Strasmore Research
深度解析 Matt Connor作者： Matt Connor · 更新於 2026-07-25

2022年2月24日戰爭開盤收紅

俄羅斯入侵烏克蘭當天，美股開盤重挫後戲劇性翻紅。完整記錄QQQ、標普500、道瓊、原油、黃金、國防股、美債與波動率指數的逐分鐘逆轉與後續走勢。

2022年2月24日凌晨，俄羅斯對烏克蘭發動全面入侵——美國股市隨即出現近十年來最受關注的交易日之一。指數期貨在夜盤重挫，那斯達克100 ETF QQQ 開盤下跌 -3.2%——收盤卻上漲 +3.4%。本頁完整記錄整起事件：逐分鐘的逆轉過程、標普500與道瓊的表現、原油、黃金、國防股、美國公債與波動率指數的走勢，以及隨後數週的市場面貌。每一項數字皆來自儲存查詢；展開任一區塊即可查看 SQL。

開盤之前：那一夜如何演變

這場入侵並非憑空發生。從2021年底到2022年初，俄羅斯在烏克蘭邊境集結大軍——當時西方報導估計遠超十萬人——市場已為此風險交易了數週。2月21日週一，莫斯科承認烏克蘭東部兩個自行宣布獨立的共和國；美國股市因華盛頓誕辰紀念日休市，第一個能對這消息定價的交易日是22日週二，當天收黑。西方國家的第一波制裁在同一個週二落地，德國也同步暫停了北溪2號管線的認證程序。

隨後，在莫斯科時間2月24日週四清晨六點前不久——大約是紐約時間週三晚間十點——俄羅斯總統宣布展開軍事行動，烏克蘭多個城市在一小時內傳出爆炸聲。徹夜交易的美股指數期貨應聲急跌。到天亮時，唯一的懸念只剩下上午九點半的開盤競價會比週三收盤價低多少。

一日行情，一列呈現

一列數據涵蓋完整答案——前收、跳空、低點、高點、收盤與成交量：

查詢QQQ於2022年2月24日——入侵日反轉，逐筆記錄
每個數據背後的精確 SQL 語法
WITH
    (
        SELECT argMaxIf(toFloat64(close), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)
        FROM global_markets.delayed_stocks_minute_aggs
        WHERE ticker = 'QQQ'
          AND window_start >= toDateTime('2022-02-23 00:00:00') AND window_start < toDateTime('2022-02-24 04:00:00')
    ) AS prior_rth_close
SELECT
    round(prior_rth_close, 2) AS prior_close,
    round(toFloat64(argMinIf(open, window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)), 2) AS rth_open,
    round((toFloat64(argMinIf(open, window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)) / prior_rth_close - 1) * 100, 1) AS gap_pct,
    round(minIf(toFloat64(low), (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959), 2) AS rth_low,
    formatDateTime(toTimeZone(argMinIf(window_start, (toFloat64(low), toInt64(toUnixTimestamp(window_start))), (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959), 'America/New_York'), '%H:%i') AS low_et,
    round(maxIf(toFloat64(high), (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959), 2) AS rth_high,
    round(toFloat64(argMaxIf(close, window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)), 2) AS rth_close,
    round((toFloat64(argMaxIf(close, window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)) / prior_rth_close - 1) * 100, 1) AS day_change_pct,
    round((minIf(toFloat64(low), (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) / prior_rth_close - 1) * 100, 1) AS low_vs_prior_pct,
    round((toFloat64(argMaxIf(close, window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)) / minIf(toFloat64(low), (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) - 1) * 100, 1) AS trough_to_close_pct,
    round((maxIf(toFloat64(high), (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) / toFloat64(argMaxIf(close, window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)) - 1) * 100, 2) AS close_to_high_pct,
    round((toFloat64(argMinIf(open, window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959)) / minIf(toFloat64(low), (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) - 1) * 100, 2) AS open_above_low_pct,
    round(toFloat64(sum(volume)) / 1e6, 1) AS day_shares_m,
    countIf((toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) AS rth_minute_bars
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker = 'QQQ'
  AND window_start >= toDateTime('2022-02-24 04:00:00') AND window_start < toDateTime('2022-02-24 23:59:00')

