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

สรุปผลตอบแทนกลุ่มอุตสาหกรรม H1 2026

จัดอันดับ 11 กลุ่มอุตสาหกรรมใน S&P 500 ETF สำหรับ H1 2026 วิเคราะห์กลุ่มที่ทำกำไรและการหมุนเวียนของกลุ่มจาก Q1 ไปยัง Q2 รวมถึงค่าธรรมเนียมในการซื้อขาย

สรุปผลการดำเนินงานรายกลุ่มอุตสาหกรรมสำหรับ H1 2026 แสดงผลลัพธ์ที่หลากหลาย โดยกลุ่มเทคโนโลยี (XLK) ปิดครึ่งปีด้วยการปรับตัวขึ้น 30.8% และกลุ่มบริการสื่อสาร (XLC) ปิดที่ -9.3% โดยมีส่วนต่างระหว่างกลุ่มที่ทำผลงานได้ดีที่สุดกับกลุ่มที่แย่ที่สุดอยู่ที่ประมาณสี่สิบเปอร์เซ็นต์ มี ETF รายกลุ่มใน S&P 500 จำนวนสามกลุ่มจากทั้งหมดสิบเอ็ดกลุ่มที่ปิดในแดนลบ และแทบไม่มีกลุ่มใดรักษาอันดับเดิมจาก Q1 ไปยัง Q2 ได้เลย เนื่องจากช่วงครึ่งปีนี้ประกอบด้วยสภาวะตลาดสองรูปแบบที่แตกต่างกันอย่างสิ้นเชิง ซึ่งหน้านี้ได้ทำการประเมินผลทั้งสองสภาวะ ข้อมูลตัวเลขทั้งหมดด้านล่างเป็นผลลัพธ์จากการดึงข้อมูลในระบบ คุณสามารถขยายแถบข้อมูลเพื่อดูคำสั่ง SQL ที่ใช้ได้

ETF รายกลุ่มอุตสาหกรรมคืออะไร — และเกณฑ์การให้คะแนนในหน้านี้

กองทุน Select Sector SPDR ทั้งสิบเอ็ดกองทุน แบ่งกลุ่มดัชนี S&P 500 ออกเป็นกลุ่มอุตสาหกรรม เพื่อให้การซื้อหรือการป้องกันความเสี่ยงผ่าน ticker เพียงตัวเดียวสามารถครอบคลุมมุมมองในหนึ่งกลุ่มอุตสาหกรรมได้ แต่ละกองทุนถือครองหุ้นในดัชนีของกลุ่มอุตสาหกรรมนั้นๆ โดยถ่วงน้ำหนักตามมูลค่าตลาด และมีการซื้อขายตลอดช่วงเวลาทำการเช่นเดียวกับหุ้น หน้าจอนี้ให้คะแนนแต่ละกองทุนผ่านสี่เกณฑ์ ได้แก่ ผลตอบแทนจากราคา (คำนวณจากราคาเปิดช่วงเวลาทำการปกติครั้งแรกถึงราคาปิดช่วงเวลาทำการปกติครั้งสุดท้าย), การแบ่งรายไตรมาสที่อยู่ใต้ตัวเลขครึ่งปี, ปริมาณการซื้อขายด้วยมูลค่าเงิน (ราคาคูณด้วยจำนวนหุ้นที่ซื้อขาย ซึ่งเป็นตัววัดที่ชัดเจนที่สุดว่ามีเม็ดเงินหมุนเวียนเท่าใด) และส่วนต่าง Bid-ask ซึ่งคือส่วนต่างระหว่างราคาเสนอซื้อที่ดีที่สุดและราคาเสนอขายที่ดีที่สุด หรือต้นทุนในการซื้อขายแบบไป-กลับ ข้อมูลสรุปตลาดสำหรับช่วงหกเดือนเดียวกัน ทั้งเรื่องอัตราดอกเบี้ย, options, IPO และความกว้างของตลาด (breadth) สามารถดูได้ใน สรุปภาพรวมตลาด H1 2026

The scorecard: eleven sectors, half and quarter splits

คำสั่งดึงข้อมูล11 sector ETFs: ผลตอบแทน H1 2026, แยก Q1 และ Q2 และปริมาณการซื้อขาย H1 ($)
SQL เบื้องหลังตัวเลขแต่ละตัว
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

Read the half column first: technology led at 30.8%, with industrials at 19% and energy at 18.8% behind it, while three sectors finished negative — communication services at -9.3%, consumer discretionary at -2.3%, and financials at -2.2%. Eight of eleven positive is respectable breadth for a half that opened with falling indexes.

