Strasmore Research
சந்தைச் சுருக்கம் Matt Connorஆசிரியர் Matt Connor · புதுப்பிக்கப்பட்டது 2026-07-25 · data as of July 25, 2026 · refreshed weekly

இந்த மாதம் பெரிய பங்கு ஏற்றத்தாழ்வுகள்

இந்த மாதத்தின் பெரிய பங்கு ஏற்றத்தாழ்வுகள், லாப ஈட்டியவை மற்றும் இழப்பவை, பரிவர்த்தனை நாடாக்களிலிருந்து வரிசைப்படுத்தப்பட்டுள்ளன; ஒவ்வொரு ஏற்றத்தாழ்வுக்கும் பரிமாறப்பட்ட டாலர் தொகையும்

இந்த மாதத்தின் பெரிய பங்கு ஏற்றத்தாழ்வுகள் பரிவர்த்தனை நாடாக்களிலிருந்து நேரடியாக கீழே தரப்பட்டுள்ளன; இவை Jun 23 முதல் Jul 22 வரையிலான நிறைவுற்ற 21 வர்த்தக அமர்வுகளை உள்ளடக்குகின்றன. இந்தத் திரையமைப்பு இயங்கும் நிறுவனங்களை மட்டுமே வைத்திருக்கும்; அவை இந்தக் காலகட்டத்தில் குறைந்தது $1 பில்லியன் பரிவர்த்தனைப் பெற்றிருக்க வேண்டும். எனவே பலகையில் உள்ள ஒவ்வொரு ஏற்றத்தாழ்வுக்கும் பின்னால் உண்மையான பணம் உள்ளது. லீவரேஜ் மற்றும் இன்வர்ஸ் நிதிகள் ஒதுக்கிவைக்கப்படுகின்றன. புதிய அமர்வுகள் நிறைவடையும்போது காலச்சாளரம் முன்னேறிச் செல்கிறது.

இந்த மாதத்தின் பெரிய பங்கு லாப ஈட்டியவை

இந்த அட்டவணை குறித்த காலத்தில் பெரிய லாபங்களை வரிசைப்படுத்துகிறது. ஒவ்வொரு வரிசையும் சதவீதத்துடன் பரிமாறப்பட்ட டாலர் தொகையைக் காட்டுகிறது. இதுதான் நெரிசலான மறுவிலையிடுதலை குறைந்த அளவிலான மறுவிலையிடுதலிலிருந்து வேறுபடுத்துகிறது.

வினவவும்இம்மாதம் பங்கு வர்த்தகம் $1B+ கொண்ட நிறுவனங்களில் பெரும் இலாபமடைந்த பங்குகள்
ஒவ்வொரு எண்ணின் பின்னணியில் உள்ள துல்லியமான 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 பலகையில் முதலிடத்தில் இருந்தது; 136.1%-இல் $9.7 பில்லியன் பரிவர்த்தனை நடந்தது. PBF 65.9%-இல் இரண்டாமிடம் பிடித்தது. MAN 62.1%-இல் மூன்றாமிடம் பிடித்தது. ஒரு மாதத்தில் இவ்வளவு பெரிய அசைவு வழக்கமாக முதலில் அந்தப் பங்கின் சராசரி தினசரி அளவை விட அதிகரித்த ஒப்பீட்டு அளவாக தோன்றும். பெரும்பாலும் இது கால அளவு முழுவதும் தொடர்ச்சியான ஏற்றமாக அல்லாமல் ஒரே ஒரு அமர்வில் இரவுநேர இடைவெளியாக தொடங்கும்.

இந்த மாதத்தின் மிகப்பெரிய பங்கு இழப்பாளர்கள்

அதே அமைப்பு தலைகீழாக: அதே $1 பில்லியன் தரையைக் கடக்கும் நிறுவனங்களிடையே, இந்தக் காலகட்டத்தில் மிகக் கடுமையான வீழ்ச்சிகள்.

