Strasmore Research
Récap des marchés Matt ConnorPar Matt Connor · Mis à jour le 2026-10-17 · data as of October 17, 2026 · refreshed weekly

Plus fortes hausses et baisses en Bourse en 2026

Classement des actions les plus performantes et des plus fortes baisses en 2026, selon la liquidité réelle des échanges, hors splits et fonds à effet de levier.

Les actions les plus performantes de 2026 à ce jour sont menées par MRNA, en hausse de 692.8% entre la première séance de l’année et la dernière séance achevée. Cette page classe les plus fortes hausses et baisses de 2026 parmi les valeurs qui font réellement l’objet d’échanges. Le calcul repose sur les transactions exécutées en bourse, et non sur un récapitulatif fourni par un vendeur de données. La page est actualisée au fil de l’année. Les splits d’actions et les fonds à effet de levier sont exclus avant tout classement. C’est à ce stade que la plupart des palmarès depuis le début de l’année comportent discrètement des erreurs.

Plus fortes hausses des actions en 2026

Chaque valeur ci-dessous a franchi un seuil de liquidité avant son classement : au moins 100 millions de dollars d’actions échangées en moyenne par séance complète au cours du dernier mois. Un pourcentage élevé sur une action que personne ne négocie est une cotation, pas un résultat.

RequêtePlus fortes hausses en 2026 : les dix meilleures performances depuis le début de l’année parmi les valeurs très traitées
tickerperformance depuis le début de l’année (%)volume quotidien moyen en dollars (M)
MRNA692.83002
SNDK47111073
TWST355.2476
TXG343.5334
MXL338.4246
DELL2683100
AXTI236.9499
AEHR229.3203
PBF218.3195
KOD215.7389
Le SQL exact derrière chaque chiffre
WITH complete AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND window_start >= toDateTime('2026-01-01 00:00:00')
      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 d
    HAVING count() >= 380
),
universe AS (
    SELECT ticker,
           sum(toFloat64(close) * toFloat64(volume)) / uniqExact(toDate(toTimeZone(window_start, 'America/New_York'))) AS adv
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 21 DAY
      AND toDate(toTimeZone(window_start, 'America/New_York')) >= today() - 20
      AND toDate(toTimeZone(window_start, 'America/New_York')) IN (SELECT d FROM complete)
      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
    HAVING adv >= 100000000
),
edges AS (
    SELECT ticker,
        argMinIf(toFloat64(open), toTimeZone(window_start, 'America/New_York'), toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT min(d) FROM complete)) AS year_open,
        argMaxIf(toFloat64(close), toTimeZone(window_start, 'America/New_York'), toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT max(d) FROM complete)) AS latest_close,
        countIf(toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT min(d) FROM complete)) AS bars_open,
        countIf(toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT max(d) FROM complete)) AS bars_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ((window_start >= toDateTime('2026-01-01 00:00:00') AND window_start < toDateTime('2026-01-10 00:00:00'))
        OR (window_start >= now() - INTERVAL 8 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')
      AND ticker NOT IN ('KORU','SOXL','SOXS','SOXY','TQQQ','SQQQ','QQQU','SPXL','SPXS','UPRO','SPXU','SPYU','LABU','LABD','FAS','FAZ','TNA','TZA','YINN','YANG','UDOW','SDOW','BOIL','KOLD','UCO','SCO','USD','SSO','SDS','QLD','QID','ERX','ERY','DRN','DRV','CURE','MUU','SNXX','UVXY','SVXY','UVIX','SVIX','BULZ','WEBL','WEBS','DPST','DRIP','GUSH','AGQ','ZSL','GDXU','GDXD','FNGU','FNGD','DUST','JNUG','JDST','NUGT','BITX','BITU','SBIT','ETHU','ETHT','NVDL','NVDS','NVD','NVDX','NVDU','NVDD','NVDQ','TSLL','TSLQ','TSLZ','TSLR','TSLT','TSLS','TSDD','AAPU','AAPD','MSFU','MSFD','GGLL','GGLS','AMZU','AMZD','METU','METD','PLTU','PLTD','SMCX','SMCZ','CONL','CONI','MSTX','MSTU','MSTZ','BRKU','AMDL','AMUU','AMDD','ELIL','ELIS','HOOX','AVGX','AVGU','TSMX','TSMZ','MULL')
      AND ticker NOT IN (SELECT ticker FROM global_markets.stocks_splits
                         WHERE execution_date BETWEEN toDate('2026-01-01') AND today())
    GROUP BY ticker
    HAVING bars_open >= 100 AND bars_close >= 100
)
SELECT e.ticker AS ticker,
    round((e.latest_close / e.year_open - 1) * 100, 1) AS ytd_return_pct,
    round(u.adv / 1e6, 0) AS avg_daily_dollar_m
FROM edges AS e
INNER JOIN universe AS u ON e.ticker = u.ticker
WHERE e.year_open >= 10
ORDER BY (e.latest_close / e.year_open) DESC
LIMIT 10
Essayez cette requête

MRNA mène le classement annuel à 692.8%, suivi de SNDK à 471% et de TWST à 355.2%. À la dixième place, KOD affiche encore une hausse de 215.7%, si bien que l’ensemble du tableau a largement devancé tous les grands indices.

