Ranking sektorów S&P 500 H1 2026

Podsumowanie sektorowe za pierwsze półrocze 2026 roku obejmuje pełne spektrum wyników: sektor technologiczny (XLK) zakończył półrocze wzrostem o 30.8%, sektor usług komunikacyjnych (XLC) odnotował wynik na poziomie -9.3%, a różnica między najlepszym a najgorszym sektorem wyniosła około czterdzieści punktów procentowych. Trzy z jedenastu sektorowych ETF należących do S&P 500 zakończyły półrocze ze stratą, a niemal żadna spółka nie utrzymała swojej pozycji z pierwszego kwartału do drugiego — półrocze stanowiło połączenie dwóch przeciwstawnych rynków, co zostało uwzględnione w poniższej analizie. Każda liczba poniżej jest wynikiem zapytania bazodanowego; aby uzyskać dokładne zapytanie SQL, należy rozwinąć dowolny panel.

Czym jest sektorowy ETF — i jak oceniana jest ta strona

Jedenna fundusze Select Sector SPDR dzielą indeks S&P 500 na grupy branżowe, dzięki czemu pojedynczy ticker umożliwia zakup — lub zabezpieczenie — pozycji na jeden sektor. Każdy fundusz posiada komponenty indeksu danego sektora, ważone wartością rynkową, i jest przedmiotem obrotu przez całą sesję, podobnie jak akcja. Ta strona ocenia każdy fundusz w czterech kategoriach: stopa zwrotu z ceny (od otwarcia do zamknięcia w regularnych godzinach sesji), kwartalny podział znajdujący się pod wartością połowiczną, wolumen dolarowy (cena pomnożona przez liczbę obróconych akcji — najdokładniejszy wskaźnik ilości przepływu kapitału) oraz spread bid-ask — różnica między najlepszą ceną kupna a najlepszą ceną sprzedaży, stanowiąca koszt pełnej transakcji. Zestawienie na poziomie indeksu za ten sam okres sześciu miesięcy — stopy procentowe, opcje, IPO, szerokość rynku — znajduje się w podsumowaniu rynku za H1 2026.

Podsumowanie: jedenaście sektorów, podział na półrocze i kwartał

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

Najpierw należy przeanalizować kolumnę półroczną: technologia prowadziła z wynikiem 30.8%, przemysł z wynikiem 19%, a sektor energetyczny z wynikiem 18.8%. Trzy sektory odnotowały straty: usługi komunikacyjne (-9.3%), dobra konsumpcyjne (-2.3%) oraz finanse (-2.2%). Osiem z jedenastu sektorów zakończyło wzrostami, co stanowi znaczącą szerokość rynku w półroczu, które rozpoczęło się od spadków indeksów.

Kolumny kwartalne zawierają kluczowe dane. Liderami w Q1 były sektory: energetyczny (36.9%), surowcowy (9.8%), użyteczności publicznej (7%) oraz dóbr podstawowych (5.5%) — jeden sektor surowcowy oraz klasyczne sektory defensywne. W tym samym czasie technologia (-8.7%), finanse (-9.9%) oraz dobra konsumpcyjne (-9.3%) spadały wraz z szerokim rynkiem. W Q2 nastąpiło odwrócenie trendów: technologia osiągnęła 42%, przemysł 13.3%, a ochrona zdrowia 7.8%. Z kolei sektor energetyczny (-11%), usługi komunikacyjne (-3.7%) oraz użyteczności publiczne (-1%) zakończyły kwartał na minusie. Zmiana kierunku sektora energetycznego — od 36.9% do -11% — oraz odwrotny trend w finansach — od -9.9% do 7.7% — to dwa najczystsze przykłady tego, jak pojedynczy wynik półroczny może maskować rzeczywiste zmiany.

Rotacja w ujęciu miesięcznym

Trzy tickery obrazują całą historię rotacji, dlatego panel ten śledzi je w skali miesięcznej: XLE (lider 18.8%), XLK (lider 18.8%) oraz XLF (strategia lustrzana).

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 rosło w każdym z pierwszych trzech miesięcy — 14.1% w styczniu, 11.6% w lutym, 6% w marcu, tworząc schodkową tendencję spadkową tempa wzrostów — a następnie przez trzy kolejne miesiące nie odnotował wzrostów (-0.2%, -4.7%, -6.8%). XLK wykonał ruch odwrotny: spadki w styczniu, lutym i marcu, a następnie 18.9% w kwietniu i 19.1% w maju — dwa kolejne miesiące, które zbudowały niemal całą przewagę sektora w półroczu. Kwiecień stanowi moment przekazania pałeczki: zmiana lidera jest widoczna w jednej kolumnie tej tabeli. Dwa dodatnie miesiące XLF to kwiecień i czerwiec, wynoszące odpowiednio 4.7% i 4.7%. Dane, względem których handlowano w półroczu — odczyty inflacji, dane o zatrudnieniu, krzywa obligacji skarbowych — zostały zestawione w obraz makroekonomiczny na wejście w H2 2026.

