Strasmore Research
बाजार आढावा Matt Connorद्वारे Matt Connor · अपडेटेड 2026-09-08 · data as of September 8, 2026 · refreshed weekly

2026 मधील सर्वाधिक वाढलेले आणि घसरलेले शेअर्स

2026मधील सर्वोत्तम कामगिरी करणारे आणि सर्वाधिक घसरलेले शेअर्स, exchange tapeवरील प्रत्यक्ष तरलतेनुसार क्रमवारीत. stock splits आणि leveraged funds वगळले आहेत.

2026मध्ये आतापर्यंत सर्वाधिक कामगिरी करणाऱ्या शेअर्समध्ये SNDK आघाडीवर आहे. वर्षाच्या पहिल्या सत्रापासून अलीकडील पूर्ण झालेल्या सत्रापर्यंत त्यात 612% वाढ झाली आहे. या पृष्ठावर 2026मधील सर्वाधिक वाढलेले आणि घसरलेले शेअर्स क्रमवारीत दिले आहेत. या यादीत प्रत्यक्ष व्यवहार होणाऱ्या शेअर्सचाच समावेश आहे. मोजमाप vendor summaryऐवजी exchange tapeवरील व्यवहारांच्या आधारे केले आहे. वर्ष पुढे सरकत असताना ही माहिती अद्ययावत केली जाते. क्रमवारी करण्यापूर्वी stock splits आणि leveraged funds वगळले जातात. year-to-date याद्यांमध्ये बहुतेकदा दुर्लक्षित होणारी हीच मुख्य बाब आहे.

2026 मधील सर्वाधिक वाढलेले शेअर्स

खालील प्रत्येक शेअरला क्रमवारी देण्यापूर्वी तरलतेची किमान अट पूर्ण झाली आहे: मागील महिन्यात पूर्ण झालेल्या प्रत्येक ट्रेडिंग सत्रात सरासरी किमान $100 million किमतीच्या शेअर्सची खरेदी-विक्री झाली. ज्या शेअरमध्ये कोणी व्यवहारच करत नाही, त्यावर दिसणारी मोठी टक्केवारी हा निकाल नसून केवळ कोट असतो.

क्वेरी2026 मधील सर्वाधिक वाढलेले समभाग: मोठ्या प्रमाणावर व्यवहार होणाऱ्या समभागांमधील वर्षाच्या सुरुवातीपासूनचे सर्वोच्च दहा
टिकरYTD परतावा (%)सरासरी दैनिक डॉलर m
SNDK61214358
MRNA387.96145
AEHR310.7196
DELL308.13919
TWST293.1206
TXG284.1143
AXTI258.4422
MU243.920030
STX201.32215
AAOI190.3689
प्रत्येक आकड्यामागील अचूक SQL
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
स्वतः चालवून पहा

SNDK वर्षाच्या सुरुवातीपासून 612% वाढीसह आघाडीवर आहे. त्यानंतर MRNA 387.9% वाढीसह आणि AEHR 310.7% वाढीसह तिसऱ्या क्रमांकावर आहे. यादीतील दहाव्या क्रमांकावरील AAOI देखील 190.3% वाढले आहे. त्यामुळे संपूर्ण यादीने कोणत्याही व्यापक indexपेक्षा मोठी आघाडी घेतली आहे.

प्रत्येक वाढीसमोरील dollar रकान्यातील माहितीही टक्केवारीइतकीच महत्त्वाची आहे. AAOIमध्ये दररोज सरासरी सुमारे $689 million किमतीची उलाढाल होते. यादीच्या शीर्षस्थानी असलेल्या SNDKमध्ये दररोज सरासरी $14358 millionची उलाढाल होते. या यादीतील प्रत्येक शेअरमध्ये दररोज $100 millionपेक्षा जास्त व्यवहार होतात. मात्र या किमान पातळीवरील फरक इतका मोठा आहे की समान headline percentageचा अर्थ या श्रेणीच्या दोन्ही टोकांना वेगळा होतो. कमी व्यवहार होणाऱ्या शेअरची किंमत ढकलणे सोपे असते आणि स्क्रीनवर दिसणाऱ्या किमतीवर तो विकणे अधिक कठीण असते.

