سهام با حجم معاملات غیرمعمول در هفته جاری

حجم معاملات غیرمعمول به معنای معامله شدن یک سهم بسیار فراتر از میانگین معمولِ خودِ آن سهم است، نه فراتر از میانگین بازار. معامله 40 میلیون سهم برای یک شرکت با ارزش بازار بسیار بالا (megacap) یک اتفاق عادی است، اما این حجم برای یک شرکت با ارزش بازار کم (small-cap) یک رویداد محسوب می‌شود. این صفحه، سهام با حجم معاملات غیرمعمول را در هفته گذشته رتبه‌بندی می‌کند: میانگین حجم معاملات پنج جلسه اخیر هر سهم تقسیم بر میانگین حجم معاملات آن در چهل جلسه قبل محاسبه شده است؛ همچنین یک کف قیمتی تعیین شده تا تمامی موارد لیست، سهامی باشند که واقعاً قابل معامله باشند. این داده‌ها هر هفته به‌روزرسانی می‌شوند و زمان دقیق داده‌ها در بخش «تاریخ داده‌ها» مشخص شده است. معیار مورد استفاده — یعنی حجم نسبی — راهنمای کامل خود را دارد.

پیشتازان حجم معاملات غیرمعمول در این هفته

سه ستون اصلی این داده‌ها را تحلیل می‌کنند. ستون ضریب نشان می‌دهد که قیمت سهم چقدر بالاتر از سطح معمول خود معامله شده است. ستون پایه سطح معمول را مشخص می‌کند؛ ضریب بسیار بالا نسبت به یک پایه پایین، اهمیت کمتری نسبت به ضریب متوسط نسبت به یک حجم معاملات بالا دارد. ستون دلار نشان می‌دهد که آیا این فعالیت از نظر اقتصادی واقعی بوده است یا خیر. ستون آخر، تغییر قیمت از بازگشایی تا بسته‌شدن در هفته، موردی است که اکثر فیلترهای حجم معاملات آن را نادیده می‌گیرند.

WITH sess AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS d,
           sum(toFloat64(volume)) AS vol,
           sum(toFloat64(close) * toFloat64(volume)) AS dollars,
           argMin(toFloat64(open), toTimeZone(window_start, 'America/New_York')) AS day_open,
           argMax(toFloat64(close), toTimeZone(window_start, 'America/New_York')) AS day_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 70 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
      AND ticker NOT IN ('SPCX')
    GROUP BY ticker, d
),
cal AS (
    SELECT d, row_number() OVER (ORDER BY d DESC) AS rn
    FROM (SELECT DISTINCT d FROM sess)
),
per_name AS (
    SELECT s.ticker AS ticker,
           avgIf(s.vol, c.rn <= 5) AS adv_recent,
           avgIf(s.vol, c.rn BETWEEN 6 AND 45) AS adv_base,
           sumIf(s.dollars, c.rn <= 5) AS dollar_recent,
           argMaxIf(s.day_open, c.rn, c.rn <= 5) AS week_open,
           argMinIf(s.day_close, c.rn, c.rn <= 5) AS week_close,
           countIf(c.rn <= 5) AS recent_sessions,
           countIf(c.rn BETWEEN 6 AND 45) AS base_sessions
    FROM sess s INNER JOIN cal c ON s.d = c.d
    GROUP BY s.ticker
    HAVING adv_base > 100000 AND dollar_recent >= 500000000 AND recent_sessions = 5 AND base_sessions >= 35
)
SELECT ticker,
       round(adv_recent / adv_base, 1) AS rvol_week,
       round(adv_recent / 1e6, 2) AS recent_adv_m,
       round(adv_base / 1e6, 2) AS baseline_adv_m,
       round(dollar_recent / 1e9, 2) AS week_dollar_bn,
       round(100.0 * (week_close / week_open - 1), 1) AS week_pct
FROM per_name
ORDER BY rvol_week DESC, ticker ASC
LIMIT 8

هر ردیف به ترتیب زیر خوانده می‌شود:

