High-Low Index என்றால் என்ன? Market Breadth விளக்கம்

High-Low Index என்பது இரண்டு எண்ணிக்கைகளின் அடிப்படையில் உருவாக்கப்படும் சந்தை breadth அளவீடு. இது Record High Percent-ன் 10 நாள் simple moving average ஆகும். Record High Percent என்பது புதிய 52-week highs எண்ணிக்கையை, புதிய 52-week highs மற்றும் புதிய 52-week lows ஆகியவற்றின் கூட்டுத்தொகையால் வகுத்து, 100-ஆல் பெருக்கி கணக்கிடப்படுகிறது. 50-க்கு மேல் உள்ள reading-ல், புதிய highs உருவாக்கும் பங்குகள் புதிய lows உருவாக்கும் பங்குகளைவிட அதிகம். 50-க்கு கீழ் உள்ள reading-ல் இதன் எதிர்மறை நிலை காணப்படும். Formula இவ்வளவு சுருக்கமானது. அடுத்து, round numbers பயன்படுத்திய arithmetic மற்றும் சில பங்குகளின் எண்ணிக்கையை மட்டுமே அடிப்படையாகக் கொண்ட reading-க்கு அதிக முக்கியத்துவம் கிடைக்கச் செய்யும் sample size குறைபாடு ஆகியவை விளக்கப்படுகின்றன.

High-Low Index-ஐ எவ்வாறு கணக்கிடுவது?

இரண்டு படிகள். இரண்டையும் ஒரே வரியில் எழுதலாம்.

1. ஒரே trading session-க்கான Record High Percent: உங்கள் universe-ல் புதிய 52-week high-ல் முடிந்த பங்குகளை எண்ணுங்கள். புதிய 52-week low-ல் முடிந்த பங்குகளையும் எண்ணுங்கள். Highs எண்ணிக்கையை அந்த இரண்டு எண்ணிக்கைகளின் கூட்டுத்தொகையால் வகுத்து, 100-ஆல் பெருக்குங்கள்.
2. High-Low Index: கடந்த 10 தினசரி Record High Percent readings-ன் average-ஐ கணக்கிடுங்கள்.

Round numbers இதைத் தெளிவாகக் காட்டுகின்றன. ஒரு tape-ல் 90 புதிய highs மற்றும் 30 புதிய lows பதிவாகின்றன. Highs மற்றும் lows மொத்தம் 120. 90-ஐ 120-ஆல் வகுத்தால் 0.75 கிடைக்கும். எனவே அந்த session-க்கான Record High Percent 75. இப்போது பத்து sessions-ன் readings: 75, 70, 65, 60, 55, 50, 45, 40, 35 மற்றும் 30. இவை மொத்தம் 525. 525-ஐ 10-ஆல் வகுத்தால் 52.5 கிடைக்கும். அந்த நாளின் Record High Percent 75 ஆக இருந்தாலும், High-Low Index 52.5 ஆக இருக்கும்.

இந்த இடைவெளியே moving average உருவாக்கும் trade-off ஆகும். பத்து நாட்களின் memory, ஒரே இரவில் 100-லிருந்து 0 வரை மாறக்கூடிய series-ஐ smooth செய்கிறது. ஆனால் அதற்குப் பதிலாக reading தாமதமாகிறது. இரண்டு வார காலத்தில் breadth எங்கு இருந்தது என்பதை index காட்டுகிறது. இன்று மதியம் என்ன நடந்தது என்பதை அது ஒருபோதும் காட்டாது.

புதிய 52-week high ஆக எது கருதப்படுகிறது?

ஒரு பங்கின் விலை முந்தைய 52 வாரங்களில் பதிவான அனைத்து விலைகளையும் மீறும்போது, அது புதிய 52-week high உருவாக்குகிறது. Data providers பயன்படுத்தும் basis ஒன்றாக இல்லை. சிலர் intraday highs மற்றும் lows-ஐ ஒப்பிடுகின்றனர். மற்றவர்கள் closing prices-ஐ மட்டும் ஒப்பிடுகின்றனர். ஒரே session-க்கு இந்த இரண்டு முறைகளும் வெவ்வேறு எண்ணிக்கைகளைத் தரும். இந்தப் பக்கம் முழுவதும் closing prices-ஐ அடிப்படையாகக் கொண்டது. புதிய 52-week highs மற்றும் lows பட்டியலையே விளக்குகிறது.

