Strasmore Research
Market Recap

สรุปภาพรวมตลาดสหรัฐฯ รายสัปดาห์

Matt ConnorBy Matt Connor Updated 2026-07-24

นี่คือสรุปภาพรวมตลาดสหรัฐฯ ในรอบสัปดาห์ที่ผ่านมา โดยทุกตัวเลขมาจากการดึงข้อมูลจากฐานข้อมูลที่บันทึกราคาซื้อขายจริง และหน้านี้จะอัปเดตทุกสัปดาห์เพื่อให้ได้ข้อมูลของสัปดาห์การซื้อขายที่สมบูรณ์ล่าสุดเสมอ

สรุปผลตอบแทนดัชนี

คำสั่งดึงข้อมูลETF ดัชนีหลักในช่วงสัปดาห์ที่ผ่านมา
SQL เบื้องหลังตัวเลขแต่ละตัว
WITH sess AS (
    SELECT ticker, toDate(toTimeZone(window_start, 'America/New_York')) AS d,
        argMin(toFloat64(open), toTimeZone(window_start, 'America/New_York')) AS o,
        argMax(toFloat64(close), toTimeZone(window_start, 'America/New_York')) AS c
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('SPY', 'QQQ', 'DIA', 'IWM')
      AND window_start >= now() - INTERVAL 12 DAY AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, d
),
wk AS (SELECT ticker, argMin(o, d) AS wo, argMax(c, d) AS wc, min(d) AS d0, max(d) AS d1
       FROM sess WHERE d >= (SELECT max(d) FROM sess) - 6 GROUP BY ticker)
SELECT multiIf(ticker = 'SPY', 'S&P 500 (SPY)', ticker = 'QQQ', 'Nasdaq 100 (QQQ)', ticker = 'DIA', 'Dow (DIA)', 'Russell 2000 (IWM)') AS index_etf,
    round((wc / wo - 1) * 100, 2) AS week_return_pct,
    (SELECT formatDateTime(min(d0), '%b %e') FROM wk) AS week_start,
    (SELECT formatDateTime(max(d1), '%b %e') FROM wk) AS week_end
FROM wk
ORDER BY multiIf(ticker = 'SPY', 0, ticker = 'QQQ', 1, ticker = 'DIA', 2, 3)

สำหรับสัปดาห์ระหว่าง Jul 17 ถึง Jul 23 ดัชนี S&P 500 (SPY) ให้ผลตอบแทน -0.45%, Nasdaq 100 (QQQ) ให้ผลตอบแทน 0.28%, Dow (DIA) ให้ผลตอบแทน -0.67% และ Russell 2000 (IWM) สำหรับหุ้นขนาดเล็ก ให้ผลตอบแทน -0.09% ส่วนต่างระหว่างดัชนีทั้งสี่บอกเรื่องราวของสัปดาห์นี้ได้ในประโยคเดียว คือเมื่อ Nasdaq และ Russell มีทิศทางสวนทางกัน แสดงว่าตลาดกำลังเลือกระหว่างหุ้นกลุ่มเติบโตขนาดใหญ่ (megacap growth) กับหุ้นกลุ่มอื่น ๆ

ข้อมูลเชิงลึก: ความกว้างของตลาด (Breadth)

ระดับดัชนีไม่ได้บอกว่ามีหุ้นจำนวนเท่าใดที่มีส่วนร่วมในการเคลื่อนไหว ข้อมูลนี้จะนับจำนวนหุ้นในแต่ละเซสชัน โดยพิจารณาจากหุ้นที่มีมูลค่าการซื้อขายอย่างน้อย 500 ล้านดอลลาร์ ว่ามีกี่ตัวที่ปิดบวกเมื่อเทียบกับเซสชันก่อนหน้า และมีกี่ตัวที่ปิดลบ