வினவவும்இம்மாதம் பங்கு வர்த்தகம் $1B+ கொண்ட நிறுவனங்களில் பெரும் நஷ்டமடைந்த பங்குகள்
ஒவ்வொரு எண்ணின் பின்னணியில் உள்ள துல்லியமான 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 மிகக் கடுமையான வீழ்ச்சி அடைந்த பங்கு; வர்த்தகம் $1.1 பில்லியனில் -44.6% ஆக இருந்தது. அடுத்ததாக NVTS -41.6% இல் இருந்தது. இந்தப் பலகையில் டாலர் நெடுவரிசையைக் கவனியுங்கள். கனரகப் பங்குப் பதிவேட்டில் நிகழ்ந்த வீழ்ச்சி, அமைதியான சந்தையில் அச்சிடப்பட்ட வீழ்ச்சியிலிருந்து வேறுபட்ட நிகழ்வு. இரண்டையும் இங்கே ஊகிக்காமல் வேறுபடுத்திக் காட்டுகிறோம்.

மூன்று காலகட்டங்களில் ஒரே கேள்வி

ஒரே கேள்வி, மூன்று சாளரங்கள். ஒரு பெயர் ஒரு பலகையில் உச்சியில் இருக்கலாம்; மற்ற இரண்டிலும் எங்கும் தோன்றாமலும் போகலாம்.

மூன்று பலகைகளும் தனித்தனியாக உருவாக்கப்படுகின்றன. அவற்றின் வடிகட்டிகள் ஒரே மாதிரியானவை அல்ல. வாராந்திரப் பக்கம் ஐந்து அமர்வுகளின் சாளரத்திற்குள் தனக்கென ஒரு நகர்வுத்திறன் கீழெல்லையையும் குறைந்தபட்ச அமர்வு எண்ணிக்கையையும் நிர்ணயித்துக் கொள்கிறது. ஆண்டின் தொடக்கம் முதல் இன்றுவரையான பக்கம், சாளரம் முழுவதற்குமான மொத்த வர்த்தகத்திற்குப் பதிலாக சராசரி தினசரி டாலர் தொகை அடிப்படையில் வடிகட்டுகிறது. ஒவ்வொரு பக்கமும் தத்தம் விதிகளைத் தத்தம் முறையியல் பிரிவில் கூறுகின்றன. எனவே, ஒரு பலகையிலிருந்து இன்னொரு பலகைக்கு ஒரு பெயரை மாற்றுவதற்கு முன் அவற்றைப் படித்துக் கொள்ளுங்கள்.

ஒரு தனித்த இடைவெளி வாராந்திரப் பலகையை ஆதிக்கம் செய்கிறது. ஒரு வருடத்தில் அது மறைந்துவிடுகிறது. மெதுவான மாதாந்திர உராய்வு வாராந்திரப் பலகையை எட்டுவதே இல்லை. மூன்றையும் பக்கத்திற்கொரு பக்கம் வைத்துப் படிப்பது, ஒரு நாள் நிகழ்வை ஒரு போக்கிலிருந்து வேறுபடுத்திப் பார்ப்பதற்கான மலிவான வழி.

இதே காலவாய்ப்பில் சந்தை எங்கு நின்றது

ஒரு பங்கின் மாதம் சந்தையின் மாதத்தோடு ஒப்பிடும்போது வேறுபட்டு தெரிகிறது. நான்கு முக்கிய index trackers, ஒவ்வொன்றும் இந்த காலவாய்ப்பிற்குள் அதன் முதல் திறப்பு மதிப்புக்கு மறுஅடிப்படையாக்கப்பட்டது:

வினவவும்ஒரே காலவரையில் நான்கு பெரும் index trackers, முதல் open-உடன் ஒப்பிட
ஒவ்வொரு எண்ணின் பின்னணியில் உள்ள துல்லியமான 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

இறுதி அமர்வு வரை S&P 500 tracker 1.85% இல் நின்றது, Nasdaq 100 tracker -1.47% இல், Dow tracker 1.33% இல், Russell 2000 tracker 0.17% இல் நின்றன. நான்கு baskets, ஒரு காலவாய்ப்பு, நான்கு வெவ்வேறு பதில்கள். இப்போது லீடர்போர்டை அந்த வரம்பிற்கு எதிராக வைத்துப் பாருங்கள்: ஆதாயம் பெற்றோர் பலகையின் உச்சி இதே அமர்வுகளில் 136.1% தாண்டியது. தனிப்பட்ட நிறுவனங்கள் அவற்றைத் தாங்கும் baskets விட வெகுவாக சிதறுகின்றன. அதுவே movers பட்டியல் தனிப்பட்ட பெயர்களின் பட்டியலாக இருப்பதற்கு முழு காரணம்.