The quarter columns hold the real story. Q1's leaders were energy (36.9%), materials (9.8%), utilities (7%), and staples (5.5%) — one commodity trade plus the classic defensives — while technology (-8.7%), financials (-9.9%), and discretionary (-9.3%) fell alongside the broad market. Q2 inverted the table: technology returned 42%, industrials 13.3%, and health care 7.8%, while energy (-11%), communication services (-3.7%), and utilities (-1%) finished the quarter in the red. Energy's round trip — 36.9% then -11% — and financials' mirror image — -9.9% then 7.7% — are the two cleanest illustrations of what a single half-year number hides.

การหมุนเวียนของกลุ่มอุตสาหกรรมในแต่ละเดือน

หุ้นสามตัวเป็นตัวบ่งชี้หลักของการหมุนเวียนของกลุ่มอุตสาหกรรม แผงข้อมูลนี้จึงติดตามหุ้นเหล่านี้เป็นรายเดือน ได้แก่ XLE (ผู้นำใน Q1), XLK (ผู้นำใน Q2) และ XLF (การเทรดในทิศทางตรงกันข้าม)

คำสั่งดึงข้อมูลXLE, XLF และ XLK รายเดือน: การหมุนเวียนของกลุ่มอุตสาหกรรมใน H1 2026 รายเดือน
SQL เบื้องหลังตัวเลขแต่ละตัว
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 ปรับตัวขึ้นในแต่ละเดือนในช่วงสามเดือนแรก โดยเพิ่มขึ้น 14.1% ในเดือนมกราคม, 11.6% ในเดือนกุมภาพันธ์ และ 6% ในเดือนมีนาคม ซึ่งเป็นการปรับตัวขึ้นแบบขั้นบันไดที่ชะลอตัวลง จากนั้นราคาไม่ปรับตัวขึ้นติดต่อกันสามเดือน (-0.2%, -4.7%, -6.8%) ส่วน XLK มีทิศทางตรงกันข้าม คือติดลบในเดือนมกราคม กุมภาพันธ์ และมีนาคม จากนั้นปรับตัวขึ้น 18.9% ในเดือนเมษายน และ 19.1% ในเดือนพฤษภาคม ซึ่งเป็นการปรับตัวขึ้นติดต่อกันสองเดือนที่สร้างผลตอบแทนเกือบทั้งหมดในช่วงครึ่งปีแรกที่กลุ่มนี้เป็นผู้นำ เดือนเมษายนคือจุดเปลี่ยน โดยการสลับตำแหน่งผู้นำปรากฏอยู่ในคอลัมน์เดียวในตารางนี้ สำหรับ XLF มีเดือนที่ปรับตัวขึ้นสองเดือน คือเดือนเมษายนและมิถุนายน ที่ระดับ 4.7% และ 4.7% ข้อมูลเศรษฐกิจที่ส่งผลต่อการซื้อขายในช่วงครึ่งปี ได้แก่ ตัวเลขเงินเฟ้อ, การจ้างงานนอกภาคเกษตร และอัตราผลตอบแทนพันธบัตรรัฐบาล (Treasury curve) ซึ่งรวบรวมไว้ใน ภาพรวมเศรษฐกิจมหภาคเมื่อเข้าสู่ H2 2026

ความกว้างขวางภายในแต่ละกลุ่มอุตสาหกรรม

ผลตอบแทนของกองทุนกลุ่มอุตสาหกรรมไม่ได้บ่งบอกถึงจำนวนหุ้นที่มีส่วนร่วมในกลุ่มนั้น เนื่องจากฐานข้อมูลไม่มีคอลัมน์การจัดกลุ่มอุตสาหกรรม ดังนั้นตารางนี้จึงวัดความกว้างขวางภายในกลุ่มอุตสาหกรรมด้วยตะกร้าหุ้นที่กำหนดไว้และเปิดเผยข้อมูลอย่างครบถ้วน โดยใช้หุ้นขนาดใหญ่ที่เป็นที่รู้จัก 5 ตัวต่อหนึ่งกลุ่มอุตสาหกรรม รวมทั้งหมด 55 ตัว ซึ่งทุกตัวมีรายชื่ออยู่ใน SQL นี่คือกลุ่มตัวอย่างของหุ้นที่มีชื่อเสียง ไม่ใช่หุ้นที่กองทุนถือครองจริง โดยข้อจำกัดของตะกร้าหุ้นนี้ได้ระบุไว้ในหมายเหตุข้อมูลแล้ว

