著者: 平均日次出来高（ADV）とは？
平均日次出来高（ADV）の定義と計算方法を解説します。株数と金額の違い、カバー日数や相対出来高への影響も実例で確認できます。
平均日次出来高（ADV）は、最もよく使われる一方で、ほとんど定義されない数値です。一定の過去期間における、1日当たりの通常の売買株数を平均したものです。カバー日数の分母であり、相対出来高の基準値でもあります。また、あらゆるスクリーナーで流動性を判定する際に使われます。そのため、これらの数値はすべて、ADVに関する見えにくい選択の影響を受けます。対象期間、取引セッション、株数を使うのか金額を使うのか、といった選択です。このページではADVを正確に定義し、計算方法を手計算で示します。さらに、実際の取引データを使って、これらの選択がそれぞれどのような影響を及ぼすかを検証します。
平均日次出来高の測定
2026年6月11日から7月10日までの通常取引時間における20セッションです。よく知られた4銘柄に、意図的に流動性の低い1銘柄を加えています。株数、金額、そして後段で使う、各銘柄の総出来高のうち通常取引時間外に取引された割合です。
| ティッカー | ADV株数（百万） | ADV金額（十億ドル） | 時間外取引比率（%） | セッション数 |
|---|---|---|---|---|
| SPY | 46.01 | 34.19 | 18.3 | 20 |
| MU | 42.01 | 44.49 | 12.1 | 20 |
| AAPL | 41.47 | 12.24 | 6.9 | 20 |
| KO | 12.4 | 1.01 | 6.6 | 20 |
| CATO | 0.05 | 0 | 0.2 | 20 |
各数値の背後にある正確なSQL
WITH per_day AS (
SELECT ticker,
toDate(toTimeZone(window_start, 'America/New_York')) AS et_date,
sumIf(toFloat64(volume), formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') >= '09:30'
AND formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') < '16:00') AS rth_shares,
sumIf(toFloat64(close) * toFloat64(volume), formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') >= '09:30'
AND formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') < '16:00') AS rth_dollars,
sum(toFloat64(volume)) AS all_shares
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN ('SPY', 'AAPL', 'MU', 'KO', 'CATO')
AND window_start >= toDateTime('2026-06-11 00:00:00', 'America/New_York')
AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
GROUP BY ticker, et_date
)
SELECT ticker,
round(avg(rth_shares) / 1e6, 2) AS adv_shares_m,
round(avg(rth_dollars) / 1e9, 2) AS adv_dollars_bn,
round(100 * (sum(all_shares) - sum(rth_shares)) / sum(all_shares), 1) AS extended_hours_pct,
count() AS sessions
FROM per_day
GROUP BY ticker
ORDER BY adv_shares_m DESCこの表が、本ページの主張をすべて示しています。MUとAAPLは、42.01M対41.47Mと、日々ほぼ同じ株数を取引しています。しかし、金額では大きな差が出ます。1日当たり$44.49B対$12.24Bです。株数は取引活動を、金額は動いた資金を測ります。上位では順位さえ逆転します。株数ではSPYが首位で、20セッション合計46.01M株です。一方、金額ではMUがこの表の首位です。最下位では、CATOの1日当たり出来高は0.05百万株にとどまり、この規模では金額があまりに小さいため、十億ドル単位の列には0と表示されます。これは、機関投資家の単一注文だけでその日の出来高に達し得る市場です。取引コストも、別世界の水準になります。
平均日次出来高の計算方法
計算は単純です。選択した期間の日次出来高を合計し、日数で割ります。Coca-Colaの通常取引時間における一週間分の取引データ（2026年7月6日～10日）では、累計と平均を同じクエリで計算しています。
| セッション日付 | 株数（百万） | 5日間合計（百万） | ADV（百万） | ADVの1%（千） |
|---|---|---|---|---|
| 2026-07-06 | 10.7 | 52.8 | 10.6 | 106 |
| 2026-07-07 | 12.1 | 52.8 | 10.6 | 106 |
| 2026-07-08 | 10.7 | 52.8 | 10.6 | 106 |