பரவலாக அறியப்படும் நிறுவனங்கள் எப்படி செயல்பட்டன

இந்த மாதம் சிறந்த செயல்திறன் கொண்ட பங்குகளைத் தேடும் வாசகர்கள், பெரும்பாலும் தாங்கள் ஏற்கெனவே வைத்திருக்கும் பங்குகள் எந்த நிலையில் இருந்தன என்பதையும் அறிந்துகொள்ள விரும்புவார்கள். எட்டு பரவலாக அறியப்படும் மெகா-கேப் நிறுவனங்களின் நிலையான தொகுப்பு, அதே கால இடைவெளி, அதே அமைப்பு:

வினவவும்ஒரே காலவரையில் எட்டு அறிமுக mega-cap பெயர்கள்
ஒவ்வொரு எண்ணின் பின்னணியில் உள்ள துல்லியமான 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

இந்தத் தொகுப்பு மேற்புறத்தில் META-க்கு 11.5% என்ற அளவிலிருந்து, கீழ்புறத்தில் TSLA-க்கு -4.7% என்ற அளவு வரை நகர்ந்தது. இவை ஒரு தொகுதியாக நகரவில்லை; இதுவே வழக்கமான நிலை, விதிவிலக்கு அல்ல. இந்தக்ஸ் உறுப்புறுதி இந்த நிறுவனங்களை ஒன்றாகத் தொகுத்துக் காட்டுகிறது; ஆனால் அவற்றின் வருவாய் வரிசைகள் ஒன்றுக்கொன்று சிறிதும் தொடர்பில்லாதவை. இந்தத் தொகுப்பு எட்டு பெயர்களின் நிலையான பட்டியல், தரவரிசை அல்ல; எனவே இதை ஒரு திசைகாட்டியாகக் கொள்ளுங்கள், எந்த நிறுவனங்கள் மிகப்பெரியவை என்பதற்கான கூற்றாக அல்ல.

ஒரு வழக்கமான மாதம் எப்படி இருக்கும்

தலைமைப் பட்டியல்கள் வால் பகுதியைக் காட்டுகின்றன. இது உடல் பகுதியைக் காட்டுகிறது. திரையைக் கடந்த அனைத்து 1167 நிறுவனங்களும், அந்தக் காலகட்டத்திலான அவற்றின் வருமானத்தின்படி குழுக்களாகப் பிரிக்கப்பட்டுள்ளன:

வினவவும்வடிகட்டப்பட்ட ஒவ்வொரு நிறுவனமும் எவ்விடத்தில் இருந்தன: bucket வாரியான மாதாந்திர வருமானம்
ஒவ்வொரு எண்ணின் பின்னணியில் உள்ள துல்லியமான 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

திரையிடப்பட்ட நிறுவனங்களில் 52 அந்தக் காலகட்டத்தில் 20% அல்லது அதற்கு மேல் லாபம் ஈட்டின, மேலும் 50 20% அல்லது அதற்கு மேல் இழந்தன. மாற்றமின்மைக்கு மிக அருகில் இருந்த இரண்டு குழுக்கள் 300 மற்றும் 515 பெயர்களைக் கொண்டிருந்தன. அந்த வரைபடமே ஒரு மாறும் பங்குகள் தலைமைப் பட்டியல் வெட்டியெடுக்கப்படும் வடிவம், மேலும் முதல் பத்தும் அதன் வலது தொலை விளிம்பே. இதை மனதில் கொண்டு மேற்கண்ட பட்டியல்களைப் படியுங்கள்: ஒரு மாதத்திற்கான முதல் பத்து நகர்வு என்பது அமைப்புரீதியாகவே ஒரு விதிவிலக்கு, ஒரு வழக்கமான பங்கிற்கு வழக்கமான மாதம் ஒருபோதும் அல்ல.

