Strasmore Research
Récap des marchés Matt ConnorPar Matt Connor · Mis à jour le 2026-09-05 · data as of September 5, 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, établi sur la liquidité réelle, hors splits d’actions et fonds à effet de levier.

Les actions les plus performantes de 2026 à ce jour sont menées par SNDK, en hausse de 536.4% entre la première séance de l’année et la dernière séance clôturée. Cette page classe les plus fortes hausses et baisses de 2026 parmi les valeurs qui font réellement l’objet de transactions. Les performances sont calculées à partir des données de marché de la place boursière, et non d’un récapitulatif fourni par un prestataire. La page est actualisée tout au long de l’année. Les splits d’actions et les fonds à effet de levier sont exclus avant tout classement. C’est à ce niveau 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 traite est une cotation, pas un résultat.

RequêtePlus fortes hausses de 2026 : top 10 depuis le début de l’année parmi les valeurs très négociées
tickerperformance depuis le début de l’année (%)moyenne quotidienne en dollars (M)
SNDK536.415431
MRNA3995598
TWST305.4202
DELL301.83566
TXG287.5142
AEHR262.8208
MXL233.4114
AXTI226.9525
MU224.820455
AMLX183.5131
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

SNDK domine le classement depuis le début de l’année à 536.4%, suivi de MRNA à 399% et de TWST à 305.4%. À la dixième place, AMLX affiche encore une hausse de 183.5%, de sorte que l’ensemble du tableau a largement devancé tout indice large.

La colonne en dollars placée à côté de chaque variation est tout aussi informative que le pourcentage. AMLX affiche un volume quotidien moyen d’environ 131 millions de dollars. En tête du classement, SNDK atteint en moyenne 15431 millions de dollars par jour. Toutes ces valeurs dépassent 100 millions de dollars de volume quotidien, et l’écart au-dessus de ce seuil est suffisamment large pour qu’un même pourcentage de hausse 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 à l’écran.

Les plus fortes baisses des actions en 2026

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

RequêtePlus fortes baisses de 2026 : 10 plus mauvaises performances depuis le début de l’année parmi les valeurs très négociées
tickerperformance depuis le début de l’année (%)moyenne quotidienne en dollars (M)
TTD-60.5192
WING-54.4103
APP-54.11257
CSGP-52.8144
FLUT-52.7140
STLA-51.5105
BSX-51763
KLAR-50.4145
RBLX-49.1303
JOBY-48.8153
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 concerne TTD, à -60.5%, suivie de WING, à -54.4%. Dixième du classement, JOBY s’établit à -48.8%. 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 fixent aucun plancher au cours d’une action. Tout investisseur qui détenait l’un de ces titres dans une proportion excessive de son portefeuille a subi l’intégralité du mouvement. La page consacrée au risque lié à la détention d’une seule action le mesure à l’aide de la volatilité et du drawdown.

Quelle part du marché est en hausse en 2026

Un leaderboard ne montre que les deux extrêmes. La breadth montre le corps du marché : elle indique comment l’ensemble de l’univers filtré, fonds indiciels compris, se répartit entre les valeurs en hausse et en baisse, classées selon l’ampleur du mouvement.

RequêteLargeur de marché depuis le début de l’année : répartition de l’univers filtré par tranches de rendement
catégorievaleurspart du côté (%)
Down 40%+1835.5
Down 20-40%6935.5
Down 10-20%7835.5
Down 0-10%16235.5
Up 0-10%15264.5
Up 10-25%19864.5
Up 25-50%14264.5
Up 50%+10364.5
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

64.5% des valeurs filtrées sont en hausse depuis le début de l’année et 35.5% sont en baisse. La répartition révèle ce que masque un tableau des dix premières valeurs. 18 valeurs se trouvent dans la catégorie Down 40%+ à une extrémité, contre 103 dans la catégorie Up 50%+ à l’autre, tandis que 162 figurent dans la catégorie Down 0-10% et 152 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 précédents sont les exceptions à partir desquelles se construisent les moyennes.