| 2026-07-09 | 11 | 52.8 | 10.6 | 106 |
| 2026-07-10 | 8.3 | 52.8 | 10.6 | 106 |
各数値の背後にある正確なSQL
SELECT session_date,
shares_m,
round(sum(shares_m) OVER (), 1) AS five_day_total_m,
round(avg(shares_m) OVER (), 1) AS adv_m,
round(avg(shares_m) OVER () * 0.01 * 1000, 0) AS one_pct_of_adv_k
FROM (
SELECT formatDateTime(toDate(toTimeZone(window_start, 'America/New_York')), '%Y-%m-%d') AS session_date,
round(sumIf(toFloat64(volume), formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') >= '09:30'
AND formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') < '16:00') / 1e6, 1) AS shares_m
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker = 'KO'
AND window_start >= toDateTime('2026-07-06 00:00:00', 'America/New_York')
AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
GROUP BY session_date
)
ORDER BY session_date五日分を合計します。10.7 + 12.1 + 10.7 + 11 + 8.3百万株で、合計は52.8Mです。五日で割ると、KOの五セッションADVは10.6M株です。20セッションADVも同じ計算を20行に対して行ったもので、第一表の数値です。平均値から分かりにくくなる点にも注意が必要です。2026-07-07の出来高は12.1M、2026-07-10の出来高は8.3Mでした。これは、ADVが一つの数値に均してしまう日々の変動です。最後の列はポジションサイズの目安を示しています。KOのADVの一％は約106千株であり、一つの注文がその日の出来高に占める割合として無視できなくなり始める規模です。
期間は選択であり、ADVが忘れる速さを決めます
20セッションが一般的な慣行です（1取引月）。10、30、65、90も使われています。期間によって、ADVが過去の出来高を忘れる速さが決まります。MUは2026年の実例です。年央に売買状況が大きく再評価された銘柄で、直近1カ月のADVと直近四半期のADVが春の間、異なる状況を示し続けました。詳細は6月の詳細分析に記録されています。同じ銘柄を同じ7カ月について、2つの期間で同時に測定すると、次のようになります。
| 日付 | 20セッションADV（百万） | 90セッションADV（百万） |
|---|---|---|
| 2025-12-10 | 21.3 | 19.9 |
| 2025-12-15 | 20.3 | 20.1 |
| 2025-12-18 | 20.7 | 20.2 |
| 2025-12-23 | 20 | 20.7 |
| 2025-12-29 | 20.7 | 20.8 |
| 2026-01-02 | 22.2 | 21.3 |
| 2026-01-07 | 24.5 | 22 |
| 2026-01-12 | 26 | 22.5 |
| 2026-01-15 | 26.2 | 22.5 |
| 2026-01-21 | 26.9 | 23 |
| 2026-01-26 | 28.5 | 23.4 |
| 2026-01-29 | 30.5 | 23.7 |
| 2026-02-03 | 31.9 | 23.9 |
| 2026-02-06 | 32.6 | 24.4 |
| 2026-02-11 | 34.1 | 24.7 |
| 2026-02-17 | 35 | 24.9 |
| 2026-02-20 | 32.5 | 25 |
| 2026-02-25 | 32 | 25.4 |
| 2026-03-02 | 30.2 | 25.4 |
| 2026-03-05 | 28.4 | 25.8 |
各数値の背後にある正確なSQL
WITH daily AS (
SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS et_date,
sum(toFloat64(volume)) AS day_shares
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker = 'MU'
AND window_start >= toDateTime('2025-08-01 00:00:00', 'America/New_York')
AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
GROUP BY et_date
),
rolled AS (
SELECT et_date,
avg(day_shares) OVER (ORDER BY et_date ROWS BETWEEN 19 PRECEDING AND CURRENT ROW) AS adv20,
