Krisis Subprime Versi AI? Di Bawah Gelombang Demam, Utang Terselubung 1.8 Triliun Dolar Terakumulasi di Tempat Gelap

marsbitDipublikasikan tanggal 2026-06-15Terakhir diperbarui pada 2026-06-15

Abstrak

Di balik demam infrastruktur AI, sebuah ekspansi utang berskala besar tengah terbentuk, dengan bagian terbesarnya—sekitar $1.8 triliun—tersembunyi di luar neraca. Laporan Morgan Stanley mengungkap tiga jenis eksposur luar neraca utama: komitmen pembelian (~$982 miliar), sewa belum aktif (~$822 miliar), dan utang usaha untuk belanja modal (~$110 miliar). Sementara itu, perusahaan cloud hyperscale seperti Amazon dan Meta mengalami lonjakan leverage dari 0.9x menjadi 1.8x dalam dua kuartal. Leverage juga bergeser ke rantai pasokan melalui struktur pembiayaan berputar yang kompleks menggunakan SPV (Special Purpose Vehicle), seperti yang terlihat dalam kesepakatan $35 miliar untuk Anthropic. Risiko lain adalah "tebing depresiasi": aset dalam pembangunan (CIP) yang besar akan mulai disusutkan, menekan margin di masa depan. Misalnya, depresiasi kumulatif empat perusahaan besar diperkirakan melebihi $520 miliar dalam tiga tahun ke depan. Namun, saat ini, pertumbuhan belanja modal jauh melampaui revisi perkiraan pendapatan, menciptakan ketidaksesuaian waktu antara investasi dan monetisasi. Kesimpulannya, ini bukan krisis solvabilitas langsung, melainkan akumulasi ketidaksesuaian waktu, tekanan yang tertunda, dan kurangnya transparansi. Sistem ini bergantung pada asumsi bahwa permintaan AI dan loyalitas pelanggan akan tetap kuat. Jika permintaan beralih ke alternatif yang lebih murah, seluruh rangkaian pembiayaan yang rumit ini akan menghadapi uji tekanan yang mendasar.

Di tengah demam pembangunan infrastruktur AI, sebuah ekspansi utang dengan skala tak tertandingi sedang terbentuk diam-diam—dan bagian paling berbahayanya sama sekali tidak pernah muncul di neraca mana pun.

Laporan terbaru Goldman Sachs memprediksi,belanja modal perusahaan cloud hyperscale pada 2027 akan mencapai 1,1 triliun hingga 1,4 triliun dolar AS, jauh melampaui konsensus pasar. Namun, menurut penelitian mendalam Morgan Stanley, angka yang sudah membuat pasar terkejut ini hanyalah puncak gunung es.

Komitmen pembelian mendekati 1 triliun dolar, kontrak sewa belum berlaku lebih dari 800 miliar dolar, serta pengaturan pembiayaan pemasok senilai ratusan miliar dolar, bersama-sama membentuk eksposur di luar neraca sekitar 1,8 triliun dolar—liabilitas ini mengambang di luar neraca, tetapi secara riil mengunci arus kas keluar di masa depan.

Pasar saat ini belum mencerminkan risiko di atas dengan memadai.

Morgan Stanley memperingatkan,rasio leverage perusahaan cloud hyperscale telah melonjak dari 0,9 kali menjadi 1,8 kali hanya dalam dua kuartal, pertumbuhan belanja modal terus mengungguli pertumbuhan pendapatan dan arus kas bebas, sementara dampak tekanan depresiasi yang sebenarnya belum datang.

Sementara itu, lembaga kredit privat yang diwakili oleh Apollo dan Blackstone sedang memindahkan leverage ke tingkat rantai pasokan melalui SPV (special purpose vehicle), membentuk struktur pembiayaan yang sangat berputar dan sulit ditembus. Begitu proses komersialisasi AI tidak sesuai harapan, atau klien perusahaan beralih besar-besaran ke alternatif yang lebih murah, kerapuhan seluruh rantai pembiayaan akan terekspos secara terkonsentrasi.

