Membedakan Jenis Penarikan, Lebih Penting daripada Membeli di Dasar dengan Buta

marsbitDipublikasikan tanggal 2026-02-15Terakhir diperbarui pada 2026-02-15

Abstrak

Artikel ini membedakan dua jenis penurunan harga saham: penurunan sistematis (disebabkan pasar, seperti krisis keuangan 2008) dan penurunan idiosinkratik (spesifik perusahaan, seperti penurunan saham software karena kekhawatiran AI). Penulis menggunakan FactSet (FDS) sebagai contoh. Selama penurunan sistematis, investor dapat memanfaatkan keunggulan perilaku (behavioral edge) dengan bersabar menunggu pemulihan pasar. Namun, selama penurunan idiosinkratik, investor memerlukan keunggulan analitis (analytical edge) – visi yang lebih akurat tentang masa depan perusahaan dalam 10 tahun ke depan dibandingkan yang diimplikasikan harga pasar. Pesan utamanya: penting untuk mengidentifikasi jenis penurunan sebelum berinvestasi. Jangan gunakan solusi perilaku yang tumpul (sekaligus membeli) untuk memecahkan masalah yang membutuhkan analisis mendalam tentang kekuatan moat perusahaan.

Penulis Asli: Todd Wenning

Kompilasi Asli: Deep Tide TechFlow

Panduan: Teori keuangan akademis membagi risiko menjadi risiko sistematis dan risiko idiosinkratik. Demikian pula, penarikan saham juga dibagi menjadi dua: penarikan sistematis yang digerakkan oleh pasar (seperti krisis keuangan 2008) dan penarikan idiosinkratik spesifik perusahaan (seperti jatuhnya saham perangkat lunak yang disebabkan oleh kekhawatiran AI saat ini).

Todd Wenning menggunakan FactSet sebagai contoh untuk menunjukkan: selama penarikan sistematis, Anda dapat memanfaatkan keunggulan perilaku (bersabar menunggu pasar pulih); tetapi selama penarikan idiosinkratik, Anda memerlukan keunggulan analitis—visi Anda tentang perusahaan dalam sepuluh tahun ke depan harus lebih akurat daripada pasar.

Di tengah gempuran AI terhadap saham perangkat lunak saat ini, investor harus membedakan: apakah ini kepanikan pasar sementara, atau parit pertahanan perusahaan benar-benar runtuh?

Jangan menggunakan solusi perilaku yang tumpul untuk menyelesaikan masalah yang memerlukan analisis yang halus.

Teks lengkap sebagai berikut:

Teori keuangan akademis menganggap ada dua jenis risiko: sistematis dan idiosinkratik.

  • Risiko sistematis adalah risiko pasar yang tidak dapat dihindari. Ini tidak dapat dihilangkan melalui diversifikasi, dan ini adalah satu-satunya jenis risiko yang Anda dapatkan kompensasinya.
  • Di sisi lain, risiko idiosinkratik adalah risiko spesifik perusahaan. Karena Anda dapat membeli portofolio diversifikasi bisnis yang tidak terkait dengan murah, Anda tidak akan mendapat kompensasi untuk mengambil risiko jenis ini.

Kita bisa membahas teori portofolio modern lain kali, tetapi kerangka sistematis-idiosinkratik sangat membantu untuk memahami berbagai jenis penarikan (penurunan persentase dari puncak ke lembah investasi) dan bagaimana kita sebagai investor harus menilai peluang.

Sejak kita mengambil buku investasi nilai pertama, kita diajarkan untuk memanfaatkan Tuan Pasar yang frustasi saat penjualan saham. Jika kita tetap tenang saat dia kehilangan akal sehat, kita akan membuktikan diri sebagai investor nilai yang tabah.

Tetapi tidak semua penarikan sama. Beberapa digerakkan oleh pasar (sistematis), sementara yang lain spesifik perusahaan (idiosinkratik). Sebelum Anda mengambil tindakan, Anda perlu tahu jenis mana yang Anda lihat.

Dihasilkan oleh Gemini

Penjualan saham perangkat lunak baru-baru ini karena kekhawatiran AI menggambarkan hal ini. Mari kita lihat sejarah penarikan 20 tahun antara FactSet (FDS, biru) dan S&P 500 (diukur melalui ETF SPY, oranye).

