Strasmore Research
बाजार आढावा Matt Connorद्वारे Matt Connor · अपडेटेड 2026-07-24 · data as of July 24, 2026 · refreshed weekly

या महिन्यातील सर्वाधिक वाढणारे आणि पडणारे शेअर्स

या महिन्यात सर्वाधिक वाढणारे आणि घटणारे शेअर्स यांची यादी. यामध्ये प्रत्येक व्यवहाराची रक्कम आणि टक्केवारीसह एक्सचेंज टेपवर आधारित अचूक माहिती दिली आहे.

या महिन्यात सर्वाधिक हालचाल करणाऱ्या शेअर्सची यादी खालीलप्रमाणे आहे. यामध्ये 21 पूर्ण झालेल्या ट्रेडिंग सेशन्सचा, म्हणजेच Jun 23 ते Jul 22 या कालावधीचा समावेश आहे. या यादीमध्ये केवळ अशा कंपन्यांचा समावेश आहे ज्यांचा व्यवहाराचा आकार या कालावधीत किमान $1 billion होता, त्यामुळे यातील प्रत्येक हालचाल वास्तविक व्यवहारांवर आधारित आहे. यामध्ये लेव्हरेज्ड आणि इन्व्हर्स फंड्सचा समावेश नाही. नवीन सेशन्स पूर्ण होताच ही यादी अपडेट केली जाते.

या महिन्यातील सर्वाधिक वाढारे शेअर्स

ही तालिका ठराविक कालावधीतील सर्वात मोठ्या वाढीचा क्रम दर्शवते. प्रत्येक ओळीत टक्केवारीसोबतच झालेल्या व्यवहाराची रक्कम दिली आहे, ज्यावरून मोठ्या प्रमाणात झालेल्या रिप्राइसिंगमधील फरक समजतो.

क्वेरीया महिन्यातील सर्वाधिक वाढणारे शेअर्स ($1B+ ट्रेडिंग व्हॉल्यूम)
प्रत्येक आकड्यामागील अचूक SQL
WITH window_days AS (
    SELECT d
    FROM (
        SELECT d, max(d) OVER () AS last_full
        FROM (
            SELECT d
            FROM (
                SELECT d, bars, medianExact(bars) OVER () AS typical_bars
                FROM (
                    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d, count() AS bars
                    FROM global_markets.delayed_stocks_minute_aggs
                    WHERE window_start >= now() - INTERVAL 34 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 d
                    HAVING d < toDate(toTimeZone(now(), 'America/New_York'))
                )
            )
            WHERE bars >= 0.85 * typical_bars
        )
    )
    WHERE d > last_full - 30
)
SELECT ticker,
       round((argMax(c, d) / argMin(o, d) - 1) * 100, 1) AS month_return_pct,
       round(sum(dollars) / 1e9, 1) AS month_dollar_bn
FROM (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS d,
           argMin(toFloat64(open), window_start) AS o,
           argMax(toFloat64(close), window_start) AS c,
           sum(toFloat64(close) * toFloat64(volume)) AS dollars
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 34 DAY
      AND toDate(toTimeZone(window_start, 'America/New_York')) IN (SELECT d FROM window_days)
      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','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 IN (SELECT ticker FROM global_markets.stocks_ratios
                     WHERE market_cap > 0)
      AND ticker NOT IN (SELECT ticker FROM global_markets.stocks_splits
                         WHERE execution_date BETWEEN today() - 45 AND today())
    GROUP BY ticker, d
)
GROUP BY ticker
HAVING sum(dollars) >= 1000000000 AND argMin(o, d) >= 10 AND count() >= 15
ORDER BY argMax(c, d) / argMin(o, d) DESC
LIMIT 10

CRNX ने $9.7 billion च्या व्यवहारासह 136.1% वर आघाडी घेतली, तर PBF 65.9% वर आणि MAN 62.1% वर होते. एका महिन्यात इतकी मोठी हालचाल सहसा शेअरच्या average daily volume च्या तुलनेत वाढलेल्या relative volume द्वारे दिसून येते. ही वाढ संपूर्ण कालावधीत सातत्याने होण्याऐवजी अनेकदा एका सत्रात overnight gap ने सुरू होते.

