Was ist das durchschnittliche Handelsvolumen

Das durchschnittliche tägliche Handelsvolumen — ADV — ist eine der am häufigsten verwendeten, aber nie definierte Kennzahlen: Es beschreibt die typische Anzahl der pro Tag gehandelten Aktien eines Wertpapiers, gemittelt über einen bestimmten Zeitraum. Es bildet den Nenner für days to cover, die Basis für relative volume und ist der Liquiditätstest in jedem Screener. Das bedeutet, dass alle diese Kennzahlen von den Parametern des ADV abhängen: welcher Zeitraum, welche Handelstage, Aktienanzahl oder Dollarwert. Diese Seite definiert den ADV präzise, führt die Berechnungen manuell vor und prüft jede dieser Entscheidungen anhand realer Marktdaten.

Durchschnittliches tägliches Handelsvolumen, gemessen

Zwanzig reguläre Handelssitzungen — vom 11. Juni bis zum 10. Juli 2026 — vier bekannte Namen plus ein bewusst geringes Volumen. Aktien, Dollar und (für später) der Anteil am Gesamtvolumen jedes Namens, der außerhalb der regulären Handelszeiten gehandelt wird:

WITH per_day AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS et_date,
           sumIf(toFloat64(volume), formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') >= '09:30'
                                AND formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') < '16:00') AS rth_shares,
           sumIf(toFloat64(close) * toFloat64(volume), formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') >= '09:30'
                                                   AND formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') < '16:00') AS rth_dollars,
           sum(toFloat64(volume)) AS all_shares
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('SPY', 'AAPL', 'MU', 'KO', 'CATO')
      AND window_start >= toDateTime('2026-06-11 00:00:00', 'America/New_York')
      AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
    GROUP BY ticker, et_date
)
SELECT ticker,
       round(avg(rth_shares) / 1e6, 2) AS adv_shares_m,
       round(avg(rth_dollars) / 1e9, 2) AS adv_dollars_bn,
       round(100 * (sum(all_shares) - sum(rth_shares)) / sum(all_shares), 1) AS extended_hours_pct,
       count() AS sessions
FROM per_day
GROUP BY ticker
ORDER BY adv_shares_m DESC

Die Tabelle bildet die gesamte Argumentation dieser Seite ab. MU und AAPL handeln fast die gleiche Anzahl an Aktien pro Tag — 42.01M gegenüber 41.47M — aber die Dollar-Spalte trennt sie deutlich voneinander: $44.49B gegenüber $12.24B pro Tag. Aktien messen die Aktivität; Dollar messen das Kapital. Die Rangfolge kehrt sich an der Spitze sogar um: SPY führt bei den Aktien (46.01M über 20 Sitzungen), während MU in dieser Tabelle bei den Dollar führt. Und am Ende handelt CATO 0.05 Millionen Aktien pro Tag — so wenig Geld, dass die Spalte für Milliarden bei dieser Größenordnung 0 ausweist. Das ist die Art von Marktdaten, bei der eine einzige institutionelle Order das gesamte Tagesvolumen darstellt und bei der Handelskosten in einer anderen Dimension liegen.

Berechnung des durchschnittlichen täglichen Handelsvolumens

Die Berechnung ist simpel: Addieren Sie die täglichen Aktienvolumina über den gewählten Zeitraum und teilen Sie die Summe durch die Anzahl der Tage. Eine vollständige Woche der Coca-Cola-Handelszeiten während der regulären Börsensitzungen (6.–10. Juli 2026), wobei die laufende Summe und der Durchschnitt in derselben Abfrage berechnet werden:

SELECT session_date,
       shares_m,
       round(sum(shares_m) OVER (), 1) AS five_day_total_m,
       round(avg(shares_m) OVER (), 1) AS adv_m,
       round(avg(shares_m) OVER () * 0.01 * 1000, 0) AS one_pct_of_adv_k
FROM (
    SELECT formatDateTime(toDate(toTimeZone(window_start, 'America/New_York')), '%Y-%m-%d') AS session_date,
           round(sumIf(toFloat64(volume), formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') >= '09:30'
                                      AND formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') < '16:00') / 1e6, 1) AS shares_m
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'KO'
      AND window_start >= toDateTime('2026-07-06 00:00:00', 'America/New_York')
      AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
    GROUP BY session_date
)
ORDER BY session_date

