Strasmore Research
Rekap pasar Matt ConnorOleh Matt Connor · Diperbarui 2026-07-24 · data as of July 24, 2026 · refreshed weekly

Kandidat Short Squeeze Minggu Ini

Daftar saham dengan potensi short squeeze berdasarkan data days to cover, jumlah shares short, dan kenaikan harga untuk melihat peluang pergerakan pasar.

Saham short squeeze disaring berdasarkan dua mekanisme: posisi short yang besar relatif terhadap volume perdagangan saham, dan harga yang sudah mulai naik. Halaman ini menjalankan penyaringan tersebut pada data short-interest terbaru yang dilaporkan bursa, dengan tanggal penyelesaian Jun 30, 2026, dan mengukur pergerakan harga selama lima sesi yang berakhir pada Jul 22, 2026. Mekanisme ini menyerupai fenomena squeeze di masa lalu. Tidak ada hal di sini yang merupakan prediksi, dan sebagian besar saham dengan short interest tinggi tidak pernah mengalami squeeze.

Bacalah tanggal sebelum nama saham. Data short-interest pada halaman ini berusia beberapa minggu karena regulasi, bukan karena kesalahan pada feed: broker melaporkan posisi short mereka ke FINRA dua kali sebulan pada tanggal penyelesaian yang telah dijadwalkan, dan file yang telah disusun menjadi publik sekitar delapan hari kerja kemudian. Data terbaru yang tersedia bagi siapa pun bertanggal Jun 30, 2026, 24 hari yang lalu, sementara pergerakan harga berjalan hingga Jul 22, 2026. Apa pun yang dilakukan oleh sisi short di dalam celah waktu tersebut tidak terlihat oleh semua screener, termasuk yang satu ini. Mengapa data short interest selalu tertunda dua minggu menjelaskan siklus pelaporan tersebut secara bertahap.

QuerySetiap input di layar ini, dan usia datanya
SQL tepat di balik setiap angka
WITH prints AS (
    SELECT DISTINCT settlement_date AS d
    FROM global_markets.stocks_short_interest
    ORDER BY d DESC
    LIMIT 2
),
loaded AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS session
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND window_start >= now() - INTERVAL 20 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 session
    HAVING count() >= 380
),
legs AS (
    SELECT arrayJoin([
        ('Short interest, previous settlement', (SELECT min(d) FROM prints)),
        ('Short interest, latest settlement', (SELECT max(d) FROM prints)),
        ('Price tape, last fully loaded session', (SELECT max(session) FROM loaded))]) AS row
)
SELECT formatDateTime(row.2, '%b %e, %Y') AS as_of_date,
       row.1 AS leg,
       dateDiff('day', row.2, today()) AS age_days
FROM legs

Dua data penyelesaian tersebut berada 39 dan 24 hari yang lalu, yang merupakan siklus penghitungan dua kali sebulan ditambah keterlambatan penyusunan. Data harga tertinggal 2 hari, dan keterlambatan tersebut disebabkan oleh proses ingest gudang data, bukan regulasi. Kedua rentang waktu tersebut memiliki batasan, sehingga jika feed terhenti, halaman ini akan tetap menampilkan data lama daripada menerbitkan ulang tanggal lama di bawah tajuk baru.

Daftar saham short squeeze: tampilan saat ini

Setiap nama di bawah telah memenuhi kriteria yang sama: rata-rata volume harian lima juta saham, lima hari atau lebih untuk cover, dan pergerakan positif selama lima sesi yang berakhir pada Jul 22, 2026. Nama-nama 31 telah memenuhi semua kriteria tersebut, dan 12 yang paling padat ditampilkan di sini. Days to cover adalah jumlah saham yang dijual short dibagi dengan rata-rata volume harian: berapa banyak hari penuh perdagangan saham tersebut yang dibutuhkan pihak short untuk membeli kembali posisinya.