या महिन्यातील सर्वाधिक घसरणीचे शेअर्स

उलट प्रक्रिया: ज्या कंपन्यांचा व्यवहार $1 billion च्या मर्यादेपेक्षा जास्त आहे, त्यातील ठराविक कालावधीत सर्वाधिक घसरणीचे शेअर्स.

क्वेरीया महिन्यातील सर्वाधिक घसरणारे शेअर्स ($1B+ ट्रेडिंग व्हॉल्यूम)
प्रत्येक आकड्यामागील अचूक SQL
WITH window_days AS (
    SELECT d
    FROM (
        SELECT d, max(d) OVER () AS last_full
        FROM (
            SELECT d
            FROM (
                SELECT d, bars, medianExact(bars) OVER () AS typical_bars
                FROM (
                    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d, count() AS bars
                    FROM global_markets.delayed_stocks_minute_aggs
                    WHERE window_start >= now() - INTERVAL 34 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 d
                    HAVING d < toDate(toTimeZone(now(), 'America/New_York'))
                )
            )
            WHERE bars >= 0.85 * typical_bars
        )
    )
    WHERE d > last_full - 30
)
SELECT ticker,
       round((argMax(c, d) / argMin(o, d) - 1) * 100, 1) AS month_return_pct,
       round(sum(dollars) / 1e9, 1) AS month_dollar_bn
FROM (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS d,
           argMin(toFloat64(open), window_start) AS o,
           argMax(toFloat64(close), window_start) AS c,
           sum(toFloat64(close) * toFloat64(volume)) AS dollars
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 34 DAY
      AND toDate(toTimeZone(window_start, 'America/New_York')) IN (SELECT d FROM window_days)
      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','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 IN (SELECT ticker FROM global_markets.stocks_ratios
                     WHERE market_cap > 0)
      AND ticker NOT IN (SELECT ticker FROM global_markets.stocks_splits
                         WHERE execution_date BETWEEN today() - 45 AND today())
    GROUP BY ticker, d
)
GROUP BY ticker
HAVING sum(dollars) >= 1000000000 AND argMin(o, d) >= 10 AND count() >= 15
ORDER BY argMax(c, d) / argMin(o, d) ASC
LIMIT 10

CLBK मध्ये -44.6% ची सर्वाधिक घसरण झाली, ज्याचा व्यवहार $1.1 billion होता, त्यानंतर NVTS -41.6% वर आहे. या तक्त्यातील डॉलरचा स्तंभ तपासा. मोठ्या व्यवहारांमध्ये झालेली घसरण आणि शांत मार्केटमधील घसरण या दोन वेगळ्या घटना आहेत; येथे त्या गृहीत न धरता स्पष्टपणे दर्शविल्या आहेत.

तीन कालमर्यादांमधील एकच प्रश्न

एक प्रश्न, तीन कालमर्यादा. एखादा शेअर एका बोर्डवर आघाडीवर असू शकतो, पण इतर दोनमध्ये तो कुठेही दिसणार नाही.

हे तिन्ही बोर्ड वेगळ्या पद्धतीने तयार केले आहेत आणि त्यांची माहिती समान नाही. साप्ताहिक पानाच्या बाबतीत, पाच सत्रांच्या कालावधीसाठी स्वतःची liquidity floor आणि session minimum असते. तर year-to-date पानाच्या बाबतीत, एकूण व्यवहारित रकमेऐवजी सरासरी दैनंदिन dollar volume वर आधारित माहिती दिली जाते. प्रत्येक पानाच्या 'method' विभागात स्वतःचे नियम दिलेले आहेत, त्यामुळे एका बोर्डावरील शेअर दुसऱ्या बोर्डावर पाहण्यापूर्वी ते नियम वाचून घ्यावेत.

