Sektor Scorecard H1 2026 Gewinner und Verlierer

Die Sektor-Bilanz für das erste Halbjahr 2026 deckt das gesamte Spektrum der Ergebnisse ab: Der Technologie-Sektor (XLK) schloss das Halbjahr mit einem Plus von 30.8% ab, Communication Services (XLC) beendete es mit -9.3%. Der Abstand zwischen dem besten und dem schlechtesten Sektor betrug etwa vierzig Prozentpunkte. Drei der elf S&P 500 Sektor-ETFs schlossen das Halbjahr mit Verlusten ab. Fast kein Sektor konnte seine Rangfolge aus dem ersten Quartal bis zum zweiten Quartal halten. Das Halbjahr bestand aus zwei gegensätzlichen Marktentwicklungen, die hier einzeln bewertet werden. Jeder unten aufgeführte Wert ist das Ergebnis einer gespeicherten Abfrage; Sie können jedes Panel erweitern, um das exakte SQL zu sehen.

Was ein Sektor-ETF ist — und wie diese Seite ihn bewertet

Die elf Select Sector SPDR Fonds unterteilen den S&P 500 in Branchengruppen. Mit einem einzigen Ticker lässt sich somit eine einzelne Branchenwette eingehen — oder absichern. Jeder Fonds hält die Indexkomponenten seines Sektors, gewichtet nach Marktwert, und wird während der gesamten Sitzung wie eine Aktie gehandelt. Diese Seite bewertet jeden Fonds nach vier Kriterien: der Kursrendite (vom ersten Eröffnungskurs der regulären Handelszeiten bis zum letzten Schlusskurs der regulären Handelszeiten), dem Quartalsverhältnis unter der halben Zahl, dem Dollar-Volumen (Preis multipliziert mit gehandelten Anteilen — das präziseste Maß dafür, wie viel Geld den Besitzer wechselte) und dem Bid-Ask-Spread — der Differenz zwischen dem besten Kaufpreis und dem besten Verkaufspreis, welche die Kosten für einen vollständigen Handel bestimmt. Das Index-Level-Register für denselben Zeitraum von sechs Monaten — Zinsen, Optionen, IPOs, Breite — finden Sie in dem H1 2026 Marktbericht.

Die Bilanz: elf Sektoren, Aufteilung in Halbjahr und Quartal

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

Lesen Sie zuerst die Spalte für das Halbjahr: Technologie führte mit 30.8%, gefolgt von Industrie mit 19% und Energie mit 18.8%. Drei Sektoren schlossen negativ ab: Kommunikationsdienste mit -9.3%, zyklischer Konsum mit -2.3% und Finanzwesen mit -2.2%. Dass acht von elf Sektoren positiv waren, zeigt eine respektable Marktdurchdringung für ein Halbjahr, das mit fallenden Indizes begann.

Die Quartalssäulen enthalten die eigentliche Analyse. Die Gewinner im ersten Quartal waren Energie (36.9%), Rohstoffe (9.8%), Versorger (7%) und Basiskonsumgüter (5.5%) – ein Rohstoff-Trade plus die klassischen defensiven Sektoren. Gleichzeitig fielen Technologie (-8.7%), Finanzwesen (-9.9%) und zyklischer Konsum (-9.3%) mit dem breiten Markt. Im zweiten Quartal kehrte sich dieses Bild um: Technologie erzielte eine Rendite von 42%, Industrie mit 13.3% und Gesundheitswesen mit 7.8%, während Energie (-11%), Kommunikationsdienste (-3.7%) und Versorger (-1%) das Quartal im Minus abschlossen. Die Entwicklung von Energie – erst 36.9% und dann -11% – sowie das Spiegelbild beim Finanzwesen – erst -9.9% und dann 7.7% – sind die zwei deutlichsten Beispiele dafür, was eine einzelne Halbjahreszahl verbergen kann.

Die Rotation, Monat für Monat

Drei Ticker bilden die gesamte Rotationsbewegung ab. Diese Übersicht verfolgt sie auf monatlicher Basis: XLE (Anführer in -9.3%), XLK (Anführer in 30.8%) und XLF (der Mirror-Trade).

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 stieg in jedem der ersten drei Monate – 14.1% im Januar, 11.6% im Februar, 6% im März, wie eine sich verlangsamende Treppe – und verzeichnete dann drei aufeinanderfolgende Monate ohne Gewinn (-0.2%, -4.7%, -6.8%). XLK verlief spiegelbildlich: negativ im Januar, Februar und März, dann 18.9% im April und 19.1% im Mai – zwei aufeinanderfolgende Monate, die fast die gesamte führende Hälfte des Sektors ausmachten. Der April markiert den Übergang: Der Wechsel der Marktführerschaft ist in einer einzigen Spalte dieser Tabelle ersichtlich. Die zwei positiven Monate von XLF waren der April und der Juni mit 4.7% und 4.7%. Die Datenveröffentlichungen, gegen die das erste Halbjahr antrat – Inflationsdaten, Arbeitsmarktdaten, die Treasury-Kurve – sind in dem Makrobild für den Beginn von H2 2026 zusammengefasst.

