Apa yang terjadi
Cornell Chronicle melaporkan bahwa peneliti Cornell Martin Wells dan Abir Sarkar menciptakan kerangka statistik SV-ADF untuk memeriksa harga saham harian dan mengidentifikasi perilaku seperti gelembung di tingkat masing-masing perusahaan. Analisis mereka mencakup saham-saham yang terpapar AI dari tahun 2020 hingga April 2026 dan menyimpulkan bahwa sektor AI secara keseluruhan tidak boleh diperlakukan sebagai satu gelembung yang seragam.
Cornell Chronicle melaporkan bahwa Martin Wells, seorang profesor ilmu statistik Cornell, dan mahasiswa doktoral Abir Sarkar mengembangkan metode yang disebut kerangka kerja Augmented Dickey – Fuller, atau SV-ADF yang kuat terhadap Volatilitas Stochastic.
Metode ini menggunakan harga saham harian untuk mengidentifikasi kapan episode seperti gelembung dimulai dan berakhir, sambil mencoba memperhitungkan volatilitas biasa. Tujuan yang dinyatakan para peneliti adalah untuk membedakan lonjakan harga sementara dari pola yang mereka anggap sebagai kegembiraan spekulatif pada tingkat saham individu.
Cornell Chronicle melaporkan bahwa para peneliti menganalisis saham-saham yang terpapar AI dari tahun 2020 hingga April 2026. Sampelnya mencakup perusahaan teknologi besar AS yang disebut sebagai “Magnificent Seven,” perusahaan semikonduktor dan infrastruktur AI seperti TSMC dan Broadcom, serta aset mata uang kripto. Artikel tersebut mengatakan analisis tersebut menemukan bukti kuat adanya penilaian berlebihan pada Alphabet, yang harga sahamnya telah meningkat lebih dari 70% dibandingkan tahun sebelumnya, dibandingkan dengan pertumbuhan sekitar 20% pada NASDAQ Composite.
Angka-angka tersebut dan interpretasinya dilaporkan oleh Cornell Chronicle dan tidak dikonfirmasi secara independen di sini. Artikel tersebut mengatakan bahwa para peneliti menemukan bahwa hampir semua perusahaan semikonduktor dalam analisis mereka memasuki gelembung setelah rilis ChatGPT pada November 2022. Cornell Chronicle juga melaporkan bahwa model tersebut mengidentifikasi tanda-tanda penilaian berlebihan di Tesla selama tahun 2020 dan kegembiraan dalam Bitcoin dan Ethereum yang dimulai pada bulan Desember 2020. Menurut laporan tersebut, gelembung-gelembung sebelumnya tersebut kemudian runtuh, meskipun kegembiraan baru kemudian muncul dalam beberapa kasus.
Sumber tidak mengidentifikasi setiap perusahaan dalam sampel, memberikan tanggal per perusahaan, atau memberikan ambang batas statistik yang digunakan untuk mengklasifikasikan suatu episode. Cornell Chronicle menyajikan makalah, "Is There an AI Bubble? Robust Data-stamping for Periods of Exuberance," yang diterbitkan pada bulan Juli di Frontiers in Mathematical Finance, sebuah jurnal dari American Institute of Mathematical Sciences. Laporan tersebut mengutip para peneliti yang mengatakan bahwa metode mereka tidak mengklasifikasikan segala sesuatu sebagai gelembung dan dirancang untuk menghindari memperlakukan seluruh sektor sebagai sesuatu yang spekulatif hanya karena beberapa perusahaan mengalami pergerakan harga yang ekstrim. Sumbernya adalah publikasi institusional Cornell tentang karya para peneliti Cornell; tidak ada replikasi independen, penilaian tinjauan sejawat eksternal di luar publikasi yang disebutkan, tanggapan perusahaan, atau kumpulan data mendasar yang disertakan dalam materi yang disediakan.
Detail sumber: news.cornell.edu ↗
Mengapa itu penting
Penelitian ini menawarkan cara yang lebih terperinci untuk menilai apakah kenaikan harga akibat AI mencerminkan kegembiraan spekulatif atau kinerja sektor yang lebih luas. Cornell Chronicle melaporkan bahwa Alphabet menunjukkan bukti kuat mengenai penilaian berlebihan, namun sumber tersebut tidak secara independen mengkonfirmasi temuan surat kabar tersebut, memberikan data yang mendasarinya, atau menetapkan bahwa saham apa pun akan jatuh.
Kontribusi utama yang dijelaskan oleh Cornell Chronicle adalah unit analisis yang lebih sempit. Alih-alih menanyakan apakah “AI” sebagai suatu kategori berada dalam gelembung, para peneliti bertanya apakah perusahaan tertentu menunjukkan pola statistik yang terkait dengan gelembung tersebut. Perbedaan tersebut penting karena perusahaan-perusahaan yang terkait dengan AI mencakup manufaktur chip, infrastruktur cloud, perangkat lunak, pencarian, produk konsumen, dan paparan mata uang kripto. Label sektoral dapat menyembunyikan perbedaan dalam pendapatan, model bisnis, dan ekspektasi pasar, sementara analisis saham individu mungkin menawarkan titik awal yang lebih spesifik untuk pengawasan.