Szerokość wewnątrz poszczególnych sektorów

Stopa zwrotu funduszu sektorowego nie informuje o liczbie spółek, które brały udział we wzroście. Baza danych nie zawiera kolumny klasyfikacji sektorowej, dlatego niniejsze zestawienie mierzy szerokość wewnątrz sektorów przy użyciu stałego, w pełni ujawnionego koszyka: pięć spółek o dużej kapitalizacji na każdy sektor, łącznie pięćdziesiąt pięć, z których każda figuruje w bazie SQL. Jest to próba znanych podmiotów, a nie rzeczywiste składniki funduszy — limity koszyka zostały określone w uwagach do danych.

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

Największą uwagę przyciągają dwa wiersze. Opieka zdrowotna: wszystkie 5 z pięciu spółek w koszyku odnotowały wzrost, przy medianie wynoszącym 21.7% — podczas gdy fundusz XLV zyskał 2.5% w półroczu. Stopa zwrotu funduszu jest ważona kapitalizacją rynkową; mediana koszyka traktuje każdego członka jednakowo — sektor opieki zdrowotnej stanowi najbardziej jaskrawy przykład przewagi koszyka nad funduszem. W sektorze technologicznym występuje analogiczna różnica, lecz w przeciwnym kierunku — i w ujęciu całkowitym jest ona największa ze wszystkich: fundusz zyskał 30.8%, podczas gdy pięć jego największych znanych spółek podzieliło się na 3 wzrostowych i 2 spadkowych, przy medianie wynoszącej 5.2%, a ORCL odnotował -25.7%. Główny wzrost sektora nie pochodził od jego klasycznych spółek typu megacap — źródło tego wzrostu przedstawia kolejna sekcja. W pozostałej części tabeli: 84.3% spółki CAT to najlepszy wynik spośród wszystkich pięćdziesięciu pięciu nazwisk, natomiast usługi komunikacyjne to najsłabszy sektor — 1 z pięciu spółek wzrosło, przy medianie -15.2%, natomiast NFLX osiągnął -24.2%.

Handel pamięcią i półprzewodnikami w sektorze technologicznym

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

Analiza sektora technologicznego wykazuje dominację pojedynczych spółek. SNDK osiągnął stopę zwrotu na poziomie 830.1% w ciągu sześciu miesięcy, przy czym MU wyniosło 290%, INTC wyniosło 269.3%, a AMD wyniosło 165.3%. W tym samym czasie NVDA, będąca największą spółką w zestawieniu z obrotem półrocznym wynoszącym 3287.9 USD miliardów, odnotowała zwrot na poziomie 5.2%, przy czym AVGO wyniosło 6.9%, a QCOM wyniosło 6.3%. Nastąpił wyraźny podział rynku: spółki z sektora pamięci i odlewni półprzewodników odnotowały wzrosty, natomiast ugruntowane podmioty dostarczające akceleratory AI wykazały brak trendu. Druga kolumna kwartału Q2 wskazuje na zbieżność czasową: wyniki MU na poziomie 229.9%, INTC na poziomie 210% oraz AMD na poziomie 179.8% wystąpiły w tym samym kwartale, w którym indeks XLK odnotował 42%. Hossa funduszu sektorowego oraz zmiana wyceny sektora pamięci miały miejsce w tych samych trzech miesiącach. Szczegółowa analiza wyników MU z czerwca znajduje się tutaj, natomiast Głęboka analiza NVDA z czerwca śledzi dywergencję sesja po sesji.

Gdzie skierowano kapitał handlowy

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

Wolumen obrotów w USD zmienił kierunek: każdy z jedenastu funduszy sektorowych odnotował mniejszy obrót w drugim kwartale niż w pierwszym. Najmniejszy spadek w górnym wierszu tabeli wykazuje XLK na poziomie -23%, spadając z $161.2 mld do $124.8 mld, natomiast najniższy wynik osiągnęły nieruchomości na poziomie -45%. Fundusze sektorowe wykazywały największą aktywność w kwartale, w którym indeksy spadały, a obroty w nich malały wraz z postępem ożywienia. Dwa istotne dane z powyższych paneli: XLE był najbardziej obracanym funduszem sektorowym w półroczu z wynikiem $316.2 mld, natomiast sam MU wygenerował obrót rzędu $2862.1 mld — czyli około dziesięciokrotnie więcej niż fundusz XLK z wynikiem $286 mld. Produkty sektorowe stanowiły punkt odniesienia, natomiast główna aktywność w pierwszej połowie roku koncentrowała się na pojedynczych walorach.