2026 मधील सर्वाधिक घसरणारे शेअर्स

याच मोजमापाची उलट बाजू: समान liquidity floor पार करणाऱ्या शेअर्समधील year-to-date सर्वाधिक घसरण.

क्वेरी2026 मधील सर्वाधिक घसरणारे समभाग: मोठ्या प्रमाणावर व्यवहार होणाऱ्या समभागांमधील वर्षाच्या सुरुवातीपासूनचे सर्वात खराब दहा
टिकरYTD परतावा (%)सरासरी दैनिक डॉलर m
TTD-62.2194
CSGP-53.9146
FLUT-53.7139
APP-53.11203
LULU-51.9603
STLA-50.8105
KLAR-50.4118
BSX-50.1780
JOBY-49.9157
INTU-49.61191
प्रत्येक आकड्यामागील अचूक SQL
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
स्वतः चालवून पहा

year-to-date सर्वाधिक घसरण TTDची असून ती -62.2% इतकी आहे. त्यानंतर CSGPचा -53.9% इतका घसरणीचा दर आहे. यादीतील दहाव्या क्रमांकावर INTU असून त्याची घसरण -49.6% इतकी आहे. या यादीतील अनेक कंपन्या मोठ्या आणि मोठ्या प्रमाणावर धारण केल्या जाणाऱ्या आहेत; त्या speculative micro caps नाहीत. Loser list मधील हाच भाग अनेकांना आश्चर्यचकित करतो. Liquidity आणि analyst coverage शेअरच्या किमतीला कोणताही आधार देत नाहीत. यापैकी एखादा शेअर पोर्टफोलिओतील disproportionate हिस्सा म्हणून धारण करणाऱ्यांना संपूर्ण घसरण सहन करावी लागली. एकाच शेअरमध्ये गुंतवणूक धारण करण्याचा धोका हे पृष्ठ volatility आणि drawdownच्या आकडेवारीद्वारे मोजते.

2026 मध्ये बाजारातील किती भाग वाढला आहे

लीडरबोर्डमध्ये केवळ दोन टोकांचे चित्र दिसते. Breadthमधून बाजाराचा संपूर्ण विस्तार दिसतो: आकारानुसार वर्गीकृत केलेल्या हालचालींमध्ये, index fundsसह तपासलेल्या संपूर्ण universeचे वाढणाऱ्या आणि घसरणाऱ्या शेअर्समध्ये कसे विभाजन होते हे त्यातून स्पष्ट होते.

क्वेरीवर्षाच्या सुरुवातीपासूनची व्याप्ती: तपासलेल्या समूहाचे परताव्याच्या वर्गांनुसार वितरण
गटनावेबाजूचा हिस्सा (%)
Down 40%+1936.7
Down 20-40%7236.7
Down 10-20%8536.7
Down 0-10%15836.7
Up 0-10%14563.3
Up 10-25%19463.3
Up 25-50%13463.3
Up 50%+10463.3
प्रत्येक आकड्यामागील अचूक SQL
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
स्वतः चालवून पहा

तपासलेल्या शेअर्सपैकी 63.3% वर्षाच्या सुरुवातीपासून वाढले आहेत आणि 36.7% घसरले आहेत. Top-ten तक्त्यातून दिसत नाही ते वितरण येथे दिसते. एका टोकाला Down 40%+ bucketमध्ये 19 शेअर्स आहेत, तर दुसऱ्या टोकाला Up 50%+ bucketमध्ये 104 शेअर्स आहेत. unchangedच्या दोन्ही बाजूंना Down 0-10% bucketमध्ये 158 आणि Up 0-10% bucketमध्ये 145 शेअर्स आहेत. कोणत्याही वर्षात बाजारातील बहुतांश शेअर्समध्ये सामान्य स्वरूपाची हालचाल होते. वरील दोन तक्त्यांतील शेअर्स हे त्या सरासरी ज्या अपवादांपासून तयार होतात ते अपवाद आहेत.

