Von Matt Connor
· Aktualisiert 2026-09-05
· data as of September 5, 2026 · refreshed weekly
Short-Squeeze-Aktien für diese Woche
Short-Squeeze-Aktien nach Days to Cover, leerverkauften Aktien und steigendem Kurs gefiltert, mit Schwellenwerten und gemessenen Wahrscheinlichkeiten.
Short-Squeeze-Aktien werden anhand von zwei Mechanismen herausgefiltert: einer großen Short-Position im Verhältnis zum Handelsvolumen der Aktie und einem bereits steigenden Kurs. Diese Seite wendet den Filter auf die jüngste von den Börsen gemeldete Short-Interest-Datei an, deren Abrechnung am Aug 14, 2026 erfolgte, und misst die Kurskomponente über die fünf Handelssitzungen bis einschließlich Sep 3, 2026. Diese Merkmale ähneln den Mechanismen vergangener Short Squeezes. Es handelt sich nicht um eine Prognose. Die meisten stark geshorteten Aktien erleben keinen Short Squeeze.
Lesen Sie die Daten vor den Namen. Die Short-Interest-Hälfte dieser Seite ist aufgrund gesetzlicher Vorgaben mehrere Wochen alt, nicht wegen eines Problems im Datenfeed: Broker melden ihre Short-Positionen zweimal monatlich zu festgelegten Abrechnungsterminen an FINRA, und die zusammengefasste Datei wird etwa acht Geschäftstage später veröffentlicht. Der aktuellste für alle verfügbare Datensatz ist auf Aug 14, 2026 datiert und 22 Tage alt. Die Kurskomponente reicht bis Sep 3, 2026. Was die Short-Seite in dieser Lücke getan hat, ist für jeden Screener unsichtbar, auch für diesen. Warum Short-Interest-Daten immer zwei Wochen alt sind erläutert den Meldezyklus Schritt für Schritt.
| Stand | Leg | Alter (Tage) |
|---|---|---|
| Jul 31, 2026 | Short interest, previous settlement | 36 |
| Aug 14, 2026 | Short interest, latest settlement | 22 |
| Sep 3, 2026 | Price tape, last fully loaded session | 2 |
Das exakte SQL hinter jeder Zahl
WITH prints AS (
SELECT DISTINCT settlement_date AS d
FROM global_markets.stocks_short_interest
ORDER BY d DESC
LIMIT 2
),
loaded AS (
SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS session
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker = 'SPY'
AND window_start >= now() - INTERVAL 20 DAY
AND toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York')) >= 570
AND toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York')) < 960
GROUP BY session
HAVING count() >= 380
),
legs AS (
SELECT arrayJoin([
('Short interest, previous settlement', (SELECT min(d) FROM prints)),
('Short interest, latest settlement', (SELECT max(d) FROM prints)),
('Price tape, last fully loaded session', (SELECT max(session) FROM loaded))]) AS row
)
SELECT formatDateTime(row.2, '%b %e, %Y') AS as_of_date,
row.1 AS leg,
dateDiff('day', row.2, today()) AS age_days
FROM legsDie beiden Abrechnungstermine liegen 36 beziehungsweise 22 Tage zurück. Das entspricht dem zweimal monatlichen Zählzyklus zuzüglich der Verzögerung für die Zusammenstellung. Die Kursdaten sind 2 Tage alt. Dabei handelt es sich um eine Verzögerung bei der Datenübernahme, nicht um eine regulatorische Vorgabe. Für beide Altersangaben gelten Grenzen. Wenn ein Feed ausfällt, hält die Seite daher an, statt unter einer aktuellen Überschrift ein altes Datum erneut zu veröffentlichen.
Liste der Short-Squeeze-Aktien: der aktuelle Filter
Jeder unten aufgeführte Titel hat dieselben Kriterien in derselben Datei erfüllt: ein durchschnittliches Tagesvolumen von fünf Millionen Aktien, mindestens fünf Days to Cover und eine positive Kursbewegung über die fünf Handelssitzungen bis Sep 3, 2026. 36 Titel erfüllten alle Kriterien. Die 12 am stärksten überfüllten Positionen sind hier aufgeführt. Days to Cover entspricht der Zahl der leerverkauften Aktien geteilt durch das durchschnittliche Tagesvolumen. Der Wert zeigt, wie viele vollständige Handelstage die Leerverkäufer benötigen würden, um ihre Position zurückzukaufen.
