Imbal Hasil Obligasi AS Naik ke 5,2%, Bantalan Aman Saham Menipis

Harga saham global masih bertahan di dekat rekor tertinggi, tetapi ada satu angka yang mulai membuat sebagian pelaku pasar gelisah: imbal hasil obligasi pemerintah AS bertenor 10 tahun naik ke 5,2%. Kombinasi inilah inti ceritanya — saham setinggi-tingginya di saat obligasi kini membayar lebih besar — sehingga bantalan pengaman bagi pemegang saham nyaris hilang.

Untuk melihat kenapa itu penting, bayangkan obligasi pemerintah sebagai tempat paling aman menaruh uang. Kalau tempat paling aman itu saja sudah membayar 5,2% per tahun, investor otomatis menuntut imbalan yang lebih tinggi dari saham, yang risikonya jauh lebih besar. Imbalan saham biasa diukur lewat earnings yield, yaitu laba perusahaan dibandingkan harga sahamnya. Ketika harga saham setinggi sekarang, earnings yield-nya justru mengecil; bahkan setelah dibandingkan dengan imbal hasil obligasi, selisihnya menjadi negatif. Artinya investor tidak lagi dibayar ekstra untuk menanggung risiko saham — inilah margin pengaman yang disebut menipis.

Di sisi lain ada gelombang belanja modal besar-besaran di sektor teknologi. Perusahaan-perusahaan raksasa penyedia komputasi awan menggelontorkan dana untuk infrastruktur kecerdasan buatan, dengan total yang diperkirakan menembus sekitar US$1 triliun. Persoalannya, hasil dari belanja sebesar itu belum pasti: persaingan makin ketat dan arus modal keluar meningkat, sehingga belum jelas kapan dan seberapa besar investasi tersebut akan kembali.

Gambaran ini masih bisa bergerak ke dua arah, dan itu bagian dari ceritanya. Kalau imbal hasil obligasi kembali turun, tekanan pada saham bisa mengendur dan selisih imbalan bisa kembali positif. Sebaliknya, jika imbal hasil bertahan tinggi atau laba perusahaan teknologi tak kunjung mengejar besarnya belanja, ruang aman bisa makin sempit. Dua hal yang layak diperhatikan pelaku pasar adalah ke mana arah imbal hasil obligasi bergerak dan apakah ada bukti nyata bahwa belanja AI mulai menghasilkan. Arahnya belum pasti dan sangat bergantung pada data yang datang berikutnya.