Strasmore Research
Rekap pasar Matt ConnorOleh Matt Connor · Diperbarui 2026-09-05 · data as of September 5, 2026 · refreshed weekly

Saham dengan Kenaikan dan Penurunan Terbesar 2026

Peringkat saham dengan kinerja terbaik dan terburuk pada 2026 berdasarkan likuiditas riil di bursa. Stock split dan dana leveraged tidak disertakan.

Saham dengan kinerja terbaik pada 2026 sejauh ini dipimpin oleh SNDK, naik 536.4% sejak sesi pembukaan tahun ini hingga sesi terakhir yang telah selesai. Halaman ini memeringkat saham dengan kenaikan dan penurunan terbesar pada 2026 di antara saham yang benar-benar diperdagangkan, berdasarkan data transaksi bursa, bukan ringkasan vendor, dan diperbarui selama tahun berjalan. Stock split dan dana leveraged dikeluarkan sebelum pemeringkatan dilakukan. Di sinilah sebagian besar daftar year-to-date secara diam-diam keliru.

Penghasil gain saham terbesar pada 2026

Setiap saham di bawah ini telah melewati batas likuiditas sebelum diberi peringkat: rata-rata sedikitnya $100 juta saham berpindah tangan pada setiap sesi perdagangan yang selesai selama sebulan terakhir. Persentase besar pada saham yang tidak diperdagangkan siapa pun hanyalah kuotasi, bukan hasil.

QuerySaham dengan kenaikan terbesar pada 2026: sepuluh teratas year to date di antara saham yang paling aktif diperdagangkan
tickerreturn YTD (%)rata-rata nilai harian ($ juta)
SNDK536.415431
MRNA3995598
TWST305.4202
DELL301.83566
TXG287.5142
AEHR262.8208
MXL233.4114
AXTI226.9525
MU224.820455
AMLX183.5131
SQL tepat di balik setiap angka
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
Jalankan sendiri

SNDK memimpin tahun ini dengan 536.4%, disusul MRNA di 399% dan TWST di posisi ketiga dengan 305.4%. Peringkat kesepuluh, AMLX, masih naik 183.5%, sehingga seluruh daftar ini telah melampaui jauh kinerja indeks broad market mana pun.

Kolom nilai dolar di samping setiap perubahan sama informatifnya dengan persentase. AMLX rata-rata mencatat turnover sekitar $131 juta per hari. SNDK di posisi teratas rata-rata mencatat $15431 juta. Setiap saham di sini mencatat perdagangan sedikitnya $100 juta per hari, dan rentang di atas batas tersebut cukup lebar sehingga persentase utama yang sama memiliki dua makna berbeda di kedua ujungnya. Saham dengan likuiditas tipis lebih mudah didorong naik dan lebih sulit dijual pada harga yang tercantum di layar.

Saham dengan penurunan terbesar pada 2026

Ukuran yang sama, tetapi dengan arah sebaliknya: penurunan year-to-date terdalam di antara saham yang memenuhi batas likuiditas yang sama.

QuerySaham dengan penurunan terbesar pada 2026: sepuluh terbawah year to date di antara saham yang paling aktif diperdagangkan
tickerreturn YTD (%)rata-rata nilai harian ($ juta)
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
SQL tepat di balik setiap angka
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
Jalankan sendiri

Penurunan year-to-date terdalam tercatat pada TTD sebesar -60.5%, disusul WING sebesar -54.4%. Peringkat kesepuluh, JOBY, berada pada -48.8%. Beberapa saham dalam daftar ini adalah perusahaan besar dengan kepemilikan luas, bukan micro cap spekulatif. Inilah bagian dari daftar saham dengan penurunan terbesar yang sering mengejutkan. Likuiditas dan cakupan analis tidak menjadi batas bawah bagi harga saham. Investor yang menempatkan salah satu saham ini sebagai porsi besar dalam portofolionya menanggung seluruh pergerakan tersebut. Halaman risiko memegang satu saham mengukurnya melalui volatilitas dan angka drawdown.