La colonne en dollars associée à chaque variation est aussi informative que le pourcentage. KOD affiche un volume de transactions quotidien moyen d’environ 389 millions de dollars. En tête du classement, MRNA atteint en moyenne 3002 millions de dollars. Toutes ces valeurs dépassent 100 millions de dollars par jour, et l’écart au-dessus de ce seuil est suffisamment large pour qu’un même pourcentage ait deux significations différentes selon l’extrémité du classement. Une valeur peu liquide est plus facile à pousser et plus difficile à céder au prix affiché.

Plus fortes baisses des actions en 2026

La même mesure, inversée : les plus fortes baisses depuis le début de l’année parmi les titres qui dépassent le même seuil de liquidité.

RequêtePlus fortes baisses en 2026 : les dix pires performances depuis le début de l’année parmi les valeurs très traitées
tickerperformance depuis le début de l’année (%)volume quotidien moyen en dollars (M)
CTVA-80.8410
TTD-65.7176
FLUT-64.8159
JOBY-64.3114
STLA-61.5126
OKLO-59.4288
APP-59.11168
SMR-57.8217
FICO-54.5998
Z-54.1114
Le SQL exact derrière chaque chiffre
WITH complete AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND window_start >= toDateTime('2026-01-01 00:00:00')
      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 d
    HAVING count() >= 380
),
universe AS (
    SELECT ticker,
           sum(toFloat64(close) * toFloat64(volume)) / uniqExact(toDate(toTimeZone(window_start, 'America/New_York'))) AS adv
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 21 DAY
      AND toDate(toTimeZone(window_start, 'America/New_York')) >= today() - 20
      AND toDate(toTimeZone(window_start, 'America/New_York')) IN (SELECT d FROM complete)
      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
    HAVING adv >= 100000000
),
edges AS (
    SELECT ticker,
        argMinIf(toFloat64(open), toTimeZone(window_start, 'America/New_York'), toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT min(d) FROM complete)) AS year_open,
        argMaxIf(toFloat64(close), toTimeZone(window_start, 'America/New_York'), toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT max(d) FROM complete)) AS latest_close,
        countIf(toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT min(d) FROM complete)) AS bars_open,
        countIf(toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT max(d) FROM complete)) AS bars_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ((window_start >= toDateTime('2026-01-01 00:00:00') AND window_start < toDateTime('2026-01-10 00:00:00'))
        OR (window_start >= now() - INTERVAL 8 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')
      AND ticker NOT IN ('KORU','SOXL','SOXS','SOXY','TQQQ','SQQQ','QQQU','SPXL','SPXS','UPRO','SPXU','SPYU','LABU','LABD','FAS','FAZ','TNA','TZA','YINN','YANG','UDOW','SDOW','BOIL','KOLD','UCO','SCO','USD','SSO','SDS','QLD','QID','ERX','ERY','DRN','DRV','CURE','MUU','SNXX','UVXY','SVXY','UVIX','SVIX','BULZ','WEBL','WEBS','DPST','DRIP','GUSH','AGQ','ZSL','GDXU','GDXD','FNGU','FNGD','DUST','JNUG','JDST','NUGT','BITX','BITU','SBIT','ETHU','ETHT','NVDL','NVDS','NVD','NVDX','NVDU','NVDD','NVDQ','TSLL','TSLQ','TSLZ','TSLR','TSLT','TSLS','TSDD','AAPU','AAPD','MSFU','MSFD','GGLL','GGLS','AMZU','AMZD','METU','METD','PLTU','PLTD','SMCX','SMCZ','CONL','CONI','MSTX','MSTU','MSTZ','BRKU','AMDL','AMUU','AMDD','ELIL','ELIS','HOOX','AVGX','AVGU','TSMX','TSMZ','MULL')
      AND ticker NOT IN (SELECT ticker FROM global_markets.stocks_splits
                         WHERE execution_date BETWEEN toDate('2026-01-01') AND today())
    GROUP BY ticker
    HAVING bars_open >= 100 AND bars_close >= 100
)
SELECT e.ticker AS ticker,
    round((e.latest_close / e.year_open - 1) * 100, 1) AS ytd_return_pct,
    round(u.adv / 1e6, 0) AS avg_daily_dollar_m
FROM edges AS e
INNER JOIN universe AS u ON e.ticker = u.ticker
WHERE e.year_open >= 10
ORDER BY (e.latest_close / e.year_open) ASC
LIMIT 10
Essayez cette requête

