Strasmore Research
Deep Dives · Matt ConnorBy Matt Connor · · Updated 2026-07-24

S&P 500 সেক্টর ETF স্কোরকার্ড H1 2026

S&P 500 এর এগারোটি সেক্টর ETF এর পারফরম্যান্স বিশ্লেষণ করুন। এখানে বিজয়ী ও পরাজিত খাত, খাতের মধ্যে পরিবর্তন এবং ট্রেডিং খরচের বিস্তারিত তথ্য দেওয়া হয়েছে।

২০২৬ সালের প্রথম অর্ধবার্ষিক খাতের স্কোরকার্ডে সমস্ত ফলাফল অন্তর্ভুক্ত করা হয়েছে: প্রযুক্তি (XLK) ছয় মাস শেষে 30.8% বৃদ্ধি পেয়েছে, কমিউনিকেশন সার্ভিসেস (XLC) -9.3% বৃদ্ধি পেয়েছে, এবং সেরা ও সর্বনিম্ন খাতের মধ্যে পার্থক্য ছিল প্রায় চল্লিশ শতাংশ পয়েন্ট। S&P 500 খাতের ১১টি ETF-এর মধ্যে তিনটি খাতের প্রবৃদ্ধি ঋণাত্মক ছিল। প্রথম প্রান্তিকের তুলনায় দ্বিতীয় প্রান্তিকে প্রায় কোনো খাতেরই অবস্থান অপরিবর্তিত ছিল না — এই ছয় মাস ছিল দুটি বিপরীতমুখী বাজারের সমষ্টি, এবং এই পৃষ্ঠাটি উভয়কেই মূল্যায়ন করে। নিচের প্রতিটি সংখ্যা একটি সংরক্ষিত কুয়েরির ফলাফল; সঠিক SQL দেখতে যেকোনো প্যানেল সম্প্রসারণ করুন।

সেক্টর ETF কী — এবং এই পৃষ্ঠাটি কীভাবে এটি স্কোর করে

এগারোটি Select Sector SPDR ফান্ড S&P 500-কে বিভিন্ন শিল্পে বিভক্ত করে, যাতে একটি মাত্র ticker দিয়ে একটি নির্দিষ্ট সেক্টরের ওপর বিনিয়োগ বা হেজিং করা যায়। প্রতিটি ফান্ড তার সেক্টরের ইনডেক্সের সদস্যদের মার্কেট ভ্যালু অনুযায়ী ধারণ করে এবং পুরো সেশন জুড়ে একটি স্টকের মতো লেনদেন হয়। এই পৃষ্ঠাটি প্রতিটি ফান্ডকে চারটি উপায়ে স্কোর করে: প্রাইস রিটার্ন (প্রথম রেগুলার-আওয়ার ওপেন থেকে শেষ রেগুলার-আওয়ার ক্লোজ পর্যন্ত), অর্ধেকের নিচের সংখ্যায় থাকা কোয়ার্টার স্প্লিট, ডলার ভলিউম (মূল্য গুণ শেয়ার লেনদেন — কত টাকা লেনদেন হয়েছে তার সবচেয়ে নির্ভুল পরিমাপ), এবং bid-ask spread — অর্থাৎ কেনা এবং বেচার সেরা মূল্যের মধ্যেকার ব্যবধান, যা একটি রাউন্ড ট্রিপের খরচ নির্ধারণ করে। একই ছয় মাসের ইনডেক্স-লেভেল লেজার — রেট, অপশন, IPO, ব্রেডথ — H1 2026 মার্কেট রিক্যাপ-এ রয়েছে।