Addieren Sie die fünf Tage — 10.7 + 12.1 + 10.7 + 11 + 8.3 Millionen Aktien — und die Gesamtsumme beträgt 52.8M. Teilen Sie dies durch fünf: 10.6M Aktien, das 5-Tage-ADV von KO. Ein 20-Tage-ADV folgt derselben Arithmetik über 20 Zeilen — dies ist der Wert in der ersten Tabelle. Beachten Sie, was der Durchschnitt kaschiert: 2026-07-07 verzeichnete 12.1M und 2026-07-10 verzeichnete 8.3M; dies sind tägliche Schwankungen, die das ADV zu einer einzigen Kennzahl glättet. Die letzte Spalte gibt einen Ausblick auf die Positionsgröße: Ein Prozent von KOs ADV entspricht etwa 106 tausend Aktien — die Größenordnung, ab der eine einzelne Order einen spürbaren Anteil am täglichen Handelsvolumen ausmacht.

Das Zeitfenster ist eine Entscheidung und bestimmt, wie schnell das ADV verblasst

Zwanzig Sitzungen sind die gängige Konvention (ein Handelsmonat); zudem werden zehn, dreißig, sixty-five und neunzig verwendet. Das Zeitfenster bestimmt, wie schnell das ADV verblasst. MU ist das aktuelle Beispiel für 2026 – ein Wert, dessen Handelsvolumen sich Mitte des Jahres so stark neu bewertet hat, dass das ADV des letzten Monats und das ADV des letzten Quartals im Frühjahr unterschiedliche Entwicklungen zeigten, wie in der Analyse vom Juni belegt wird. Hier ist dieselbe Aktie über denselben Zeitraum von sieben Monaten, gemessen mit beiden Fenstern gleichzeitig:

WITH daily AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS et_date,
           sum(toFloat64(volume)) AS day_shares
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'MU'
      AND window_start >= toDateTime('2025-08-01 00:00:00', 'America/New_York')
      AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY et_date
),
rolled AS (
    SELECT et_date,
           avg(day_shares) OVER (ORDER BY et_date ROWS BETWEEN 19 PRECEDING AND CURRENT ROW) AS adv20,
           avg(day_shares) OVER (ORDER BY et_date ROWS BETWEEN 89 PRECEDING AND CURRENT ROW) AS adv90,
           row_number() OVER (ORDER BY et_date) AS rn,
           count() OVER () AS total_rows
    FROM daily
)
SELECT formatDateTime(et_date, '%Y-%m-%d') AS date,
       round(adv20 / 1e6, 1) AS adv_20_session_m,
       round(adv90 / 1e6, 1) AS adv_90_session_m
FROM rolled
WHERE rn > 90 AND (rn % 3 = total_rows % 3)
ORDER BY et_date

Am 2025-12-10 stimmten die beiden Fenster noch überein: 21.3M bei der 20-Sitzungen-Zählung und 19.9M bei der 90er-Zählung. Bis 2026-04-14 hatten sie sich auf 45.6M gegenüber 31.9M aufgespalten – zwei „offizielle“ ADVs für eine Aktie an einem einzigen Tag. Jeder Screener, jeder Days-to-Cover-Wert oder jede Relative-Volume-Kennzahl, die auf einem Fenster basiert, widersprach einer Kennzahl, die auf dem anderen basiert. Bis 2026-07-10 waren beide wieder konvergiert (42M gegenüber 41.9M): Das neu bewertete Handelsvolumen hatte sich auch im langen Fenster stabilisiert. Wenn zwei Quellen bei einem ADV für eine Aktie voneinander abweichen, ist das Zeitfenster der erste Verdächtige; die Frage, ob das Volumen außerhalb der regulären Handelszeiten einbezogen wird, ist der zweite.