La plus forte baisse depuis le début de l’année revient à CTVA, à -80.8%, suivie de TTD, à -65.7%. Dixième du classement, Z s’établit à -54.1%. Plusieurs titres de cette liste sont de grandes entreprises largement détenues, et non des microcaps spéculatives. C’est ce qui surprend dans une liste de baisses. La liquidité et la couverture des analystes ne constituent aucun plancher pour le cours d’une action. Un investisseur qui détenait l’un de ces titres dans une proportion excessive de son portefeuille a subi l’intégralité du mouvement. La page risque lié à la détention d’une seule action le mesure au moyen de la volatilité et du drawdown.

Quelle part du marché est en hausse en 2026

Un classement ne montre que les deux extrêmes. La breadth montre le corps du marché : la répartition de l’ensemble de l’univers filtré, y compris les fonds indiciels, entre les valeurs en hausse et en baisse, regroupées selon l’ampleur du mouvement.

RequêteBreadth depuis le début de l’année : répartition de l’univers filtré par tranches de performance
catégorievaleurspart du côté (%)
Down 40%+3741.2
Down 20-40%8441.2
Down 10-20%10441.2
Down 0-10%18741.2
Up 0-10%16258.8
Up 10-25%19458.8
Up 25-50%11658.8
Up 50%+11658.8
Le SQL exact derrière chaque chiffre
WITH complete AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND window_start >= toDateTime('2026-01-01 00:00:00')
      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 d
    HAVING count() >= 380
),
universe AS (
    SELECT ticker,
           sum(toFloat64(close) * toFloat64(volume)) / uniqExact(toDate(toTimeZone(window_start, 'America/New_York'))) AS adv
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 21 DAY
      AND toDate(toTimeZone(window_start, 'America/New_York')) >= today() - 20
      AND toDate(toTimeZone(window_start, 'America/New_York')) IN (SELECT d FROM complete)
      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
    HAVING adv >= 100000000
),
edges AS (
    SELECT ticker,
        argMinIf(toFloat64(open), toTimeZone(window_start, 'America/New_York'), toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT min(d) FROM complete)) AS year_open,
        argMaxIf(toFloat64(close), toTimeZone(window_start, 'America/New_York'), toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT max(d) FROM complete)) AS latest_close,
        countIf(toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT min(d) FROM complete)) AS bars_open,
        countIf(toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT max(d) FROM complete)) AS bars_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ((window_start >= toDateTime('2026-01-01 00:00:00') AND window_start < toDateTime('2026-01-10 00:00:00'))
        OR (window_start >= now() - INTERVAL 8 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')
      AND ticker NOT IN ('KORU','SOXL','SOXS','SOXY','TQQQ','SQQQ','QQQU','SPXL','SPXS','UPRO','SPXU','SPYU','LABU','LABD','FAS','FAZ','TNA','TZA','YINN','YANG','UDOW','SDOW','BOIL','KOLD','UCO','SCO','USD','SSO','SDS','QLD','QID','ERX','ERY','DRN','DRV','CURE','MUU','SNXX','UVXY','SVXY','UVIX','SVIX','BULZ','WEBL','WEBS','DPST','DRIP','GUSH','AGQ','ZSL','GDXU','GDXD','FNGU','FNGD','DUST','JNUG','JDST','NUGT','BITX','BITU','SBIT','ETHU','ETHT','NVDL','NVDS','NVD','NVDX','NVDU','NVDD','NVDQ','TSLL','TSLQ','TSLZ','TSLR','TSLT','TSLS','TSDD','AAPU','AAPD','MSFU','MSFD','GGLL','GGLS','AMZU','AMZD','METU','METD','PLTU','PLTD','SMCX','SMCZ','CONL','CONI','MSTX','MSTU','MSTZ','BRKU','AMDL','AMUU','AMDD','ELIL','ELIS','HOOX','AVGX','AVGU','TSMX','TSMZ','MULL')
      AND ticker NOT IN (SELECT ticker FROM global_markets.stocks_splits
                         WHERE execution_date BETWEEN toDate('2026-01-01') AND today())
    GROUP BY ticker
    HAVING bars_open >= 100 AND bars_close >= 100
),
rets AS (
    SELECT e.ticker AS ticker, (e.latest_close / e.year_open - 1) * 100 AS ret
    FROM edges AS e
    INNER JOIN universe AS u ON e.ticker = u.ticker
    WHERE e.year_open >= 10
)
SELECT bucket,
       names,
       round(100 * sum(names) OVER (PARTITION BY side) / sum(names) OVER (), 1) AS side_share_pct
FROM (
    SELECT tup.1 AS bucket, tup.2 AS names, tup.3 AS ord, tup.4 AS side
    FROM (
        SELECT arrayJoin([
            ('Down 40%+',   countIf(ret < -40),               1, 'down'),
            ('Down 20-40%', countIf(ret >= -40 AND ret < -20), 2, 'down'),
            ('Down 10-20%', countIf(ret >= -20 AND ret < -10), 3, 'down'),
            ('Down 0-10%',  countIf(ret >= -10 AND ret < 0),   4, 'down'),
            ('Up 0-10%',    countIf(ret >= 0 AND ret < 10),    5, 'up'),
            ('Up 10-25%',   countIf(ret >= 10 AND ret < 25),   6, 'up'),
            ('Up 25-50%',   countIf(ret >= 25 AND ret < 50),   7, 'up'),
            ('Up 50%+',     countIf(ret >= 50),                8, 'up')
        ]) AS tup
        FROM rets
    )
)
ORDER BY ord
Essayez cette requête

