Strasmore Research
Podsumowania rynkowe Matt ConnorAutor: Matt Connor · Zaktualizowano 2026-07-24 · data as of July 24, 2026 · refreshed weekly

Potencjalne akcje short squeeze w tym tygodniu

Analiza akcji pod kątem short squeeze na podstawie liczby dni do pokrycia oraz rosnącej ceny. Zestawienie zawiera dane o pozycjach krótkich oraz szanse.

Akcje objęte zjawiskiem short squeeze są filtrowane na podstawie dwóch mechanizmów: dużej pozycji krótkiej w stosunku do obrotów na danej akcji oraz rosnącej ceny. Niniejsza strona stosuje ten filtr do najnowszego zestawienia pozycji krótkich raportowanego przez giełdę, rozliczonego Jun 30, 2026, i mierzy dynamikę ceny w ciągu pięciu sesji kończących się Jul 22, 2026. Mechanizmy te przypominają historyczne przypadki squeeze. Przedstawione dane nie stanowią prognozy, a większość spółek z największą krótką pozycją nigdy nie doświadcza zjawiska squeeze.

Daty należy czytać przed nazwami spółek. Zgodnie z przepisami dane o krótkich pozycjach są nieaktualne o kilka tygodni, co nie wynika z błędu w przesyłaniu danych: brokerzy raportują swoje pozycje krótkie do FINRA dwa razy w miesiącu w wyznaczonych terminach rozliczenia, a skompilowany plik zostaje upubliczniony około osiem dni roboczych później. Najświeższe dostępne dane pochodzą z Jun 30, 2026, czyli sprzed 24 dni, podczas gdy dynamika ceny obejmuje okres do Jul 22, 2026. Jakiekolwiek zmiany w pozycjach krótkich w tym przedziale czasowym są niewidoczne dla każdego skanera, w tym dla tego narzędzia. Dlaczego dane o krótkich pozycjach są zawsze dwutygodniowe szczegółowo opisuje cykl raportowania.

ZapytanieWszystkie dane w zestawieniu oraz ich wiek
Dokładny kod SQL dla każdej liczby
WITH prints AS (
    SELECT DISTINCT settlement_date AS d
    FROM global_markets.stocks_short_interest
    ORDER BY d DESC
    LIMIT 2
),
loaded AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS session
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND window_start >= now() - INTERVAL 20 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 session
    HAVING count() >= 380
),
legs AS (
    SELECT arrayJoin([
        ('Short interest, previous settlement', (SELECT min(d) FROM prints)),
        ('Short interest, latest settlement', (SELECT max(d) FROM prints)),
        ('Price tape, last fully loaded session', (SELECT max(session) FROM loaded))]) AS row
)
SELECT formatDateTime(row.2, '%b %e, %Y') AS as_of_date,
       row.1 AS leg,
       dateDiff('day', row.2, today()) AS age_days
FROM legs

Dwa terminy rozliczenia przypadają na 39 i 24 dni temu, co odpowiada dwumiesięcznemu cyklowi raportowania oraz opóźnieniu w kompilacji danych. Dane cenowe są opóźnione o 2 dni, co wynika z opóźnień w procesie wprowadzania danych do magazynu, a nie z przepisów. Oba okresy mają określone granice, dlatego w przypadku awarii przesyłu strona wyświetla stare dane zamiast publikować nieaktualną datę pod nowym nagłówkiem.

Lista spółek typu short squeeze: aktualny zestawienie

Każda poniższa nazwa spełniła te same kryteria: średni dzienny wolumen na poziomie pięciu milionów akcji, pięć lub więcej dni do pokrycia pozycji oraz dodatni kurs w ciągu pięciu sesji kończących się Jul 22, 2026. Nazwy 31 spełniły wszystkie te warunki, a tutaj przedstawiono 12 najbardziej obciążonych graczy. Days to cover to liczba akcji sprzedanych na krótko podzielona przez średni dzienny wolumen; określa ona, ile pełnych dni obrotu akcjami zajęłoby stronom krótkim odkupienie pozycji.