คำสั่งดึงข้อมูลความกว้างของตลาดรายวัน: จำนวนหุ้นบวกเทียบกับหุ้นลบในแต่ละเซสชัน (ชื่อที่มีมูลค่าซื้อขาย >$500M)
SQL เบื้องหลังตัวเลขแต่ละตัว
WITH day AS (
    SELECT ticker, toDate(toTimeZone(window_start, 'America/New_York')) AS d,
        argMax(toFloat64(close), toTimeZone(window_start, 'America/New_York')) AS c,
        sum(toFloat64(close) * toFloat64(volume)) AS dv
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 14 DAY AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, d
),
chg AS (SELECT ticker, d, c, dv, lagInFrame(c) OVER (PARTITION BY ticker ORDER BY d) AS prev_c FROM day),
per_day AS (
    SELECT d,
        countIf(c > prev_c AND dv >= 500000000 AND prev_c > 3) AS advancers,
        countIf(c < prev_c AND dv >= 500000000 AND prev_c > 3) AS decliners,
        countIf(dv >= 500000000 AND prev_c > 3) AS total
    FROM chg WHERE d >= (SELECT max(d) FROM day) - 12 AND prev_c > 0
    GROUP BY d HAVING total >= 100
),
recent AS (SELECT d, advancers, decliners FROM per_day ORDER BY d DESC LIMIT 5)
SELECT d AS date, advancers, decliners FROM recent ORDER BY d ASC

เส้นทั้งสองแสดงถึงการมีส่วนร่วมของตลาด เมื่อจำนวนหุ้นที่ปิดบวกมีมากกว่าหุ้นที่ปิดลบอย่างมากตลอดทั้งสัปดาห์ แสดงว่าดัชนีที่เพิ่มขึ้นนั้นได้รับแรงหนุนจากหุ้นทั้งตลาด แต่หากจำนวนหุ้นทั้งสองกลุ่มเริ่มใกล้เคียงกันหรือตัดกัน แสดงว่าดัชนีที่เพิ่มขึ้นนั้นเกิดจากหุ้นขนาดใหญ่เพียงไม่กี่ตัวที่พยุงตลาด ในขณะที่หุ้นส่วนใหญ่ไม่ได้เคลื่อนไหวตาม ในเซสชันล่าสุด มีหุ้นที่ปิดบวก 101 ตัว และหุ้นที่ปิดลบ 128 ตัว

กลุ่มอุตสาหกรรม: จากดีที่สุดไปถึงแย่ที่สุด

คำสั่งดึงข้อมูล11 กลุ่มอุตสาหกรรมใน S&P 500 ในช่วงสัปดาห์ที่ผ่านมา
SQL เบื้องหลังตัวเลขแต่ละตัว
WITH sess AS (
    SELECT ticker, toDate(toTimeZone(window_start, 'America/New_York')) AS d,
        argMin(toFloat64(open), toTimeZone(window_start, 'America/New_York')) AS o,
        argMax(toFloat64(close), toTimeZone(window_start, 'America/New_York')) AS c
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('XLB', 'XLC', 'XLE', 'XLF', 'XLI', 'XLK', 'XLP', 'XLRE', 'XLU', 'XLV', 'XLY')
      AND window_start >= now() - INTERVAL 12 DAY AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, d
),
wk AS (SELECT ticker, argMin(o, d) AS wo, argMax(c, d) AS wc FROM sess WHERE d >= (SELECT max(d) FROM sess) - 6 GROUP BY ticker)
SELECT multiIf(ticker = 'XLK', 'Technology', ticker = 'XLC', 'Communications', ticker = 'XLE', 'Energy',
    ticker = 'XLF', 'Financials', ticker = 'XLI', 'Industrials', ticker = 'XLB', 'Materials',
    ticker = 'XLP', 'Staples', ticker = 'XLRE', 'Real Estate', ticker = 'XLU', 'Utilities',
    ticker = 'XLV', 'Health Care', 'Consumer Disc.') AS sector,
    round((wc / wo - 1) * 100, 2) AS week_return_pct
FROM wk ORDER BY week_return_pct DESC