avg(day_shares) OVER (ORDER BY et_date ROWS BETWEEN 89 PRECEDING AND CURRENT ROW) AS adv90,
row_number() OVER (ORDER BY et_date) AS rn,
count() OVER () AS total_rows
FROM daily
)
SELECT formatDateTime(et_date, '%Y-%m-%d') AS date,
round(adv20 / 1e6, 1) AS adv_20_session_m,
round(adv90 / 1e6, 1) AS adv_90_session_m
FROM rolled
WHERE rn > 90 AND (rn % 3 = total_rows % 3)
ORDER BY et_date2025-12-10では、2つの期間は一致していました。20セッションでは21.3M、90セッションでは19.9Mでした。2026-04-14までに、両者は45.6M対31.9Mへと分かれました。同じ銘柄の同じ日に、2つの「公式」ADVが存在したことになります。そのため、一方の期間を基準にしたスクリーナー、カバー日数、相対出来高の数値は、もう一方の期間を基準にした同じツールとは一致しませんでした。2026-07-10には、両者は再び収束しました（42M対41.9M）。再評価された出来高水準が、長い期間にも反映されるようになったためです。2つの情報源が銘柄のADVについて異なる数値を示す場合、最初に疑うべきは期間です。次に確認すべきは、時間外取引の出来高が含まれているかどうかです。
出来高ショック直後のADVに起きること
上のチャートはその兆候を示しています。ここでは数値で確認します。MUで2026年に発生した最も急激な出来高ショック、つまり直近20セッションのADVを最も大きく上回ったセッションを取り上げ、その日の前にスクリーナーが示していたADVと、1カ月後に示したADVを比較します。
| イベント日付 | イベント当日株数（百万） | イベント前20日ADV（百万） | イベント日／過去ADV倍率 | イベント後20日ADV（百万） | ADV変化率（%） |
|---|---|---|---|---|---|
| 2026-03-19 | 64.7 | 28.7 | 2.3 | 45 | 57 |
各数値の背後にある正確なSQL
WITH daily AS (
SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS et_date,
sum(toFloat64(volume)) AS day_shares
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker = 'MU'
AND window_start >= toDateTime('2025-11-01 00:00:00', 'America/New_York')
AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
GROUP BY et_date
),
ranked AS (
SELECT et_date, day_shares,
day_shares / avg(day_shares) OVER (ORDER BY et_date ROWS BETWEEN 20 PRECEDING AND 1 PRECEDING) AS shock_ratio,
row_number() OVER (ORDER BY et_date) AS rn
FROM daily
),
biggest AS (
SELECT et_date, day_shares, shock_ratio
FROM ranked
WHERE rn > 20 AND et_date >= toDate('2026-01-01')
ORDER BY shock_ratio DESC, et_date ASC
LIMIT 1
),
before AS (
SELECT avg(day_shares) AS adv FROM (
SELECT day_shares FROM daily WHERE et_date < (SELECT et_date FROM biggest) ORDER BY et_date DESC LIMIT 20
)
),
after AS (
SELECT avg(day_shares) AS adv FROM (
SELECT day_shares FROM daily WHERE et_date >= (SELECT et_date FROM biggest) ORDER BY et_date ASC LIMIT 20
)
)
SELECT formatDateTime((SELECT et_date FROM biggest), '%Y-%m-%d') AS event_date,
round((SELECT day_shares FROM biggest) / 1e6, 1) AS event_day_shares_m,
round((SELECT adv FROM before) / 1e6, 1) AS adv_20_before_m,
round((SELECT shock_ratio FROM biggest), 1) AS event_vs_prior_adv_x,
round((SELECT adv FROM after) / 1e6, 1) AS adv_20_after_m,