The scorecard: eleven sectors, half and quarter splits

কুয়েরিএগারোটি সেক্টর ETF: H1 2026 রিটার্ন, Q1 ও Q2 বিভাজন, এবং H1 ডলার ভলিউম
প্রতিটি সংখ্যার পেছনের সঠিক SQL
SELECT ticker,
    round((argMaxIf(toFloat64(close), window_start, toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-06-30') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)
         / argMinIf(toFloat64(open), window_start, toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2026-01-01') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) - 1) * 100, 1) AS h1_return_pct,
    round((argMaxIf(toFloat64(close), window_start, toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-03-31') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)
         / argMinIf(toFloat64(open), window_start, toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2026-01-01') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) - 1) * 100, 1) AS q1_return_pct,
    round((argMaxIf(toFloat64(close), window_start, toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-06-30') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)
         / argMinIf(toFloat64(open), window_start, toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2026-04-01') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) - 1) * 100, 1) AS q2_return_pct,
    round(sumIf(toFloat64(close) * toFloat64(volume), (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) / 1e9, 1) AS h1_dollar_bn
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN ('XLB', 'XLC', 'XLE', 'XLF', 'XLI', 'XLK', 'XLP', 'XLRE', 'XLU', 'XLV', 'XLY')
  AND window_start >= toDateTime('2026-01-01 00:00:00') AND window_start < toDateTime('2026-07-01 00:00:00')
GROUP BY ticker
ORDER BY ticker

Read the half column first: technology led at 30.8%, with industrials at 19% and energy at 18.8% behind it, while three sectors finished negative — communication services at -9.3%, consumer discretionary at -2.3%, and financials at -2.2%. Eight of eleven positive is respectable breadth for a half that opened with falling indexes.

The quarter columns hold the real story. Q1's leaders were energy (36.9%), materials (9.8%), utilities (7%), and staples (5.5%) — one commodity trade plus the classic defensives — while technology (-8.7%), financials (-9.9%), and discretionary (-9.3%) fell alongside the broad market. Q2 inverted the table: technology returned 42%, industrials 13.3%, and health care 7.8%, while energy (-11%), communication services (-3.7%), and utilities (-1%) finished the quarter in the red. Energy's round trip — 36.9% then -11% — and financials' mirror image — -9.9% then 7.7% — are the two cleanest illustrations of what a single half-year number hides.

মাস ভিত্তিক রোটেশন

তিনটি টিকার এই রোটেশনের পুরো চিত্রটি তুলে ধরে, তাই এই প্যানেলটি তাদের প্রতি মাসের ভিত্তিতে ট্র্যাক করে: XLE (প্রথম প্রান্তিকের নেতা), XLK (দ্বিতীয় প্রান্তিকের নেতা), এবং XLF (মিরর ট্রেড)।

কুয়েরিমাসিক ভিত্তিতে XLE, XLF, এবং XLK: H1 2026 রোটেশন
প্রতিটি সংখ্যার পেছনের সঠিক SQL
SELECT toString(toStartOfMonth(toDate(toTimeZone(window_start, 'America/New_York')))) AS month, ticker,
    round((argMaxIf(toFloat64(close), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)
         / argMinIf(toFloat64(open), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) - 1) * 100, 1) AS month_return_pct
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN ('XLE', 'XLF', 'XLK')
  AND window_start >= toDateTime('2026-01-01 00:00:00') AND window_start < toDateTime('2026-07-01 00:00:00')
GROUP BY month, ticker
ORDER BY month, ticker

XLE প্রথম তিন মাসেই বৃদ্ধি পেয়েছে — 14.1% জানুয়ারিতে, 11.6% ফেব্রুয়ারিতে, 6% মার্চে, যা একটি ধীরগতির সিঁড়ির মতো ছিল — এরপর টানা তিন মাস কোনো লাভ ছাড়াই ছিল (-0.2%, -4.7%, -6.8%)। XLK এর চিত্রটি ছিল ঠিক তার বিপরীত: জানুয়ারি, ফেব্রুয়ারি এবং মার্চে নেতিবাচক ছিল, তারপর এপ্রিলের 18.9% এবং মে মাসের 19.1% — এই টানা দুই মাসই প্রায় পুরো সেকটর লিডিং অর্জিত করেছে। এপ্রিল হলো হস্তান্তরের সময়: নেতৃত্বের পরিবর্তন এই টেবিলের একটি কলামে দেখা যাচ্ছে। XLF-এর দুটি ইতিবাচক মাস ছিল এপ্রিল এবং জুন, যা ছিল 4.7% এবং 4.7%। এই অর্ধবর্ষে যে বিষয়গুলোর বিপরীতে ট্রেড হয়েছে — মুদ্রাস্ফীতির তথ্য, পেরোল, ট্রেজারি কার্ভ — তা ২০২৬ সালের দ্বিতীয় অর্ধবর্ষে ম্যাক্রো চিত্র-এ সংগ্রহ করা হয়েছে।

