Strasmore Research
শেখা Matt Connorদ্বারা Matt Connor

High-Low Index কী এবং কীভাবে হিসাব করবেন

High-Low Index হলো Record High Percent-এর 10-day average। round-number formula, 50 reading-এর অর্থ এবং কম sample size কেন বিভ্রান্ত করে, তা উদাহরণসহ জানুন।

High-Low Index হলো market breadth-এর একটি পরিমাপ, যা 2টি গণনার ওপর ভিত্তি করে তৈরি: এটি Record High Percent-এর 10-day simple moving average, আর Record High Percent হলো new 52-week highs-কে new 52-week highs এবং new 52-week lows-এর যোগফল দিয়ে ভাগ করে 100 দিয়ে গুণ করা। 50-এর বেশি reading-এর অর্থ, new lows-এর তুলনায় বেশি সংখ্যক stock নতুন high করছে। 50-এর কম reading-এর অর্থ বিপরীত। Formula-টি এতটাই সংক্ষিপ্ত। এরপর round number ব্যবহার করে arithmetic এবং sample size-এর সেই ত্রুটি দেখানো হয়েছে, যার কারণে মাত্র কয়েকটি stock-এর ওপর নির্ভর করেও reading-টি অত্যন্ত নির্ভরযোগ্য বলে মনে হতে পারে।

High-Low Index কীভাবে হিসাব করবেন?

2টি ধাপ। দুটিই এক লাইনে লেখা যায়।

  1. Record High Percent, একটি session-এর জন্য: আপনার universe-এ নতুন 52-week high-এ close করা stock-এর সংখ্যা গণনা করুন, নতুন 52-week low-এ close করা stock-এর সংখ্যা গণনা করুন, highs-কে ওই 2টি সংখ্যার যোগফল দিয়ে ভাগ করুন, তারপর 100 দিয়ে গুণ করুন।
  2. High-Low Index: সর্বশেষ 10টি দৈনিক Record High Percent reading-এর average নিন।

Round number ব্যবহার করলে বিষয়টি স্পষ্ট হয়। একটি tape-এ 90টি new high এবং 30টি new low দেখা গেল। Highs এবং lows-এর যোগফল 120, আর 90 ভাগ 120 হলো 0.75। তাই ওই session-এর Record High Percent হলো 75। এবার 10টি session-এর reading নিন: 75, 70, 65, 60, 55, 50, 45, 40, 35 এবং 30। এগুলোর যোগফল 525, আর 525 ভাগ 10 হলো 52.5। যে দিনে ওই session-এর নিজস্ব Record High Percent ছিল 75, সেদিন High-Low Index reading হবে 52.5।

Moving average যে বিনিময়টি করে, এই ব্যবধান সেটিই দেখায়। 10 দিনের স্মৃতি এমন একটি series-কে মসৃণ করে, যা এক রাতেই 100 থেকে 0-তে নেমে যেতে পারে। এর বিনিময়ে indicator দেরিতে সাড়া দেয়। Index-টি বলে, গত 2 সপ্তাহে breadth কোথায় ছিল। আজ বিকেলে কী ঘটেছে, তা এটি কখনও বলে না।

নতুন 52-week high হিসেবে কী গণ্য হয়?

কোনো stock-এর price আগের 52 সপ্তাহে দেখা প্রতিটি price অতিক্রম করলে সেটি new 52-week high করে। Data provider-রা ভিত্তি নিয়ে একমত নয়: কেউ intraday high এবং low তুলনা করে, আবার কেউ কেবল closing price তুলনা করে। একই session-এর জন্য এই 2 পদ্ধতিতে আলাদা count পাওয়া যায়। এই পৃষ্ঠার সর্বত্র closing price-ই ভিত্তি হিসেবে ব্যবহৃত হয়েছে। New 52-week highs এবং lows তালিকাটি নিজেই দেখায়।

নিচের panel-এ 2026 সালের April 1 থেকে July 31 পর্যন্ত 40টি বড় market-cap-এর US name-এর একটি নির্দিষ্ট basket-এর প্রতিটি session-এর 2টি extreme count দেখানো হয়েছে। এই আকারের basket count-গুলোকে হাতে যাচাই করার মতো ছোট রাখে। পরবর্তী অংশে formula-টির ত্রুটি বোঝা যায় এই কারণেই।