| ticker | Deckungstage | Leerverkaufsaktien (Mio.) | 5-Tage-Rendite (%) |
|---|---|---|---|
| ENB | 9.8 | 69.8 | 1.2 |
| MRNA | 9.2 | 52.8 | 4.3 |
| CNQ | 8.4 | 57.6 | 2.7 |
| FOXA | 8.1 | 45.3 | 0.8 |
| AUR | 7.6 | 174.9 | 11.1 |
| GOSS | 7.4 | 86.8 | 2.9 |
| SAN | 7.3 | 107.7 | 3.4 |
| STLA | 7.1 | 130.7 | 3.8 |
| AVTR | 6.9 | 52.2 | 4 |
| SBET | 6.9 | 39 | 1.1 |
| INFY | 6.8 | 130.3 | 1.7 |
| ACI | 6.7 | 51.7 | 3 |
Das exakte SQL hinter jeder Zahl
WITH latest AS (
SELECT max(settlement_date) AS d FROM global_markets.stocks_short_interest
),
sessions AS (
SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS session
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker = 'SPY'
AND window_start >= now() - INTERVAL 20 DAY
AND toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York')) >= 570
AND toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York')) < 960
GROUP BY session
HAVING count() >= 380
ORDER BY session DESC
LIMIT 6
),
crowded AS (
SELECT ticker, days_to_cover, short_interest
FROM global_markets.stocks_short_interest
WHERE settlement_date = (SELECT d FROM latest)
AND avg_daily_volume >= 5000000
AND days_to_cover >= 5
AND ticker NOT IN ('SPCX')
AND ticker NOT IN ('KORU','SOXL','SOXS','TQQQ','SQQQ','NVDL','NVDS','NVD','TSLL','TSLQ','TSLZ','SPXL','SPXS','UPRO','SPXU','LABU','LABD','FAS','FAZ','TNA','TZA','YINN','YANG','UDOW','SDOW','BOIL','KOLD','UCO','SCO','USD','SSO','SDS','QLD','QID','ERX','ERY','DRN','DRV','CURE','SOXY','MUU','SNXX','UVXY','SVXY','UVIX','SVIX','BULZ','WEBL','WEBS','DPST','DRIP','GUSH','AGQ','ZSL','BITX','ETHU','MSTX','MSTU','CONL','DUST','JNUG','JDST','NUGT')
AND ticker NOT IN (SELECT ticker FROM global_markets.stocks_splits
WHERE execution_date BETWEEN today() - 60 AND today())
),
tape AS (
SELECT ticker,
toDate(toTimeZone(window_start, 'America/New_York')) AS session,
argMax(close, window_start) AS rth_close
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN (SELECT ticker FROM crowded)
AND toDate(toTimeZone(window_start, 'America/New_York')) IN (SELECT session FROM sessions)
AND toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York')) >= 570
AND toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York')) < 960
GROUP BY ticker, session
),
moves AS (
SELECT ticker,
round((argMax(rth_close, session) / argMin(rth_close, session) - 1) * 100, 1) AS return_5d_pct
FROM tape
GROUP BY ticker
HAVING count() = 6 AND return_5d_pct > 0
)
SELECT c.ticker AS ticker,
round(c.days_to_cover, 1) AS days_to_cover,
round(c.short_interest / 1e6, 1) AS shares_short_m,
m.return_5d_pct AS return_5d_pct
FROM crowded c
INNER JOIN moves m ON m.ticker = c.ticker
ORDER BY c.days_to_cover DESC, c.ticker
LIMIT 12Der am stärksten überfüllte Titel hier, ENB, weist bei 69.8 Millionen leerverkauften Aktien 9.8 Days to Cover auf. Über die fünf Handelssitzungen bis Sep 3, 2026 stieg der Kurs um 1.2%. Die letzte angezeigte Zeile weist 6.7 Days to Cover aus. Dort endet die Anzeige, nicht der Filter. Das Ranking richtet sich nach der Überfüllung und nicht nach der Positionsgröße. Deshalb liegt eine moderate Position in einem wenig gehandelten Titel vor einer deutlich größeren Position in einem stark gehandelten Titel. Für das Ranking nach Positionsgröße stellt die derzeit meist leerverkauften Aktien beide Ranglisten nebeneinander.