Sumber: Koyfin, per 12 Februari 2026

Penarikan FactSet selama krisis keuangan terutama bersifat sistematis. Pada tahun 2008/09, seluruh pasar khawatir tentang ketahanan sistem keuangan, dan FactSet juga tidak kebal dari kekhawatiran ini, terutama karena menjual produk kepada profesional keuangan.

Saat itu, penarikan saham kurang berkaitan dengan parit ekonomi FactSet, dan lebih tentang apakah parit FactSet akan penting jika sistem keuangan runtuh.

Penarikan FactSet tahun 2025/26 adalah kebalikannya. Di sini, kekhawatiran hampir sepenuhnya terfokus pada parit FactSet dan ruang pertumbuhannya, serta kekhawatiran umum tentang kemampuan AI yang dipercepat mengganggu kekuatan penetapan harga industri perangkat lunak.

Dalam penarikan sistematis, Anda dapat membuat taruhan arbitrase waktu dengan lebih masuk akal. Sejarah menunjukkan bahwa pasar cenderung pulih, perusahaan dengan parit yang utuh bahkan mungkin lebih kuat dari sebelumnya, jadi jika Anda bersedia dan mampu bersabar saat orang lain panik, Anda dapat memanfaatkan nafsu yang kuat untuk memanfaatkan keunggulan perilaku.

Foto oleh Walker Fenton di Unsplash

Namun, dalam penarikan idiosinkratik, pasar memberi tahu Anda bahwa ada yang salah dengan bisnis itu sendiri. Khususnya, ini mengisyaratkan bahwa nilai akhir bisnis semakin tidak pasti.

Oleh karena itu, jika Anda berharap memanfaatkan penarikan idiosinkratik, Anda perlu memiliki keunggulan analitis di samping keunggulan perilaku.

Untuk berhasil, Anda perlu memiliki visi tentang bagaimana perusahaan akan terlihat dalam sepuluh tahun ke depan yang lebih akurat daripada yang saat ini diisyaratkan oleh harga pasar.

Bahkan jika Anda sangat mengenal suatu perusahaan, ini tidak mudah dilakukan. Saham biasanya tidak turun 50% relatif terhadap pasar tanpa alasan. Banyak pemegang yang sebelumnya stabil—bahkan mungkin beberapa investor yang Anda hormati karena penelitian mendalam mereka—harus menyerah agar hal ini terjadi.

Jika Anda akan turun tangan sebagai pembeli selama penarikan idiosinkratik, Anda perlu memiliki jawaban untuk menjelaskan mengapa investor yang pada dasarnya berpengetahuan dan bijaksana ini salah menjual, dan mengapa visi Anda benar.

Hanya ada garis tipis antara keyakinan dan kesombongan.

Baik Anda memegang saham yang mengalami penarikan, atau ingin memulai posisi baru di dalamnya, penting bagi Anda untuk memahami jenis taruhan apa yang Anda lakukan.

Penarikan idiosinkratik dapat menggoda investor nilai untuk mulai mencari peluang. Sebelum Anda mengambil risiko, pastikan Anda tidak menggunakan solusi perilaku yang tumpul untuk memecahkan masalah yang memerlukan analisis yang halus.

Tetap sabar, tetap fokus.

Todd

Pertanyaan Terkait

QApa perbedaan utama antara risiko sistematis dan risiko idiosinkratik dalam konteks penurunan harga saham?

ARisiko sistematis adalah risiko pasar yang tidak dapat dihindari dan mempengaruhi seluruh pasar (seperti krisis keuangan 2008), sementara risiko idiosinkratik adalah risiko spesifik perusahaan yang terkait dengan masalah bisnis tertentu (seperti kekhawatiran AI pada saham FactSet).

QMengapa investor perlu membedakan jenis penurunan (sistematis vs idiosinkratik) sebelum mengambil keputusan investasi?

AKarena strategi yang tepat berbeda untuk setiap jenis: penurunan sistematis memanfaatkan keunggulan perilaku (kesabaran menunggu pemulihan pasar), sedangkan penurunan idiosinkratik memerlukan keunggulan analitis (pemahaman mendalam tentang masa depan perusahaan).

QBagaimana contoh penurunan sistematis dan idiosinkratik pada saham FactSet menurut artikel?

