---
title: "Kerapuhan Struktural dalam Kelas Aset Modern: Mengevaluasi Keterikatan pada Real Estat, Konsentrasi AI dalam Indeks, dan Pembiayaan Kembali Kredit Swasta"
author: "DeepValues Research"
publisher: "DeepValues Research (DeepValues / LuLu Ventures LLC)"
type: "Research article"
date: "2026-11-02"
language: "id"
section: "Insights"
machine_translated: true
translation_method: "machine translation (gpt-6.1-sol, Azure OpenAI)"
translated_from: "https://research.deepvalues.ai/insights/2026-11-02-navigating-financial-futures-and-ai-realities/"
original_url: "https://research.deepvalues.ai/insights/2026-11-02-navigating-financial-futures-and-ai-realities/"
original_language: "en"
translated_on: "2026-11-15"
translation_note: "Machine-translated from the original report; the original is authoritative."
canonical_url: "https://research.deepvalues.ai/insights/2026-11-02-navigating-financial-futures-and-ai-realities-id/"
markdown_url: "https://research.deepvalues.ai/insights/2026-11-02-navigating-financial-futures-and-ai-realities-id/index.md"
license: "CC BY 4.0"
license_url: "https://creativecommons.org/licenses/by/4.0/"
cite_as: "DeepValues Research, Kerapuhan Struktural dalam Kelas Aset Modern: Mengevaluasi Keterikatan pada Real Estat, Konsentrasi AI dalam Indeks, dan Pembiayaan Kembali Kredit Swasta, https://research.deepvalues.ai/insights/2026-11-02-navigating-financial-futures-and-ai-realities-id/"
publisher_url: "https://deepvalues.ai"
app: "https://deepvalues.ai"
api: "https://app.deepvalues.ai/developers"
data_note: "Reports are dated snapshots. Current data via the DeepValues API: https://app.deepvalues.ai/developers"
disclaimer: "Educational research, not investment advice."
disclosure: "AI-assisted"
generated_by: "NotebookLM + DeepValues editors"
category: "investing"
sources:
  - title: "Why Young Americans Feel Locked Out with the Lemonade Stand Podcast | The Real Eisman Playbook Ep 82"
    url: "https://www.youtube.com/watch?v=pTFWpojm1dU"
audio: "https://anchor.fm/s/10566d324/podcast/play/128672033/https%3A%2F%2Fd3ctxlq1ktw2nl.cloudfront.net%2Fstaging%2F2026-10-3%2F435740170-44100-2-fe4f7551c0fab.mp3"
audio_kind: "podcast episode"
audio_page: "https://open.spotify.com/episode/6w2jQy586SF1tzCy0PAVZE"
---
# Kerapuhan Struktural dalam Kelas Aset Modern: Mengevaluasi Keterikatan Properti, Konsentrasi AI dalam Indeks, dan Pembiayaan Kembali Kredit Swasta

Kenaikan biaya kepemilikan di luar hipotek dan keterikatan struktural pada suku bunga telah secara fundamental merusak penciptaan kekayaan melalui properti secara tradisional, sementara konsentrasi kecerdasan buatan yang tersembunyi dalam portofolio indeks acuan dan friksi utang yang tidak diakui dalam akuisisi perusahaan perangkat lunak tertutup menimbulkan risiko sistemik yang signifikan bagi investor pasif dan institusional. Bagi investor nilai yang berkomitmen pada pelestarian modal, distorsi yang saling bertemu ini menghilangkan penyangga keamanan tradisional yang melekat pada properti, model alokasi indeks 60/40, dan instrumen imbal hasil kredit swasta. Mencapai margin of safety yang sesungguhnya kini menuntut penilaian ulang yang ketat terhadap integritas neraca, transparansi leverage utang, dan diversifikasi aset yang nyata di pasar publik maupun privat.