Breadth inside each sector

A sector fund's return says nothing about how many of its members participated. The warehouse carries no sector-classification column, so this panel measures within-sector breadth with a fixed, fully disclosed basket: five household large-cap names per sector, fifty-five in total, every one listed in the SQL. It is a sample of famous names, not the funds' actual holdings — the basket's limits are spelled out in the data notes.

কুয়েরিপ্রতিটি সেক্টরে পাঁচটি নামের বাস্কেট: সদস্য বৃদ্ধি বনাম হ্রাস, মিডিয়ান, সেরা এবং সর্বনিম্ন — H1 2026
প্রতিটি সংখ্যার পেছনের সঠিক SQL
SELECT sector,
       count() AS members,
       countIf(ret_pct > 0) AS members_up,
       countIf(ret_pct <= 0) AS members_down,
       round(quantileDeterministic(0.5)(ret_pct, cityHash64(ticker)), 1) AS median_member_pct,
       argMax(ticker, (ret_pct, ticker)) AS best_member,
       round(max(ret_pct), 1) AS best_member_pct,
       argMin(ticker, (ret_pct, ticker)) AS worst_member,
       round(min(ret_pct), 1) AS worst_member_pct
FROM (
    SELECT ticker,
           multiIf(ticker IN ('AAPL','MSFT','NVDA','AVGO','ORCL'), 'technology (XLK)',
                   ticker IN ('META','GOOGL','NFLX','DIS','TMUS'), 'communication services (XLC)',
                   ticker IN ('XOM','CVX','COP','EOG','SLB'), 'energy (XLE)',
                   ticker IN ('JPM','BAC','WFC','GS','MS'), 'financials (XLF)',
                   ticker IN ('GE','CAT','RTX','UNP','UPS'), 'industrials (XLI)',
                   ticker IN ('LLY','UNH','JNJ','ABBV','MRK'), 'health care (XLV)',
                   ticker IN ('AMZN','TSLA','HD','MCD','NKE'), 'consumer discretionary (XLY)',
                   ticker IN ('PG','COST','WMT','KO','PEP'), 'consumer staples (XLP)',
                   ticker IN ('NEE','SO','DUK','CEG','AEP'), 'utilities (XLU)',
                   ticker IN ('PLD','AMT','EQIX','WELL','SPG'), 'real estate (XLRE)',
                   'materials (XLB)') AS sector,
           (argMaxIf(toFloat64(close), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)
            / argMinIf(toFloat64(open), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) - 1) * 100 AS ret_pct
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('AAPL','MSFT','NVDA','AVGO','ORCL','META','GOOGL','NFLX','DIS','TMUS','XOM','CVX','COP','EOG','SLB','JPM','BAC','WFC','GS','MS','GE','CAT','RTX','UNP','UPS','LLY','UNH','JNJ','ABBV','MRK','AMZN','TSLA','HD','MCD','NKE','PG','COST','WMT','KO','PEP','NEE','SO','DUK','CEG','AEP','PLD','AMT','EQIX','WELL','SPG','LIN','SHW','APD','FCX','ECL')
      AND window_start >= toDateTime('2026-01-01 00:00:00') AND window_start < toDateTime('2026-07-01 00:00:00')
    GROUP BY ticker
)
GROUP BY sector
ORDER BY median_member_pct DESC, sector

Two rows earn the most attention. Health care: all 5 of its five basket names rose, with a median of 21.7% — while XLV, the fund, gained 2.5% on the half. A fund's return is weighted by market value; a basket median weights every member equally — health care is the widest case of the basket beating the fund. Technology is the same gap in reverse — and, measured end to end, the widest of all: the fund gained 30.8% while its five biggest household names split 3 up and 2 down with a median of 5.2%, and ORCL printed -25.7%. The sector's headline gain did not come from its classic megacaps — where it did come from is the next panel. Elsewhere in the table: CAT's 84.3% is the best print among all fifty-five names, and communication services is the weakest room in the building — 1 of five up, a -15.2% median, with NFLX at -24.2%.

