Von Marktbericht 1. Juli 2026 Zahlen
Der Handel zur Jahresmitte startete ruhig bei den Indizes. Während META stieg, verlor der Memory-Komplex an Wert und die meisten S&P Sektoren schlossen im Plus.
Mittwoch, 1. Juli 2026 — die erste Sitzung der zweiten Jahreshälfte — ein extrem ruhiger Index-Handelstag traf auf eine sehr volatile Handelsphase. Der SPY schloss bei -0.08% und der QQQ bei -1.44%, während der Memory-Komplex, der das zweite Quartal stützte, ein Zehntel seines Wertes verlor. META stieg um 8.88%, und 7 der 11 S&P-Sektor-Fonds schlossen im Plus. Vorherige Sitzung: 30. Juni.
Die Ergebnistabelle
Die Veränderungen beziehen sich auf den letzten Balken der regulären Sitzung vom 1. Juli im Vergleich zum Dienstag, den 30. Juni.
Das exakte SQL hinter jeder Zahl
WITH prior AS (
SELECT ticker, argMax(close, window_start) AS prior_close
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN ('SPY', 'QQQ', 'DIA', 'IWM')
AND window_start >= '2026-06-30 13:30:00' AND window_start < '2026-06-30 20:00:00'
GROUP BY ticker
),
sess AS (
SELECT ticker,
argMin(open, window_start) AS day_open,
argMax(close, window_start) AS day_close,
max(high) AS day_high,
min(low) AS day_low,
round(toFloat64(sum(volume)) / 1e6, 1) AS shares_traded_m
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN ('SPY', 'QQQ', 'DIA', 'IWM')
AND window_start >= '2026-07-01 13:30:00' AND window_start < '2026-07-01 20:00:00'
GROUP BY ticker
)
SELECT
s.ticker AS ticker,
round(toFloat64(p.prior_close), 2) AS prior_close,
round(toFloat64(s.day_open), 2) AS day_open,
round(toFloat64(s.day_close), 2) AS day_close,
round((toFloat64(s.day_close) / toFloat64(p.prior_close) - 1) * 100, 2) AS pct_change,
round(toFloat64(s.day_high), 2) AS day_high,
round(toFloat64(s.day_low), 2) AS day_low,
s.shares_traded_m AS shares_traded_m
FROM sess s
JOIN prior p ON s.ticker = p.ticker
ORDER BY s.tickerDer Split ist entscheidend: DIA bei 0.02% und SPY bei -0.08% verliefen im Vergleich zu QQQ bei -1.44% und IWM bei -0.37% seitwärts — ein Verkauf von Growth-Werten, den der breite Markt kaum registrierte.
Einer der ruhigsten Index-Tage des vergangenen Monats
Das exakte SQL hinter jeder Zahl
SELECT round(anyIf(oc_pct, d = toDate('2026-07-01')), 2) AS day_move_pct,
arrayCount(x -> x > abs(anyIf(oc_pct, d = toDate('2026-07-01'))), groupArrayIf(abs(oc_pct), d != toDate('2026-07-01'))) + 1 AS abs_move_rank,
count() AS sessions_compared,
toString(min(d)) AS first_session
FROM (
SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d,
(argMax(toFloat64(close), window_start) / argMin(toFloat64(open), window_start) - 1) * 100 AS oc_pct
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker = 'SPY'
AND window_start >= toDateTime('2026-06-01 00:00:00')
AND window_start < toDateTime('2026-07-02 00:00:00')
AND (toHour(window_start) * 60 + toMinute(window_start)) BETWEEN 810 AND 1199
GROUP BY d
)Die Kursbewegung innerhalb der Sitzung – eine andere Perspektive als der Vergleich der Schlusskurse – zeigt für den SPY eine Veränderung von 0.09%: dies entspricht dem 20 Rang unter 22 vergangenen Sitzungen nach absoluter Größe, wobei nur zwei Werte geringere Schwankungen aufwiesen. Die Volatilitätsindizes bestätigten diesen Trend. Da dieser Datensatz keinen Spot-VIX-Index enthält, erfolgt die Analyse anhand von börsennotierten VIX-Futures-Fonds – die verlässlichste handelbare Kennzahl für die Kosten von Absicherungsinstrumenten:
Das exakte SQL hinter jeder Zahl
WITH per_name AS (
SELECT
ticker,
toFloat64(argMaxIf(close, window_start, window_start < '2026-07-01 00:00:00')) AS prior_close,
toFloat64(argMaxIf(close, window_start, window_start >= '2026-07-01 00:00:00')) AS day_close,
maxIf(toFloat64(high), window_start >= '2026-07-01 00:00:00') AS day_high,
minIf(toFloat64(low), window_start >= '2026-07-01 00:00:00') AS day_low
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN ('SPY', 'SVXY', 'UVXY', 'VIXY', 'VXX')
AND ((window_start >= '2026-06-30 13:30:00' AND window_start < '2026-06-30 20:00:00')
OR (window_start >= '2026-07-01 13:30:00' AND window_start < '2026-07-01 20:00:00'))
GROUP BY ticker
)
SELECT
ticker,
round(prior_close, 2) AS prior_close,
round(day_close, 2) AS day_close,
round((day_close / prior_close - 1) * 100, 2) AS pct_chg,
round((day_high / day_low - 1) * 100, 2) AS range_pct
FROM per_name
ORDER BY tickerVXX, der größte VIX-Futures-Fonds mit Fälligkeit im nächsten Monat, stieg um 0.72%; VIXY um 0.8%; der gehebelte UVXY um 1.13% innerhalb einer Spanne von 3.68%; der inverse SVXY um -0.42%. Diese Werte sind im Vergleich zu den Bewegungen einzelner Aktien geringfügig.