每個人都該仔細端詳的收據：盤中低點 $318.26 出現在 09:30 美東時間——開盤第一分鐘——較前收低 -3.4%。自那第一筆成交起，QQQ 持續攀升六個半小時，終場收在 $340.65：單日漲幅 +3.4%，從谷底到收盤的擺盪幅度達 7%，成交量 128 百萬股。而且收盤並非尾盤走軟：收盤價僅較盤中高點 $341.04 低 0.11%，意味著這一天幾乎收在最高點。任何在交易第一分鐘賣出的人，都賣在距離盤中終極低點 0.18% 的範圍內——真正的底部成交價出現在開盤撮合後片刻，而非撮合當下（拍賣撮合價為 $318.84；低點為 $318.26）。

逐段拆解反轉走勢

以半小時為單位，可以看出攀升的輪廓：

查詢QQQ半小時走勢——2022年2月24日常規交易時段
每個數據背後的精確 SQL 語法
SELECT
    formatDateTime(toStartOfInterval(toTimeZone(window_start, 'America/New_York'), INTERVAL 30 MINUTE), '%H:%i') AS et_time,
    round(toFloat64(argMax(close, window_start)), 2) AS bucket_close,
    round(min(toFloat64(low)), 2) AS bucket_low,
    round(toFloat64(sum(volume)) / 1e6, 1) AS shares_m
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker = 'QQQ'
  AND window_start >= toDateTime('2022-02-24 04:00:00') AND window_start < toDateTime('2022-02-24 23:59:00')
  AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
GROUP BY et_time
ORDER BY et_time

這道階梯並非完美無瑕——12:00 延長交易時段收在 $328.03，低於 11:30 的收盤價 $330.29——但方向從未真正翻轉，而最後一個時段收在 $340.65，為表格中的最高點。成交量走勢呈現典型的 U 型：開盤前半小時成交 18.6 百萬股，最後半小時成交 15 百萬股，而午餐前後僅成交 4.7 百萬股。這正是 2011年那道向下階梯 的鏡像。這類交易時段說明了為何「市場因入侵事件而下跌」這種複述會產生誤導：期貨在隔夜下跌；現貨交易時段則從第一分鐘就開始反彈。你經歷的是哪一種，完全取決於你的委託單何時送達——這正是 隔夜跳空 這個主題在較平靜的週數所衡量的現象。

不只那斯達克：整個市場都反轉了

如果只看單一指數，會留下一個明顯的問題：這究竟是成長股特有的現象，還是全市場的反轉？下方圖表將十一檔標的放在同一個標準下比較——三檔主要指數 ETF，接著是地緣政治衝擊劇本會觸及的資產：能源、黃金、長天期公債、一檔波動率 ETF，以及四家國防承包商。

查詢2022年2月24日十一檔標的——開盤缺口、盤中極值、收盤（相對於前收盤%）
每個數據背後的精確 SQL 語法
SELECT
    ticker,
    round(prior_close, 2) AS prior_close,
    round((rth_open / prior_close - 1) * 100, 1) AS gap_pct,
    round((rth_low / prior_close - 1) * 100, 1) AS low_vs_prior_pct,
    round((rth_high / prior_close - 1) * 100, 1) AS high_vs_prior_pct,
    round((rth_close / prior_close - 1) * 100, 1) AS day_change_pct
FROM (
    SELECT
        ticker,
        argMaxIf(toFloat64(close), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959 AND toDate(toTimeZone(window_start, 'America/New_York')) = toDate('2022-02-23')) AS prior_close,
        argMinIf(toFloat64(open), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959 AND toDate(toTimeZone(window_start, 'America/New_York')) = toDate('2022-02-24')) AS rth_open,
        minIf(toFloat64(low), (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959 AND toDate(toTimeZone(window_start, 'America/New_York')) = toDate('2022-02-24')) AS rth_low,
        maxIf(toFloat64(high), (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959 AND toDate(toTimeZone(window_start, 'America/New_York')) = toDate('2022-02-24')) AS rth_high,
        argMaxIf(toFloat64(close), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959 AND toDate(toTimeZone(window_start, 'America/New_York')) = toDate('2022-02-24')) AS rth_close
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('QQQ', 'SPY', 'DIA', 'XLE', 'GLD', 'TLT', 'VIXY', 'LMT', 'NOC', 'RTX', 'GD')
      AND window_start >= toDateTime('2022-02-23 00:00:00') AND window_start < toDateTime('2022-02-24 23:59:00')
    GROUP BY ticker
)
ORDER BY indexOf(['QQQ', 'SPY', 'DIA', 'XLE', 'GLD', 'TLT', 'VIXY', 'LMT', 'NOC', 'RTX', 'GD'], ticker)