QueryMekanisme bentuk squeeze: short yang padat pada liquid names, dengan harga meningkat
SQL tepat di balik setiap angka
WITH latest AS (
    SELECT max(settlement_date) AS d FROM global_markets.stocks_short_interest
),
sessions AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS session
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND window_start >= now() - INTERVAL 20 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 session
    HAVING count() >= 380
    ORDER BY session DESC
    LIMIT 6
),
crowded AS (
    SELECT ticker, days_to_cover, short_interest
    FROM global_markets.stocks_short_interest
    WHERE settlement_date = (SELECT d FROM latest)
      AND avg_daily_volume >= 5000000
      AND days_to_cover >= 5
      AND ticker NOT IN ('SPCX')
      AND ticker NOT IN ('KORU','SOXL','SOXS','TQQQ','SQQQ','NVDL','NVDS','NVD','TSLL','TSLQ','TSLZ','SPXL','SPXS','UPRO','SPXU','LABU','LABD','FAS','FAZ','TNA','TZA','YINN','YANG','UDOW','SDOW','BOIL','KOLD','UCO','SCO','USD','SSO','SDS','QLD','QID','ERX','ERY','DRN','DRV','CURE','SOXY','MUU','SNXX','UVXY','SVXY','UVIX','SVIX','BULZ','WEBL','WEBS','DPST','DRIP','GUSH','AGQ','ZSL','BITX','ETHU','MSTX','MSTU','CONL','DUST','JNUG','JDST','NUGT')
      AND ticker NOT IN (SELECT ticker FROM global_markets.stocks_splits
                         WHERE execution_date BETWEEN today() - 60 AND today())
),
tape AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS session,
           argMax(close, window_start) AS rth_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN (SELECT ticker FROM crowded)
      AND toDate(toTimeZone(window_start, 'America/New_York')) IN (SELECT session FROM sessions)
      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, session
),
moves AS (
    SELECT ticker,
           round((argMax(rth_close, session) / argMin(rth_close, session) - 1) * 100, 1) AS return_5d_pct
    FROM tape
    GROUP BY ticker
    HAVING count() = 6 AND return_5d_pct > 0
)
SELECT c.ticker AS ticker,
       round(c.days_to_cover, 1) AS days_to_cover,
       round(c.short_interest / 1e6, 1) AS shares_short_m,
       m.return_5d_pct AS return_5d_pct
FROM crowded c
INNER JOIN moves m ON m.ticker = c.ticker
ORDER BY c.days_to_cover DESC, c.ticker
LIMIT 12

Nama yang paling padat di sini, MPT, menunjukkan 16.9 days to cover dari 138.1 juta saham yang dijual short, dan naik 2.8% selama lima sesi yang berakhir pada Jul 22, 2026. Baris terakhir yang ditampilkan menunjukkan 6.4 days to cover, yang merupakan batas pemotongan tampilan, bukan batas bawah layar. Peringkat disusun berdasarkan kepadatan, bukan berdasarkan ukuran, sehingga posisi moderat pada tape yang tipis memiliki peringkat lebih tinggi daripada posisi yang jauh lebih besar pada tape yang ramai. Untuk peringkat ukuran, the most shorted stocks right now menyajikan kedua papan peringkat secara berdampingan.

Kriteria kenaikan harga memiliki alasan mekanis. Squeeze adalah pembelian paksa oleh short sellers yang menutup posisi, dan menutup posisi short berarti membeli kembali saham tersebut, yang hanya dimulai setelah harga bergerak melawan posisi tersebut. How a short squeeze works, yang ditelusuri melalui catatan GameStop tahun 2021, menunjukkan urutan tersebut dalam angka.

Aturan, dan apa yang dihapus oleh masing-masing aturan

Sebuah screen merupakan opini yang disertai angka, maka di sinilah bidang tersebut ditempatkan.