Marktdurchdringung: mehr Kursverluste als Gewinne — und mehr neue Hochs als neue Tiefs
Das exakte SQL hinter jeder Zahl
WITH per_ticker AS (
SELECT
ticker,
toFloat64(argMaxIf(close, window_start, window_start < '2026-07-01 00:00:00')) AS prior_close,
toFloat64(argMaxIf(close, window_start, window_start >= '2026-07-01 00:00:00')) AS day_close,
maxIf(toFloat64(high), window_start < '2026-07-01 00:00:00') AS quarter_high,
minIf(toFloat64(low), window_start < '2026-07-01 00:00:00') AS quarter_low,
maxIf(toFloat64(high), window_start >= '2026-07-01 00:00:00') AS day_high,
minIf(toFloat64(low), window_start >= '2026-07-01 00:00:00') AS day_low,
sumIf(toFloat64(close) * toFloat64(volume), window_start >= '2026-07-01 00:00:00') AS day_dollar_volume,
countIf(window_start < '2026-07-01 00:00:00') AS quarter_bars
FROM global_markets.delayed_stocks_minute_aggs
WHERE ((window_start >= '2026-04-01 13:30:00' AND window_start < '2026-06-30 20:00:00')
OR (window_start >= '2026-07-01 13:30:00' AND window_start < '2026-07-01 20:00:00'))
AND (toHour(window_start) * 60 + toMinute(window_start)) BETWEEN 810 AND 1199
GROUP BY ticker
)
SELECT
countIf(day_close > prior_close AND day_dollar_volume >= 1000000) AS advancers,
countIf(day_close < prior_close AND day_dollar_volume >= 1000000) AS decliners,
countIf(day_close = prior_close AND day_dollar_volume >= 1000000) AS unchanged,
round(100.0 * countIf(day_close > prior_close AND day_dollar_volume >= 1000000)
/ countIf(day_dollar_volume >= 1000000), 1) AS advancer_pct,
countIf(day_dollar_volume >= 1000000 AND quarter_bars >= 1000 AND day_high > quarter_high) AS new_quarter_highs,
countIf(day_dollar_volume >= 1000000 AND quarter_bars >= 1000 AND day_low < quarter_low) AS new_quarter_lows,
round(countIf(day_dollar_volume >= 1000000 AND quarter_bars >= 1000 AND day_high > quarter_high)
/ countIf(day_dollar_volume >= 1000000 AND quarter_bars >= 1000 AND day_low < quarter_low), 1) AS highs_per_low,
countIf(day_dollar_volume >= 1000000 AND quarter_bars >= 1000) AS names_with_a_full_quarter,
countIf(day_dollar_volume >= 1000000) AS liquid_tickers,
count() AS tickers_traded_both_sessions,
count() - countIf(day_dollar_volume >= 1000000) AS dropped_by_liquidity_filter,
countIf(day_dollar_volume >= 1000000 AND quarter_bars < 1000) AS dropped_short_quarter_history
FROM per_ticker
WHERE prior_close > 0 AND day_close > 02928 steigende, 3465 fallende, 82 unveränderte Werte — 45.2% des liquiden Handelsvolumens stieg. Die Marktdurchdringung spiegelt jedoch nicht die Intensität wider: Im Vergleich zur Handelsspanne des zweiten Quartals erzielten an diesem roten Tag 836 der 6217 Namen mit einem vollständigen Handelsquartal ein neues Quartalshoch, während 246 ein neues Tief markierten — das Verhältnis lag bei 3.4 neuen Hochs pro neuem Tief. Die meisten Werte verloren an Kursen; nur wenige durchbrachen ihre Handelsspanne. Rückgänge: 5435 von 11910 Ticker mit zwei Handelstagen unter der 1-Million-Dollar-Filtergrenze, 258 liquide Namen ohne vollständiges Quartal an Kerzen.
Sektor-Board: Der Schaden beschränkte sich auf einen Sektor
Die elf SPDR-Sektorfonds bilden den günstigsten Querschnitt über den gesamten Markt — jeden Handelstag derselbe Korb.