Breite innerhalb der einzelnen Sektoren

Die Rendite eines Sektor-Fonds gibt keine Auskunft darüber, wie viele seiner Bestandteile eine positive Entwicklung zeigten. Da die Datenbank keine Spalte zur Sektor-Klassifizierung enthält, misst dieses Panel die Breite innerhalb der Sektoren mithilfe eines festen, vollständig offengelegten Korbs: fünf Large-Cap-Werte pro Sektor, insgesamt fifty-five, die alle in der SQL gelistet sind. Es handelt sich um eine Stichprobe bekannter Namen, nicht um die tatsächlichen Bestände der Fonds – die Grenzen des Korbs sind in den Datenhinweisen aufgeführt.

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

Zwei Zeilen ziehen die meiste Aufmerksamkeit auf sich. Health Care: Alle 5 der fünf Namen im Korb stiegen, mit einem Median von 21.7% – während der ETF XLV in der Hälfte um 2.5% gewann. Die Rendite eines Fonds ist nach Marktwert gewichtet; der Median des Korbs gewichtet jedes Mitglied gleich – Health Care ist der deutlichste Fall, in dem der Korb den Fonds schlägt. Bei Technology ist die Differenz umgekehrt und über den gesamten Zeitraum gemessen die größte von allen: Der Fonds gewann 30.8%, während seine fünf größten bekannten Namen sich mit 3 Gewinnern und 2 Verlierern bei einem Median von 5.2% aufteilten, und ORCL verzeichnete -25.7%. Der Hauptgewinn des Sektors stammte nicht von seinen klassischen Megacaps – woher er kam, zeigt das nächste Panel. An anderer Stelle in der Tabelle: 84.3% von CAT ist der beste Wert unter allen fifty-five Namen, und Communication Services ist der schwächste Bereich – 1 von fünf stiegen, mit einem Median von -15.2%, wobei NFLX bei -24.2% lag.

Der Speicher-Halbleiter-Trade innerhalb des Technologiesektors

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

Betrachtet man den Technologiesektor im Detail, wird der dominierende Trend bei Einzelwerten deutlich. SNDK erzielte eine Rendite von 830.1% in sechs Monaten, gefolgt von MU 290%, INTC 269.3% und AMD 165.3%. Im Gegensatz dazu verzeichnete NVDA, mit einem halbjährlichen Umsatz von $3287.9 Milliarden der volumenstärkste Einzelwert im Set, eine Rendite von 5.2%, während AVGO bei 6.9% und QCOM bei 6.3% lagen. Der Sektor spaltet sich in zwei Bereiche: Während die Werte für Speicher und Foundry an Wert gewannen, bewegten sich die etablierten KI-Beschleuniger seitwärts. Das zweite Quartal ist hierbei entscheidend: Die Kursentwicklungen von MU (229.9%), INTC (210%) und AMD (179.8%) fielen in dasselbe Quartal, in dem der XLK eine Rendite von 42% erzielte. Die Rallye des Sektor-ETFs und die Neubewertung der Speicherwerte fanden in denselben drei Monaten statt. Hier wird MUs Juni Tick für Tick analysiert und der NVDA-Deep-Dive für Juni verfolgt die Divergenz Sitzung für Sitzung.

Wohin die Handelsgelder flossen

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

Das Handelsvolumen bewegte sich in eine Richtung: Alle elf Sektor-Fonds verzeichneten im zweiten Quartal ein geringeres Handelsvolumen als im ersten. Die oberste Zeile der Tabelle zeigt den geringsten Rückgang – XLK bei -23%, von $161.2 Milliarden auf $124.8 Milliarden – und die unterste Zeile ist Real Estate bei -45%. Die Sektor-Warenkorb-Produkte verzeichneten die höchste Aktivität in dem Quartal, in dem die Indizes fielen; die Aktivität nahm mit der Erholung ab. Zwei wichtige Beobachtungen aus den obenstehenden Diagrammen: XLE war mit $316.2 Milliarden der meistgehandelte Sektor-Fonds des Halbjahres, und MU allein verzeichnete einen Umsatz von $2862.1 Milliarden – etwa das Zehnfache des XLK-Fonds mit $286 Milliarden. Sektor-Produkte dienten als Indikator; Einzelaktien waren der Schwerpunkt im ersten Halbjahr.