கீழே உள்ள panel, ஏப்ரல் 1 முதல் ஜூலை 31, 2026 வரை, 40 பெரிய market capitalization கொண்ட US பெயர்களைக் கொண்ட fixed basket-ல் ஒவ்வொரு session-க்கும் இரு extremes-ஐ எண்ணுகிறது. இந்த அளவிலான basket எண்ணிக்கைகளை கையால் சரிபார்க்கும் அளவுக்கு சிறியதாக வைத்திருக்கிறது. இதுவே பின்னர் formula-வில் உள்ள குறைபாட்டைத் தெளிவாகக் காட்டுகிறது.

WITH daily_close AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS session_date,
           argMax(close, window_start) AS close_px
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('AAPL','MSFT','NVDA','AMZN','GOOGL','AVGO','JPM','JNJ','XOM','PG',
                     'KO','PEP','WMT','HD','CVX','MRK','PFE','ABBV','CSCO','ORCL',
                     'CRM','ADBE','MCD','NKE','VZ','T','DIS','BA','CAT','GE',
                     'IBM','MMM','UNH','LLY','COST','TGT','SBUX','GS','MS','LIN')
      AND window_start >= toDateTime('2025-03-01 00:00:00')
      AND window_start < toDateTime('2026-08-01 05:00:00')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, session_date
),
extremes AS (
    SELECT cur.ticker AS ticker,
           cur.session_date AS session_date,
           cur.close_px AS close_px,
           max(hist.close_px) AS high_52w,
           min(hist.close_px) AS low_52w
    FROM daily_close AS cur
    INNER JOIN daily_close AS hist ON cur.ticker = hist.ticker
    WHERE cur.session_date >= toDate('2026-04-01')
      AND hist.session_date <= cur.session_date
      AND hist.session_date > cur.session_date - 364
    GROUP BY cur.ticker, cur.session_date, cur.close_px
),
daily AS (
    SELECT session_date,
           countIf(close_px >= high_52w) AS new_highs,
           countIf(close_px <= low_52w) AS new_lows,
           countIf(close_px >= high_52w) + countIf(close_px <= low_52w) AS names_at_extreme
    FROM extremes
    GROUP BY session_date
    HAVING names_at_extreme > 0
)
SELECT session_date AS date,
       formatDateTimeInJodaSyntax(session_date, 'MMM d') AS session_label,
       new_highs,
       new_lows
FROM daily
ORDER BY session_date

77 sessions முழுவதும், இந்த இரண்டு எண்ணிக்கைகளும் அரிதாகவே ஒன்றாக உயர்கின்றன. Window-ன் கடைசி session ஆன Jul 29 அன்று, 40 பெயர்களில் 3 பெயர்கள் 52-week high-ல் முடிந்தன; 0 பெயர்கள் 52-week low-ல் முடிந்தன. முதல் session ஆன Apr 1 அன்று, இந்தப் பிரிவு 1 highs மற்றும் 1 lows ஆக இருந்தது. Basket-ல் இருந்த பிற பெயர்கள் ஒவ்வொன்றும் தங்களின் சொந்த range-ன் நடுப்பகுதியில் இருந்ததால், calculation-க்குள் வரவில்லை.

நல்ல High-Low Index reading என்றால் என்ன?