Das exakte SQL hinter jeder Zahl
WITH per_name AS (
SELECT
ticker,
toFloat64(argMaxIf(close, window_start, window_start < '2026-07-01 00:00:00')) AS prior_close,
toFloat64(argMaxIf(close, window_start, window_start >= '2026-07-01 00:00:00')) AS day_close,
round(sumIf(toFloat64(close) * toFloat64(volume), window_start >= '2026-07-01 00:00:00') / 1e9, 2) AS day_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 >= '2026-06-30 13:30:00' AND window_start < '2026-06-30 20:00:00')
OR (window_start >= '2026-07-01 13:30:00' AND window_start < '2026-07-01 20:00:00'))
GROUP BY ticker
)
SELECT
ticker,
round(prior_close, 2) AS prior_close,
round(day_close, 2) AS day_close,
round((day_close / prior_close - 1) * 100, 2) AS pct_chg,
round((day_close / prior_close - 1) * 100 - min((day_close / prior_close - 1) * 100) OVER (), 2) AS pct_above_worst_sector,
sum(if(day_close > prior_close, 1, 0)) OVER (ORDER BY (day_close / prior_close) DESC ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS green_so_far,
day_dollar_bn
FROM per_name
ORDER BY pct_chg DESCCommunication Services (XLC) — der Sektorfonds mit META-Position — führte mit 2.41%, Financials (XLF) folgte mit 2.2%. Technology (XLK) lag mit -2.56% und 4.97 Prozentpunkten unter dem Spitzenreiter allein am Ende. Insgesamt schlossen 7 von 11 Fonds im Plus — Discretionary 0.68% und Health Care 0.57% — während Utilities (-1.28%), Industrials (-0.98%) und Energy (-0.6%) im Minus lagen. Das bedeutet, der Index bewegte sich von unten her kaum.
Der Höhepunkt des Tages: Speicherwerte brachen ein, META entwickelte sich entgegengesetzt
Acht Titel verursachten die Dispersion: die vier Speicher- und Speichermedien-Aktien, die das zweite Quartal anführten, sowie vier umliegende Chip- und Plattform-Werte. Die Korrelation, die Größenordnung und der Zeitpunkt werden berichtet; die Daten geben keine Auskunft über die Ursachen.
Das exakte SQL hinter jeder Zahl
WITH per_name AS (
SELECT
ticker,
toFloat64(argMaxIf(close, window_start, window_start < '2026-07-01 00:00:00')) AS prior_close,
toFloat64(argMaxIf(close, window_start, window_start >= '2026-07-01 00:00:00')) AS day_close,
maxIf(toFloat64(high), window_start >= '2026-07-01 00:00:00') AS day_high,
minIf(toFloat64(low), window_start >= '2026-07-01 00:00:00') AS day_low,
argMinIf(window_start, (toFloat64(low), toInt64(toUnixTimestamp(window_start))), window_start >= '2026-07-01 00:00:00') AS low_bar,
argMaxIf(window_start, (toFloat64(high), -toInt64(toUnixTimestamp(window_start))), window_start >= '2026-07-01 00:00:00') AS high_bar,
round(sumIf(toFloat64(close) * toFloat64(volume), window_start >= '2026-07-01 00:00:00') / 1e9, 2) AS day_dollar_bn
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN ('AMD', 'META', 'MRVL', 'MU', 'NVDA', 'SNDK', 'STX', 'WDC')
AND ((window_start >= '2026-06-30 13:30:00' AND window_start < '2026-06-30 20:00:00')
OR (window_start >= '2026-07-01 13:30:00' AND window_start < '2026-07-01 20:00:00'))
GROUP BY ticker
)
SELECT
ticker,
round(prior_close, 2) AS prior_close,
round(day_close, 2) AS day_close,
round((day_close / prior_close - 1) * 100, 2) AS pct_chg,
formatDateTime(toTimeZone(high_bar, 'America/New_York'), '%H:%i') AS day_high_et,
formatDateTime(toTimeZone(low_bar, 'America/New_York'), '%H:%i') AS day_low_et,
toHour(toTimeZone(low_bar, 'America/New_York')) * 60 + toMinute(toTimeZone(low_bar, 'America/New_York')) AS low_minute_et,
round((day_high / day_low - 1) * 100, 2) AS range_pct,
day_dollar_bn
FROM per_name
ORDER BY tickerSanDisk (-10.45%) und Micron (-10.23%) verloren jeweils mehr als ein Zehntel ihres Wertes; Marvell -8.68%, AMD -6.87%, Western Digital -6.3% und Seagate -5.11%. MU verzeichnete ein Handelsvolumen von $42.94 Milliarden, womit sie mehr als SPY über den gesamten Tag handelte. MU, AMD und Marvell erreichten jeweils in den letzten Minuten der Sitzung ihre Tagestiefs (15:59, 15:57, 15:58 ET) — Verkäufe während der Schlussauktion, nicht aufgrund eines morgendlichen Preisvakuums, das sich wieder erholt hätte (die MU-Analyse betrachtet das vergangene Quartal).
META verhielt sich genau entgegengesetzt: 8.88% bei einem Handelsvolumen von $22.72 Milliarden, das Tief lag bei 09:30 ET — der Eröffnungsbalken — und wurde nie wieder erreicht. NVDA blieb bei -1.09% (NVDA im Juni).
