Perbedaan CarMax, Inc dan Rigetti Computing Inc: CarMax, Inc diperdagangkan di $52,61 (kapitalisasi pasar $7,64B), sedangkan Rigetti Computing Inc diperdagangkan di $14,03 (kapitalisasi pasar $4,72B). Perbedaan utamanya: CarMax, Inc lebih besar dari sisi kapitalisasi pasar, dan Rigetti Computing Inc lebih aktif diperdagangkan (17.136.381 vs 3.610.116). Mana yang lebih baik tergantung tujuan investasimu — di Pluang, investor rata-rata menyimpan CarMax, Inc selama 49 Hari dan Rigetti Computing Inc selama 35 Hari.
| KMX | RGTI | |
|---|---|---|
Kapitalisasi Pasar | $7,64B | $4,72B |
Volume | 3.610.116 | 17.136.381 |
Sektor | Consumer Cyclical | Technology |
Tertinggi 52 Minggu | $64,22 | $56,34 |
Terendah 52 Minggu | $30,88 | $12,90 |
Rata-rata Waktu Simpan | 49 Hari | 35 Hari |
Nilai Perusahaan | $25,34B | $4,33B |
Sinyal dari Aura AI Pluang — bukan nasihat finansial
CarMax (KMX) diperdagangkan di $53.79 dengan kenaikan 0.96% hari ini, menunjukkan momentum positif setelah laporan kuartal kedua yang kuat. Saham ini berada dalam zona netral-bearish secara teknis namun mendapat dukungan dari fundamental yang membaik dengan pertumbuhan pendapatan 19.5% dan EPS $1.16 yang mengalahkan ekspektasi. Strategi turnaround 'Shift into GEAR' mulai menunjukkan hasil dengan peningkatan volume penjualan kendaraan.
Outlook KMX menunjukkan potensi upside 9.5% menuju target konsensus $58.89, didorong oleh momentum penjualan dan efisiensi operasional. Namun, risiko utama termasuk margin laba bersih yang tipis (1.06%), leverage utang tinggi, dan sensitivitas terhadap kondisi ekonomi. Analis menunjukkan sikap hati-hati dengan 62.16% rekomendasi hold.
RGTI diperdagangkan pada $14.14 dengan penurunan 3.08% hari ini, menunjukkan tekanan jangka pendek meskipun analis secara keseluruhan optimis. Saham ini memiliki momentum fundamental yang menantang dengan margin laba bersih negatif -1.787,4% pada 2026, namun perusahaan menunjukkan kemajuan komersial dalam komputasi kuantum hybrid dengan mitra seperti HPE dan PSC. Teknikal menunjukkan sinyal bearish dengan moving averages yang negatif, sementara osilator memberikan sinyal bullish yang terbatas.
Outlook RGTI ditandai oleh potensi upside 53% ke target konsensus $21.67, didukung oleh 85.71% rekomendasi beli dari analis. Namun, risiko signifikan tetap ada termasuk kerugian operasional yang berkelanjutan, arus kas negatif, dan persaingan ketat dalam sektor komputasi kuantum yang masih berkembang. Investor perlu mempertimbangkan trade-off antara potensi pertumbuhan jangka panjang dan tantangan profitabilitas saat ini.
Imbal hasil berjalan pada periode standar
Aktivitas investor Pluang dalam 30 hari terakhir
Belum ada data sentimen.
CarMax menjual, memberi kredit, dan memberi jasa perawatan ke mobil bekas dan baru melalui sebuah jaringan lebih dari 230 diler mobil bekas. Mereka berdiri di tahun 1993 sebagai bagian dari Circuit City dan kemudian berpisah sebagai sebuah perusahaan independen pada akhir 202. Penjualan mobil bekas biasanya meliputi 83% total pemasukan dan grosir di angka 13%, dengan sisanya termasuk perpanjangan garansi perawatan dan perbaikan. Pada tahun fiskal 2022, perusahaan ini menjual 924.388 kendaraan ke pembeli ritel dan 706.212 kendaraan ke pembeli grosir. CarMax adalah penjual mobil bekas terbesar di AS, tapi diperkirakan masih hanya memegang 4% pangsa pasar AS untuk kendaraan berumur 0-10 tahun di tahun 2021. Mereka mengincar 5% pangsa pasar di akhir tahun 2025 dan pemasukan berkisar $33milyar hingga $45milyar di tahun fiskal 2026. CarMax bermarkas di Richmond, Virginia.
Selengkapnya di halaman KMX →Rigetti Computing, Inc. adalah pelopor dalam komputasi kuantum, berfokus pada pengembangan dan penerapan sistem komputasi kuantum-klasik. Perusahaan ini merancang dan membuat prosesor kuantum superkonduktor dan mengintegrasikannya dengan platform kontrol dan perangkat lunak full-stack. Rigetti menawarkan akses ke komputer kuantumnya melalui cloud, bertujuan untuk memecahkan masalah komputasi kompleks yang tidak dapat ditangani oleh komputer klasik, dengan aplikasi di bidang keuangan, kimia, dan pembelajaran mesin.
Selengkapnya di halaman RGTI →