Strasmore Research
शिक्षण Matt Connorद्वारे Matt Connor · अपडेटेड 2026-07-25

सरासरी दैनंदिन व्हॉल्यूम ADV म्हणजे काय

सरासरी दैनंदिन व्हॉल्यूम म्हणजे शेअरचे दररोज सरासरी व्यवहार. हे कव्हर करण्यासाठी लागणारे दिवस, सापेक्ष व्हॉल्यूम आणि तरलता तपासणीत भाजक आहे.

सरासरी दैनंदिन व्हॉल्यूम — ADV — ही सर्वाधिक वापरली जाणारी संख्या आहे जी कोणीही स्पष्ट करण्याची तसदी घेत नाही: एका शेअरचे दररोज सरासरी व्यवहार, मागील काही कालावधीच्या सरासरीवर आधारित. ही कव्हर करण्यासाठी लागणारे दिवस यातील भाजक आहे, सापेक्ष व्हॉल्यूम मधील आधारभूत संख्या आहे, आणि प्रत्येक स्क्रीनरमधील तरलता चाचणी आहे — याचा अर्थ या प्रत्येक संख्येमध्ये ADV च्या शांत निवडी समाविष्ट आहेत: कोणता कालावधी, कोणते सत्र, शेअर्स की डॉलर्स. हे पान ADV ची योग्य व्याख्या करते, हाताने गणित स्पष्ट करते, आणि या प्रत्येक निवडीचे वास्तविक डेटावर मोजमाप करते.

सरासरी दैनंदिन व्हॉल्यूम, मोजलेले

चोवीस नियमित सत्रे — 11 जून ते 10 जुलै 2026 — चार परिचित नावे आणि एक हेतुपुरस्सर कमी व्हॉल्यूम असलेले नाव. शेअर्स, डॉलर्स, आणि (नंतरसाठी) प्रत्येक नावाच्या एकूण व्हॉल्यूमपैकी नियमित सत्राबाहेर व्यापार होणारा भाग:

क्वेरी२०-सत्र नियमित-तास ADV — शेअर्स, डॉलर्स आणि विस्तारित-तास शेअर (११ जून – १० जुलै, २०२६)
प्रत्येक आकड्यामागील अचूक 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

या सारणीत या पानाचा संपूर्ण युक्तिवाद आहे. MU आणि AAPL दररोज जवळपास समान संख्येने शेअर्सचा व्यापार करतात — 42.01M विरुद्ध 41.47M — पण डॉलर स्तंभ त्यांना मोठ्या प्रमाणात वेगळे करतो: दररोज $44.49B विरुद्ध $12.24B. शेअर्स क्रियाकलाप मोजतात; डॉलर्स पैसे मोजतात. अगदी वरच्या स्थानावरही क्रम बदलतो: SPY शेअर्समध्ये आघाडीवर आहे (46.01M 20 सत्रांमध्ये) तर MU डॉलर्समध्ये या सारणीत आघाडीवर आहे. आणि तळाशी, CATO दररोज 0.05 दशलक्ष शेअर्सचा व्यापार करते — इतके कमी पैसे की या प्रमाणात अब्ज स्तंभ 0 दाखवतो. हा असा प्रकारचा टेप आहे जिथे एकच संस्थात्मक ऑर्डर म्हणजे त्या दिवसाचा व्हॉल्यूम असतो, आणि जिथे व्यापार खर्च वेगळ्या विश्वात राहतात.

सरासरी दैनंदिन व्हॉल्यूम कशी मोजावी

हे अंकगणित मुद्दामच कंटाळवाणे आहे: निवडलेल्या कालावधीतील दैनंदिन शेअर व्हॉल्यूमची बेरीज करा आणि दिवसांच्या संख्येने भागा. कोका-कोलाच्या नियमित तासांच्या टेपचा एक पूर्ण आठवडा (जुलै 6-10, 2026), ज्यामध्ये चालू बेरीज आणि सरासरी एकाच क्वेरीमध्ये मोजली गेली आहे:

क्वेरीहाताने ADV — KO चे पाच दैनिक व्हॉल्यूम, त्यांची बेरीज आणि सरासरी (६–१० जुलै, २०२६)
प्रत्येक आकड्यामागील अचूक 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