คำสั่งดึงข้อมูลตะกร้าหุ้น 5 ตัวต่อกลุ่มอุตสาหกรรม: จำนวนหุ้นที่บวกเทียบกับลบ, ค่ามัธยฐาน, ตัวที่ดีที่สุดและแย่ที่สุด — H1 2026
SQL เบื้องหลังตัวเลขแต่ละตัว
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

มีสองแถวที่ได้รับความสนใจมากที่สุด กลุ่ม Healthcare: หุ้นทั้ง 5 ของหุ้น 5 ตัวในตะกร้าปรับตัวขึ้น โดยมีค่ามัธยฐานอยู่ที่ 21.7% ในขณะที่ XLV ซึ่งเป็นกองทุน ปรับตัวขึ้น 2.5% ในช่วงครึ่งปี ผลตอบแทนของกองทุนถูกคำนวณแบบถ่วงน้ำหนักด้วยมูลค่าตลาด แต่ค่ามัธยฐานของตะกร้าหุ้นจะถ่วงน้ำหนักสมาชิกทุกตัวเท่ากัน ซึ่งกลุ่ม Healthcare เป็นกรณีที่ตะกร้าหุ้นทำผลงานได้ดีกว่ากองทุนอย่างชัดเจนที่สุด ส่วนกลุ่ม Technology มีส่วนต่างในทิศทางตรงกันข้าม และเมื่อวัดผลตั้งแต่ต้นจนจบ พบว่าเป็นกลุ่มที่มีส่วนต่างกว้างที่สุดในบรรดาทุกกลุ่ม โดยกองทุนปรับตัวขึ้น 30.8% ในขณะที่หุ้นชื่อดัง 5 ตัวในตะกร้า แบ่งเป็นหุ้นที่ปรับตัวขึ้น 3 และหุ้นที่ปรับตัวลง 2 โดยมีค่ามัธยฐานอยู่ที่ 5.2% และ ORCL ทำผลงานได้ที่ -25.7% ผลตอบแทนหลักของกลุ่มอุตสาหกรรมไม่ได้มาจากหุ้น Megacaps แบบดั้งเดิม ซึ่งแหล่งที่มาของผลตอบแทนนั้นจะแสดงในตารางถัดไป สำหรับส่วนอื่นๆ ในตาราง: 84.3% ของ CAT เป็นผลงานที่ดีที่สุดในบรรดาหุ้นทั้ง 55 ตัว และ Communication Services เป็นกลุ่มที่อ่อนแอที่สุด โดยมีหุ้น 5 ตัวปรับตัวขึ้น 1 มีค่ามัธยฐานที่ -15.2% และ NFLX อยู่ที่ -24.2%

The memory-semis trade inside technology

คำสั่งดึงข้อมูล8 หุ้นกลุ่มชิปและหน่วยความจำที่มีการซื้อขายสูง: ผลตอบแทน H1, แยกรายไตรมาส และปริมาณการซื้อขาย H1 ($)
SQL เบื้องหลังตัวเลขแต่ละตัว
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

Take technology apart and the half's defining single-name trade appears. SNDK returned 830.1% in six months, MU 290%, INTC 269.3%, and AMD 165.3% — while NVDA, the biggest single-name tape in the set at $3287.9 billion of half-year turnover, returned 5.2%, with AVGO at 6.9% and QCOM at 6.3%. The complex split in two: the memory-and-foundry names multiplied while the established AI-accelerator names went sideways. The Q2 column carries the timing: MU's 229.9%, INTC's 210%, and AMD's 179.8% landed in the same quarter XLK printed its 42% — the sector fund's rally and the memory repricing are the same three months of tape. MU's June is dissected tick by tick here, and NVDA's June deep-dive tracks the divergence session by session.