Temuan Alphabet yang dilaporkan berpotensi penting karena Alphabet adalah perusahaan publik yang besar dan terdiversifikasi, bukan startup AI yang fokusnya sempit. Cornell Chronicle mengatakan kinerja sahamnya jauh melebihi NASDAQ Composite selama periode yang dibahas dan metode para peneliti mendeteksi bukti kuat adanya penilaian berlebihan. Namun, indikasi statistik mengenai perilaku harga seperti gelembung tidak sama dengan bukti bahwa saham suatu perusahaan salah dalam penetapan harga. Hal ini juga tidak menjelaskan mengapa investor memberi harga pada saham seperti yang mereka lakukan atau memprediksi kapan harga akan berubah.
Temuan historis yang dilaporkan memberikan konteks bagaimana antusiasme terkait AI dapat menyebar ke pasar-pasar yang berdekatan. Cornell Chronicle mengatakan perusahaan semikonduktor secara luas menunjukkan perilaku gelembung setelah rilis ChatGPT, sementara Tesla dan mata uang kripto utama menunjukkan tanda-tanda kegembiraan pada periode sebelumnya. Jika divalidasi secara independen, metode tingkat perusahaan dapat membantu analis memisahkan antusiasme teknologi yang luas dari episode spekulatif yang terkonsentrasi. Hal ini juga dapat membuat perbandingan antar perusahaan infrastruktur dan aplikasi AI menjadi lebih tepat dibandingkan dengan satu judul tentang “gelembung AI”.
Batasan praktisnya sangat signifikan. Sumber ini tidak memberikan metodologi lengkap, konstruksi sampel, interval kepercayaan, pemeriksaan ketahanan, kode, atau hasil lengkap makalah ini. Hal ini juga tidak menetapkan bahwa metode tersebut bekerja secara real time, membedakan semua kemungkinan penyebab pergerakan harga yang tidak biasa, atau menunjukkan seberapa sering metode tersebut menghasilkan positif palsu.
Cornell Chronicle melaporkan bahwa peneliti Cornell bermaksud memperluas penelitian dengan Robert Jarrow, namun artikel tersebut tidak memberikan hasil dari penelitian yang direncanakan tersebut. Tidak ada perusahaan publik yang dilaporkan menerima temuan tersebut, dan tidak ada analis keuangan independen yang mengevaluasi temuan tersebut.
Mekanisme Interaktif: Cara Kerja Sebenarnya
Jelajahi teknologi yang mendasari di balik perkembangan ini secara interaktif.
Which component of an AI application is the machine-learning model itself?
Apa yang harus ditonton selanjutnya
Perhatikan replikasi independen kerangka SV-ADF, publikasi data atau kodenya, dan analisis tambahan oleh para peneliti. Penelitian di masa depan mungkin dapat memperjelas kinerja metode ini di lebih banyak perusahaan dan kondisi pasar, namun laporan saat ini tidak memberikan perkiraan investasi atau jadwal koreksi apa pun.
Bukti berguna berikutnya adalah rincian yang dapat direproduksi: makalah lengkap, definisi data, kode, atau materi lain yang memungkinkan peneliti luar menjalankan kerangka SV-ADF pada periode dan sampel yang sama. Materi yang diberikan tidak menyebutkan apakah replikasi tersebut telah terjadi.
Pengujian independen harus memeriksa apakah metode tersebut mencapai kesimpulan yang sama ketika diterapkan pada perusahaan terkait AI yang berbeda, periode pasar yang berbeda, dan ukuran volatilitas alternatif. Perhatikan apakah kolaborasi yang direncanakan para peneliti menghasilkan pengujian yang lebih luas terhadap estimasi gelembung harga aset.
Cornell Chronicle mengatakan Wells dan Sarkar bermaksud memperluas penelitiannya bersama Jarrow, yang digambarkan dalam artikel tersebut sebagai peneliti terkemuka di bidang tersebut. Pekerjaan di masa depan ini dapat memperjelas bagaimana kerangka kerja tersebut berhubungan dengan metode deteksi gelembung yang ada dan apakah klasifikasi tingkat sahamnya tetap stabil ketika informasi baru mengubah harga pasar.
Pembaca juga harus memperhatikan perbedaan antara mengidentifikasi pola historis dan memperkirakan penurunan di masa depan. Cornell Chronicle mengutip Jarrow yang mengatakan bahwa mengidentifikasi saham dengan gelembung dapat membantu investor membuat keputusan yang lebih baik, namun laporan tersebut tidak menyajikan strategi perdagangan, target harga, atau perkiraan untuk Alphabet atau perusahaan lain mana pun.
Hal-hal penting yang belum diketahui mencakup keakuratan prediksi metode ini, bagaimana klasifikasi berubah dengan data yang diperbarui, dan apakah sinyal yang dilaporkan mencerminkan penilaian yang berlebihan dan bukan ekspektasi yang sah mengenai pendapatan terkait AI di masa depan.