TLT

Harga iShares 20+ Year Treasury Bond ETF

TLT
Rp1.467.044,38
-Rp10.054,09(-0,68%)

*Data terakhir diperbarui: 2026-04-07 14:19 (UTC+8)

Pada 2026-04-07 14:19, iShares 20+ Year Treasury Bond ETF (TLT) dihargai di Rp1.467.044,38, dengan total kapitalisasi pasar sebesar Rp719,57T, rasio P/E 0,00, dan imbal hasil dividen sebesar 0,00%. Hari ini, harga saham berfluktuasi di antara Rp1.466.873,97 dan Rp1.478.120,92. Harga saat ini adalah 0,01% di atas titik terendah hari ini dan 0,74% di bawah titik tertinggi hari ini, dengan volume perdagangan 14,65M. Selama 52 minggu terakhir, TLT telah diperdagangkan antara Rp1.419.330,08 hingga Rp1.570.822,99, dan harga saat ini adalah -6,60% jauh dari titik tertinggi 52 minggu.

Statistik Utama TLT

Penutupan KemarinRp1.478.972,96
Kapitalisasi PasarRp719,57T
Volume14,65M
Rasio P/E0,00
Imbal Hasil Dividen (TTM)0,00%
Jumlah DividenRp5.875,33
Laba Bersih (FY)Rp0,00
Pendapatan (FY)Rp0,00
Estimasi PendapatanRp0,00
Saham Beredar486,53M
Beta (1T)2.38
Tanggal Ex-Dividend2026-04-01
Tanggal Pembayaran Dividen2026-04-07

Tentang TLT

ETF iShares 20+ Tahun Obligasi Treasury berusaha mengikuti hasil investasi dari indeks yang terdiri dari obligasi Treasury AS dengan jatuh tempo tersisa lebih dari dua puluh tahun.
SektorLayanan Keuangan
IndustriManajemen Aset - Obligasi
Kantor PusatSan Francisco,DE,US

FAQ iShares 20+ Year Treasury Bond ETF (TLT)

Berapa harga saham iShares 20+ Year Treasury Bond ETF (TLT) hari ini?

x
iShares 20+ Year Treasury Bond ETF (TLT) saat ini diperdagangkan di harga Rp1.467.044,38, dengan perubahan 24 jam sebesar -0,68%. Rentang perdagangan 52 minggu adalah Rp1.419.330,08–Rp1.570.822,99.

Berapa harga tertinggi dan terendah 52 minggu untuk iShares 20+ Year Treasury Bond ETF (TLT)?

x

Berapa rasio harga terhadap pendapatan (P/E) dari iShares 20+ Year Treasury Bond ETF (TLT)? Apa arti dari rasio tersebut?

x

Berapa kapitalisasi pasar iShares 20+ Year Treasury Bond ETF (TLT)?

x

Berapa laba per saham (EPS) kuartalan terbaru untuk iShares 20+ Year Treasury Bond ETF (TLT)?

x

Apakah Anda sebaiknya beli atau jual iShares 20+ Year Treasury Bond ETF (TLT) sekarang?

x

Faktor apa saja yang dapat memengaruhi harga saham iShares 20+ Year Treasury Bond ETF (TLT)?

x

Bagaimana cara beli saham iShares 20+ Year Treasury Bond ETF (TLT)?

x

Peringatan Risiko

Pasar saham melibatkan tingkat risiko dan volatilitas harga yang tinggi. Nilai investasi Anda dapat meningkat atau menurun, dan Anda mungkin tidak mendapatkan kembali seluruh jumlah yang diinvestasikan. Kinerja masa lalu bukan merupakan indikator yang andal untuk hasil di masa depan. Sebelum membuat keputusan investasi, Anda harus dengan cermat menilai pengalaman investasi, kondisi keuangan, tujuan investasi, dan toleransi risiko Anda, serta melakukan riset sendiri. Jika diperlukan, konsultasikan dengan penasihat keuangan independen.

Penafian

Konten di halaman ini disediakan hanya untuk tujuan informasi dan bukan merupakan saran investasi, saran keuangan, atau rekomendasi perdagangan. Gate tidak bertanggung jawab atas kerugian atau kerusakan yang diakibatkan oleh keputusan keuangan tersebut. Lebih lanjut, harap diperhatikan bahwa Gate mungkin tidak dapat menyediakan layanan penuh di pasar dan yurisdiksi tertentu, termasuk namun tidak terbatas pada Amerika Serikat, Kanada, Iran, dan Kuba. Untuk informasi lebih lanjut mengenai Lokasi Terbatas, silakan merujuk ke Perjanjian Pengguna.