APenurunan sistematis terjadi selama krisis keuangan 2008/09 saat seluruh pasar khawatir tentang sistem keuangan. Penurunan idiosinkratik terjadi pada 2025/26 akibat kekhawatiran spesifik tentang dampak AI pada moat bisnis FactSet.

QApa yang dimaksud dengan 'keunggulan analitis' yang diperlukan untuk menghadapi penurunan idiosinkratik?

AKeunggulan analitis berarti memiliki visi yang lebih akurat tentang bagaimana perusahaan akan terlihat dalam 10 tahun ke depan dibandingkan dengan yang diimplikasikan harga pasar saat ini, termasuk memahami mengapa investor lain mungkin salah menjual.

QMengapa artikel menyarankan untuk tidak menggunakan 'solusi perilaku tumpul' untuk masalah penurunan idiosinkratik?

AKarena penurunan idiosinkratik memerlukan analisis mendalam tentang fundamental perusahaan, bukan sekadar mengandalkan kesabaran atau perilaku pasar seperti pada penurunan sistematis yang bersifat sementara.

Bacaan Terkait

Ketika Penjual Sekop Juga Harus Pinjam Uang untuk Beli Sekop: Pasar Saham AI AS Kehilangan Triliunan dalam Seminggu, Pasar Mulai 'Membanderol' Tagihan AI

Minggu lalu, pasar saham AI AS mengalami penurunan drastis meskipun banyak perusahaan melaporkan rekor pendapatan. Saham seperti Broadcom dan Oracle anjlok setelah laporan kuartalan, meskipun angka penjualan dan pesanan mereka sangat kuat. Indeks Nasdaq juga jatuh 4% pada 5 Juni. Masalahnya bukan pada pendapatan, tetapi pada cara mencapainya. Pasar mulai mempertanyakan biaya besar yang diperlukan untuk infrastruktur AI. Oracle, misalnya, memiliki arus kas bebas negatif dan berencana mengumpulkan dana $40 miliar lagi, meskipun baru saja mengumpulkan hampir $500 miliar. Broadcom melihat margin menurun karena meningkatnya penjualan chip AI. Rantai pendanaan untuk balapan AI ini semakin tegang. Alphabet, yang memiliki cadangan tunai besar, masih melakukan pendanaan ekuitas $84,75 miliar. Perusahaan dari penyedia chip hingga lab AI seperti OpenAI dan Anthropic bergantung pada pembiayaan eksternal. Namun, banyak pesanan besar (seperti >50% pesanan Oracle) hanya berasal dari segelintir lab AI yang belum profitabel ini, menciptakan titik tekanan konsentrasi risiko. Intinya, pasar tidak lagi hanya menghargai pertumbuhan, tetapi mulai memeriksa siapa yang membayar tagihan AI yang sangat besar dan bagaimana caranya. IPO SpaceX yang akan datang menjadi uji tekanan berikutnya bagi rantai pendanaan ini.

marsbit12m yang lalu

Ketika Penjual Sekop Juga Harus Pinjam Uang untuk Beli Sekop: Pasar Saham AI AS Kehilangan Triliunan dalam Seminggu, Pasar Mulai 'Membanderol' Tagihan AI

marsbit12m yang lalu

Doubao Berbayar Lebih Mahal dari GPT, Sementara DeepSeek Justru Potong Harga Drastis, Siapa yang Akan Menang?