round(100 * ((SELECT adv FROM after) / (SELECT adv FROM before) - 1), 0) AS adv_shift_pct2026-03-19、MUの売買高は64.7M株となり、それ以前のADVは28.7M株でした。これは自身のベースラインの2.3倍です。その後20セッションの移動ADVは平均45M株となり、分母が57%上昇しました。ADVから算出される数値はすべてこれに連動して変化します。相対出来高の数値は縮小し（ベースラインが上昇したため）、カバーに要する日数は短くなります（分母が増加したため）。実際のポジションを変更する必要はありません。MUでは高水準の売買が続き、このショックは一日限りの事象ではなく、再評価のきっかけとなりました。しかし、どちらの場合も仕組みは同じです。出来高が膨らんだ局面の後は、ADVがその銘柄の通常の売買習慣ではなく、その事象をちょうど一つの期間長にわたって反映します。
流動性を実際の取引金額で測る
「一日数百万ドル」が、取引のしやすさを表す際によく使われる曖昧な表現です。実際の分布は以下のとおりです。過去二十セッションのうち同じ十五セッション以上で取引された、米国上場の全銘柄を、ドル建て平均日次売買代金（ADV）順に並べています。
| 銘柄数 | 25パーセンタイル（百万） | 中央値（百万） | 75パーセンタイル（百万） | 90パーセンタイル（百万） | 99パーセンタイル（百万） | 1百万超の銘柄数 | 10百万超の銘柄数 | 100百万超の銘柄数 | 10億ドル超銘柄 |
|---|---|---|---|---|---|---|---|---|---|
| 10864 | 0.33 | 2.2 | 20.4 | 113.7 | 1333 | 6515 | 3535 | 1166 | 130 |
各数値の背後にある正確なSQL
WITH per_ticker AS (
SELECT ticker, avg(day_dollars) AS adv_dollars
FROM (
SELECT ticker,
toDate(toTimeZone(window_start, 'America/New_York')) AS et_date,
sumIf(toFloat64(close) * toFloat64(volume), formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') >= '09:30'
AND formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') < '16:00') AS day_dollars
FROM global_markets.delayed_stocks_minute_aggs
WHERE window_start >= toDateTime('2026-06-11 00:00:00', 'America/New_York')
AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
AND match(ticker, '^[A-Z]+$')
GROUP BY ticker, et_date
)
GROUP BY ticker
HAVING count() >= 15
)
SELECT count() AS names,
round(quantileDeterministic(0.25)(adv_dollars, cityHash64(ticker)) / 1e6, 2) AS p25_m,
round(quantileDeterministic(0.50)(adv_dollars, cityHash64(ticker)) / 1e6, 1) AS median_m,
round(quantileDeterministic(0.75)(adv_dollars, cityHash64(ticker)) / 1e6, 1) AS p75_m,
round(quantileDeterministic(0.90)(adv_dollars, cityHash64(ticker)) / 1e6, 1) AS p90_m,
round(quantileDeterministic(0.99)(adv_dollars, cityHash64(ticker)) / 1e6, 0) AS p99_m,
countIf(adv_dollars >= 1e6) AS names_above_1m,
countIf(adv_dollars >= 10e6) AS names_above_10m,
countIf(adv_dollars >= 100e6) AS names_above_100m,
countIf(adv_dollars >= 1e9) AS names_above_1bn
FROM per_ticker10864銘柄のうち、中央値の銘柄の一日当たり売買代金は$2.2Mです。米国市場の半数はこれを下回ります。四分の一は$0.33M未満です。75パーセンタイルは$20.4M、90パーセンタイルは$113.7M、99パーセンタイルは$1333Mです。節目となる水準で集計すると、一日$1Mを超える銘柄は6515、$10Mを超える銘柄は3535、$100Mを超える銘柄は1166、$1Bを超える銘柄はわずか130です。金融報道の中心となる銘柄は、ほぼすべて最後のグループに含まれます。上場銘柄の中央値は、それとはまったく異なる金融商品です。
ADVが他の数値を密かに左右する場面
- カバー日数 = 空売り残高 ÷ ADV。空売りポジションが変わらなくても、出来高が急増すれば比率は低下します。変わったのは分母です。