Postingan Hangat Tentang iShares 20+ Year Treasury Bond ETF (TLT)

ChenDong'sTransactionNotes

ChenDong'sTransactionNotes

04-05 04:29
Emas "倒头肩" muncul kembali? Tiga sinyal sekaligus menunjukkan tujuan yang sama Bentuk teknikal, imbal hasil riil, dan level support/resistance yang berpotongan, analisis tiga kali lipat yang jarang terjadi. Jika emas menyelesaikan pembentukan bahu kanan, kisaran tengah $6000 mungkin bukan lagi angan-angan…… Selasa, harga emas menembus kisaran konsolidasi di atas $4400 per ounce, naik ke sekitar $4700 (plus-minus $100). Wilayah ini bertepatan dengan level support/resistance berulang yang terbentuk dari 1,65 kali garis moving average 3 tahun harga emas. Setelah konsolidasi di dekat area ini berakhir, kenaikan harga emas berikutnya diperkirakan akan kembali ke level $5000, yang terkait dengan kelipatan 3,00 dari level siklus menengah emas. Jika tren ini terwujud, akan menciptakan kondisi untuk pembentukan pola dasar bahu terbalik. Untuk mengonfirmasi pola ini, kami akan mengamati apakah harga emas melakukan konsolidasi horizontal saat membentuk bahu kanan dan akhirnya menembus ke level tertinggi baru secara historis. Target kenaikan yang diperkirakan dari pola ini tepat di kisaran tengah lebih dari $6000, sesuai prediksi yang kami buat melalui analisis independen minggu lalu. Analisis minggu lalu menunjukkan bahwa imbal hasil riil 10 tahun yang mendekati nol akan mendukung kenaikan harga emas ke kisaran tengah lebih dari $6000. Selain itu, dua pasangan support/resistance yang berulang juga diperkirakan akan bertemu di kisaran yang sama pada akhir 2026. Dengan kata lain, kami memiliki tiga metode analisis independen yang semuanya mengarah ke kisaran tengah lebih dari $6000 sebagai target kenaikan harga emas. Kurva Nilai Intrinsik Opsi Emas Saat ini, harga emas sekitar $4700 per ounce, yang hampir sama dengan harga "paling menyakitkan" dari kontrak opsi emas Mei 2026. Ini berarti, sebelum harga emas menghadapi tekanan terkait opsi, masih ada ruang kenaikan yang cukup dalam jangka pendek. Sebagai contoh, bahkan jika harga emas naik ke $5000, ΔIV (nilai intrinsik) dari kontrak opsi emas Mei 2026 hanya akan naik ke sekitar $400 juta, yang masih cukup rendah dibandingkan level historis terbaru. Faktor Penggerak Emas Seperti yang terlihat di Gambar 8, sejak titik terendah siklus menengah emas (ICL) pada 23 Maret, pasar terutama menyesuaikan harga berdasarkan ekspektasi inflasi tinggi di masa depan. Tren ini diperkirakan akan terus mendorong kenaikan harga emas. Faktor penggerak lain dari harga emas adalah harga/imbal hasil obligasi AS 10 tahun. Meskipun baru-baru ini kontribusinya terhadap kenaikan harga emas tidak besar, setidaknya faktor ini tidak lagi menekan harga emas ke bawah. Pada 27 Maret, harga obligasi AS 10 tahun membentuk titik terendah lokal di level support/resistance berulang di 3,05 kali, dan kemudian rebound ke atas area tersebut. Sejak pecahnya perang, imbal hasil obligasi AS 10 tahun naik dari 3,97% menjadi 4,31% terbaru. Meskipun imbal hasil meningkat, dana yang mengalir ke ETF obligasi AS 7-10 tahun iShares (IEF), sebagai pengganti obligasi, terus meningkat tanpa henti sejak awal tahun. Aliran dana ini mungkin didorong oleh faktor-faktor berikut: pertama, ekspektasi bahwa imbal hasil 10 tahun akan turun seiring perlambatan ekonomi; kedua, untuk mengantisipasi resesi yang akan datang, dana dialihkan dari pasar saham yang menurun ke aset safe haven tradisional. Sebaliknya, dana yang mengalir ke ETF obligasi AS jangka panjang lebih dari 20 tahun iShares (TLT), yang merupakan pengganti obligasi 30 tahun, sejak mencapai puncak lokal pada November 2024, menunjukkan tren penurunan. Ini menunjukkan bahwa permintaan di ujung panjang kurva imbal hasil berbeda secara signifikan. Pelaku pasar jelas lebih banyak menaruh uang pada instrumen jangka 10 tahun, karena obligasi jangka panjang dianggap kurang menarik di tengah ketidakpastian dan risiko inflasi yang tidak cukup tinggi untuk mengimbangi potensi imbal hasil. Perak Seperti emas, harga perak juga kembali ke dekat harga "paling menyakitkan" yang sekitar $74. Dalam beberapa minggu ke depan, harga perak diperkirakan akan perlahan naik ke kisaran sedikit di atas $80. ΔIV dari kontrak opsi emas/perak berlipat 2,6 yang berulang, yang mendukung level support/resistance, meningkat ke sekitar $120 juta, yang masih cukup rendah. Dengan kata lain, bahkan jika target ini tercapai, tidak akan banyak tekanan terkait opsi terhadap harga.
1
1
0
0
K-LinePoet