Penulis: Think AI, Aaron Industri AI menyaksikan perkembangan yang kontras. Doubao (ByteDance) mengonfirmasi akan mulai berbayar pada akhir Juni, dengan harga tinggi - versi Pro bahkan melebihi ChatGPT Plus. Sebaliknya, DeepSeek justru mengumumkan penurunan harga permanen pada akhir Mei, menurunkan harga API-nya menjadi seperempat harga asli, menciptakan rekor harga global baru. Reaksi pengguna pun bertolak belakang: Doubao mendapat banyak kritik, sementara DeepSeek dipuji. Kedua perusahaan ini mengambil strategi berbeda. Doubao, dengan basis pengguna C-nya yang besar (345 juta MAU), memulai langkah berbayar untuk menutupi biaya komputasi yang sangat besar dari 120+ triliun Token harian. Sementara DeepSeek (130 juta MAU) fokus pada pasar B dan menurunkan harga berkat inovasi arsitektur yang memangkas konsumsi daya komputasi, otonomi daya komputasi lokal, dan optimalisasi teknik, membangun parit pertahanan di pasar bisnis. Kedua perusahaan masih dalam fase kerugian. Dibandingkan dengan model berlangganan OpenAI, Anthropic menunjukkan jalur berbeda dengan meraih profitabilitas melalui pendapatan korporat (80%+). Kunci utamanya adalah AI harus tertanam dalam alur kerja nyata untuk menghemat biaya tenaga kerja, bukan sekadar obrolan. AI akan mencapai ROI nyata baik melalui ekosistem produktivitas C seperti Doubao, atau platform agen B seperti DeepSeek. DeepSeek baru saja mengumpulkan pendanaan $70 miliar, memperkuat posisinya. Pemenang akhirnya adalah pemain yang berhasil mengubah AI menjadi ROI yang nyata. Komersialisasi AI masih dalam tahap awal.

marsbit18m yang lalu

Doubao Berbayar Lebih Mahal dari GPT, Sementara DeepSeek Justru Potong Harga Drastis, Siapa yang Akan Menang?

marsbit18m yang lalu

Janji Tahun Besar IPO Kripto? Hanya Satu yang Tercatat dalam Setengah Tahun, dan Sudah Jatuh 70%

**Ringkasan:** Meski tahun 2026 dijuluki sebagai "tahun IPO crypto", kenyataannya sangat berbeda. Sementara SpaceX bersiap meluncurkan IPO terbesar dalam sejarah (valuasi $1.75 triliun), pipa IPO perusahaan crypto justru membeku. BitGo, satu-satunya perusahaan crypto yang berhasil IPO tahun ini, kinerjanya buruk. Sahamnya telah anjlok sekitar 70% dari harga penawaran awal. Hal ini menjadi peringatan bagi perusahaan lain yang mengantre. Kraken, yang sebelumnya menargetkan IPO kuartal pertama, telah membekukan rencananya. Valuasinya dilaporkan menyusut 33% dalam lima bulan. Consensys (induk MetaMask) menunda IPO setidaknya hingga musim gugur, sementara Bitpanda kemungkinan besar akan melewatkan tenggat waktu IPO semester pertamanya. Pasar crypto sendiri sedang lesu, dengan Bitcoin jatuh di bawah $60,000 untuk pertama kalinya tahun ini. Likuiditas tersedot oleh IPO raksasa seperti SpaceX dan sektor AI. Ada tenggat waktu politik yang mendesak: pemilihan pertengahan jabatan AS pada November dapat mengubah lanskap regulasi. Banyak perusahaan crypto awalnya menargetkan IPO sebelum pemilihan untuk memanfaatkan kepastian kebijakan saat ini. Dengan kondisi pasar yang lemah dan contoh kegagalan BitGo, perusahaan-perusahaan crypto kini lebih memilih menunggu daripada terburu-buru membuka buku keuangan mereka kepada publik. Jendela peluang IPO crypto tahun ini tampaknya akan menutup, kecuali jika ada perbaikan signifikan dalam likuiditas dan sentimen pasar setelah IPO SpaceX.

marsbit31m yang lalu

Janji Tahun Besar IPO Kripto? Hanya Satu yang Tercatat dalam Setengah Tahun, dan Sudah Jatuh 70%

marsbit31m yang lalu

Di Balik "Pabrik AI" Musk dan Huang, Perang "Perampasan Air Tawar" Tak Terlihat Telah Dimulai