एखादी मोठी दरी (gap) साप्ताहिक बोर्डावर प्रकर्षाने दिसते, परंतु वर्षभरात ती कमी होते. मासिक कालावधीतील संथ हालचाल साप्ताहिक बोर्डापर्यंत कधीच पोहोचत नाही. एका दिवसाची घटना आणि दीर्घकालीन trend यातील फरक ओळखण्यासाठी तिन्ही बोर्डांची तुलना करणे हा सर्वात सोपा मार्ग आहे.

त्याच कालावधीत बाजारची स्थिती

एका शेअरची मासिक कामगिरी ही बाजाराच्या मासिक कामगिरीपेक्षा वेगळी असू शकते. चार प्रमुख इंडेक्स ट्रॅकर्स, ज्यांचा आधार त्या कालावधीतील पहिल्या ओपनिंग प्रिंटवर आधारित आहे:

क्वेरीएकाच कालावधीतील चार प्रमुख index trackers, पहिल्या ओपननुसार rebased
प्रत्येक आकड्यामागील अचूक SQL
WITH window_days AS (
    SELECT d
    FROM (
        SELECT d, max(d) OVER () AS last_full
        FROM (
            SELECT d
            FROM (
                SELECT d, bars, medianExact(bars) OVER () AS typical_bars
                FROM (
                    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d, count() AS bars
                    FROM global_markets.delayed_stocks_minute_aggs
                    WHERE window_start >= now() - INTERVAL 34 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 d
                    HAVING d < toDate(toTimeZone(now(), 'America/New_York'))
                )
            )
            WHERE bars >= 0.85 * typical_bars
        )
    )
    WHERE d > last_full - 30
)
SELECT session,
       round(anyIf(cum_pct, ticker = 'SPY'), 2) AS sp500_pct,
       round(anyIf(cum_pct, ticker = 'QQQ'), 2) AS nasdaq100_pct,
       round(anyIf(cum_pct, ticker = 'DIA'), 2) AS dow_pct,
       round(anyIf(cum_pct, ticker = 'IWM'), 2) AS russell2000_pct
FROM (
    SELECT ticker,
           formatDateTime(d, '%Y-%m-%d') AS session,
           100 * (c / first_value(o) OVER (PARTITION BY ticker ORDER BY d) - 1) AS cum_pct
    FROM (
        SELECT ticker,
               toDate(toTimeZone(window_start, 'America/New_York')) AS d,
               argMin(toFloat64(open), window_start) AS o,
               argMax(toFloat64(close), window_start) AS c
        FROM global_markets.delayed_stocks_minute_aggs
        WHERE window_start >= now() - INTERVAL 34 DAY
          AND ticker IN ('SPY', 'QQQ', 'DIA', 'IWM')
          AND toDate(toTimeZone(window_start, 'America/New_York')) IN (SELECT d FROM window_days)
          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, d
    )
)
GROUP BY session
ORDER BY session

शेवटच्या सत्रापर्यंत S&P 500 ट्रॅकर 1.85% वर, Nasdaq 100 ट्रॅकर -1.47% वर, Dow ट्रॅकर 1.33% वर आणि Russell 2000 ट्रॅकर 0.17% वर होता. चार इंडेक्स, एक कालावधी आणि चार वेगवेगळी उत्तरे. आता या श्रेणीच्या तुलनेत लीडरबोर्ड पहा: त्याच सत्रांमध्ये सर्वाधिक नफा देणाऱ्या कंपन्यांची यादी 136.1% च्या वर पोहोचली. वैयक्तिक कंपन्यांची कामगिरी त्यांच्यातील इंडेक्सपेक्षा कितीतरी जास्त विखुरलेली असते, म्हणूनच 'मूव्हर्स लिस्ट' मध्ये वैयक्तिक नावांची यादी असते.