The memory-semis trade inside technology

কুয়েরিঅধিক লেনদেনকৃত আটটি চিপ এবং মেমরি নাম: H1 রিটার্ন, কোয়ার্টার বিভাজন, H1 ডলার ভলিউম
প্রতিটি সংখ্যার পেছনের সঠিক SQL
SELECT ticker,
    round((argMaxIf(toFloat64(close), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)
         / argMinIf(toFloat64(open), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) - 1) * 100, 1) AS h1_return_pct,
    round((argMaxIf(toFloat64(close), window_start, toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-03-31') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)
         / argMinIf(toFloat64(open), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) - 1) * 100, 1) AS q1_return_pct,
    round((argMaxIf(toFloat64(close), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)
         / argMinIf(toFloat64(open), window_start, window_start >= toDateTime('2026-04-01 00:00:00') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) - 1) * 100, 1) AS q2_return_pct,
    round(sumIf(toFloat64(close) * toFloat64(volume), (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) / 1e9, 1) AS h1_dollar_bn
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN ('MU', 'SNDK', 'NVDA', 'AMD', 'INTC', 'AVGO', 'QCOM', 'TXN')
  AND window_start >= toDateTime('2026-01-01 00:00:00') AND window_start < toDateTime('2026-07-01 00:00:00')
GROUP BY ticker
ORDER BY h1_return_pct DESC, ticker

Take technology apart and the half's defining single-name trade appears. SNDK returned 830.1% in six months, MU 290%, INTC 269.3%, and AMD 165.3% — while NVDA, the biggest single-name tape in the set at $3287.9 billion of half-year turnover, returned 5.2%, with AVGO at 6.9% and QCOM at 6.3%. The complex split in two: the memory-and-foundry names multiplied while the established AI-accelerator names went sideways. The Q2 column carries the timing: MU's 229.9%, INTC's 210%, and AMD's 179.8% landed in the same quarter XLK printed its 42% — the sector fund's rally and the memory repricing are the same three months of tape. MU's June is dissected tick by tick here, and NVDA's June deep-dive tracks the divergence session by session.

লেনদেনের অর্থের প্রবাহ কোথায় গিয়েছে

কুয়েরিসেক্টর ETF ডলার ভলিউম, Q1 বনাম Q2 2026: রিকভারি কোয়ার্টারে প্রতিটি ফান্ডের লেনদেন হ্রাস পেয়েছে
প্রতিটি সংখ্যার পেছনের সঠিক SQL
SELECT ticker,
    round(sumIf(toFloat64(close) * toFloat64(volume), toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-03-31') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) / 1e9, 1) AS q1_dollar_bn,
    round(sumIf(toFloat64(close) * toFloat64(volume), toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2026-04-01') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) / 1e9, 1) AS q2_dollar_bn,
    round((sumIf(toFloat64(close) * toFloat64(volume), toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2026-04-01') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)
         / sumIf(toFloat64(close) * toFloat64(volume), toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-03-31') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) - 1) * 100, 0) AS q2_vs_q1_pct
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN ('XLB', 'XLC', 'XLE', 'XLF', 'XLI', 'XLK', 'XLP', 'XLRE', 'XLU', 'XLV', 'XLY')
  AND window_start >= toDateTime('2026-01-01 00:00:00') AND window_start < toDateTime('2026-07-01 00:00:00')
GROUP BY ticker
ORDER BY q2_vs_q1_pct DESC, ticker

