学习

作者： Matt Connor 2026-07-12 · 更新于 2026-09-05 · data as of September 5, 2026 · refreshed weekly

本周异常成交量股票排名与相对成交量

按相对成交量排名本周异常成交量股票，比较最近五日与前四十日基准，并查看成交额、涨跌幅及持续性，帮助您发现值得进一步研究的交易机会。

异常成交量是指一只股票的成交量远高于自身的正常水平，而不是高于市场整体水平。大型市值股成交4000万股很平常；小盘股达到这一水平则是重大事件。本页按刚刚结束的一周内的异常成交量股票排名：计算每只股票最近五个交易日的平均成交量，再除以前四十个交易日的自身平均成交量；同时设置成交额下限，确保每一行都是个人投资者实际可以交易的股票。本页每周更新，“数据截至”日期标明统计窗口。这个指标称为相对成交量，详见其完整指南。

本周异常成交量领先股

三列数据发挥核心作用。倍数表示股票成交量高于自身正常水平的幅度。基准表示正常水平是多少。相较于活跃市场中正常基准上的适度放量，低迷基准上的巨大倍数所代表的事件规模更小。成交额说明这些交易活动是否具有真实的经济意义。最后一列是本周开盘至收盘的涨跌幅，这是大多数成交量筛选器会遗漏的指标。

查询本周相对成交量最高：近5个交易日与此前40个交易日对比，限本周成交额达$500M+的标的

股票代码	周相对成交量	近期平均日成交量（百万）	基准平均日成交量（百万）	周美元成交额（十亿）	周百分比
GPRO	31.6	167.8	5.31	1.15	181.1
BIAF	9.2	16.84	1.84	0.8	114.3
EIX	5.5	11.99	2.17	3.33	1.8
PCG	4.3	87.73	20.22	5.93	7.3
FRVO	4.1	12.12	2.96	1.11	22.4
DLLL	3.4	4.17	1.22	0.55	25.5
DELL	2.6	13.53	5.18	32.05	13.7
GTLB	2.5	8.81	3.49	2.18	11.1

每个数字背后的完整 SQL

WITH sess AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS d,
           sum(toFloat64(volume)) AS vol,
           sum(toFloat64(close) * toFloat64(volume)) AS dollars,
           argMin(toFloat64(open), toTimeZone(window_start, 'America/New_York')) AS day_open,
           argMax(toFloat64(close), toTimeZone(window_start, 'America/New_York')) AS day_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 70 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
      AND ticker NOT IN ('SPCX')
    GROUP BY ticker, d
),
cal AS (
    SELECT d, row_number() OVER (ORDER BY d DESC) AS rn
    FROM (SELECT DISTINCT d FROM sess)
),
per_name AS (
    SELECT s.ticker AS ticker,
           avgIf(s.vol, c.rn <= 5) AS adv_recent,
           avgIf(s.vol, c.rn BETWEEN 6 AND 45) AS adv_base,
           sumIf(s.dollars, c.rn <= 5) AS dollar_recent,
           argMaxIf(s.day_open, c.rn, c.rn <= 5) AS week_open,
           argMinIf(s.day_close, c.rn, c.rn <= 5) AS week_close,
           countIf(c.rn <= 5) AS recent_sessions,
           countIf(c.rn BETWEEN 6 AND 45) AS base_sessions
    FROM sess s INNER JOIN cal c ON s.d = c.d
    GROUP BY s.ticker
    HAVING adv_base > 100000 AND dollar_recent >= 500000000 AND recent_sessions = 5 AND base_sessions >= 35
)
SELECT ticker,
       round(adv_recent / adv_base, 1) AS rvol_week,
       round(adv_recent / 1e6, 2) AS recent_adv_m,
       round(adv_base / 1e6, 2) AS baseline_adv_m,
       round(dollar_recent / 1e9, 2) AS week_dollar_bn,
       round(100.0 * (week_close / week_open - 1), 1) AS week_pct
FROM per_name
ORDER BY rvol_week DESC, ticker ASC
LIMIT 8