Où se situe le marché

La performance d’une seule action se lit différemment lorsqu’on la compare à celle du marché. Voici 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 à partir dumesuré jusqu’au
Russell 2000 (IWM)19.22026-01-022026-09-03
Nasdaq 100 (QQQ)15.72026-01-022026-09-03
S&P 500 (SPY)12.72026-01-022026-09-03
Dow (DIA)11.42026-01-022026-09-03
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 : la première séance complète de 2026 (2026-01-02) jusqu’à la dernière séance clôturée (2026-09-03). Sur cette période, Russell 2000 (IWM) a progressé de 19.2% et Dow (DIA) de 11.4%. Toutes les valeurs du tableau des plus fortes hausses ont largement dépassé les quatre indices. C’est le résultat du fonctionnement arithmétique d’un indice : des centaines de positions sont agrégées en une seule ligne, et leurs mouvements individuels se compensent en partie. L’écart entre les valeurs sous-jacentes était donc bien plus large que la variation 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 fausse la performance depuis le début de l’année

Un split modifie le nombre d’actions et le cours par action sans changer la valeur de la 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 chacune fait l’objet en 2026 d’un split ou d’une distribution d’actions suffisamment importante pour faire varier ce cours d’au moins un cinquième. Elles ont également franchi le même seuil de liquidité. Elles étaient donc éligibles aux tableaux ci-dessus avant que le filtre sur les splits ne les en exclue.

RequêteExclus des tableaux : splits de 2026 suffisamment importants pour fausser la variation 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-96.4-96forward split2026-04-06
KLAC-86.3-90forward split2026-06-12
VGT-84.1-87.5forward split2026-04-21
CVNA-82.6-80forward split2026-05-08
VUG-81.9-83.3forward split2026-04-21
HDV-75.6-80forward split2026-04-29
IWF-74.1-75forward split2026-04-29
VO-71.7-75forward split2026-04-21
CRWD-54.6-75stock dividend2026-07-02
MNST-42.5-50stock dividend2026-08-11
APH-40.1-50stock dividend2026-09-03
MVLL4.3-66.7forward split2026-06-26
HON6.1100reverse split2026-06-29
DD224.3200reverse split2026-06-24
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 -96.4% dans un écran non ajusté après qu’un forward split a fait varier son cours par action de -96%. De son côté, KLAC afficherait -86.3% après qu’un forward split a fait varier son cours de -90%. Aucun détenteur de l’un ou l’autre de ces titres n’a subi de perte le jour de la prise d’effet du split. Le cours par action a été divisé et le nombre d’actions 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 produit l’effet inverse : DD affiche 224.3% 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 ignore cette étape publie des données fictives en tête comme 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, et cet écran couvre les deux catégories.

Comment ce screen est mesuré

Chaque étape du screen, avec le nombre de titres encore retenus après application du filtre :

