Strasmore Research
Deep Dives · Matt ConnorBy Matt Connor · · Updated 2026-07-24

Sector Scorecard H1 2026 winnaars en verliezers

Alle elf S&P 500 sector ETF's gerangschikt voor H1 2026: analyse van de Q1-naar-Q2 rotation, de breadth per sector en de kosten per trade.

De sector scorecard voor H1 2026 toont het volledige spectrum aan resultaten: technologie (XLK) steeg in de zes maanden met 30.8%, communication services (XLC) eindigde op -9.3%, en het verschil tussen de best presterende en de slechtste sector was ongeveer veertig procentpunt. Drie van de elf S&P 500 sector ETF's eindigden het halfjaar in de min. Bijna geen enkele sector behield dezelfde rangorde als in het eerste kwartaal. Het halfjaar bestond uit twee tegenovergestelde markten die aan elkaar waren gekoppeld; deze pagina beoordeelt beide. Elk onderstaand getal is een resultaat van een opgeslagen query; klik op een paneel voor de exacte SQL.

Wat een sector ETF is — en hoe deze pagina deze beoordeelt

De elf Select Sector SPDR fondsen verdelen de S&P 500 in sectoren, waardoor een enkele ticker een sectorale visie koopt — of een hedge biedt. Elk fonds bevat de indexcomponenten van de betreffende sector, gewogen naar marktwaarde, en wordt gedurende de gehele sessie verhandeld als een aandeel. Deze pagina beoordeelt elk fonds op vier manieren: price return (van de eerste opening tijdens de reguliere handelsuren tot de laatste sluiting tijdens de reguliere handelsuren), de kwartaalverdeling onder het halve getal, dollar volume (prijs vermenigvuldigd met verhandelde aandelen — de meest zuivere maatstaf voor de hoeveelheid kapitaal die van hand wisselt), en de bid-ask spread — het verschil tussen de beste koopprijs en de beste verkoopprijs, wat de kosten van een round trip bepaalt. Het overzicht op indexniveau voor dezelfde zes maanden — rentes, opties, IPO's, breadth — is te vinden in de H1 2026 market recap.

De scorecard: elf sectoren, verdeling over de helft en het kwartaal

QueryDe elf sector ETF's: H1 2026 return, Q1 en Q2 split, en H1 dollar volume
De exacte SQL achter elk getal
SELECT ticker,
    round((argMaxIf(toFloat64(close), window_start, toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-06-30') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)
         / argMinIf(toFloat64(open), window_start, toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2026-01-01') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) - 1) * 100, 1) AS h1_return_pct,
    round((argMaxIf(toFloat64(close), window_start, toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-03-31') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)
         / argMinIf(toFloat64(open), window_start, toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2026-01-01') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) - 1) * 100, 1) AS q1_return_pct,
    round((argMaxIf(toFloat64(close), window_start, toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-06-30') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)
         / argMinIf(toFloat64(open), window_start, toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2026-04-01') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) - 1) * 100, 1) AS q2_return_pct,
    round(sumIf(toFloat64(close) * toFloat64(volume), (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) / 1e9, 1) AS h1_dollar_bn
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN ('XLB', 'XLC', 'XLE', 'XLF', 'XLI', 'XLK', 'XLP', 'XLRE', 'XLU', 'XLV', 'XLY')
  AND window_start >= toDateTime('2026-01-01 00:00:00') AND window_start < toDateTime('2026-07-01 00:00:00')
GROUP BY ticker
ORDER BY ticker

Lees eerst de kolom van de helft: technologie leidde met 30.8%, gevolgd door industrials met 19% en energy met 18.8%. Drie sectoren eindigden negatief: communication services met -9.3%, consumer discretionary met -2.3% en financials met -2.2%. Acht van de elf positieve sectoren is een respectabele breadth voor een helft die met dalende indexes begon.