ஒரு பங்கு மாதாந்திர ஏற்ற இறக்க பட்டியலில் இடம்பெறக் காரணம்

ஒரு மாதம் என்பது பல நிகழ்வுகளைக் கொண்டிருக்கக் கூடிய அளவுக்கு நீண்டது. அதே சமயம் அவற்றில் ஒன்று வழக்கமாக முதன்மையாக விளங்கும் அளவுக்குக் குறுகியது. இந்தப் பட்டியல்களில் உள்ள பெயர்கள் பெரும்பாலும் நிறுவனத்தின் காலண்டரில் குறித்த தேதியுடைய ஏதேனும் ஒரு நிகழ்வுடன் ஒத்துப்போகும். காலாண்டு முடிவுகளே மிகவும் பொதுவானவை. எதிர்பார்ப்பை விஞ்சிய அல்லது தவறிய முடிவு ஒரே அமர்வில் விலையை மீளமைக்கிறது. மாதத்தின் மீதமுள்ள நாட்களில் அந்தப் புதிய நிலையைச் சுற்றி வர்த்தகம் நடைபெறும். துணை முடிவுகள் இன்றி வழிகாட்டுதல் மாற்றங்கள் மட்டும் இதே விளைவை ஏற்படுத்துகின்றன.

நிறுவன இணைப்பு மற்றும் கையகப்படுத்தல் செய்திகள் மாதாந்திர பட்டியலில் மிகத் தனித்துவமான தடயத்தை விடுக்கின்றன. அறிவிக்கப்பட்ட ஒப்பந்த விலையை ஒட்டிய நிலைக்குப் பங்கு உயர்கிறது. பின்னர் அது அமைதியாகிறது. சதவீத மாற்றம் தட்டையாகும் போதும் பரிமாற்றத் தொகை மிகப் பெரியதாகவே இருக்கும். இலாபமடைந்தவர்களின் அட்டவணையின் உச்சியில் இருக்கும் ஒரு பெயர் பெருந்தொகையையும் காலத்தின் நடுவில் நின்றுவிட்ட விலையையும் காட்டினால், வேறெதையும் பார்ப்பதற்கு முன்பு அந்த வடிவத்தைச் சரிபார்ப்பது அவசியம்.

ஒரு வாரத்திற்கு அரிதாக ஏற்படும் துறை அளவிலான நகர்வுகள் ஒரு மாதத்திற்கு கணிசமான தாக்கத்தை ஏற்படுத்தும். வட்டி விகிதம், எண்ணெய் அல்லது நினைவக விலையில் ஏற்படும் மாற்றம் ஒரே நேரத்தில் முழுக் குழுவையும் கொண்டு செல்லும். இதனாலேயே மாதாந்திர பட்டியல்களில் தொடர்பற்ற பத்து பெயர்களுக்குப் பதிலாக ஒரே மாதிரியான நிறுவனங்களின் கொத்துகள் தெரிகின்றன. ஆய்வாளர் நடவடிக்கைகள், குறியீட்டுச் சேர்க்கைகள் மற்றும் நீக்கங்கள், சோதனை மற்றும் ஒழுங்குரீதியான முடிவுகள், மற்றும் short squeeze ஆகியவை மீதத்தை நிரப்புகின்றன. இவற்றில் எதுவும் சதவீதத்தில் மட்டும் தெரியாது. இதனாலேயே பரிமாற்றத் தொகை நெடுவரிசையும் சந்தையின் சொந்தச் சாளரமும் இங்குள்ள ஒவ்வொரு நகர்வுக்கும் அருகில் இருக்கின்றன.