ทิศทางการเคลื่อนย้ายของเม็ดเงินซื้อขาย

คำสั่งดึงข้อมูลปริมาณการซื้อขาย sector ETF, Q1 เทียบกับ Q2 2026: ทุกกองทุนมีการซื้อขายลดลงในไตรมาสที่ฟื้นตัว
SQL เบื้องหลังตัวเลขแต่ละตัว
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

ปริมาณการซื้อขายในรูปของมูลค่าดอลลาร์เคลื่อนที่ไปในทิศทางเดียว คือกองทุนกลุ่มอุตสาหกรรมทั้งสิบเอ็ดกองทุนมีมูลค่าการซื้อขายในไตรมาสที่สองน้อยกว่าในไตรมาสแรก แถวบนสุดของตารางแสดงส่วนต่างที่ลดลงน้อยที่สุด คือ XLK ที่ -23% จาก $161.2 พันล้านดอลลาร์ เป็น $124.8 พันล้านดอลลาร์ และแถวล่างสุดคือกลุ่มอสังหาริมทรัพย์ที่ -45% ผลิตภัณฑ์กลุ่มอุตสาหกรรมมีการซื้อขายหนาแน่นที่สุดในช่วงที่ดัชนีปรับตัวลดลง และกิจกรรมการซื้อขายลดน้อยลงเมื่อการฟื้นตัวดำเนินไป ข้อสังเกตสำคัญสองประการจากตารางด้านบน: XLE เป็นกองทุนกลุ่มอุตสาหกรรมที่มีการซื้อขายสูงสุดในครึ่งปีนี้ด้วยมูลค่า $316.2 พันล้านดอลลาร์ และเฉพาะ MU เพียงอย่างเดียวมีมูลค่าการซื้อขายสูงถึง $2862.1 พันล้านดอลลาร์ หรือประมาณสิบเท่าของมูลค่า $286 พันล้านดอลลาร์ของกองทุน XLK ผลิตภัณฑ์กลุ่มอุตสาหกรรมเป็นตัวบ่งชี้ภาพรวม ในขณะที่หุ้นรายตัวเป็นจุดที่มีการซื้อขายหลักในช่วง H1

ต้นทุนในการซื้อขายแต่ละกลุ่มอุตสาหกรรม

ตารางแสดงผลตอบแทนนั้นพบเห็นได้ทั่วไป แต่ข้อมูลราคาเสนอซื้อเสนอขาย (quote tapes) นั้นหาได้ยากกว่า แผงข้อมูลนี้วัดค่ามัธยฐานของ bid-ask spread ของแต่ละกองทุน ซึ่งเป็นต้นทุนในการซื้อขายแบบไปและกลับ ตลอดหนึ่งรอบการซื้อขายเต็มรูปแบบ เมื่อวันที่ 29 มิถุนายน 2026 โดยอ้างอิงจากการอัปเดตราคา NBBO ทุกครั้งที่ปรากฏในวันนั้น

คำสั่งดึงข้อมูลค่ามัธยฐาน quoted spread ราย sector ETF, หนึ่งเซสชันตัวแทน (29 มิถุนายน 2026), ช่วงเวลาทำการปกติ
SQL เบื้องหลังตัวเลขแต่ละตัว
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

กองทุนที่มีต้นทุนการซื้อขายต่ำที่สุดในรอบการซื้อขายนั้นคือ XLV โดยมีค่ามัธยฐานอยู่ที่ 0.62 basis points ส่วนกองทุนที่มีต้นทุนสูงสุดคือ XLRE ที่ 2.23 ทั้งนี้หนึ่ง basis point คือหนึ่งในร้อยของเปอร์เซ็นต์ ดังนั้นค่าทั้งหมดในตารางนี้จึงอยู่ในระดับเศษส่วนของเปอร์เซ็นต์ต่อการซื้อขายหนึ่งรอบ ซึ่งเป็นความหมายในทางปฏิบัติของคำว่า "sector ETFs มีสภาพคล่องสูง" จำนวนการอัปเดตราคาในตารางมีความแตกต่างกันเกือบสิบเท่า แต่ค่ามัธยฐานยังคงเกาะกลุ่มกันโดยห่างกันเพียงไม่กี่ basis points เท่านั้น เพื่อเป็นการเปรียบเทียบ การวิเคราะห์เจาะลึกโครงสร้างตลาด (microstructure) เมื่อวันที่ 29 มิถุนายน ได้ใช้ข้อมูลราคาของ SPY ในรอบการซื้อขายเดียวกัน ซึ่งมีส่วนต่างราคาที่แคบกว่ากองทุนทุกกองทุนในตารางนี้

คำถามที่พบบ่อย

กลุ่มอุตสาหกรรมใดให้ผลตอบแทนดีที่สุดใน H1 2026?