58.8% des valeurs filtrées sont en hausse depuis le début de l’année et 41.2% sont en baisse. La répartition révèle ce qu’un tableau des dix premières valeurs dissimule. 37 valeurs se trouvent dans la catégorie Down 40%+ à une extrémité, contre 116 dans la catégorie Up 50%+ à l’autre, tandis que 187 se situent dans la catégorie Down 0-10% et 162 dans la catégorie Up 0-10% de part et d’autre du niveau inchangé. La plupart des valeurs évoluent de manière ordinaire au cours d’une année donnée. Les valeurs des deux tableaux ci-dessus constituent l’exception à partir de laquelle les moyennes sont calculées.

Positionnement du marché

La performance d’une seule action se lit différemment lorsqu’on la compare à celle du marché. Les quatre principaux ETF indiciels sur exactement la même période :

RequêteLes quatre principaux ETF indiciels depuis le début de l’année, sur la même période mesurée
libelléperformance depuis le début de l’année (%)mesuré depuis lemesuré jusqu’au
Nasdaq 100 (QQQ)17.42026-01-022026-10-15
S&P 500 (SPY)12.52026-01-022026-10-15
Russell 2000 (IWM)11.12026-01-022026-10-15
Dow (DIA)8.22026-01-022026-10-15
Le SQL exact derrière chaque chiffre
WITH complete AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND window_start >= toDateTime('2026-01-01 00:00:00')
      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 d
    HAVING count() >= 380
),
edges AS (
    SELECT ticker,
        argMinIf(toFloat64(open), toTimeZone(window_start, 'America/New_York'), toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT min(d) FROM complete)) AS year_open,
        argMaxIf(toFloat64(close), toTimeZone(window_start, 'America/New_York'), toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT max(d) FROM complete)) AS latest_close,
        countIf(toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT min(d) FROM complete)) AS bars_open,
        countIf(toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT max(d) FROM complete)) AS bars_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ((window_start >= toDateTime('2026-01-01 00:00:00') AND window_start < toDateTime('2026-01-10 00:00:00'))
        OR (window_start >= now() - INTERVAL 8 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 IN ('SPY', 'QQQ', 'DIA', 'IWM')
    GROUP BY ticker
    HAVING bars_open >= 100 AND bars_close >= 100
)
SELECT multiIf(ticker = 'SPY', 'S&P 500 (SPY)', ticker = 'QQQ', 'Nasdaq 100 (QQQ)',
               ticker = 'DIA', 'Dow (DIA)', ticker = 'IWM', 'Russell 2000 (IWM)', ticker) AS label,
    round((latest_close / year_open - 1) * 100, 1) AS ytd_return_pct,
    (SELECT toString(min(d)) FROM complete) AS measured_from_date,
    (SELECT toString(max(d)) FROM complete) AS measured_through_date
FROM edges
ORDER BY ytd_return_pct DESC
Essayez cette requête

Les deux tableaux et le graphique ci-dessus couvrent une même période : de la première séance complète de 2026 (2026-01-02) à la dernière séance terminée (2026-10-15). Sur cette période, Nasdaq 100 (QQQ) a affiché une performance de 17.4% et Dow (DIA) de 8.2%. Toutes les valeurs du tableau des hausses ont largement dépassé ces quatre références. C’est l’effet mécanique d’un indice : des centaines de positions sont agrégées en une seule ligne, leurs évolutions individuelles se compensant en partie. La dispersion sous-jacente était bien plus forte que celle de l’indice lui-même. Le tableau de bord sectoriel du premier semestre classe les onze secteurs les uns par rapport aux autres.