Das Kriterium der steigenden Kurse hat einen mechanischen Grund. Ein Squeeze entsteht durch erzwungene Käufe von Leerverkäufern, die ihre Positionen schließen. Eine Leerverkaufsposition zu schließen bedeutet, die Aktie zurückzukaufen. Das beginnt erst, wenn sich der Kurs gegen die Position bewegt hat. So funktioniert ein Short Squeeze zeigt die Abfolge anhand der Zahlen aus den GameStop-Daten von 2021.
Die Regeln und was jede einzelne ausschließt
Ein Screening ist eine Einschätzung mit Zahlen dahinter. Hier sehen Sie daher, wie sich das Anlageuniversum verändert.
| Bezeichnung | Titel |
|---|---|
| Every name in the settlement file | 22480 |
| Liquid: five million shares a day, no leveraged funds | 697 |
| Crowded: five or more days to cover | 87 |
| Rising: a positive move over the price window | 36 |
Das exakte SQL hinter jeder Zahl
WITH latest AS (
SELECT max(settlement_date) AS d FROM global_markets.stocks_short_interest
),
sessions AS (
SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS session
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker = 'SPY'
AND window_start >= now() - INTERVAL 20 DAY
AND toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York')) >= 570
AND toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York')) < 960
GROUP BY session
HAVING count() >= 380
ORDER BY session DESC
LIMIT 6
),
reported AS (
SELECT ticker, days_to_cover, avg_daily_volume
FROM global_markets.stocks_short_interest
WHERE settlement_date = (SELECT d FROM latest)
),
liquid AS (
SELECT ticker, days_to_cover
FROM reported
WHERE avg_daily_volume >= 5000000
AND days_to_cover IS NOT NULL
AND ticker NOT IN ('SPCX')
AND ticker NOT IN ('KORU','SOXL','SOXS','TQQQ','SQQQ','NVDL','NVDS','NVD','TSLL','TSLQ','TSLZ','SPXL','SPXS','UPRO','SPXU','LABU','LABD','FAS','FAZ','TNA','TZA','YINN','YANG','UDOW','SDOW','BOIL','KOLD','UCO','SCO','USD','SSO','SDS','QLD','QID','ERX','ERY','DRN','DRV','CURE','SOXY','MUU','SNXX','UVXY','SVXY','UVIX','SVIX','BULZ','WEBL','WEBS','DPST','DRIP','GUSH','AGQ','ZSL','BITX','ETHU','MSTX','MSTU','CONL','DUST','JNUG','JDST','NUGT')
AND ticker NOT IN (SELECT ticker FROM global_markets.stocks_splits
WHERE execution_date BETWEEN today() - 60 AND today())
),
crowded AS (
SELECT ticker FROM liquid WHERE days_to_cover >= 5
),
tape AS (
SELECT ticker,
toDate(toTimeZone(window_start, 'America/New_York')) AS session,
argMax(close, window_start) AS rth_close
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN (SELECT ticker FROM crowded)
AND toDate(toTimeZone(window_start, 'America/New_York')) IN (SELECT session FROM sessions)
AND toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York')) >= 570
AND toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York')) < 960
GROUP BY ticker, session
),
rising AS (
SELECT ticker,
round((argMax(rth_close, session) / argMin(rth_close, session) - 1) * 100, 1) AS return_5d_pct
FROM tape
GROUP BY ticker
HAVING count() = 6 AND return_5d_pct > 0
),
tally AS (
SELECT (SELECT count() FROM reported) AS all_names,
(SELECT count() FROM liquid) AS liquid_names,
(SELECT count() FROM crowded) AS crowded_names,
(SELECT count() FROM rising) AS rising_names
)
SELECT step.1 AS label, step.2 AS names
FROM (
SELECT arrayJoin([
('Every name in the settlement file', all_names),
('Liquid: five million shares a day, no leveraged funds', liquid_names),
('Crowded: five or more days to cover', crowded_names),
('Rising: a positive move over the price window', rising_names)]) AS step
FROM tally
)Die Datei Aug 14, 2026 enthält 22480 Wertpapiere. Die Liquiditätsuntergrenze und die Ausschlussliste reduzieren diese Zahl auf 697. Der Schwellenwert für eine Übergewichtung durch zu viele Marktteilnehmer senkt sie weiter auf 87. Das Filterkriterium für steigende Kurse lässt 36 Wertpapiere übrig. Jeder Schwellenwert ist eine Entscheidung. Eine andere Entscheidung ergibt eine andere Liste. Deshalb stehen die Regeln auf der Seite und nicht in einer Fußnote.