Die Kosten für den Handel in den einzelnen Sektoren

Renditetabellen sind weit verbreitet; Kursdaten-Listen hingegen nicht. Diese Übersicht misst den medianen bid-ask spread jedes Fonds – die Kosten für einen vollständigen Handel – über eine gesamte Handelssitzung am 29. Juni 2026, basierend auf jedem an diesem Tag veröffentlichten NBBO-Update.

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

Der günstigste Fonds in dieser Sitzung war XLV mit einem Median von 0.62 Basispunkten; der teuerste war XLRE mit 2.23. Ein Basispunkt entspricht einem Hundertstel eines Prozents. Die gesamte Tabelle bewegt sich somit im Bereich von Hundertsteln eines Prozents pro Roundtrip – die praktische Bedeutung von „Sektor-ETFs sind liquide“. Die Anzahl der Kurs-Updates variiert in der Tabelle fast um das Zehnfache, und dennoch liegen die Mediane nah beieinander, meist innerhalb weniger Basispunkte. Im Gegensatz dazu analysiert die Mikrostruktur-Analyse vom 29. Juni das Kurs-Tape des SPY aus derselben Sitzung, welches noch engere Spreads aufweist als jeder Fonds in dieser Tabelle.

FAQ

Welcher Sektor war im ersten Halbjahr 2026 am stärksten?

Technologie. Der XLK erzielte eine Rendite von 30.8% für das Halbjahr, die gesamte Rendite entstand im zweiten Quartal (42% im zweiten Quartal nach -8.7% im ersten Quartal). Kommunikationsdienste (XLC) schnitten mit -9.3% am schlechtesten ab.

Waren es in Q1 und Q2 2026 dieselben führenden Sektoren?

Nein – die beiden Quartale waren nahezu gegensätzlich. Energie führte das erste Quartal mit 36.9% an und schloss das zweite Quartal bei -11% ab; Technologie verzeichnete -8.7% im ersten Quartal und führte das zweite Quartal mit 42% an. Versorgungsunternehmen und Basiskonsumgüter waren zu Beginn führend und verloren gegen Ende an Bedeutung.

Wie hoch sind die Kosten für den Handel mit einem Sector SPDR ETF?

In der betrachteten Sitzung am 29. Juni 2026 lagen die medianen angebotenen Spreads zwischen 0.62 Basispunkten (XLV) und 2.23 (XLRE) – das entspricht Hundertsteln eines Prozents pro Roundtrip, was deutlich enger ist als bei einer typischen Einzelaktie.

Warum weicht die Rendite eines Sector ETF von den Renditen seiner Bestandteile ab?

Die Fonds gewichten die Bestände nach Marktwert. Daher dominieren einige wenige Großunternehmen das Ergebnis, während ein Median eines Warenkorbs jedes Mitglied gleich behandelt. Im ersten Halbjahr 2026 war die Differenz im Gesundheitswesen am größten: ein Median eines Warenkorbs aus fünf Titeln von 21.7% gegenüber 2.5% beim XLV.

Was sind die elf Sector ETFs?

XLB (Materialien), XLC (Kommunikationsdienste), XLE (Energie), XLF (Finanzwesen), XLI (Industrie), XLK (Technologie), XLP (Basiskonsumgüter), XLRE (Immobilien), XLU (Versorgungsunternehmen), XLV (Gesundheitswesen) und XLY (Zyklische Konsumgüter). Zusammen bilden sie eine Aufteilung des S&P 500.

Datenhinweise

Methodik

• Der Zeitraum umfasst den 1. Januar bis zum 30. Juni 2026. Die Renditen werden vom regulären Handelsbeginn bis zum regulären Handelsende innerhalb jedes Zeitfensters berechnet, wie in den gezeigten Abfragen definiert. Die regulären Handelszeiten werden nach Eastern Time gefiltert (9:30–15:59 Uhr, pro Zeile umgerechnet) – unter Berücksichtigung von DST zwischen den EST- und EDT-Monaten der ersten Hälfte.
• Die Quartalsgrenzen gelten nach dem Handelstag in Eastern Time: Q1 endet am 31. März, Q2 beginnt am 1. April.
• Das Dollar-Volumen summiert Preis mal Aktienanzahl während der regulären Handelszeiten in denselben Abfragen.
• Die Erstellung erfolgt über den geschützten Read-only-Pfad; die öffentliche Seite führt niemals Live-Abfragen aus. Datenbestand des Warehouse vom 12. Juli 2026.

Das vollständige Register der ersten Hälfte – Indizes, Kurse, das Options-Tape – finden Sie im H1 2026 Marktbericht. Um einen Sektor anders zu analysieren, kann das SQL jedes Panels unverändert im Strasmore-Terminal ausgeführt werden.