Gelombang Penerbitan Utang: AI Telah Menjadi Variabel Terbesar di Pasar Terbuka

Menurut "Laporan Pelacakan Pembiayaan Utang AI" terbaru Morgan Stanley, hingga akhir Mei 2026, volume penerbitan obligasi terkait AI global telah mencapai 236 miliar dolar, meningkat drastis 357% dibandingkan periode yang sama tahun 2025.

Morgan Stanley memperkirakan, total penerbitan utang AI sepanjang tahun akan menembus 570 miliar dolar, dan irama penerbitannya akan semakin dipercepat pada paruh kedua tahun ini seiring dengan kebutuhan pembiayaan belanja modal yang terkonsentrasi.

Penerbitan obligasi terkait AI bulan April saja melebihi 74 miliar dolar, tertinggi dalam tahun ini, di mana struktur pembiayaan proyek (untuk pembangunan pusat data) mencakup 85% suplai obligasi hasil tinggi dan 40% suplai obligasi peringkat investasi. Pada saat yang sama, lima perusahaan cloud hyperscale—Amazon, Meta, Google, Microsoft, Oracle—saat ini telah mencakup 4% dari seluruh indeks obligasi peringkat investasi.

Pada tingkat leverage, rasio leverage kotor keseluruhan perusahaan cloud hyperscale telah naik dari 0,9 kali pada kuartal ketiga 2025 menjadi 1,8 kali saat ini, naik sekitar 0,3 kali per kuartal, dan telah melebihi tingkat leverage seluruh industri energi.

Morgan Stanley mencatat, karena tekanan suplai, spread kredit terkait telah berpindah dari kisaran AA ke kisaran A, dan mungkin semakin melebar. Spread kredit Meta saat ini lebih lebar dari tolok ukur CDX IG.

Pada tingkat arus kas bebas, Morgan Stanley memprediksi arus kas bebas Amazon dan Meta pada 2026 akan mendekati nol atau bahkan berubah menjadi negatif, sehingga pembiayaan tambahan hampir sepenuhnya akan bergantung pada utang baru.

Eksposur 1,8 Triliun Dolar di Luar Neraca: Liabilitas Tak Terlihat, Arus Kas Keluar yang Terkunci

Todd Castagno dari tim Global Valuation, Accounting & Tax Morgan Stanley menunjukkan dalam laporannya bahwa hanya berfokus pada angka belanja modal akan sangat meremehkan komitmen keuangan sebenarnya dari siklus pembangunan AI. Di luar belanja modal yang telah diungkapkan, ada tiga kategori eksposur di luar neraca yang kunci:

Komitmen pembelian sekitar 982 miliar dolar. Total kontrak pembelian jangka panjang perusahaan cloud hyperscale dan Nvidia mendekati 1 triliun dolar. Menurut standar akuntansi, kecuali perusahaan mengantisipasi kerugian kontrak, kewajiban ini tidak diakui sebagai liabilitas sebelum barang dikirimkan. Oleh karena itu, hampir satu triliun dolar arus kas keluar masa depan saat ini tidak muncul sebagai liabilitas di neraca mana pun.

Perlu dicatat, inventaris dan kewajiban pembelian Nvidia sendiri telah naik menjadi sekitar 32% dari prediksi konsensus pendapatan tahun fiskal 2027, jauh lebih tinggi dari kisaran historis 15% hingga 20%, risiko komitmen rantai pasokan telah meluas ke sisi pemasok chip.

Komitmen sewa belum berlaku sekitar 822 miliar dolar. Kontrak sewa lebih dari 800 miliar dolar telah ditandatangani tetapi belum mulai dieksekusi, tidak dimasukkan ke dalam liabilitas sewa saat ini. Selain itu, pengaturan pembayaran sewa variabel, opsi perpanjangan, jaminan nilai sisa, dan lainnya juga mengambang di luar neraca.

Morgan Stanley memperkirakan, jika sewa pembiayaan dimasukkan ke dalam perhitungan, rasio belanja modal terhadap penjualan Microsoft akan melonjak dari 33%/50% (tahun fiskal 2026/2027) menjadi 44%/64%, sementara Oracle mungkin naik dari 76%/115% menjadi 101%/189%.