ZapytanieMechanika squeeze: rosnąca cena przy dużej koncentracji krótkich pozycji w płynnych walorach
Dokładny kod SQL dla każdej liczby
WITH latest AS (
    SELECT max(settlement_date) AS d FROM global_markets.stocks_short_interest
),
sessions AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS session
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND window_start >= now() - INTERVAL 20 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 session
    HAVING count() >= 380
    ORDER BY session DESC
    LIMIT 6
),
crowded AS (
    SELECT ticker, days_to_cover, short_interest
    FROM global_markets.stocks_short_interest
    WHERE settlement_date = (SELECT d FROM latest)
      AND avg_daily_volume >= 5000000
      AND days_to_cover >= 5
      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 NOT IN (SELECT ticker FROM global_markets.stocks_splits
                         WHERE execution_date BETWEEN today() - 60 AND today())
),
tape AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS session,
           argMax(close, window_start) AS rth_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN (SELECT ticker FROM crowded)
      AND toDate(toTimeZone(window_start, 'America/New_York')) IN (SELECT session FROM sessions)
      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, session
),
moves AS (
    SELECT ticker,
           round((argMax(rth_close, session) / argMin(rth_close, session) - 1) * 100, 1) AS return_5d_pct
    FROM tape
    GROUP BY ticker
    HAVING count() = 6 AND return_5d_pct > 0
)
SELECT c.ticker AS ticker,
       round(c.days_to_cover, 1) AS days_to_cover,
       round(c.short_interest / 1e6, 1) AS shares_short_m,
       m.return_5d_pct AS return_5d_pct
FROM crowded c
INNER JOIN moves m ON m.ticker = c.ticker
ORDER BY c.days_to_cover DESC, c.ticker
LIMIT 12

Najbardziej obciążona spółka na liście, MPT, wykazuje 16.9 dni do pokrycia przy 138.1 milionach akcji sprzedanych na krótko, a jej kurs wzrósł o 2.8% w ciągu pięciu sesji kończących się Jul 22, 2026. Ostatni widoczny wiersz wskazuje 6.4 dni do pokrycia; jest to punkt cięcia wyświetlania, a nie dolna granica zestawienia. Ranking opiera się na stopniu obciążenia, a nie na wielkości pozycji, zatem umiarkowana pozycja przy niskim wolumenie zajmuje wyższe miejsce niż znacznie większa pozycja przy wysokim wolumenie. W celu sprawdzenia rankingu według wielkości, the most shorted stocks right now udostępnia oba zestawienia obok siebie.

Kryterium wzrostu ceny ma przyczynę mechaniczną. Short squeeze to wymuszone odkupowanie akcji przez sprzedających na krótko, co następuje w momencie zamykania pozycji. Zamykanie krótkiej pozycji wymaga odkupienia akcji, co zaczyna się dopiero po zmianie kursu niekorzystnie dla danej pozycji. How a short squeeze works, przeanalizowane na podstawie danych z GameStop z 2021 roku, przedstawia ten proces w liczbach.

Zasady oraz zakres wykluczeń

Screening to opinia poparta danymi liczbowymi, dlatego poniżej przedstawiono parametry wyboru.

ZapytanieProces filtrowania: od pełnego pliku rozliczeniowego do listy wyników
Dokładny kod SQL dla każdej liczby
WITH latest AS (
    SELECT max(settlement_date) AS d FROM global_markets.stocks_short_interest
),
sessions AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS session
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND window_start >= now() - INTERVAL 20 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 session
    HAVING count() >= 380
    ORDER BY session DESC
    LIMIT 6
),
reported AS (
    SELECT ticker, days_to_cover, avg_daily_volume
    FROM global_markets.stocks_short_interest
    WHERE settlement_date = (SELECT d FROM latest)
),
liquid AS (
    SELECT ticker, days_to_cover
    FROM reported
    WHERE avg_daily_volume >= 5000000
      AND days_to_cover IS NOT NULL
      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 NOT IN (SELECT ticker FROM global_markets.stocks_splits
                         WHERE execution_date BETWEEN today() - 60 AND today())
),
crowded AS (
    SELECT ticker FROM liquid WHERE days_to_cover >= 5
),
tape AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS session,
           argMax(close, window_start) AS rth_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN (SELECT ticker FROM crowded)
      AND toDate(toTimeZone(window_start, 'America/New_York')) IN (SELECT session FROM sessions)
      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, session
),
rising AS (
    SELECT ticker,
           round((argMax(rth_close, session) / argMin(rth_close, session) - 1) * 100, 1) AS return_5d_pct
    FROM tape
    GROUP BY ticker
    HAVING count() = 6 AND return_5d_pct > 0
),
tally AS (
    SELECT (SELECT count() FROM reported) AS all_names,
           (SELECT count() FROM liquid) AS liquid_names,
           (SELECT count() FROM crowded) AS crowded_names,
           (SELECT count() FROM rising) AS rising_names
)
SELECT step.1 AS label, step.2 AS names
FROM (
    SELECT arrayJoin([
        ('Every name in the settlement file', all_names),
        ('Liquid: five million shares a day, no leveraged funds', liquid_names),
        ('Crowded: five or more days to cover', crowded_names),
        ('Rising: a positive move over the price window', rising_names)]) AS step
    FROM tally
)