QueryDari seluruh settlement file hingga daftar hasil screen, satu per satu aturan
SQL tepat di balik setiap angka
WITH latest AS (
    SELECT max(settlement_date) AS d FROM global_markets.stocks_short_interest
),
sessions AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS session
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND window_start >= now() - INTERVAL 20 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 session
    HAVING count() >= 380
    ORDER BY session DESC
    LIMIT 6
),
reported AS (
    SELECT ticker, days_to_cover, avg_daily_volume
    FROM global_markets.stocks_short_interest
    WHERE settlement_date = (SELECT d FROM latest)
),
liquid AS (
    SELECT ticker, days_to_cover
    FROM reported
    WHERE avg_daily_volume >= 5000000
      AND days_to_cover IS NOT NULL
      AND ticker NOT IN ('SPCX')
      AND ticker NOT IN ('KORU','SOXL','SOXS','TQQQ','SQQQ','NVDL','NVDS','NVD','TSLL','TSLQ','TSLZ','SPXL','SPXS','UPRO','SPXU','LABU','LABD','FAS','FAZ','TNA','TZA','YINN','YANG','UDOW','SDOW','BOIL','KOLD','UCO','SCO','USD','SSO','SDS','QLD','QID','ERX','ERY','DRN','DRV','CURE','SOXY','MUU','SNXX','UVXY','SVXY','UVIX','SVIX','BULZ','WEBL','WEBS','DPST','DRIP','GUSH','AGQ','ZSL','BITX','ETHU','MSTX','MSTU','CONL','DUST','JNUG','JDST','NUGT')
      AND ticker NOT IN (SELECT ticker FROM global_markets.stocks_splits
                         WHERE execution_date BETWEEN today() - 60 AND today())
),
crowded AS (
    SELECT ticker FROM liquid WHERE days_to_cover >= 5
),
tape AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS session,
           argMax(close, window_start) AS rth_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN (SELECT ticker FROM crowded)
      AND toDate(toTimeZone(window_start, 'America/New_York')) IN (SELECT session FROM sessions)
      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, session
),
rising AS (
    SELECT ticker,
           round((argMax(rth_close, session) / argMin(rth_close, session) - 1) * 100, 1) AS return_5d_pct
    FROM tape
    GROUP BY ticker
    HAVING count() = 6 AND return_5d_pct > 0
),
tally AS (
    SELECT (SELECT count() FROM reported) AS all_names,
           (SELECT count() FROM liquid) AS liquid_names,
           (SELECT count() FROM crowded) AS crowded_names,
           (SELECT count() FROM rising) AS rising_names
)
SELECT step.1 AS label, step.2 AS names
FROM (
    SELECT arrayJoin([
        ('Every name in the settlement file', all_names),
        ('Liquid: five million shares a day, no leveraged funds', liquid_names),
        ('Crowded: five or more days to cover', crowded_names),
        ('Rising: a positive move over the price window', rising_names)]) AS step
    FROM tally
)

File Jun 30, 2026 mencakup 22207 sekuritas. Batas likuiditas dan daftar pengecualian menyisakan 883, ambang batas crowding memangkasnya menjadi 96, dan gerbang kenaikan harga menyisakan 31. Setiap ambang batas adalah sebuah pilihan, dan pilihan yang berbeda akan menghasilkan daftar yang berbeda. Itulah sebabnya aturan-aturan tersebut dicantumkan langsung pada halaman, bukan sekadar sebagai catatan kaki.

Berapa banyak saham setiap perusahaan yang dijual short

Angka yang paling banyak dicari orang adalah short interest sebagai persentase dari float, namun data ini tidak menyediakannya. Laporan bursa melaporkan jumlah saham yang dijual short dan volume harian rata-rata, tanpa menyertakan jumlah saham dalam bentuk apa pun. Data yang dapat diperoleh adalah posisi yang diukur terhadap total shares outstanding, yaitu nilai pasar setiap perusahaan dibagi dengan harga sahamnya.