50 line என்பது pivot ஆகும். இதில் highs மற்றும் lows சமநிலையில் உள்ளன. வழக்கமாக strong marker 70. முழு 10 நாள் average-ல் புதிய highs, புதிய lows-ஐ two-to-one-ஐவிட அதிக விகிதத்தில் மிஞ்சிய நிலையை இது குறிக்கிறது. வழக்கமான weak marker 30. இது அதற்கான mirror image. 30 முதல் 70 வரை index இருந்தால், சந்தையின் extremes கலந்த நிலையில் உள்ளன என்று பொருள். பெரும்பாலான நேரங்களில் index இந்த வரம்புக்குள் இருக்கும்.

கீழே உள்ள panel, அதே basket-க்கான raw daily Record High Percent-ஐ அதன் 10-day average-க்கு எதிராக plot செய்கிறது. Lag chart-ல் தெரியும்; அதை வார்த்தைகளால் விவரிக்க வேண்டியதில்லை.

WITH daily_close AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS session_date,
           argMax(close, window_start) AS close_px
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('AAPL','MSFT','NVDA','AMZN','GOOGL','AVGO','JPM','JNJ','XOM','PG',
                     'KO','PEP','WMT','HD','CVX','MRK','PFE','ABBV','CSCO','ORCL',
                     'CRM','ADBE','MCD','NKE','VZ','T','DIS','BA','CAT','GE',
                     'IBM','MMM','UNH','LLY','COST','TGT','SBUX','GS','MS','LIN')
      AND window_start >= toDateTime('2025-03-01 00:00:00')
      AND window_start < toDateTime('2026-08-01 05:00:00')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, session_date
),
extremes AS (
    SELECT cur.ticker AS ticker,
           cur.session_date AS session_date,
           cur.close_px AS close_px,
           max(hist.close_px) AS high_52w,
           min(hist.close_px) AS low_52w
    FROM daily_close AS cur
    INNER JOIN daily_close AS hist ON cur.ticker = hist.ticker
    WHERE cur.session_date >= toDate('2026-04-01')
      AND hist.session_date <= cur.session_date
      AND hist.session_date > cur.session_date - 364
    GROUP BY cur.ticker, cur.session_date, cur.close_px
),
daily AS (
    SELECT session_date,
           countIf(close_px >= high_52w) AS new_highs,
           countIf(close_px >= high_52w) + countIf(close_px <= low_52w) AS names_at_extreme
    FROM extremes
    GROUP BY session_date
    HAVING names_at_extreme > 0
),
rhp AS (
    SELECT session_date,
           round(100 * new_highs / names_at_extreme, 1) AS record_high_pct
    FROM daily
),
smoothed AS (
    SELECT session_date,
           record_high_pct,
           round(avg(record_high_pct) OVER (ORDER BY session_date
                                            ROWS BETWEEN 9 PRECEDING AND CURRENT ROW), 1) AS high_low_index_pct,
           count() OVER (ORDER BY session_date
                         ROWS BETWEEN 9 PRECEDING AND CURRENT ROW) AS sessions_in_window
    FROM rhp
)
SELECT session_date AS date,
       formatDateTimeInJodaSyntax(session_date, 'MMM d') AS session_label,
       record_high_pct,
       high_low_index_pct
FROM smoothed
WHERE sessions_in_window = 10
ORDER BY session_date

Plot செய்யப்பட்ட range, Apr 15 அன்று Record High Percent 100 மற்றும் index 52.5 நிலையில் தொடங்குகிறது. Jul 29 அன்று அது 100 நிலையில் முடிகிறது; index 64. ஒவ்வொரு reading-ஐயும் 70 மற்றும் 30 markers-க்கு எதிராகப் பாருங்கள். இரண்டு lines-க்கிடையிலான தூரத்தை smoothing-ன் விலையாகக் கருதுங்கள். எந்த நாளிலும் average, அதற்கு முந்தைய ஒன்பது sessions-ஐ இன்னும் உள்ளடக்கியிருக்கும். 10-day average-க்கு 10 நாட்கள் தேவைப்படுவதால், window-ன் முதல் ஒன்பது sessions panel-ல் சேர்க்கப்படவில்லை.