Was gesagt wurde
Diese Seite weist niemals Ursachen zu. Unser lizenziertes News-Feed ist jedoch eine Tabelle wie jede andere – dies sind die Inhalte des Tages:
Das exakte SQL hinter jeder Zahl
SELECT published_et, publisher, names_tagged, headline
FROM (
SELECT
published_utc,
formatDateTime(toTimeZone(published_utc, 'America/New_York'), '%H:%i') AS published_et,
JSONExtractString(publisher, 'name') AS publisher,
arrayStringConcat(arrayFilter(x -> x IN ('MU', 'SNDK', 'STX', 'WDC', 'META'), tickers), ' ') AS names_tagged,
substring(title, 1, 72) AS headline
FROM global_markets.stocks_news
WHERE published_utc >= '2026-07-01 04:00:00' AND published_utc < '2026-07-02 04:00:00'
AND hasAny(tickers, ['MU', 'SNDK', 'STX', 'WDC', 'META'])
AND NOT has(tickers, 'SPCX')
AND position(title, 'SPCX') = 0
ORDER BY published_utc DESC
LIMIT 12
)
ORDER BY published_utc ASCDer Artikel von The Motley Fool zu Micron (14:11 ET) erschien unter der Überschrift "Why Micron Stock Is Plummeting Today". Die Abendzusammenfassung (17:12 ET) und der Nachschlag vier Minuten später (17:16 ET) stellten den Anstieg von META in Verbindung mit einem berichteten Plan, überschüssige KI-Rechenleistung als Cloud-Geschäft zu verkaufen. Dies ist die Darstellung des Mediums und keine Erkenntnis aus den Marktdaten; 12 Artikel von zwei Herausgebern stellen die Aufmerksamkeit eines einzelnen Feeds dar, nicht die des Marktes.
Handelsvolumen nach Werten
Das exakte SQL hinter jeder Zahl
SELECT ticker, leaderboard, dollar_volume_bn, if(dollar_volume_bn < 1, dollar_volume_m, NULL) AS dollar_value_m, shares_m,
round(100 * if(leaderboard = 'by dollars traded', dollar_volume_bn, shares_m)
/ max(if(leaderboard = 'by dollars traded', dollar_volume_bn, shares_m)) OVER (PARTITION BY leaderboard), 1) AS pct_of_board_leader
FROM (
SELECT
'by dollars traded' AS leaderboard,
ticker,
round(sum(toFloat64(close) * toFloat64(volume)) / 1e9, 2) AS dollar_volume_bn,
round(sum(toFloat64(close) * toFloat64(volume)) / 1e6, 0) AS dollar_volume_m,
round(sum(toFloat64(volume)) / 1e6, 1) AS shares_m
FROM global_markets.delayed_stocks_minute_aggs
WHERE window_start >= '2026-07-01 13:30:00' AND window_start < '2026-07-01 20:00:00'
AND ticker NOT IN ('SPCX')
GROUP BY ticker
ORDER BY dollar_volume_bn DESC
LIMIT 6
UNION ALL
SELECT
'by shares traded' AS leaderboard,
ticker,
round(sum(toFloat64(close) * toFloat64(volume)) / 1e9, 2) AS dollar_volume_bn,
round(sum(toFloat64(close) * toFloat64(volume)) / 1e6, 0) AS dollar_volume_m,
round(sum(toFloat64(volume)) / 1e6, 1) AS shares_m
FROM global_markets.delayed_stocks_minute_aggs
WHERE window_start >= '2026-07-01 13:30:00' AND window_start < '2026-07-01 20:00:00'
AND ticker NOT IN ('SPCX')
GROUP BY ticker
ORDER BY shares_m DESC
LIMIT 4
)
ORDER BY leaderboard ASC, if(leaderboard = 'by dollars traded', dollar_volume_bn, shares_m) DESCMU führte mit $42.94 Milliarden das Handelsvolumen an – SPY folgte mit $27.76 Milliarden auf Platz zwei, META lag mit $22.72 Milliarden auf Platz vier – eine fallende Aktie mit einem Handelsvolumen, das das des Indexfonds um die Hälfte übertraf. Die extremsten Kursbewegungen sorgten für die höchsten Volumina. Das Aktienboard zeigt die üblichen Verzerrungen: SOXS, der 3x-inverse Halbleiter-ETF, führte mit 553.1 Millionen Aktien – das höchste Volumen des Tages, als die Chipwerte fielen – während ein günstig notierter Wert mit 189.8 Millionen Aktien im Wert von $319 Millionen das Schlusslicht bildete (relatives Volumen zeigt genau dies an). Basis: 1. Juli, reguläre Handelszeiten, eine Liste mit wiederverwendetem Symbol ausgeschlossen (Belege).