• JLHL — با ضریب 99.2 برابر با حالت عادی، در صدر لیست: 16.95 میلیون سهم در روز در برابر پایه 0.17 میلیون، با حجم معاملات 0.68 میلیارد دلار و تغییر قیمت از بازگشایی تا بسته‌شدن معادل 160.6%.
• AGEN — با ضریب 41.1 بر پایه 0.62 میلیون سهم، با گردش مالی 0.88 میلیارد دلار؛ تغییر هفته 54.3% بود.
• IONS — با ضریب 4.7، اما بر پایه کمِ 1.43 میلیون سهم و تنها 2.1 میلیارد دلار گردش مالی؛ تغییر هفته -19.6%.
• ALNY — با ضریب 2.3، روزانه 1.91 میلیون سهم در مقابل میانگین معمول 0.83 میلیون؛ تغییر بازگشایی تا بسته‌شدن -26.2%.
• BBIO — با ضریب 2.1، حجم معاملات 2.25 میلیارد دلار، تغییر هفته -0.2%.
• MULL — با ضریب 2.1 بر پایه 1.96 میلیون سهم، حجم معاملات 0.52 میلیارد دلار، تغییر بازگشایی تا بسته‌شدن -22.8%.
• HLI — با ضریب 1.9، روزانه 0.9 میلیون سهم، حجم معاملات 0.61 میلیارد دلار؛ تغییر هفته 5.6%.
• QGEN — هشتمین و آخرین ردیف، با ضریب 1.8 و حجم معاملات 0.76 میلیارد دلار و تغییر 8.7%.

جهت تغییر قیمت بخشی از رتبه‌بندی نیست و دو ستون سمت راست این موضوع را تایید می‌کنند: پیشتاز لیست در پایان هفته 160.6% نسبت به قیمت بازگشایی خود تغییر کرد، در حالی که نام هشتم 8.7% نسبت به قیمت خود تغییر داشت؛ یک فیلتر واحد، اما تجربه‌های متفاوت. حجم بالای معاملات نشان‌دهنده جلساتی است که در آن سهام شناور یک سهم واقعاً در حال آزمایش شدن است؛ این داده چیزی درباره اینکه کدام سمتِ این آزمایش پیروز شده، نمی‌گوید.

نحوه محاسبه ضریب

سهمی را در نظر بگیرید که میانگین معاملات روزانه آن در چهل جلسه معاملاتی گذشته، 200,000 سهم بوده است. در هفته گذشته، حجم معاملات روزانه به ترتیب 1,000,000، 1,400,000، 900,000، 1,100,000 و 600,000 سهم بوده است که میانگین پنج جلسه برابر با 1,000,000 سهم است. تقسیم کنید: 1,000,000 ÷ 200,000 = 5.0x. اگر همان سهم را با مبنای دو میلیون سهم در نظر بگیرید، همان هفته برابر با 0.5x خواهد بود. صورت کسر مربوط به این هفته است و مخرج کسر نشان‌دهنده وضعیت معمول سهم است. (مخرج کسر همان میانگین حجم معاملات روزانه است که به جای 20 جلسه معمول، در چهل جلسه اندازه‌گیری می‌شود.)

چرا چهل جلسه؟ این بازه تقریباً معادل دو ماه تقویمی است؛ به اندازه‌ای طولانی که یک جهش معاملاتی در گذشته نتواند بر مخرج کسر اثر غالب بگذارد، و به اندازه‌ای کوتاه که همچنان وضعیت فعلی معاملات سهم را توصیف کند. چرا برای صورت کسر، پنج جلسه در نظر گرفته شده است؟ یک هفته کامل، تا یک جلسه متوقف شده یا یک معامله بلوکی استثنایی، بر عدد نهایی اثرگذار نباشد.

این محاسبات یک هشدار جدی دارد: هرچه مبنا کوچک‌تر باشد، ضریب ارزان‌تر خواهد بود. پیشتاز این هفته با مبنای تنها 0.17M سهم در روز معامله می‌شود؛ در چنین حجمی، تنها یک جلسه با حجم بالا می‌تواند میانگین کل هفته را بالا ببرد. دقیقاً به همین دلیل است که هیئت مدیره، پیش از پذیرش هر نامی، داشتن مبنایی با شش رقم و حجم هفتگی 500 میلیون دلاری را الزامی می‌داند.