QueryNama hasil screen peringkat short interest terhadap shares outstanding (bukan float)
SQL tepat di balik setiap angka
WITH latest AS (
    SELECT max(settlement_date) AS d FROM global_markets.stocks_short_interest
),
sessions AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS session
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND window_start >= now() - INTERVAL 20 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 session
    HAVING count() >= 380
    ORDER BY session DESC
    LIMIT 6
),
crowded AS (
    SELECT ticker, days_to_cover, short_interest
    FROM global_markets.stocks_short_interest
    WHERE settlement_date = (SELECT d FROM latest)
      AND avg_daily_volume >= 5000000
      AND days_to_cover >= 5
      AND ticker NOT IN ('SPCX')
      AND ticker NOT IN ('KORU','SOXL','SOXS','TQQQ','SQQQ','NVDL','NVDS','NVD','TSLL','TSLQ','TSLZ','SPXL','SPXS','UPRO','SPXU','LABU','LABD','FAS','FAZ','TNA','TZA','YINN','YANG','UDOW','SDOW','BOIL','KOLD','UCO','SCO','USD','SSO','SDS','QLD','QID','ERX','ERY','DRN','DRV','CURE','SOXY','MUU','SNXX','UVXY','SVXY','UVIX','SVIX','BULZ','WEBL','WEBS','DPST','DRIP','GUSH','AGQ','ZSL','BITX','ETHU','MSTX','MSTU','CONL','DUST','JNUG','JDST','NUGT')
      AND ticker NOT IN (SELECT ticker FROM global_markets.stocks_splits
                         WHERE execution_date BETWEEN today() - 60 AND today())
),
tape AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS session,
           argMax(close, window_start) AS rth_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN (SELECT ticker FROM crowded)
      AND toDate(toTimeZone(window_start, 'America/New_York')) IN (SELECT session FROM sessions)
      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, session
),
rising AS (
    SELECT ticker,
           round((argMax(rth_close, session) / argMin(rth_close, session) - 1) * 100, 1) AS return_5d_pct
    FROM tape
    GROUP BY ticker
    HAVING count() = 6 AND return_5d_pct > 0
),
share_count AS (
    SELECT ticker, market_cap / price AS shares_out
    FROM global_markets.stocks_ratios
    WHERE date = (SELECT max(date) FROM global_markets.stocks_ratios)
      AND market_cap > 0
      AND price > 0
)
SELECT c.ticker AS ticker,
       round(100.0 * c.short_interest / s.shares_out, 1) AS si_pct_shares_out,
       round(c.short_interest / 1e6, 1) AS shares_short_m,
       round(s.shares_out / 1e6, 0) AS shares_out_m,
       round(c.days_to_cover, 1) AS days_to_cover
FROM crowded c
INNER JOIN rising r ON r.ticker = c.ticker
INNER JOIN share_count s ON s.ticker = c.ticker
ORDER BY si_pct_shares_out DESC, c.ticker
LIMIT 10

KSS memimpin daftar tersebut dengan 26.3% dari shares outstanding yang dijual short: 29.9 juta saham berbanding 113 juta saham yang ada. Baris 10 yang ditampilkan adalah angka terbesar di antara nama-nama yang disaring yang memiliki jumlah saham terpublikasi, dan yang terakhir tetap menunjukkan angka 15.5%. Anggap kolom tersebut sebagai batas bawah dan jangan pernah menganggapnya sebagai angka float. Float hanya menghitung saham yang benar-benar berpindah tangan, dengan mengeluarkan kepemilikan orang dalam (insider) dan kepemilikan lainnya yang terkunci (locked-up). Float adalah penyebut yang lebih kecil, sehingga persentase float yang dijual short yang sebenarnya lebih tinggi daripada setiap angka yang ditampilkan. Seberapa besar perbedaannya bergantung pada kepemilikan masing-masing perusahaan, yang tidak tersedia di gudang data ini.

Apakah short crowding sedang meningkat atau berkurang?

Satu data hanyalah potret sesaat. Data yang sama telah tersedia selama bertahun-tahun, sehingga pertanyaan pasar secara luas dapat dijawab dengan data.

QueryLiquid names dengan 5+ dan 10+ days to cover, per settlement
SQL tepat di balik setiap angka
WITH dates AS (
    SELECT DISTINCT settlement_date AS d
    FROM global_markets.stocks_short_interest
    ORDER BY d DESC
    LIMIT 12
)
SELECT toString(settlement_date) AS settlement_date,
       countIf(days_to_cover >= 5) AS names_5plus_dtc,
       countIf(days_to_cover >= 10) AS names_10plus_dtc,
       round(quantileExact(0.5)(days_to_cover), 2) AS median_dtc_liquid
FROM global_markets.stocks_short_interest
WHERE settlement_date IN (SELECT d FROM dates)
  AND avg_daily_volume >= 5000000
  AND days_to_cover IS NOT NULL
  AND ticker NOT IN ('SPCX')
  AND ticker NOT IN ('KORU','SOXL','SOXS','TQQQ','SQQQ','NVDL','NVDS','NVD','TSLL','TSLQ','TSLZ','SPXL','SPXS','UPRO','SPXU','LABU','LABD','FAS','FAZ','TNA','TZA','YINN','YANG','UDOW','SDOW','BOIL','KOLD','UCO','SCO','USD','SSO','SDS','QLD','QID','ERX','ERY','DRN','DRV','CURE','SOXY','MUU','SNXX','UVXY','SVXY','UVIX','SVIX','BULZ','WEBL','WEBS','DPST','DRIP','GUSH','AGQ','ZSL','BITX','ETHU','MSTX','MSTU','CONL','DUST','JNUG','JDST','NUGT')
GROUP BY settlement_date
ORDER BY settlement_date