---

### 1. Keterikatan Perumahan: Mengapa Properti Tidak Lagi Menjadi Mesin Kekayaan yang Andal

Premis dasar properti residensial modern—bahwa kepemilikan rumah berfungsi sebagai mesin otomatis untuk menciptakan kekayaan lintas generasi—telah menghadapi hambatan struktural yang berat. Setelah penurunan suku bunga bersejarah pada 2021, jutaan pemilik rumah melakukan pembiayaan kembali dengan suku bunga hipotek lama sebesar 3.0% hingga 3.5%. Dengan suku bunga hipotek AS berjangka 30 tahun saat ini berada di sekitar 7.0%, kesenjangan matematis yang sangat besar telah membekukan perputaran transaksi perumahan. Pemilik rumah yang bekerja dengan hipotek 3.0% terikat secara struktural; mengganti pinjaman lama dengan hipotek 7.0% memaksa lonjakan besar dalam pembayaran kewajiban utang bulanan yang tidak bersedia diterima oleh pelaku pasar rasional. Akibatnya, laju transaksi dan persediaan hunian terhenti.

Yang krusial, krisis keterjangkauan ini meluas jauh melampaui harga dasar pembelian nominal dan suku bunga. Inflasi biaya kepemilikan di luar hipotek selama periode lima tahun sebelumnya (2019–2024) telah sangat memperburuk neraca pemilik hunian. Didorong oleh kenaikan majemuk premi asuransi properti dan kerugian, pajak properti pemerintah kota, serta tagihan utilitas, total biaya kepemilikan rumah telah melonjak sekitar 50% terlepas dari harga pembeliannya. 

Dari perspektif investasi nilai, prospek pergerakan harga perumahan nasional lebih condong ke bawah daripada ke atas. Namun, penyesuaian harga ke bawah ini akan berlangsung sangat lambat, bukan mendadak. Berbeda dengan likuidasi sistemik yang terjadi selama krisis keuangan 2008, pasar tenaga kerja secara luas tetap ketat dengan tingkat pengangguran yang rendah. Karena pemilik rumah yang bekerja dan memiliki hipotek 3.0% tidak menghadapi pemicu langsung yang memaksa likuidasi cepat, pembentukan harga akibat tekanan keuangan tetap terbatas.

Terurainya pembekuan persediaan ini hampir sepenuhnya akan bergantung pada demografi jangka panjang, bukan intervensi kebijakan moneter. Dalam rentang 10 tahun, kematian alami generasi ledakan kelahiran yang lebih tua menjadi mekanisme utama yang akan memaksa persediaan hunian masuk ke pasar terbuka. Ketika rumah-rumah ini menjadi bagian dari harta warisan, ahli waris akan melikuidasi aset tersebut pada harga keseimbangan pasar yang berlaku untuk memenuhi kewajiban pajak warisan. Sementara itu, perluasan pasokan tetap terhambat oleh pembatasan zonasi lokal dan penolakan warga terhadap pembangunan di lingkungan mereka. Sementara wilayah pemerintahan kota seperti Los Angeles tetap membentang luas dan dibatasi secara geografis oleh badan zonasi lokal, contoh tandingan internasional seperti Tokyo menunjukkan bahwa kerangka zonasi tingkat nasional dapat menjaga keterjangkauan perumahan dengan melewati penolakan pemerintah kota setempat. Namun, di Amerika Serikat, probabilitas intervensi zonasi tingkat federal atau negara bagian yang mengesampingkan dewan lokal secara praktis tetap nol.

### 2. Ilusi Diversifikasi: Konsentrasi AI di Pasar Ekuitas dan Utang

Investor yang mengandalkan indeks pasif luas berdasarkan asumsi teori portofolio modern klasik beroperasi dalam ilusi diversifikasi yang mendalam. Melalui kerangka Benjamin Graham, manajemen risiko yang sesungguhnya mengharuskan pembedaan antara fluktuasi harga sementara dan kerugian modal permanen. Indeks ekuitas acuan saat ini secara sistematis mengekspos investor pada risiko kerugian permanen yang tidak diakui dengan memusatkan modal pada satu siklus belanja teknologi: rantai nilai kecerdasan buatan.

Meskipun bobot resmi sektor teknologi dalam S&P 500 tercatat sekitar 40%, metrik ini meremehkan risiko tematik yang sesungguhnya. Reklasifikasi oleh penyedia indeks telah memindahkan platform digital utama, seperti Alphabet dan Amazon, ke sektor Layanan Komunikasi dan Konsumsi Nonprimer. Memasukkan kembali operator platform berskala sangat besar ini meningkatkan eksposur langsung terhadap teknologi berkapitalisasi sangat besar menjadi sekitar 50%.