RequêteLe filtrage, étape par étape : nombre de valeurs qui passent chaque filtre
étape du filtragevaleurs
Traded the first and the last full session4471
Averaging $100m+ a day over the past month1000
Opened 2026 above $10 a share970
Not on the excluded-fund list938
No split or stock dividend in 2026922
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 fenêtre. Elle va de la première séance complète de 2026 à la dernière séance complète disponible. Les deux bornes sont lues dans les barres minute. Une séance n’est retenue que si elle comporte le nombre complet de barres des heures régulières. Une journée encore en cours n’est donc jamais considérée comme terminée.
  • La performance. Elle compare le premier cours d’ouverture de la séance régulière de l’année au dernier cours de clôture de la séance régulière. 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 réinvestis. Un titre à haut rendement ressort donc légèrement moins bien qu’avec une performance dividendes réinvestis.
  • Le seuil de liquidité. Le turnover moyen doit atteindre au moins 100 millions de dollars par séance régulière sur les 20 derniers jours calendaires. Seules les séances complètes sont comptées. Sinon, une séance partielle rapporterait les dollars échangés sur une fraction de journée à une journée entière et sous-estimerait le turnover de chaque titre. Ce seul filtre réduit l’univers de 4471 tickers à 1000.
  • Le seuil de cours. L’action devait avoir ouvert l’année au-dessus de 10 dollars. Les titres sous 10 dollars affichent de forts pourcentages à partir de faibles variations de cours.
  • Les fonds leveraged et inverse sont exclus au moyen d’une liste maintenue manuellement, reproduite intégralement dans le SQL sous chaque tableau. Elle couvre les fonds indiciels à effet de levier et les fonds single-stock qui multiplient la variation quotidienne d’une entreprise. Un fonds à effet de levier peut arriver en tête d’un classement des plus fortes hausses sans qu’aucune actualité propre à l’entreprise ne l’explique. Cette liste est gérée manuellement, ce qui constitue 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 effet de levier qui respecte les seuils de liquidité et de cours est classé ici aux côtés des entreprises opérationnelles. Il est également inclus dans les mesures de breadth. Un fonds regroupe des titres déjà comptés dans le même univers. Il faut donc lire ces lignes comme la performance du panier, et non comme celle d’une seule entreprise sur l’année.
  • Les splits. Tout ticker ayant fait l’objet d’un split ou d’un stock dividend prenant effet en 2026 est écarté, quel que soit le montant du ratio. C’est le choix prudent : il prive quelques véritables performeurs d’une place dans le classement, mais ne publie jamais une modification du nombre d’actions comme une performance. Le panneau ci-dessus présente les titres exclus dont le split était suffisamment important pour créer artificiellement une variation.
  • Les cotations tardives. Une entreprise cotée après la première séance de l’année n’a pas de cours de janvier. Elle est donc absente de ces tableaux. Il s’agit d’un manque réel dans une année marquée par un calendrier chargé de nouvelles cotations.
  • Le résultat. 922 titres sont classés. Les dix premiers et les dix derniers 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 une évolution ne se lit pas de la même façon selon l’horizon retenu. La vue hebdomadaire présente les plus fortes hausses et baisses de la semaine, la vue mensuelle présente les plus fortes variations du mois, et cette page couvre l’année. Les seuils diffèrent selon l’échelon : cette page retient les titres dont le volume quotidien moyen atteint 100 millions de dollars sur le mois écoulé, tandis que les pages hebdomadaire et mensuelle filtrent sur le montant total échangé pendant leur propre période. Une valeur peut donc franchir un seuil et ne pas franchir l’autre. Une valeur en tête du classement hebdomadaire après une publication de résultats se retrouve souvent au milieu du tableau sur l’ensemble de l’année. Pour replacer la performance depuis le début de l’année dans un contexte plus large, le bilan de marché du premier semestre détaille les indices, les taux et les secteurs, tandis que le fonctionnement des ETF à effet de levier explique pourquoi ces fonds à effet de levier sont écartés ici.

FAQ

Quelle est l’action la plus performante de 2026 ?

Parmi les titres affichant un volume quotidien moyen d’au moins 100 millions de dollars, ayant ouvert l’année au-dessus de 10 dollars, n’ayant fait l’objet d’aucun split en 2026 et ne figurant pas dans la liste des fonds à effet de levier, SNDK est l’action la plus performante de 2026 à ce jour, avec une hausse de 536.4% depuis la première séance de l’année. MRNA arrive deuxième, à 399%.

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

TTD est l’action la moins performante de 2026 dans cet écran, à -60.5%, devant WING à -54.4%. La liste complète des plus fortes baisses de 2026 figure dans le deuxième tableau ci-dessus et est actualisée au fil de l’année.

Comment calculer le rendement year-to-date d’une action ?

Le rendement year-to-date compare le dernier cours avec celui du début de l’année civile et exprime la variation en pourcentage. Ici, il s’agit de la première ouverture de la séance régulière de 2026 comparée à la clôture de la dernière séance complète. Les actions qui font l’objet d’un split en cours d’année sont écartées plutôt qu’ajustées. Aucun facteur d’ajustement ne s’interpose ainsi entre le lecteur et le marché.

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

Non. Un fonds à effet de levier ou inverse multiplie 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 figure dans le SQL sous chaque tableau. Les ETF indiciels et sectoriels classiques relèvent d’un autre cas : ils doivent respecter les mêmes seuils que n’importe quelle action et sont classés ici. Un fonds peut donc apparaître dans l’un ou l’autre tableau.

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

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