กลุ่ม Technology โดย XLK ให้ผลตอบแทน 30.8% ในช่วงครึ่งปี ซึ่งผลตอบแทนทั้งหมดเกิดขึ้นในไตรมาสที่สอง (42% ใน Q2 หลังจาก -8.7% ใน Q1) ส่วนกลุ่ม Communication services (XLC) ให้ผลตอบแทนแย่ที่สุดที่ -9.3%

กลุ่มอุตสาหกรรมที่นำตลาดใน Q1 และ Q2 2026 เป็นกลุ่มเดียวกันหรือไม่?

ไม่ใช่ เนื่องจากทั้งสองไตรมาสมีทิศทางที่ตรงกันข้ามกันอย่างชัดเจน กลุ่ม Energy นำตลาดใน Q1 ด้วยผลตอบแทน 36.9% และปิดตัวใน Q2 ที่ -11% ในขณะที่กลุ่ม technology ทำผลตอบแทนได้ -8.7% ใน Q1 และเป็นผู้นำใน Q2 ด้วยผลตอบแทน 42% ส่วนกลุ่ม Utilities และ staples มีผลงานโดดเด่นในช่วงต้นปีแต่ลดความสำคัญลงในช่วงปลายปี

ต้นทุนในการซื้อขาย sector SPDR ETF อยู่ที่เท่าใด?

จากการวัดผลในรอบการซื้อขายวันที่ 29 มิถุนายน 2026 ค่ามัธยฐานของ spread ที่เสนอซื้อขายอยู่ที่ระหว่าง 0.62 basis points (XLV) ถึง 2.23 (XLRE) หรือคิดเป็นเพียงเศษส่วนของเปอร์เซ็นต์ต่อการซื้อขายไป-กลับ ซึ่งแคบกว่าหุ้นรายตัวทั่วไปอย่างมาก

ทำไมผลตอบแทนของ sector ETF จึงแตกต่างจากผลตอบแทนของหุ้นที่อยู่ในดัชนี?

กองทุนใช้วิธีการถ่วงน้ำหนักการถือครองตามมูลค่าตลาด ทำให้หุ้นขนาดใหญ่เพียงไม่กี่ตัวมีอิทธิพลต่อผลตอบแทน ในขณะที่ค่ามัธยฐานของตะกร้าหุ้นจะปฏิบัติกับหุ้นทุกตัวอย่างเท่าเทียมกัน ใน H1 2026 ส่วนต่างนี้กว้างที่สุดในกลุ่ม health care โดยค่ามัธยฐานของตะกร้าหุ้นห้าตัวอยู่ที่ 21.7% เทียบกับผลตอบแทนของ XLV ที่ 2.5%

sector ETF ทั้งสิบเอ็ดกลุ่มมีอะไรบ้าง?

XLB (materials), XLC (communication services), XLE (energy), XLF (financials), XLI (industrials), XLK (technology), XLP (consumer staples), XLRE (real estate), XLU (utilities), XLV (health care) และ XLY (consumer discretionary) ซึ่งรวมกันแล้วเป็นการแบ่งส่วนประกอบของ S&P 500