কুয়েরিপ্রতিটি সেশনে নতুন 52-সপ্তাহের সর্বোচ্চ ও সর্বনিম্ন: 40টি large-cap US নাম, এপ্রিল থেকে জুলাই 2026
প্রতিটি সংখ্যার পেছনের সঠিক SQL
WITH daily_close AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS session_date,
           argMax(close, window_start) AS close_px
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('AAPL','MSFT','NVDA','AMZN','GOOGL','AVGO','JPM','JNJ','XOM','PG',
                     'KO','PEP','WMT','HD','CVX','MRK','PFE','ABBV','CSCO','ORCL',
                     'CRM','ADBE','MCD','NKE','VZ','T','DIS','BA','CAT','GE',
                     'IBM','MMM','UNH','LLY','COST','TGT','SBUX','GS','MS','LIN')
      AND window_start >= toDateTime('2025-03-01 00:00:00')
      AND window_start < toDateTime('2026-08-01 05:00:00')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, session_date
),
extremes AS (
    SELECT cur.ticker AS ticker,
           cur.session_date AS session_date,
           cur.close_px AS close_px,
           max(hist.close_px) AS high_52w,
           min(hist.close_px) AS low_52w
    FROM daily_close AS cur
    INNER JOIN daily_close AS hist ON cur.ticker = hist.ticker
    WHERE cur.session_date >= toDate('2026-04-01')
      AND hist.session_date <= cur.session_date
      AND hist.session_date > cur.session_date - 364
    GROUP BY cur.ticker, cur.session_date, cur.close_px
),
daily AS (
    SELECT session_date,
           countIf(close_px >= high_52w) AS new_highs,
           countIf(close_px <= low_52w) AS new_lows,
           countIf(close_px >= high_52w) + countIf(close_px <= low_52w) AS names_at_extreme
    FROM extremes
    GROUP BY session_date
    HAVING names_at_extreme > 0
)
SELECT session_date AS date,
       formatDateTimeInJodaSyntax(session_date, 'MMM d') AS session_label,
       new_highs,
       new_lows
FROM daily
ORDER BY session_date
Run this yourself

77টি session জুড়ে 2টি count খুব কমই একসঙ্গে বাড়ে। Jul 29, অর্থাৎ window-এর শেষ session-এ, 40টি name-এর মধ্যে 3টি 52-week high-এ এবং 0টি 52-week low-এ close করেছে। Apr 1, অর্থাৎ প্রথম session-এ, বিভাজন ছিল 1টি high এবং 1টি low। Basket-এর বাকি প্রতিটি name তার নিজস্ব range-এর মধ্যেই ছিল এবং calculation-এ প্রবেশ করেনি।

High-Low Index-এর ভালো reading কত?

50 হলো pivot, যেখানে highs এবং lows ভারসাম্যে থাকে। প্রচলিত strong marker হলো 70। এর অর্থ, পুরো 10-day average জুড়ে new high-এর সংখ্যা new low-এর সংখ্যার তুলনায় two-to-one-এর চেয়ে বেশি ছিল। প্রচলিত weak marker হলো 30, যা এর বিপরীত। 30 থেকে 70-এর মধ্যে index থাকলে বোঝায়, market-এর extremes মিশ্র অবস্থায় রয়েছে। অধিকাংশ সময় index এই range-এর মধ্যেই থাকে।

নিচের panel-এ একই basket-এর raw daily Record High Percent এবং তার নিজস্ব 10-day average দেখানো হয়েছে। Chart-এ lag-টি বর্ণনার পরিবর্তে সরাসরি দেখা যাবে।