自己运行这个查询

按顺序阅读每一行：

GPRO，为自身正常水平的 31.6 倍，位居榜首：日均成交 167.8M 股，基准为 5.31M 股，成交额为 $1.15B，开盘至收盘变动为 181.1%。
BIAF，为 9.2 倍，基准为日均 1.84M 股，成交额达 $0.8B；本周变动为 114.3%。
EIX，为 5.5 倍，但基准较低，仅为 2.17M 股，成交额也只有 $3.33B；本周变动为 1.8%。
PCG，为 4.3 倍，日均成交 87.73M 股，正常水平为 20.22M 股；开盘至收盘变动为 7.3%。
FRVO，为 4.1 倍，成交额为 $1.11B，本周变动为 22.4%。
DLLL，为 3.4 倍，基准为日均 1.22M 股，成交额为 $0.55B，开盘至收盘变动为 25.5%。
DELL，为 2.6 倍，日均成交 13.53M 股，成交额为 $32.05B；本周变动为 13.7%。
GTLB，排名第八、也是最后一名，为 2.5 倍，成交额为 $2.18B，变动为 11.1%。

排名不考虑涨跌方向，右侧两列清楚说明了这一点：榜首股票本周收盘价较开盘成交价 181.1%，第八名较自身开盘成交价 11.1%。同一张榜单呈现出截然相反的表现。成交活跃表明股票的流通股确实正受到市场检验；但它无法说明这场检验最终由哪一方胜出。

倍数如何计算

假设一只股票在此前四十个交易日的日均成交量为 200,000 股。过去一周的成交量依次为 1,000,000 股、1,400,000 股、900,000 股、1,100,000 股和 600,000 股，五个交易日的平均成交量为 1,000,000 股。计算如下：1,000,000 ÷ 200,000 = 5.0x。如果将这只股票的基准成交量改为 2,000,000 股，那么同一周的读数就是 0.5x。分子代表本周的成交量；分母代表这只股票的正常水平。（分母本身就是日均成交量，但统计周期为四十个交易日，而不是通常的二十个交易日。）

为什么分母采用四十个交易日？这大约对应两个月的日历时间。周期足够长，不会让此前的一次成交量激增主导分母；同时又足够短，仍能反映这只股票当前的交易状态。为什么分子采用五个交易日？因为这是一整周，可以避免一次停牌或一笔偶发的大宗交易决定最终读数。

这个计算也明确提示了一个问题：基准成交量越低，倍数越容易被抬高。本周领先者的日均基准成交量仅为 5.31M 股。在这种规模下，一次成交拥挤的交易日就会拉高整周平均值。这正是榜单要求基准成交量达到六位数，并且单周成交额达到 $500M 后，股票名称才有资格出现的原因。

这样的周行情有多罕见？

倍数只有放在其所属的分布中才有意义。使用相同的股票池和相同的时间窗口，将所有符合条件的标的按其倍数分组：

查询本周符合条件标的整体表现：按相对成交量分组

相对成交量分组	名称数量	占总体百分比	总体名称数量
10x or more	1	0.1	868
5x to 10x	2	0.2	868
3x to 5x	3	0.3	868
2x to 3x	13	1.5	868
1.5x to 2x	19	2.2	868
1x to 1.5x	129	14.9	868
below 1x	701	80.8	868