- 相対出来高 = 当日の出来高ペース ÷ ADV。同じ数値が、ここでは逆の役割を果たします。ADVが上回る対象となる基準値です。
- 流動性スクリーニング（「ADVが100万株を超える銘柄のみ」）。すべてのバックテストやスクリーナーにこの条件が組み込まれており、サバイバーシップ・バイアスもひそかに生じます。銘柄がこうした条件に入るのは、最も値動きの大きい週を経験した後だからです。
- ポジションサイジング。機関投資家が一日にADVの数％しか売買しないのは、大型ファンドが一部の小型株を保有できない理由です。ポジションの構築や解消には、市場全体の出来高を数週間分必要とするためです。
カバー日数の例は、実際の数値で確認する価値があります。「公式」数値にも、誰かが選んだADVが組み込まれているからです。FINRAは、自らの出来高分母に基づくカバー日数を公表しています（全取引市場を対象とし、独自の報告期間を用い、最低値は1.0。データの取得方法はこちらを参照）。このページの20セッションの通常取引時間ベースのADVで同じ比率を再計算すると、答えは変わります。
| ティッカー | 空売り株数（百万） | FINRA平均日次出来高（百万） | FINRA空売り買い戻し日数 | 通常取引時間20セッション平均日次出来高（百万） | 再計算空売り買い戻し日数 |
|---|---|---|---|---|---|
| KO | 49.6 | 24.1 | 2.06 | 12.4 | 4 |
| MU | 31.7 | 60.3 | 1 | 42 | 0.75 |
各数値の背後にある正確なSQL
WITH our_adv AS (
SELECT ticker, avg(day_shares) AS adv
FROM (
SELECT ticker,
toDate(toTimeZone(window_start, 'America/New_York')) AS et_date,
sumIf(toFloat64(volume), formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') >= '09:30'
AND formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') < '16:00') AS day_shares
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN ('MU', 'KO')
AND window_start >= toDateTime('2026-06-11 00:00:00', 'America/New_York')
AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
GROUP BY ticker, et_date
)
GROUP BY ticker
),
si AS (
SELECT ticker,
max(short_interest) AS short_interest,
max(avg_daily_volume) AS finra_adv,
max(days_to_cover) AS finra_dtc
FROM global_markets.stocks_short_interest
WHERE settlement_date = '2026-06-30' AND ticker IN ('MU', 'KO')
GROUP BY ticker
)
SELECT si.ticker AS ticker,
round(si.short_interest / 1e6, 1) AS shares_short_m,
round(si.finra_adv / 1e6, 1) AS finra_adv_m,
round(si.finra_dtc, 2) AS finra_days_to_cover,
round(our_adv.adv / 1e6, 1) AS rth_adv_20_session_m,
round(si.short_interest / our_adv.adv, 2) AS days_to_cover_recomputed
FROM si
INNER JOIN our_adv ON si.ticker = our_adv.ticker
ORDER BY ticker空売り残高は同じでも、分母は二つあります。KOについて、FINRAは24.1百万株の出来高に基づき、カバー日数を2.06日としています。このページの通常取引時間ベースのADVである12.4百万株を分母にすると、同じ49.6百万株の空売り残高は4日となり、ほぼ二倍です。MUでは、公表値は報告上の下限値である1です。再計算すると0.75日になります。どちらの数値も誤りではありません。分母が異なるため、答えも異なります。一般化すれば、ADVを使う比率はすべて、誰かが設定した期間と取引セッションの選択を、ひそかに反映しています。
オプションでもADVは機能しますか？
オプショントレーダーも同じ概念を使いますが、一点異なります。出来高はコントラクト数で数えます。標準的な株式オプション1コントラクトは100株を支配します。同じ20セッションについて、4銘柄のオプションテープを比較し、コントラクト数を株式相当エクスポージャーに換算します。
| 原資産 | 平均日次コントラクト数（千） | 株式換算（百万） | セッション数 |
|---|---|---|---|
| SPY | 12543.2 | 1254.3 | 20 |
| AAPL | 1265.1 | 126.5 | 20 |