Seberapa besar bagian pasar yang menguat pada 2026

Leaderboard hanya menunjukkan dua ekor distribusi. Breadth menunjukkan bagian tengahnya: bagaimana seluruh universe yang disaring, termasuk index funds, terbagi antara nama-nama yang menguat dan melemah berdasarkan besarnya pergerakan.

QueryBreadth year to date: distribusi universe yang disaring berdasarkan kelompok return
bucketnamaporsi sisi (%)
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
SQL tepat di balik setiap angka
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
Jalankan sendiri

64.5% nama yang disaring menguat sepanjang tahun dan 35.5% melemah. Distribusi inilah yang tidak terlihat dalam tabel sepuluh besar. Sebanyak 18 nama berada dalam bucket Down 40%+ di satu ujung, sementara 103 berada dalam bucket Up 50%+ di ujung lainnya. Di sekitar level tidak berubah, terdapat 162 nama dalam Down 0-10% dan 152 dalam Up 0-10%. Pada tahun tertentu, sebagian besar pasar bergerak secara biasa saja. Nama-nama dalam kedua tabel di atas merupakan pengecualian yang membentuk rata-rata tersebut.

Posisi pasar secara keseluruhan

Kinerja satu saham terlihat berbeda jika dibandingkan dengan kinerja pasar. Berikut kinerja empat ETF indeks utama dalam periode yang sama persis:

QueryEmpat ETF indeks utama, year to date, dalam periode pengukuran yang sama
labelreturn YTD (%)diukur sejak tanggaldiukur hingga tanggal
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
SQL tepat di balik setiap angka
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
Jalankan sendiri

Kedua panel di atas diukur dalam satu periode: sesi penuh pertama pada 2026 (2026-01-02) hingga sesi terakhir yang telah selesai (2026-09-03). Selama periode tersebut, Russell 2000 (IWM) membukukan imbal hasil sebesar 19.2%, sedangkan Dow (DIA) membukukan imbal hasil sebesar 11.4%. Semua saham dalam tabel penguat naik mengungguli keempatnya dengan selisih yang lebar. Ini mencerminkan cara kerja indeks secara matematis: ratusan kepemilikan dirata-ratakan menjadi satu angka, sehingga sebagian pergerakan individual saling meniadakan. Rentang kinerja di bawah angka tersebut jauh lebih lebar daripada angka indeks itu sendiri, dan scorecard sektor untuk paruh pertama tahun ini mengurutkan kesebelas sektor berdasarkan kinerja relatifnya.

Stock split yang memalsukan pergerakan year-to-date

Stock split mengubah jumlah saham dan harga per saham tanpa mengubah nilai kepemilikan. Dalam periode sepanjang ini, banyak perusahaan melakukan stock split. Perhitungan year-to-date yang tidak disesuaikan akan membaca perubahan harga per saham sebagai kinerja. Nama-nama di bawah ini masing-masing melakukan stock split atau membagikan stock dividend pada 2026 dengan skala yang cukup besar untuk mengubah harga tersebut setidaknya seperlima. Masing-masing juga memenuhi batas likuiditas yang sama. Karena itu, semuanya memenuhi syarat untuk masuk ke papan di atas sebelum filter stock split mengeluarkannya.

QueryDikecualikan dari papan: stock split 2026 yang cukup besar untuk memalsukan pergerakan year to date
tickerYTD (%) tanpa penyesuaiandampak split terhadap harga (%)jenis splittanggal 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
SQL tepat di balik setiap angka
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
Jalankan sendiri

BKNG akan mencatat -96.4% pada screen yang tidak disesuaikan setelah forward split mengubah harga per sahamnya sebesar -96%. Sementara itu, KLAC akan mencatat -86.3% setelah forward split mengubah harganya sebesar -90%. Tidak ada pemegang saham yang kehilangan apa pun pada hari ketika stock split berlaku. Harga per saham dibagi dan jumlah saham dikalikan dengan faktor yang sama. Kolom dampak stock split mengisolasi perubahan harga yang semata-mata disebabkan oleh stock split. Itulah bagian yang dibaca sebagai kinerja oleh screen yang tidak disesuaikan.