बाजाराची एकूण स्थिती

एखाद्या शेअरची वर्षभरातील कामगिरी बाजाराच्या कामगिरीच्या तुलनेत वेगळी दिसते. अगदी याच कालावधीत चार प्रमुख index ETFsची कामगिरी अशी होती:

क्वेरीचार प्रमुख निर्देशांक ETF: त्याच मोजमाप कालावधीतील वर्षाच्या सुरुवातीपासूनची कामगिरी
लेबलYTD परतावा (%)मोजणी प्रारंभ दिनांकमोजणी समाप्ती दिनांक
Russell 2000 (IWM)19.52026-01-022026-09-04
Nasdaq 100 (QQQ)162026-01-022026-09-04
S&P 500 (SPY)12.32026-01-022026-09-04
Dow (DIA)10.82026-01-022026-09-04
प्रत्येक आकड्यामागील अचूक SQL
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
स्वतः चालवून पहा

दोन्ही तक्ते आणि वरील पॅनेल एकाच कालावधीवर आधारित आहेत: 2026 मधील पहिल्या पूर्ण सत्रापासून (2026-01-02) ते नुकत्याच पूर्ण झालेल्या सत्रापर्यंत (2026-09-04). या कालावधीत Russell 2000 (IWM)ने 19.5% परतावा दिला, तर Dow (DIA)ने 10.8% परतावा दिला. वाढलेल्या शेअर्सच्या तक्त्यातील प्रत्येक नावाने या चारही निर्देशांकांना मोठ्या फरकाने मागे टाकले. हे निर्देशांकाच्या गणिताचे स्वरूप आहे: शेकडो होल्डिंग्जची सरासरी एकाच रेषेत मांडली जाते आणि स्वतंत्र शेअर्समधील हालचाली अंशतः एकमेकांना निष्प्रभ करतात. त्या रेषेखालील spread स्वतः त्या रेषेपेक्षा कितीतरी व्यापक होता. पहिल्या सहामाहीतील sector scorecardमध्ये सर्व अकरा sectorsची परस्पर तुलना करून क्रमवारी दिली आहे.

वर्षाच्या सुरुवातीपासूनची वाढ खोटी दाखवणारा stock split

Stock splitमुळे होल्डिंगचे मूल्य न बदलता शेअर्सची संख्या आणि प्रति-शेअर किंमत बदलते. इतक्या दीर्घ कालावधीत अनेक कंपन्या split करतात. त्यामुळे समायोजन न केलेली year-to-date गणना प्रति-शेअर किमतीतील बदलालाच कामगिरी समजते. खालील प्रत्येक नावाने 2026 मध्ये किमान एक-पंचमांशाने प्रति-शेअर किंमत बदलवणारा split किंवा stock dividend केला होता. प्रत्येकाने समान liquidity floorदेखील पार केला होता. त्यामुळे split filterने त्यांना काढून टाकण्यापूर्वी ते वरील boardsसाठी पात्र होते.

क्वेरीफलकातून वगळलेले: वर्षाच्या सुरुवातीपासूनच्या बदलाचा आभास निर्माण करणारे 2026 मधील मोठे स्प्लिट
टिकरअसमायोजित YTD (%)स्टॉक स्प्लिटचा किंमत परिणाम (%)स्प्लिट प्रकारस्प्लिट दिनांक
BKNG-96.4-96forward split2026-04-06
KLAC-85.3-90forward split2026-06-12
VGT-84.1-87.5forward split2026-04-21
CVNA-82.3-80forward split2026-05-08
VUG-82-83.3forward split2026-04-21
HDV-75.8-80forward split2026-04-29
IWF-74.1-75forward split2026-04-29
VO-71.7-75forward split2026-04-21
CRWD-55-75stock dividend2026-07-02
MNST-42.9-50stock dividend2026-08-11
APH-39.6-50stock dividend2026-09-03
HON7.1100reverse split2026-06-29
MVLL18.7-66.7forward split2026-06-26
DD225.5200reverse split2026-06-24
प्रत्येक आकड्यामागील अचूक SQL
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
स्वतः चालवून पहा

