diluted EPS (TTM)17,47
Net Income (FY)$14,96B
Revenue (FY)$32,79B
Earnings Date2026-07-30
EPS Estimate4,80
Revenue Estimate$9,07B
Shares Outstanding875,56M
Beta (1Y)0.759
Ex-Dividend Date2026-04-09
Dividend Payment Date2026-05-08

About MA

Mastercard Incorporated, a technology company, provides transaction processing and other payment-related products and services in the United States and internationally. It facilitates the processing of payment transactions, including authorization, clearing, and settlement, as well as delivers other payment-related products and services. The company offers integrated products and value-added services for account holders, merchants, financial institutions, businesses, governments, and other organizations, such as programs that enable issuers to provide consumers with credits to defer payments; prepaid programs and management services; commercial credit and debit payment products and solutions; and payment products and solutions that allow its customers to access funds in deposit and other accounts. It also provides value-added products and services comprising cyber and intelligence solutions for parties to transact, as well as proprietary insights, drawing on principled use of consumer, and merchant data services. In addition, the company offers analytics, test and learn, consulting, managed services, loyalty, processing, and payment gateway solutions for e-commerce merchants. Further, it provides open banking and digital identity platforms services. The company offers payment solutions and services under the MasterCard, Maestro, and Cirrus. Mastercard Incorporated was founded in 1966 and is headquartered in Purchase, New York.
SectorFinancial Services
IndustryFinancial - Credit Services
CEOMichael Miebach
HeadquartersPurchase,NY,US
Employees (FY)39,80K
Average Revenue (1Y)$823,89K
Net Income per Employee$376,08K

Erfahren Sie mehr über Mastercard (MA)

Gate Learn Articles

Was ist Mind AI (MA)?Mind AI ist eine innovative verschlüsselte Analyseplattform, die künstliche Intelligenz und maschinelles Lernen nutzt, um Investoren tiefe Marktkenntnisse zu bieten. Die Plattform hilft Benutzern, kluge Anlageentscheidungen auf dem komplexen verschlüsselten Markt zu treffen, indem sie soziale Signale in handlungsfähige Handelsinformationen umwandelt.2025-02-19
Prognosemärkte im großen Maßstab: Ausblick 2026Die Weltmeisterschaft 2026 stellt einen umfassenden Stresstest für Prediction Markets dar. In diesem Artikel werden die wichtigsten Einschränkungen und Erfolgsfaktoren von Prediction Markets im großen Maßstab beleuchtet, wobei die Schwerpunkte auf Regulierung, Abwicklung, Verteilung und Liquidität liegen.2025-12-30
Enterprise Ethereum: Treiber von Innovation und Adoption im großen MaßstabWährend globale Giganten wie Microsoft und JPMorgan durch die Enterprise Ethereum Alliance (EEA) zusammenarbeiten, wächst der Ruf von Ethereum als globale Abwicklungsschicht und Innovationsplattform stetig. Dieser Artikel geht auf den Trend der unternehmensweiten Adoption von Ethereum ein, analysiert die Herausforderungen, denen sich Ethereum bei der Datenverfügbarkeit gegenübersieht, und untersucht, wie sein modulares Design es Unternehmen ermöglicht, flexibel auf Marktanforderungen und technologische Entwicklungen zu reagieren. Darüber hinaus diskutiert er das Aufkommen alternativer Datenverfügbarkeitsschichten und die Entwicklung von Ethereum zu einem de facto Standard für unternehmensweite Lösungen im globalen Maßstab.2025-01-02

Mastercard (MA) FAQ

What's the stock price of Mastercard (MA) today?

x
Mastercard (MA) is currently trading at $495,48, with a 24h change of -1,08 %. The 52-week trading range is $480,51–$601,77.

What are the 52-week high and low prices for Mastercard (MA)?

x

What is the price-to-earnings (P/E) ratio of Mastercard (MA)? What does it indicate?

x

What is the market cap of Mastercard (MA)?

x

What is the most recent quarterly earnings per share (EPS) for Mastercard (MA)?

x

Should you buy or sell Mastercard (MA) now?

x

What factors can affect the stock price of Mastercard (MA)?

x

How to buy Mastercard (MA) stock?

x

Risk Warning

The stock market involves a high level of risk and price volatility. The value of your investment may increase or decrease, and you may not recover the full amount invested. Past performance is not a reliable indicator of future results. Before making any investment decisions, you should carefully assess your investment experience, financial situation, investment objectives, and risk tolerance, and conduct your own research. Where appropriate, consult an independent financial adviser.