Utang usaha terkait belanja modal belum dibayar sekitar 110 miliar dolar. Hari utang usaha (DPO) perusahaan cloud hyperscale sangat memanjang—Oracle meningkat 370% secara tahunan, Meta meningkat 73%, Microsoft meningkat 69%—artinya seluruh rantai pasokan sebenarnya sedang mendanai pembangunan AI, pemasok menanggung tekanan likuiditas yang seharusnya ditanggung pembeli.

SPV dan Pembiayaan Berputar: Leverage Dipindahkan ke Tempat Gelap

Dimensi lain dari risiko di luar neraca adalah struktur pembiayaan berputar yang dibangun melalui SPV.

Transaksi kredit privat "agunan chip" senilai 35 miliar dolar yang diselesaikan Apollo dan Blackstone untuk Anthropic minggu ini secara terpusat mencerminkan logika operasi model ini:

Broadcom memberikan jaminan untuk SPV ini, Anthropic menggunakan dana yang dihimpun untuk membeli chip Google yang diproduksi Broadcom, sementara Google memegang 14% saham Anthropic; Morgan Stanley yang mengatur transaksi ini, sekaligus memberikan pinjaman kepada investor yang berpartisipasi.

Peta hubungan pembiayaan ekosistem AI Morgan Stanley menunjukkan bahwa antara OpenAI, Oracle, Nvidia, Microsoft, CoreWeave, AMD, Amazon terdapat hubungan pelanggan, investor, pembiayaan pemasok, dan pembelian kembali yang berlipat ganda dan berputar, dana yang sama berputar berulang kali di antara beberapa entitas utama, dan SPV adalah alat inti untuk mewujudkan siklus ini.

Diketahui, perusahaan asuransi Athene di bawah Apollo sangat aktif dalam struktur di atas—menghimpun dana dengan menjual anuitas kepada pensiunan, lalu mengalirkan dana ke SPV untuk berpartisipasi dalam pembiayaan infrastruktur AI.

Model ini memindahkan leverage dari neraca perusahaan cloud hyperscale yang terlihat, ke ekosistem pemasok dan kredit privat, membuat eksposur risiko sistemik yang sebenarnya sulit dikenali dan diagregasi oleh pengamat eksternal.

Jurang Depresiasi dan Kesenjangan Monetisasi: Dampak yang Ditunda

Data keuangan saat ini memiliki bias optimisme yang sistematis. Banyak belanja modal saat ini dicatat sebagai "konstruksi dalam proses" (CIP), belum mulai didepresiasi, menyebabkan margin laba yang dilaporkan dinaikkan secara artifisial, dan tekanan biaya masa depan diremehkan.

Saldo konstruksi dalam proses Oracle, Meta, Google masing-masing tumbuh sekitar 200%, 90%, dan 55% secara tahunan.

Begitu aset-aset ini bertransisi ke depresiasi satu per satu, dampaknya akan terlepaskan secara terkonsentrasi.

Morgan Stanley memperkirakan, depresiasi kumulatif selama tiga tahun ke depan dari empat perusahaan—Microsoft, Oracle, Meta, Google—akan melebihi 520 miliar dolar. Sebagai contoh, rasio depresiasi terhadap pendapatan Oracle mungkin naik dari 7% saat ini menjadi 28% pada tahun fiskal 2028; Meta mungkin naik dari 9% menjadi 19%.

Dalam konteks ini, satu-satunya jalan untuk mempertahankan margin laba adalah pertumbuhan pendapatan yang signifikan secara bersamaan—sementara peningkatan prediksi pendapatan saat ini jauh tertinggal dari peningkatan prediksi belanja modal.

Data menunjukkan, prediksi konsensus belanja modal Google 2026 dinaikkan 139% dibandingkan setahun lalu, Meta dan Amazon masing-masing dinaikkan 85% dan 81%, peningkatan Oracle terbesar, mencapai 175%.

Sementara itu, besaran revisi prediksi pendapatan jelas tertinggal, ketidaksesuaian struktural di mana belanja modal mendahului komersialisasi telah terlihat jelas.