ตารางกลุ่มอุตสาหกรรมจะจัดลำดับสัปดาห์นี้ตามกลุ่มผู้นำและกลุ่มที่ล้าหลัง โดย Technology เป็นกลุ่มผู้นำที่ให้ผลตอบแทน 3.53% และ Consumer Disc. เป็นกลุ่มที่ล้าหลังด้วยผลตอบแทน -5.75% ส่วนต่างระหว่างกลุ่มอุตสาหกรรมที่ดีที่สุดและแย่ที่สุดใช้บ่งบอกว่าสัปดาห์นี้ขับเคลื่อนด้วยการหมุนเวียนกลุ่มอุตสาหกรรม (rotation) หรือเป็นการเคลื่อนไหวไปในทิศทางเดียวกันทั้งตลาด

หุ้นที่มีการเคลื่อนไหวสูงสุดประจำสัปดาห์

หุ้นที่มีผลตอบแทนสูงสุดในสัปดาห์นี้ในกลุ่มที่มีสภาพคล่องสูง (มูลค่าการซื้อขายมากกว่า 1 พันล้านดอลลาร์ โดยไม่รวม ETF ประเภท leveraged และ inverse):

คำสั่งดึงข้อมูลหุ้นที่มีราคาเพิ่มขึ้นสูงสุดในช่วงสัปดาห์ที่ผ่านมา
SQL เบื้องหลังตัวเลขแต่ละตัว
WITH sess AS (
    SELECT ticker, toDate(toTimeZone(window_start, 'America/New_York')) AS d,
        argMin(toFloat64(open), toTimeZone(window_start, 'America/New_York')) AS o,
        argMax(toFloat64(close), toTimeZone(window_start, 'America/New_York')) AS c,
        sum(toFloat64(close) * toFloat64(volume)) AS dv
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 12 DAY AND ticker NOT IN ('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 (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, d
),
wk AS (SELECT ticker, argMin(o, d) AS wo, argMax(c, d) AS wc, sum(dv) AS wd, count() AS n
       FROM sess WHERE d >= (SELECT max(d) FROM sess) - 6 GROUP BY ticker)
SELECT ticker, round((wc / wo - 1) * 100, 1) AS week_return_pct, round(wd / 1e9, 1) AS week_dollar_bn
FROM wk WHERE wd >= 1000000000 AND wo >= 10 AND n >= 4
ORDER BY (wc / wo - 1) DESC LIMIT 7

CIFR เป็นผู้นำในกลุ่มหุ้นที่มีสภาพคล่องสูง โดยปรับตัวขึ้น 52.4% ในสัปดาห์นี้ ส่วนหุ้นที่มีการปรับตัวลดลงมากที่สุด ได้แก่:

คำสั่งดึงข้อมูลหุ้นที่มีราคาลดลงสูงสุดในช่วงสัปดาห์ที่ผ่านมา
SQL เบื้องหลังตัวเลขแต่ละตัว
WITH sess AS (
    SELECT ticker, toDate(toTimeZone(window_start, 'America/New_York')) AS d,
        argMin(toFloat64(open), toTimeZone(window_start, 'America/New_York')) AS o,
        argMax(toFloat64(close), toTimeZone(window_start, 'America/New_York')) AS c,
        sum(toFloat64(close) * toFloat64(volume)) AS dv
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 12 DAY AND ticker NOT IN ('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 (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, d
),
wk AS (SELECT ticker, argMin(o, d) AS wo, argMax(c, d) AS wc, sum(dv) AS wd, count() AS n
       FROM sess WHERE d >= (SELECT max(d) FROM sess) - 6 GROUP BY ticker)
SELECT ticker, round((wc / wo - 1) * 100, 1) AS week_return_pct, round(wd / 1e9, 1) AS week_dollar_bn
FROM wk WHERE wd >= 1000000000 AND wo >= 10 AND n >= 4
ORDER BY (wc / wo - 1) ASC LIMIT 7