這是一次全市場的反轉，但反轉幅度並非單純跟隨早盤跳空缺口的大小：QQQ 開盤跳空 -3.2%，收盤上漲 3.4%。SPY 和 DIA 的跳空幅度幾乎相同——分別為 -2.6% 和 -2.6%——然而 SPY 收盤上漲 1.5%，DIA 則僅上漲 0.3%，勉強收在平盤之上。以成長股為主的指數反轉力道最強；以工業股為主的道瓊指數反轉力道最弱——區隔 SPY 與 DIA 的是成分股組成，而非跳空缺口的大小。

資金流向：石油、黃金、國防、波動率

現在看同一面板的下排——「戰爭交易」。能源開盤即見高點並收黑：XLE 跳空開高 +2.1%，盤中一度較前一日收盤價下跌 -3.4%，最終收 -0.9%。黃金走勢如出一轍：GLD 開盤 +2.4%，收盤 -0.6%。VIXY——持有短期 VIX 期貨的 ETF，是波動率指數最接近的可交易替代品——開盤跳空 +11.1%，收盤 -3%，低於前一日收盤價。這些經典的恐慌資產，精準地在頭條新聞最糟糕時見頂，並隨著股市復甦而回落：股市的反轉，只是倒過來演一遍。

國防承包商是唯一撐住的例外。四檔全數收紅——LMT +1.7%，NOC +2.4%，RTX +2.1%，GD +1.1%——而 Northrop Grumman 整場交易從未跌破週三收盤價（其盤中低點為 +1%），是四者中唯一未曾翻黑的。

公債：避險買盤來得較晚

公債殖利率下跌，意味著債券價格被推高——這是教科書式的避險資金流動。在入侵當天，這股資金流在收盤時幾乎沒有反映出來：

查詢2年期與10年期公債殖利率，2022年2月18日至3月8日（%）
每個數據背後的精確 SQL 語法
SELECT
    toString(date) AS session,
    round(yield_2_year, 2) AS yield_2_year,
    round(yield_10_year, 2) AS yield_10_year
FROM global_markets.treasury_yields
WHERE date BETWEEN '2022-02-18' AND '2022-03-08'
ORDER BY date

10年期公債殖利率在2月24日收在 1.96%，略低於前一日的 1.99%。真正的避險潮在接下來一週才出現：到了 2022-03-01，10年期公債殖利率觸及 1.72%——這是此區間內的最低收盤價——而2年期公債殖利率在同一期間從 1.58% 跌至 1.31%。上方圖表中的長期公債ETF TLT，則呈現了盤中的相同故事：開盤時出現 +1.8% 的跳空缺口，但到收盤時漲幅收斂至 +0.2%。

前後數日

連續三週的每日收盤價，為這次反轉提供了背景脈絡——也悄然確認了它是否成立：

查詢QQQ每日收盤價，2022年2月22日至3月14日
每個數據背後的精確 SQL 語法
SELECT
    toString(et_date) AS session,
    close_usd,
    round(if(prev_close = 0, NULL, (close_usd / prev_close - 1) * 100), 1) AS change_pct,
    shares_m
FROM (
    SELECT et_date, close_usd, shares_m,
           lagInFrame(close_usd) OVER (ORDER BY et_date ASC ROWS BETWEEN 1 PRECEDING AND CURRENT ROW) AS prev_close
    FROM (
        SELECT
            toDate(toTimeZone(window_start, 'America/New_York')) AS et_date,
            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), 2) AS close_usd,
            round(toFloat64(sum(volume)) / 1e6, 1) AS shares_m
        FROM global_markets.delayed_stocks_minute_aggs
        WHERE ticker = 'QQQ'
          AND window_start >= toDateTime('2022-02-18 00:00:00') AND window_start < toDateTime('2022-03-15 23:59:00')
        GROUP BY et_date
    )
)
WHERE et_date >= toDate('2022-02-22') AND et_date <= toDate('2022-03-14')
ORDER BY et_date