Disclaimer

The content on this page is provided for informational purposes only and does not constitute investment advice, financial advice, or trading recommendations. Gate shall not be held liable for any loss or damage resulting from such financial decisions. Further, take note that Gate may not be able to provide full service in certain markets and jurisdictions, including but not limited to the United States of America, Canada, Iran, and Cuba. For more information on Restricted Locations, please refer to the User Agreement.

Mastercard (MA) Latest News

2026-04-30 07:55Printr-Gründer Jason Ma tritt als CEO zurück und kündigt die vollständige Rückerstattung der Community-Fundraising-Spenden anLaut ChainCatcher gab Printr-Gründer Jason Ma am 30. April bekannt, dass er als CEO zurücktritt. COO und GTM-Lead Lennon übernimmt die Rolle des CEO mit sofortiger Wirkung, während Mitgründerin Lea weiterhin als CTO tätig sein wird. Ma wird in eine beratende Funktion wechseln. Die Plattform teilte zugleich mit, dass sie alle Community-Fundraising-Aktivitäten vollständig erstatten wird; die Details zum Erstattungsprozess sollen innerhalb von sieben Tagen offengelegt werden. Das Team erklärte, der Schritt solle dazu dienen, das Vertrauen der Community wiederaufzubauen, während das Produkt, das Team und die Entwicklungs-Roadmap unverändert bleiben.2026-04-28 08:16Trader Ma Ge schließt Long-Position über 12.888,88 HYPE mit -16,24% ROI, 86,2% Trefferquote diese WocheGate News-Meldung, 28. April — Trader Ma Ge (Wong Yik Shing) hat seine gesamte Long-Position im Umfang von 12.888,88 HYPE-Token geschlossen und gleichzeitig seine 40-fach gehebelte Bitcoin-Long-Position sowie seine 25-fach gehebelte Ethereum-Long-Position reduziert, laut Hyperbot-Daten. Sein aktueller Positionswert liegt bei etwa 76,47 Millionen $ bei einer Rendite auf Investitionen von -16,24%. In der vergangenen Woche hat Ma Ge 13 Positionen geschlossen, darunter 11 profitable Trades, und damit eine Trefferquote von 86,2% erzielt. Aufgrund der jüngsten Marktrückgänge befindet sich sein Portfolio jedoch derzeit in nicht realisierten Verlusten.2026-04-22 18:52Das Open Interest von Shiba Inu explodiert um 13,45% innerhalb von 24 Stunden, während die Futures-Aktivität beschleunigtGate News-Mitteilung, 22. April — Das Open Interest von Shiba Inu ist in 24 Stunden um 13,45% gestiegen und erreichte 69,79 Millionen US-Dollar; dies spiegelt 11 Billionen SHIB in den Positionen von Tradern wider. Dieses Wachstum übertraf Bitcoin, dessen Open Interest um 5% auf 59,6 Milliarden US-Dollar stieg, sowie XRP, das einen Anstieg um 1,28% auf 2,64 Milliarden US-Dollar verzeichnete. Der SHIB-Preis legte im gleichen Zeitraum um fast 3% zu, wurde bei 0,000006231 US-Dollar gehandelt und markierte den dritten aufeinanderfolgenden Tagesgewinn. Die Zuflüsse in die Futures beliefen sich auf 8,31 Millionen US-Dollar, während Abflüsse von 8,02 Millionen US-Dollar verzeichnet wurden, wodurch ein Nettoplus-Flow von 284.980 US-Dollar entstand und neue Positionen im Wert von 46 Milliarden SHIB aufgebaut wurden. Das Handelsvolumen stieg um 14,5% auf 101,1 Millionen US-Dollar; das Futures-Volumen sprang um 98% auf $208 million, während das Spot-Volumen um 94% auf 19,37 Millionen US-Dollar kletterte. Das Volumen der Spot-Taker-Käufe lag bei 51,68%, was auf eine leichte bullische Tendenz hindeutet; die Futures-Daten zeigten jedoch eine stärkere bärische Positionierung, wobei das Volumen der Taker-Verkäufe bei 69% lag, gegenüber 30,9% für Käufe. Auf technischer Ebene hat SHIB Unterstützung bei dem 50-Tage-Simple-Moving-Average von 0,00000589 aufgebaut, das es am 15. April durchbrochen und anschließend erfolgreich erneut getestet hat. Der Relative-Stärke-Index liegt bei 55, während der MACD-Indikator ins Positive gedreht ist, wobei die MACD-Linie über die Signallinie gekreuzt hat. Aktuelle Projektionen deuten darauf hin, dass SHIB um mehr als 100% steigen könnte, um die psychologische Marke von 0,000010 zurückzuerobern, nachdem es auf dem Tageschart einen bestätigten Channel-Breakout gegeben hat.2026-04-01 04:31Hey, großer Bruder Ma Ji, die Long-Positionen in BTC und HYPE von Huang Licheng wurden bereits geschlossen, und die ETH-Long-Position umfasst 6800 Stück.Gate News Nachricht, am 1. April zeigte Hyperbot-Daten, dass die Bitcoin-Long-Position von „麻吉大哥“ Huang Licheng vor etwa 1 Stunde vollständig geschlossen wurde, und auch seine HYPE-Long-Position wurde heute Morgen vollständig geschlossen. Derzeit hält Huang Licheng eine Ethereum-Long-Position mit dem 25-fachen Hebel; die Positionsgröße beträgt 6800 ETH, der Positionswert 14.337.000 US-Dollar, der nicht realisierte Gewinn 306.000 US-Dollar, der Liquidationspreis liegt bei 2039 US-Dollar.2026-03-29 02:01Maji Gege hat heute weiterhin Long-Positionen in BTC, ETH und HYPE aufgebaut, mit einem Gesamtwert von über 15 Millionen US-Dollar.Gate News Nachrichten, 29. März, laut on-chain Daten hat Ma Ji Da Ge Huang Li Cheng heute weiterhin BTC, ETH und HYPE Long-Positionen aufgebaut, der Gesamtwert der Positionen beträgt etwa 15,2 Millionen USD. Darunter hat die 10-fache Hebel-HYPE Long-Position 15.500 HYPE erreicht, der Liquidationspreis beträgt etwa 18,9 USD; die 40-fache Hebel-Bitcoin Long-Position hält 56 BTC, der Liquidationspreis beträgt etwa 61.067 USD; die 25-fache Hebel-Ethereum Long-Position hält 5.425 ETH, der Liquidationspreis beträgt etwa 1.947 USD. Darüber hinaus hat Ma Ji Da Ge derzeit auch 18 ETH Limit-Verkaufsaufträge im Bereich von 2.017-2.075 USD aufgegeben sowie 2 BTC Limit-Verkaufsaufträge im Bereich von 67.100-67.200 USD.