De kwartaalkolommen bevatten het werkelijke verhaal. De koplopers van Q1 waren energy (36.9%), materials (9.8%), utilities (7%) en staples (5.5%) — één commodity trade plus de klassieke defensives — terwijl technologie (-8.7%), financials (-9.9%) en discretionary (-9.3%) daalden samen met de brede markt. Q2 keerde de tabel om: technologie leverde 42% op, industrials 13.3% en health care 7.8%, terwijl energy (-11%), communication services (-3.7%) en utilities (-1%) het kwartaal in het rood eindigden. De beweging van energy — 36.9% gevolgd door -11% — en het spiegelbeeld van financials — -9.9% gevolgd door 7.7% — zijn de twee duidelijkste illustraties van wat een enkel halfjaarcijfer verbergt.

De rotatie, maand voor maand

Drie tickers vormen de kern van het rotatieverhaal. Deze tabel volgt hen op maandbasis: XLE (leider in -9.3%), XLK (leider in 30.8%) en XLF (de mirror trade).

QueryXLE, XLF en XLK per maand: de H1 2026 rotatie op maandniveau
De exacte SQL achter elk getal
SELECT toString(toStartOfMonth(toDate(toTimeZone(window_start, 'America/New_York')))) AS month, ticker,
    round((argMaxIf(toFloat64(close), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)
         / argMinIf(toFloat64(open), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) - 1) * 100, 1) AS month_return_pct
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN ('XLE', 'XLF', 'XLK')
  AND window_start >= toDateTime('2026-01-01 00:00:00') AND window_start < toDateTime('2026-07-01 00:00:00')
GROUP BY month, ticker
ORDER BY month, ticker

XLE steeg in elk van de eerste drie maanden — 14.1% in januari, 11.6% in februari, 6% in maart, als een trappende beweging met afnemende snelheid — en bleef daarna drie opeenvolgende maanden zonder winst (-0.2%, -4.7%, -6.8%). XLK vertoonde het spiegelbeeld: negatief in januari, februari en maart, gevolgd door 18.9% in april en 19.1% in mei — twee opeenvolgende maanden die bijna de volledige sectorleidende helft vormden. April markeert de overdracht: de verschuiving in leadership is te zien in één enkele kolom van deze tabel. De twee positieve maanden van XLF waren april en juni, met 4.7% en 4.7%. De publicaties waartegen de helft handelde — inflatiecijfers, payrolls, de Treasury curve — zijn verzameld in het macrobeeld voor de start van H2 2026.

Breedte binnen elke sector

Het rendement van een sectorfonds zegt niets over de participatie van de individuele aandelen. De database bevat geen kolom voor sectorclassificatie, daarom meet dit overzicht de breedte binnen de sector met een vaste, volledig ingelichte basket: vijf large-cap namen per sector, in totaal vijfenvijftig, die allemaal in de SQL staan vermeld. Het is een steekproef van bekende namen en niet de daadwerkelijke holdings van de fondsen — de limieten van de basket staan vermeld in de datanotities.

QueryFive-name baskets per sector: members up vs down, median, best en worst — H1 2026
De exacte SQL achter elk getal
SELECT sector,
       count() AS members,
       countIf(ret_pct > 0) AS members_up,
       countIf(ret_pct <= 0) AS members_down,
       round(quantileDeterministic(0.5)(ret_pct, cityHash64(ticker)), 1) AS median_member_pct,
       argMax(ticker, (ret_pct, ticker)) AS best_member,
       round(max(ret_pct), 1) AS best_member_pct,
       argMin(ticker, (ret_pct, ticker)) AS worst_member,
       round(min(ret_pct), 1) AS worst_member_pct
FROM (
    SELECT ticker,
           multiIf(ticker IN ('AAPL','MSFT','NVDA','AVGO','ORCL'), 'technology (XLK)',
                   ticker IN ('META','GOOGL','NFLX','DIS','TMUS'), 'communication services (XLC)',
                   ticker IN ('XOM','CVX','COP','EOG','SLB'), 'energy (XLE)',
                   ticker IN ('JPM','BAC','WFC','GS','MS'), 'financials (XLF)',
                   ticker IN ('GE','CAT','RTX','UNP','UPS'), 'industrials (XLI)',
                   ticker IN ('LLY','UNH','JNJ','ABBV','MRK'), 'health care (XLV)',
                   ticker IN ('AMZN','TSLA','HD','MCD','NKE'), 'consumer discretionary (XLY)',
                   ticker IN ('PG','COST','WMT','KO','PEP'), 'consumer staples (XLP)',
                   ticker IN ('NEE','SO','DUK','CEG','AEP'), 'utilities (XLU)',
                   ticker IN ('PLD','AMT','EQIX','WELL','SPG'), 'real estate (XLRE)',
                   'materials (XLB)') AS sector,
           (argMaxIf(toFloat64(close), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)
            / argMinIf(toFloat64(open), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) - 1) * 100 AS ret_pct
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('AAPL','MSFT','NVDA','AVGO','ORCL','META','GOOGL','NFLX','DIS','TMUS','XOM','CVX','COP','EOG','SLB','JPM','BAC','WFC','GS','MS','GE','CAT','RTX','UNP','UPS','LLY','UNH','JNJ','ABBV','MRK','AMZN','TSLA','HD','MCD','NKE','PG','COST','WMT','KO','PEP','NEE','SO','DUK','CEG','AEP','PLD','AMT','EQIX','WELL','SPG','LIN','SHW','APD','FCX','ECL')
      AND window_start >= toDateTime('2026-01-01 00:00:00') AND window_start < toDateTime('2026-07-01 00:00:00')
    GROUP BY ticker
)
GROUP BY sector
ORDER BY median_member_pct DESC, sector