每个数字背后的完整 SQL

WITH sess AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS d,
           sum(toFloat64(volume)) AS vol,
           sum(toFloat64(close) * toFloat64(volume)) AS dollars
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 70 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
      AND ticker NOT IN ('SPCX')
    GROUP BY ticker, d
),
cal AS (
    SELECT d, row_number() OVER (ORDER BY d DESC) AS rn
    FROM (SELECT DISTINCT d FROM sess)
),
per_name AS (
    SELECT s.ticker AS ticker,
           avgIf(s.vol, c.rn <= 5) AS adv_recent,
           avgIf(s.vol, c.rn BETWEEN 6 AND 45) AS adv_base,
           sumIf(s.dollars, c.rn <= 5) AS dollar_recent,
           countIf(c.rn <= 5) AS recent_sessions,
           countIf(c.rn BETWEEN 6 AND 45) AS base_sessions
    FROM sess s INNER JOIN cal c ON s.d = c.d
    GROUP BY s.ticker
    HAVING adv_base > 100000 AND dollar_recent >= 500000000 AND recent_sessions = 5 AND base_sessions >= 35
),
scored AS (
    SELECT ticker,
           multiIf(adv_recent / adv_base >= 10, 1,
                   adv_recent / adv_base >= 5, 2,
                   adv_recent / adv_base >= 3, 3,
                   adv_recent / adv_base >= 2, 4,
                   adv_recent / adv_base >= 1.5, 5,
                   adv_recent / adv_base >= 1, 6, 7) AS bucket_key
    FROM per_name
),
buckets AS (
    SELECT arrayJoin([(1, '10x or more'), (2, '5x to 10x'), (3, '3x to 5x'), (4, '2x to 3x'),
                      (5, '1.5x to 2x'), (6, '1x to 1.5x'), (7, 'below 1x')]) AS bk
)
SELECT bk.2 AS rvol_bucket,
       countIf(scored.bucket_key = bk.1) AS names,
       round(100.0 * countIf(scored.bucket_key = bk.1) / count(), 1) AS pct_of_universe,
       count() AS universe_names
FROM scored CROSS JOIN buckets
GROUP BY bk
ORDER BY bk.1 ASC

自己运行这个查询

本周共有 868 只股票和 ETF 突破门槛。其中，1 只的成交量达到自身常态的十倍或以上，占整个股票池的 0.1%。另有 2 只处于五倍至十倍区间，3 只处于三倍至五倍区间。上方排行榜取自这份榜单最顶部的少数标的。再往下，13 只标的的成交量达到自身常态的两倍至三倍，占整个股票池的 1.5%；19 只处于一点五倍至两倍区间，占 2.2%。另有 129 只仅处于高于常态的一倍至一点五倍区间，占符合条件标的的 14.9%。

榜单的另一端才是没人截图的部分：本周有 701 只标的的成交量低于自身过去四十个交易日的平均水平，占整个股票池的 80.8%。这才是市场的常态，也正因如此，榜单顶部才是真正的异常值，而不是四舍五入造成的误差。

异常成交量会持续吗？

市场上常见的说法是，异常成交量会持续数日。因此，像这样排在榜单前列的股票，通常已经完成了大部分行情。这一点可以验证。对八只领先股票分别统计：五个交易日中，有多少个交易日的成交量达到基准的两倍或更高；单日最大成交量是多少；最大成交量所在交易日与该周最后一个交易日相隔多少个交易日。

查询持续性检验：八大领先标的五个交易日的每日相对成交量

股票代码	周相对成交量	超过2倍的天数	峰值日相对成交量	距峰值交易日数
GTLB	2.5	1	7.5	2
DELL	2.6	2	6.5	2
DLLL	3.4	3	10.1	2
FRVO	4.1	3	10.5	3
BIAF	9.2	3	24	2
PCG	4.3	4	6.8	3
EIX	5.5	4	10.4	3
GPRO	31.6	4	66.7	3