Was passiert mit dem ADV unmittelbar nach einem Volumen-Schock

Das obige Diagramm deutet es an; hier ist die Messung. Nehmen Sie den stärksten Volumen-Schock von MU im Jahr 2026 – die Sitzung, die ihren eigenen gleitenden 20-Tage-ADV am stärksten überschritt – und vergleichen Sie den ADV, den ein Screener vor diesem Tag anzeigte, mit dem Wert einen Monat später:

WITH daily AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS et_date,
           sum(toFloat64(volume)) AS day_shares
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'MU'
      AND window_start >= toDateTime('2025-11-01 00:00:00', 'America/New_York')
      AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY et_date
),
ranked AS (
    SELECT et_date, day_shares,
           day_shares / avg(day_shares) OVER (ORDER BY et_date ROWS BETWEEN 20 PRECEDING AND 1 PRECEDING) AS shock_ratio,
           row_number() OVER (ORDER BY et_date) AS rn
    FROM daily
),
biggest AS (
    SELECT et_date, day_shares, shock_ratio
    FROM ranked
    WHERE rn > 20 AND et_date >= toDate('2026-01-01')
    ORDER BY shock_ratio DESC, et_date ASC
    LIMIT 1
),
before AS (
    SELECT avg(day_shares) AS adv FROM (
        SELECT day_shares FROM daily WHERE et_date < (SELECT et_date FROM biggest) ORDER BY et_date DESC LIMIT 20
    )
),
after AS (
    SELECT avg(day_shares) AS adv FROM (
        SELECT day_shares FROM daily WHERE et_date >= (SELECT et_date FROM biggest) ORDER BY et_date ASC LIMIT 20
    )
)
SELECT formatDateTime((SELECT et_date FROM biggest), '%Y-%m-%d') AS event_date,
       round((SELECT day_shares FROM biggest) / 1e6, 1) AS event_day_shares_m,
       round((SELECT adv FROM before) / 1e6, 1) AS adv_20_before_m,
       round((SELECT shock_ratio FROM biggest), 1) AS event_vs_prior_adv_x,
       round((SELECT adv FROM after) / 1e6, 1) AS adv_20_after_m,
       round(100 * ((SELECT adv FROM after) / (SELECT adv FROM before) - 1), 0) AS adv_shift_pct

Am 2026-03-19 handelte MU 64.7M Aktien gegenüber einem vorherigen ADV von 28.7M – das entspricht dem 2.3-fachen des eigenen Basiswerts. In den folgenden 20 Sitzungen betrug der gleitende ADV durchschnittlich 45M: ein Anstieg des Nenners um den Faktor 57%. Jede aus dem ADV abgeleitete Kennzahl bewegte sich mit diesem Wert – die relative volume Werte sanken (da der Basiswert stieg) und die days to cover sanken (da der Nenner stieg), ohne dass sich die tatsächlichen Positionen geändert hätten. Im Fall von MU blieb das erhöhte Handelsvolumen bestehen – der Schock markierte eine Neubewertung und kein einmaliges Ereignis – aber die Mechanik ist in jedem Fall identisch: Nach einer Phase mit hohem Volumen misst der ADV das Ereignis statt der Gewohnheiten der Aktie für genau eine Zeitspanne.

Was als liquide gilt, gemessen am Volumen

„Millionen von Dollar pro Tag“ ist eine übliche Floskel für die Handelbarkeit. Hier ist die tatsächliche Verteilung – jedes an der US-Börse gelistete Symbol mit mindestens 15 der letzten 20 Sitzungen, sortiert nach dem täglichen Dollar-ADV:

WITH per_ticker AS (
    SELECT ticker, avg(day_dollars) AS adv_dollars
    FROM (
        SELECT ticker,
               toDate(toTimeZone(window_start, 'America/New_York')) AS et_date,
               sumIf(toFloat64(close) * toFloat64(volume), formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') >= '09:30'
                                                       AND formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') < '16:00') AS day_dollars
        FROM global_markets.delayed_stocks_minute_aggs
        WHERE window_start >= toDateTime('2026-06-11 00:00:00', 'America/New_York')
          AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
          AND match(ticker, '^[A-Z]+$')
        GROUP BY ticker, et_date
    )
    GROUP BY ticker
    HAVING count() >= 15
)
SELECT count() AS names,
       round(quantileDeterministic(0.25)(adv_dollars, cityHash64(ticker)) / 1e6, 2) AS p25_m,
       round(quantileDeterministic(0.50)(adv_dollars, cityHash64(ticker)) / 1e6, 1) AS median_m,
       round(quantileDeterministic(0.75)(adv_dollars, cityHash64(ticker)) / 1e6, 1) AS p75_m,
       round(quantileDeterministic(0.90)(adv_dollars, cityHash64(ticker)) / 1e6, 1) AS p90_m,
       round(quantileDeterministic(0.99)(adv_dollars, cityHash64(ticker)) / 1e6, 0) AS p99_m,
       countIf(adv_dollars >= 1e6) AS names_above_1m,
       countIf(adv_dollars >= 10e6) AS names_above_10m,
       countIf(adv_dollars >= 100e6) AS names_above_100m,
       countIf(adv_dollars >= 1e9) AS names_above_1bn
FROM per_ticker

Bei 10864 Symbolen liegt der Median bei einem täglichen Umsatz von 2.2M – die Hälfte des US-Marktes handelt weniger als dieser Wert. Ein Viertel handelt unter 0.33M. Das 75. Perzentil liegt bei 20.4M, das 90. bei 113.7M und das 99. bei 1333M. Gemessen an runden Schwellenwerten: 6515 Titel erreichen 1 Mio. $ pro Tag, 3535 erreichen 10 Mio. $, 1166 erreichen 100 Mio. $ – und nur 130 erreichen 1 Mrd. $. Die Titel, um die sich die Finanzberichterstattung dreht, sind fast ausschließlich in dieser letzten Gruppe aktiv; die mittlere gelistete Aktie ist ein völlig anderes Instrument.

Wo das ADV andere Kennzahlen stillschweigend beeinflusst

• Days to cover = Short Interest ÷ ADV. Ein Anstieg des Volumens verringert das Verhältnis, ohne dass sich die Short-Position ändert – der Nenner ist die Ursache.
• Relative volume = heutiges Volumen ÷ ADV. Dieselbe Kennzahl, aber mit umgekehrter Funktion: Hier dient das ADV als Basiswert, der übertroffen wird.
• Liquiditätsfilter („nur Titel mit einem ADV über 1 Mio.“) – jeder Backtest und Screener enthält einen solchen Filter, und das Survivorship-Bias folgt diesem Prinzip: Titel gelangen durch ihre volatilsten Wochen in solche Filter.
• Positionsgröße – Die institutionelle Praxis, nur wenige Prozent des ADV pro Tag zu handeln, ist der Grund, warum große Fonds bestimmte Small Caps nicht halten können: Man bräuchte wochenlang das gesamte Handelsvolumen, um eine Position aufzubauen oder zu schließen.

Der Fall „Days to cover“ lässt sich an echten Zahlen verdeutlichen, da selbst der „offizielle“ Wert die Wahl des ADV eines Anbieters beinhaltet. Die FINRA veröffentlicht die Days to cover basierend auf ihrem eigenen Volumen-Nenner (jeder Handelsplatz nutzt sein eigenes Berichtsfenster, mit einem Minimum von 1,0 – siehe wie diese Daten entstehen); berechnet man dasselbe Verhältnis mit dem hier verwendeten 20-Tage-ADV während der regulären Handelszeiten neu, ändert sich das Ergebnis:

WITH our_adv AS (
    SELECT ticker, avg(day_shares) AS adv
    FROM (
        SELECT ticker,
               toDate(toTimeZone(window_start, 'America/New_York')) AS et_date,
               sumIf(toFloat64(volume), formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') >= '09:30'
                                    AND formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') < '16:00') AS day_shares
        FROM global_markets.delayed_stocks_minute_aggs
        WHERE ticker IN ('MU', 'KO')
          AND window_start >= toDateTime('2026-06-11 00:00:00', 'America/New_York')
          AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
        GROUP BY ticker, et_date
    )
    GROUP BY ticker
),
si AS (
    SELECT ticker,
           max(short_interest) AS short_interest,
           max(avg_daily_volume) AS finra_adv,
           max(days_to_cover) AS finra_dtc
    FROM global_markets.stocks_short_interest
    WHERE settlement_date = '2026-06-30' AND ticker IN ('MU', 'KO')
    GROUP BY ticker
)
SELECT si.ticker AS ticker,
       round(si.short_interest / 1e6, 1) AS shares_short_m,
       round(si.finra_adv / 1e6, 1) AS finra_adv_m,
       round(si.finra_dtc, 2) AS finra_days_to_cover,
       round(our_adv.adv / 1e6, 1) AS rth_adv_20_session_m,
       round(si.short_interest / our_adv.adv, 2) AS days_to_cover_recomputed
FROM si
INNER JOIN our_adv ON si.ticker = our_adv.ticker
ORDER BY ticker

Gleiches Short Interest, zwei Nenner. Für KO meldet die FINRA 2.06 Tage basierend auf ihrem Volumen von 24.1M Aktien; gegenüber dem hier verwendeten regulären ADV von 12.4M ergibt die gleiche Short-Position von 49.6M Aktien 4 Tage – also fast das Doppelte. Für MU liegt der veröffentlichte Wert beim gemeldeten Minimum von 1; neu berechnet ergibt sich ein Wert von 0.75 Tagen. Keiner der Werte ist falsch – sie nutzen lediglich unterschiedliche Nenner. Die Lehre daraus ist allgemein gültig: Jedes Verhältnis, das das ADV im Nenner hat, bezieht sich stillschweigend auf die gewählten Zeitfenster und Handelssitzungen eines Anbieters.

Funktioniert ADV bei Optionen?

Optionshändler nutzen dasselbe Konzept mit einer Besonderheit: Das Volumen wird in Kontrakten gezählt, wobei jeder Standard-Aktienkontrakt 100 Aktien kontrolliert. Ebenfalls 20 Sitzungen und vier Optionstapes, wobei die Kontraktanzahl in eine gleichwertige Aktien-Exposure umgerechnet wird:

WITH daily AS (
    SELECT multiIf(ticker LIKE 'O:SPY2%', 'SPY', ticker LIKE 'O:AAPL2%', 'AAPL', ticker LIKE 'O:MU2%', 'MU', 'KO') AS underlying,
           toDate(toTimeZone(window_start, 'America/New_York')) AS et_date,
           sum(toFloat64(volume)) AS contracts
    FROM global_markets.options_minute_aggs
    WHERE (ticker LIKE 'O:SPY2%' OR ticker LIKE 'O:AAPL2%' OR ticker LIKE 'O:MU2%' OR ticker LIKE 'O:KO2%')
      AND window_start >= toDateTime('2026-06-11 00:00:00', 'America/New_York')
      AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
    GROUP BY underlying, et_date
)
SELECT underlying,
       round(avg(contracts) / 1e3, 1) AS avg_daily_contracts_k,
       round(avg(contracts) * 100 / 1e6, 1) AS share_equivalent_m,
       count() AS sessions
FROM daily
GROUP BY underlying
ORDER BY avg_daily_contracts_k DESC

Die Größenunterschiede übertreffen alles in der Aktientabelle. Das Optionstape von SPY verzeichnete durchschnittlich 12543.2 Tausend Kontrakte pro Tag — 1254.3M Aktien an gleichwertiger Exposure, ein Vielfaches des SPY-eigenen ADV von 46.01M Aktien. KO verhält sich umgekehrt: 64.6 Tausend Kontrakte (6.5M Aktien-Äquivalent), was unter dem ADV von 12.4M Aktien liegt. Die Liquidität bei Optionen konzentriert sich auf eine Handvoll Basiswerte und verteilt sich über Strikes und Verfallsdaten noch weiter. Eine aggregierte Kennzahl wie diese stellt das Handelsvolumen eines einzelnen Kontrakts zu hoch dar. Daher müssen das Volumen pro Kontrakt und das Open Interest weiterhin geprüft werden, bevor eine Optionsorder dimensioniert wird.