K-LinePoet

04-04 15:04
IT之家, 28 Februari melaporkan bahwa MIT News pada 26 Februari memublikasikan sebuah artikel blog yang menyebutkan bahwa Institut Teknologi Massachusetts (MIT), bersama dengan NVIDIA dan institusi lain, telah merilis teknologi “menjinakkan ekor panjang” (TLT) yang dapat sangat meningkatkan efisiensi pelatihan model bahasa besar untuk inferensi (LLM).   IT之家 mengutip pengantar dalam blog tersebut. Model besar untuk inferensi unggul dalam memecahkan masalah kompleks dengan membedah langkah-langkah, namun selama proses pelatihan pembelajaran penguatan (RL), konsumsi komputasi dan energi sangatlah besar.   Tim peneliti menemukan bahwa tahap “rollout” yang menghasilkan banyak kandidat jawaban menempati hingga 85% dari waktu pelatihan. Karena panjang respons yang dihasilkan berbeda-beda oleh tiap prosesor, prosesor yang menyelesaikan lebih cepat terpaksa menganggur, menunggu prosesor lain menyelesaikan tugas teks panjang, sehingga terbentuk hambatan efisiensi yang serius.   Peneliti MIT, untuk mengatasi titik sakit ini, bersama NVIDIA, ETH Zurich (Swiss Federal Institute of Technology), dan institusi lain, mengajukan solusi adaptif bernama “menjinakkan ekor panjang” (TLT).   Inti solusi ini terletak pada penerapan inovatif teknik “decoding spekulatif”, yaitu melatih sebuah “model draf” yang lebih kecil (drafter) untuk memprediksi cepat keluaran masa depan dari model besar, lalu model besar melakukan verifikasi massal terhadap tebak-tebakan tersebut. Dengan cara ini, model besar tidak perlu menghasilkan output satu per satu secara berurutan, sehingga proses pemrosesan dapat dipercepat secara signifikan.   Dalam decoding spekulatif tradisional, model draf biasanya hanya dilatih sekali dan tetap statis. Namun dalam pembelajaran penguatan, model utama perlu diperbarui ribuan kali, sehingga model draf statis akan segera menjadi tidak valid.   Karena itu, sistem TLT memperkenalkan “pelatih draf adaptif”. Setelah sebagian prosesor menyelesaikan kueri singkat dan masuk ke status menganggur, sistem segera menjadwalkan mereka untuk melatih model draf secara real-time.   Secara bersamaan, “mesin rollout adaptif” akan menyesuaikan strategi decoding secara otomatis berdasarkan karakteristik beban kerja, memastikan model draf selalu sangat selaras dengan model besar target, serta tanpa menambah biaya komputasi tambahan.   Berdasarkan pengujian pada kumpulan data dunia nyata, teknologi TLT menunjukkan bahwa, dengan akurasi model yang sepenuhnya tidak mengalami kerugian, kecepatan pelatihan beberapa model bahasa besar untuk inferensi meningkat sebesar 70% hingga 210%.   Tidak hanya itu, model draf ringan yang dilatih juga dapat berfungsi sebagai produk sampingan gratis, yang langsung digunakan untuk deployment yang efisien di tahap berikutnya. Tim peneliti berencana ke depan untuk mengintegrasikan teknologi ini ke lebih banyak kerangka pelatihan dan inferensi, guna semakin menurunkan biaya pengembangan AI dan meningkatkan pemanfaatan energi.
0
0
0
0