Anda mungkin tidak menyadari bahwa setiap kali Anda meminta ChatGPT menulis laporan mingguan 100 kata atau Claude memperbaiki beberapa baris kode, sekitar 500 ml air tawar murni (setara dengan satu botol air mineral) akan menguap menjadi uap putih dari pipa pendingin di suatu tempat di Bumi. Laporan terbaru dari United Nations University (UNU) mengungkap biaya lingkungan global AI yang mengkhawatirkan: pada 2030, konsumsi air tahunan infrastruktur AI diperkirakan mencapai 9,3 triliun liter—cukup untuk memenuhi kebutuhan air dasar 1,3 miliar penduduk dunia selama setahun. Mengapa AI menjadi "raksasa peminum air"? Jawabannya terletak pada sistem pendingin pusat data. Lebih dari 70% pusat data global menggunakan sistem pendingin evaporatif, di mana sekitar 80% air yang digunakan untuk mendinginkan chip berdaya tinggi seperti GPU NVIDIA Blackwell menguap ke atmosfer dan tidak dapat didaur ulang secara lokal. Contoh nyata: Pelatihan GPT-4 sekali saja menghabiskan sekitar 600 juta liter air bersih. Konsumsi air Google telah melampaui 81 miliar galon per tahun, sementara Microsoft menghadapi protes warga Iowa karena pusat datanya bersaing merebut air tanah dengan lahan pertanian. Konflik memuncak di Memphis, Tennessee, pada 2026. Kluster superkomputer Colossus milik xAI (Elon Musk), yang dibangun dalam 122 hari, memompa 1 juta galon air minum warga per hari dari aquifer lokal. Tekanan publik memaksa xAI membangun pabrik daur ulang air senilai $80 juta untuk menggunakan air limbah sebagai pengganti. Menanggapi kritik, CEO Microsoft Satya Nadella mempromosikan sistem pendingin "loop tertutup tanpa air" yang diklaim hampir tidak mengonsumsi air. Namun, sistem ini meningkatkan konsumsi listrik 20-30%, mengalihkan jejak air secara tidak langsung ke pembangkit listrik. Bagi industri AI China, krisis air ini menjadi peringatan sekaligus peluang. Strategi "Perhitungan Timur-Datanya Barat" memanfaatkan geografi seperti Guizhou dan Mongolia Dalam untuk lokasi pusat data. Kunci utamanya adalah rekonstruksi komputasi hybrid: kecerdasan di tepi (edge AI) seperti pada perangkat rumah pintar dan robot embodied, yang dapat menangani 90% tugas secara lokal dengan chip hemat daya, mengurangi ketergantungan pada komputasi awan yang boros air dan energi. Perang memperebutkan air tawar ini memaksa AI global menghadapi batasan fisik Bumi. Masa depan AI akan ditentukan oleh kemampuannya beradaptasi dengan sumber daya yang terbatas, bukan hanya oleh peningkatan daya komputasi.

marsbit1j yang lalu

Di Balik "Pabrik AI" Musk dan Huang, Perang "Perampasan Air Tawar" Tak Terlihat Telah Dimulai

marsbit1j yang lalu

AGI Hanya Satu Langkah Lagi

Anthropic secara resmi merilis model Fable 5, versi dengan pembatasan keamanan dari model terkuat mereka, Mythos 5. Dalam pengujian, Fable 5 menunjukkan kemampuan "agen jarak jauh" yang luar biasa, seperti memigrasi 50 juta baris kode dalam sehari untuk Stripe, sehingga secara sempit telah mencapai AGI di bidang ekonomi digital. Model ini telah mencapai Level 3 (Agen) dan mendekati Level 4 (Inovator) dalam standar OpenAI. Namun, model dasar Mythos 5 dinilai sangat berbahaya karena memiliki kemampuan tingkat CB-1, yang berarti dapat membimbing pembuatan senjata biologi/kimia dan mengeksploitasi kerentanan siber kritis. Untuk mencegah penyalahgunaan, Anthropic menerapkan dua lapis pengamanan pada Fable 5: mekanisme perutean degradasi diam-diam ke model yang lebih lama dan kebijakan retensi data 30 hari untuk semua traffic. Dari sisi harga, Fable 5 ditawarkan dengan harga premium, menjadikan model paling canggih ini sebagai "barang mewah" yang hanya terjangkau bagi klien korporat. Hal ini mengarah pada konsolidasi anggaran pasar B2B di sekitar Anthropic, sementara model yang lebih murah bersaing di pasar konsumen. Kehadiran model ini menandai matangnya industri AI, di mana kecerdasan paling kuat dialokasikan sebagai aset strategis untuk infrastruktur dan aplikasi bisnis, sekaligus mengisyaratkan disrupsi besar di pasar tenaga kerja.

marsbit1j yang lalu

AGI Hanya Satu Langkah Lagi

marsbit1j yang lalu

Trading

Spot
Futures
活动图片

Kategori Populerright-arrow

Tag Populerright-arrow