Le split qui simule une performance depuis le début de l’année

Un split modifie le nombre d’actions et le cours par action sans changer la valeur d’une position. Sur une période aussi longue, de nombreuses entreprises procèdent à un split. Un calcul non ajusté depuis le début de l’année interprète alors la variation du cours par action comme une performance. Les valeurs ci-dessous ont toutes réalisé en 2026 un split ou versé un dividende en actions suffisamment important pour faire varier ce cours d’au moins un cinquième. Elles ont également dépassé le même seuil de liquidité. Elles pouvaient donc figurer dans les classements ci-dessus avant que le filtre des splits ne les écarte.

RequêteExclus des tableaux : splits de 2026 suffisamment importants pour fausser la performance depuis le début de l’année
tickerperformance depuis le début de l’année non ajustée (%)effet du split sur le cours (%)type de splitdate du split
BKNG-96.9-96forward split2026-04-06
KLAC-86.2-90forward split2026-06-12
CVNA-85.6-80forward split2026-05-08
VGT-83.9-87.5forward split2026-04-21
VUG-81.7-83.3forward split2026-04-21
VOOG-81-83.3forward split2026-04-21
MGK-77.9-80forward split2026-04-21
IWF-73.9-75forward split2026-04-29
VO-72.2-75forward split2026-04-21
INTW-57.3-87.5forward split2026-06-26
CRWD-48.4-75stock dividend2026-07-02
MNST-40.9-50stock dividend2026-08-11
APH-40.6-50stock dividend2026-09-03
HON7.6100reverse split2026-06-29
ETHA141.8200reverse split2026-10-06
Le SQL exact derrière chaque chiffre
WITH complete AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND window_start >= toDateTime('2026-01-01 00:00:00')
      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 d
    HAVING count() >= 380
),
universe AS (
    SELECT ticker,
           sum(toFloat64(close) * toFloat64(volume)) / uniqExact(toDate(toTimeZone(window_start, 'America/New_York'))) AS adv
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 21 DAY
      AND toDate(toTimeZone(window_start, 'America/New_York')) >= today() - 20
      AND toDate(toTimeZone(window_start, 'America/New_York')) IN (SELECT d FROM complete)
      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
    HAVING adv >= 100000000
),
split_terms AS (
    SELECT ticker,
        argMax(split_to, execution_date) AS new_shares,
        argMax(split_from, execution_date) AS old_shares,
        round((old_shares / new_shares - 1) * 100, 1) AS split_price_effect_pct,
        replaceAll(argMax(adjustment_type, execution_date), '_', ' ') AS split_type,
        toString(max(execution_date)) AS split_date
    FROM global_markets.stocks_splits
    WHERE execution_date BETWEEN toDate('2026-01-01') AND today()
    GROUP BY ticker
    HAVING new_shares > 0 AND old_shares > 0
       AND greatest(new_shares / old_shares, old_shares / new_shares) >= 1.25
),
edges AS (
    SELECT ticker,
        argMinIf(toFloat64(open), toTimeZone(window_start, 'America/New_York'), toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT min(d) FROM complete)) AS year_open,
        argMaxIf(toFloat64(close), toTimeZone(window_start, 'America/New_York'), toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT max(d) FROM complete)) AS latest_close,
        countIf(toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT min(d) FROM complete)) AS bars_open,
        countIf(toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT max(d) FROM complete)) AS bars_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ((window_start >= toDateTime('2026-01-01 00:00:00') AND window_start < toDateTime('2026-01-10 00:00:00'))
        OR (window_start >= now() - INTERVAL 8 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')
      AND ticker NOT IN ('KORU','SOXL','SOXS','SOXY','TQQQ','SQQQ','QQQU','SPXL','SPXS','UPRO','SPXU','SPYU','LABU','LABD','FAS','FAZ','TNA','TZA','YINN','YANG','UDOW','SDOW','BOIL','KOLD','UCO','SCO','USD','SSO','SDS','QLD','QID','ERX','ERY','DRN','DRV','CURE','MUU','SNXX','UVXY','SVXY','UVIX','SVIX','BULZ','WEBL','WEBS','DPST','DRIP','GUSH','AGQ','ZSL','GDXU','GDXD','FNGU','FNGD','DUST','JNUG','JDST','NUGT','BITX','BITU','SBIT','ETHU','ETHT','NVDL','NVDS','NVD','NVDX','NVDU','NVDD','NVDQ','TSLL','TSLQ','TSLZ','TSLR','TSLT','TSLS','TSDD','AAPU','AAPD','MSFU','MSFD','GGLL','GGLS','AMZU','AMZD','METU','METD','PLTU','PLTD','SMCX','SMCZ','CONL','CONI','MSTX','MSTU','MSTZ','BRKU','AMDL','AMUU','AMDD','ELIL','ELIS','HOOX','AVGX','AVGU','TSMX','TSMZ','MULL')
      AND ticker IN (SELECT ticker FROM split_terms)
    GROUP BY ticker
    HAVING bars_open >= 100 AND bars_close >= 100
),
ranked AS (
    SELECT e.ticker AS ticker,
        round((e.latest_close / e.year_open - 1) * 100, 1) AS unadjusted_ytd_pct,
        s.split_price_effect_pct AS split_price_effect_pct,
        s.split_type AS split_type,
        s.split_date AS split_date
    FROM edges AS e
    INNER JOIN split_terms AS s ON e.ticker = s.ticker
    WHERE e.year_open >= 10 AND e.ticker IN (SELECT ticker FROM universe)
)
SELECT ticker, unadjusted_ytd_pct, split_price_effect_pct, split_type, split_date
FROM (
    SELECT ticker, unadjusted_ytd_pct, split_price_effect_pct, split_type, split_date,
           row_number() OVER (ORDER BY unadjusted_ytd_pct ASC) AS rn_low,
           row_number() OVER (ORDER BY unadjusted_ytd_pct DESC) AS rn_high
    FROM ranked
)
WHERE rn_low <= 14 OR rn_high = 1
ORDER BY unadjusted_ytd_pct ASC
Essayez cette requête