هفته‌ای مانند این چقدر نادر است؟

یک ضریب تنها زمانی اهمیت دارد که در برابر توزیع آماری مربوط به خود سنجیده شود. در همان محدوده و با در نظر گرفتن تمام نام‌های واجد شرایط که بر اساس ضریب خود دسته‌بندی شده‌اند:

WITH sess AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS d,
           sum(toFloat64(volume)) AS vol,
           sum(toFloat64(close) * toFloat64(volume)) AS dollars
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 70 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
      AND ticker NOT IN ('SPCX')
    GROUP BY ticker, d
),
cal AS (
    SELECT d, row_number() OVER (ORDER BY d DESC) AS rn
    FROM (SELECT DISTINCT d FROM sess)
),
per_name AS (
    SELECT s.ticker AS ticker,
           avgIf(s.vol, c.rn <= 5) AS adv_recent,
           avgIf(s.vol, c.rn BETWEEN 6 AND 45) AS adv_base,
           sumIf(s.dollars, c.rn <= 5) AS dollar_recent,
           countIf(c.rn <= 5) AS recent_sessions,
           countIf(c.rn BETWEEN 6 AND 45) AS base_sessions
    FROM sess s INNER JOIN cal c ON s.d = c.d
    GROUP BY s.ticker
    HAVING adv_base > 100000 AND dollar_recent >= 500000000 AND recent_sessions = 5 AND base_sessions >= 35
),
scored AS (
    SELECT ticker,
           multiIf(adv_recent / adv_base >= 10, 1,
                   adv_recent / adv_base >= 5, 2,
                   adv_recent / adv_base >= 3, 3,
                   adv_recent / adv_base >= 2, 4,
                   adv_recent / adv_base >= 1.5, 5,
                   adv_recent / adv_base >= 1, 6, 7) AS bucket_key
    FROM per_name
),
buckets AS (
    SELECT arrayJoin([(1, '10x or more'), (2, '5x to 10x'), (3, '3x to 5x'), (4, '2x to 3x'),
                      (5, '1.5x to 2x'), (6, '1x to 1.5x'), (7, 'below 1x')]) AS bk
)
SELECT bk.2 AS rvol_bucket,
       countIf(scored.bucket_key = bk.1) AS names,
       round(100.0 * countIf(scored.bucket_key = bk.1) / count(), 1) AS pct_of_universe,
       count() AS universe_names
FROM scored CROSS JOIN buckets
GROUP BY bk
ORDER BY bk.1 ASC

هفته جاری، 647 سهم و ETF از سطح معمول خود فراتر رفتند. از این میان، 2 با ضریب ده برابر یا بیشتر نسبت به میانگین خود معامله شدند که معادل 0.3% از کل بازار است. میزان 0 در دسته ضریب 5 تا 10 قرار گرفتند و 1 در دسته ضریب 3 تا 5 قرار داشتند. لیست برتر در بالا، از بخش بسیار محدود بالای جدول استخراج شده است. در سطوح پایین‌تر، 3 نام با ضریب 2 تا 3 نسبت به میانگین خود معامله کردند (0.5% از کل بازار) و 5 در محدوده ضریب 1.5 تا 2 قرار گرفتند (0.8%). همچنین 19 نام با افزایش اندک در محدوده ضریب 1 تا 1.5 قرار داشتند که معادل 2.9% از نام‌های واجد شرایط است.

بخش دیگر جدول، قسمتی است که کسی از آن اسکرین‌شات نمی‌گیرد: 617 نام — معادل 95.4% از کل بازار — این هفته زیر میانگین چهل روزه خود معامله شدند. این وضعیت عادی بازار است و همین موضوع باعث می‌شود بخش بالای جدول یک مورد استثنایی واقعی باشد، نه صرفاً یک خطای محاسباتی کوچک.

آیا حجم معاملات غیرمعمول تداوم می‌یابد؟

باور رایج بر این است که حجم معاملات غیرمعمول برای چندین روز باقی می‌ماند؛ بنابراین نمادی که در صدر چنین فهرستی قرار دارد، معمولاً حرکت قیمتی خود را انجام داده است. این موضوع قابل آزمایش است. برای هر یک از هشت سهم پیشرو بررسی می‌کنیم: در چند جلسه از پنج جلسه، حجم معاملات دو برابر یا بیشتر از سطح پایه بوده است، بزرگترین حجم در یک جلسه واحد چقدر بوده و چه تعداد جلسه بین سنگین‌ترین روز معاملاتی و آخرین جلسه هفته فاصله داشته است.

