Sector Scorecard H1 2026: Mga Nanalo at Talunan

Ang H1 2026 sector scorecard ay sumasaklaw sa buong spread ng mga resulta: ang technology (XLK) ay natapos ang anim na buwang pataas ng 30.8%, ang communication services (XLC) ay natapos sa -9.3%, at humigit-kumulang apatnapung percentage points ang naghihiwalay sa pinakamagaling na sektor mula sa pinakamasama. Tatlo sa labing-isang S&P 500 sector ETF ang natapos ang unang kalahati sa pula, at halos wala ang nagpanatili ng ranggo mula sa unang quarter papunta sa ikalawang — ang kalahati ay dalawang magkasalungat na merkado na pinagtagpi, at sinuscore ng pahinang ito ang parehas. Bawat numero sa ibaba ay resulta ng isang naka-imbak na query; palawakin ang alinmang panel para sa eksaktong SQL.

Ano ang sector ETF — at kung paano i-score ang fund sa page na ito

Ang eleven na Select Sector SPDR funds ay naghahati ng S&P 500 ayon sa industry buckets, kaya isang ticker lang ang bumibili — o nagma-hedge — ng isang sector view. Ang bawat fund ay naglalaman ng mga index member ng kanyang sector, na weighted ayon sa market value, at nag-tatrade buong session katulad ng isang stock. Ang page na ito ay nag-score sa bawat fund sa apat na paraan: price return (unang regular-hours open hanggang last regular-hours close), ang quarter split na nasa ilalim ng half number, dollar volume (presyo pinarami ng shares na na-trade — ang pinakamalinis na sukatan ng kung magkano ang pera ang nagpalitan ng kamay), at ang bid-ask spread — ang agwat sa pagitan ng pinakamagandang presyo para bumili at ang pinakamagandang presyo para magbenta, na siyang halaga ng isang round trip. Ang index-level ledger para sa parehong anim na buwan — rates, options, IPOs, breadth — ay nasa ang H1 2026 market recap.

Ang scorecard: labing-isang sektor, halves at quarters na hating-hati

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

Basahin muna ang half column: nanguna ang technology sa 30.8%, kasunod ang industrials sa 19% at ang energy sa 18.8%, habang tatlong sektor ang nagtapos negative — ang communication services sa -9.3%, ang consumer discretionary sa -2.3%, at ang financials sa -2.2%. Walo sa labing-isang positibo ay karampatang lapad para sa isang half na nagsimula nang bumagsak ang mga index.

Ang mga quarter column ang nagdadala ng tunay na kwento. Ang mga lider ng Q1 ay ang energy (36.9%), materials (9.8%), utilities (7%), at staples (5.5%) — isang commodity trade plus ang mga klasikong defensives — habang ang technology (-8.7%), financials (-9.9%), at discretionary (-9.3%) ay bumagsak kasabay ng broad market. In-invert ng Q2 ang table: bumalik ang technology ng 42%, industrials 13.3%, at health care 7.8%, habang ang energy (-11%), communication services (-3.7%), at utilities (-1%) ay nagtapos ng quarter sa pula. Ang round trip ng energy — 36.9% pagkatapos -11% — at ang mirror image ng financials — -9.9% pagkatapos 7.7% — ang dalawang pinakamalinis na ilustrasyon ng kung ano ang itinatago ng isang half-year na numero.

Ang pag-ikot, buwan-buwan

Tatlong ticker ang nagdadala ng buong kwento ng pag-ikot, kaya sinusundan ng panel na ito ang mga ito sa buwang grain: XLE (lider ng Q1), XLK (lider ng Q2), at XLF (ang mirror trade).

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

Tumaas ang XLE sa bawat isa sa unang tatlong buwan — 14.1% noong Enero, 11.6% noong Pebrero, 6% noong Marso, isang papalbagong hagdan — pagkatapos ay tatlong sunod na buwang walang gain (-0.2%, -4.7%, -6.8%). Ang XLK naman ay tumakbo sa kabaliktaran na larawan: negatibo noong Enero, Pebrero, at Marso, pagkatapos 18.9% noong Abril at 19.1% noong Mayo — magkasunod na buwan na bumuo halos sa buong kalahating humantong sa sektor. Abril ang handoff: nasa iisang column ng talahanayang ito ang paglipat ng pamumuno. Ang dalawang positibong buwan ng XLF ay Abril at Hunyo, sa 4.7% at 4.7%. Ang mga release na kinakalaban ng kalakhan sa pag-trade — mga inflation print, payrolls, ang Treasury curve — ay nakatala sa ang macro picture sa pagpasok ng H2 2026.