Twee rijen trekken de meeste aandacht. Health care: alle 5 van de vijf namen in de basket steeg, met een mediane waarde van 21.7% — terwijl XLV, het fonds, in het eerste helftjaar 2.5% won. Het rendement van een fonds is gewogen naar market value; de mediaan van een basket weegt elk lid gelijk — health care is het meest extreme voorbeeld waarbij de basket het fonds verslaat. Technology vertoont dezelfde kloof in omgekeerde richting — en is, gemeten van begin tot eind, de grootste van allemaal: het fonds steeg met 30.8% terwijl de vijf grootste bekende namen 3 omhoog en 2 omlaag gingen met een mediane waarde van 5.2%, en ORCL noteerde -25.7%. De hoofdwinst van de sector kwam niet van de klassieke megacaps — waar de winst vandaan kwam, staat in het volgende overzicht. Elders in de tabel: de 84.3% van CAT is de beste score van alle vijfenvijftig namen, en communication services is de zwakste sector — 1 van de vijf steeg, met een -15.2% mediane waarde, terwijl NFLX op -24.2% stond.

De memory-semis trade binnen technologie

QueryAcht veelverhandelde chip en memory names: H1 return, quarter split, H1 dollar volume
De exacte SQL achter elk getal
SELECT ticker,
    round((argMaxIf(toFloat64(close), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)
         / argMinIf(toFloat64(open), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) - 1) * 100, 1) AS h1_return_pct,
    round((argMaxIf(toFloat64(close), window_start, toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-03-31') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)
         / argMinIf(toFloat64(open), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) - 1) * 100, 1) AS q1_return_pct,
    round((argMaxIf(toFloat64(close), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)
         / argMinIf(toFloat64(open), window_start, window_start >= toDateTime('2026-04-01 00:00:00') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) - 1) * 100, 1) AS q2_return_pct,
    round(sumIf(toFloat64(close) * toFloat64(volume), (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) / 1e9, 1) AS h1_dollar_bn
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN ('MU', 'SNDK', 'NVDA', 'AMD', 'INTC', 'AVGO', 'QCOM', 'TXN')
  AND window_start >= toDateTime('2026-01-01 00:00:00') AND window_start < toDateTime('2026-07-01 00:00:00')
GROUP BY ticker
ORDER BY h1_return_pct DESC, ticker

Wanneer de technologiesector wordt ontleed, wordt de dominante single-name trade zichtbaar. SNDK leverde 830.1% op in zes maanden, MU 290%, INTC 269.3%, en AMD 165.3% — terwijl NVDA, met een halfjaarlijkse omzet van $3287.9 miljard de grootste single-name tape in de set is, 5.2% leverde, met AVGO op 6.9% en QCOM op 6.3%. De sector splitst zich in tweeën: de memory-and-foundry namen groeiden, terwijl de gevestigde AI-accelerator namen zijwaarts bewogen. De Q2-kolom geeft de timing aan: de resultaten van MU's 229.9%, INTC's 210% en AMD's 179.8% vielen samen met de periode waarin XLK zijn 42% registreerde — de rally van het sectorfonds en de repricing van memory vonden plaats in dezelfde drie maanden. MU's juni wordt hier tick voor tick geanalyseerd en de diepgaande analyse van NVDA in juni volgt de divergentie per sessie.