Denominator சந்தையின் பெரும்பகுதியை புறக்கணிக்கிறது

கவனத்தில் வைத்துக்கொள்ள வேண்டிய முக்கிய limitation இதுதான். Record High Percent-ன் denominator என்பது புதிய highs மற்றும் புதிய lows ஆகியவற்றின் கூட்டுத்தொகை மட்டுமே. வேறு எதுவும் அதில் இல்லை. 52-week range-ன் நடுவில் இருக்கும் பங்கு numerator-லோ denominator-லோ இடம்பெறாது. 3,000 பெயர்களில் 900 extreme-ஐ எட்டிய session-ஐ, 9 பெயர்கள் மட்டுமே extreme-ஐ எட்டிய session-லிருந்து index வேறுபடுத்திப் பார்க்க முடியாது. இரண்டுக்கும் ஒரே நம்பிக்கையூட்டும் இரண்டு இலக்க reading-ஐ அது காட்டும்.

6,000 பெயர்களைக் கொண்ட exchange-ல் மெதுவான ஆகஸ்ட் session ஒன்றைக் கருதுங்கள். 40 பங்குகள் புதிய highs உருவாக்குகின்றன; 20 பங்குகள் புதிய lows உருவாக்குகின்றன. Record High Percent என்பது 40-ஐ 60-ஆல் வகுத்தால் கிடைக்கும் 66.7. இது broad advance போலத் தெரிகிறது. ஆனால் calculation listings-ன் 1%-ஐ மட்டுமே அடிப்படையாகக் கொண்டது. மீதமுள்ள 5,940 பெயர்களுக்கு எந்தப் பங்கும் இல்லை.

40 பெயர்களைக் கொண்ட basket, இதை எண்ணிக்கையுடன் screen-ல் காட்டுகிறது. Window-ல் உள்ள ஒவ்வொரு session-மும், எத்தனை பெயர்கள் ஏதேனும் ஒரு extreme-ஐ பதிவுசெய்தன என்பதன் அடிப்படையில் ஒரு bucket-ல் வைக்கப்படுகிறது.

WITH daily_close AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS session_date,
           argMax(close, window_start) AS close_px
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('AAPL','MSFT','NVDA','AMZN','GOOGL','AVGO','JPM','JNJ','XOM','PG',
                     'KO','PEP','WMT','HD','CVX','MRK','PFE','ABBV','CSCO','ORCL',
                     'CRM','ADBE','MCD','NKE','VZ','T','DIS','BA','CAT','GE',
                     'IBM','MMM','UNH','LLY','COST','TGT','SBUX','GS','MS','LIN')
      AND window_start >= toDateTime('2025-03-01 00:00:00')
      AND window_start < toDateTime('2026-08-01 05:00:00')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, session_date
),
extremes AS (
    SELECT cur.ticker AS ticker,
           cur.session_date AS session_date,
           cur.close_px AS close_px,
           max(hist.close_px) AS high_52w,
           min(hist.close_px) AS low_52w
    FROM daily_close AS cur
    INNER JOIN daily_close AS hist ON cur.ticker = hist.ticker
    WHERE cur.session_date >= toDate('2026-04-01')
      AND hist.session_date <= cur.session_date
      AND hist.session_date > cur.session_date - 364
    GROUP BY cur.ticker, cur.session_date, cur.close_px
),
daily AS (
    SELECT session_date,
           countIf(close_px >= high_52w) AS new_highs,
           countIf(close_px >= high_52w) + countIf(close_px <= low_52w) AS names_at_extreme
    FROM extremes
    GROUP BY session_date
    HAVING names_at_extreme > 0
)
SELECT multiIf(names_at_extreme <= 3, '1 to 3 names',
               names_at_extreme <= 9, '4 to 9 names',
               '10 or more names') AS sample_size_bucket,
       count() AS readings,
       round(avg(names_at_extreme), 1) AS avg_names_in_denominator,
       round(quantileDeterministic(0.5)(100 * new_highs / names_at_extreme,
                                        cityHash64(session_date)), 1) AS median_record_high_pct,
       round(quantileDeterministic(0.5)(abs(100 * new_highs / names_at_extreme - 50),
                                        cityHash64(session_date)), 1) AS median_distance_from_50
FROM daily
GROUP BY sample_size_bucket
ORDER BY avg_names_in_denominator