หมายเหตุข้อมูล

รายละเอียดหมายเหตุข้อมูลทั้งหมด
  • ตะกร้าข้อมูลความกว้างของตลาด (breadth baskets) เป็นกลุ่มตัวอย่างที่กำหนดโดยกองบรรณาธิการ ประกอบด้วยหุ้นขนาดใหญ่ (large-caps) ห้าตัวต่อหนึ่งกลุ่มอุตสาหกรรม ไม่ใช่การถือครองของกองทุน และไม่มีการกำหนดน้ำหนัก ทุกตัวเลือกผ่านการคัดกรองตามปฏิทินการแบ่งหุ้นในช่วงครึ่งปี โดยแท่งราคาแบบรายนาที (minute bars) ไม่มีการปรับปรุงค่า และการแบ่งหุ้นในช่วงกลางงวดจะส่งผลกระทบต่อผลตอบแทนจากราคาเปิดถึงราคาปิด ดังนั้นจึงมีการแทนที่หุ้นสองตัวที่เห็นได้ชัดเจนจากการคัดกรองดังกล่าว ทุกตัวเลขในหน้านี้เป็นผลตอบแทนจากราคา (price return) โดยไม่รวมเงินปันผล
  • ค่ามัธยฐานของตะกร้าข้อมูลใช้การคำนวณควอนไทล์แบบกำหนดผลลัพธ์แน่นอน (deterministic quantiles) และกรณีที่สมาชิกตัวที่ดีที่สุดหรือแย่ที่สุดมีค่าเท่ากัน จะตัดสินด้วยชื่อย่อหุ้น (ticker) ดังนั้นการสร้างข้อมูลใหม่จึงไม่สามารถเปลี่ยนลำดับของค่าที่เท่ากันได้
  • แผงข้อมูลส่วนต่าง (spread panel) วัดผลจากหนึ่งเซสชันที่ระบุไว้ (29 มิถุนายน 2026) ไม่ใช่ตลอดทั้งครึ่งปี การสแกนข้อมูลราคาแบบครบถ้วน (whole-quote-tape) เป็นเวลาหกเดือนจากหุ้นสิบเอ็ดตัวนั้นเกินขอบเขตงบประมาณการสืบค้นที่หน้านี้กำหนดไว้ ข้อมูลราคาที่ไม่ถูกต้อง (ราคาตัดกันหรือราคาที่มีฝั่งเดียว) จะถูกนับรวมในแผงข้อมูลและจะไม่ถูกตัดออกโดยไม่แจ้งให้ทราบ
  • แผงสรุปคะแนน (scorecard panel) ใช้การสืบค้นชุดเดียวกับที่ สรุป H1 ใช้ ดังนั้นข้อมูลจำนวนในแต่ละกลุ่มอุตสาหกรรมของทั้งสองหน้าจะต้องตรงกัน

ระเบียบวิธีวิจัย

  • ช่วงเวลาที่ใช้คือ 1 มกราคม – 30 มิถุนายน 2026 ผลตอบแทนคำนวณจากราคาเปิดจนถึงราคาปิดในช่วงเวลาทำการปกติภายในแต่ละช่วงเวลาตามที่ระบุในคำสั่ง query การกรองเวลาทำการปกติอ้างอิงตามเวลาฝั่งตะวันออก (09:30–15:59 น. โดยปรับตามแต่ละแถว) ซึ่งครอบคลุมทั้งช่วงเวลา EST และ EDT เพื่อรองรับการปรับเวลาออมแสง (DST)
  • การกำหนดขอบเขตไตรมาสอ้างอิงตามวันซื้อขายฝั่งตะวันออก: Q1 สิ้นสุดวันที่ 31 มีนาคม และ Q2 เริ่มต้นวันที่ 1 เมษายน
  • มูลค่าการซื้อขาย (Dollar volume) คำนวณจากราคาคูณด้วยจำนวนหุ้นในช่วงเวลาทำการปกติโดยใช้คำสั่ง query ชุดเดียวกัน
  • ข้อมูลถูกสร้างผ่านช่องทางอ่านอย่างเดียว (read-only path) ที่มีการจำกัดสิทธิ์ หน้าเว็บสาธารณะจะไม่มีการดึงข้อมูลสด ข้อมูลในคลังข้อมูล (Warehouse) เป็นข้อมูล ณ วันที่ 12 กรกฎาคม 2026

ข้อมูลสรุปตลาดฉบับเต็มของครึ่งปีนี้ ทั้งดัชนี อัตราแลกเปลี่ยน และข้อมูลออปชัน สามารถดูได้ที่ สรุปภาพรวมตลาด H1 2026 หากต้องการวิเคราะห์รายกลุ่มอุตสาหกรรมในรูปแบบอื่น สามารถนำคำสั่ง SQL ของแต่ละแผงข้อมูลไปรันบนเทอร์มินัล Strasmore ได้โดยตรง

#sectors#etfs#rotation#spreads#semiconductors