BKNG afficherait -96.9% sur un écran non ajusté après qu’un forward split a fait varier son cours par action de -96%. De même, KLAC afficherait -86.2% après qu’un forward split a fait varier son cours de -90%. Aucun détenteur de l’une ou l’autre de ces valeurs n’a rien perdu le jour où le split a pris effet. Le cours par action a été divisé et le nombre d’actions a été multiplié par le même facteur. La colonne « effet du split » isole la variation de cours imputable au seul split. C’est cette variation qu’un écran non ajusté interprète comme une performance.

La dernière ligne du tableau va dans l’autre sens : ETHA affiche 141.8% après qu’un reverse split a relevé son cours par action de 200%, faisant monter le cours au lieu de le réduire. Toute liste qui omet cette étape publie simultanément une information fictive en tête et en bas du classement. C’est pourquoi l’écran met les tickers concernés par un split à part, au lieu d’essayer de corriger leurs cours. Un fonds peut figurer dans ce tableau aussi facilement qu’une entreprise : les fonds indiciels procèdent eux aussi à des splits de leurs parts, et cet écran couvre les deux catégories.

Comment ce filtre est mesuré

Chaque étape du filtre, avec le nombre de valeurs encore retenues après son application :

RequêteLe filtrage, étape par étape : nombre de valeurs passant chaque filtre
étape du filtrevaleurs
Traded the first and the last full session4543
Averaging $100m+ a day over the past month1082
Opened 2026 above $10 a share1049
Not on the excluded-fund list1017
No split or stock dividend in 20261000
Le SQL exact derrière chaque chiffre
WITH complete AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND window_start >= toDateTime('2026-01-01 00:00:00')
      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 d
    HAVING count() >= 380
),
universe AS (
    SELECT ticker
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 21 DAY
      AND toDate(toTimeZone(window_start, 'America/New_York')) >= today() - 20
      AND toDate(toTimeZone(window_start, 'America/New_York')) IN (SELECT d FROM complete)
      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
    HAVING sum(toFloat64(close) * toFloat64(volume)) / uniqExact(toDate(toTimeZone(window_start, 'America/New_York'))) >= 100000000
),
edges AS (
    SELECT ticker,
        argMinIf(toFloat64(open), toTimeZone(window_start, 'America/New_York'), toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT min(d) FROM complete)) AS year_open,
        argMaxIf(toFloat64(close), toTimeZone(window_start, 'America/New_York'), toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT max(d) FROM complete)) AS latest_close,
        countIf(toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT min(d) FROM complete)) AS bars_open,
        countIf(toDate(toTimeZone(window_start, 'America/New_York')) = (SELECT max(d) FROM complete)) AS bars_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ((window_start >= toDateTime('2026-01-01 00:00:00') AND window_start < toDateTime('2026-01-10 00:00:00'))
        OR (window_start >= now() - INTERVAL 8 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
    HAVING bars_open >= 100 AND bars_close >= 100
),
flagged AS (
    SELECT ticker,
        year_open,
        ticker IN (SELECT ticker FROM universe) AS liquid,
        ticker NOT IN ('SPCX','KORU','SOXL','SOXS','SOXY','TQQQ','SQQQ','QQQU','SPXL','SPXS','UPRO','SPXU','SPYU','LABU','LABD','FAS','FAZ','TNA','TZA','YINN','YANG','UDOW','SDOW','BOIL','KOLD','UCO','SCO','USD','SSO','SDS','QLD','QID','ERX','ERY','DRN','DRV','CURE','MUU','SNXX','UVXY','SVXY','UVIX','SVIX','BULZ','WEBL','WEBS','DPST','DRIP','GUSH','AGQ','ZSL','GDXU','GDXD','FNGU','FNGD','DUST','JNUG','JDST','NUGT','BITX','BITU','SBIT','ETHU','ETHT','NVDL','NVDS','NVD','NVDX','NVDU','NVDD','NVDQ','TSLL','TSLQ','TSLZ','TSLR','TSLT','TSLS','TSDD','AAPU','AAPD','MSFU','MSFD','GGLL','GGLS','AMZU','AMZD','METU','METD','PLTU','PLTD','SMCX','SMCZ','CONL','CONI','MSTX','MSTU','MSTZ','BRKU','AMDL','AMUU','AMDD','ELIL','ELIS','HOOX','AVGX','AVGU','TSMX','TSMZ','MULL') AS not_geared,