Koszty handlu w poszczególnych sektorach

Tabele stóp zwrotu są powszechne; rejestry notowań nie. Niniejszy panel mierzy medianę spreadu bid-ask dla każdego funduszu — koszt transakcji w obie strony — w trakcie pełnej sesji trwającej 29 czerwca 2026 roku, na podstawie wszystkich aktualizacji NBBO z tego dnia.

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

Najtańszym funduszem w tej sesji był XLV ze medianą wynoszącą 0.62 punktów bazowych; najdroższym był XLRE przy 2.23. Jeden punkt bazowy to jedna setna procenta, zatem cała tabela przedstawia wartości w setnych częściach procenta za transakcję w obie strony — co w praktyce oznacza, że „ETF sektorowe są płynne”. Liczba aktualizacji notowań w tabeli różni się niemal dziesięciokrotnie, a mimo to mediany nadal skupiają się w granicach kilku punktów bazowych od siebie. Dla porównania, szczegółowa analiza mikrostruktury z 29 czerwca obejmuje rejestr notowań SPY z tej samej sesji, który wykazuje jeszcze mniejsze rozpiętości niż jakikolwiek fundusz w tej tabeli.

FAQ

Który sektor osiągnął najlepsze wyniki w H1 2026?

Technologia. XLK wygenerował zwrot na poziomie 30.8% w półroczu, z czego całość przypadła na drugi kwartał (42% w Q2 po -8.7% w Q1). Sektor usług komunikacyjnych (XLC) wypadł najgorzej, osiągając -9.3%.

Czy te same sektory dominowały w Q1 i Q2 2026?

Nie — oba kwartały przyniosły niemal przeciwstawne wyniki. Sektor energetyczny prowadził w Q1 z wynikiem 36.9% i zakończył Q2 na poziomie -11%; sektor technologiczny odnotował -8.7% w Q1 i poprowadził rynek w Q2 z wynikiem 42%. Sektory użyteczności publicznej oraz dóbr podstawowych dominowały na początku okresu, a następnie odnotowały spadki.

Jaki jest koszt handlu funduszem ETF na dany sektor?

W sesji z dnia 29 czerwca 2026 roku mediana cytowanych spreadów wynosiła od 0.62 punktów bazowych (XLV) do 2.23 (XLRE) — są to ułamki procenta w transakcji dwustronnej, co stanowi znacznie węższy spread niż w przypadku typowej pojedynczej akcji.

Dlaczego stopa zwrotu funduszu ETF na sektor różni się od stóp zwrotu jego komponentów?

Fundusze ważą składniki według wartości rynkowej, przez co kilka największych podmiotów dominuje w wyniku, podczasnie mediana koszyka traktuje każdego członka jednakowo. W H1 2026 różnica była największa w sektorze ochrony zdrowia: mediana koszyka pięciu spółek wyniosła 21.7% wobec 2.5% dla XLV.

Jakie są jedenaście sektorowych funduszy ETF?

XLB (surowce), XLC (usługi komunikacyjne), XLE (energia), XLF (finanse), XLI (przemysł), XLK (technologia), XLP (dobra podstawowe), XLRE (nieruchomości), XLU (użyteczność publiczna), XLV (ochrona zdrowia) oraz XLY (dobra konsumpcyjne wyższego rzędu). Razem stanowią one podział indeksu S&P 500.

Uwagi do danych

Metodologia

• Okres obejmuje czas od 1 stycznia do 30 czerwca 2026 roku. Stopy zwrotu są obliczane od otwarcia do zamknięcia sesji regulaminowej w ramach każdego okresu, zgodnie z zapytaniami przedstawionymi w tekście. Godziny regulaminowe są filtrowane według czasu wschodniego (9:30–15:59, przeliczane dla każdego wiersza) — z uwzględnieniem zmian czasu z EST na EDT.
• Granice kwartalne są stosowane według daty handlowej czasu wschodniego: Q1 kończy się 31 marca, Q2 rozpoczyna się 1 kwietnia.
• Wolumen w USD to suma iloczynu ceny i liczby akcji w godzinach regulaminowych, obliczana w tych samych zapytaniach.
• Proces generowania danych odbywa się przez zabezpieczoną ścieżkę tylko do odczytu; strona publiczna nie korzysta z danych na żywo. Stan magazynu danych na dzień 12 lipca 2026 roku.

Pełne zestawienie za półrocze — indeksy, stopy procentowe, rejestr opcji — znajduje się w podsumowaniu rynku za H1 2026. Aby przeanalizować sektor w inny sposób, każde zapytanie SQL dla danego panelu można uruchomić w terminalu Strasmore.