प्रमुख कंपन्यांची कामगिरी कशी राहिली

या महिन्यात सर्वाधिक परतावा देणारे शेअर्स शोधणाऱ्या गुंतवणूकदारांना, त्यांच्या पोर्टफोलिओतील कंपन्यांची स्थिती जाणून घेण्यातही रस असतो. खालील आठ मोठ्या कंपन्यांचा (mega-caps) एक निश्चित समूह, समान कालावधीसाठी आणि समान रचनेसाठी दिला आहे:

क्वेरीएकाच कालावधीतील आठ प्रमुख mega-cap कंपन्या
प्रत्येक आकड्यामागील अचूक SQL
WITH window_days AS (
    SELECT d
    FROM (
        SELECT d, max(d) OVER () AS last_full
        FROM (
            SELECT d
            FROM (
                SELECT d, bars, medianExact(bars) OVER () AS typical_bars
                FROM (
                    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d, count() AS bars
                    FROM global_markets.delayed_stocks_minute_aggs
                    WHERE window_start >= now() - INTERVAL 34 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 d
                    HAVING d < toDate(toTimeZone(now(), 'America/New_York'))
                )
            )
            WHERE bars >= 0.85 * typical_bars
        )
    )
    WHERE d > last_full - 30
)
SELECT ticker,
       round((argMax(c, d) / argMin(o, d) - 1) * 100, 1) AS month_return_pct
FROM (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS d,
           argMin(toFloat64(open), window_start) AS o,
           argMax(toFloat64(close), window_start) AS c
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 34 DAY
      AND ticker IN ('AAPL', 'MSFT', 'NVDA', 'AMZN', 'GOOGL', 'META', 'TSLA', 'AVGO')
      AND toDate(toTimeZone(window_start, 'America/New_York')) IN (SELECT d FROM window_days)
      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 (SELECT ticker FROM global_markets.stocks_splits
                         WHERE execution_date BETWEEN today() - 45 AND today())
    GROUP BY ticker, d
)
GROUP BY ticker
HAVING count() >= 15
ORDER BY argMax(c, d) / argMin(o, d) DESC

या समूहात 11.5% ते META पर्यंत सर्वाधिक वाढ आणि -4.7% ते TSLA पर्यंत सर्वात कमी वाढ दिसून आली. या कंपन्यांनी एकसमान हालचाल केली नाही, जे सामान्यतः घडतेच. इंडेक्समध्ये या कंपन्यांचा समावेश असल्याने त्या एकत्र येतात; परंतु त्यांच्या महसूल स्रोतांमध्ये (revenue lines) फारसा संबंध नाही. हा समूह रँकिंग नसून आठ कंपन्यांची एक निश्चित यादी आहे, त्यामुळे याचा वापर केवळ दिशादर्शनासाठी करा, कंपन्यांच्या आकाराबद्दलचा दावा म्हणून नाही.

सामान्य महिना कसा असतो

लीडरबोर्ड्समध्ये केवळ टोकाची स्थिती दिसते. हे चार्ट मुख्य प्रवाहातील स्थिती दर्शवते. स्क्रीनवर आलेल्या सर्व 1167 कंपन्यांचे त्यांच्या परताव्यानुसार वर्गीकरण खालीलप्रमाणे आहे:

क्वेरीप्रत्येक निवडलेल्या कंपनीचा परतावा: bucket नुसार मासिक returns
प्रत्येक आकड्यामागील अचूक SQL
WITH window_days AS (
    SELECT d
    FROM (
        SELECT d, max(d) OVER () AS last_full
        FROM (
            SELECT d
            FROM (
                SELECT d, bars, medianExact(bars) OVER () AS typical_bars
                FROM (
                    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d, count() AS bars
                    FROM global_markets.delayed_stocks_minute_aggs
                    WHERE window_start >= now() - INTERVAL 34 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 d
                    HAVING d < toDate(toTimeZone(now(), 'America/New_York'))
                )
            )
            WHERE bars >= 0.85 * typical_bars
        )
    )
    WHERE d > last_full - 30
)
SELECT tup.1 AS return_bucket,
       tup.3 AS stocks
FROM (
    SELECT arrayJoin(arrayZip(
               ['down 20% or more', 'down 10% to 20%', 'down 0% to 10%',
                'up 0% to 10%', 'up 10% to 20%', 'up 20% or more'],
               [1, 2, 3, 4, 5, 6],
               [countIf(r <= -20), countIf(r > -20 AND r <= -10), countIf(r > -10 AND r < 0),
                countIf(r >= 0 AND r < 10), countIf(r >= 10 AND r < 20), countIf(r >= 20)])) AS tup
    FROM (
        SELECT ticker,
               (argMax(c, d) / argMin(o, d) - 1) * 100 AS r
        FROM (
            SELECT ticker,
                   toDate(toTimeZone(window_start, 'America/New_York')) AS d,
                   argMin(toFloat64(open), window_start) AS o,
                   argMax(toFloat64(close), window_start) AS c,
                   sum(toFloat64(close) * toFloat64(volume)) AS dollars
            FROM global_markets.delayed_stocks_minute_aggs
            WHERE window_start >= now() - INTERVAL 34 DAY
              AND toDate(toTimeZone(window_start, 'America/New_York')) IN (SELECT d FROM window_days)
              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','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 IN (SELECT ticker FROM global_markets.stocks_ratios
                             WHERE market_cap > 0)
              AND ticker NOT IN (SELECT ticker FROM global_markets.stocks_splits
                                 WHERE execution_date BETWEEN today() - 45 AND today())
            GROUP BY ticker, d
        )
        GROUP BY ticker
        HAVING sum(dollars) >= 1000000000 AND argMin(o, d) >= 10 AND count() >= 15
    )
)
ORDER BY tup.2

स्क्रीन केलेल्या कंपन्यांपैकी 52 कंपन्यांनी या कालावधीत 20% किंवा अधिक परतावा मिळवला, तर 50 कंपन्यांनी 20% किंवा अधिक नुकसान सोसले. स्थिरतेच्या सर्वात जवळ असलेल्या दोन गटांमध्ये 300 आणि 515 कंपन्या होत्या. मूव्हर्स लीडरबोर्ड तयार करताना याच आकृतीचा वापर केला जातो आणि पहिल्या दहा कंपन्या त्याच्या सर्वात उजव्या टोकावर असतात. वरील बोर्ड्स वाचताना हे लक्षात ठेवा: महिन्यातील पहिल्या दहामधील हालचाल ही एक अपवादात्मक घटना असते, ती कोणत्याही सामान्य स्टॉकसाठी सामान्य महिना असू शकत नाही.

शेअरला मंथली मूव्हर्स लिस्टमध्ये काय स्थान मिळवून देते

एका महिन्यात अनेक घटना घडू शकतात, परंतु सहसा एखादी मोठी घटना प्रकर्षाने समोर येते. या लिस्ट मधील कंपन्यांची नावे सहसा त्यांच्या कॅलेंडरमधील महत्त्वाच्या तारखांशी संबंधित असतात. तिमाही निकाल (Quarterly results) हे सर्वात सामान्य कारण आहे: निकालांमुळे अपेक्षिततेपेक्षा जास्त किंवा कमी कामगिरी झाल्यामुळे एकाच सत्रात किंमती बदलतात आणि उर्वरित महिना त्या नवीन पातळीवर ट्रेड होतो. निकालांशिवाय केवळ 'गाइडन्स' (Guidance) बदलल्यामुळेही असेच घडते.

मर्जर आणि एक्विझिशन (Merger and acquisition) च्या बातम्यांचा मासिक लिस्टवर सर्वात स्पष्ट प्रभाव पडतो. शेअरची किंमत जाहीर केलेल्या डीलच्या किमतीच्या जवळ पोहोचते आणि त्यानंतर स्थिर होते; अशा वेळी टक्केवारीतील बदल कमी होत असला तरी, ट्रेड होणारी रक्कम (dollars traded) प्रचंड राहते. जर 'गेनर्स टेबल' मधील एखाद्या शेअरमध्ये मोठी रक्कम आणि महिन्याच्या मध्यात स्थिर झालेली किंमत दिसत असेल, तर त्या पॅटर्नची तपासणी करणे आवश्यक आहे.