Wie viel von jedem Unternehmen leerverkauft ist
Die meistgesuchte Kennzahl ist das Short-Interest in Prozent des Free Float. Sie ist in diesen Daten nicht enthalten. Die Börsendatei weist leerverkaufte Aktien und das durchschnittliche Tagesvolumen aus, aber keine Aktienzahl. Ableiten lässt sich die Position im Verhältnis zu den insgesamt ausstehenden Aktien. Dafür wird die Marktkapitalisierung jedes Unternehmens durch den Aktienkurs geteilt.
RIG reicht bei den Unternehmen mit den höchsten Werten bis zu 24.1% der ausstehenden Aktien, die leerverkauft sind: 268.9 Millionen Aktien gegenüber 1117 Millionen ausstehenden Aktien. Die angezeigten 10 Zeilen sind die höchsten Werte unter den geprüften Unternehmen mit veröffentlichter Aktienzahl. Der letzte dieser Werte liegt noch bei 10.8%. Diese Spalte ist als Untergrenze zu verstehen, nicht als Free-Float-Zahl. Free Float umfasst nur die Aktien, die tatsächlich gehandelt werden. Insiderbestände und andere gebundene Bestände bleiben unberücksichtigt. Der Free Float ist der kleinere Nenner. Deshalb liegt der tatsächliche Anteil der leerverkauften Aktien am Free Float über jedem ausgewiesenen Wert. Wie viel höher er ist, hängt von der Eigentümerstruktur des jeweiligen Unternehmens ab. Diese Datenbank enthält dazu keine Angaben.
Baut sich eine hohe Short-Positionierung auf oder geht sie zurück?
Ein einzelner Print ist eine Momentaufnahme. Für dieselbe Datei reichen die Daten Jahre zurück. Damit lässt sich die marktweite Frage anhand der Daten beantworten.
| Abrechnungstag | Titel mit mindestens 5 DTC | Titel mit mindestens 10 DTC | Median-DTC liquider Titel |
|---|---|---|---|
| 2026-02-27 | 54 | 5 | 1.83 |
| 2026-03-13 | 58 | 7 | 1.54 |
| 2026-03-31 | 73 | 9 | 1.62 |
| 2026-04-15 | 69 | 6 | 1.75 |
| 2026-04-30 | 82 | 11 | 1.85 |
| 2026-05-15 | 83 | 8 | 2.02 |
| 2026-05-29 | 84 | 4 | 1.88 |
| 2026-06-15 | 97 | 12 | 1.8 |
| 2026-06-30 | 96 | 5 | 1.87 |
| 2026-07-15 | 103 | 6 | 2.27 |
| 2026-07-31 | 92 | 3 | 2.15 |
| 2026-08-14 | 88 | 8 | 2.16 |
Das exakte SQL hinter jeder Zahl
WITH dates AS (
SELECT DISTINCT settlement_date AS d
FROM global_markets.stocks_short_interest
ORDER BY d DESC
LIMIT 12
)
SELECT toString(settlement_date) AS settlement_date,
countIf(days_to_cover >= 5) AS names_5plus_dtc,
countIf(days_to_cover >= 10) AS names_10plus_dtc,
round(quantileExact(0.5)(days_to_cover), 2) AS median_dtc_liquid
FROM global_markets.stocks_short_interest
WHERE settlement_date IN (SELECT d FROM dates)
AND avg_daily_volume >= 5000000
AND days_to_cover IS NOT NULL
AND ticker NOT IN ('SPCX')
AND ticker NOT IN ('KORU','SOXL','SOXS','TQQQ','SQQQ','NVDL','NVDS','NVD','TSLL','TSLQ','TSLZ','SPXL','SPXS','UPRO','SPXU','LABU','LABD','FAS','FAZ','TNA','TZA','YINN','YANG','UDOW','SDOW','BOIL','KOLD','UCO','SCO','USD','SSO','SDS','QLD','QID','ERX','ERY','DRN','DRV','CURE','SOXY','MUU','SNXX','UVXY','SVXY','UVIX','SVIX','BULZ','WEBL','WEBS','DPST','DRIP','GUSH','AGQ','ZSL','BITX','ETHU','MSTX','MSTU','CONL','DUST','JNUG','JDST','NUGT')
GROUP BY settlement_date
ORDER BY settlement_dateUnter den 12 ausgewiesenen Abrechnungen stieg oder fiel die Zahl der liquiden Titel mit mindestens fünf Tagen bis zur Glattstellung von 54 auf 88. Das seltene Ende der Verteilung bleibt deutlich dünner: Beim jüngsten Print wiesen 8 Titel mindestens zehn Tage bis zur Glattstellung auf. Beim liquiden Mediantitel sind es 2.16 Tage. Dadurch ist die Schwelle von fünf Tagen aussagekräftig und nicht willkürlich gewählt. Die Seite Titel mit der höchsten Zahl an Tagen bis zur Glattstellung verfolgt diesen extremen Randbereich separat.