Der Optionsmarkt
Das exakte SQL hinter jeder Zahl
WITH
(
SELECT (any(underlying_symbol), any(toFloat64(strike_price)), any(option_type),
sum(size), round(avg(toFloat64(price)), 3),
any(if(substring(ticker, length(ticker) - 14, 6) = '260701', 1, 0)))
FROM global_markets.options_trades
WHERE sip_timestamp >= '2026-07-01 00:00:00' AND sip_timestamp < '2026-07-02 00:00:00'
GROUP BY ticker
ORDER BY sum(size) DESC, ticker ASC
LIMIT 1
) AS top_contract,
(
SELECT round(toFloat64(argMax(close, window_start)), 2)
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker = 'SPY' AND window_start >= '2026-07-01 13:30:00' AND window_start < '2026-07-01 20:00:00'
) AS spy_regular_close
SELECT
round(count() / 1e6, 2) AS option_prints_m,
round(toFloat64(sum(size)) / 1e6, 2) AS contracts_m,
round(100.0 * sumIf(size, option_type = 'C') / sum(size), 1) AS call_pct_of_volume,
round(sumIf(toFloat64(size), option_type = 'P') / sumIf(toFloat64(size), option_type = 'C'), 2) AS put_call_ratio,
round(100.0 * sumIf(size, substring(ticker, length(ticker) - 14, 6) = '260701') / sum(size), 1) AS same_day_expiry_pct,
round(toFloat64(sumIf(size, substring(ticker, length(ticker) - 14, 6) = '260702')) / 1e6, 2) AS thu_jul2_expiry_contracts_m,
countIf(substring(ticker, length(ticker) - 14, 6) = '260703') AS fri_jul3_expiry_prints,
round(toFloat64(sumIf(size, underlying_symbol = 'SPY' AND option_type = 'P')) / 1e6, 2) AS spy_put_contracts_m,
round(100.0 * sumIf(size, underlying_symbol = 'SPY' AND option_type = 'P' AND toFloat64(strike_price) < spy_regular_close * 0.98)
/ sumIf(size, underlying_symbol = 'SPY' AND option_type = 'P'), 1) AS spy_puts_2pct_below_pct,
round(100.0 * sumIf(size, underlying_symbol = 'SPY' AND option_type = 'C' AND toFloat64(strike_price) > spy_regular_close * 1.02)
/ sumIf(size, underlying_symbol = 'SPY' AND option_type = 'C'), 1) AS spy_calls_2pct_above_pct,
round(sumIf(toFloat64(size), underlying_symbol = 'MU' AND option_type = 'P')
/ sumIf(toFloat64(size), underlying_symbol = 'MU' AND option_type = 'C'), 2) AS mu_put_call_ratio,
round(sumIf(toFloat64(size), underlying_symbol = 'META' AND option_type = 'P')
/ sumIf(toFloat64(size), underlying_symbol = 'META' AND option_type = 'C'), 2) AS meta_put_call_ratio,
top_contract.1 AS top_contract_underlying,
top_contract.2 AS top_contract_strike,
top_contract.3 AS top_contract_type,
top_contract.4 AS top_contract_volume,
reverse(arrayStringConcat(extractAll(reverse(toString(assumeNotNull(top_contract.4))), '\\d{1,3}'), ',')) AS top_contract_volume_fmt,
round(top_contract.5, 3) AS top_contract_avg_price,
top_contract.6 AS top_contract_is_same_day,
round(top_contract.2 - spy_regular_close, 2) AS top_strike_minus_spy_close,
spy_regular_close AS spy_close
FROM global_markets.options_trades
WHERE sip_timestamp >= '2026-07-01 00:00:00' AND sip_timestamp < '2026-07-02 00:00:00'Es wurden 68.46 Millionen Kontrakte über 11.22 Millionen Trades gehandelt – Calls machten 58.6% des Volumens aus, während Kontrakte mit Glattstellung am selben Tag 33.5% ausmachten. Es gab keine Absicherungen gegen den Index: Marktweit gab es 0.71 Puts pro Call. Von den 5.76 Millionen Puts des SPY lagen nur 11.6% bei einem Basispreis von mehr als zwei Prozent unter dem Schlusskurs von 745.69 – dies sind die weit aus dem Geld liegenden Puts, die nur bei einem Crash profitabel wären. Die Skew-Verteilung zeigte sich bei Einzelaktien: Bei Micron überstiegen die Puts die Calls (1.11 pro Call), während bei META die Calls die Puts um mehr als zwei zu eins übertrafen (0.39). Der am häufigsten gehandelte Kontrakt war der SPY $748 Call mit Glattstellung am selben Tag – 878,947 Kontrakte zu einem Durchschnittspreis von $0.707 – der 2.31 Dollar aus dem Geld ausläuft, wie am Dienstag. Es gab keine Trades für den 3. Juli (0 Prints – dieser Freitag ist geschlossen); die Weekly-Optionen mit Fälligkeit am Donnerstag wurden mit 14.43 Millionen gehandelt.
Rates: drifting up, front end down
Yields are daily closes against June 30.