एका आठवड्याच्या तुलनेत, एका महिन्यात सेक्टरमधील हालचाली अधिक महत्त्वाच्या ठरतात. व्याजदर (rates), तेल (oil) किंवा मेमरी प्राइसिंगमधील बदलामुळे संपूर्ण क्षेत्रातील कंपन्यांवर एकत्रित परिणाम होतो. म्हणूनच मासिक लिस्टमध्ये दहा वेगवेगळ्या कंपन्यांऐवजी एकाच क्षेत्रातील कंपन्यांचा समूह वारंवार दिसून येतो. विश्लेषकांचे निर्णय (Analyst actions), इंडेक्समधील समावेश किंवा वगळणे, क्लिनिकल ट्रायल्स आणि नियामक निर्णय (regulatory readouts) आणि शॉर्ट स्क्वीझ (short squeezes) यामुळे ही लिस्ट पूर्ण होते. यातील कोणतीही गोष्ट केवळ टक्केवारीवरून स्पष्ट होत नाही, म्हणूनच येथे प्रत्येक हालचालीसोबत 'dollars-traded' कॉलम आणि मार्केटचा 'window' दिला जातो.

हे कसे मोजले जाते

येथे प्रत्येक मर्यादा (threshold) स्पष्टपणे नमूद केली आहे. लपलेले नियम असलेले स्क्रीन डेटा नसून ते प्रत्यक्षात एक मत असते.

  • विंडो (The window). सर्वात अलीकडील सत्र, ज्याचा पूर्ण डेटा उपलब्ध आहे, त्यापासून मागील 30 कॅलेंडर दिवसांचा कालावधी. हा कालावधी Jun 23 ते Jul 22 या 21 सत्रांचा आहे. एखादे सत्र पात्र आहे की नाही हे दोन नियमांवरून ठरते. ते न्यूयॉर्कमधील सध्याच्या तारखेपूर्वी बंद झालेले असावे, त्यामुळे चालू असलेले सत्र यामध्ये समाविष्ट नसते. तसेच, नियमित सत्रातील बार काउंट (bar count) हा 34-दिवसीय स्कॅनच्या median सत्राच्या 85% असावा लागतो; यामुळे डेटा भरत असलेले जुने सत्र वगळले जाते. सुट्ट्यांच्या दिवशीचे कमी वेळचे सत्र सामान्य दिवसाच्या तुलनेत फक्त अर्धे बार दर्शवते, त्यामुळे ते सत्र अपूर्ण मानून वगळले जाते.
  • रिटर्न (The return). विंडोमधील पहिले नियमित सत्राचे ओपनिंग प्राईस ते शेवटचे नियमित सत्राचे क्लोजिंग प्राईस, जे मिनिट बारपासून बनवलेले असते. यामध्ये फक्त नियमित सत्रांचा विचार केला जातो, त्यामुळे premarket आणि after-hours मधील व्यवहार वगळले जातात. हा 'प्राइस रिटर्न' आहे: यामध्ये डिव्हिडंड (dividends) समाविष्ट केले जात नाहीत.
  • फ्लोर्स (The floors). संपूर्ण विंडोमध्ये किमान $1 billion चा ट्रेड, $10 किंवा त्यापेक्षा जास्त ओपनिंग प्राईस आणि विंडोमधील किमान 15 सत्रांमध्ये व्यवहार असणे आवश्यक आहे. डॉलर फ्लोअर ही मासिक एकूण रक्कम आहे, ज्यामुळे ती एका आठवड्याच्या तुलनेत पूर्ण करणे सोपे जाते.
  • वगळलेले घटक (The exclusions). Leveraged आणि inverse funds नावाने वगळले जातात. प्रत्येक टिकरसाठी आमच्या संदर्भ डेटामध्ये कंपनीचे फंडामेंटल्स आणि मार्केट कॅपिटलायझेशन असणे आवश्यक आहे. या दुसऱ्या नियमामुळे ETFs, closed-end funds, commodity trusts आणि वेगाने वाढणारे leveraged single-stock products वगळले जातात, अन्यथा ते दोन्ही बोर्ड भरून काढतील. या संदर्भ टेबलमध्ये प्रत्येक टिकरसाठी एक ओळ असते, त्यामुळे कोणताही एक विशिष्ट दिनांक पात्र ठरवत नाही. ज्या टिकरचा गेल्या 45 दिवसांत स्टॉक स्प्लिट झाला आहे, त्याला वगळले जाते; कारण स्प्लिटमुळे प्रति शेअर किंमत बदलते पण गुंतवणुकीचे मूल्य बदलत नाही. व्हेंडर फीडमध्ये दोन वेगवेगळ्या कंपन्यांमध्ये पुनर्विनियोजित (reassigned) केलेले एक सिम्बॉल नावाने वगळले जाते.
  • मेगा-कॅप पॅनेल (The mega-cap panel). मोठ्या प्रमाणात धारण केलेल्या आठ मोठ्या US कंपन्यांचा एक निश्चित समूह, जो त्या पॅनेलच्या SQL मध्ये नावाने सूचीबद्ध आहे. यामध्ये विंडो आणि रिटर्नची रचना इतर बोर्डांसारखीच आहे, परंतु हे डॉलर-व्हॉल्यूम स्क्रीनच्या बाहेर असते.
  • काय लागू केले जात नाही. यामध्ये कोणताही सेक्टर फिल्टर, मार्केट-कॅप फ्लोअर किंवा इंडेक्स-मेंबरशिपची आवश्यकता नाही, त्यामुळे मोठ्या कंपनीसोबतच वेगाने बदलणारी लहान कंपनी देखील बोर्डावर असू शकते. रँकिंग फक्त टक्केवारीतील बदलावरून (percentage change) ठरते, म्हणूनच त्याच्या शेजारी 'dollars-traded' कॉलम दिला आहे.