入侵之前的幾個交易日（2月22日至23日的 -1% 與 -2.6%）皆收黑，當時軍事集結占據了頭條版面，而入侵當日本身收盤+3.4%，隔日再收+1.5%。市場因威脅而下跌、因事件而上漲，這種模式古老到華爾街有句諺語與之掛鉤，而這份盤勢紀錄正是該模式最乾淨的現代佐證。但請繼續往下看這張表：它在 2022-03-14 以 $318.21 作收——低於入侵當日早晨恐慌性拋售所印出的價位。

漲勢有守住嗎？

沒有——而且現在有數據佐證：

查詢反轉之後：QQQ何時跌破入侵日低點，以及跌幅多深
每個數據背後的精確 SQL 語法
WITH
    daily AS (
        SELECT
            toDate(toTimeZone(window_start, 'America/New_York')) AS d,
            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), 2) AS c
        FROM global_markets.delayed_stocks_minute_aggs
        WHERE ticker = 'QQQ'
          AND window_start >= toDateTime('2022-02-24 04:00:00') AND window_start < toDateTime('2023-01-01 00:00:00')
        GROUP BY d
    ),
    (SELECT c FROM daily WHERE d = toDate('2022-02-24')) AS invasion_close,
    (
        SELECT round(minIf(toFloat64(low), (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959), 2)
        FROM global_markets.delayed_stocks_minute_aggs
        WHERE ticker = 'QQQ'
          AND window_start >= toDateTime('2022-02-24 04:00:00') AND window_start < toDateTime('2022-02-24 23:59:00')
    ) AS invasion_low
SELECT
    invasion_close,
    invasion_low,
    toString(minIf(d, c < invasion_low AND d > toDate('2022-02-24'))) AS first_close_below_invasion_low,
    dateDiff('day', toDate('2022-02-24'), minIf(d, c < invasion_low AND d > toDate('2022-02-24'))) AS calendar_days_to_new_low,
    round(minIf(c, d BETWEEN toDate('2022-02-25') AND toDate('2022-03-31')), 2) AS march_low_close,
    toString(argMinIf(d, (c, d), d BETWEEN toDate('2022-02-25') AND toDate('2022-03-31'))) AS march_low_date,
    round((minIf(c, d BETWEEN toDate('2022-02-25') AND toDate('2022-03-31')) / invasion_close - 1) * 100, 1) AS march_low_vs_invasion_close_pct,
    round(minIf(c, d > toDate('2022-02-24')), 2) AS year_low_close,
    toString(argMinIf(d, (c, d), d > toDate('2022-02-24'))) AS year_low_date,
    round((minIf(c, d > toDate('2022-02-24')) / invasion_close - 1) * 100, 1) AS year_low_vs_invasion_close_pct
FROM daily

入侵發生後 18 個日曆日，也就是 2022-03-14，QQQ 的收盤價跌破入侵當天開盤第一分鐘所創下的 $318.26 恐慌低點。那個 3 月收盤低點 $318.21 比入侵當日收盤價低了 -6.6%——而這一年還在持續：到了 2022-12-28，QQQ 收在 $260.02，比入侵當日收盤價低 -23.7%。2 月 24 日的反轉走勢是真實、劇烈——但僅限於局部。決定 2022 年方向的是升息循環，而非戰爭，這與 2020 年 3 月崩盤 所帶來的反向啟示如出一轍。

這種規模的反轉有多罕見？

掃描 QQQ 自 2003 年至 2025 年底的每一個交易日，僅有 2 個交易日盤中一度低於前一日收盤價至少 3%，最終卻仍收高至少 1%：

查詢QQQ自2003年以來盤中低點≤前收盤−3%且收盤≥+1%的交易日
每個數據背後的精確 SQL 語法
SELECT
    toString(d) AS session,
    low_vs_prior_pct,
    close_vs_prior_pct,
    trough_to_close_pct
FROM (
    SELECT
        d,
        round((lo / prev_c - 1) * 100, 1) AS low_vs_prior_pct,
        round((c / prev_c - 1) * 100, 1) AS close_vs_prior_pct,
        round((c / lo - 1) * 100, 1) AS trough_to_close_pct
    FROM (
        SELECT d, c, lo,
               lagInFrame(c) OVER (ORDER BY d ASC ROWS BETWEEN 1 PRECEDING AND CURRENT ROW) AS prev_c
        FROM (
            SELECT
                toDate(toTimeZone(window_start, 'America/New_York')) AS d,
                argMaxIf(toFloat64(close), window_start, (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) AS c,
                minIf(toFloat64(low), (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959) AS lo
            FROM global_markets.delayed_stocks_minute_aggs
            WHERE ticker = 'QQQ'
              AND window_start >= toDateTime('2003-01-01 00:00:00') AND window_start < toDateTime('2026-01-01 00:00:00')
            GROUP BY d
        )
    )
    WHERE prev_c > 0 AND isFinite(prev_c)
)
WHERE low_vs_prior_pct <= -3 AND close_vs_prior_pct >= 1
ORDER BY session