ডলার ভলিউম একটি নির্দিষ্ট দিকে ধাবিত হয়েছে: দ্বিতীয় প্রান্তিকে এগারোটি সেক্টর ফান্ডের প্রত্যেকটিই প্রথম প্রান্তিকের তুলনায় কম ডলার লেনদেন করেছে। টেবিলের প্রথম সারিতে সবচেয়ে কম হ্রাস দেখা গেছে — XLK এর ক্ষেত্রে তা হলো -23%, যা $161.2 বিলিয়ন থেকে কমে $124.8 বিলিয়নে দাঁড়িয়েছে — এবং সর্বনিম্ন হলো রিয়েল এস্টেট যা -45%। ইনডেক্সগুলো যখন হ্রাস পেয়েছিল তখন সেক্টর র‍্যাপারগুলোতে লেনদেন সবচেয়ে বেশি ছিল, এবং পুনরুদ্ধার শুরু হওয়ার সাথে সাথে সেগুলোর লেনদেনের পরিমাণ কমে গেছে। উপরের প্যানেলগুলো থেকে দুটি গুরুত্বপূর্ণ তথ্য পাওয়া যায়: XLE ছিল এই অর্ধবর্ষের সবচেয়ে বেশি লেনদেন হওয়া সেক্টর ফান্ড যার পরিমাণ ছিল $316.2 বিলিয়ন, এবং শুধুমাত্র MU এর লেনদেন ছিল $2862.1 বিলিয়ন — যা XLK ফান্ডের $286 বিলিয়নের তুলনায় প্রায় দশ গুণ বেশি। সেক্টর প্রোডাক্টগুলো ছিল স্কোরবোর্ড; আর একক শেয়ার বা সিঙ্গেল নেম ছিল প্রথম অর্ধবর্ষের মূল খেলার ক্ষেত্র।

প্রতিটি সেক্টর ট্রেড করার খরচ

রিটার্ন টেবিল সর্বত্র থাকলেও, কোট টেপ (quote tapes) তেমন দেখা যায় না। এই প্যানেলটি প্রতিটি ফান্ডের মিডিয়ান bid-ask spread পরিমাপ করে—যা একটি রাউন্ড ট্রিপের খরচ। এটি ২৯ জুন, ২০২৬ তারিখের একটি পূর্ণ সেশনের সমস্ত NBBO আপডেট থেকে নেওয়া হয়েছে।

কুয়েরিসেক্টর ETF অনুযায়ী মিডিয়ান কোটেড স্প্রেড, একটি প্রতিনিধি সেশন (June 29, 2026), রেগুলার আওয়ার্স
প্রতিটি সংখ্যার পেছনের সঠিক SQL
SELECT ticker,
    round(quantileDeterministicIf(0.5)((toFloat64(ask_price) - toFloat64(bid_price)) / ((toFloat64(ask_price) + toFloat64(bid_price)) / 2) * 10000, toUInt64(toUnixTimestamp64Micro(sip_timestamp)), bid_price > 0 AND ask_price >= bid_price), 2) AS med_spread_bps,
    round(count() / 1e6, 2) AS quote_updates_m,
    countIf(NOT (bid_price > 0 AND ask_price > 0 AND ask_price >= bid_price)) AS invalid_dropped
FROM global_markets.cache_stocks_quotes
WHERE ticker IN ('XLB', 'XLC', 'XLE', 'XLF', 'XLI', 'XLK', 'XLP', 'XLRE', 'XLU', 'XLV', 'XLY')
  AND sip_timestamp >= toDateTime64('2026-06-29 13:30:00', 9) AND sip_timestamp < toDateTime64('2026-06-29 20:00:00', 9)
GROUP BY ticker
ORDER BY med_spread_bps, ticker

সেই সেশনে ট্রেড করার জন্য সবচেয়ে সস্তা ফান্ড ছিল XLV, যার মিডিয়ান ছিল 0.62 বেসিস পয়েন্ট; আর সবচেয়ে বেশি ছিল XLRE, যা ছিল 2.23। এক বেসিস পয়েন্ট হলো এক শতাংশের একশ ভাগের এক ভাগ। তাই পুরো টেবিলটি প্রতিটি রাউন্ড ট্রিপের জন্য শতাংশের একশ ভাগের এক ভাগ হিসেবে কাজ করে—যার বাস্তব অর্থ হলো "সেক্টর ETF গুলো লিকুইড।" টেবিল জুড়ে কোট-আপডেট সংখ্যা প্রায় দশ গুণ পর্যন্ত ভিন্ন হতে পারে, তবুও মিডিয়ান মানগুলো একে অপরের খুব কাছাকাছি থাকে। এর বিপরীতে, ২৯ জুনের মাইক্রোস্ট্রাকচার ডিপ-ডাইভ একই সেশনের SPY কোট টেপ নিয়ে কাজ করে, যা এই টেবিলের কোনো ফান্ডের তুলনায় আরও কম স্প্রেড প্রদর্শন করে।

FAQ

২০২৬ সালের প্রথম অর্ধে (H1) কোন সেক্টর সবচেয়ে ভালো পারফর্ম করেছে?