Baris terakhir pada panel bergerak ke arah sebaliknya: DD menunjukkan 224.3% setelah reverse split menaikkan harga per sahamnya sebesar 200%. Harga pun naik, bukan turun. Setiap daftar yang melewati langkah ini akan menghasilkan informasi yang keliru di posisi teratas dan terbawah sekaligus. Karena itu, screen memisahkan ticker yang melakukan stock split, alih-alih mencoba menyesuaikan harganya. Sebuah fund dapat masuk ke panel ini sama mudahnya dengan perusahaan. Index fund juga melakukan stock split atas sahamnya, dan screen ini mencakup keduanya.

Cara pengukuran screen ini

Setiap tahap screen, beserta jumlah nama yang masih lolos setelah tahap tersebut:

QueryPenyaringan, tahap demi tahap: jumlah saham yang lolos dari setiap filter
tahap penyaringannama
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
SQL tepat di balik setiap angka
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
)
Jalankan sendiri

Metodenya secara lengkap:

  • Periode pengamatan. Sesi perdagangan penuh pertama pada 2026 hingga sesi penuh terbaru yang tercatat di tape. Kedua titik batas dibaca dari minute bars. Sesi hanya dihitung jika memiliki jumlah bar jam reguler yang lengkap, sehingga hari yang masih berlangsung tidak pernah dianggap selesai.
  • Return. Harga pembukaan sesi reguler pertama tahun ini dibandingkan dengan harga penutupan sesi reguler terakhir, dihitung dari minute bars. Print premarket dan after-hours diabaikan. Ini adalah price return; dividen tidak ditambahkan kembali. Karena itu, nama dengan yield tinggi terlihat sedikit lebih buruk dibandingkan jika diukur berdasarkan total return.
  • Batas likuiditas. Rata-rata turnover jam reguler minimal $100 juta per sesi selama 20 hari kalender terakhir, dengan hanya menghitung sesi yang berlangsung dari awal hingga akhir. Jika sesi parsial ikut dihitung, dolar yang tercatat selama sebagian hari akan dibagi dengan satu hari penuh dan membuat turnover setiap nama terlihat lebih rendah. Filter tunggal ini mengurangi universe dari 4471 ticker menjadi 1000.
  • Batas harga. Saham harus dibuka di atas $10 per saham pada awal tahun. Nama di bawah $10 dapat menghasilkan persentase besar dari perubahan harga yang kecil.
  • Dana leveraged dan inverse dikeluarkan melalui daftar yang dikurasi, yang dicetak lengkap dalam SQL di bawah setiap tabel. Daftar ini mencakup dana berbasis indeks yang menggunakan leverage serta dana single-stock yang melipatgandakan pergerakan harian satu perusahaan. Dana leveraged dapat memuncaki daftar movers tanpa satu pun berita perusahaan. Daftar ini diperbarui secara manual. Itu adalah kelemahannya: dana yang diluncurkan bulan ini baru dikecualikan setelah seseorang menambahkannya.
  • Dana biasa tidak dikeluarkan. ETF indeks atau sektor tanpa leverage yang memenuhi batas likuiditas dan harga dirangking di sini bersama perusahaan operasional, dan juga masuk dalam hitungan breadth. Dana merupakan keranjang nama yang sudah dihitung dalam universe yang sama. Karena itu, baris tersebut harus dibaca sebagai kinerja keranjang, bukan sebagai kinerja satu perusahaan selama setahun.
  • Stock split. Setiap ticker yang mengalami split atau stock dividend yang berlaku selama 2026 disisihkan, berapa pun kecilnya rasionya. Ini adalah pilihan konservatif. Langkah ini memang membuat beberapa performer yang sebenarnya kehilangan tempat di papan peringkat, tetapi mencegah perubahan jumlah saham dipublikasikan sebagai return. Panel di atas menampilkan nama yang dikeluarkan karena split-nya cukup besar untuk menciptakan pergerakan semu.
  • Listing terlambat. Perusahaan yang listing setelah sesi pertama tahun ini tidak memiliki harga pada Januari dan tidak muncul dalam tabel tersebut. Ini merupakan kekosongan data yang nyata pada tahun dengan kalender listing baru yang padat.
  • Hasil. Sebanyak 922 nama dirangking. Sepuluh teratas dan sepuluh terbawah menjadi dua papan pada halaman ini.