Das exakte SQL hinter jeder Zahl
SELECT
t.1 AS curve_point,
round(t.2, 2) AS jul1_yield_pct,
round((t.2 - t.3) * 100) AS one_day_change_bp
FROM (
SELECT arrayJoin([
('1 month', toFloat64(d.yield_1_month), toFloat64(p.yield_1_month)),
('3 month', toFloat64(d.yield_3_month), toFloat64(p.yield_3_month)),
('1 year', toFloat64(d.yield_1_year), toFloat64(p.yield_1_year)),
('2 year', toFloat64(d.yield_2_year), toFloat64(p.yield_2_year)),
('5 year', toFloat64(d.yield_5_year), toFloat64(p.yield_5_year)),
('10 year', toFloat64(d.yield_10_year), toFloat64(p.yield_10_year)),
('30 year', toFloat64(d.yield_30_year), toFloat64(p.yield_30_year)),
('2s10s spread', toFloat64(d.yield_10_year - d.yield_2_year), toFloat64(p.yield_10_year - p.yield_2_year))
]) AS t
FROM (SELECT * FROM global_markets.treasury_yields WHERE date = '2026-07-01') AS d,
(SELECT * FROM global_markets.treasury_yields WHERE date = '2026-06-30') AS p
)The 10-year added 4 bp to 4.48% and the 30-year 6 bp, while the 1-month bill moved -3 bp — belly and long end up, front end down. The 2s10s spread closed at 0.31 percentage points: nothing here matched the equity dispersion.
The calendar behind the day
Das exakte SQL hinter jeder Zahl
WITH
(
SELECT (count(), uniqExact(publisher))
FROM global_markets.stocks_news
WHERE toDate(toTimeZone(published_utc, 'America/New_York')) = '2026-07-01'
) AS news,
(
SELECT (argMax(t, n), max(n))
FROM (
SELECT t, count() AS n
FROM (
SELECT arrayJoin(tickers) AS t
FROM global_markets.stocks_news
WHERE toDate(toTimeZone(published_utc, 'America/New_York')) = '2026-07-01'
)
WHERE t != 'SPCX'
GROUP BY t
)
) AS top_news
SELECT
(SELECT count() FROM global_markets.stocks_dividends WHERE ex_dividend_date = '2026-07-01') AS ex_dividend_records,
(SELECT countIf(frequency = 12) FROM global_markets.stocks_dividends WHERE ex_dividend_date = '2026-07-01') AS monthly_payers,
(SELECT countIf(frequency = 4) FROM global_markets.stocks_dividends WHERE ex_dividend_date = '2026-07-01') AS quarterly_payers,
(SELECT round(100.0 * countIf(frequency = 12) / count(), 1) FROM global_markets.stocks_dividends WHERE ex_dividend_date = '2026-07-01') AS monthly_payer_pct,
(SELECT count() FROM global_markets.stocks_splits WHERE execution_date = '2026-07-01') AS splits_executed,
(SELECT count() FROM global_markets.stocks_ipos WHERE listing_date = '2026-07-01') AS ipos_listed,
(SELECT uniqExact(accession_number) FROM global_markets.stocks_sec_edgar_index WHERE filing_date = '2026-07-01') AS sec_filings,
(SELECT uniqExactIf(accession_number, form_type = '4') FROM global_markets.stocks_sec_edgar_index WHERE filing_date = '2026-07-01') AS insider_form4_filings,
(SELECT uniqExactIf(accession_number, form_type = '8-K') FROM global_markets.stocks_sec_edgar_index WHERE filing_date = '2026-07-01') AS filings_8k,
(SELECT arrayStringConcat(groupArray(concat(ticker, ' — ', issuer_name)), '; ') FROM (
SELECT ticker, issuer_name FROM global_markets.stocks_ipos WHERE listing_date = '2026-07-01' ORDER BY ticker
)) AS ipo_names,
news.1 AS news_articles,
news.2 AS news_publishers,
top_news.1 AS most_covered_ticker,
top_news.2 AS most_covered_articlesThe quarter turn crested here: 745 dividend records went ex-dividend — the wave the June recap watched building — alongside 9 splits and 3 listings (BSP — Bending Spoons S.p.A.; ITG — ITG Inc.; LIME — Neutron Holdings Inc.). The filing feed revived: 4282 filings, 1072 of them Form 4s and 248 8-Ks, after June 30's near-empty index day (the month-end gap note). Our feed carried 201 articles, most-covered MSFT at 16.