Beliebte Beiträge zu Mastercard (MA)

MarsBitNews

MarsBitNews

Vor 50 Minuten.
Laut der Beating-Überwachung von Dongcha hat MiniMax einen technischen Blog veröffentlicht, in dem der Ursachenfindungsprozess für die Unfähigkeit ihres M2-Serien-Großmodells, den Namen „马嘉祺“ auszugeben, offengelegt wird. Die Ursachenanalyse begann mit einzelnen Fällen und deckte schließlich ein systematisches Degenerationsproblem auf, das die gesamte Wortliste betrifft. Der Grund ist, dass der Tokenizer (die Komponente, die Text in vom Modell verarbeitbare Einheiten aufteilt) während des Trainings „嘉祺“ zu einem eigenständigen Token zusammenfasste. Im Pre-Training sah das Modell eine große Menge an Internettexten und lernte dieses Token; aber in den nachfolgenden Dialogdaten gab es weniger als 5 Beispiele mit „嘉祺“. Während des Nachtrainings aktualisierten hochfrequente Token wie tool_call-Markierungen und Code-Symbole kontinuierlich die umgebenden Vektorräume, was dazu führte, dass Tokens mit niedriger Frequenz wie „嘉祺“ in die falsche Richtung verschoben wurden. Das Modell „kennt“ immer noch 马嘉祺 und kann relevante Informationen genau beantworten, aber die Fähigkeit, dieses Token auszugeben, ging verloren. Das Team führte anschließend eine Vollscan der vollständigen Wortliste mit etwa 200.000 Tokens durch und stellte fest, dass etwa 4,9 % der Tokens signifikant degenerierten. Am stärksten betroffen war Japanisch: 29,7 % der japanischen Tokens zeigten deutliche Degeneration, weit über Koreanisch mit 3,3 %, Russisch mit 3,7 %, Chinesisch mit 3,9 % und Englisch mit 3,5 %. Zu den am stärksten degenerierten Tokens gehörten auch „传奇私服“ („Legend Private Server“), „无痛人流“ („Schmerzlose Abtreibung“) und andere SEO-Spam-Wörter, deren Mechanismus identisch mit „嘉祺“ ist. Die schwere Degeneration im Japanischen löste auch ein altes Rätsel: Früher mischte das Modell gelegentlich russische oder koreanische Zeichen in japanische Dialoge, ohne den Grund zu kennen. Diese Analyse zeigte, dass nach der Parameterverschiebung der japanischen Tokens diese im Vektorraum mit anderen Sprachtokens vermischten, was sowohl zu einer falschen Aktivierung japanischer Tokens (Sprachvermischung) führte als auch die Nachbarschafts-Token mit niedriger Frequenz im chinesischen Bereich verdrängte (Token-Verdrängung). Die Lösung bestand darin, eine synthetische Datenmenge zu erstellen, die die gesamte Wortliste abdeckt, damit das Modell jeden Token durch einfache Wiederholungsaufgaben trainiert. Das Ergebnis war sofort sichtbar: Der Anteil der russischen Zeichen in japanischen Antworten sank von 47 % auf 1 %, und die Stabilität der Ausgabeparameter der gesamten Wortliste (Kosinusähnlichkeit) stieg von einem Tiefstand von 0,329 auf über 0,97.
0
0
0
0
BlockBeatNews