एक पॅनेल या सर्वांचा तपशील (receipt) देतो: विंडोने कव्हर केलेले सत्र आणि प्रत्येक बोर्ड ज्या युनिव्हर्समधून स्कॅन केला गेला तो तपशील.

क्वेरीया पृष्ठावरील प्रत्येक बोर्डसाठी लागू असलेला कालावधी आणि निवडलेले universe
प्रत्येक आकड्यामागील अचूक SQL
WITH window_days AS (
    SELECT d
    FROM (
        SELECT d, max(d) OVER () AS last_full
        FROM (
            SELECT d
            FROM (
                SELECT d, bars, medianExact(bars) OVER () AS typical_bars
                FROM (
                    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d, count() AS bars
                    FROM global_markets.delayed_stocks_minute_aggs
                    WHERE window_start >= now() - INTERVAL 34 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 d
                    HAVING d < toDate(toTimeZone(now(), 'America/New_York'))
                )
            )
            WHERE bars >= 0.85 * typical_bars
        )
    )
    WHERE d > last_full - 30
),
screened AS (
    SELECT ticker
    FROM (
        SELECT ticker,
               toDate(toTimeZone(window_start, 'America/New_York')) AS d,
               argMin(toFloat64(open), window_start) AS o,
               sum(toFloat64(close) * toFloat64(volume)) AS dollars
        FROM global_markets.delayed_stocks_minute_aggs
        WHERE window_start >= now() - INTERVAL 34 DAY
          AND toDate(toTimeZone(window_start, 'America/New_York')) IN (SELECT d FROM window_days)
          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','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 IN (SELECT ticker FROM global_markets.stocks_ratios
                         WHERE market_cap > 0)
          AND ticker NOT IN (SELECT ticker FROM global_markets.stocks_splits
                             WHERE execution_date BETWEEN today() - 45 AND today())
        GROUP BY ticker, d
    )
    GROUP BY ticker
    HAVING sum(dollars) >= 1000000000 AND argMin(o, d) >= 10 AND count() >= 15
)
SELECT formatDateTime(w.first_d, '%b %e') AS first_session_date,
       formatDateTime(w.last_d, '%b %e') AS last_session_date,
       w.n AS sessions,
       (SELECT count() FROM global_markets.stocks_ratios WHERE market_cap > 0) AS companies_on_file,
       (SELECT count() FROM screened) AS companies_screened
FROM (SELECT min(d) AS first_d, max(d) AS last_d, count() AS n FROM window_days) AS w

