Data Alternatif &Peramalan Keuangan:Apakah Stocktwits &Citra Satelit Mengganggu Prediksi Analis?

Sejak awal abad ini, jumlah satelit yang mengorbit Bumi telah meningkat lebih dari 800%, dari kurang dari 1.000 menjadi lebih dari 9.000. Kelimpahan ini menimbulkan sejumlah dampak yang aneh dan meresahkan. Salah satunya adalah perusahaan menjual data citra satelit tempat parkir kepada analis keuangan. Analis kemudian menggunakan informasi ini untuk membantu mengukur pengunjung toko, membandingkan retailer dengan pesaing, dan memperkirakan pendapatannya.

Ini hanyalah salah satu contoh informasi baru, atau “data alternatif”, yang kini tersedia bagi para analis untuk membantu mereka membuat prediksi tentang kinerja saham di masa depan. Di masa lalu, analis membuat prediksi berdasarkan laporan keuangan publik perusahaan.

Email mingguan dalam bahasa Inggris yang menampilkan keahlian dari para sarjana dan peneliti. Laporan ini memberikan pengenalan terhadap keragaman penelitian yang dihasilkan oleh benua ini dan mempertimbangkan beberapa permasalahan utama yang dihadapi negara-negara Eropa. Dapatkan buletinnya!

Menurut penelitian kami, banyaknya sumber data baru telah meningkatkan prediksi jangka pendek namun memperburuk analisis jangka panjang, yang dapat menimbulkan konsekuensi besar.

Tweet, twit, dan data kartu kredit

Dalam makalah tentang pengaruh data alternatif terhadap perkiraan keuangan, kami menghitung lebih dari 500 perusahaan yang menjual data alternatif pada tahun 2017, jumlah ini meningkat dari kurang dari 50 pada tahun 1996. Saat ini, broker data alternatif Datarade mencantumkan lebih dari 3.000 kumpulan data alternatif untuk dijual.

Selain citra satelit, sumber informasi baru mencakup Google, statistik kartu kredit, dan media sosial seperti X atau Stocktwits, platform mirip X yang populer tempat investor berbagi gagasan tentang pasar. Misalnya, pengguna Stocktwits berbagi grafik yang menunjukkan evolusi harga suatu saham (misalnya saham Apple) dan penjelasan mengapa evolusi tersebut memprediksi kenaikan atau penurunan harga. Pengguna juga menyebutkan peluncuran produk baru oleh suatu perusahaan dan apakah hal tersebut membuat mereka optimis atau bearish terhadap saham perusahaan tersebut.

Dengan menggunakan data dari Institutional Brokers’ Estimate System (I/B/E/S) dan analisis regresi, kami mengukur kualitas perkiraan 65 juta analis ekuitas dari tahun 1983 hingga 2017 dengan membandingkan prediksi analis dengan laba per saham aktual dari saham perusahaan.

Kami menemukan, seperti yang ditemukan oleh orang lain, bahwa ketersediaan lebih banyak data menjelaskan mengapa analis saham menjadi semakin lebih baik dalam membuat proyeksi jangka pendek. Namun kami melangkah lebih jauh dengan menanyakan bagaimana data alternatif ini mempengaruhi proyeksi jangka panjang. Dan kami menemukan bahwa pada periode yang sama ketika terjadi peningkatan akurasi proyeksi jangka pendek, terdapat penurunan validitas perkiraan jangka panjang.

Lebih banyak data, namun perhatiannya terbatas

Karena sifatnya, data alternatif – informasi mengenai perusahaan saat ini – berguna terutama untuk perkiraan jangka pendek. Analisis jangka panjang – dari satu hingga lima tahun ke depan – adalah penilaian yang jauh lebih penting.

Makalah-makalah sebelumnya telah membuktikan anggapan yang masuk akal bahwa perhatian para analis terbatas. Jika analis memiliki portofolio perusahaan yang besar untuk dicakup, misalnya, konsentrasi perusahaan yang tersebar mulai menghasilkan keuntungan yang semakin berkurang.