இது எவ்வாறு அளவிடப்படுகிறது

ஒவ்வொரு நிபந்தனையும் இங்கே வெளிப்படையாகக் குறிப்பிடப்பட்டுள்ளது; விட்டுவைக்கப்படவில்லை. மறைக்கப்பட்ட விதிகளைக் கொண்ட ஒரு சலுகை தரவாகத் தோன்றும், ஆனால் உண்மையில் அது ஒரு கருத்தே.

  • காலச்சாளரம். நகரும் 30 நாட்காலச்சாளரம், அதன் நாள் வர்த்தக நாளின் பரிவர்த்தனைத் தரவு முழுமையாக ஏற்றப்பட்ட அண்மைக் காலத்தில் முடிவடைகிறது; இது Jun 23 முதல் Jul 22 வரையிலான 21 அமர்வுகளை உள்ளடக்கியது. ஒரு அமர்வு தகுதியானதா என்பதை இரண்டு விதிகள் தீர்மானிக்கின்றன. அது நியூயார்க்கில் நடப்பு தேதிக்கு முன்பாக மூடியிருக்க வேண்டும், எனவே நடந்து கொண்டிருக்கும் அமர்வு ஒருபோதும் இதில் சேர்ந்திருக்காது. அதன் வழக்கமான நேர அளவீட்டு பட்டை எண்ணிக்கை 34-நாள் ஆய்வின் நடுநிலை அமர்வின் 85% அளவை எட்ட வேண்டும்; இது பரிவர்த்தனைத் தரவு இன்னும் நிரப்பப்பட்டுக் கொண்டிருக்கும் ஒரு பழைய நாளைத் தடுக்கிறது. சுருக்கப்பட்ட விடுமுறை நாள் அமர்வு சாதாரண நாளின் ஏறக்குறைய பாதியளவு பட்டைகளை மட்டுமே உருவாக்கும், எனவே இதே விதி அதைப் பாதியளவில் ஏற்றப்பட்ட நிலையில் அளவிடுவதற்குப் பதிலாக நீக்கிவிடுகிறது.
  • வருமானம். காலச்சாளரத்திற்குள் உள்ள முதல் வழக்கமான அமர்வின் தொடக்க விலையிலிருந்து இறுதி வழக்கமான அமர்வின் மூடல் விலை வரை, நிமிடப் பட்டைகளிலிருந்து கட்டமைக்கப்படுகிறது. வழக்கமான நேரங்கள் மட்டுமே, எனவே முன்-சந்தை மற்றும் சந்தைக்குப் பின் விலைகள் நீக்கப்படுகின்றன. இது ஒரு விலை வருமானம்: ஈவுத்தொகைகள் மீண்டும் சேர்க்கப்படவில்லை.
  • கீழ் வரம்புகள். முழு காலச்சாளரத்திலும் குறைந்தது $1 பில்லியன் பரிவர்த்தனை, $10 அல்லது அதற்கு மேற்பட்ட தொடக்க விலை, மற்றும் காலச்சாளரத்தின் குறைந்தது 15 அமர்வுகளில் பரிவர்த்தனைகள். டாலர் வரம்பு ஒரு மாதாந்திர மொத்தம், இது ஒரே வாரத்தில் அளவிடப்படும் அதே தொகையை விட எளிதாகக் கடக்கக்கூடிய ஒரு தடையாக அமைகிறது.
  • நீக்கங்கள். பெயர் அடிப்படையில் நிதி உந்துதல் மற்றும் தலைகீழ் நிதிகள் நீக்கப்படுகின்றன. ஒவ்வொரு ticker-ம் நிறுவன அடிப்படைத் தகவல்களையும், கோப்பில் உள்ள சந்தை மூலதனத்தையும் கொண்டிருக்க வேண்டும். இரண்டாவது விதி ETFகள், மூடப்பட்ட-முனை நிதிகள், பொருள் அறக்கட்டளைகள் மற்றும் நிதி உந்துதல் ஒற்றை-பங்குத் தயாரிப்புகளின் வேகமாக வளரும் குடும்பத்தை நீக்குகிறது; இல்லையெனில் அவை இரண்டு பலகைகளின் பெரும்பகுதியையும் நிரப்பியிருக்கும். அந்த குறிப்பு அட்டவணை ஒரு ticker-க்கு ஒரு வரிசை வீதம் கொண்டுள்ளது, தேதியிடப்பட்ட தினசரி படம் அல்ல, எனவே சலுகை முழு அட்டவணையையும் படிக்கிறது, எந்தவொரு ஒற்றை தேதியும் யார் தகுதியானவர் என்பதைத் தீர்மானிக்காது. கடந்த 45 நாட்களில் பங்குப் பிரிப்பு நடைபெற்ற எந்த ticker-ம் பின்னோக்கி-சரிசெய்யப்படுவதற்குப் பதிலாக நீக்கப்படுகிறது, ஏனெனில் பிரிப்பு ஒரு பங்கின் விலையை மாற்றுகிறது, ஆனால் வைப்பின் மதிப்பை மாற்றாது. வழங்குநர் தரவுப் பாய்வுகள் இரண்டு வெவ்வேறு நிறுவனங்களுக்கு மறுஒதுக்கீடு செய்த ஒரு சின்னம் பெயர் அடிப்படையில் நீக்கப்படுகிறது.
  • மெகா-கேப் குழு. பரவலாக வைத்திருக்கப்பட்ட எட்டு பெரிய அமெரிக்க நிறுவனங்களின் நிலையான தொகுப்பு, அந்தக் குழுவின் SQL-ல் பெயர் அடிப்படையில் பட்டியலிடப்பட்டுள்ளது. இது பலகைகளைப் போலவே அதே காலச்சாளரத்தையும் அதே வருமான கட்டமைப்பையும் பயன்படுத்துகிறது, மேலும் இது டாலர்-பரிவர்த்தனை சலுகைக்கு வெளியே அமைந்துள்ளது.
  • பயன்படுத்தப்படாதவை. துறை வடிகட்டி இல்லை, சந்தை-மூலதன கீழ் வரம்பு இல்லை, குறியீடு-உறுப்புரிமை தேவையில்லை, எனவே அதிகமாக பரிவர்த்தனையாகும் ஒரு சிறிய நிறுவனம் பெரிய நிறுவனத்திற்கு அருகில் பலகையில் இடம்பெறலாம். தரவரிசை சதவீத மாற்றத்தால் மட்டுமே, எனவே டாலர்-பரிவர்த்தனை நெடுவரிசை அதற்கு அருகில் அச்சிடப்படுகிறது.