        ticker NOT IN (SELECT ticker FROM global_markets.stocks_splits
                       WHERE execution_date BETWEEN toDate('2026-01-01') AND today()) AS no_split
    FROM edges
)
SELECT tup.1 AS screen_step, tup.2 AS names
FROM (
    SELECT arrayJoin([
        ('Traded the first and the last full session', count()),
        ('Averaging $100m+ a day over the past month', countIf(liquid)),
        ('Opened 2026 above $10 a share', countIf(liquid AND year_open >= 10)),
        ('Not on the excluded-fund list', countIf(liquid AND year_open >= 10 AND not_geared)),
        ('No split or stock dividend in 2026', countIf(liquid AND year_open >= 10 AND not_geared AND no_split))
    ]) AS tup
    FROM flagged
)
Essayez cette requête

La méthode, dans son intégralité :

  • La période. Elle va de la première séance complète de 2026 à la dernière séance complète disponible dans les données. Les deux bornes sont lues dans les barres minute. Une séance n’est comptabilisée que si elle comporte le nombre complet de barres correspondant aux heures normales de marché. Une journée encore en cours n’est donc jamais considérée comme terminée.
  • La performance. Elle compare le premier cours d’ouverture de la séance normale de l’année au dernier cours de clôture de la dernière séance normale. Le calcul repose sur les barres minute. Les prints du premarket et de l’after-hours sont ignorés. Il s’agit de performances de cours : les dividendes ne sont pas réintégrés. Une valeur à rendement élevé ressort donc légèrement moins bien qu’avec une mesure en rendement total.
  • Le seuil de liquidité. Le turnover moyen doit atteindre au moins 100 millions de dollars par séance normale sur les 20 derniers jours calendaires. Seules les séances allant du début à la fin sont prises en compte. Sinon, une séance partielle diviserait les dollars négociés sur une partie de la journée par une journée entière, ce qui sous-estimerait le turnover de chaque valeur. Ce filtre fait passer l’univers de 4543 tickers à 1082.
  • Le seuil de cours. L’action devait avoir ouvert l’année au-dessus de 10 dollars. Les valeurs sous 10 dollars peuvent afficher de forts pourcentages à partir de faibles variations de cours.
  • Les fonds à levier et inverses sont exclus au moyen d’une liste établie manuellement, reproduite intégralement dans le SQL sous chaque tableau. Elle couvre les fonds indexés à effet de levier et les fonds mono-action qui amplifient la variation quotidienne d’une entreprise. Un fonds à levier peut arriver en tête d’un classement des plus fortes hausses sans qu’aucune actualité propre à l’entreprise ne l’explique. La liste est tenue à la main. C’est sa faiblesse : un fonds lancé ce mois-ci n’est exclu qu’une fois ajouté à la liste.
  • Les fonds ordinaires ne sont pas exclus. Un ETF indiciel ou sectoriel sans levier qui respecte les seuils de liquidité et de cours est classé ici avec les sociétés opérationnelles. Il est également inclus dans les statistiques de largeur de marché. Un fonds est un panier de valeurs déjà comptabilisées dans le même univers. Il faut donc lire ces lignes comme la performance du panier, et non comme celle d’une seule entreprise.
  • Les splits. Tout ticker ayant fait l’objet d’un split ou d’un dividende en actions prenant effet en 2026 est écarté, aussi faible soit le ratio. C’est le choix le plus prudent. Il prive quelques véritables gagnants d’une place dans le classement, mais empêche qu’une modification du nombre d’actions soit publiée comme une performance. Le panneau ci-dessus présente les valeurs exclues dont le split était assez important pour simuler une variation.
  • Les introductions tardives. Une entreprise introduite après la première séance de l’année ne dispose d’aucun cours en janvier et n’apparaît pas dans ces tableaux. Il s’agit d’une lacune réelle dans une année marquée par un calendrier dense de nouvelles cotations.
  • Le résultat. 1000 valeurs sont classées. Les dix premières et les dix dernières constituent les deux tableaux de cette page.