Kami ingin mengetahui apakah peningkatan akurasi perkiraan jangka pendek dan penurunan akurasi prediksi jangka panjang – yang telah kami amati dalam analisis data I/B/E/S – disebabkan oleh semakin banyaknya sumber informasi keuangan alternatif.

Untuk menyelidiki proposisi ini, kami menganalisis semua diskusi saham di Stocktwits yang terjadi antara tahun 2009 dan 2017. Seperti yang diharapkan, saham tertentu seperti Apple, Google, atau Walmart menghasilkan lebih banyak diskusi dibandingkan saham perusahaan kecil yang bahkan tidak terdaftar di Nasdaq.

Kami menduga bahwa analis yang mengikuti saham-saham yang banyak dibahas di platform – dan juga, yang dihadapkan pada banyak data alternatif – akan mengalami penurunan kualitas perkiraan jangka panjang yang lebih besar dibandingkan analis yang mengikuti saham-saham yang jarang dibahas. Dan setelah mengontrol faktor-faktor seperti ukuran perusahaan, lamanya bisnis, dan pertumbuhan penjualan, itulah yang kami temukan.

Kami menyimpulkan bahwa karena para analis memiliki akses yang mudah terhadap informasi untuk analisis jangka pendek, mereka mengarahkan energi mereka ke sana, yang berarti mereka kurang memperhatikan perkiraan jangka panjang.

Konsekuensi yang lebih luas dari perkiraan jangka panjang yang buruk

Konsekuensi dari membanjirnya data alternatif ini mungkin sangat besar. Saat menilai nilai suatu saham, investor harus memperhitungkan perkiraan jangka pendek dan jangka panjang. Jika kualitas perkiraan jangka panjang memburuk, ada kemungkinan besar harga saham tidak mencerminkan nilai perusahaan secara akurat.

Selain itu, perusahaan ingin melihat nilai keputusannya tercermin dalam harga sahamnya. Namun jika keputusan jangka panjang suatu perusahaan salah diperhitungkan oleh para analis, maka perusahaan tersebut mungkin akan kurang bersedia melakukan investasi yang hanya akan membuahkan hasil dalam beberapa tahun ke depan.

Di industri pertambangan misalnya, dibutuhkan waktu untuk membangun tambang baru. Mungkin diperlukan waktu sembilan, 10 tahun bagi sebuah investasi untuk mulai menghasilkan arus kas. Perusahaan mungkin akan kurang bersedia melakukan investasi tersebut jika, misalnya, saham mereka dinilai terlalu rendah karena pelaku pasar memiliki perkiraan yang kurang akurat mengenai dampak investasi terhadap arus kas perusahaan – yang merupakan subjek dari makalah lain yang sedang kami kerjakan.

Contoh investasi pengurangan karbon bahkan lebih mengkhawatirkan. Investasi semacam itu juga cenderung membuahkan hasil dalam jangka panjang, ketika pemanasan global menjadi isu yang lebih besar. Perusahaan mungkin mempunyai insentif yang lebih kecil untuk melakukan investasi jika nilai investasi tersebut tidak segera tercermin dalam penilaiannya.

Aplikasi praktis

Hasil penelitian kami menunjukkan bahwa sebaiknya perusahaan keuangan memisahkan tim yang meneliti hasil jangka pendek dan tim yang membuat perkiraan jangka panjang. Hal ini akan meringankan masalah ketika seseorang atau tim dibanjiri data yang relevan dengan peramalan jangka pendek dan kemudian juga diharapkan untuk meneliti hasil jangka panjang. Temuan kami juga patut diperhatikan bagi investor yang mencari penawaran murah:meskipun ada kerugian dari perkiraan jangka panjang yang buruk, hal ini dapat memberikan peluang bagi mereka yang mampu mengidentifikasi perusahaan-perusahaan yang undervalued.