Technology। XLK এই অর্ধে 30.8% রিটার্ন দিয়েছে, যার পুরোটাই দ্বিতীয় প্রান্তিকে অর্জিত হয়েছে (প্রথম প্রান্তিকে -8.7% এর পর দ্বিতীয় প্রান্তিকে 42%)। Communication services (XLC) সবচেয়ে খারাপ ছিল -9.3% রিটার্নে।

২০২৬ সালের প্রথম এবং দ্বিতীয় প্রান্তিকে কি একই সেক্টর নেতৃত্ব দিয়েছে?

না — এই দুই প্রান্তিকের ফলাফল ছিল প্রায় বিপরীত। Energy প্রথম প্রান্তিকে 36.9% রিটার্ন দিয়ে নেতৃত্ব দিয়েছিল এবং দ্বিতীয় প্রান্তিকে -11% এ শেষ করেছে; technology প্রথম প্রান্তিকে -8.7% রিটার্ন দিয়েছে এবং দ্বিতীয় প্রান্তিকে 42% রিটার্ন দিয়ে নেতৃত্ব দিয়েছে। Utilities এবং staples শুরুর দিকে নেতৃত্ব দিলেও শেষের দিকে পিছিয়ে পড়েছে।

একটি সেক্টর SPDR ETF ট্রেড করার খরচ কত?

পরিমাপকৃত ২৯ জুন, ২০২৬ সেশনের ভিত্তিতে, মিডিয়ান কোটেড স্প্রেড ছিল 0.62 বেসিস পয়েন্ট (XLV) থেকে 2.23 (XLRE) — প্রতি রাউন্ড ট্রিপে শতাংশের একশ ভাগের এক ভাগ, যা একটি সাধারণ সিঙ্গেল স্টকের তুলনায় অনেক কম।

একটি সেক্টর ETF-এর রিটার্ন কেন এর অন্তর্ভুক্ত সদস্যদের রিটার্নের থেকে আলাদা হয়?

ফান্ডগুলো মার্কেট ভ্যালু অনুযায়ী হোল্ডিংয়ের ওয়েট নির্ধারণ করে, তাই কিছু বিশাল সদস্যের রিটার্ন সামগ্রিক ফলাফলকে প্রভাবিত করে; অন্যদিকে একটি বাস্কেট মিডিয়ান প্রতিটি সদস্যকে সমানভাবে বিবেচনা করে। ২০২৬ সালের প্রথম অর্ধে (H1) এই ব্যবধান স্বাস্থ্যসেবা (health care) সেক্টরে সবচেয়ে বেশি ছিল: পাঁচটি নামের বাস্কেট মিডিয়ান ছিল 21.7%, যেখানে XLV ছিল 2.5%।

এগারোটি সেক্টর ETF কী কী?

XLB (materials), XLC (communication services), XLE (energy), XLF (financials), XLI (industrials), XLK (technology), XLP (consumer staples), XLRE (real estate), XLU (utilities), XLV (health care), এবং XLY (consumer discretionary)। এই সেক্টরগুলো একত্রে S&P 500 কে বিভক্ত করে।