Pertanyaan yang sama dalam tiga rentang waktu

Year to date adalah salah satu anak tangga, dan pergerakan terlihat berbeda pada setiap rentang waktu. Tampilan mingguan adalah saham dengan kenaikan dan penurunan terbesar minggu ini, tampilan bulanan adalah saham dengan pergerakan terbesar bulan ini, sedangkan halaman ini mencakup tahun berjalan. Batas penyaringannya berbeda pada setiap anak tangga: halaman ini menyaring saham berdasarkan rata-rata nilai transaksi sebesar $100 juta per hari selama sebulan terakhir, sedangkan halaman mingguan dan bulanan menyaring berdasarkan total nilai transaksi dalam rentang waktunya masing-masing. Karena itu, suatu saham dapat lolos di satu papan tetapi tidak di papan lain. Saham yang memimpin papan mingguan setelah reaksi terhadap laporan earnings sering kali berada di tengah klasemen untuk kinerja setahun. Untuk narasi yang lebih luas mengenai perkembangan sepanjang tahun ini, rekap pasar semester pertama memuat detail indeks, rates, dan sektor, sedangkan cara kerja leveraged ETF menjelaskan alasan dana berleverage tidak disertakan di sini.

FAQ

Apa saham dengan kinerja terbaik pada 2026?

Di antara saham dengan rata-rata nilai perdagangan harian setidaknya $100 juta, harga pembukaan tahun di atas $10, tanpa stock split pada 2026, dan tidak termasuk dalam daftar leveraged fund, SNDK merupakan saham dengan kinerja terbaik pada 2026 hingga saat ini, naik 536.4% dari sesi pertama tahun ini. MRNA berada di posisi kedua dengan kenaikan 399%.

Saham apa yang mengalami penurunan terbesar pada 2026?

TTD merupakan saham dengan kinerja terburuk pada 2026 dalam penyaringan ini, dengan penurunan -60.5%, disusul WING sebesar -54.4%. Daftar lengkap saham yang mengalami penurunan terbesar pada 2026 terdapat dalam tabel kedua di atas dan diperbarui sepanjang tahun berjalan.

Bagaimana return saham year-to-date dihitung?

Return year-to-date membandingkan harga terbaru dengan harga pada awal tahun kalender, lalu menyatakan perubahannya dalam persentase. Dalam artikel ini, perhitungannya menggunakan harga pembukaan sesi reguler pertama pada 2026 dibandingkan dengan harga penutupan sesi terbaru yang telah selesai. Saham yang melakukan stock split selama tahun berjalan dikeluarkan, bukan disesuaikan, sehingga tidak ada adjustment factor di antara pembaca dan data perdagangan.

Apakah leveraged ETF termasuk dalam daftar saham dengan kenaikan terbesar pada 2026?

Tidak. Leveraged fund atau inverse fund melipatgandakan pergerakan harian suatu indeks atau saham individual. Karena itu, fund tersebut sering menduduki posisi teratas dalam daftar pergerakan harga tanpa didukung berita perusahaan. Fund tersebut dikeluarkan berdasarkan nama sebelum pemeringkatan, dan daftarnya dapat dilihat dalam SQL di bawah setiap tabel. ETF indeks dan sektor biasa berbeda: ETF tersebut harus memenuhi batas minimum yang sama seperti saham lain dan tetap diperingkat di sini, sehingga suatu fund dapat muncul di salah satu dari kedua daftar.

Setiap tabel di sini merupakan stored query dengan SQL terlampir. Buka panel mana pun untuk mengaudit penyaringannya, atau buat ulang dengan batas minimum Anda sendiri di terminal Strasmore.

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