1 to 3 names bucket-ல் உள்ள 39 sessions-ல், முழு reading-ன் அடிப்படை 40 பெயர்களில் சராசரியாக 2 பெயர்கள் மட்டுமே. அந்த sessions-ன் median Record High Percent 100. அவை 50 line-லிருந்து median 50 points தொலைவில் இருந்தன. 10 or more names sessions-ல், 1 sessions-க்கு denominator-ல் சராசரியாக 10 பெயர்கள் இருந்தன. அவற்றின் median 70; middle line-லிருந்து அவை 20 points தொலைவில் இருந்தன.

Arithmetic, thin session ஒன்றால் காட்டக்கூடிய readings-ஐயும் வரையறுக்கிறது. மூன்று பெயர்கள் extreme-ல் இருந்தால், சாத்தியமான readings 0, 33.3, 66.7 மற்றும் 100 மட்டுமே. இரண்டு பெயர்கள் இருந்தால், 0, 50 மற்றும் 100 மட்டுமே சாத்தியம். இரண்டு highs மற்றும் ஒரு low-ஐ அடிப்படையாகக் கொண்ட 66.7 reading-ல் decimal point உள்ளது. ஆனால் அதன் sample size அந்த அளவிலான துல்லியத்தை ஆதரிக்காது. இதைச் சரிசெய்யும் நடைமுறை எளிதானது: index-ஐ மட்டும் பார்க்காமல், அதனுடன் highs மற்றும் lows-ன் raw counts-ஐயும் எப்போதும் பார்க்க வேண்டும்.

Market breadth: High-Low Index மற்றும் advance/decline

இரண்டு measures-மும் எத்தனை பங்குகள் market move-ல் பங்கேற்கின்றன என்று கேட்கின்றன. ஆனால் அவை வெவ்வேறு கால அளவுகளில் இதை அளவிடுகின்றன. Advance/decline breadth, முந்தைய நாளுடன் ஒப்பிடும்போது உயர்ந்து அல்லது குறைந்து முடிந்த ஒவ்வொரு பெயரையும் எண்ணுகிறது. அதன் denominator முழு universe ஆகும்; அது ஒரு நாளை விவரிக்கிறது. High-Low Index, 52-week extreme-ல் இருக்கும் பெயர்களை மட்டும் எண்ணுகிறது. அதன் denominator சிறியது; அது முழு ஒரு ஆண்டு வரலாற்றுடன் ஒப்பிடும்போது prices எங்கு உள்ளன என்பதை விவரிக்கிறது. ஒரு tape அன்று broad-ஆக உயர்ந்திருக்கலாம். அதே நேரத்தில் மிகச் சில பெயர்களே 52-week high-க்கு அருகில் இருக்கலாம்.

கீழே உள்ள panel, ஒரே basket-ல், இரண்டு measures-ஐயும் அதே 10 sessions-க்கு smooth செய்கிறது. இதனால் அவை ஒரே scale-ல் ஒப்பிடப்படுகின்றன.