WITH sess AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS d,
           sum(toFloat64(volume)) AS vol,
           sum(toFloat64(close) * toFloat64(volume)) AS dollars
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 70 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
      AND ticker NOT IN ('SPCX')
    GROUP BY ticker, d
),
cal AS (
    SELECT d, row_number() OVER (ORDER BY d DESC) AS rn
    FROM (SELECT DISTINCT d FROM sess)
),
per_name AS (
    SELECT s.ticker AS ticker,
           avgIf(s.vol, c.rn <= 5) AS adv_recent,
           avgIf(s.vol, c.rn BETWEEN 6 AND 45) AS adv_base,
           sumIf(s.dollars, c.rn <= 5) AS dollar_recent,
           countIf(c.rn <= 5) AS recent_sessions,
           countIf(c.rn BETWEEN 6 AND 45) AS base_sessions
    FROM sess s INNER JOIN cal c ON s.d = c.d
    GROUP BY s.ticker
    HAVING adv_base > 100000 AND dollar_recent >= 500000000 AND recent_sessions = 5 AND base_sessions >= 35
),
leaders AS (
    SELECT ticker, adv_recent / adv_base AS rvol_week, adv_base
    FROM per_name
    ORDER BY rvol_week DESC, ticker ASC
    LIMIT 8
),
daily AS (
    SELECT l.ticker AS ticker,
           l.rvol_week AS rvol_week,
           c.rn AS rn,
           s.vol / l.adv_base AS rvol_day
    FROM sess s
    INNER JOIN cal c ON s.d = c.d
    INNER JOIN leaders l ON s.ticker = l.ticker
    WHERE c.rn <= 5
)
SELECT ticker,
       round(max(rvol_week), 1) AS week_rvol,
       countIf(rvol_day >= 2) AS days_above_2x,
       round(max(rvol_day), 1) AS peak_day_rvol,
       argMax(rn, (rvol_day, -rn)) - 1 AS sessions_since_peak
FROM daily
GROUP BY ticker
ORDER BY days_above_2x ASC, peak_day_rvol ASC, ticker ASC

با مرتب‌سازی بر اساس میزان تداوم، کم‌تداوم‌ترین نماد در این فهرست، HLI بود که در 1 از پنج جلسه، حجم معاملاتی دو برابر سطح پایه را ثبت کرد و اوج آن 6.2 برابر بود. پرتداوم‌ترین نماد، JLHL، در 3 از پنج جلسه این حالت را داشت و اوج آن 404.6 برابر بود. این‌ها رویدادهای چند‌جلسه‌ای هستند و نه معاملات تک‌مرحله‌ای؛ و این همان دلیل مکانیکی است که چرا فهرستی هفتگی و فهرستی روزانه معمولاً سهام یکسانی را معرفی می‌کنند.

ستون آخر مربوط به زمان‌بندی است: تعداد جلسات بین سنگین‌ترین روز و آخرین جلسه هفته — 4 برای HLI و 4 برای JLHL. هر جا که این فاصله بیشتر از صفر باشد، یعنی بیشترین حجم معاملات پیش از پایان هفته ثبت شده است. این فهرست وضعیت هفته‌ای که پایان یافته را توصیف می‌کند، نه هفته‌ای که در حال شروع است.

پانزده جلسه معاملاتی پیشتاز، روز به روز

میانگین هفتگی، روند واقعی را پنهان می‌کند. در ادامه، حجم معاملات نسبی روزانه پیشتاز فعلی — نسبت به همان خط پایه چهل جلسه‌ای — در کنار تغییرات قیمت از بازگشایی تا بسته‌شدن در پانزده جلسه اخیر آورده شده است:

WITH sess AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS d,
           sum(toFloat64(volume)) AS vol,
           sum(toFloat64(close) * toFloat64(volume)) AS dollars,
           argMin(toFloat64(open), toTimeZone(window_start, 'America/New_York')) AS day_open,
           argMax(toFloat64(close), toTimeZone(window_start, 'America/New_York')) AS day_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 70 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
      AND ticker NOT IN ('SPCX')
    GROUP BY ticker, d
),
cal AS (
    SELECT d, row_number() OVER (ORDER BY d DESC) AS rn
    FROM (SELECT DISTINCT d FROM sess)
),
per_name AS (
    SELECT s.ticker AS ticker,
           avgIf(s.vol, c.rn <= 5) AS adv_recent,
           avgIf(s.vol, c.rn BETWEEN 6 AND 45) AS adv_base,
           sumIf(s.dollars, c.rn <= 5) AS dollar_recent,
           countIf(c.rn <= 5) AS recent_sessions,
           countIf(c.rn BETWEEN 6 AND 45) AS base_sessions
    FROM sess s INNER JOIN cal c ON s.d = c.d
    GROUP BY s.ticker
    HAVING adv_base > 100000 AND dollar_recent >= 500000000 AND recent_sessions = 5 AND base_sessions >= 35
),
leader AS (
    SELECT ticker, adv_base
    FROM per_name
    ORDER BY adv_recent / adv_base DESC, ticker ASC
    LIMIT 1
),
path AS (
    SELECT formatDateTime(s.d, '%Y-%m-%d') AS session_date,
           formatDateTime(s.d, '%b %e') AS session_label,
           s.vol / l.adv_base AS rvol_day,
           100.0 * (s.day_close / s.day_open - 1) AS day_pct
    FROM sess s
    INNER JOIN cal c ON s.d = c.d
    INNER JOIN leader l ON s.ticker = l.ticker
    WHERE c.rn <= 15
)
SELECT session_date,
       session_label,
       round(rvol_day, 1) AS rvol_day,
       round(day_pct, 1) AS day_pct,
       round(max(rvol_day) OVER (), 1) AS peak_rvol_day
FROM path
ORDER BY session_date ASC

پانزده جلسه پیش، حجم معاملات سهم 0.5 برابر با خط پایه بود — یک نام معمولی و آرام. سنگین‌ترین جلسه در این بازه به 404.6 برابر رسید. در آخرین جلسه معاملاتی، یعنی Jul 15، حجم معاملات همچنان در سطح 0.7 بود و تغییر قیمت از بازگشایی تا بسته‌شدن -3.5% بود.

به آنچه نمودار انجام نمی‌دهد دقت کنید: کاهش منظم و خطی. حجم معاملات بالا به صورت خوشه‌ای ظاهر می‌شود و جلسات پس از یک نقطه اوج، ممکن است به جای کاهش، دوباره شتاب بگیرند؛ به همین دلیل عبارت «حجم در حال کاهش است» ادعایی است که باید با بررسی سری داده‌های روزانه سنجیده شود، نه اینکه صرفاً بر اساس حدس و گمان باشد. همین سری داده‌های روزانه، نقطه شروع معیار سرعت درون‌روزی است؛ معیاری که در راهنمای حجم نسبی از ابتدا ساخته شده و توسط VWAP استفاده می‌شود.

What the screen filters out

Four rules keep the board honest, and each one throws away something a reader might want to see:

1. A $500M dollar-volume floor for the week. Share counts alone fill a leaderboard with names where a million shares is pocket change.
2. A baseline above 100,000 shares a day, so the denominator is a real number rather than a rounding artifact.
3. At least 35 of the prior 40 sessions traded, which excludes brand-new listings — a fresh IPO has no meaningful "normal" to divide by, and would otherwise own this board for weeks.
4. One reused symbol excluded: a ticker the exchanges recently reassigned to a new listing, whose vendor history splices two different companies together. Its baseline would be fiction.