La même question sur trois horizons

Depuis le début de l’année constitue un échelon de l’échelle, et un mouvement prend une apparence différente selon l’horizon retenu. L’horizon hebdomadaire correspond aux plus fortes hausses et baisses de la semaine, l’horizon mensuel aux plus fortes variations du mois, et cette page couvre l’année. Les critères diffèrent selon l’échelon : cette page retient les titres dont la moyenne quotidienne atteint $100 millions sur le mois écoulé, tandis que les pages hebdomadaire et mensuelle filtrent selon le montant total échangé sur leur propre période. Une valeur peut donc franchir un filtre et échouer à un autre. Un titre qui arrive en tête du classement hebdomadaire après une réaction aux résultats se retrouve souvent au milieu du tableau sur l’année. Pour replacer la performance depuis le début de l’année dans un contexte plus large, la rétrospective du marché au premier semestre détaille les indices, les taux et les secteurs, tandis que le fonctionnement des ETF à effet de levier explique pourquoi ces fonds sont écartés ici.

FAQ

Quelle est l’action la plus performante de 2026 ?

Parmi les valeurs affichant en moyenne au moins 100 millions de dollars de transactions quotidiennes, ayant ouvert l’année au-dessus de 10 dollars, n’ayant pas fait l’objet d’un split en 2026 et ne figurant pas dans la liste des fonds à effet de levier, MRNA est l’action la plus performante de 2026 à ce jour, en hausse de 692.8% depuis la première séance de l’année. SNDK arrive deuxième, à 471%.

Quelles sont les actions qui ont le plus baissé en 2026 ?

CTVA est l’action la moins performante de 2026 dans cet écran, à -80.8%, devant TTD à -65.7%. La liste complète des plus fortes baisses de 2026 figure dans le deuxième tableau ci-dessus. Elle est actualisée au fil de l’année.

Comment calculer le rendement d’une action depuis le début de l’année ?

Le rendement depuis le début de l’année compare le dernier cours au cours du début de l’année civile, puis exprime la variation en pourcentage. Ici, il s’agit de comparer le cours d’ouverture de la première séance normale de 2026 avec le cours de clôture de la dernière séance terminée. Les actions ayant fait l’objet d’un split pendant l’année sont écartées plutôt qu’ajustées. Aucun facteur d’ajustement ne s’intercale ainsi entre le lecteur et les cours de marché.

Les ETF à effet de levier sont-ils inclus dans la liste des hausses de 2026 ?

Non. Un fonds à effet de levier ou inverse amplifie la variation quotidienne d’un indice ou d’une seule action. Il arrive donc régulièrement en tête d’une liste de plus fortes variations sans qu’aucune actualité propre à l’entreprise ne l’explique. Ces fonds sont exclus par leur nom avant le classement. La liste est visible dans le SQL sous chaque tableau. Les ETF indiciels et sectoriels classiques sont différents : ils doivent respecter les mêmes seuils que les actions et sont classés ici. Un fonds peut donc apparaître dans l’un ou l’autre tableau.

Chaque tableau repose sur une requête enregistrée, avec son SQL associé. Déployez un panneau pour contrôler les critères, ou recréez l’écran avec vos propres seuils sur le terminal Strasmore.

#market movers#gainers and losers#year to date#stock splits#market breadth