समायोजन न केलेल्या screenवर BKNG हे forward split मुळे त्याची प्रति-शेअर किंमत -96% बदलल्यानंतर -96.4% दाखवेल. त्याचप्रमाणे, forward split मुळे त्याची किंमत -90% बदलल्यानंतर KLAC हे -85.3% दाखवेल. split लागू झालेल्या दिवशी दोन्हीपैकी कोणत्याही होल्डरचे काहीही नुकसान झाले नाही. प्रति-शेअर किंमत ज्या घटकाने विभागली गेली, त्याच घटकाने शेअर्सची संख्या वाढली. ‘split effect’ स्तंभ केवळ splitमुळे झालेला किमतीतील बदल वेगळा दाखवतो. समायोजन न केलेली screen हाच बदल कामगिरी म्हणून वाचते.

Panelमधील शेवटची ओळ उलट दिशेने जाते: DD हे reverse split मुळे त्याची प्रति-शेअर किंमत 200% वाढल्यानंतर 225.5% दाखवते. म्हणजे किंमत कमी होण्याऐवजी वाढते. हा टप्पा वगळणारी कोणतीही यादी एकाच वेळी वरच्या आणि खालच्या भागात चुकीची माहिती प्रकाशित करते. म्हणूनच screen split tickers वेगळे ठेवते; त्यांच्या किमती नंतर दुरुस्त करण्याचा प्रयत्न करत नाही. एखादा fundदेखील या panelमध्ये येऊ शकतो. Index fundsदेखील त्यांचे शेअर्स split करतात आणि ही screen दोन्ही प्रकारांचा समावेश करते.

ही स्क्रीन कशी मोजली जाते

स्क्रीनच्या प्रत्येक टप्प्यानंतर उरलेल्या नावांची संख्या:

क्वेरीतपासणीची टप्प्याटप्प्याने प्रक्रिया: प्रत्येक निकषानंतर टिकून राहणाऱ्या समभागांची संख्या
स्क्रीन टप्पानावे
Traded the first and the last full session4399
Averaging $100m+ a day over the past month990
Opened 2026 above $10 a share959
Not on the excluded-fund list927
No split or stock dividend in 2026911
प्रत्येक आकड्यामागील अचूक SQL
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
)
स्वतः चालवून पहा

संपूर्ण पद्धत:

  • कालावधी. 2026 मधील पहिल्या पूर्ण trading sessionपासून tapeवरील सर्वात अलीकडच्या पूर्ण sessionपर्यंतचा कालावधी घेतला आहे. दोन्ही टोकांचे दिवस minute barsमधून घेतले आहेत. एखादा session regular-hours मधील barsची पूर्ण संख्या दर्शवत असेल, तरच तो मोजला जातो. त्यामुळे सुरू असलेला दिवस पूर्ण झालेला मानला जात नाही.
  • परतावा. वर्षातील पहिल्या regular-session openची तुलना शेवटच्या regular-session closeशी केली आहे. हा परतावा minute barsमधून मोजला आहे. Premarket आणि after-hours prints वगळले आहेत. हे price returns आहेत; dividends पुन्हा जोडलेले नाहीत. त्यामुळे high-yield नावाचा आकडा total-returnच्या तुलनेत किंचित कमी दिसतो.
  • Liquidity floor. मागील 20 calendar daysमध्ये प्रत्येक पूर्ण regular-hours sessionसाठी सरासरी किमान $100 million turnover असणे आवश्यक आहे. फक्त सुरुवातीपासून शेवटपर्यंत चाललेले sessions मोजले आहेत. अन्यथा अर्धवट sessionमधील एका दिवसाची काही रक्कम पूर्ण दिवसाच्या विभागकाने भागली जाईल आणि प्रत्येक नावाचा turnover कमी दिसेल. या एकाच filterमुळे universe 4399 tickersवरून 990पर्यंत येते.
  • Price floor. वर्षाच्या सुरुवातीला शेअरची किंमत $10पेक्षा जास्त असणे आवश्यक आहे. $10पेक्षा कमी किंमतीची नावे लहान price stepsमधून मोठ्या टक्केवारीच्या हालचाली दाखवतात.
  • Leveraged आणि inverse funds curated listच्या आधारे वगळले आहेत. प्रत्येक tableखालील SQLमध्ये ही यादी पूर्णपणे दिली आहे. त्यात index-geared funds आणि एखाद्या कंपनीच्या दैनंदिन हालचालीचा गुणाकार करणारे single-stock funds समाविष्ट आहेत. कंपनीशी संबंधित एकही बातमी नसताना geared fund कोणत्याही raw movers listमध्ये वर येऊ शकतो. ही यादी हाताने maintain केली जाते, हीच तिची मर्यादा आहे: या महिन्यात सुरू झालेला fund कोणी त्याचे नाव जोडल्यावरच वगळला जाईल.
  • सामान्य funds वगळलेले नाहीत. Liquidity आणि price floors पूर्ण करणारा unlevered index किंवा sector ETF येथे operating companiesसोबत rank केला जातो आणि breadth countsमध्येही समाविष्ट असतो. Fund हा त्याच universeमध्ये आधीच मोजलेल्या नावांची basket असतो. त्यामुळे या rowsचा अर्थ basketने केलेली कामगिरी असा घ्यावा; ती एखाद्या एकाच कंपनीची वर्षभरातील कामगिरी नाही.
  • Splits. 2026मध्ये split किंवा stock dividend लागू झालेला कोणताही ticker, ratio कितीही लहान असला तरी, बाजूला ठेवला आहे. हा conservative पर्याय आहे. त्यामुळे काही खऱ्या अर्थाने चांगली कामगिरी करणाऱ्या नावांना यादीत स्थान मिळत नाही; पण share-countमधील बदलाला परतावा म्हणून कधीही प्रकाशित केले जात नाही. वरच्या panelमध्ये split इतका मोठा असल्यामुळे हालचाल चुकीची भासू शकणारी वगळलेली नावे दाखवली आहेत.
  • उशिरा झालेल्या listings. वर्षातील पहिल्या sessionनंतर list झालेल्या कंपनीसाठी January price उपलब्ध नसतो. त्यामुळे ती या tablesमध्ये नसते. नवीन listingsचे प्रमाण मोठे असलेल्या वर्षात ही वास्तविक उणीव आहे.
  • निकाल. 911 नावे rank केली आहेत. त्यापैकी सर्वोच्च आणि सर्वात खालची दहा नावे या पृष्ठावरील दोन boards आहेत.

तीन कालावधींमध्ये तोच प्रश्न

Year to date हा शिडीवरील एक टप्पा आहे आणि प्रत्येक कालावधीत बाजारातील हालचाली वेगळ्या दिसतात. आठवड्याच्या आढाव्यात या आठवड्यातील सर्वाधिक वाढलेले आणि घसरलेले शेअर्स, महिन्याच्या आढाव्यात या महिन्यातील सर्वाधिक हालचाल झालेले शेअर्स दिसतात; तर हे पृष्ठ वर्षभराचा कालावधी पाहते. प्रत्येक टप्प्यासाठी निवड निकष वेगळे आहेत. हे पृष्ठ मागील महिन्यातील दररोजच्या सरासरी $100 million व्यवहारांवर आधारित आहे. त्याउलट, आठवड्याचे आणि महिन्याचे पृष्ठ त्यांच्या संबंधित कालावधीत झालेल्या एकूण डॉलर-मूल्याच्या व्यवहारांवर आधारित आहेत. त्यामुळे एखादे नाव एका यादीत पात्र ठरू शकते, पण दुसऱ्या यादीत नाही. एखाद्या earnings reactionनंतर साप्ताहिक यादीत अव्वल ठरलेले नाव वर्षभराच्या यादीत अनेकदा मधल्या क्रमांकावर असते. या वर्षातील आतापर्यंतच्या व्यापक बाजारकथेसाठी पहिल्या सहामाहीचा बाजार आढावा index, rates आणि sectorविषयक तपशील देतो. तसेच leveraged ETFs कसे काम करतात हे geared funds येथे स्वतंत्र का ठेवले आहेत, ते स्पष्ट करते.