| MU | 804.7 | 80.5 | 20 |
| KO | 64.6 | 6.5 | 20 |
各数値の背後にある正確なSQL
WITH daily AS (
SELECT multiIf(ticker LIKE 'O:SPY2%', 'SPY', ticker LIKE 'O:AAPL2%', 'AAPL', ticker LIKE 'O:MU2%', 'MU', 'KO') AS underlying,
toDate(toTimeZone(window_start, 'America/New_York')) AS et_date,
sum(toFloat64(volume)) AS contracts
FROM global_markets.options_minute_aggs
WHERE (ticker LIKE 'O:SPY2%' OR ticker LIKE 'O:AAPL2%' OR ticker LIKE 'O:MU2%' OR ticker LIKE 'O:KO2%')
AND window_start >= toDateTime('2026-06-11 00:00:00', 'America/New_York')
AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
GROUP BY underlying, et_date
)
SELECT underlying,
round(avg(contracts) / 1e3, 1) AS avg_daily_contracts_k,
round(avg(contracts) * 100 / 1e6, 1) AS share_equivalent_m,
count() AS sessions
FROM daily
GROUP BY underlying
ORDER BY avg_daily_contracts_k DESC規模の差は、株式の表で見られる差をはるかに上回ります。SPYのオプションテープは、1日平均12543.2千コントラクト、株式相当エクスポージャーで1254.3M株となり、SPY自体の46.01M株のADVを大きく上回りました。KOは逆です。64.6千コントラクト（株式相当で6.5M株）にとどまり、12.4M株のADVを下回りました。オプションの流動性は一部の原資産に集中し、権利行使価格や満期日をまたぐとさらに薄くなります。このような集計値では、個別コントラクトの取引量を過大評価します。そのため、オプション注文の規模を決める前に、コントラクトごとの出来高と建玉を確認する必要があります。
実務家としてADVを読む
定義を知っているだけの状態から、実際に使える状態へ移るには、三つの習慣が有効です。株数ベースのADVはドルベースのADVと必ず併せて確認します。最初の表では、株数がほぼ同じ二銘柄でも、金額には大きな差があります。実際の注文で重要なのは金額ベースの数値です。イベント直後のADVはすぐに疑います。ショックのパネルは、その影響を数値で示しています。大商いが続いた期間によって、分母が一カ月で57%変動しました。その結果、相対出来高とカバー日数は機械的に低下し、その急増分が集計期間から外れるまで影響が残ります。ADVはカレンダーと照合します。満期が集中する金曜日、リバランス日、指数変更日は、市場全体の出来高を一斉に押し上げます。特にウィッチングデーではその傾向が強く、市場全体の大商いだけでは、個別銘柄の動きを判断できません。
1日平均出来高 FAQ
適正な1日平均出来高とは？
10864銘柄の米国株を20セッションで測定したところ、ドルベースのADV中央値は$2.2Mでした。1日当たり$10Mを超えた銘柄は3535、$1Bを超えた銘柄は130だけでした。個人投資家規模の注文では、基準にすべきなのは株数ではなく金額です。$10M以上の銘柄なら、小口注文で価格が動くことはありません。
1日平均出来高はどのように計算しますか？
選択した期間の日次出来高を合計し、日数で割ります。KOの2026年7月6日から10日までの5セッションの出来高は合計52.8M株です。5で割ると、ADVは10.6M株になります。20日ADVも、20セッションを対象に同じ計算をします。
ADVはどの期間で測定しますか？
最も一般的なのは20取引セッション（約1カ月）です。ただし、10日、30日、65日、90日の指標も使われており、出来高に急変があった後は実際に数値が異なります。2026-04-14、MUの20セッションADVは45.6Mでしたが、90セッションADVは31.9Mでした。情報源を比較する前に、対象期間を確認してください。
ADVにはプレマーケットと時間外取引の出来高が含まれますか？
情報源によって異なります。このページの数値は通常取引時間のみを対象としています。同じ20セッションで測定すると、時間外取引の出来高はSPYの総出来高の18.3%、AAPLの6.9%、出来高の少ないCATOの0.2%を占めました。時間外取引のガイドでは、セッションごとの内訳を説明しています。
ADVは株数ですか、それとも金額ですか？
従来は株数ですが、銘柄間の流動性を測るにはドルベースのADVの方が適しています。同じ20セッションで、MUとAAPLの1日当たり出来高はそれぞれ42.01M株と41.47M株で、ほぼ同じでした。一方、ドルベースのADVは$44.49Bと$12.24Bでした。同じ株数でも、流動性の規模は大きく異なります。
すべての数値は保存・バージョン管理されたクエリです。各パネルの下でSQLを展開するか、Strasmore terminalで任意の銘柄について任意の期間を計算できます。