কুয়েরিRecord High Percent এবং এর 10-দিনের গড় (High-Low Index), 40-নামের basket
প্রতিটি সংখ্যার পেছনের সঠিক SQL
WITH daily_close AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS session_date,
           argMax(close, window_start) AS close_px
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('AAPL','MSFT','NVDA','AMZN','GOOGL','AVGO','JPM','JNJ','XOM','PG',
                     'KO','PEP','WMT','HD','CVX','MRK','PFE','ABBV','CSCO','ORCL',
                     'CRM','ADBE','MCD','NKE','VZ','T','DIS','BA','CAT','GE',
                     'IBM','MMM','UNH','LLY','COST','TGT','SBUX','GS','MS','LIN')
      AND window_start >= toDateTime('2025-03-01 00:00:00')
      AND window_start < toDateTime('2026-08-01 05:00:00')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, session_date
),
extremes AS (
    SELECT cur.ticker AS ticker,
           cur.session_date AS session_date,
           cur.close_px AS close_px,
           max(hist.close_px) AS high_52w,
           min(hist.close_px) AS low_52w
    FROM daily_close AS cur
    INNER JOIN daily_close AS hist ON cur.ticker = hist.ticker
    WHERE cur.session_date >= toDate('2026-04-01')
      AND hist.session_date <= cur.session_date
      AND hist.session_date > cur.session_date - 364
    GROUP BY cur.ticker, cur.session_date, cur.close_px
),
daily AS (
    SELECT session_date,
           countIf(close_px >= high_52w) AS new_highs,
           countIf(close_px >= high_52w) + countIf(close_px <= low_52w) AS names_at_extreme
    FROM extremes
    GROUP BY session_date
    HAVING names_at_extreme > 0
),
rhp AS (
    SELECT session_date,
           round(100 * new_highs / names_at_extreme, 1) AS record_high_pct
    FROM daily
),
smoothed AS (
    SELECT session_date,
           record_high_pct,
           round(avg(record_high_pct) OVER (ORDER BY session_date
                                            ROWS BETWEEN 9 PRECEDING AND CURRENT ROW), 1) AS high_low_index_pct,
           count() OVER (ORDER BY session_date
                         ROWS BETWEEN 9 PRECEDING AND CURRENT ROW) AS sessions_in_window
    FROM rhp
)
SELECT session_date AS date,
       formatDateTimeInJodaSyntax(session_date, 'MMM d') AS session_label,
       record_high_pct,
       high_low_index_pct
FROM smoothed
WHERE sessions_in_window = 10
ORDER BY session_date
Run this yourself

Plotted range শুরু হয়েছে Apr 15 তারিখে Record High Percent 100 এবং index 52.5 দিয়ে। এটি শেষ হয়েছে Jul 29 তারিখে Record High Percent 100 এবং index 64-এ। প্রতিটি reading-কে 70 এবং 30 marker-এর সঙ্গে তুলনা করুন। 2টি line-এর মধ্যকার দূরত্বকে smoothing-এর মূল্য হিসেবে দেখুন: যেকোনো দিনে average এখনও আগের 9টি session বহন করছে। Window-এর প্রথম 9টি session panel-এ রাখা হয়নি, কারণ 10-day average-এর জন্য 10টি দিন প্রয়োজন।

Denominator market-এর অধিকাংশকে উপেক্ষা করে

এখানে যে সীমাবদ্ধতাটি মনে রাখা দরকার, তা হলো Record High Percent-এর denominator হলো new high এবং new low-এর যোগফল, আর কিছু নয়। কোনো stock তার 52-week range-এর মাঝামাঝি অবস্থান করলে সেটি numerator বা denominator—কোনোটিতেই থাকে না। Index এমন একটি session, যেখানে 3,000টি name-এর মধ্যে 900টি extreme-এ পৌঁছেছে, এবং এমন একটি session, যেখানে মাত্র 9টি name পৌঁছেছে—এই 2টির মধ্যে পার্থক্য করতে পারে না। উভয় ক্ষেত্রেই এটি একই আত্মবিশ্বাসী two-digit number দেখায়।

ধরা যাক, August-এর একটি ধীরগতির session-এ 6,000-name-এর একটি exchange-এ 40টি stock new high এবং 20টি new low করেছে। Record High Percent হলো 40 ভাগ 60, অর্থাৎ 66.7। এটি broad advance-এর মতো দেখায়। কিন্তু calculation-টি হয়েছে listing-এর মাত্র 1% থেকে। বাকি 5,940টি name কোনো ভোট দেয়নি।

40-name basket এই বিষয়টিকে গণনাযোগ্যভাবে screen-এ তুলে ধরে। Window-এর প্রতিটি session-কে কোনো name আদৌ extreme করেছে কি না, তার সংখ্যার ভিত্তিতে একটি bucket-এ রাখা হয়েছে।