Perhitungan menyeluruh atas keterkaitan sekunder dan pendukung memperluas risiko konsentrasi ini secara signifikan:
*   **Listrik & Utilitas:** Penyedia utilitas listrik yang memasok listrik khusus ke pusat-pusat data menyumbang tambahan 3% pada bobot tematik.
*   **Infrastruktur Industri:** Perusahaan konstruksi pusat data, pemasok peralatan khusus, dan kontraktor jaringan listrik industri menambah ketergantungan sistemik.
*   **Pendukung Keuangan:** Bank investasi besar dan pengelola aset alternatif yang menyediakan penjaminan modal serta pembiayaan utang untuk belanja modal AI memperdalam eksposur.

Secara gabungan, ketergantungan ekonomi efektif S&P 500 pada keberhasilan ekosistem AI mencapai sekitar 65%. 

```
[S&P 500 Effective AI Concentration: ~65%]
├── Direct Tech Sector (Official Weighting): ~40%
├── Reclassified Tech Platforms (Alphabet, Amazon, etc.): ~10%
├── Electric Utilities (Data Center Power Supply): ~3%
└── Industrial Builders & Financial Capital Providers: ~12%
```

Konsentrasi struktural ini juga meluas di pasar pendapatan tetap. Sekitar 15% dari seluruh obligasi korporasi berperingkat layak investasi terkait langsung dengan proyek modal sektor AI, dan sebanyak 50% dari total penerbitan utang korporasi pada 2024 telah ditujukan untuk membiayai infrastruktur terkait AI. Akibatnya, strategi indeks pasif tidak lagi melindungi modal dari risiko ekstrem; penurunan operasional atau keuangan pada penggerak teknologi terkemuka akan secara bersamaan merusak komponen ekuitas dan utang dalam portofolio tradisional 60/40.

Selain itu, konsentrasi modal ini mencerminkan gangguan struktural yang lebih luas dalam ekonomi media dan perhatian konsumen. Perusahaan media tradisional yang tercakup dalam indeks ekuitas luas menghadapi tekanan margin yang berat dari platform digital dengan belanja modal rendah. Sebagai contoh, YouTube kini menguasai pangsa penonton TV sebesar 14% dibandingkan dengan Netflix sebesar 7%. Sementara perusahaan media tradisional mengeluarkan belanja modal besar untuk memproduksi konten bernaskah, platform terbuka dengan konten buatan pengguna meraih keterlibatan penonton dua kali lipat dengan biaya yang jauh lebih kecil, menggambarkan bagaimana aset padat modal di berbagai indeks acuan publik menghadapi pergeseran operasional.

### 3. AI Agentik dan Kerentanan Model Ekonomi Penyapuan Kas Bank

Perangkat AI agentik yang baru muncul menimbulkan ancaman langsung terhadap salah satu model pendapatan paling menguntungkan namun kurang mendapat perhatian dalam operasi perbankan ritel dan pialang modern: margin bunga bersih dari penyapuan kas. 

Mekanisme dasar penyapuan kas bergantung pada kelambanan nasabah ritel. Platform pialang, terutama Charles Schwab, secara otomatis “menyapu” saldo kas nasabah yang belum diinvestasikan dari rekening pialang dan menginvestasikan dana tersebut ke surat utang pemerintah AS jangka pendek atau pasar uang institusional yang menghasilkan imbal hasil sekitar 4.5%. Sebagai gantinya, platform tersebut membayar pemegang rekening ritel suku bunga nominal—sering kali sekitar 20 basis poin (0.20%). Perusahaan memperoleh selisih bunga bersih tanpa lindung nilai sekitar 430 basis poin. Meskipun komisi perdagangan ritel secara historis menjadi pendorong laba pialang, selisih bunga bersih dari kas yang disapu kini merupakan pos pendapatan terbesar Charles Schwab.

```
+-----------------------------------------------------------------------+
|                    TRADITIONAL CASH SWEEP MODEL                       |
|                                                                       |
|  [Retail Customer Cash] ---> Swept by Brokerage (e.g., Schwab)        |
|                                     │                                 |
|                                     ├──> Invests at ~4.50% (Treasuries) |
|                                     └──> Pays Retail ~0.20%           |
|                                                                       |
|  *NET INTEREST SPREAD CAPTURED BY BROKERAGE: ~4.30%                   |
+-----------------------------------------------------------------------+
                                      │
                                      ▼
+-----------------------------------------------------------------------+
|                    AGENTIC AI DISRUPTION MODEL                        |
|                                                                       |
|  [Agentic AI Assistant] ---> Automatically detects uninvested cash    |
|                                     │                                 |
|                                     └──> Reallocates to Money Market  |
|                                          Fund directly yielding ~4.50%|
|                                                                       |
|  *RESULT: Brokerage Net Interest Margin Collapses to Zero             |
+-----------------------------------------------------------------------+
```