WITH daily_close AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS session_date,
           argMax(close, window_start) AS close_px
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('AAPL','MSFT','NVDA','AMZN','GOOGL','AVGO','JPM','JNJ','XOM','PG',
                     'KO','PEP','WMT','HD','CVX','MRK','PFE','ABBV','CSCO','ORCL',
                     'CRM','ADBE','MCD','NKE','VZ','T','DIS','BA','CAT','GE',
                     'IBM','MMM','UNH','LLY','COST','TGT','SBUX','GS','MS','LIN')
      AND window_start >= toDateTime('2025-03-01 00:00:00')
      AND window_start < toDateTime('2026-08-01 05:00:00')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
           + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, session_date
),
extremes AS (
    SELECT cur.ticker AS ticker,
           cur.session_date AS session_date,
           cur.close_px AS close_px,
           max(hist.close_px) AS high_52w,
           min(hist.close_px) AS low_52w
    FROM daily_close AS cur
    INNER JOIN daily_close AS hist ON cur.ticker = hist.ticker
    WHERE cur.session_date >= toDate('2026-04-01')
      AND hist.session_date <= cur.session_date
      AND hist.session_date > cur.session_date - 364
    GROUP BY cur.ticker, cur.session_date, cur.close_px
),
daily AS (
    SELECT session_date,
           countIf(close_px >= high_52w) AS new_highs,
           countIf(close_px >= high_52w) + countIf(close_px <= low_52w) AS names_at_extreme
    FROM extremes
    GROUP BY session_date
    HAVING names_at_extreme > 0
),
prior AS (
    SELECT ticker,
           session_date,
           close_px,
           lagInFrame(close_px, 1) OVER (PARTITION BY ticker ORDER BY session_date
                                         ROWS BETWEEN 1 PRECEDING AND CURRENT ROW) AS prev_close
    FROM daily_close
),
breadth AS (
    SELECT session_date,
           round(100 * countIf(close_px > prev_close) / count(), 1) AS advancing_pct
    FROM prior
    WHERE session_date >= toDate('2026-04-01')
      AND prev_close > 0
    GROUP BY session_date
    HAVING count() >= 20
),
combined AS (
    SELECT d.session_date AS session_date,
           round(100 * d.new_highs / d.names_at_extreme, 1) AS record_high_pct,
           b.advancing_pct AS advancing_pct
    FROM daily AS d
    INNER JOIN breadth AS b ON d.session_date = b.session_date
),
smoothed AS (
    SELECT session_date,
           round(avg(record_high_pct) OVER (ORDER BY session_date
                                            ROWS BETWEEN 9 PRECEDING AND CURRENT ROW), 1) AS high_low_index_pct,
           round(avg(advancing_pct) OVER (ORDER BY session_date
                                          ROWS BETWEEN 9 PRECEDING AND CURRENT ROW), 1) AS advancing_pct_10d,
           count() OVER (ORDER BY session_date
                         ROWS BETWEEN 9 PRECEDING AND CURRENT ROW) AS sessions_in_window
    FROM combined
)
SELECT session_date AS date,
       formatDateTimeInJodaSyntax(session_date, 'MMM d') AS session_label,
       high_low_index_pct,
       advancing_pct_10d
FROM smoothed
WHERE sessions_in_window = 10
ORDER BY session_date

Plot செய்யப்பட்ட range-ன் தொடக்கத்தில், Apr 15 அன்று High-Low Index 52.5 ஆகவும் 10-day advancing share 52.8 ஆகவும் இருந்தன. Jul 29 அன்று, 68 plotted sessions-ஐக் கடந்து, அவை முறையே 64 மற்றும் 52.5 ஆக முடிந்தன. Advancing share குறுகிய band-க்குள் இருக்கும். ஒரு சாதாரண session-ல் basket-ன் சுமார் பாதி பெயர்கள் உயர்ந்து முடியும். அவற்றில் பத்து நாட்களின் average எடுத்தாலும் line scale-ன் நடுப்பகுதிக்கு அருகிலேயே இருக்கும். High-Low Index-க்கு இப்படியான anchor இல்லை. பத்து தொடர்ச்சியான sessions-ல் basket-ல் எந்தப் பெயரும் 52-week low-ஐ பதிவுசெய்யவில்லை என்றால், ஒவ்வொரு daily reading-மும் 100 ஆகும்; average-மும் 100 ஆக இருக்கும்.

Participation measures-ஐ அருகில் வைத்து பார்த்தால் breadth-ஐ நன்றாகப் புரிந்துகொள்ளலாம். Relative volume ஒரு பெயர், அதன் சொந்த வழக்கமான அளவுடன் ஒப்பிடும்போது இன்று அசாதாரணமாக அதிக volume-ல் trade ஆகிறதா என்று கேட்கிறது. இந்த வாரத்தின் மிகப்பெரிய stock movers உண்மையில் எந்தப் பெயர்கள் அதிகமாக நகர்ந்தன என்பதைக் காட்டுகிறது. இந்த வாரத்தின் unusual volume stocks trading எங்கு சென்றது என்பதைக் காட்டுகிறது.