每个数字背后的完整 SQL

WITH sess AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS d,
           sum(toFloat64(volume)) AS vol,
           sum(toFloat64(close) * toFloat64(volume)) AS dollars
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 70 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
      AND ticker NOT IN ('SPCX')
    GROUP BY ticker, d
),
cal AS (
    SELECT d, row_number() OVER (ORDER BY d DESC) AS rn
    FROM (SELECT DISTINCT d FROM sess)
),
per_name AS (
    SELECT s.ticker AS ticker,
           avgIf(s.vol, c.rn <= 5) AS adv_recent,
           avgIf(s.vol, c.rn BETWEEN 6 AND 45) AS adv_base,
           sumIf(s.dollars, c.rn <= 5) AS dollar_recent,
           countIf(c.rn <= 5) AS recent_sessions,
           countIf(c.rn BETWEEN 6 AND 45) AS base_sessions
    FROM sess s INNER JOIN cal c ON s.d = c.d
    GROUP BY s.ticker
    HAVING adv_base > 100000 AND dollar_recent >= 500000000 AND recent_sessions = 5 AND base_sessions >= 35
),
leaders AS (
    SELECT ticker, adv_recent / adv_base AS rvol_week, adv_base
    FROM per_name
    ORDER BY rvol_week DESC, ticker ASC
    LIMIT 8
),
daily AS (
    SELECT l.ticker AS ticker,
           l.rvol_week AS rvol_week,
           c.rn AS rn,
           s.vol / l.adv_base AS rvol_day
    FROM sess s
    INNER JOIN cal c ON s.d = c.d
    INNER JOIN leaders l ON s.ticker = l.ticker
    WHERE c.rn <= 5
)
SELECT ticker,
       round(max(rvol_week), 1) AS week_rvol,
       countIf(rvol_day >= 2) AS days_above_2x,
       round(max(rvol_day), 1) AS peak_day_rvol,
       argMax(rn, (rvol_day, -rn)) - 1 AS sessions_since_peak
FROM daily
GROUP BY ticker
ORDER BY days_above_2x ASC, peak_day_rvol ASC, ticker ASC

自己运行这个查询

按持续性排序，榜单上持续性最低的股票是 GTLB。五个交易日中，有 1 个交易日的成交量超过其基准的两倍，峰值为 7.5x。持续性最高的是 GPRO，五个交易日中有 4 个交易日达到这一水平，峰值为 66.7x。这些是持续多个交易日的事件，而不是单笔成交。因此，周榜和日榜往往会列出相同的股票。

最后一列反映时间关系：最大成交量所在交易日与该周最后一个交易日之间相隔的交易日数。GTLB 为 2，GPRO 为 3。如果这一间隔大于零，最显著的成交量早在该周结束前就已出现。该榜单描述的是已经结束的这一周，并不预测刚开始的下一周。

领跑者十五个交易日逐日表现

周均值掩盖了具体形态。以下是当前领跑者过去十五个交易日的日度相对成交量。数据将每个交易日的成交股数与同一四十个交易日基准进行比较，并列出各交易日的开盘至收盘涨跌幅：

查询榜首标的逐日表现：每日相对成交量及开盘至收盘涨跌幅（近15个交易日）

交易日期	交易日标签	日相对成交量	日百分比	相对成交量峰值日
2026-08-17	Aug 17	1	4.9	66.7
2026-08-18	Aug 18	1.1	-3.7	66.7
2026-08-19	Aug 19	1.2	6.3	66.7
2026-08-20	Aug 20	0.9	-0.7	66.7
2026-08-21	Aug 21	1.2	0.2	66.7
2026-08-24	Aug 24	0.9	-5	66.7
2026-08-25	Aug 25	1	0.2	66.7
2026-08-26	Aug 26	1.5	-1.4	66.7
2026-08-27	Aug 27	1.3	0.5	66.7
2026-08-28	Aug 28	1.6	-1.7	66.7
2026-08-31	Aug 31	20.7	43.4	66.7
2026-09-01	Sep 1	66.7	-8.5	66.7
2026-09-02	Sep 2	41.5	40.1	66.7
2026-09-03	Sep 3	27.5	-21.9	66.7
2026-09-04	Sep 4	1.7	0.6	66.7