Plik Jun 30, 2026 obejmuje 22207 papierów wartościowych. Minimalny poziom płynności oraz lista wykluczeń pozostawiają 883, próg koncentracji redukuje tę liczbę do 96, a filtr wzrostu cen pozostawia 31. Każdy próg jest wynikiem decyzji, a każda inna decyzja generuje inny zestaw danych. Dlatego zasady są częścią głównej treści, a nie przypisem.

Jaki odsetek akcji danej spółki jest sprzedawany na krótko

Najczęściej poszukiwaną wartością jest short interest jako procent wolumenu obrotu (float), jednak dane te nie są zawarte w niniejszym zestawieniu. Raporty giełdowe podają liczbę akcji sprzedanych na krótko oraz średni dzienny wolumen, nie podając przy tym liczby akcji. Można jednak wyliczyć pozycję w stosunku do całkowitej liczby akcji wyemitowanych, dzieląc wartość rynkową spółki przez cenę jej akcji.

Zapytanie: Ranking walorów według short interest względem liczby akcji w obiegu (nie float)
Dokładny kod SQL dla każdej liczby
WITH latest AS (
    SELECT max(settlement_date) AS d FROM global_markets.stocks_short_interest
),
sessions AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS session
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'SPY'
      AND window_start >= now() - INTERVAL 20 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 session
    HAVING count() >= 380
    ORDER BY session DESC
    LIMIT 6
),
crowded AS (
    SELECT ticker, days_to_cover, short_interest
    FROM global_markets.stocks_short_interest
    WHERE settlement_date = (SELECT d FROM latest)
      AND avg_daily_volume >= 5000000
      AND days_to_cover >= 5
      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 NOT IN (SELECT ticker FROM global_markets.stocks_splits
                         WHERE execution_date BETWEEN today() - 60 AND today())
),
tape AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS session,
           argMax(close, window_start) AS rth_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN (SELECT ticker FROM crowded)
      AND toDate(toTimeZone(window_start, 'America/New_York')) IN (SELECT session FROM sessions)
      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, session
),
rising AS (
    SELECT ticker,
           round((argMax(rth_close, session) / argMin(rth_close, session) - 1) * 100, 1) AS return_5d_pct
    FROM tape
    GROUP BY ticker
    HAVING count() = 6 AND return_5d_pct > 0
),
share_count AS (
    SELECT ticker, market_cap / price AS shares_out
    FROM global_markets.stocks_ratios
    WHERE date = (SELECT max(date) FROM global_markets.stocks_ratios)
      AND market_cap > 0
      AND price > 0
)
SELECT c.ticker AS ticker,
       round(100.0 * c.short_interest / s.shares_out, 1) AS si_pct_shares_out,
       round(c.short_interest / 1e6, 1) AS shares_short_m,
       round(s.shares_out / 1e6, 0) AS shares_out_m,
       round(c.days_to_cover, 1) AS days_to_cover
FROM crowded c
INNER JOIN rising r ON r.ticker = c.ticker
INNER JOIN share_count s ON s.ticker = c.ticker
ORDER BY si_pct_shares_out DESC, c.ticker
LIMIT 10

KSS zajmuje najwyższe miejsce w tym zestawieniu, wykazując 26.3% akcji wyemitowanych sprzedanych na krótko: 29.9 milionów akcji przy 113 milionach akcji w obiegu. Wyświetlone 10 wiersze stanowią najwyższe odczyty spośród wybranych spółek, dla których podano liczbę akcji; ostatnia z nich wynosi nadal 15.5%. Kolumnę tę należy traktować jako wartość minimalną, a nie jako liczbę akcji w obrocie (float). Float obejmuje wyłącznie akcje, które faktycznie zmieniają właściciela, z wyłączeniem udziałów wewnętrznych oraz innych akcji objętych blokadą. Float stanowi mniejszy mianownik, zatem rzeczywisty procent akcji w obrocie sprzedanych na krótko jest wyższy niż każda z przedstawionych wartości. Dokładna różnica zależy od struktury własnościowej każdej spółki, której ta baza danych nie zawiera.