High-Low Index FAQ

70-க்கு மேல் உள்ள High-Low Index reading எதை குறிக்கிறது?

கடந்த பத்து sessions-ன் average-ல், புதிய 52-week highs, புதிய 52-week lows-ஐ two-to-one-ஐவிட அதிக விகிதத்தில் மிஞ்சியுள்ளன என்று பொருள். இது வழக்கமான strong-tape marker. எத்தனை பங்குகள் ஏதேனும் ஒரு extreme-ஐ எட்டின என்பதைக் குறித்து இது எதையும் கூறாது. அந்த எண்ணிக்கையை index-க்கு அருகில் பார்த்துச் சரிபார்க்க வேண்டும்.

Record High Percent மற்றும் High-Low Index இடையிலான வேறுபாடு என்ன?

Record High Percent என்பது ஒரே session-க்கான figure. இது புதிய highs-ஐ, புதிய highs மற்றும் புதிய lows ஆகியவற்றின் கூட்டுத்தொகையால் வகுத்து, 100-ஆல் பெருக்கி கணக்கிடப்படுகிறது. High-Low Index என்பது அந்த figure-ன் 10-day simple moving average. ஒன்று இன்றைய நிலையை விவரிக்கிறது. மற்றொன்று கடந்த இரண்டு வார நிலையை விவரிக்கிறது.

High-Low Index 0 அல்லது 100 ஆக இருக்க முடியுமா?

ஆம். Universe-ல் எந்தப் பங்கும் தொடர்ந்து பத்து sessions-ல் புதிய 52-week low உருவாக்கவில்லை என்றால், ஒவ்வொரு daily reading-மும் 100 ஆகும்; average-மும் 100 ஆகும். எந்தப் பங்கும் high அல்லது low உருவாக்காதபோது, fraction-ன் denominator zero ஆகிவிடும். அத்தகைய session-க்கு defined reading இருக்காது.

High-Low Index என்பது advance/decline breadth-க்கு சமமா?

இல்லை. Advance/decline breadth முழு universe-ஐ denominator ஆகப் பயன்படுத்தி, ஒரே நாளின் direction-ஐ விவரிக்கிறது. High-Low Index, 52-week extremes-ல் இருக்கும் சிறிய பங்கு குழுவை denominator ஆகப் பயன்படுத்தி, ஒரு ஆண்டு prices-க்கு எதிரான position-ஐ விவரிக்கிறது.

High-Low Index denominator-ல் வழக்கமாக எத்தனை பங்குகள் இருக்கும்?

ஏப்ரல் முதல் ஜூலை 2026 வரை இங்கு அளவிடப்பட்ட 40 பெயர்களைக் கொண்ட basket-ல், 1 to 3 names bucket-ல் உள்ள sessions-ல் denominator-ல் சராசரியாக 2 பெயர்கள் இருந்தன. Exchange-wide counts absolute terms-ல் அதிகமாக இருக்கும். இருந்தாலும் அவை அனைத்து listings-லிருந்தும் ஒரு thin slice மட்டுமே. அதனால் index-க்கு அருகில் raw counts-ஐயும் screen-ல் காட்ட வேண்டும்.

இந்தப் பக்கத்தில் உள்ள ஒவ்வொரு எண்ணிக்கையும் closing prices அடிப்படையிலான stored, versioned query-யிலிருந்து பெறப்பட்டது. எந்த panel-ஐயும் திறந்து அதன் பின்னுள்ள SQL-ஐப் பார்க்கலாம். அல்லது Strasmore terminal-ல் உங்களுக்கான basket-ஐப் பயன்படுத்தி அதே breadth series-ஐ மீண்டும் உருவாக்கலாம்.