কুয়েরিdenominator কতটা পাতলা হয়: 52-সপ্তাহের extreme-এ থাকা নামের সংখ্যা অনুযায়ী session-গুলোর শ্রেণিবিন্যাস
প্রতিটি সংখ্যার পেছনের সঠিক SQL
WITH daily_close AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS session_date,
           argMax(close, window_start) AS close_px
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('AAPL','MSFT','NVDA','AMZN','GOOGL','AVGO','JPM','JNJ','XOM','PG',
                     'KO','PEP','WMT','HD','CVX','MRK','PFE','ABBV','CSCO','ORCL',
                     'CRM','ADBE','MCD','NKE','VZ','T','DIS','BA','CAT','GE',
                     'IBM','MMM','UNH','LLY','COST','TGT','SBUX','GS','MS','LIN')
      AND window_start >= toDateTime('2025-03-01 00:00:00')
      AND window_start < toDateTime('2026-08-01 05:00:00')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, session_date
),
extremes AS (
    SELECT cur.ticker AS ticker,
           cur.session_date AS session_date,
           cur.close_px AS close_px,
           max(hist.close_px) AS high_52w,
           min(hist.close_px) AS low_52w
    FROM daily_close AS cur
    INNER JOIN daily_close AS hist ON cur.ticker = hist.ticker
    WHERE cur.session_date >= toDate('2026-04-01')
      AND hist.session_date <= cur.session_date
      AND hist.session_date > cur.session_date - 364
    GROUP BY cur.ticker, cur.session_date, cur.close_px
),
daily AS (
    SELECT session_date,
           countIf(close_px >= high_52w) AS new_highs,
           countIf(close_px >= high_52w) + countIf(close_px <= low_52w) AS names_at_extreme
    FROM extremes
    GROUP BY session_date
    HAVING names_at_extreme > 0
)
SELECT multiIf(names_at_extreme <= 3, '1 to 3 names',
               names_at_extreme <= 9, '4 to 9 names',
               '10 or more names') AS sample_size_bucket,
       count() AS readings,
       round(avg(names_at_extreme), 1) AS avg_names_in_denominator,
       round(quantileDeterministic(0.5)(100 * new_highs / names_at_extreme,
                                        cityHash64(session_date)), 1) AS median_record_high_pct,
       round(quantileDeterministic(0.5)(abs(100 * new_highs / names_at_extreme - 50),
                                        cityHash64(session_date)), 1) AS median_distance_from_50
FROM daily
GROUP BY sample_size_bucket
ORDER BY avg_names_in_denominator
Run this yourself

1 to 3 names bucket-এর 39টি session-এ পুরো reading 40টির মধ্যে গড়ে 2টি name-এর ওপর নির্ভর করেছে। ওই session-গুলোর median Record High Percent ছিল 100 এবং 50 line থেকে median দূরত্ব ছিল 50 point। 10 or more namesটি session-এ, যার মধ্যে 1টি session-এ গড়ে 10টি name ছিল, median reading ছিল 70 এবং middle point থেকে দূরত্ব ছিল 20 point।

Arithmetic একটি thin session কী reading দেখাতে পারে, তার সীমা নির্ধারণ করে। কোনো extreme-এ 3টি name থাকলে সম্ভাব্য reading কেবল 0, 33.3, 66.7 এবং 100। 2টি name থাকলে কেবল 0, 50 এবং 100। 2টি high এবং 1টি low-এর ওপর ভিত্তি করে তৈরি 66.7 reading-এ এমন একটি decimal point আছে, যা তার sample সমর্থন করতে পারে না। এটি সামলানোর সহজ নিয়ম হলো: index-এর পাশে highs এবং lows-এর raw count পড়ুন। কখনও index-কে একা পড়বেন না।