Was danach üblicherweise geschah
Ansichten wie diese lassen sich leicht erstellen und leicht überinterpretieren. Deshalb sehen Sie hier dieselbe Ansicht rückwärts, mit demselben Abstand zum jeweiligen Datensatz. Für jeden Abrechnungstag im vergangenen Jahr wurden die Namen ausgewählt, die an diesem Tag die Schwelle für eine hohe Konzentration überschritten hatten und in den sechs Sitzungen bis zwanzig Kalendertage danach gestiegen waren. An diesem Punkt befindet sich diese Seite heute. Anschließend wurde gemessen, wie sich jeder Name in den folgenden 30 Kalendertagen entwickelte.
| Bewegung über 30 Tage | Anzahl Titel | Kumulativer Anteil (%) |
|---|---|---|
| Fell more than 20% | 72 | 11.5 |
| Fell 10% to 20% | 97 | 27 |
| Fell 0% to 10% | 158 | 52.2 |
| Rose 0% to 10% | 165 | 78.5 |
| Rose 10% to 20% | 61 | 88.2 |
| Rose more than 20% | 74 | 100 |
Das exakte SQL hinter jeder Zahl
WITH screened AS (
SELECT settlement_date, ticker
FROM global_markets.stocks_short_interest
WHERE settlement_date >= today() - 400
AND settlement_date <= today() - 55
AND avg_daily_volume >= 5000000
AND days_to_cover >= 5
AND ticker NOT IN ('SPCX')
AND ticker NOT IN ('KORU','SOXL','SOXS','TQQQ','SQQQ','NVDL','NVDS','NVD','TSLL','TSLQ','TSLZ','SPXL','SPXS','UPRO','SPXU','LABU','LABD','FAS','FAZ','TNA','TZA','YINN','YANG','UDOW','SDOW','BOIL','KOLD','UCO','SCO','USD','SSO','SDS','QLD','QID','ERX','ERY','DRN','DRV','CURE','SOXY','MUU','SNXX','UVXY','SVXY','UVIX','SVIX','BULZ','WEBL','WEBS','DPST','DRIP','GUSH','AGQ','ZSL','BITX','ETHU','MSTX','MSTU','CONL','DUST','JNUG','JDST','NUGT')
),
split_hits AS (
SELECT s.settlement_date AS sd, s.ticker AS tkr
FROM screened s
INNER JOIN global_markets.stocks_splits sp ON sp.ticker = s.ticker
WHERE sp.execution_date > s.settlement_date + 11
AND sp.execution_date <= s.settlement_date + 50
),
daily AS (
SELECT ticker,
toDate(toTimeZone(window_start, 'America/New_York')) AS session,
argMax(close, window_start) AS rth_close
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN (SELECT DISTINCT ticker FROM screened)
AND window_start >= now() - INTERVAL 400 DAY
AND toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York')) >= 570
AND toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York')) < 960
GROUP BY ticker, session
),
paired AS (
SELECT s.settlement_date AS sd,
s.ticker AS tkr,
(argMaxIf(d.rth_close, d.session, d.session <= s.settlement_date + 20)
/ argMinIf(d.rth_close, d.session, d.session <= s.settlement_date + 20) - 1) * 100 AS prior_pct,
(argMaxIf(d.rth_close, d.session, d.session >= s.settlement_date + 20)
/ argMinIf(d.rth_close, d.session, d.session >= s.settlement_date + 20) - 1) * 100 AS next_pct
FROM screened s
INNER JOIN daily d ON d.ticker = s.ticker
WHERE d.session > s.settlement_date + 11
AND d.session <= s.settlement_date + 50
GROUP BY sd, tkr
HAVING countIf(d.session <= s.settlement_date + 20) >= 4
AND countIf(d.session >= s.settlement_date + 20) >= 15
),
outcomes AS (
SELECT multiIf(next_pct < -20, 1,
next_pct < -10, 2,
next_pct < 0, 3,
next_pct < 10, 4,
next_pct < 20, 5, 6) AS bucket,
multiIf(next_pct < -20, 'Fell more than 20%',
next_pct < -10, 'Fell 10% to 20%',
next_pct < 0, 'Fell 0% to 10%',
next_pct < 10, 'Rose 0% to 10%',
next_pct < 20, 'Rose 10% to 20%', 'Rose more than 20%') AS move_over_30_days