Waar de handelsvolumes naartoe gingen

QuerySector ETF dollar volume, Q1 vs Q2 2026: elke fund handelde minder in het recovery quarter
De exacte SQL achter elk getal
SELECT ticker,
    round(sumIf(toFloat64(close) * toFloat64(volume), toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-03-31') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) / 1e9, 1) AS q1_dollar_bn,
    round(sumIf(toFloat64(close) * toFloat64(volume), toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2026-04-01') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) / 1e9, 1) AS q2_dollar_bn,
    round((sumIf(toFloat64(close) * toFloat64(volume), toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2026-04-01') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)
         / sumIf(toFloat64(close) * toFloat64(volume), toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-03-31') AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) - 1) * 100, 0) AS q2_vs_q1_pct
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN ('XLB', 'XLC', 'XLE', 'XLF', 'XLI', 'XLK', 'XLP', 'XLRE', 'XLU', 'XLV', 'XLY')
  AND window_start >= toDateTime('2026-01-01 00:00:00') AND window_start < toDateTime('2026-07-01 00:00:00')
GROUP BY ticker
ORDER BY q2_vs_q1_pct DESC, ticker

Het handelsvolume in dollars bewoog in één richting: alle elf sector funds verhandelden in het tweede kwartaal een lager volume dan in het eerste kwartaal. De bovenste rij van de tabel toont de kleinste daling — XLK met -23%, van $161.2 miljard naar $124.8 miljard — en de onderste rij is real estate met -45%. De sector wrappers waren het meest actief in het kwartaal waarin de indexes daalden; de activiteit in deze producten nam af naarmate het herstel vorderde. Twee opvallende gegevens uit de bovenstaande panelen: XLE was de meest verhandelde sector fund van het halfjaar met $316.2 miljard, en MU alleen al had een omzet van $2862.1 miljard — ongeveer tien keer de $286 miljard van de XLK fund. Sector producten fungeerden als de scorelijst; individuele aandelen waren de focus tijdens de H1 periode.

De kosten voor het verhandelen van elke sector

Rendementstabellen zijn overal; quote tapes zijn dat niet. Dit paneel meet de mediane bid-ask spread van elk fonds — de kosten voor een round trip — over één volledige sessie op 29 juni 2026, gebaseerd op elke NBBO-update die die dag werd geprint.

QueryMedian quoted spread per sector ETF, één representatieve sessie (29 juni 2026), regular hours
De exacte SQL achter elk getal
SELECT ticker,
    round(quantileDeterministicIf(0.5)((toFloat64(ask_price) - toFloat64(bid_price)) / ((toFloat64(ask_price) + toFloat64(bid_price)) / 2) * 10000, toUInt64(toUnixTimestamp64Micro(sip_timestamp)), bid_price > 0 AND ask_price >= bid_price), 2) AS med_spread_bps,
    round(count() / 1e6, 2) AS quote_updates_m,
    countIf(NOT (bid_price > 0 AND ask_price > 0 AND ask_price >= bid_price)) AS invalid_dropped
FROM global_markets.cache_stocks_quotes
WHERE ticker IN ('XLB', 'XLC', 'XLE', 'XLF', 'XLI', 'XLK', 'XLP', 'XLRE', 'XLU', 'XLV', 'XLY')
  AND sip_timestamp >= toDateTime64('2026-06-29 13:30:00', 9) AND sip_timestamp < toDateTime64('2026-06-29 20:00:00', 9)
GROUP BY ticker
ORDER BY med_spread_bps, ticker

Het goedkoopste fonds om te verhandelen tijdens die sessie was XLV met een mediaan van 0.62 basis points; het duurste was XLRE met 2.23. Eén basis point is een honderdde van een procent, dus de gehele tabel bevindt zich op honderddes van een procent per round trip — de praktische betekenis van "sector ETF's zijn liquide". Het aantal quote-updates varieert bijna tienvoudig over de tabel, en de medianen liggen nog steeds binnen enkele basis points van elkaar. Ter vergelijking: de microstructure deep-dive van 29 juni analyseert de quote tape van SPY uit dezelfde sessie, die nog strakker is dan elk fonds in deze tabel.