Rule 1 is the one that removes the wildest multiples on the tape. Here are the six biggest excluded by it:

WITH sess AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS d,
           sum(toFloat64(volume)) AS vol,
           sum(toFloat64(close) * toFloat64(volume)) AS dollars
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 70 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
      AND ticker NOT IN ('SPCX')
    GROUP BY ticker, d
),
cal AS (
    SELECT d, row_number() OVER (ORDER BY d DESC) AS rn
    FROM (SELECT DISTINCT d FROM sess)
),
per_name AS (
    SELECT s.ticker AS ticker,
           avgIf(s.vol, c.rn <= 5) AS adv_recent,
           avgIf(s.vol, c.rn BETWEEN 6 AND 45) AS adv_base,
           sumIf(s.dollars, c.rn <= 5) AS dollar_recent,
           countIf(c.rn <= 5) AS recent_sessions,
           countIf(c.rn BETWEEN 6 AND 45) AS base_sessions
    FROM sess s INNER JOIN cal c ON s.d = c.d
    GROUP BY s.ticker
    HAVING adv_base > 100000 AND recent_sessions = 5 AND base_sessions >= 35
       AND dollar_recent > 0 AND dollar_recent < 500000000
)
SELECT ticker,
       round(adv_recent / adv_base, 1) AS rvol_week,
       round(dollar_recent / 1e6, 1) AS week_dollar_m,
       round(dollar_recent / (adv_recent * 5), 2) AS avg_share_price,
       round(adv_base / 1e6, 2) AS baseline_adv_m
FROM per_name
ORDER BY rvol_week DESC, ticker ASC
LIMIT 6

SOBR traded 109.8x its own norm, yet turned over only $262.4M all week at an average share price of $1.04. Behind it: ZBAO at 109.3x on $72M (average price $0.44), WRAP at 51.8x on $162.5M, CPHI at 38.1x on $31.8M, KAPA at 36.7x on $9.5M, and LGPS at 20.2x on $57.5M. Real activity, genuinely unusual for those names — and a category where the multiple flatters a very small amount of money.

منشأ حجم معاملات غیرمعمول

دلایل تکرارشونده‌ای که باعث افزایش سرعت معاملات در تابلوی قیمت می‌شوند عبارتند از: هفته‌های گزارش سود که تنها منبع برنامه‌ریزی‌شده هستند؛ رویدادهای شرکتی شامل ادغام‌ها، عرضه سهام و تغییرات در شاخص‌ها که با حجم معاملات مکانیکی و بدون ارتباط با دیدگاه بازار همراه هستند؛ دینامیک اسکوئیز که در آن حجم معاملات بر سرعت تغییرات قیمت انباشته می‌شود و الگوی آن در توضیح اسکوئیز کوتاه مستند شده است؛ و لیست‌های جدید که تا زمان تثبیت تعداد سهام در گردش، بر حجم معاملات خود تسلط دارند. تابلوی قیمت در هر هفته معمولاً ترکیبی از این موارد است، به همراه یک یا دو مورد ناشناخته؛ و این موارد ناشناخته همان ردیف‌هایی هستند که ارزش صرف یک دقیقه زمان اضافی را دارند.

Unusual volume FAQ

What counts as unusual volume for a stock?

There is no official threshold, so use the distribution: of the 647 names clearing this page's floor this week, only 2 traded at 10x their own norm or more, and 95.4% actually traded below their own average. Anything above roughly 2x is already in the top few percent of the market on a given week.

Is unusual volume bullish or bearish?

Neither — it is attention, and attention arrives with rallies and collapses alike. This week the board's leader finished the five sessions 160.6% from its opening print and the eighth name finished 8.7%; both qualified on exactly the same measurement.

How long does unusual volume last?

Usually longer than a day. The persistence panel counts each board name's sessions above twice baseline: this week they run from 1 of five (HLI) to 3 of five (JLHL), and the heaviest session typically lands before the week ends rather than on its final day.

Why does the list use a dollar-volume floor?

A share-count screen without one fills up with cheap tickers where the multiple is huge and the money is not: this week's biggest excluded name traded 109.8x its norm on $262.4M total, at an average price of $1.04 a share. The $500M weekly floor keeps every row on the board economically real.

Does unusual stock volume show up in the options market too?

Often, yes — heavy equity tape and heavy options tape tend to arrive together on the same names, which is why traders watch both. Options activity is measured differently, though: contracts traded is a flow number, while open interest counts positions still standing, and the two answer different questions — see options volume vs. open interest before reading anything into an "unusual options activity" alert.

Every number above is a stored, versioned query — expand the SQL under any panel to see the exact measurement, or run the same screen over any window you like on the Strasmore terminal.