But a count says nothing about who was paying. Ranked by the money that traded in them, the board is not corporate at all:
Das exakte SQL hinter jeder Zahl
WITH divs AS (
SELECT ticker, max(toFloat64(cash_amount)) AS cash, max(frequency) AS freq
FROM global_markets.stocks_dividends
WHERE ex_dividend_date = '2026-07-01' AND distribution_type = 'recurring'
GROUP BY ticker
),
tape AS (
SELECT ticker,
sum(toFloat64(close) * toFloat64(volume)) AS dollar_volume,
toFloat64(argMax(close, (window_start, close))) AS day_close
FROM global_markets.delayed_stocks_minute_aggs
WHERE window_start >= '2026-07-01 13:30:00' AND window_start < '2026-07-01 20:00:00'
AND ticker NOT IN ('SPCX')
GROUP BY ticker
)
SELECT
d.ticker AS ticker,
round(d.cash, 4) AS cash_per_share,
d.freq AS payments_per_year,
round(t.day_close, 2) AS day_close,
round(100 * d.cash / t.day_close, 2) AS pct_of_price,
round(100 * d.cash * d.freq / t.day_close, 2) AS annualized_yield_pct,
round(t.dollar_volume / 1e9, 2) AS day_dollar_bn
FROM divs d JOIN tape t ON d.ticker = t.ticker
WHERE t.dollar_volume > 0 AND d.cash > 0
ORDER BY t.dollar_volume DESC
LIMIT 8Every one of the eight busiest ex-dividend tickers is a fund paying 12 times a year: SGOV, a Treasury-bill fund, went ex on $0.2958 a share (0.29% of price, 3.54% annualized) on $3.5 billion traded; HYG, a high-yield bond fund, on $0.3688. That is a first-of-month wave: 572 of the day's 745 records (76.8%) are monthly payers — funds distributing interest — against 123 quarterly payers. The ex-date drop is mechanical, not a loss.
Ist der erste Tag eines Quartals jemals ein gewöhnlicher Tag?
Die Erwartungshaltung ist klar: neues Quartal, neues Kapital, neue Allokationen. Die Datenbank widerspricht.
Das exakte SQL hinter jeder Zahl
SELECT
count() AS quarter_opens_measured,
round(quantileExact(0.5)(oc_pct), 2) AS median_quarter_open_pct,
countIf(oc_pct > 0) AS quarter_opens_green,
countIf(oc_pct <= 0) AS quarter_opens_red,
round(anyIf(oc_pct, first_day = toDate('2026-07-01')), 2) AS jul1_oc_pct,
arrayCount(x -> x < anyIf(oc_pct, first_day = toDate('2026-07-01')), groupArrayIf(oc_pct, first_day != toDate('2026-07-01'))) + 1 AS jul1_rank_worst_to_best,
round(min(oc_pct), 2) AS worst_quarter_open_pct,
round(max(oc_pct), 2) AS best_quarter_open_pct,
concat(monthName(min(first_day)), ' ', toString(toYear(min(first_day)))) AS first_measured
FROM (
SELECT f.first_day AS first_day, d.oc_pct AS oc_pct
FROM (
SELECT toStartOfQuarter(d) AS q, min(d) AS first_day
FROM (
SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker = 'SPY'
AND window_start >= toDateTime('2004-01-01 00:00:00')
AND window_start < toDateTime('2026-07-02 00:00:00')
AND (toHour(window_start) * 60 + toMinute(window_start)) BETWEEN 810 AND 1199
GROUP BY d
)
GROUP BY q
) f
INNER JOIN (
SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d,
(argMax(toFloat64(close), (window_start, close)) / argMin(toFloat64(open), (window_start, open)) - 1) * 100 AS oc_pct
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker = 'SPY'
AND window_start >= toDateTime('2004-01-01 00:00:00')
AND window_start < toDateTime('2026-07-02 00:00:00')
AND (toHour(window_start) * 60 + toMinute(window_start)) BETWEEN 810 AND 1199
GROUP BY d
) d ON d.d = f.first_day
)In 91 Sitzungen zu Quartalsbeginn seit January 2004 liegt die mediane Kursbewegung des SPY vom Eröffnungskurs zum Schlusskurs am ersten Tag eines Quartals bei 0.01% — 46 positiv gegenüber 45 negativ, im Bereich von -2.28% bis 3.18%: ein Münzwurf mit einem Rundungsfehler. Der 1. Juli verzeichnete 0.09%, Rang 50 von 91 (schlechteste bis beste Performance) — genau in der Mitte. Basis: SPY Kursbewegung während der regulären Handelszeiten vom Eröffnungskurs zum Schlusskurs für jede erste Sitzung eines Quartals in der Datenbank.
Was der Tag dem Leser hinterlässt
Der Index bewegte sich um 0.09%; das Panel aus acht Titeln reicht von -10.45% bis 8.88%; die Absicherung wurde kaum neu bewertet. Dies ist die übliche Arithmetik eines konzentrierten Marktes — Verluste eines Sektors werden durch Gewinne in 7 von 11 anderen ausgeglichen, was das Nettoergebnis eines Index ergibt. Ein Blick auf die Indexebene zeigt hier keine Besonderheiten; ein Blick auf die Positionsebene zeigt, dass ein Zehntel einer Position an einem Tag verloren ging.
Die Sitzung, verifiziert
Das exakte SQL hinter jeder Zahl
SELECT
formatDateTime(min(toTimeZone(window_start, 'America/New_York')), '%H:%i') AS first_spy_bar_et,
formatDateTime(max(toTimeZone(window_start, 'America/New_York')), '%H:%i') AS last_spy_bar_et,
count() AS spy_minute_bars,
countIf(window_start >= '2026-07-01 13:30:00' AND window_start < '2026-07-01 20:00:00') AS regular_session_bars,
uniqExactIf(toDate(toTimeZone(window_start, 'America/New_York')), window_start >= '2026-07-01 13:30:00' AND window_start < '2026-07-01 20:00:00') AS day_sessions,
(SELECT count() FROM global_markets.stocks_market_holidays WHERE date = '2026-07-01') AS jul1_holiday_rows
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker = 'SPY' AND window_start >= '2026-07-01 00:00:00' AND window_start < '2026-07-02 00:00:00'Die SPY-Bars laufen von 04:00 bis 19:59 New Yorker Zeit, mit 390 regulären Zeitfenster-Bars und 0 Feiertagszeilen an diesem Datum – eine vollständige Sitzung, verifiziert durch den Tape.