Selain itu, sisa kewajiban kinerja (RPO) lebih dari 2 triliun dolar sangat terkonsentrasi pada sedikit kontrak jangka panjang besar, risiko konsentrasi pihak lawan tidak boleh diabaikan—begitu ada peserta utama dalam sistem berputar yang bermasalah, mungkin memicu reaksi berantai.

Ketidaksesuaian Waktu, Bukan Krisis Pembayaran Segera

Kesimpulan Morgan Stanley adalah risiko di atas saat ini belum membentuk krisis solvabilitas yang mendesak, melainkan serangkaian ketidaksesuaian waktu yang ditumpuk dengan kesenjangan pengungkapan informasi: tekanan depresiasi ditunda, belanja modal mengungguli kemajuan monetisasi, leverage dipindahkan ke tingkat pemasok dan kredit privat, serta keterbandingan intensitas modal antara perusahaan yang berbeda berkurang drastis karena perbedaan klasifikasi akuntansi.

Perusahaan cloud hyperscale jelas menyadari jendela sentimen pasar saat ini yang terbatas, dan sedang memanfaatkan kesempatan untuk memaksimalkan skala pembiayaan.

Analis Goldman Sachs Ryan Hammond menunjukkan, jika skala investasi infrastruktur AI mencapai 2% hingga 3% dari PDB, mengacu pada siklus konstruksi historis industri kereta api dan otomotif, belanja modal 2027 mungkin mencapai 1,1 triliun dolar; dalam skenario ekstrem, dengan mempertimbangkan arus kas perusahaan cloud hyperscale dan kapasitas pasar kredit peringkat investasi, batas atas mungkin mencapai 1,4 triliun dolar.

Namun, semua ini dengan prasyarat bahwa model bahasa besar (LLM) dapat terus meningkatkan penetapan harga token, dan mempertahankan daya lekat klien perusahaan yang memadai. Semakin banyak perusahaan sedang mengalihkan pandangan ke produk AI dengan kinerja mendekati tetapi harga jauh lebih murah.

Begitu terjadi pergeseran struktural di sisi permintaan, sistem pembiayaan yang dibangun dengan hati-hati saat ini akan menghadapi uji tekanan yang fundamental.

Pertanyaan Terkait

QMenurut laporan Goldman Sachs dan Morgan Stanley, apa bahaya terbesar yang tersembunyi di balik gelombang investasi infrastruktur AI?

ABahaya terbesarnya adalah akumulasi hutang 'off-balance sheet' atau di luar neraca yang tidak tercermin dalam laporan keuangan perusahaan, senilai sekitar US$1,8 triliun. Ini mencakup komitmen pembelian, kontrak sewa yang belum berlaku, dan pengaturan pembiayaan pemasok yang mengunci arus kas keluar di masa depan.

QApa yang menyebabkan rasio leverage (utang terhadap ekuitas) perusahaan cloud hyperscale meningkat drastis, dan seberapa besar peningkatannya?

ALeverage meningkat drastis karena pertumbuhan belanja modal (capex) yang jauh lebih cepat dibandingkan pendapatan dan arus kas bebas. Menurut Morgan Stanley, rasio leverage kotor perusahaan-perusahaan ini melonjak dari 0,9 kali pada kuartal ketiga 2025 menjadi 1,8 kali dalam waktu hanya dua kuartal.

QJelaskan dua jenis kewajiban 'off-balance sheet' utama yang disebutkan dalam artikel dan bagaimana hal ini mengubah gambaran beban keuangan perusahaan AI.

ADua jenis kewajiban utama adalah: 1) Komitmen Pembelian (~US$982 miliar): Kontrak jangka panjang untuk membeli perangkat keras seperti chip, yang baru menjadi utang saat barang dikirim. 2) Komitmen Sewa yang Belum Berlaku (~US$822 miliar): Kontrak sewa yang ditandatangani tetapi belum mulai, sehingga tidak dicatat sebagai liabilitas sewa. Hal ini menyebabkan arus kas keluar masa depan yang besar tidak terlihat dalam neraca saat ini, sehingga kondisi keuangan perusahaan terlihat lebih sehat daripada sebenarnya.

QBagaimana struktur pembiayaan menggunakan SPV (Special Purpose Vehicle) oleh perusahaan seperti Apollo dan Blackstone meningkatkan risiko sistemik dalam ekosistem AI?