FROM paired
WHERE prior_pct > 0
AND (sd, tkr) NOT IN (SELECT sd, tkr FROM split_hits)
),
tallied AS (
SELECT bucket, move_over_30_days, count() AS name_count
FROM outcomes
GROUP BY bucket, move_over_30_days
)
SELECT move_over_30_days,
name_count,
round(100.0 * sum(name_count) OVER (ORDER BY bucket) / sum(name_count) OVER (), 1) AS cumulative_share_pct
FROM tallied
ORDER BY bucket52.2% dieser Beobachtungen aus Name und Abrechnungstag wurden 30 Tage später niedriger gehandelt. Das entspricht nahezu einem Münzwurf. Die nüchterne Kernaussage dieser Seite lautet daher: Leerverkäufer liegen häufig richtig, und „hohe Konzentration plus steigende Kurse“ beschreibt eine Konstellation, aber keinen Vorteil. In den Randbereichen würde sich ein Short Squeeze zeigen, doch beide sind dünn besetzt. 72 der Beobachtungen fielen um mehr als ein Fünftel; 74 legten um mehr als ein Fünftel zu – in diesem Bereich würde ein echter Short Squeeze landen. 88.2% der Stichprobe erreichte diesen Bereich nie.
Betrachten Sie diese Darstellung als Verteilung, nicht als Handelsergebnis. Sie berücksichtigt weder Kosten noch Leihgebühren oder die Positionsgröße und gewichtet jeden markierten Namen gleich. Beide Zeiträume beginnen jeweils zwanzig Kalendertage nach dem Abrechnungstag. Das entspricht dem Abstand, den diese Seite verwendet. Damit basieren die markierten Namen auf Kursen, die ein Leser hätte beobachten können. Ein Jahr mit Abrechnungstagen ist eine kleine Stichprobe.
So wird dies gemessen
Alle Regeln und Ausschlüsse hinter den oben genannten Zahlen.
- Die Datei zur Leerverkaufsquote wird von den Börsen gemeldet und zweimal monatlich veröffentlicht. Der hier verwendete Datenstand wurde vor Aug 14, 2026, 22 Tagen abgerechnet. In den USA gibt es keine täglich offengelegte Zahl zur Leerverkaufsquote, sondern nur von Anbietern geschätzte Werte, die aus Wertpapierleihdaten modelliert werden.
- Liquiditätsuntergrenze: fünf Millionen Aktien durchschnittliches Tagesvolumen, wie in derselben Datei ausgewiesen. Ohne diese Untergrenze wäre die Liste mit Microcaps gefüllt, deren extrem hohe Days-to-Cover-Zahl auf ein nahezu null betragendes Volumen zurückgeht.
- Schwelle für eine hohe Positionierung: mindestens fünf Days to Cover, deutlich über dem oben gezeigten Median der liquiden Titel.
- Momentum-Komponente: die Veränderung zwischen den Schlusskursen der letzten sechs vollständig verfügbaren regulären Handelssitzungen, also eine Fünftagesrendite. Eine Sitzung wird erst in das Zeitfenster aufgenommen, wenn der Benchmark-Datenfeed für sie einen vollständigen Tag mit Minutenkursen enthält. Eine Sitzung, deren Daten noch eintreffen, wird zurückgehalten, statt auf unvollständiger Grundlage gemessen zu werden. Deshalb kann das Zeitfenster im Kalender eine Sitzung zurückliegen, selbst wenn diese Sitzung bereits geschlossen hat. Die Kurse sind Schlusskurse der regulären Sitzung.
- Beide Daten sind zeitlich begrenzt. Das Panel oben speichert das Alter jedes Eingabewerts in Tagen. Für diese Altersangaben gelten Plausibilitätsgrenzen. Ist ein Abrechnungsdatenstand älter als einen Monat oder liegt der Kursdatenfeed weiter als üblich zurück, wird diese Seite zur Prüfung zurückgehalten, statt unter einer aktuellen Überschrift ein veraltetes Datum zu veröffentlichen.