ஒரு குழு இவை அனைத்திற்குமான ரசீதைக் கொண்டுள்ளது: காலச்சாளரம் உள்ளடக்கிய அமர்வுகள், மற்றும் ஒவ்வொரு பலகையும் எந்த அகல வரம்பிலிருந்து சலுகை செய்யப்பட்டது.

வினவவும்இப்பக்கத்தின் ஒவ்வொரு board-க்கும் பின்னால் உள்ள காலவரை மற்றும் வடிகட்டப்பட்ட அகலம்
ஒவ்வொரு எண்ணின் பின்னணியில் உள்ள துல்லியமான 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

சலுகை குறிப்பு அட்டவணையில் சந்தை மூலதனத்தைக் கொண்ட 4121 ticker-களிலிருந்து தொடங்கியது, டாலர்-பரிவர்த்தனை, விலை மற்றும் அமர்வு கீழ் வரம்புகளைக் கடக்கும் 1167 நிறுவனங்களுடன் முடிந்தது. இரண்டு எண்ணிக்கைகளும் இந்தப் பக்கத்தின் ஒவ்வொரு புதுப்பித்தலுடனும் சேமிக்கப்படுகின்றன, எனவே சுருக்கப்பட்ட அகல வரம்பில் நடக்கும் ஒரு இயக்கம் கவனிக்கப்படாமல் கடந்து செல்வதற்குப் பதிலாக ரசீதில் காட்டப்படுகிறது.