AStruktur SPV memindahkan leverage (utang) dari neraca perusahaan cloud besar yang terlihat ke dalam jaringan pemasok dan ekosistem kredit privat yang tidak terlihat. Uang yang sama dapat berputar di antara beberapa entitas (misalnya, penyedia chip, perusahaan AI, investor). Hal ini menciptakan struktur pembiayaan yang saling terkait dan sulit ditelusuri. Jika satu mata rantai utama (misalnya, komersialisasi AI gagal atau ada perusahaan yang bangkrut) gagal, hal itu dapat memicu reaksi berantai yang mengganggu seluruh sistem.

QMengapa tekanan depresiasi (penyusutan) aset AI disebut sebagai 'kliff yang tertunda', dan dampak apa yang diperkirakan akan terjadi?

ADisebut 'kliff yang tertunda' karena banyak belanja modal saat ini masih dicatat sebagai 'konstruksi dalam proses' dan belum mulai disusutkan. Ini membuat laba yang dilaporkan saat ini terlihat lebih tinggi. Ketika aset-aset ini selesai dan mulai disusutkan secara besar-besaran, beban depresiasi akan meledak. Morgan Stanley memperkirakan depresiasi kumulatif selama tiga tahun ke depan untuk empat perusahaan besar akan melebihi US$520 miliar, yang dapat secara signifikan mengurangi profitabilitas kecuali pendapatan tumbuh dengan sangat cepat.

Bacaan Terkait

Mengapa Agensi Belanja AI Sulit Populer?

AI berbelanja sebagai wakil belum dapat diterima luas karena menghadapi beberapa tantangan mendasar. Pertama, berbelanja terdiri dari dua tindakan inti: pencarian informasi dan penilaian nilai. Mesin dapat menangani pencarian informasi, tetapi penilaian nilai melibatkan preferensi subjektif manusia yang sulit didelegasikan sepenuhnya. Penilaian nilai sendiri memiliki dua lapisan: evaluasi berdasarkan kriteria yang ditetapkan, dan yang lebih penting, **pendefinisian kebutuhan itu sendiri**—menentukan kriteria, bobot, dan batasan. Preferensi manusia bersifat konstruktif dan berubah, bukan statis, sehingga memerlukan komunikasi iteratif dengan AI. Kedua, batasan sesungguhnya bukan pada standarisasi barang, tetapi apakah proses memilih itu sendiri merupakan **tugas rutin atau kesenangan**. Untuk barang seperti perlengkapan kantor (tugas rutin), AI dapat sepenuhnya otomatis. Namun, untuk barang seperti anggur atau pakaian (kesenangan), proses memilih adalah bagian dari pengalaman konsumsi. Di sini, peran AI idealnya adalah penyaring informasi, menyajikan beberapa pilihan terbaik kepada manusia untuk keputusan akhir. Ketiga, ada dilema interaksi: AI yang bertanya terlalu banyak dapat mengganggu dan mendistorsi pilihan; mengandalkan riwayat belanja dapat membatasi eksplorasi baru; dan keputusan sepenuhnya manual itu melelahkan. Solusi tengah adalah **interaksi pengenalan**, di mana AI menunjukkan beberapa opsi dan pengguna langsung memilih. Narasi "memberi dompet kepada AI" yang menekankan pembayaran otomatis pun keliru. Pembayaran hanyalah bagian termudah. Solusi pembayaran terkini (seperti dari Stripe, Mastercard, Google, Visa) memisahkan **otorisasi pengguna** dari **eksekusi pembayaran terbatas AI**, tanpa perlu menyerahkan dana sepenuhnya. Dompet AI otonom lebih cocok untuk skenario **B2B atau M2M** (mis., pembelian perusahaan standar, penyelesaian antar-mesin), bukan belanja konsumen personal. **Kendala sebenarnya** bukan pada pembayaran, melainkan pada: (1) **Kurangnya sumber data tepercaya** (ulasan palsu, barang palsu) yang menjadi dasar keputusan AI, dan (2) **Hak manusia untuk mendefinisikan kebutuhan tidak dapat diotomatisasi**. Mendelegasikan definisi ini kepada AI berarti kehilangan preferensi asli. Kesimpulannya, untuk barang yang dinikmati, **pilihan itu sendiri adalah produk**. Platform harus mengoptimalkan data terstruktur untuk AI sambil mempertahankan keunggulan inti: memfasilitasi eksplorasi konsumen baru dan pengalaman memilih yang menyenangkan. AI harus menjadi asisten pencarian informasi yang aman dan terkendali, sementara manusia tetap memegang kendali atas standar penilaian dan kesenangan memilih akhir.