FAQ

Welke sector presteerde het best in H1 2026?

Technology. XLK behaalde 30.8% in de helft van het jaar, volledig in het tweede kwartaal (42% in Q2 na -8.7% in Q1). Communication services (XLC) was de slechtste met -9.3%.

Waren dit dezelfde sectoren in Q1 en Q2 2026?

Nee — de twee kwartalen waren bijna tegenpolen. Energy leidde Q1 met 36.9% en eindigde Q2 met -11%; technology behaalde -8.7% in Q1 en leidde Q2 met 42%. Utilities en staples leidden in het begin, maar verloren aan kracht aan het einde.

Wat zijn de kosten voor het verhandelen van een sector SPDR ETF?

In de gemeten sessie van 29 juni 2026 liepen de mediane quoted spreads van 0.62 basis points (XLV) tot 2.23 (XLRE) — honderdsten van een procent per round trip, veel nauwer dan een typische single stock.

Waarom wijkt het rendement van een sector ETF af van de rendementen van de individuele aandelen?

De fondsen wegen de holdings op basis van de market value, waardoor enkele grote namen het resultaat domineren, terwijl een basket median elke deelnemer gelijk behandelt. In H1 2026 was het verschil het grootst in health care: een basket median van vijf namen van 21.7% tegenover 2.5% voor XLV.

Wat zijn de elf sector ETFs?

XLB (materials), XLC (communication services), XLE (energy), XLF (financials), XLI (industrials), XLK (technology), XLP (consumer staples), XLRE (real estate), XLU (utilities), XLV (health care) en XLY (consumer discretionary). Samen vormen zij een verdeling van de S&P 500.

Datanotities

Volledige datanotities
  • De breadth baskets zijn vaste redactionele steekproeven van vijf household large-caps per sector, geen fund holdings, en bevatten geen wegingen. Kandidaten zijn gescreend op basis van de split-kalender van de helft — minute bars zijn niet aangepast, en een split halverwege de periode beïnvloedt het open-to-close rendement — en twee andere overduidelijke namen zijn tijdens die screening vervangen. Elk cijfer op deze pagina is een price return; dividenden zijn niet inbegrepen.
  • De medianen van de baskets gebruiken deterministische kwantielen, en de beste/slechtste leden worden bij gelijke scores gescheiden op basis van de ticker, zodat regeneratie de gelijke gevallen niet kan herordenen.
  • Het spread panel meet één gelabelde sessie (29 juni 2026), niet de gehele helft; een zesmaandelijkse scan van de whole-quote-tape over elf tickers overschrijdt het querybudget dat deze pagina genereert. Ongeldige quotes (crossed of eenzijdig) worden in het panel meegeteld en niet stilzwijgend verwijderd.
  • Het scorecard panel is dezelfde query als de H1 recap, waardoor de twee pagina's het niet oneens kunnen zijn over een sectornummer.

Methodologie

  • De periode loopt van 1 januari tot en met 30 juni 2026. De returns worden berekend van de opening tot de sluiting tijdens de reguliere handelsuren binnen elke periode, zoals berekend in de getoonde queries. De reguliere uren worden gefilterd op basis van de Eastern Time (9:30–15:59, per rij omgerekend) — DST-veilig gedurende de EST- en EDT-maanden van het halfjaar.
  • Kwartaalgrenzen worden toegepast op de handelsdatum in de Eastern Time: Q1 eindigt op 31 maart, Q2 begint op 1 april.
  • De dollar volume is de som van de prijs vermenigvuldigd met het aantal aandelen tijdens de reguliere uren in dezelfde queries.
  • De generatie vindt plaats via het beveiligde read-only pad; de publieke pagina voert nooit live queries uit. Status van het warehouse per 12 juli 2026.

Het volledige overzicht van het halfjaar — indexes, rates, de options tape — is te vinden in de H1 2026 market recap. Om een sector anders te analyseren, kan de SQL van elk paneel direct worden uitgevoerd op de Strasmore terminal.

#sectors#etfs#rotation#spreads#semiconductors