Perangkat AI agentik otonom mengancam untuk menghilangkan friksi imbal hasil ini sepenuhnya. Dengan beroperasi secara lokal atau melalui perangkat lunak pihak ketiga, agen keuangan otomatis dapat terus memantau saldo kas menganggur dan menjalankan realokasi terprogram ke reksa dana pasar uang berimbal hasil tinggi pada saat dana disetorkan. Jika nasabah ritel mengadopsi pengelolaan kas otomatis secara massal, selisih bunga bersih bermargin tinggi yang menopang model bisnis pialang akan runtuh.

Untuk mengevaluasi kerentanan ini, investor harus membedakan antara penyapuan kas pialang dan basis bisnis simpanan perbankan komersial. Perusahaan pialang seperti Schwab mengandalkan penyapuan kas menganggur langsung ke rekening milik sendiri yang berimbal hasil rendah untuk memperoleh selisih bunga. Sebaliknya, institusi perbankan komersial seperti JPMorgan Chase memanfaatkan simpanan giro dan tabungan untuk mendanai portofolio pinjaman jangka panjang yang tidak likuid, termasuk hipotek residensial dan utang komersial. Menyadari bahwa agen eksternal otomatis dapat memicu perpindahan simpanan secara cepat, JPMorgan Chase secara proaktif memblokir perangkat AI agentik pihak ketiga dari akses ke infrastruktur simpanan intinya, dengan secara tegas menolak akses agen otomatis ke jalur transaksi rekening nasabah demi melindungi basis pendanaan simpanan inti berbiaya rendahnya.

Munculnya penghilangan peran perantara oleh teknologi dalam keuangan ritel ini menyoroti fenomena makro yang lebih luas: di mana pun perantara keuangan mengandalkan struktur biaya yang tidak transparan, keterlambatan akuntansi, atau friksi struktural untuk memperoleh imbal hasil, leverage sistemik menumpuk. Leverage yang bergantung pada friksi ini kini juga mengancam akuisisi perusahaan teknologi tertutup yang didanai selama era suku bunga nol.
### 4. Kredit Privat, Akuisisi Perangkat Lunak, dan Gelombang Pembiayaan Kembali yang Mendekat

Kerapuhan sistemik telah terakumulasi di pasar ekuitas privat dan kredit privat, khususnya terkait akuisisi dengan utang atas platform perangkat lunak perusahaan yang dilakukan selama rezim kebijakan suku bunga nol pada 2018–2022. 

Ekosistem ini dicirikan oleh sirkularitas struktural. Dana kredit privat secara rutin menyediakan pembiayaan utang untuk mendanai akuisisi yang disponsori perusahaan ekuitas privat, tetapi entitas kredit tersebut sering kali merupakan anak perusahaan dari perusahaan ekuitas privat itu sendiri. Sebagai contoh, Blackstone mengoperasikan BCRED, dana kredit privat terbesar di negara tersebut dengan aset sebesar $80 miliar, yang menggambarkan eratnya keterkaitan antara pemberi pinjaman privat dan sponsor akuisisi.

Selama periode 2018–2022, sponsor ekuitas privat mengakuisisi perusahaan perangkat lunak perusahaan pada kelipatan valuasi yang tinggi, dengan struktur transaksi sekitar 50% ekuitas dan 50% utang berbunga variabel. Model ekuitas privat secara historis mengasumsikan periode kepemilikan 3- hingga 4-tahun sebelum keluar melalui penjualan kepada pembeli strategis atau penawaran umum perdana. Saat ini, periode kepemilikan telah memanjang menjadi 7 tahun. Kenaikan suku bunga telah meningkatkan beban pembayaran utang berbunga variabel, sementara valuasi perangkat lunak perusahaan turun tajam—sebagaimana ditunjukkan oleh Adobe, tolok ukur perangkat lunak perusahaan, yang turun 60% dari puncak harga pasarnya.