Lawak sa loob ng bawat sektor

Ang return ng isang sector fund ay walang sinasabi tungkol sa kung gaano karami sa mga miyembro nito ang lumahok. Ang warehouse ay walang column na pang-sector-classification, kaya sinusukat ng panel na ito ang within-sector breadth gamit ang isang fixed, fully disclosed na basket: limang household large-cap na pangalan bawat sektor, limampu't-lima sa kabuuan, bawat isa ay nakalista sa SQL. Ito ay isang sample ng mga sikat na pangalan, hindi ang aktuong hawak ng mga fund — ang mga limitasyon ng basket ay nakasaad sa data notes.

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

Dalawang row ang pinaka-karapat-dapat pansinin. Health care: lahat ng 5 sa limang pangalan ng basket nito ay tumaas, na may median na 21.7% — samantalang ang XLV, ang fund, ay nakakuha ng 2.5% sa kalahatan. Ang return ng isang fund ay weighted ayon sa market value; ang basket median ay nagbibigay ng pantay na timbang sa bawat miyembro — ang health care ay ang pinakamalawak na kaso ng pagtalo ng basket sa fund. Ang technology ay ang parehong agwat sa kabaliktaran — at, sukatin mula simula hanggang dulo, ang pinakamalawak sa lahat: ang fund ay nakakuha ng 30.8% samantalang ang limang pinakamalaking household names nito ay nagkahati ng 3 pataas at 2 pababa na may median na 5.2%, at ang ORCL ay nag-print ng -25.7%. Ang headline gain ng sektor ay hindi nagmula sa mga klasikong megacaps nito — kung saan ito nagmula ay nasa susunod na panel. Sa ibang bahagi ng table: ang 84.3% ng CAT ay ang pinakamagandang print sa lahat ng limampu't-limang pangalan, at ang communication services ay ang pinakamahinang kwarto sa gusali — 1 sa limang tumaas, na may median na -15.2%, na ang NFLX ay nasa -24.2%.

Ang memory-semis trade sa loob ng teknolohiya

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

Pagbulahin ang teknolohiya at makikita ang defining single-name trade ng kalahatian. Bumalik ang SNDK ng 830.1% sa anim na buwan, MU 290%, INTC 269.3%, at AMD 165.3% — habang ang NVDA, ang pinakamalaking single-name tape sa set na $3287.9 bilyon na half-year turnover, ay bumalik ng 5.2%, na may AVGO sa 6.9% at QCOM sa 6.3%. Nahati sa dalawa ang complex: ang mga pangalan ng memory-and-foundry ay dumami habang ang mga itinatag na AI-accelerator na pangalan ay sideways. Ang Q2 column ang nagdadala ng timing: ang 229.9% ng MU, ang 210% ng INTC, at ang 179.8% ng AMD ay nasa parehong quarter na nai-print ng XLK ang 42% — ang rally ng sector fund at ang memory repricing ay iisang tatlong buwan ng tape. Ang Hunyo ni MU ay sinuri tick by tick dito, at ang Hunyo deep-dive ng NVDA ay sinusubaybayan ang divergence session by session.

Saan napunta ang mga trading dollar

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

Isang direksyon lang ang kilos ng dollar volume: bawat isa sa labing-isang sector fund ay bumaba ang na-trade na dolyar sa ikalawang quarter kumpara sa unang quarter. Ang pinakamaliit na pagbaba ay nasa taas na hanay ng talahanayan — ang XLK sa -23%, mula $161.2 billion hanggang $124.8 billion — at ang pinakamalaki ay ang real estate sa -45%. Abala ang mga sector wrapper sa quarter kung kailan bumagsak ang mga index, at lumamig ang aktibidad sa kanila habang tumatakbo ang recovery. Dalawang scale note mula sa mga panel sa itaas: ang XLE ang pinaka-active na sector fund sa kalahating taon sa $316.2 billion, at ang MU lamang ang umikot ng $2862.1 billion — mga sampung beses ng $286 billion ng XLK fund. Ang mga sector product ang scoreboard; sa mga single name nila nilaro ang H1 na laro.