Czy następuje wzrost koncentracji krótkich pozycji, czy ich wygasanie?

Pojedynczy odczyt stanowi jedynie statyczny obraz. Dane historyczne pozwalają jednak na udzielenie odpowiedzi na pytanie dotyczące całego rynku.

ZapytanieTrend koncentracji: płynne walory z Days to Cover >5 i >10, według rozliczeń
Dokładny kod SQL dla każdej liczby
WITH dates AS (
    SELECT DISTINCT settlement_date AS d
    FROM global_markets.stocks_short_interest
    ORDER BY d DESC
    LIMIT 12
)
SELECT toString(settlement_date) AS settlement_date,
       countIf(days_to_cover >= 5) AS names_5plus_dtc,
       countIf(days_to_cover >= 10) AS names_10plus_dtc,
       round(quantileExact(0.5)(days_to_cover), 2) AS median_dtc_liquid
FROM global_markets.stocks_short_interest
WHERE settlement_date IN (SELECT d FROM dates)
  AND avg_daily_volume >= 5000000
  AND days_to_cover IS NOT NULL
  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')
GROUP BY settlement_date
ORDER BY settlement_date

Wśród 12 rozliczeń liczba płynnych walorów, których czas pokrycia wynosi pięć lub więcej dni, wzrosła z 58 do 96. Rzadki koniec rozkładu pozostaje znacznie mniej liczny: 5 spółek posiadało dziesięć lub więcej dni do pokrycia w ostatnim odczycie. Mediana dla płynnych walorów wynosi 1.87 dni, co sprawia, że próg pięciu dni jest istotny, a nie arbitralny. Strona Akcje o najwyższym czasie pokrycia monitoruje oddzielnie ten skrajny przypadek.

Co zazwyczaj działo się później

Wykresy tego typu są łatwe do przygotowania, ale też podatne na błędną interpretację. Poniżej przedstawiono ten sam zestaw danych analizowany wstecznie, przy zachowaniu tego samego przesunięcia czasowego względem pliku. Dla każdego rozliczenia z ostatniego roku wybrano spółki, które przeszły przez filtr wysokiego zagęszczenia pozycji i odnotowały wzrosty w ciągu sześciu sesji kończących się dwadzieścia dni kalendarzowych przed dzisiejszą datą. Następnie zmierzono wyniki każdej z nich w ciągu kolejnych 30 dni kalendarzowych.

ZapytanieWyniki historyczne: analiza wyników walorów w ciągu 30 dni od filtrowania
Dokładny kod SQL dla każdej liczby
WITH screened AS (
    SELECT settlement_date, ticker
    FROM global_markets.stocks_short_interest
    WHERE settlement_date >= today() - 400
      AND settlement_date <= today() - 55
      AND avg_daily_volume >= 5000000
      AND days_to_cover >= 5
      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')
),
split_hits AS (
    SELECT s.settlement_date AS sd, s.ticker AS tkr
    FROM screened s
    INNER JOIN global_markets.stocks_splits sp ON sp.ticker = s.ticker
    WHERE sp.execution_date > s.settlement_date + 11
      AND sp.execution_date <= s.settlement_date + 50
),
daily AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS session,
           argMax(close, window_start) AS rth_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN (SELECT DISTINCT ticker FROM screened)
      AND window_start >= now() - INTERVAL 400 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, session
),
paired AS (
    SELECT s.settlement_date AS sd,
           s.ticker AS tkr,
           (argMaxIf(d.rth_close, d.session, d.session <= s.settlement_date + 20)
            / argMinIf(d.rth_close, d.session, d.session <= s.settlement_date + 20) - 1) * 100 AS prior_pct,
           (argMaxIf(d.rth_close, d.session, d.session >= s.settlement_date + 20)
            / argMinIf(d.rth_close, d.session, d.session >= s.settlement_date + 20) - 1) * 100 AS next_pct
    FROM screened s
    INNER JOIN daily d ON d.ticker = s.ticker
    WHERE d.session > s.settlement_date + 11
      AND d.session <= s.settlement_date + 50
    GROUP BY sd, tkr
    HAVING countIf(d.session <= s.settlement_date + 20) >= 4
       AND countIf(d.session >= s.settlement_date + 20) >= 15
),
outcomes AS (
    SELECT multiIf(next_pct < -20, 1,
                   next_pct < -10, 2,
                   next_pct < 0, 3,
                   next_pct < 10, 4,
                   next_pct < 20, 5, 6) AS bucket,
           multiIf(next_pct < -20, 'Fell more than 20%',
                   next_pct < -10, 'Fell 10% to 20%',
                   next_pct < 0, 'Fell 0% to 10%',
                   next_pct < 10, 'Rose 0% to 10%',
                   next_pct < 20, 'Rose 10% to 20%', 'Rose more than 20%') AS move_over_30_days
    FROM paired
    WHERE prior_pct > 0
      AND (sd, tkr) NOT IN (SELECT sd, tkr FROM split_hits)
),
tallied AS (
    SELECT bucket, move_over_30_days, count() AS name_count
    FROM outcomes
    GROUP BY bucket, move_over_30_days
)
SELECT move_over_30_days,
       name_count,
       round(100.0 * sum(name_count) OVER (ORDER BY bucket) / sum(name_count) OVER (), 1) AS cumulative_share_pct
FROM tallied
ORDER BY bucket