PATH ปรับตัวลดลงมากที่สุดในกลุ่มหุ้นที่มีสภาพคล่องสูงที่ระดับ -15.2% สามารถดูรายการผู้นำที่มีการอัปเดตอย่างต่อเนื่องได้ที่ หน้าหุ้นที่มีการเคลื่อนไหวรายสัปดาห์

จุดที่มีปริมาณการซื้อขายหนาแน่น

มูลค่าการซื้อขายรวมแสดงให้เห็นว่าเม็ดเงินในตลาดไหลไปที่ใด ซึ่งอาจไม่ใช่จุดที่มีการเปลี่ยนแปลงเป็นเปอร์เซ็นต์สูงสุดเสมอไป

คำสั่งดึงข้อมูลทิศทางของปริมาณการซื้อขาย: มูลค่าการซื้อขายสูงสุดในช่วงสัปดาห์ที่ผ่านมา
SQL เบื้องหลังตัวเลขแต่ละตัว
WITH sess AS (
    SELECT ticker, toDate(toTimeZone(window_start, 'America/New_York')) AS d,
        sum(toFloat64(close) * toFloat64(volume)) AS dv
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 12 DAY AND ticker NOT IN ('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 (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY ticker, d
),
wk AS (SELECT ticker, sum(dv) AS wd FROM sess WHERE d >= (SELECT max(d) FROM sess) - 6 GROUP BY ticker)
SELECT ticker, round(wd / 1e9, 1) AS week_dollar_bn FROM wk ORDER BY wd DESC LIMIT 8

MU มีมูลค่าการซื้อขายรวมสูงสุดในสัปดาห์นี้ที่ 140.2 พันล้านดอลลาร์ ปริมาณการซื้อขายที่สูงแต่ราคาเปลี่ยนแปลงน้อย หมายถึงหุ้นสภาพคล่องสูงที่มีการเปลี่ยนมือกันอย่างหนาแน่น ส่วนปริมาณการซื้อขายที่สูงพร้อมกับการเปลี่ยนแปลงราคาที่มาก หมายถึงการเคลื่อนไหวที่มีแรงซื้อขายสนับสนุนอย่างชัดเจน หุ้นที่อยู่ลำดับต้น ๆ ของรายการนี้มักเป็นหุ้นขนาดใหญ่ (megacaps) หรือหุ้นที่มีข่าวในสัปดาห์นั้น การเปรียบเทียบรายการนี้กับรายการหุ้นที่มีการเคลื่อนไหวจะช่วยแยกแยะระหว่างหุ้นที่ราคาเปลี่ยนแปลงมาก กับหุ้นที่มีเพียงปริมาณการซื้อขายสูง