BlockBeatNews

Vor 52 Minuten.
Laut Beating Monitoring von Dongcha hat MiniMax einen technischen Blog veröffentlicht, in dem der Ursachenfindungsprozess für das Unvermögen ihres M2-Serien-Modelle, den Namen „马嘉祺“ auszugeben, offengelegt wird. Die Ursachenanalyse begann mit einzelnen Fällen und deckte schließlich ein systematisches Degenerationsproblem auf, das die gesamte Wortliste betrifft. Der Grund liegt darin, dass der Tokenizer (die Komponente, die Text in vom Modell verarbeitbare Einheiten aufteilt) während des Trainings „嘉祺“ zu einem eigenständigen Token zusammenfasste. Während der Vortrainingsphase sah das Modell eine große Menge Internet-Texten und lernte dieses Token; aber in den nachfolgenden Dialogdaten gab es weniger als 5 Beispiele mit „嘉祺“. Während des Nachtrainings wurden hochfrequente Token wie tool_call-Markierungen und Code-Symbole kontinuierlich aktualisiert, wodurch die Vektorraum-Umgebung um diese Tokens verschoben wurde und Tokens wie „嘉祺“, die selten vorkommen, in die falsche Richtung gedrängt wurden. Das Modell „kennt“ weiterhin 马嘉祺 und kann relevante Informationen genau wiedergeben, aber die Fähigkeit, dieses Token auszugeben, ging verloren. Das Team führte anschließend eine Vollscan aller etwa 200.000 Tokens in der vollständigen Wortliste durch und stellte fest, dass etwa 4,9 % der Tokens signifikant degenerierten. Am stärksten betroffen ist Japanisch: 29,7 % der japanischen Tokens zeigen deutliche Degeneration, weit mehr als Koreanisch mit 3,3 %, Russisch mit 3,7 %, Chinesisch mit 3,9 % und Englisch mit 3,5 %. Zu den am stärksten degenerierten Tokens gehören auch „传奇私服“ (Legendäre private Server), „无痛人流“ (Schmerzfreie Abtreibung) und andere SEO-Spam-Wörter, deren Mechanismus identisch mit „嘉祺“ ist. Die schwere Degeneration im Japanischen löste auch ein altes Rätsel: Das Modell hatte zuvor gelegentlich russische oder koreanische Zeichen in japanische Dialoge eingebaut, ohne den Grund zu kennen. Die Analyse zeigt, dass nach der Parameterdrift der japanischen Tokens diese im Vektorraum mit Tokens anderer Sprachen vermischt wurden, was sowohl dazu führte, dass japanische Tokens falsch aktiviert wurden (Sprachmischung), als auch benachbarte, seltene chinesische Tokens aus dem normalen Wahrscheinlichkeitsbereich verdrängten (Token-Vergessen). Die Lösung besteht darin, eine synthetische Datenmenge zu erstellen, die die gesamte Wortliste abdeckt, sodass das Modell jeden Token mit einfachen Wiederholungsaufgaben trainiert. Das Ergebnis war sofort sichtbar: Der Anteil der russischen Zeichen in japanischen Antworten sank von 47 % auf 1 %, die Stabilität der Ausgabeparameter (Kosinusähnlichkeit) der gesamten Wortliste stieg von einem Tief von 0,329 auf über 0,97 in allen Fällen.
0
0
0
0