Konsekuensi matematis bagi struktur modal berutang sangat berat:

$$\text{Enterprise Value Drop} = 50\% \implies \text{Equity Value} = \$0$$

Karena kewajiban utang memiliki prioritas di atas lapisan ekuitas, penurunan nilai perusahaan sebesar 50% menghapus 100% ekuitas sponsor sebelum aset kredit mengalami kerugian pokok bahkan sebesar satu dolar.

```
BEFORE REVALUATION (1:1 Debt/Equity LBO)
+-----------------------------------+-----------------------------------+
|          Debt ($500M)             |          Equity ($500M)           |
+-----------------------------------+-----------------------------------+
|<---------------------- Enterprise Value: $1.0B ---------------------->|

AFTER 50% ENTERPRISE VALUE DROP
+-----------------------------------------------------------------------+
|                            Debt ($500M)                               |
+-----------------------------------------------------------------------+
|<----------------------- Enterprise Value: $500M --------------------->|
 (Equity Value Completely Wiped Out to $0)
```

Ketika akuisisi perangkat lunak angkatan 2018–2022 ini mendekati tenggat pembiayaan kembali, pemberi pinjaman kredit privat akan meminta sponsor ekuitas privat menyuntikkan modal ekuitas baru untuk menopang imbal hasil pinjaman yang lebih tinggi. Penyedia infrastruktur komputasi awan khusus kecerdasan buatan ("Neoclouds" seperti CoreWeave atau Nebius) menggambarkan tekanan imbal hasil ini: imbal hasil utang di pasar sekunder bagi operator pusat data khusus unit pemrosesan grafis telah melonjak dari 9% saat penerbitan menjadi 15%. Pada biaya utang 15%, model padat modal ini tidak lagi menghasilkan arus kas bebas (FCF) yang positif. Ketika dihadapkan pada kewajiban penyuntikan ekuitas, banyak sponsor ekuitas privat akan menyerahkan kepemilikan ekuitas dan kendali utama kepada pemegang kredit, alih-alih merekapitalisasi aset perangkat lunak yang mengalami penurunan nilai.

Yang krusial, karena aset kredit privat tidak dinilai ulang berdasarkan harga pasar dan diperdagangkan di luar bursa, manajer aset memanfaatkan keterlambatan regulasi dan akuntansi untuk menyamarkan kerugian modal permanen. Manajer dana sering menghindari penurunan nilai tercatat kredit bermasalah dengan memperpanjang jatuh tempo pinjaman, menerbitkan utang di tingkat dana untuk membayar distribusi, atau menerbitkan surat utang dengan pembayaran bunga dalam bentuk tambahan utang, sehingga menciptakan persepsi semu tentang penekanan volatilitas di kalangan pengalokasi modal institusional.

Dinamika utang ini semakin diperburuk oleh arbitrase regulasi dan risiko tata kelola, khususnya ketika aset kredit privat dialihkan ke entitas asuransi yang diatur oleh negara bagian. Di Delaware, pengawasan asuransi dikelola oleh pejabat terpilih—dalam satu kasus yang menonjol, seorang mantan sheriff daerah yang tidak memiliki pengalaman penilaian kelayakan pembiayaan. Di bawah penegakan regulasi yang begitu longgar, pelaku seperti Mark Walter melakukan transaksi pihak berelasi yang luas dan tidak diungkapkan, menempatkan dana pemegang polis pada investasi tidak likuid (termasuk kepemilikan ekuitas dalam waralaba olahraga profesional seperti LA Dodgers dan LA Lakers) jauh melampaui batas yang ditetapkan undang-undang. Penggunaan utang sistemik dan penghindaran regulasi semacam ini secara signifikan meningkatkan risiko kejadian ekstrem di seluruh perantara keuangan nonbank.