அடிக்கடி கேட்கப்படும் கேள்விகள்

இந்த மாதத்தில் பங்குச் சந்தையில் மிக அதிகமாக உயர்ந்தவை யாவை?

Jul 22 உடன் முடியும் காலகட்டத்தில், பத்து லட்சம் கோடி டாலர்களுக்கு மேல் வர்த்தகம் செய்யும் நிறுவனங்களில் மிகப் பெரிய லாபம் பெற்றவை CRNX ஆகும், இது 136.1% அளவில் உயர்ந்தது; அடுத்தது PBF, இது 65.9% அளவில் உயர்ந்தது. முதல் பத்தின் முழுப் பட்டியல் இந்தப் பக்கத்தின் முதல் அட்டவணையில் உள்ளது. புதிய வர்த்தக அமர்வுகள் முடிவடையும்போது இது தானாகவே புதுப்பிக்கப்படும்.

இந்த மாதத்தில் பங்குச் சந்தையில் மிக அதிகமாக வீழ்ந்தவை யாவை?

CLBK மிக மோசமான வீழ்ச்சியைச் சந்தித்தது; இதன் இழப்பு -44.6%. அடுத்தது NVTS, இது -41.6% அளவில் வீழ்ந்தது. இவை இரண்டும் ஒரே 21 அமர்வுகளில் அளவிடப்பட்டன. லாபம் பெற்றவர்களின் பட்டியலைப் போலவே, இதிலும் பத்து லட்சம் கோடி டாலர் வர்த்தக அளவு என்பது குறைந்தபட்ச அளவாகப் பயன்படுத்தப்பட்டுள்ளது.

மாதாந்திர பங்கு வருமானங்கள் எவ்வாறு அளவிடப்படுகின்றன?

இங்கு மாதாந்திர வருமானம் என்பது ஒரு பங்கின் காலகட்டத்திற்குள் உள்ள முதல் வழக்கமான அமர்வின் தொடக்க விலைக்கும் கடைசி வழக்கமான அமர்வின் இறுதி விலைக்கும் இடையிலான மாற்றமாகும். இது நிமிட அடிப்படையிலான தரவிலிருந்து உருவாக்கப்படுகிறது. இது விலை அடிப்படையிலான வருமானம், எனவே ஈவுத்தொகை மீண்டும் சேர்க்கப்படவில்லை. காலகட்டத்திற்கு அருகில் பங்கு பிரிப்பு நடைபெறும் எந்த நிறுவனமும் பின்னோக்குத் திருத்தம் செய்யப்படாமல் நீக்கப்படுகிறது.

பங்கு மாற்றங்களின் பட்டியலிலிருந்து லீவரேஜ் ETFக்கள் ஏன் விலக்கப்படுகின்றன?

லீவரேஜ் அல்லது இன்வர்ஸ் ஃபண்ட் ஒரு குறியீட்டின் அல்லது ஒற்றைப் பங்கின் தினசரி இயக்கத்தைப் பல மடங்காக்குகிறது. எனவே, எந்தவொரு நிறுவனச் செய்தியும் இல்லாமல் ஒரு சாதாரண சந்தை நாளில் இது மூல மாற்றங்களின் பட்டியலில் உச்சியில் இடம்பெறலாம். அவற்றை நீக்குவது இதை இயங்கும் நிறுவனங்களின் பட்டியலாக வைத்திருக்கிறது. லீவரேஜ் ETFக்கள் எவ்வாறு செயல்படுகின்றன என்பது தினசரி மறுதொடக்கம் மற்றும் ஒரு மாதம் வைத்திருக்கும்போது ஏற்படும் விலகலை விளக்குகிறது.

மேலே உள்ள ஒவ்வொரு பலகையும் அதனுடன் இணைக்கப்பட்ட SQL கொண்ட சேமிக்கப்பட்ட வினவலாகும். ஒன்றைத் திறக்கவும், டாலர் அடிப்படை அளவு அல்லது காலகட்ட நீளத்தை மாற்றவும், மேலும் Strasmore முனையத்தில் நீங்களே அதே தரவைப் பார்க்கவும்.

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