ডেটা নোটস

সম্পূর্ণ ডেটা নোটস
  • Breadth baskets হলো প্রতিটি সেক্টরে পাঁচটি করে হাউসহোল্ড লার্জ-ক্যাপের একটি নির্দিষ্ট সম্পাদকীয় নমুনা, এগুলো কোনো ফান্ড হোল্ডিং নয় এবং এতে কোনো ওয়েট নেই। ক্যান্ডিডেটদের বাছাই করা হয়েছে হাফ-স্প্লিট ক্যালেন্ডারের ভিত্তিতে — মিনিট বারগুলো অ্যাডজাস্ট করা হয়নি, এবং পিরিয়ডের মাঝামাঝি সময়ে স্টক স্প্লিট হলে ওপেন-টু-ক্লোজ রিটার্ন প্রভাবিত হয় — এই স্ক্রিনিংয়ের সময় দুটি স্পষ্ট নাম পরিবর্তন করা হয়েছে। এই পৃষ্ঠার প্রতিটি ফিগার হলো প্রাইস রিটার্ন; এতে ডিভিডেন্ড অন্তর্ভুক্ত নয়।
  • Basket medians-এর জন্য ডিটারমিনিস্টিক কোয়ান্টাইল ব্যবহার করা হয়েছে এবং সেরা/সবচেয়ে খারাপ মেম্বারদের ক্ষেত্রে টাই-ব্রেক করার জন্য টিকার ব্যবহার করা হয়েছে, তাই পুনরায় জেনারেট করলে টাইগুলোর ক্রম পরিবর্তন হতে পারে না।
  • Spread প্যানেলটি একটি নির্দিষ্ট সেশন (June 29, 2026) পরিমাপ করে, পুরো হাফ নয়; ১১টি টিকারের ওপর ছয় মাসের হোল-কোউট-টেপ স্ক্যান এই পৃষ্ঠার কোয়েরি বাজেটের বাইরে। ইনভ্যালিড কোট (ক্রসড বা ওয়ান-সাইডেড) প্যানেলে গণনা করা হয়, সেগুলো বাদ দেওয়া হয় না।
  • Scorecard প্যানেলটি H1 recap-এর একই কোয়েরি ব্যবহার করে, তাই সেক্টর নম্বরের ক্ষেত্রে দুটি পৃষ্ঠার তথ্যে অমিল থাকতে পারে না।

পদ্ধতি

  • সময়সীমা হলো ১ জানুয়ারি – ৩০ জুন, ২০২৬। প্রতিটি সময়সীমার মধ্যে রিটার্ন গণনা করা হয়েছে নিয়মিত সময়ের ওপেন থেকে নিয়মিত সময়ের ক্লোজিং পর্যন্ত; যা প্রদর্শিত কুয়েরিগুলোর মাধ্যমে সম্পন্ন করা হয়েছে। নিয়মিত সময়গুলো ইস্টার্ন ওয়াল ঘড়ি অনুযায়ী ফিল্টার করা হয়েছে (৯:৩০–১৫:৫৯, প্রতিটি রো অনুযায়ী রূপান্তরিত); যা EST এবং EDT মাসগুলোর জন্য DST-নিরাপদ।
  • কোয়ার্টার বা ত্রৈমাসিক সীমানা ইস্টার্ন ট্রেডিং তারিখ অনুযায়ী প্রয়োগ করা হয়েছে: Q1 শেষ হয় ৩১ মার্চ, Q2 শুরু হয় ১ এপ্রিল।
  • ডলার ভলিউম হলো নিয়মিত সময়ের মধ্যে শেয়ারের সাথে মূল্যের গুণফল, যা একই কুয়েরিতে গণনা করা হয়েছে।
  • জেনারেশন প্রক্রিয়াটি গেটেড রিড-অনলি পাথ-এর মাধ্যমে চলে; পাবলিক পেজ কখনোই লাইভ কুয়েরি করে না। ১২ জুলাই, ২০২৬ তারিখ পর্যন্ত ওয়্যারহাউসের অবস্থা।

এই অর্ধবার্ষিক পূর্ণ লেজার — ইনডেক্স, রেট এবং অপশন টেপ — H1 2026 মার্কেট রিক্যাপ-এ রয়েছে। কোনো সেক্টর ভিন্নভাবে বিশ্লেষণ করতে চাইলে, প্রতিটি প্যানেলের SQL Strasmore টার্মিনালে সরাসরি চালানো যাবে।

#sectors#etfs#rotation#spreads#semiconductors