ADV wie ein Profi lesen

Drei Gewohnheiten schließen die Lücke zwischen der Definition und der praktischen Anwendung. Kombinieren Sie ADV mit dem Dollar-ADV — die erste Tabelle zeigt zwei Titel, die bei den Anteilen fast gleichauf liegen, aber bei der Geldmenge weit auseinanderliegen; die Spalte für den Geldwert ist diejenige, die für eine Order tatsächlich relevant ist. Misstrauen Sie dem ADV unmittelbar nach Ereignissen — das Schock-Panel hat es verdeutlicht: Eine starke Phase hat den Nenner innerhalb eines Monats um 57% verändert, was das relative volume und die days to cover mechanisch deflatiert, bis der Spike aus dem Zeitraum herausfällt. Prüfen Sie den ADV im Vergleich zum Kalender — Verfall-Freitage, Rebalancing-Tage und Termine für Indexänderungen erhöhen das Volumen bei allen Titeln gleichzeitig (witching days am stärksten); ein marktweiter Volumenanstieg sagt daher nichts über die spezifische Entwicklung eines einzelnen Titels aus.

FAQ zum durchschnittlichen täglichen Handelsvolumen

Was ist ein gutes durchschnittliches tägliches Handelsvolumen?

Basierend auf der Messung von 10864 US-Symbolen über 20 Sitzungen lag der Median des täglichen Dollar-ADV bei $2.2M. 3535 Titel verzeichneten ein tägliches Volumen von 10 Mio. $ und nur 130 erreichten 1 Mrd. $. Für Orders im Retail-Bereich ist der Dollar-Wert als Untergrenze nützlich, nicht die Anzahl der Aktien. Titel in der Gruppe über 10 Mio. $ werden ohne Preisausschläge durch kleine Orders gehandelt.

Wie berechnet man das durchschnittliche tägliche Handelsvolumen?

Addieren Sie die täglichen Aktienvolumina über den gewählten Zeitraum und teilen Sie die Summe durch die Anzahl der Tage. Die fünf Sitzungen von KO vom 6. bis 10. Juli 2026 ergeben insgesamt 52.8M Aktien; geteilt durch fünf beträgt der ADV 10.6M. Ein 20-Tage-ADV wird mit derselben Arithmetik über 20 Sitzungen berechnet.

Über welchen Zeitraum wird der ADV gemessen?

Meistens über 20 Handelssitzungen (etwa ein Monat). Es gibt jedoch auch Versionen für 10, 30, 65 und 90 Tage – diese weichen nach Volumen-Schocks deutlich voneinander ab. Am 2026-04-14 betrug der 20-Sitzungs-ADV von MU 45.6M, während der 90-Sitzungs-ADV am selben Tag bei 31.9M lag. Prüfen Sie den Zeitraum, bevor Sie Quellen vergleichen.

Beinhaltet der ADV das Volumen vor und nach dem regulären Handel?

Das hängt von der Quelle ab – die Zahlen auf dieser Seite beziehen sich nur auf die regulären Handelszeiten. Gemessen über dieselben 20 Sitzungen machten die Extended-Hours 18.3% des Gesamtvolumens von SPY aus, 6.9% bei AAPL und 0.2% bei dem geringen Volumen von CATO – der Leitfaden zu den Extended-Hours bietet eine detaillierte Aufschlüsselung der Sitzungen.

Wird der ADV in Aktien oder Dollar angegeben?

Traditionell in Aktien, aber der Dollar-ADV ist ein besseres Maß für die Liquidität bei Aktien. Über dieselben 20 Sitzungen handelten MU und AAPL jeweils 42.01M und 41.47M Aktien pro Tag – fast gleichauf – während ihre Dollar-ADVs bei $44.49B und $12.24B lagen. Gleiche Aktienanzahl, aber sehr unterschiedliche Größenordnungen.

Jeder Wert stammt aus einer gespeicherten, versionierten Abfrage – erweitern Sie das SQL unter jedem Panel oder berechnen Sie jeden Zeitraum für jeden Ticker auf dem Strasmore-Terminal.