Magkano ang halaga ng pangangalakal sa bawat sektor

Ang mga return table ay makikita kahit saan; ang quote tape ay hindi. Sinusukat ng panel na ito ang median na quoted bid-ask spread ng bawat fund — ang halaga ng isang round trip — sa buong isang may-label na session, Hunyo 29, 2026, mula sa bawat NBBO update na na-print nang araw na iyon.

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

Ang pinakamura na fund na mapasalan noong session na iyon ay XLV na may median na 0.62 basis points; ang pinakamalawak ay XLRE sa 2.23. Ang isang basis point ay isang daang bahagi ng isang porsyento, kaya ang buong table ay nakalatag sa daang bahagi ng porsyento bawat round trip — ang praktikal na kahulugan ng "liquid ang mga sector ETF." Ang mga bilang ng quote-update ay halos mag-singsing-sing na iba-iba sa buong table, at ang mga median ay nagsasama-sama pa rin sa loob ng ilang basis point ng isa't isa. Para sa paghahambing, ang ang Hunyo 29 microstructure deep-dive ay gumagamit ng parehong session na SPY quote tape, na mas masikip pa sa alinmang fund sa table na ito.

FAQ

Aling sektor ang pinakamahusay na gumalaw sa H1 2026?

Technology. 30.8% ang balik ng XLK sa buong kalahating taon, lahat ng ito sa ikalawang quarter (42% sa Q2 matapos ang -8.7% sa Q1). Ang communication services (XLC) ang pinakamasama sa -9.3%.

Magkatulad ba ang mga sektor na nanguna sa Q1 at Q2 2026?

Hindi — halos magkabaliktad ang dalawang quarter. Ang energy ang nanguna sa Q1 sa 36.9% at nagtapos sa Q2 sa -11%; ang technology ay nakapag-print ng -8.7% sa Q1 at nanguna sa Q2 sa 42%. Ang utilities at staples ay maagang nanguna at humina sa huli.

Magkano ang gastos sa pangangalakal ng isang sector SPDR ETF?

Sa masukat na sesyon ng Hunyo 29, 2026, ang median na na-quote na spread ay mula 0.62 basis points (XLV) hanggang 2.23 (XLRE) — mga daang-daanang porsyento kada round trip, mas malaki ang higpit kaysa sa karaniwang solong stock.

Bakit iba ang balik ng isang sector ETF sa balik ng mga kasapi nito?

Timbang ng market value ang ginagamit ng mga pondo sa pagbibilang ng hawak, kaya iilan lang na higanteng kasapi ang nangingibabaw sa print, samantalang pantay-pantay ang pagtrato sa bawat kasapi ng isang basket median. Sa H1 2026, ang pagitan ay pinakamalawak sa health care: 21.7% ang median ng limang kasaping basket, laban sa 2.5% ng XLV.

Ano ang labing-isang sector ETFs?

XLB (materials), XLC (communication services), XLE (energy), XLF (financials), XLI (industrials), XLK (technology), XLP (consumer staples), XLRE (real estate), XLU (utilities), XLV (health care), at XLY (consumer discretionary). Sama-sama, hinahati nila ang S&P 500.

Mga Tala sa Datos

Metodolohiya

• Ang window ay Enero 1 – Hunyo 30, 2026. Ang mga return ay first regular-hours open hanggang last regular-hours close sa loob ng bawat window, na kinakalkula sa loob ng mga query na ipinapakita. Ang regular hours ay nafi-filter sa Eastern wall clock (9:30–15:59, kino-convert ayon sa row) — DST-safe sa buong kalahating buwang may EST at EDT na mga buwan.
• Ang mga hangganan ng quarter ay inilalapat sa Eastern trading date: nagtatapos ang Q1 sa Marso 31, nagsisimula ang Q2 sa Abril 1.
• Ang dollar volume ay sum ng price times shares sa regular hours sa parehong mga query.
• Ang generation ay tumatakbo sa gated read-only path; ang public page ay hindi kailanman nag-q-query live. Estado ng warehouse mula Hulyo 12, 2026.

Ang kumpletong ledger ng kalahati — mga index, rates, ang options tape — ay nasa ang H1 2026 market recap. Para mag-slice ng sector nang iba, ang SQL ng bawat panel ay tumatakbo as-is sa Strasmore terminal.