2022 年 2 月 24 日是其中之一。另一個是 2022-10-13 —— 當天在通膨報告高於預期的一小時後開盤，同樣是跳空下跌後收紅的交易日。入侵當日的反轉幅度是兩者中較大的：從谷底到收盤的擺動幅度達 7%，對比 5.7%。二十三年的交易紀錄，兩次印記都落在同一年。

這一天教會我們的事

這張盤面裡藏著三個歷久不衰的機制。第一，等到一個萬眾矚目的事件真正發生時，市場部位往往早已布局完畢——入侵行動前的兩根黑K線，承載的就是這種預期心理。第二，開盤集合競價是累積了一整夜的恐懼，在單一價格上出清的時刻，而那個價格，往往就是當日其中一個方向的極端價位。第三，單日劇烈反轉告訴你的，是當天的資金流向，而不是下一季的方向——這根K線之後的幾個星期，大盤照樣跌到新低。事件發生日，獎賞的是懂得市場運作機制的人；它會懲罰那些把單一K線形狀，誤認為整體格局轉變的人。

成交量細節證實了誰在做什麼：128.5 百萬股的成交量，讓這一天成為上方三週表格中量能最重的一個交易日，而在谷底一路拉到收盤的過程中出現大量，意味著買盤是實實在在的規模，對上實實在在的賣壓——而不是空蕩蕩的盤面漂移。請把這個相同的量價印記，拿來跟 2020年3月24日的反彈 做比較，當時那股帶有信念的成交量，同樣標誌著一波恐慌的轉折；再拿它來對照那些量能稀薄、隔天就後繼無力的反彈日。

入侵日常見問答

俄羅斯入侵烏克蘭當天，股市表現如何？

在事發當日——2022年2月24日——那斯達克100指數ETF QQQ 開盤下跌 -3.2%，開盤第一分鐘即觸及日內低點，隨後整個交易時段持續攀升，終場收漲 3.4%。標普500指數ETF SPY 收漲 1.5%，道瓊指數ETF DIA 收漲 0.3%。

為何俄羅斯入侵烏克蘭時，股市反而上漲？

本頁面不推斷動機；交易記錄僅呈現事實——沉重的賣壓在上午9點30分開盤時完全釋放，隨後每個小時都由買盤主導。這種「威脅時下跌、事件發生時反彈」的模式，在歷史上有許多相似案例。

俄羅斯入侵烏克蘭時，石油與黃金的表現如何？

兩者都在開盤時急漲，隨後漲幅收斂：能源ETF XLE 跳空上漲 2.1%，收盤 -0.9%；黃金ETF GLD 跳空上漲 2.4%，收盤 -0.6%。國防類股守住漲幅：上方面板中的四大主要國防股全數收紅。

入侵事件後的反彈行情有持續嗎？

沒有。QQQ 在 18 個日曆日後，於 2022-03-14 跌破入侵當日的恐慌低點，而到了 2022-12-28 的2022年低點時，其價位已較入侵當日收盤價低了 -23.7%。

像2022年2月24日這樣的反轉行情有多罕見？

非常罕見。從2003年到2025年底，QQQ 盤中交易價格曾低於前一日收盤價3%或以上，但最終仍收漲至少1%的交易日，僅有 2 次——就是這一次，以及 2022-10-13。

上方每個面板都是針對歷史交易記錄所儲存、帶有版本控制的查詢結果——展開SQL即可查看各項衡量數據。想親身體驗這一天，而不只是閱讀嗎？這是Strasmore Labs交易模擬器中可實際操作的場景之一。

#market history#geopolitics#reversals#qqq