Foresight News57m yang lalu

Mengapa Agensi Belanja AI Sulit Populer?

Foresight News57m yang lalu

Setelah 9 Bulan Short, Beralih Lengkap ke Long, Trader Terkenal Buka Posisi Bitcoin di Sekitar 64k, Sentimen Bullish vs Bearish Terbelah di Pasar Kripto

Seorang trader kripto terkenal, Doctor Profit, yang berhasil memprediksi penurunan harga Bitcoin dari puncak $126.000 pada Oktober 2025, mengumumkan telah menutup semua posisi short-nya dan mulai membeli Bitcoin spot di kisaran $64.000. Ia berpendapat siklus bear market empat tahunan mungkin berakhir lebih cepat karena perubahan struktural seperti regulasi CLARITY Act dan masuknya modal institusi besar melalui tokenisasi aset. Di sisi lain, analis on-chain gumsays mencatat sinyal divergensi bullish mingguan pada Bitcoin telah berlangsung 147 hari, mendekati durasi 161 hari sebelum pembalikan kuat di siklus 2022. Namun, peneliti siklus Jake Pahor memberikan pandangan berbeda. Berdasarkan analisis data historis 5.279 hari, ia menyebutkan tiga kondisi umum pembentukan dasar bear market — durasi sekitar 12 bulan, sentimen ekstrem 'ketakutan' berkepanjangan (skor risiko di bawah 20), dan harga jatuh di bawah harga realisasi — belum terpenuhi sama sekali dalam siklus saat ini. Harga realisasi Bitcoin saat ini sekitar $53.000. Pasar tampak terpecah antara mereka yang mulai 'membangun posisi lebih awal' (seperti Doctor Profit) dan yang memilih 'menunggu sinyal konfirmasi lebih kuat' (seperti strategi Jake Pahor). Bitcoin saat ini diperdagangkan sekitar $64.800, tepat di atas moving average 200-minggu sekitar $63.000, dengan indeks Fear & Greed di level 25 (Extreme Fear).

marsbit1j yang lalu

Setelah 9 Bulan Short, Beralih Lengkap ke Long, Trader Terkenal Buka Posisi Bitcoin di Sekitar 64k, Sentimen Bullish vs Bearish Terbelah di Pasar Kripto

marsbit1j yang lalu

Kisah Seorang Trader Senior: Bagaimana Cara Memanfaatkan Ekspektasi Pasar yang Salah?