- Ausschlüsse. Gehebelte und inverse ETFs werden aus jedem Panel entfernt, weil ihre Leerverkaufsquote größtenteils auf Absicherungsgeschäften beruht. Ebenfalls ausgeschlossen wird ein mehrdeutiger Ticker, den Datenfeeds für zwei Unternehmen wiederverwendet haben. Panels, die eine Kursbewegung messen, schließen außerdem einen Titel aus, dessen Aktiensplit in das eigene Messfenster des Panels fällt, weil ein Split eine große Bewegung vortäuscht. Im Backtest wird diese Prüfung für jeden Abrechnungstermin durchgeführt. Ein Split in einem Monat entfernt daher nicht die Beobachtungen eines Titels aus den anderen Monaten.
- Fonds stehen in dieser Datei neben operativen Unternehmen. Ein Anleihen- oder Index-ETF kann eine große Short-Position aufweisen, die aus der Abwicklung von Schöpfung und Rückgabe von Anteilen entsteht und nicht daraus, dass jemand auf fallende Kurse wettet.
- Diese Datei enthält weder Streubesitz noch Aktienanzahl und im gesamten Datenbestand auch kein Open Interest von Optionen. Die Spalte zur Anzahl ausstehender Aktien oben stammt aus einer separaten Fundamentaldatentabelle. Ein Titel ohne veröffentlichten Börsenwert fällt daher aus diesem Panel heraus.
- Nichts davon ist eine Prognose oder Empfehlung. Die Darstellung beschreibt messbare Bedingungen und enthält das dazugehörige Ergebnis-Panel.
FAQ
Wie finden Sie Kandidaten für einen Short Squeeze?
Durchsuchen Sie die von der Börse gemeldete Short-Interest-Datei nach einer Position, die im Verhältnis zum täglichen Handelsvolumen groß ist. Berücksichtigen Sie nur Werte, die ausreichend liquide handelbar sind. Prüfen Sie anschließend, ob der Kurs bereits steigt. Dieses Screening der Aug 14, 2026 Short-Interest-Datei verwendet mindestens fünf Tage bis zur Eindeckung, ein durchschnittliches tägliches Handelsvolumen von fünf Millionen Aktien und eine positive Fünf-Tage-Entwicklung. Dadurch verblieben 36 Werte.
Welcher Short-Interest-Prozentsatz löst einen Squeeze aus?
Es gibt keine magische Zahl. Wer eine solche Zahl nennt, rät. Short Squeezes haben bei Werten aus der gesamten Bandbreite begonnen. Viel häufiger passiert jedoch überhaupt nichts: Über ein Jahr historischer Abrechnungskurse lagen 52.2% der Werte, die dieses Screening erfasst hätte, 30 Tage später niedriger. Ein hoher Short Interest ist eine Voraussetzung, aber niemals ein Auslöser.
Wie alt sind Short-Interest-Daten?
Die jüngste hier erfasste Abrechnung ist vom Aug 14, 2026 und liegt 22 Tage zurück. Die Kursdaten reichen bis Sep 3, 2026. Diese Lücke ist auf den Meldezyklus und nicht auf einen veralteten Datenfeed zurückzuführen: Positionen werden zweimal im Monat erfasst und etwa acht Börsentage nach jedem Abrechnungstermin veröffentlicht. Daher sind alle Short-Interest-Daten bei ihrer Veröffentlichung bereits mehrere Wochen alt.
Welche Aktien sind derzeit am stärksten leerverkauft?
Die ungefilterten Ranglisten – eine nach Tagen bis zur Eindeckung und eine nach der absoluten Zahl leerverkaufter Aktien – finden Sie auf der Seite der am stärksten leerverkauften Aktien. Diese Seite beantwortet eine engere Frage: Unter den Werten in der Aug 14, 2026-Datei, deren Kurs ebenfalls steigt, weist ENB mit 9.8 Tagen bis zur Eindeckung die höchste Konzentration auf. Das macht den Wert zum Spitzenreiter dieses Screenings, nicht zur am stärksten leerverkauften Aktie des Marktes.
Jedes Panel ist eine gespeicherte, versionierte Abfrage über die von der Börse gemeldete Datei. Klappen Sie unter jeder Tabelle das SQL auf oder führen Sie das Screening mit Ihren eigenen Schwellenwerten auf dem Strasmore-Terminal aus.