Melalui 12 penyelesaian yang ditampilkan, jumlah saham likuid dengan days to cover lima hari atau lebih bergerak dari 58 ke 96. Bagian akhir distribusi yang langka tetap jauh lebih tipis: 5 saham berada pada sepuluh hari atau lebih days to cover pada data terbaru. Median saham likuid adalah 1.87 hari, hal inilah yang membuat ambang batas lima hari menjadi bermakna dan bukan sekadar angka sembarang. Halaman Saham dengan days-to-cover tertinggi melacak ekor ekstrem tersebut secara terpisah.

Apa yang biasanya terjadi selanjutnya

Layar seperti ini mudah dibuat namun mudah salah diinterpretasikan, jadi berikut adalah tampilan layar yang sama yang dijalankan secara terbalik, dengan offset yang sama dari file tersebut. Untuk setiap print settlement dalam satu tahun terakhir, ambil nama-nama yang melewati crowding gate pada print tersebut dan sedang naik selama enam sesi yang berakhir dua puluh hari kalender kemudian, yaitu posisi halaman ini saat ini, lalu ukur apa yang dilakukan masing-masing nama tersebut selama 30 hari kalender berikutnya.

QuerySetiap nama hasil screen sebelumnya, berdasarkan pergerakannya selama 30 hari ke depan
SQL tepat di balik setiap angka
WITH screened AS (
    SELECT settlement_date, ticker
    FROM global_markets.stocks_short_interest
    WHERE settlement_date >= today() - 400
      AND settlement_date <= today() - 55
      AND avg_daily_volume >= 5000000
      AND days_to_cover >= 5
      AND ticker NOT IN ('SPCX')
      AND ticker NOT IN ('KORU','SOXL','SOXS','TQQQ','SQQQ','NVDL','NVDS','NVD','TSLL','TSLQ','TSLZ','SPXL','SPXS','UPRO','SPXU','LABU','LABD','FAS','FAZ','TNA','TZA','YINN','YANG','UDOW','SDOW','BOIL','KOLD','UCO','SCO','USD','SSO','SDS','QLD','QID','ERX','ERY','DRN','DRV','CURE','SOXY','MUU','SNXX','UVXY','SVXY','UVIX','SVIX','BULZ','WEBL','WEBS','DPST','DRIP','GUSH','AGQ','ZSL','BITX','ETHU','MSTX','MSTU','CONL','DUST','JNUG','JDST','NUGT')
),
split_hits AS (
    SELECT s.settlement_date AS sd, s.ticker AS tkr
    FROM screened s
    INNER JOIN global_markets.stocks_splits sp ON sp.ticker = s.ticker
    WHERE sp.execution_date > s.settlement_date + 11
      AND sp.execution_date <= s.settlement_date + 50
),
daily AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS session,
           argMax(close, window_start) AS rth_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN (SELECT DISTINCT ticker FROM screened)
      AND window_start >= now() - INTERVAL 400 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, session
),
paired AS (
    SELECT s.settlement_date AS sd,
           s.ticker AS tkr,
           (argMaxIf(d.rth_close, d.session, d.session <= s.settlement_date + 20)
            / argMinIf(d.rth_close, d.session, d.session <= s.settlement_date + 20) - 1) * 100 AS prior_pct,
           (argMaxIf(d.rth_close, d.session, d.session >= s.settlement_date + 20)
            / argMinIf(d.rth_close, d.session, d.session >= s.settlement_date + 20) - 1) * 100 AS next_pct
    FROM screened s
    INNER JOIN daily d ON d.ticker = s.ticker
    WHERE d.session > s.settlement_date + 11
      AND d.session <= s.settlement_date + 50
    GROUP BY sd, tkr
    HAVING countIf(d.session <= s.settlement_date + 20) >= 4
       AND countIf(d.session >= s.settlement_date + 20) >= 15
),
outcomes AS (
    SELECT multiIf(next_pct < -20, 1,
                   next_pct < -10, 2,
                   next_pct < 0, 3,
                   next_pct < 10, 4,
                   next_pct < 20, 5, 6) AS bucket,
           multiIf(next_pct < -20, 'Fell more than 20%',
                   next_pct < -10, 'Fell 10% to 20%',
                   next_pct < 0, 'Fell 0% to 10%',
                   next_pct < 10, 'Rose 0% to 10%',
                   next_pct < 20, 'Rose 10% to 20%', 'Rose more than 20%') AS move_over_30_days
    FROM paired
    WHERE prior_pct > 0
      AND (sd, tkr) NOT IN (SELECT sd, tkr FROM split_hits)
),
tallied AS (
    SELECT bucket, move_over_30_days, count() AS name_count
    FROM outcomes
    GROUP BY bucket, move_over_30_days
)
SELECT move_over_30_days,
       name_count,
       round(100.0 * sum(name_count) OVER (ORDER BY bucket) / sum(name_count) OVER (), 1) AS cumulative_share_pct
FROM tallied
ORDER BY bucket