**Ringkasan: Bagaimana Mendapatkan Keuntungan dari Ekspektasi Pasar yang Salah?** Artikel ini berbagi pengalaman seorang trader senior dalam mengambil keuntungan dari kesalahan ekspektasi pasar, dengan studi kasus transaksi short Nasdaq (NQ) yang sukses. Kasus terjadi setelah data CPI AS yang lebih lemah dari ekspektasi. Pasar bereaksi dengan euforia, mendorong Nasdaq (NQ) naik ke 30060, karena mengira suku bunga akan turun secara luas. Namun, trader ini mengamati bahwa meskipun suku bunga jangka pendek (short-end) rileks, **suku bunga riil 30 tahun justru mencapai level tertinggi baru dalam 20 tahun**. Ini menunjukkan mekanisme transmisi pasar telah berubah: data lemah tidak lagi serta-merta menurunkan biaya modal jangka panjang. Narasi pasar yang salah adalah: **CPI lemah → kebijakan moneter melonggar → penurunan biaya modal jangka panjang → ekspansi valuasi saham teknologi (NQ).** Rantai ini patah di antara "kebijakan" dan "biaya modal jangka panjang". Suku bunga panjang yang tinggi menjadi variabel veto yang menolak konfirmasi optimisme pasar. Trader merumuskan metodologi sistematis untuk mengeksploitasi kesalahan ekspektasi semacam ini: 1. **Identifikasi Rantai Sebab-Akibat Tersirat** pasar. 2. **Temukan Variabel Veto** yang dapat membatalkan narasi tersebut. 3. **Amati Penolakan Konfirmasi** dari variabel veto tersebut. 4. **Tunggu Harga Tetap Bergerak** sesuai skenario lama meski fondasi sudah berubah. 5. **Pilih Ekspresi Aset** yang paling sensitif terhadap kesalahan tersebut (dalam kasus ini: short NQ, bukan S&P 500). 6. **Definisikan Syarat Keluar** untuk kondisi "terbukti salah" dan "logika sudah terealisasi". Kesimpulan kunci: Peluang alpha tidak selalu berasal dari perbedaan informasi, tetapi sering dari **perbedaan fungsi reaksi**. Ketika kondisi makro berubah tetapi pasar terus bereaksi dengan pola lama berdasarkan kebiasaan, disitulah peluang muncul. Pertanyaan paling penting adalah: **Rantai sebab-akibat apa yang menjadi sandaran reaksi pertama pasar hari ini, dan apakah rantai itu masih valid?**

marsbit1j yang lalu

Kisah Seorang Trader Senior: Bagaimana Cara Memanfaatkan Ekspektasi Pasar yang Salah?

marsbit1j yang lalu

Opini: Hubungan Hedging Antara Obligasi AS dan Pasar Saham Telah Gagal, BTC Sebagai Aset Berisiko Menghadapi Tekanan Ganda

**Ringkasan:** Selama 20 tahun terakhir, hubungan lindung nilai tradisional antara saham AS dan obligasi pemerintah AS (treasury) telah runtuh. Biasanya, ketika saham turun, obligasi naik, dan sebaliknya. Namun, sejak sekitar 2020, keduanya bergerak turun secara bersamaan, menghilangkan "peredam kejut" dalam portofolio investasi. Bitcoin, sebagai aset berisiko tinggi, kini menanggung tekanan ganda dari dinamika ini. Analisis menunjukkan bahwa pergeseran ini didorong oleh volatilitas inflasi yang menjadi faktor dominan di pasar, berbeda dengan periode sebelumnya di mana risiko pertumbuhan ekonomi yang lebih menonjol. Investor kini menghindari risiko durasi (sensitif terhadap suku bunga) dengan menjual obligasi jangka panjang dan beralih ke uang tunai, surat utang jangka pendek, atau dolar AS yang kuat. Ini menjelaskan mengapa Bitcoin, emas, dan obligasi jangka panjang bisa jatuh bersamaan. Bitcoin sangat sensitif terhadap kondisi makro: ia cenderung naik ketika imbal hasil riil turun, dolar melemah, dan kondisi keuangan mengendur. Ketika imbal hasil obligasi tanpa risiko (seperti treasury) naik, biaya peluang untuk memegang aset seperti Bitcoin yang tidak memberikan bunga menjadi lebih tinggi. Selain itu, penurunan saham mengurangi selera risiko investor secara keseluruhan. Logika jangka panjang Bitcoin sebagai aset dengan pasokan tetap justru diperkuat oleh kondisi fiskal yang menciptakan imbal hasil tinggi pada obligasi (seperti defisit yang membesar). Namun, dalam jangka pendek, kondisi yang sama ini justru membebani harganya. Pemulihan hubungan lindung nilai tradisional memerlukan meredanya volatilitas inflasi, sehingga risiko pertumbuhan kembali menjadi pendorong utama pasar dan Fed memiliki ruang untuk melonggarkan kebijakan. Sampai saat itu, Bitcoin dan aset berisiko lainnya beroperasi tanpa "lantai" pelindung yang biasanya disediakan oleh obligasi.

marsbit1j yang lalu

Opini: Hubungan Hedging Antara Obligasi AS dan Pasar Saham Telah Gagal, BTC Sebagai Aset Berisiko Menghadapi Tekanan Ganda

marsbit1j yang lalu

Trading

Spot
活动图片