या स्क्रीनची सुरुवात संदर्भ टेबलमधील मार्केट कॅपिटलायझेशन असलेल्या 4121 टिकर्सपासून झाली आणि डॉलर-व्हॉल्यूम, प्राईस आणि सेशन फ्लोअर पार करणाऱ्या 1167 कंपन्यांसह समाप्त झाली. हे दोन्ही आकडे या पेजच्या प्रत्येक रिफ्रेशसह स्टोअर केले जातात, त्यामुळे युनिव्हर्स कमी झाल्यास त्याचा तपशील (receipt) मध्ये दिसून येतो.

FAQ

या महिन्यात सर्वाधिक वाढणारे शेअर्स कोणते आहेत?

Jul 22 साठी संपणाऱ्या कालावधीत, $1 billion पेक्षा जास्त ट्रेडिंग करणाऱ्या कंपन्यांमध्ये 136.1% इतकी वाढ CRNX मध्ये आणि 65.9% इतकी वाढ PBF मध्ये झाली. पहिल्या दहा कंपन्यांची पूर्ण यादी या पृष्ठावरील पहिल्या तक्त्यात दिली आहे, जी नवीन सेशन्स पूर्ण होताना अपडेट होत राहते.

या महिन्यात सर्वाधिक घसरणीचे शेअर्स कोणते आहेत?

-44.6% इतकी मोठी घसरण CLBK मध्ये झाली, त्यानंतर -41.6% इतकी घसरण NVTS मध्ये झाली. या दोन्ही नोंदी 21 सेशन्ससाठी आहेत आणि वाढणाऱ्या शेअर्सप्रमाणेच यामध्येही $1 billion च्या किमान व्हॉल्यूमचा निकष लावला आहे.

मासिक स्टॉक रिटर्न्स कसे मोजले जातात?

येथील मासिक रिटर्न म्हणजे ठराविक कालावधीतील शेअरची पहिल्या रेग्युलर-सेशनच्या ओपनिंग प्राईसपासून ते शेवटच्या रेग्युलर-सेशनच्या क्लोजिंग प्राईसपर्यंत झालेली बदललेली किंमत होय, जी मिनिट बार्सवरून (minute bars) तयार केली जाते. हा 'प्राइस रिटर्न' आहे, त्यामुळे डिव्हिडंड्स समाविष्ट केले जात नाहीत. तसेच, ज्या कंपनीचा स्टॉक स्प्लिट त्या कालावधीच्या जवळ घडतो, अशा कंपन्यांना बॅक-अडजस्ट करण्याऐवजी या यादीतून वगळले जाते.

स्टॉक मूव्हर्स लिस्टमध्ये लेव्हरेज्ड ETFs का समाविष्ट नसतात?

लेव्हरेज्ड किंवा इन्व्हर्स फंड एखाद्या इंडेक्स किंवा सिंगल स्टॉकच्या दैनंदिन हालचालीचा गुणाकार करतात, त्यामुळे कोणत्याही कंपनीच्या बातमीशिवाय ते सामान्य मार्केट डे वर टॉप मूव्हर्स बोर्डात येऊ शकतात. त्यांना वगळल्यामुळे ही यादी केवळ कार्यरत कंपन्यांची राहते. लेव्हरेज्ड ETFs कसे काम करतात यामध्ये डेली रिसेट आणि एका महिन्यासाठी होणारे 'ड्रिफ्ट' याबद्दल माहिती दिली आहे.

वरील प्रत्येक पॅनेल ही एक स्टोर्ड क्वेरी आहे ज्यासोबत SQL जोडलेले आहे. एखादी क्वेरी उघडा, डॉलर फ्लोर किंवा कालावधीची लांबी बदला आणि Strasmore टर्मिनलवर स्वतः तीच माहिती तपासा.

#market movers#gainers and losers#monthly returns#market data