每个数字背后的完整 SQL

WITH sess AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS d,
           sum(toFloat64(volume)) AS vol,
           sum(toFloat64(close) * toFloat64(volume)) AS dollars,
           argMin(toFloat64(open), toTimeZone(window_start, 'America/New_York')) AS day_open,
           argMax(toFloat64(close), toTimeZone(window_start, 'America/New_York')) AS day_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 70 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
      AND ticker NOT IN ('SPCX')
    GROUP BY ticker, d
),
cal AS (
    SELECT d, row_number() OVER (ORDER BY d DESC) AS rn
    FROM (SELECT DISTINCT d FROM sess)
),
per_name AS (
    SELECT s.ticker AS ticker,
           avgIf(s.vol, c.rn <= 5) AS adv_recent,
           avgIf(s.vol, c.rn BETWEEN 6 AND 45) AS adv_base,
           sumIf(s.dollars, c.rn <= 5) AS dollar_recent,
           countIf(c.rn <= 5) AS recent_sessions,
           countIf(c.rn BETWEEN 6 AND 45) AS base_sessions
    FROM sess s INNER JOIN cal c ON s.d = c.d
    GROUP BY s.ticker
    HAVING adv_base > 100000 AND dollar_recent >= 500000000 AND recent_sessions = 5 AND base_sessions >= 35
),
leader AS (
    SELECT ticker, adv_base
    FROM per_name
    ORDER BY adv_recent / adv_base DESC, ticker ASC
    LIMIT 1
),
path AS (
    SELECT formatDateTime(s.d, '%Y-%m-%d') AS session_date,
           formatDateTime(s.d, '%b %e') AS session_label,
           s.vol / l.adv_base AS rvol_day,
           100.0 * (s.day_close / s.day_open - 1) AS day_pct
    FROM sess s
    INNER JOIN cal c ON s.d = c.d
    INNER JOIN leader l ON s.ticker = l.ticker
    WHERE c.rn <= 15
)
SELECT session_date,
       session_label,
       round(rvol_day, 1) AS rvol_day,
       round(day_pct, 1) AS day_pct,
       round(max(rvol_day) OVER (), 1) AS peak_rvol_day
FROM path
ORDER BY session_date ASC

自己运行这个查询

十五个交易日前，该股的成交量为基准的 1 倍，是一只普通且交投平静的股票。这段期间成交最活跃的交易日达到 66.7 倍。最近一个交易日为 Sep 4，成交量仍为基准的 1.7 倍，开盘至收盘涨跌幅为 0.6%。

请注意，图表并未显示成交量沿着一条有序的直线逐步衰减。成交量放大往往成簇出现。达到峰值后的交易日，成交量可能再次加速，而不是逐步回落。因此，“成交量正在萎缩”这一说法应通过日度序列进行核实，不能想当然。同一日度序列也是计算盘中节奏指标的起点。该指标在相对成交量指南中从头构建，并用于VWAP。

筛选条件排除了什么

四项规则确保榜单保持真实，但每一项都会排除读者可能想看到的内容：

本周成交额下限为5亿美元。 仅按成交股数排名，会让成交一百万股也只是小数目的股票占据榜单。
日均成交量基线高于10万股， 确保分母是真实数值，而不是四舍五入造成的结果。
此前40个交易日中至少有35个交易日有成交， 这会排除刚上市的股票。新近IPO没有有意义的“正常”水平可供比较，否则会连续数周占据榜单。
排除一个被重复使用的代码： 交易所近期将该代码重新分配给新上市公司，而数据供应商的历史数据将两家不同公司拼接在一起。它的基线会失去意义。

规则1排除了成交记录中最极端的倍数。以下是因此被排除的六只股票中倍数最高的几只：

查询美元门槛剔除的极端倍数：本周成交额低于$500M标的中的最高相对成交量

股票代码	周相对成交量	周美元成交额（百万）	平均股价	基准平均日成交量（百万）
CLGN	148.2	127.6	0.68	0.25
HKPD	97.1	20.5	0.3	0.14
VVOS	76.4	84.5	0.32	0.68
PASW	72.9	44.9	0.19	0.65
VIOT	69.7	69	1.5	0.13
FAMI	67.2	213.6	0.25	2.59