FAQ
Ist der Aktienmarkt am 1. Juli 2026 gestiegen oder gefallen?
Das hängt von der Betrachtungsweise ab. Der SPY schloss bei -0.08%, der DIA bei 0.02% und der QQQ bei -1.44%; 3465 liquide Titel fielen gegenüber 2928 steigenden Werten – dennoch schlossen 7 der 11 Sektor-ETFs im Plus, wobei der Technologie-Sektor eine Ausnahme darstellte.
Warum fielen Micron, SanDisk, Western Digital und Seagate alle am 1. Juli 2026?
Diese Daten zeigen eine gemeinsame Kursbewegung auf, keine Ursache: Die vier Titel fielen zwischen -5.11% und -10.45%. Der Artikel des Motley Fool vom selben Tag über Micron (im News-Panel auf dieser Seite, 14:11 ET) trug die Überschrift "Why Micron Stock Is Plummeting Today". Dies ist die Darstellung des Mediums und keine Analyse der Marktdaten.
Warum stieg META am 1. Juli 2026?
META schloss 8.88% höher, nachdem der Tiefpunkt in der Eröffnungskerze lag. Die Berichterstattung des Motley Fool schrieb die Bewegung Berichten zu, wonach das Unternehmen plant, überschüssige KI-Rechenkapazitäten als Cloud-Geschäft zu verkaufen: Dies ist die Zuschreibung des Mediums, nicht unsere.
Ist der erste Handelstag eines Quartals normalerweise ein starker Tag?
Nicht messbar. Über 91 Quartalsbeginne seit January 2004 betrug die mediane Kursbewegung des SPY von Eröffnung bis Schlusskurs 0.01%: 46 im Plus, 45 im Minus – vergleichbar mit einem Münzwurf; der 1. Juli lag im Durchschnitt.
Hat der Optionsmarkt den Ausverkauf am 1. Juli 2026 abgesichert?
Nicht auf Index-Ebene: Der Markt verzeichnete 0.71 Puts pro Call, und nur 11.6% des Put-Volumens des SPY lag mehr als zwei Prozent unter dem Schlusskurs.
Datenhinweise
- Dollar-Volumen ist ein Proxy pro Minute — Schlusskurs × Volumen summiert pro Minuten-Bar während der regulären Handelszeiten. Die angezeigten Extremwerte wurden mit benachbarten Bars abgeglichen; bei Gleichstand gilt der früheste Wert.
- Es gibt hier keinen Spot-VIX-Index. Das Volatilitäts-Panel zeigt börsennotierte VIX-Futures-Fonds an, die Futures halten und rollen — diese sind mit dem Index verwandt, aber nie identisch.
- Neue Quartals-Hochs/Tiefs vergleichen die Extremwerte der regulären Handelszeiten vom 1. Juli mit der Spanne jedes Titels vom 1. April bis zum 30. Juni; dies gilt für liquide Titel mit einem vollständigen Quartal an Bars; Rückgänge sind im Panel aufgeführt.
- Das Sektor-Board ist ein kuratierter Korb (elf SPDR ETFs, kein Vendor-Feld); das News-Panel ist ein lizenzierter Feed (12 Artikel, zwei Publisher); ein Eintrag mit wiederverwendetem Symbol ist von den Leaderboards ausgeschlossen (seine Belege).
Methodik
- Eine Handelssitzung (1 Sitzung, verifiziert durch beobachtete Bars und die Feiertagstabelle – niemals vorausgesetzt). Zeitstempel werden in UTC gespeichert und innerhalb der Abfragen in New Yorker Zeit umgerechnet; „close“ ist die letzte Minute der regulären Sitzung, der Tageswechsel erfolgt zum 30. Juni.
- Dezimalzahlen werden vor der Verhältnisrechnung in 64-Bit-Floats umgewandelt; Optionsverfallstermine werden aus dem OCC-Ticker neu eingelesen. Panels werden einmalig zum Zeitpunkt der Erstellung über den geschützten Read-only-Pfad ausgeführt. Datenbestand zum 13. Juli 2026; diese Ausgabe enthält zusätzlich die Panels für Sektor, Volatilität, News, Dividenden und Quartalshistorie.
Jedes Panel ist das Ergebnis einer gespeicherten Abfrage – Chart, Tabelle und SQL bilden ein Objekt. Kopieren Sie jedes beliebige Element in das Strasmore-Terminal. Als Nächstes: 2. Juli; die Woche: die Feiertagswoche.