Investasi
Fitur
BiayaKeamanan
Akademi
Lainnya
Pluang+

Bandingkan Harga & Kinerja KraneShares CSI China Internet ETF (KWEB) vs Rigetti Computing Inc (RGTI)

KraneShares CSI China Internet ETFTrading
Rigetti Computing IncTrading

Kinerja harga (24 Jam Terakhir)

Statistik utama

Perbedaan KraneShares CSI China Internet ETF dan Rigetti Computing Inc: KraneShares CSI China Internet ETF diperdagangkan di $24,93 (kapitalisasi pasar $4,37B), sedangkan Rigetti Computing Inc diperdagangkan di $14,03 (kapitalisasi pasar $4,72B). Perbedaan utamanya: KraneShares CSI China Internet ETF dan Rigetti Computing Inc berukuran mirip dari sisi kapitalisasi pasar, dan Rigetti Computing Inc lebih aktif diperdagangkan (17.136.381 vs 13.393.361). Mana yang lebih baik tergantung tujuan investasimu — di Pluang, investor rata-rata menyimpan KraneShares CSI China Internet ETF selama 57 Hari dan Rigetti Computing Inc selama 35 Hari.

KWEBRGTI
Kapitalisasi Pasar
$4,37B$4,72B
Volume
13.393.36117.136.381
Sektor
Sector/ThematicTechnology
Tertinggi 52 Minggu
$41,35$56,34
Terendah 52 Minggu
$23,63$12,90
Rata-rata Waktu Simpan
57 Hari35 Hari
Nilai Perusahaan
—$4,33B

Ringkasan Aura AI

Sinyal dari Aura AI Pluang — bukan nasihat finansial

KraneShares CSI China Internet ETF

KWEB diperdagangkan di $24.025 dengan penurunan 1.25% dalam 24 jam terakhir. Analisis teknis menunjukkan sinyal bearish dengan semua moving average memberikan sinyal jual. ETF China internet ini menghadapi tekanan dari ketegangan perdagangan AS-China dan tantangan ekonomi domestik China, meskipun ada lompatan laba korporat 26% pada Q2 2026. Aktivitas institusional menunjukkan pola campuran dengan beberapa lembaga menambah dan mengurangi kepemilikan.

Outlook KWEB tetap berisiko tinggi karena ketegangan geopolitik dan tekanan regulasi China terhadap sektor teknologi. Potensi rebound bergantung pada perbaikan hubungan AS-China dan stimulus ekonomi China, namun volatilitas tinggi diperkirakan berlanjut. Investor perlu mempertimbangkan eksposur risiko China dan sensitivitas terhadap perkembangan kebijakan.

Rigetti Computing Inc

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.

Perbandingan imbal hasil

Imbal hasil berjalan pada periode standar

Sentimen investor di Pluang

Aktivitas investor Pluang dalam 30 hari terakhir

KWEB
26% Beli74% Jual
Rata-rata periode kepemilikan · 57 Hari
RGTI
35% Beli65% Jual
Rata-rata periode kepemilikan · 35 Hari

Tentang KraneShares CSI China Internet ETF

KWEB melacak Indeks CSI Overseas China Internet, memberikan akses ke perusahaan perangkat lunak dan layanan Tiongkok yang terdaftar di bursa AS dan Hong Kong, seperti Tencent, Alibaba, dan Meituan.

Selengkapnya di halaman KWEB →

Tentang Rigetti Computing Inc

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 →