Market breadth: High-Low Index বনাম advance/decline

উভয় measure-ই জানতে চায় কতগুলি stock market-এ অংশ নিচ্ছে। তবে এগুলো ভিন্ন সময়সীমায় বিষয়টি মাপে। Advance/decline breadth গতকালের তুলনায় up বা down হয়ে শেষ করা প্রতিটি name গণনা করে। এর denominator হলো পুরো universe, এবং এটি 1 দিনের চিত্র বর্ণনা করে। High-Low Index কেবল 52-week extreme-এ থাকা name গণনা করে। এর denominator ছোট, এবং এটি পুরো 1 বছরের history-এর তুলনায় price কোথায় অবস্থান করছে, তা বর্ণনা করে। কোনো দিনে market broad-based ভাবে higher হলেও খুব কম সংখ্যক name 52-week high-এর কাছাকাছি থাকতে পারে।

নিচের panel-এ একই basket-এর ওপর উভয় measure-কে একই 10টি session জুড়ে smooth করা হয়েছে। এতে 2টি measure একই scale-এ দেখা যায়।

কুয়েরিদুটি breadth measure, একই basket: 10-দিনের High-Low Index বনাম 10-দিনের advancing share
প্রতিটি সংখ্যার পেছনের সঠিক SQL
WITH daily_close AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS session_date,
           argMax(close, window_start) AS close_px
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('AAPL','MSFT','NVDA','AMZN','GOOGL','AVGO','JPM','JNJ','XOM','PG',
                     'KO','PEP','WMT','HD','CVX','MRK','PFE','ABBV','CSCO','ORCL',
                     'CRM','ADBE','MCD','NKE','VZ','T','DIS','BA','CAT','GE',
                     'IBM','MMM','UNH','LLY','COST','TGT','SBUX','GS','MS','LIN')
      AND window_start >= toDateTime('2025-03-01 00:00:00')
      AND window_start < toDateTime('2026-08-01 05:00:00')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, session_date
),
extremes AS (
    SELECT cur.ticker AS ticker,
           cur.session_date AS session_date,
           cur.close_px AS close_px,
           max(hist.close_px) AS high_52w,
           min(hist.close_px) AS low_52w
    FROM daily_close AS cur
    INNER JOIN daily_close AS hist ON cur.ticker = hist.ticker
    WHERE cur.session_date >= toDate('2026-04-01')
      AND hist.session_date <= cur.session_date
      AND hist.session_date > cur.session_date - 364
    GROUP BY cur.ticker, cur.session_date, cur.close_px
),
daily AS (
    SELECT session_date,
           countIf(close_px >= high_52w) AS new_highs,
           countIf(close_px >= high_52w) + countIf(close_px <= low_52w) AS names_at_extreme
    FROM extremes
    GROUP BY session_date
    HAVING names_at_extreme > 0
),
prior AS (
    SELECT ticker,
           session_date,
           close_px,
           lagInFrame(close_px, 1) OVER (PARTITION BY ticker ORDER BY session_date
                                         ROWS BETWEEN 1 PRECEDING AND CURRENT ROW) AS prev_close
    FROM daily_close
),
breadth AS (
    SELECT session_date,
           round(100 * countIf(close_px > prev_close) / count(), 1) AS advancing_pct
    FROM prior
    WHERE session_date >= toDate('2026-04-01')
      AND prev_close > 0
    GROUP BY session_date
    HAVING count() >= 20
),
combined AS (
    SELECT d.session_date AS session_date,
           round(100 * d.new_highs / d.names_at_extreme, 1) AS record_high_pct,
           b.advancing_pct AS advancing_pct
    FROM daily AS d
    INNER JOIN breadth AS b ON d.session_date = b.session_date
),
smoothed AS (
    SELECT session_date,
           round(avg(record_high_pct) OVER (ORDER BY session_date
                                            ROWS BETWEEN 9 PRECEDING AND CURRENT ROW), 1) AS high_low_index_pct,
           round(avg(advancing_pct) OVER (ORDER BY session_date
                                          ROWS BETWEEN 9 PRECEDING AND CURRENT ROW), 1) AS advancing_pct_10d,
           count() OVER (ORDER BY session_date
                         ROWS BETWEEN 9 PRECEDING AND CURRENT ROW) AS sessions_in_window
    FROM combined
)
SELECT session_date AS date,
       formatDateTimeInJodaSyntax(session_date, 'MMM d') AS session_label,
       high_low_index_pct,
       advancing_pct_10d
FROM smoothed
WHERE sessions_in_window = 10
ORDER BY session_date
Run this yourself