51.7% dari observasi nama-dan-settlement tersebut diperdagangkan lebih rendah 30 hari kemudian. Hasil ini mendekati peluang lima puluh-lima puluh, dan inilah inti sebenarnya dari halaman ini: short sellers sering kali benar, dan kondisi crowded-plus-rising lebih menggambarkan sebuah setup daripada sebuah edge. Bagian ekor adalah tempat di mana squeeze akan muncul, dan keduanya sangat tipis. 68 observasi turun lebih dari seperlima; 73 naik lebih dari seperlima, kategori di mana squeeze yang sesungguhnya akan masuk. 87.8% dari sampel tersebut tidak pernah mencapainya.

Anggap panel tersebut sebagai sebuah distribusi, bukan sebagai hasil trading. Data ini mengabaikan biaya, borrow fees, dan position sizing, serta memberikan bobot yang sama pada setiap nama yang ditandai. Kedua sisi tertambat dua puluh hari kalender setelah setiap tanggal settlement, menggunakan offset yang sama dengan halaman ini, sehingga setiap nama yang ditandai didasarkan pada harga yang dapat dilihat oleh pembaca. Satu tahun settlement adalah sampel yang singkat.

Cara pengukuran ini dilakukan

Setiap aturan dan pengecualian di balik angka-angka di atas.