每个数字背后的完整 SQL

WITH sess AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS d,
           sum(toFloat64(volume)) AS vol,
           sum(toFloat64(close) * toFloat64(volume)) AS dollars
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE window_start >= now() - INTERVAL 70 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
      AND ticker NOT IN ('SPCX')
    GROUP BY ticker, d
),
cal AS (
    SELECT d, row_number() OVER (ORDER BY d DESC) AS rn
    FROM (SELECT DISTINCT d FROM sess)
),
per_name AS (
    SELECT s.ticker AS ticker,
           avgIf(s.vol, c.rn <= 5) AS adv_recent,
           avgIf(s.vol, c.rn BETWEEN 6 AND 45) AS adv_base,
           sumIf(s.dollars, c.rn <= 5) AS dollar_recent,
           countIf(c.rn <= 5) AS recent_sessions,
           countIf(c.rn BETWEEN 6 AND 45) AS base_sessions
    FROM sess s INNER JOIN cal c ON s.d = c.d
    GROUP BY s.ticker
    HAVING adv_base > 100000 AND recent_sessions = 5 AND base_sessions >= 35
       AND dollar_recent > 0 AND dollar_recent < 500000000
)
SELECT ticker,
       round(adv_recent / adv_base, 1) AS rvol_week,
       round(dollar_recent / 1e6, 1) AS week_dollar_m,
       round(dollar_recent / (adv_recent * 5), 2) AS avg_share_price,
       round(adv_base / 1e6, 2) AS baseline_adv_m
FROM per_name
ORDER BY rvol_week DESC, ticker ASC
LIMIT 6

自己运行这个查询

CLGN的成交量达到自身正常水平的148.2倍，但全周成交额仅为127.6亿美元，平均股价为0.68美元。其后依次是：HKPD，达到97.1倍，成交额为20.5亿美元（平均股价为0.3美元）；VVOS，达到76.4倍，成交额为84.5亿美元；PASW，达到72.9倍，成交额为44.9亿美元；VIOT，达到69.7倍，成交额为69亿美元；以及FAMI，达到67.2倍，成交额为213.6亿美元。对这些股票而言，这是真实且明显异常的交易活动，但其倍数也受到成交金额极小的影响。

异常成交量的来源

反复出现的来源，能让您更快读懂榜单：财报周，这是唯一按计划出现的来源；公司事件，包括并购、发行、指数纳入和剔除，这些事件会带来机械性成交量，与市场观点无关；挤压动态，成交量随着价格加速累积，这正是空头挤压说明所记录的模式；以及新上市股票，在流通股逐步稳定之前，它们会主导自身的交易数据。任何一周的榜单通常都是这些因素的组合，另外还会有一两个真正的谜团，而这些谜团才值得您多花一分钟研究。

异常成交量常见问题

什么样的股票成交量算异常？

没有官方阈值，因此应参考分布情况：本周达到本页门槛的 868 只股票中，只有 1 只的成交量达到自身常态的 10 倍或以上，另有 80.8% 只的成交量低于自身平均水平。任何高于约 2 倍的水平，在特定一周内都已位于市场最高的几个百分点之列。

异常成交量是看涨还是看跌？

两者都不是。它代表市场关注，而关注既可能伴随上涨，也可能伴随暴跌。本周榜单排名第一的股票在五个交易日结束时，相比开盘成交价 181.1%；排名第八的股票为 11.1%。两者完全依据同一项指标入选。

异常成交量会持续多久？

通常会持续超过一天。持续性面板统计榜单中每只股票成交量高于基准两倍的交易日数：本周范围从五个交易日中的 1（GTLB）到五个交易日中的 4（GPRO）。成交量最大的交易日通常出现在周末前，而不是最后一个交易日。

为什么榜单设置成交额门槛？

如果不设置成交额门槛，单看成交股数会使榜单充斥低价 ticker。这类股票的成交量倍数可能很高，但实际资金规模并不大：本周被排除的最大股票成交量达到自身常态的 148.2 倍，总成交额为 $127.6M，平均股价为每股 $0.68。每周 $500M 的门槛确保榜单中的每一行都具有实际的资金规模。

股票异常成交量也会出现在期权市场吗？

通常会。股票现货交易活跃与期权交易活跃往往会同时出现在同一批股票上，因此交易员会同时关注两者。不过，期权活动的衡量方式不同：成交合约数是流量指标，而未平仓量统计仍然存续的持仓数量，二者回答的是不同问题。在解读“异常期权活动”提醒前，请先参阅期权成交量与未平仓量。

以上每个数字都来自已存储且有版本记录的查询。您可以展开任一面板下方的 SQL，查看确切的衡量方法；也可以在 Strasmore terminal 上针对任意时间窗口运行相同的筛选。

#相对成交量#unusual volume#leaderboards#market structure