वारंवार विचारले जाणारे प्रश्न

2026 मधील सर्वाधिक कामगिरी करणारा स्टॉक कोणता?

दररोज सरासरी किमान $100 millionचा व्यवहार होणाऱ्या, वर्षाची सुरुवात $10 पेक्षा जास्त किंमतीने करणाऱ्या, 2026 मध्ये split नसलेल्या आणि leveraged-fund यादीत नसलेल्या शेअर्समध्ये SNDK हा आजपर्यंत 2026 मधील सर्वाधिक कामगिरी करणारा स्टॉक आहे. वर्षातील पहिल्या सत्राच्या तुलनेत तो 612% वाढला आहे. MRNA हा 387.9% वाढीसह दुसऱ्या क्रमांकावर आहे.

2026 मध्ये कोणत्या स्टॉक्समध्ये सर्वाधिक घसरण झाली?

या स्क्रीनवर TTD हा 2026 मधील सर्वाधिक घसरण झालेला स्टॉक आहे. त्याची घसरण -62.2% आहे. CSGP हा -53.9% घसरणीसह त्यानंतर आहे. 2026 मधील सर्वाधिक घसरण झालेल्या स्टॉक्सची संपूर्ण यादी वरील दुसऱ्या तक्त्यात आहे. वर्ष पुढे सरकत असताना ती अद्ययावत केली जाते.

वर्षाच्या सुरुवातीपासूनचा स्टॉक परतावा कसा मोजला जातो?

वर्षाच्या सुरुवातीपासूनचा परतावा हा सर्वात अलीकडील किंमतीची तुलना कॅलेंडर वर्षाच्या सुरुवातीच्या किंमतीशी करतो आणि बदल टक्केवारीत दर्शवतो. येथे 2026 मधील पहिल्या नियमित सत्राच्या openingची तुलना सर्वात अलीकडे पूर्ण झालेल्या सत्राच्या closingशी केली आहे. वर्षादरम्यान split झालेले स्टॉक्स समायोजित करण्याऐवजी वेगळे ठेवले जातात. त्यामुळे वाचक आणि tape यांच्या मध्ये कोणताही adjustment factor राहत नाही.

2026 मधील वाढलेल्या स्टॉक्सच्या यादीत leveraged ETFsचा समावेश आहे का?

नाही. Leveraged किंवा inverse fund हा index किंवा एखाद्या स्टॉकमधील दैनंदिन हालचाल अनेकपटीने वाढवतो. त्यामुळे कंपनीशी संबंधित कोणतीही बातमी नसतानाही तो raw movers यादीत सहज वर येऊ शकतो. Ranking करण्यापूर्वी अशा fundsना नावाच्या आधारे काढून टाकले जाते. प्रत्येक तक्त्याखालील SQLमध्ये ही यादी पाहता येते. साधे index आणि sector ETFs वेगळे आहेत. ते कोणत्याही स्टॉकप्रमाणेच समान किमान निकष पूर्ण करतात आणि येथे त्यांचे ranking केले जाते. त्यामुळे एखादा fund दोन्हीपैकी कोणत्याही यादीत दिसू शकतो.

येथील प्रत्येक तक्ता SQLसह जोडलेली stored query आहे. स्क्रीनचे परीक्षण करण्यासाठी कोणताही panel उघडा किंवा Strasmore terminalवर स्वतःचे किमान निकष वापरून तो पुन्हा तयार करा.

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