51.7% tych obserwacji (spółka i termin rozliczenia) odnotowało spadki 30 dni później. Wynik ten jest zbliżony do rzutu monetą, co stanowi kluczowy wniosek: krótkie pozycje są często trafne, a kombinacja wysokiego zagęszczenia i wzrostów opisuje raczej konfigurację rynkową niż przewagę statystyczną. Squeeze objawiłby się w skrajnych wartościach, jednak obie są mało prawdopodobne. 68 obserwacji odnotowało spadki przekraczające jedną piątą; 73 odnotowało wzrosty przekraczające jedną piątą, co stanowi kategorię właściwą dla rzeczywistego squeeze. 87.8% próby nigdy nie osiągnęło takich wyników.

Panel ten należy traktować jako rozkład prawdopodobieństwa, a nie wynik handlowy. Dane nie uwzględniają kosztów, opłat za pożyczenie akcji ani wielkości pozycji, a każda wskazana spółka ma taką samą wagę. Obie fazy analizy są osadzone dwadzieścia dni kalendarzowych po każdej dacie rozliczenia, zgodnie z przesunięciem stosowanym na tej stronie, zatem ceny dla każdej spółki są możliwe do zweryfikowania przez czytelnika. Roczny okres rozliczeń stanowi krótką próbę statystyczną.

Metodologia pomiaru

Zasady i wykluczenia stosowane przy wyliczaniu powyższych danych.