  • Laporan short-interest dilaporkan oleh bursa dan diperbarui dua kali sebulan. Data yang digunakan di sini telah settling Jun 30, 2026, 24 hari yang lalu. Tidak ada angka short interest harian yang diungkapkan di AS, hanya estimasi vendor yang dimodelkan dari data securities-lending.
  • Ambang batas likuiditas: lima juta saham dari rata-rata volume harian, sebagaimana dilaporkan dalam file yang sama. Tanpa aturan ini, daftar akan dipenuhi oleh microcaps yang angka days-to-cover sangat besar hanya karena volume yang mendekati nol.
  • Ambang batas crowding: lima atau lebih days to cover, jauh di atas median likuid yang ditunjukkan di atas.
  • Momentum leg: perubahan antara harga penutupan dari enam sesi reguler penuh terakhir, yang merupakan return lima sesi. Sebuah sesi masuk ke dalam jendela waktu hanya setelah benchmark tape memiliki data minute bars penuh untuk sesi tersebut. Sesi yang masih dalam proses masuk ke feed akan ditunda daripada diukur dalam kondisi belum lengkap, sehingga jendela waktu dapat berakhir satu sesi di belakang kalender meskipun sesi tersebut telah tutup. Harga yang digunakan adalah penutupan sesi reguler.
  • Kedua tanggal memiliki batasan. Panel di bagian atas menyimpan usia setiap input dalam hitungan hari, dan usia tersebut memiliki batasan validitas. Data settlement yang lebih lama dari satu bulan, atau tape harga yang tertinggal lebih jauh dari lag ingest normal, akan menahan halaman ini untuk ditinjau daripada menerbitkan tanggal usang di bawah headline baru.
  • Pengecualian. Leveraged dan inverse exchange-traded funds dihapus dari setiap panel (short interest mereka sebagian besar merupakan artifak hedging), bersama dengan satu simbol ambigu yang digunakan kembali oleh feed vendor untuk dua perusahaan. Panel yang mengukur pergerakan harga juga menghapus nama yang stock split-nya jatuh di dalam jendela pengukuran panel tersebut, karena split menciptakan pergerakan harga yang semu. Dalam backtest, pengujian tersebut berjalan per settlement, sehingga split pada satu bulan tidak akan menghapus observasi suatu nama pada bulan lainnya.
  • Dana (funds) berada dalam file ini bersama dengan perusahaan operasional. Bond atau index ETF dapat memiliki posisi short besar yang berasal dari mekanisme creation-and-redemption, bukan dari pihak yang bertaruh melawan aset tersebut.
  • Tidak ada float dan tidak ada jumlah saham dalam file ini, dan tidak ada options open interest di mana pun dalam warehouse. Kolom shares-outstanding di atas berasal dari tabel fundamentals terpisah, sehingga nama tanpa market value yang dipublikasikan akan dihapus dari panel tersebut.
  • Tidak ada hal di sini yang merupakan prediksi atau rekomendasi. Ini mendeskripsikan kondisi yang dapat diukur, dengan panel hasil yang terlampir.

FAQ

Bagaimana cara menemukan kandidat short squeeze?

Lakukan screening pada file short-interest yang dilaporkan bursa untuk mencari posisi yang besar relatif terhadap volume harian saham tersebut, pilih hanya nama yang cukup likuid untuk diperdagangkan, lalu periksa apakah harganya sudah mulai naik. Screening pada file short-interest Jun 30, 2026 ini menggunakan kriteria days to cover lima hari atau lebih, rata-rata volume harian lima juta saham, dan pergerakan positif selama lima sesi, yang menghasilkan 31 nama.

Persentase short interest berapa yang menyebabkan squeeze?

Tidak ada angka ajaib, dan siapa pun yang menyebutkan satu angka tertentu hanya menebak. Squeeze telah dimulai dari berbagai rentang angka, namun jauh lebih sering tidak terjadi apa-apa: berdasarkan data settlement selama satu tahun terakhir, 51.7% dari nama-nama yang akan ditandai oleh screening ini memiliki harga yang lebih rendah 30 hari kemudian. Short interest yang tinggi adalah prasyarat, bukan pemicu.

Seberapa lama usia data short interest?

Settlement terbaru dalam file ini bertanggal Jun 30, 2026, yaitu 24 hari yang lalu, dan data harga berjalan hingga Jul 22, 2026. Kesenjangan tersebut disebabkan oleh siklus pelaporan, bukan karena feed yang usang: posisi dihitung dua kali sebulan dan diterbitkan sekitar delapan hari kerja setelah setiap tanggal settlement, sehingga setiap angka short-interest di mana pun sudah berusia berminggu-minggu saat diterima.

Saham mana yang paling banyak di-short saat ini?

Leaderboard tanpa filter, satu berdasarkan days to cover dan satu lagi berdasarkan jumlah saham yang di-short secara mentah, tersedia di halaman saham yang paling banyak di-short. Halaman ini menjawab pertanyaan yang lebih spesifik: di antara nama-nama pada file Jun 30, 2026 yang harganya juga sedang naik, yang paling padat adalah MPT dengan 16.9 days to cover, yang merupakan pemimpin dalam screening ini dan bukan merupakan saham yang paling banyak di-short di pasar.

Setiap panel adalah query tersimpan dan terversi terhadap file yang dilaporkan bursa. Perluas SQL di bawah tabel mana pun, atau jalankan screening dengan ambang batas Anda sendiri pada terminal Strasmore.

#short interest#short squeeze#days to cover#short selling#screens