### 5. Implikasi Strategis dan Pelajaran Praktis bagi Investor Jangka Panjang

Bagi investor nilai yang beroperasi dalam kerangka Benjamin Graham dan Warren Buffett, kondisi pasar saat ini menuntut disiplin risiko yang ketat, pemeriksaan neraca, dan mandat institusional yang dirancang untuk mencegah penurunan modal permanen:

*   **Mandat I: Audit Transparansi Indeks dan Konsentrasi Eksposur Mendasar:** Pengalokasi modal institusional harus melihat melampaui label sektor di permukaan dalam portofolio indeks luas. Kuantifikasikan ketergantungan ekonomi yang mendasari keterkaitan antara teknologi, pasokan listrik utilitas, infrastruktur industri, dan penerbitan instrumen pendapatan tetap korporasi untuk menghilangkan eksposur yang tidak disadari terhadap gelembung aset bertema tunggal.
*   **Mandat II: Uji Ketahanan Nilai Aktiva Bersih Kredit Privat terhadap Penurunan Nilai Laten:** Tolak Nilai Aktiva Bersih yang tidak dinilai ulang berdasarkan harga pasar yang dilaporkan oleh dana kredit privat dan akuisisi perangkat lunak ekuitas privat angkatan 2018–2022. Nilai ulang utang portofolio yang mendasarinya dengan asumsi imbal hasil pinjaman mengambang sebesar 15% dan penurunan nilai perusahaan pada sisi ekuitas untuk mencerminkan harga pasar sekunder yang sebenarnya.
*   **Mandat III: Prioritaskan Integritas Neraca dan Arus Kas Bebas (FCF) Tanpa Utang:** Fokuskan alokasi modal pada bisnis tangguh dengan belanja modal rendah yang memiliki struktur modal berbunga tetap, daya penetapan harga yang bertahan lama, dan arus kas bebas (FCF) organik tanpa utang. Hindari entitas yang bergantung pada siklus pembiayaan kembali utang terus-menerus atau surat utang jangka pendek berbiaya murah.
*   **Mandat IV: Pertahankan Margin of Safety yang Ketat dan Premi Likuiditas:** Simpan cadangan likuiditas berkualitas tinggi secara langsung dalam surat perbendaharaan jangka pendek, bukan sarana penyapuan kas pialang tanpa lindung nilai. Mempertahankan cadangan modal siap pakai memastikan fleksibilitas yang diperlukan untuk menempatkan modal pada aset berkeyakinan tinggi ketika likuidasi paksa tak terelakkan menyesuaikan kembali harga saham publik dan sarana kredit privat yang dinilai terlalu tinggi.

Untuk menghadapi kerentanan sistemik ini dengan disiplin, kami mengundang pembaca untuk menjelajahi riset perusahaan kami yang bersumber terbuka di situs web DeepValues Research atau memeriksa intrinsic value (nilai intrinsik) suatu saham menggunakan aplikasi DeepValues.

### 6. Angka utama

*   **50%**: Kenaikan total biaya kepemilikan rumah (asuransi, pajak properti, utilitas) selama periode 5-tahun sebelumnya (2019–2024).
*   **7.0% dibandingkan 3.0%–3.5%**: Perkiraan suku bunga kredit pemilikan rumah AS saat ini dibandingkan dengan suku bunga kredit pemilikan rumah lama yang dibiayai kembali pada 2021.
*   **65%**: Perkiraan total eksposur efektif S&P 500 terhadap rantai nilai kecerdasan buatan (menggabungkan 50% teknologi langsung/direklasifikasi, 3% utilitas, serta pendukung industri dan keuangan).
*   **15%**: Proporsi obligasi korporasi berperingkat layak investasi yang terkait langsung dengan pembiayaan kecerdasan buatan.
*   **50%**: Porsi total penerbitan utang korporasi pada 2024 yang dialokasikan untuk belanja modal terkait kecerdasan buatan.
*   **20 poin basis dibandingkan 4.5%**: Suku bunga yang dibayarkan pialang atas kas belum diinvestasikan yang disapu secara otomatis dibandingkan dengan imbal hasil surat perbendaharaan jangka pendek yang diperoleh institusi.
*   **15% dibandingkan 9%**: Imbal hasil utang di pasar sekunder saat ini dibandingkan dengan suku bunga penerbitan awal sebesar 9% untuk utang infrastruktur komputasi awan khusus kecerdasan buatan (misalnya, CoreWeave).
*   **60%**: Persentase penurunan Adobe, tolok ukur perangkat lunak perusahaan, dari puncak harga pasarnya.
*   **$80 miliar**: Total nilai aset BCRED, dana kredit privat terbesar yang dimiliki Blackstone.
*   **14% dibandingkan 7%**: Pangsa pasar pemirsa televisi YouTube dibandingkan dengan Netflix.