पाच दिवसांची बेरीज करा — 10.7 + 12.1 + 10.7 + 11 + 8.3 दशलक्ष शेअर्स — आणि एकूण 52.8M येते. पाचने भागा: 10.6M शेअर्स, KO चे 5-सत्र ADV. 20-सत्र ADV हे 20 ओळींवर समान अंकगणित आहे — पहिल्या तक्त्यातील संख्या हीच आहे. सरासरी काय लपवते ते पहा: 2026-07-07 ने 12.1M आणि 2026-07-10 ने 8.3M छापले, दिवसेंदिवसचे चढ-उतार जे ADV एकाच आकड्यात गुळगुळीत करते. शेवटचा स्तंभ पोझिशन साइझिंगची झलक देतो: KO च्या ADV चा एक टक्का म्हणजे सुमारे 106 हजार शेअर्स — हा असा स्तर आहे जिथे एकच ऑर्डर दिवसाच्या टेपचा लक्षणीय भाग बनू लागते.

विंडो ही एक निवड आहे, आणि ती ADV किती लवकर विसरते हे ठरवते

वीस सत्रे ही सामान्य प्रथा आहे (एक व्यापार महिना); दहा, तीस, पासष्ट आणि नव्वद हे सर्व प्रचलित आहेत. विंडो ADV किती लवकर विसरते हे ठरवते. MU हे 2026 चे थेट उदाहरण आहे — एक नाव ज्याच्या टेपने वर्षाच्या मध्यात इतक्या जोरात पुनर्मूल्यांकन केले की त्याच्या मागील महिन्याचा ADV आणि मागील तिमाहीचा ADV यांनी वसंत ऋतूत वेगवेगळ्या कथा सांगितल्या, त्याच्या जूनच्या सखोल विश्लेषण मध्ये संपूर्ण माहिती आहे. येथे सात महिन्यांच्या कालावधीत एकाच स्टॉकचे, दोन्ही विंडो वापरून एकाच वेळी मोजमाप केले आहे:

क्वेरीMU — रोलिंग २०-सत्र विरुद्ध ९०-सत्र ADV, डिसेंबर २०२५ ते १० जुलै, २०२६ (प्रत्येक तिसऱ्या सत्राचा नमुना)
प्रत्येक आकड्यामागील अचूक 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_date

2025-12-10 रोजी दोन्ही विंडो एकमत होत्या: 20-सत्रीय गणनेवर 21.3M, 90-सत्रीय गणनेवर 19.9M. 2026-04-14 पर्यंत त्या 45.6M विरुद्ध 31.9M अशा विभागल्या गेल्या — एकाच दिवशी एकाच स्टॉकसाठी दोन "अधिकृत" ADV, आणि प्रत्येक स्क्रीनर, डे-टू-कव्हर आकडा किंवा सापेक्ष-व्हॉल्यूम रीडिंग जे एका विंडोशी जोडलेले होते ते दुसऱ्या विंडोशी जोडलेल्या त्याच साधनाशी असहमत होते. 2026-07-10 पर्यंत दोन्ही पुन्हा एकत्र आल्या (42M विरुद्ध 41.9M): पुनर्मूल्यांकित व्हॉल्यूम पातळी दीर्घ विंडोमध्येही समाविष्ट झाली होती. जेव्हा दोन स्रोत एखाद्या स्टॉकच्या ADV बद्दल असहमत असतात, तेव्हा विंडो हा पहिला संशयित असतो; विस्तारित-तासांचे व्हॉल्यूम समाविष्ट आहे की नाही हा दुसरा संशयित असतो.

व्हॉल्यूम शॉक नंतर ADV चे काय होते

वरील चार्ट त्याकडे इशारा करतो; येथे ते मोजले आहे. MU चा 2026 मधील सर्वात तीव्र व्हॉल्यूम शॉक घ्या — ज्या सत्राने स्वतःच्या मागील 20-सत्र ADV ला सर्वाधिक मागे टाकले — आणि त्या दिवशी स्क्रीनरने दाखवलेल्या ADV ची तुलना एक महिन्यानंतर दाखवलेल्या ADV शी करा:

क्वेरीMU चा २०२६ मधील सर्वात तीव्र व्हॉल्यूम शॉक — घटनेचा दिवस विरुद्ध आधी व नंतरचा ट्रेलिंग ADV
प्रत्येक आकड्यामागील अचूक 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_pct