วิธีอ่านข้อมูลตลาดรายสัปดาห์

ตัวเลขสี่ชุดเมื่ออ่านร่วมกันจะอธิบายสัปดาห์ในตลาดได้ดีกว่าดัชนีเพียงตัวเดียว สรุปผลตอบแทนดัชนีบอกว่าค่าเฉลี่ยของเม็ดเงินในตลาดเป็นอย่างไรโดยให้น้ำหนักกับบริษัทขนาดใหญ่ ข้อมูลความกว้างของตลาด (breadth) บอกว่ามีหุ้นกี่ตัวที่มีส่วนร่วมจริง หากดัชนีพุ่งสูงขึ้นแต่ความกว้างของตลาดต่ำ แสดงว่าเป็นการเคลื่อนไหวที่จำกัดอยู่แค่หุ้นกลุ่มบน ซึ่งประวัติศาสตร์ชี้ว่ามักจะไม่ยั่งยืน ในขณะที่ความกว้างของตลาดที่สูงแสดงถึงการเปลี่ยนแปลงที่แข็งแกร่งและครอบคลุมทั้งตลาด ตารางกลุ่มอุตสาหกรรมบอกว่าสัปดาห์นั้นมีลักษณะอย่างไร หากส่วนต่างระหว่างกลุ่มที่ดีที่สุดและแย่ที่สุดกว้าง แสดงว่ามีการหมุนเวียนกลุ่มอุตสาหกรรมและการเลือกหุ้น (stock-picking) แต่หากส่วนต่างแคบ แสดงว่าเป็นการเคลื่อนไหวไปในทิศทางเดียวกันทั้งตลาด สุดท้าย รายการหุ้นที่มีการเคลื่อนไหวและปริมาณการซื้อขายจะระบุหุ้นเฉพาะเจาะจงที่เป็นตัวขับเคลื่อนตลาด โดยแยกหุ้นที่มีการเปลี่ยนแปลงเปอร์เซ็นต์อย่างรุนแรงออกจากหุ้นยักษ์ใหญ่ที่มีการซื้อขายหนาแน่นแต่ราคาไม่หวือหวา บทสรุปนี้จะนำเสนอข้อมูลทั้งสี่ด้านเคียงข้างกันในทุกสัปดาห์ เพื่อให้เห็นภาพรวมของสัปดาห์นั้นแทนที่จะเป็นเพียงแค่หัวข้อข่าว เนื่องจากทุกตัวเลขคำนวณจากฐานข้อมูลที่บันทึกไว้ ข้อมูลจึงมีความแม่นยำตามราคาที่ซื้อขายจริงในตลาด

คำถามที่พบบ่อย (FAQ)

เกิดอะไรขึ้นในตลาดสัปดาห์นี้?

สำหรับสัปดาห์ระหว่าง Jul 17 ถึง Jul 23 ดัชนี S&P 500 ให้ผลตอบแทน -0.45% และ Nasdaq 100 ให้ผลตอบแทน 0.28% โดย Technology เป็นกลุ่มอุตสาหกรรมที่แข็งแกร่งที่สุด และ Consumer Disc. เป็นกลุ่มที่อ่อนแอที่สุด และในเซสชันล่าสุด หุ้นที่มีสภาพคล่องสูงจำนวน 101 ตัว ปรับตัวขึ้น สวนทางกับหุ้นจำนวน 128 ตัวที่ปรับตัวลง รายละเอียดทั้งหมดมีอยู่ในตารางด้านบน

ข้อมูลสรุปนี้อัปเดตบ่อยแค่ไหน?

ทุกสัปดาห์ หน้าเว็บนี้คำนวณจากการดึงข้อมูลสดในช่วง 5 วันทำการล่าสุด ดังนั้นจึงสะท้อนข้อมูลของสัปดาห์ที่สมบูรณ์ล่าสุดเสมอ ผู้สมัครสมาชิกจะได้รับข้อมูลนี้ผ่านอีเมลสัปดาห์ละหนึ่งครั้ง

ข้อมูลตัวเลขมาจากไหน?

ทุกตัวเลขมาจากการดึงข้อมูลจากฐานข้อมูลที่บันทึกราคาซื้อขายในตลาด (หุ้นรายนาที) คุณสามารถเปิดดูคำสั่ง SQL ภายใต้แต่ละตารางเพื่อตรวจสอบความถูกต้อง หรือรันคำสั่งเดียวกันนี้ด้วยตนเองผ่านเทอร์มินัลของ Strasmore


ต้องการรับข้อมูลนี้ทางอีเมลหรือไม่? นี่คือสรุปรายสัปดาห์ที่ผู้สมัครสมาชิกจะได้รับ: อีเมลหนึ่งฉบับต่อสัปดาห์ สรุปภาพรวมตลาดในรูปแบบตัวเลขที่สามารถตรวจสอบได้ทุกค่า สำหรับข้อมูลรายวัน สามารถดูได้ที่หน้า หุ้นที่มีการเคลื่อนไหว และ สถานะ Short-interest ซึ่งจะอัปเดตอย่างต่อเนื่อง

#market recap#weekly recap#market data#indexes