Plotted range শুরু হয়েছে Apr 15 তারিখে High-Low Index-এর জন্য 52.5 এবং 10-day advancing share-এর জন্য 52.8 দিয়ে। এটি শেষ হয়েছে Jul 29 তারিখে যথাক্রমে 64 এবং 52.5-এ। মোট plotted session ছিল 68টি। Advancing share একটি সংকীর্ণ band-এর মধ্যে থাকে। সাধারণ session-এ একটি basket-এর প্রায় অর্ধেক name higher close করে। 10টির average নিলে line scale-এর মাঝামাঝি থাকে। High-Low Index-এর এমন কোনো anchor নেই। Basket-এ 10টি session ধরে কোনো name 52-week low print না করলে প্রতিটি daily reading হয় 100, এবং average-ও 100 হয়।

Participation measure-এর পাশে breadth পড়লে বিশ্লেষণটি ভালো হয়। Relative volume জানতে চায়, কোনো name আজ তার নিজস্ব স্বাভাবিক মাত্রার তুলনায় অস্বাভাবিকভাবে বেশি volume-এ trade করছে কি না। এই সপ্তাহের সবচেয়ে বড় stock movers দেখায় কোন name-গুলো বাস্তবে বেশি price movement করেছে, আর এই সপ্তাহের unusual volume stocks দেখায় trading কোথায় হয়েছে।

High-Low Index FAQ

70-এর বেশি High-Low Index reading-এর অর্থ কী?

এর অর্থ, সর্বশেষ 10টি session-এর average জুড়ে new 52-week high-এর সংখ্যা new 52-week low-এর সংখ্যার তুলনায় two-to-one-এর চেয়ে বেশি ছিল। এটি প্রচলিত strong-tape marker। তবে কতগুলি stock আদৌ extreme-এ পৌঁছেছে, তা এটি বলে না। সেই সংখ্যা index-এর পাশে পরীক্ষা করা উচিত।

Record High Percent এবং High-Low Index-এর মধ্যে পার্থক্য কী?

Record High Percent হলো একটি session-এর figure: new highs-কে new highs এবং new lows-এর যোগফল দিয়ে ভাগ করে 100 দিয়ে গুণ করা। High-Low Index হলো ওই figure-এর 10-day simple moving average। একটি আজকের চিত্র বর্ণনা করে। অন্যটি গত 2 সপ্তাহের চিত্র বর্ণনা করে।

High-Low Index কি 0 বা 100 হতে পারে?

হ্যাঁ। Universe-এর কোনো stock টানা 10টি session-এ new 52-week low না করলে প্রতিটি daily reading হবে 100 এবং average-ও হবে 100। কোনো stock high বা low—কোনোটিই না করলে fraction-এর denominator শূন্য হয়, তাই ওই session-এর কোনো defined reading থাকে না।

High-Low Index কি advance/decline breadth-এর সমান?

না। Advance/decline breadth পুরো universe দিয়ে ভাগ করে এবং একটি দিনের direction বর্ণনা করে। High-Low Index 52-week extreme-এ থাকা ছোট group of stocks দিয়ে ভাগ করে এবং 1 বছরের price history-এর তুলনায় তাদের অবস্থান বর্ণনা করে।

High-Low Index-এর denominator-এ সাধারণত কতগুলি stock থাকে?

2026 সালের April থেকে July পর্যন্ত এখানে মাপা 40-name basket-এ 1 to 3 names bucket-এর session-গুলোতে denominator-এ গড়ে 2টি name ছিল। Exchange-wide count absolute terms-এ বড় হলেও মোট listing-এর তুলনায় তা একটি thin slice-ই থাকে। এই কারণেই index-এর পাশে screen-এ raw count রাখা উচিত।

এই পৃষ্ঠার প্রতিটি count closing price-এর ওপর ভিত্তি করে তৈরি একটি stored, versioned query থেকে নেওয়া। যেকোনো panel খুলে এর পেছনের SQL পড়ুন, অথবা Strasmore terminal-এ নিজের পছন্দের basket-এর ওপর একই breadth series পুনর্গঠন করুন।

#market breadth#52-week highs#indicators#record high percent