2026-03-19 रोजी, MU ने 64.7M शेअर्स प्रिंट केले, ज्याच्या आधीचा ADV 28.7M होता — 2.3x स्वतःच्या बेसलाइनपेक्षा. पुढील 20 सत्रांमध्ये, मागील ADV सरासरी 45M होती: भाजकात 57% ची उडी. प्रत्येक ADV-व्युत्पन्न संख्या त्यासोबत हलली — सापेक्ष व्हॉल्यूम वाचन कमी झाले (बेसलाइन वाढली) आणि कव्हर करण्यासाठी दिवस कमी झाले (भाजक वाढला), कोणाच्याही वास्तविक पोझिशनमध्ये शून्य बदल आवश्यक असताना. MU च्या बाबतीत, वाढलेला टेप कायम राहिला — शॉकने एक-दिवसीय घटना नव्हे तर पुनर्मूल्यांकन दर्शवले — परंतु यंत्रणा दोन्ही प्रकारे सारखीच आहे: जड कालावधीनंतर, ADV ने नेमके एका विंडो-लांबीसाठी स्टॉकच्या सवयींऐवजी घटनेचे मोजमाप केले.

तरलता म्हणजे काय, मोजमाप

"दररोज लाखो डॉलर्स" ही व्यापारक्षमतेसाठीची सामान्य अंदाजे संज्ञा आहे. येथे वास्तविक वितरण आहे — प्रत्येक यूएस-सूचीबद्ध चिन्ह ज्याचे किमान 15 पैकी 15 समान सत्र आहेत, डॉलर एडीव्ही (ADV) नुसार क्रमवारी:

क्वेरीसंपूर्ण यूएस टेपवरील डॉलर ADV — शतमानके आणि थ्रेशोल्ड गणना (११ जून – १० जुलै, २०२६)
प्रत्येक आकड्यामागील अचूक 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_ticker

10864 चिन्हांपैकी, मध्यम कंपनी दररोज $2.2M उलाढाल करते — अर्धा यूएस बाजार यापेक्षा कमी व्यापार करतो. त्यातील एक चतुर्थांश $0.33M पेक्षा कमी व्यापार करतो. 75 वा शतक $20.4M वर, 90 वा $113.7M वर, 99 वा $1333M वर आहे. गोल मर्यादांविरुद्ध मोजले: 6515 चिन्हे दररोज $1M पेक्षा जास्त, 3535 $10M पेक्षा जास्त, 1166 $100M पेक्षा जास्त — आणि फक्त 130 $1B पेक्षा जास्त साफ करतात. आर्थिक कव्हरेज ज्या नावांभोवती फिरते ती जवळजवळ पूर्णपणे त्या शेवटच्या गटात राहतात; मध्यम सूचीबद्ध स्टॉक हे पूर्णपणे वेगळे साधन आहे.

जिथे एडीव्ही शांतपणे इतर आकडे ठरवते

  • कव्हर करण्यासाठी दिवस = शॉर्ट इंटरेस्ट ÷ एडीव्ही. व्हॉल्यूममध्ये वाढ झाल्यास शॉर्ट पोझिशनमध्ये शून्य बदल असतानाही हे प्रमाण कमी होते — हे भाजकामुळे घडते.
  • सापेक्ष व्हॉल्यूम = आजचा वेग ÷ एडीव्ही. समान संख्या, उलट भूमिका: येथे एडीव्ही हा मारल्या जाणाऱ्या बेसलाइनची भूमिका बजावतो.
  • लिक्विडिटी स्क्रीन्स ("फक्त 1M एडीव्ही वरील नावे") — प्रत्येक बॅकटेस्ट आणि स्क्रीनरमध्ये एक असते, आणि त्यासोबत शांतपणे सर्व्हायव्हरशिप येते: नावे त्यांच्या सर्वात नाट्यमय आठवड्यांमुळे अशा स्क्रीन्समध्ये प्रवेश करतात.
  • पोझिशन साइझिंग — दररोज एडीव्हीच्या फक्त काही टक्के व्यापार करण्याची संस्थात्मक सवय हेच कारण आहे की मोठे फंड काही लहान स्टॉक्सची मालकी घेऊ शकत नाहीत: पोझिशन तयार करण्यासाठी किंवा बाहेर पडण्यासाठी संपूर्ण टेपच्या व्हॉल्यूमचे आठवडे लागतील.