### 7. Hal yang akan mengubah pandangan kami

1.  **Pemangkasan Suku Bunga Tanpa Syarat yang Substansial dan Penyempitan Selisih Bunga Kredit Pemilikan Rumah:** Siklus pelonggaran moneter yang drastis dan berkelanjutan yang mengembalikan suku bunga kredit pemilikan rumah primer AS berjangka 30-tahun ke sekitar 4.0% tanpa mempercepat inflasi akan membuka perputaran pasokan hunian, menetralkan efek keterkuncian perumahan tanpa memerlukan likuidasi paksa akibat faktor demografi.
2.  **Penyesuaian Ulang Struktural Pembobotan Indeks S&P 500:** Rotasi pasar yang persisten dan meluas dari saham teknologi berkapitalisasi sangat besar serta sekuritas rantai pasokan kecerdasan buatan menuju perusahaan siklikal, defensif, atau industri yang dinilai terlalu rendah, sehingga mengurangi konsentrasi tematik efektif kecerdasan buatan dalam S&P 500 menjadi di bawah 35%.
3.  **Rekapitalisasi Ekuitas Privat secara Meluas:** Komitmen sistemik sponsor ekuitas privat untuk menyuntikkan modal ekuitas baru yang substansial ke investasi perangkat lunak angkatan 2018–2022 yang mengalami penurunan nilai guna menyerap beban utang berbunga lebih tinggi, mencegah rangkaian gagal bayar, dan menghindari peralihan kendali kepada kreditur selama siklus pembiayaan kembali mendatang.
4.  **Perlindungan Legislatif atas Margin Bunga Bersih Pialang:** Kodifikasi regulasi atau legislasi federal yang memberikan lembaga keuangan hak eksplisit berdasarkan undang-undang untuk membatasi penyapuan kas otomatis oleh agen pihak ketiga, mempertahankan selisih bunga bersih pialang tanpa memicu keluarnya simpanan ritel.

### 8. Sumber

*   Steve Eisman, Aiden McCake, dan Brandon Ewing, "Mengapa Anak Muda Amerika Merasa Tersisih bersama Siniar Lemonade Stand | Panduan Eisman yang Sesungguhnya Episode 82," Kanal YouTube Steve Eisman.

## From DeepValues

- DeepValues app: intrinsic value, stances and the latest reports for 300+ stocks. [iPhone](https://apps.apple.com/us/app/deepvalues/id6775568608?utm_source=research&utm_medium=web&utm_campaign=markdown) · [Android](https://play.google.com/store/apps/details?id=app.deepvalues.android&referrer=utm_source%3Dresearch%26utm_medium%3Dweb%26utm_campaign%3Dmarkdown) · [Web](https://app.deepvalues.ai/?utm_source=research&utm_medium=web&utm_campaign=markdown)
- [Deep Value Intelligence](https://deepvalues.ai/?utm_source=research&utm_medium=web&utm_campaign=markdown): the multi-agent AI analyst behind these reports, for any listed company
- [Margin of Safety Weekly](https://app.deepvalues.ai/letter?utm_source=research&utm_medium=web&utm_campaign=markdown): free weekly email, every Saturday
- YouTube: videos on investing and on AI. [@TheDeepValues](https://www.youtube.com/@TheDeepValues?utm_source=research&utm_medium=web&utm_campaign=markdown) (investing) · [@deep-values](https://www.youtube.com/@deep-values?utm_source=research&utm_medium=web&utm_campaign=markdown) (AI)
- Podcasts: 6 shows in English and Chinese (Deep Values, 深度价值, Deep Values Frontier, 深度價值前沿, Deep Value Intelligence, 深度价值情报站). [all shows on Apple Podcasts](https://podcasts.apple.com/us/channel/deepvalues/id6826606342)
- Buffett Indicator: market-valuation gauge. [iPhone](https://apps.apple.com/us/app/buffett-indicator/id6747404614?utm_source=research&utm_medium=web&utm_campaign=markdown) · [Android (Buffett Indicator & Shiller PE)](https://play.google.com/store/apps/details?id=com.luluventures.bubblewatch.android&utm_source=research&utm_medium=web&utm_campaign=markdown)