  • Raportowanie krótkiej sprzedaży odbywa się raz na dwa tygodnie na podstawie danych z giełdy. Wykorzystane tutaj dane rozliczono Jun 30, 2026, 24 dni temu. W USA nie publikuje się dziennych wskaźników krótkiej sprzedaży; dostępne są jedynie szacunki dostawców oparte na danych z pożyczania papierów wartościowych.
  • Próg płynności: pięć milionów akcji średniego dziennego obrotu, zgodnie z danymi z tego samego raportu. Bez tego kryterium lista zawierałaby spółki o małej kapitalizacji, których wysoki wskaźnik dni do pokrycia wynika jedynie z bliskiego zeru obrotów.
  • Próg zagęszczenia (crowding): pięć lub więcej dni do pokrycia, czyli wartość znacznie wyższa od mediany płynności przedstawionej powyżej.
  • Składnik momentum: zmiana cen zamknięcia z ostatnich sześciu pełnych sesji regulaminowych, co stanowi stopę zwrotu z pięciu sesji. Sesja zostaje uwzględniona w oknie czasowym dopiero po otrzymaniu pełnych danych minutowych z benchmarku. Sesja, której dane są jeszcze przesyłane, nie jest liczona w stanie niepełnym, co powoduje, że okno może być opóźnione względem kalendarza o jedną sesję, nawet jeśli sesja ta już się zakończyła. Ceny pochodzą z zamknięć sesji regulaminowych.
  • Obie daty mają określone granice. Panel na górze przechowuje wiek każdego parametru w dniach, a te wartości podlegają limitom kontrolnym. Jeśli dane rozliczeniowe są starsze niż miesiąc lub dane cenowe są opóźnione bardziej niż standardowy czas przetwarzania, strona zostaje wstrzymana do weryfikacji, zamiast publikować nieaktualne dane pod nowym nagłówkiem.
  • Wykluczenia. Z każdego panelu usuwane są lewarowane i odwrócone fundusze ETF (ich krótka sprzedaż wynika głównie z mechanizmów zabezpieczających), a także jeden niejednoznaczny symbol, który w bazach dostawców jest używany przez dwie różne spółki. Panele mierzące zmiany cen wykluczają również spółki, których podział akcji przypada w oknie pomiarowym danego panelu, ponieważ podział sztucznie zawyża zmienność. W testach wstecznych (backtest) testy są uruchamiane zgodnie z datami rozliczeń, więc podział akcji w jednym miesiącu nie usuwa obserwacji danej spółki z pozostałych miesięcy.
  • Fundusze figurują w tym raporcie obok spółek operacyjnych. Fundusz obligacji lub indeksowy ETF może posiadać dużą krótką pozycję wynikającą z mechanizmów kreacji i odkupu jednostek, a nie z zakładów przeciwko danej pozycji.
  • W tym raporcie nie ma danych o wolnej akcjach (float) ani o liczbie emitowanych akcji, a w bazie nie ma danych o otwartym zainteresowaniu opcjami (open interest). Kolumna liczby akcji powyżej pochodzi z osobnej tabeli danych fundamentalnych, zatem spółka bez opublikowanej kapitalizacji rynkowej nie zostanie uwzględniona w panelu.
  • Nic w tym zestawieniu nie stanowi prognozy ani rekomendacji. Dane opisują mierzalne warunki, których wyniki są przedstawione w załączonym panelu.

FAQ

Jak znaleźć spółki z potencjałem na short squeeze?

Należy przeanalizować raporty giełdowe dotyczące krótkich pozycji pod kątem pozycji znaczących w stosunku do dziennego wolumenu akcji. Należy uwzględnić wyłącznie spółki o wystarczającej płynności do handlu, a następnie sprawdzić, czy cena już rośnie. Ten filtr na pliku short-interest z Jun 30, 2026 uwzględnia ponad pięć dni do pokrycia pozycji, pięć milionów akcji średniego dziennego wolumenu oraz dodatni trend z pięciu sesji, co wyłoniło 31 spółek.

Jaki procent krótkich pozycji wywołuje squeeze?

Nie istnieje jedna konkretna wartość, a każda podana liczba jest jedynie szacunkiem. Squeeze mogą występować przy różnych poziomach, jednak znacznie częściej nie dochodzi do żadnej reakcji: w ciągu ostatniego roku danych rozliczeniowych, 51.7% spółek wskazanych przez ten filtr miało niższe ceny po 30 dniach. Wysoki short interest jest warunkiem koniecznym, a nie bezpośrednim zapalnikiem.

Jak aktualne są dane o krótkich pozycjach?

Najnowsze rozliczenie w bazie pochodzi z Jun 30, 2026, czyli sprzed 24 dni, a dane cenowe obejmują okres do Jul 22, 2026. Opóźnienie to wynika z cyklu raportowania, a nie z nieaktualnych danych: pozycje są liczone dwa razy w miesiącu i publikowane około ośmiu dni roboczych po każdej dacie rozliczenia. Oznacza to, że każda wartość short-interest jest nieaktualna w momencie publikacji.

Które akcje mają obecnie największy short interest?

Nieprzefiltrowane zestawienia, podzielone na dni do pokrycia oraz surową liczbę sprzedanych akcji, znajdują się na stronie najbardziej shortowanych akcji. Ta strona odpowiada na bardziej szczegółowe pytanie: spośród spółek w pliku Jun 30, 2026, których cena rośnie, najbardziej obciążona krótkimi pozycjami jest MPT przy 16.9 dniach do pokrycia, co czyni ją liderem tego konkretnego filtra, a nie najbardziej shortowaną spółką na rynku.

Każdy panel to zapisane, wersjonowane zapytanie SQL do raportów giełdowych. Można rozwinąć kod SQL pod dowolną tabelą lub uruchomić filtr z własnymi parametrami na terminalu Strasmore.

#short interest#short squeeze#days to cover#short selling#screens