कव्हर करण्यासाठी दिवसांचे प्रकरण वास्तविक आकड्यांसह पाहण्यासारखे आहे, कारण "अधिकृत" आकड्यातही कोणीतरी एडीव्हीची निवड केलेली असते. फिनरा स्वतःच्या व्हॉल्यूम भाजकासह (प्रत्येक वेन्यू, स्वतःची रिपोर्टिंग विंडो, 1.0 वर फ्लोर केलेली — हा डेटा कसा येतो ते पहा) कव्हर करण्यासाठी दिवस प्रकाशित करते; या पेजच्या 20-सत्र नियमित-तास एडीव्हीसह समान प्रमाण पुन्हा मोजा आणि उत्तर बदलते:

क्वेरीकव्हर करण्यासाठी दिवस, पुनर्गणना — FINRA चा भाजक विरुद्ध या पृष्ठाचा २०-सत्र नियमित-तास ADV (सेटलमेंट ३० जून, २०२६)
प्रत्येक आकड्यामागील अचूक 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

समान शॉर्ट इंटरेस्ट, दोन भाजक. KO साठी, फिनरा त्यांच्या 24.1M-शेअर व्हॉल्यूम आकड्यावर 2.06 दिवस नोंदवते; या पेजच्या 12.4M नियमित-तास एडीव्हीच्या विरुद्ध, समान 49.6M-शेअर शॉर्ट पोझिशन 4 दिवस ठरते — जवळजवळ दुप्पट. MU साठी, प्रकाशित आकडा 1 च्या नोंदवलेल्या फ्लोरवर आहे; पुन्हा मोजल्यास, तो 0.75 दिवस आहे. दोन्ही आकडे चुकीचे नाहीत — ते वेगवेगळ्या भाजकांसह उत्तर देतात. धडा सामान्यीकृत होतो: एडीव्ही असलेले कोणतेही प्रमाण शांतपणे कोणीतरी निवडलेल्या विंडो आणि सत्राच्या निवडी सांगत असते.

पर्यायांसाठी ADV कार्य करते का?

पर्याय व्यापारी समान संकल्पनेचा वापर करतात, फक्त एक फरक आहे: व्हॉल्यूम कॉन्ट्रॅक्टमध्ये मोजला जातो आणि प्रत्येक मानक इक्विटी कॉन्ट्रॅक्ट 100 शेअर्स नियंत्रित करतो. समान 20 सत्रे, चार पर्याय टेप्स, कॉन्ट्रॅक्टची संख्या शेअर-समतुल्य एक्सपोजरमध्ये रूपांतरित करून:

क्वेरीऑप्शन्स ADV — सरासरी दैनिक कॉन्ट्रॅक्ट्स आणि शेअर-समतुल्य एक्सपोजर (११ जून – १० जुलै, २०२६)
प्रत्येक आकड्यामागील अचूक 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

स्केलमधील फरक स्टॉक टेबलमधील कोणत्याही गोष्टीपेक्षा खूप मोठे आहेत. SPY च्या पर्याय टेपने दररोज सरासरी 12543.2 हजार कॉन्ट्रॅक्ट्सची नोंद केली — 1254.3M शेअर्सचे समतुल्य एक्सपोजर, जे SPY च्या स्वतःच्या 46.01M शेअर ADV च्या तुलनेत मोठे गुणक आहे. KO उलट दिशेने कार्य करते: 64.6 हजार कॉन्ट्रॅक्ट्स (6.5M शेअर-समतुल्य), जे त्याच्या 12.4M शेअर ADV पेक्षा कमी आहे. पर्यायांची तरलता मूळ मालमत्तांच्या एका छोट्या गटात केंद्रित असते आणि ती स्ट्राइक आणि एक्सपायरीनुसार आणखी पातळ होते — अशी एकत्रित आकडेवारी कोणत्याही एका कॉन्ट्रॅक्टच्या व्यापारापेक्षा जास्त दर्शवते, म्हणून पर्याय ऑर्डरचा आकार ठरवण्यापूर्वी प्रति-कॉन्ट्रॅक्ट व्हॉल्यूम आणि ओपन इंटरेस्ट तपासणे आवश्यक आहे.

एडीव्हीचे वाचन एका व्यावसायिकाप्रमाणे

व्याख्या जाणून घेणे आणि ती वापरणे यातील अंतर कमी करण्यासाठी तीन सवयी उपयुक्त ठरतात. शेअर एडीव्हीची डॉलर एडीव्हीशी जोडी करा — पहिल्या तक्त्यात दोन नावे शेअर्सच्या संख्येत जवळपास सारखी असून पैशांच्या बाबतीत खूप दूर आहेत, आणि पैशांचा स्तंभ हाच आहे ज्याची ऑर्डरला खरोखर काळजी असते. घटनांनंतर लगेच एडीव्हीवर विश्वास ठेवू नका — शॉक पॅनेलने यावर एक आकडा दिला: एका जोरदार कालावधीने एका महिन्यात भाजक 57% इतका बदलला, ज्यामुळे सापेक्ष खंड आणि कव्हर करण्यासाठी लागणारे दिवस यांमध्ये यांत्रिकरीत्या घट झाली, जोपर्यंत ही वाढ विंडोमधून बाहेर पडत नाही. कॅलेंडरच्या संदर्भात एडीव्ही तपासा — एक्सपायरी शुक्रवार, रीबॅलन्सचे दिवस आणि निर्देशांक बदलाच्या तारखा यामुळे सर्वांचा खंड एकाच वेळी वाढतो (सर्वात जास्त विचिंग दिवस), त्यामुळे बाजारातील एक जोरदार दिवस कोणत्याही एका नावाच्या कथेबद्दल काहीच सांगत नाही.

सरासरी दैनंदिन खंड (ADV) वारंवार विचारले जाणारे प्रश्न

चांगला सरासरी दैनंदिन खंड कोणता असतो?

10864 यूएस समभागांवर 20 सत्रांमध्ये मोजल्यास, मध्यक डॉलर ADV $2.2M होता; 3535 समभागांनी दररोज $10M पेक्षा जास्त व्यवहार केले आणि फक्त 130 ने $1B पेक्षा जास्त व्यवहार केला. किरकोळ-आकाराच्या ऑर्डरसाठी, उपयुक्त मर्यादा शेअर्सऐवजी डॉलरमध्ये असते — $10M-पेक्षा-जास्त गटातील समभाग लहान ऑर्डरमुळे किंमत हलविल्याशिवाय व्यवहार करतात.

तुम्ही सरासरी दैनंदिन खंड कसा मोजता?

निवडलेल्या कालावधीतील दैनंदिन शेअर खंडांची बेरीज करा आणि दिवसांच्या संख्येने भागा. 6-10 जुलै 2026 या KO च्या पाच सत्रांची बेरीज 52.8M शेअर्स आहे; पाचने भागल्यास, ADV 10.6M आहे. 20-दिवसांचा ADV म्हणजे 20 सत्रांवर समान अंकगणित.

ADV कोणत्या कालावधीत मोजला जातो?

सर्वसाधारणपणे 20 व्यापार सत्रे (सुमारे एक महिना), परंतु 10-, 30-, 65- आणि 90-दिवसांच्या आवृत्त्या देखील प्रचलित आहेत — आणि कोणत्याही खंडाच्या धक्क्यानंतर त्या खरोखरच भिन्न असतात. 2026-04-14 रोजी, MU चा 20-सत्र ADV 45.6M होता तर त्याच दिवशी त्याचा 90-सत्र ADV 31.9M होता. स्रोतांची तुलना करण्यापूर्वी कालावधी तपासा.

ADV मध्ये प्रीमार्केट आणि आफ्टर-अवर्स खंडाचा समावेश होतो का?

स्रोतावर अवलंबून असते — या पृष्ठावरील आकडे फक्त नियमित व्यापार वेळेचे आहेत. त्याच 20 सत्रांमध्ये मोजल्यास, विस्तारित सत्रांमध्ये SPY च्या एकूण खंडाचा 18.3%, AAPL च्या 6.9%, आणि पातळ CATO च्या 0.2% भाग होता — विस्तारित वेळेचे मार्गदर्शन सत्रांचे विभाजन स्पष्ट करते.

ADV शेअर्समध्ये आहे की डॉलरमध्ये?

पारंपारिकपणे शेअर्स, परंतु डॉलर ADV हे समभागांमध्ये तरलतेचे चांगले माप आहे. त्याच 20 सत्रांमध्ये, MU आणि AAPL ने दररोज अनुक्रमे 42.01M आणि 41.47M शेअर्सचा व्यवहार केला — जवळजवळ समान — तर त्यांचे डॉलर ADV अनुक्रमे $44.49B आणि $12.24B होते. समान शेअर संख्या, अतिशय भिन्न आकारमान.

प्रत्येक आकडा ही एक संग्रहित, आवृत्तीबद्ध क्वेरी आहे — कोणत्याही पॅनेलखाली SQL विस्तृत करा, किंवा Strasmore टर्मिनलवर कोणत्याही टिकरसाठी कोणताही कालावधी मोजा.

#volume#adv#liquidity#market structure