Strasmore Research
學習 Matt Connor作者： Matt Connor · 更新於 2026-07-25

平均每日成交量是什麼？

平均每日成交量（ADV）是一檔股票每日交易的典型股數，作為回補天數、相對成交量及流動性篩選的計算基礎。

平均每日成交量（Average daily volume，ADV）是使用最廣泛卻沒人費心定義的數字：一檔股票在回溯期間內，平均每日交易的股數。它是回補天數的分母、相對成交量的基準，也是每個篩選器裡的流動性測試——這意味著上述每個數字都繼承了ADV的隱含選擇：哪個回溯期間、哪些交易時段、以股數或金額計算。本頁給出正確定義，逐步拆解計算過程，並以實際交易數據衡量每一項選擇的影響。

日均成交量，以數據衡量

二十個常規交易時段——2026年6月11日至7月10日——四個熟悉的名字加上一個刻意挑選的極低流動性標的。以股數、金額，以及（稍後會用到）每個名字在常規交易時段以外的成交量佔其總成交量的比例來呈現：

查詢20個交易日一般交易時段ADV — 股數、金額及延長交易時段股數（2026年6月11日至7月10日）
每個數據背後的精確 SQL 語法
WITH per_day AS (
    SELECT ticker,
           toDate(toTimeZone(window_start, 'America/New_York')) AS et_date,
           sumIf(toFloat64(volume), formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') >= '09:30'
                                AND formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') < '16:00') AS rth_shares,
           sumIf(toFloat64(close) * toFloat64(volume), formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') >= '09:30'
                                                   AND formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') < '16:00') AS rth_dollars,
           sum(toFloat64(volume)) AS all_shares
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker IN ('SPY', 'AAPL', 'MU', 'KO', 'CATO')
      AND window_start >= toDateTime('2026-06-11 00:00:00', 'America/New_York')
      AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
    GROUP BY ticker, et_date
)
SELECT ticker,
       round(avg(rth_shares) / 1e6, 2) AS adv_shares_m,
       round(avg(rth_dollars) / 1e9, 2) AS adv_dollars_bn,
       round(100 * (sum(all_shares) - sum(rth_shares)) / sum(all_shares), 1) AS extended_hours_pct,
       count() AS sessions
FROM per_day
GROUP BY ticker
ORDER BY adv_shares_m DESC

這張表格承載了本頁的全部論點。MU 和 AAPL 每天交易的股數幾乎相同——42.01百萬股對上41.47百萬股——但金額欄位將它們遠遠拉開：每天$44.49十億對上$12.24十億。股數衡量的是活動量；金額衡量的是資金量。排名甚至在頂端翻轉：SPY在股數上領先（20個交易時段共46.01百萬股），而MU則在這張表格的金額上領先。而在底部，CATO 每天交易0.05百萬股——資金量小到在這個尺度下，十億欄位顯示為0。這就是那種單一機構訂單就構成當日全部成交量的掛牌，在這種情況下，交易成本存在於一個完全不同的世界。

如何計算日均成交量

計算方式刻意設計得簡單明瞭：將所選期間內每日的股票成交量加總，再除以天數。以下是可口可樂一整個星期（2026年7月6日至10日）正規交易時段的逐筆紀錄，累計總和與平均值均在同一查詢中計算得出：

查詢手動計算ADV — KO五個每日成交量、其總和及平均值（2026年7月6日至10日）
每個數據背後的精確 SQL 語法
SELECT session_date,
       shares_m,
       round(sum(shares_m) OVER (), 1) AS five_day_total_m,
       round(avg(shares_m) OVER (), 1) AS adv_m,
       round(avg(shares_m) OVER () * 0.01 * 1000, 0) AS one_pct_of_adv_k
FROM (
    SELECT formatDateTime(toDate(toTimeZone(window_start, 'America/New_York')), '%Y-%m-%d') AS session_date,
           round(sumIf(toFloat64(volume), formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') >= '09:30'
                                      AND formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') < '16:00') / 1e6, 1) AS shares_m
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'KO'
      AND window_start >= toDateTime('2026-07-06 00:00:00', 'America/New_York')
      AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
    GROUP BY session_date
)
ORDER BY session_date

將這五天相加——10.7 + 12.1 + 10.7 + 11 + 8.3 百萬股——總計為 52.8 百萬股。除以五：10.6 百萬股，即為 KO 的 5 個交易日的日均成交量。20 個交易日的日均成交量，就是對 20 列數據進行相同的算術運算——也就是第一個表格中的數字。請注意平均值隱藏了什麼：2026-07-07 的成交量為 12.1 百萬股，而 2026-07-10 的成交量為 8.3 百萬股，日均成交量將這種每日波動平滑成一個單一數字。最後一欄預覽了部位規模的計算：KO 日均成交量的百分之一約為 106 千股——這是單一委託單開始在當日交易量中佔據顯著份額的規模。

時間窗口是一種選擇，它決定均量遺忘的速度

二十個交易日是常見慣例（一個交易月）；十、三十、六十五和九十個交易日也都有人使用。時間窗口決定均量遺忘的速度。MU 是 2026 年的活教材——這檔股票年中交易量重新定價的幅度極大，以至於其滾動月均量與滾動季均量在春季期間講述了截然不同的故事，詳見其六月深度剖析。以下是同一檔股票在相同七個月期間，同時以兩種窗口衡量的結果：

查詢MU — 滾動20日與90日ADV，2025年12月至2026年7月10日（每三個交易日取樣一次）
每個數據背後的精確 SQL 語法
WITH daily AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS et_date,
           sum(toFloat64(volume)) AS day_shares
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'MU'
      AND window_start >= toDateTime('2025-08-01 00:00:00', 'America/New_York')
      AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY et_date
),
rolled AS (
    SELECT et_date,
           avg(day_shares) OVER (ORDER BY et_date ROWS BETWEEN 19 PRECEDING AND CURRENT ROW) AS adv20,
           avg(day_shares) OVER (ORDER BY et_date ROWS BETWEEN 89 PRECEDING AND CURRENT ROW) AS adv90,
           row_number() OVER (ORDER BY et_date) AS rn,
           count() OVER () AS total_rows
    FROM daily
)
SELECT formatDateTime(et_date, '%Y-%m-%d') AS date,
       round(adv20 / 1e6, 1) AS adv_20_session_m,
       round(adv90 / 1e6, 1) AS adv_90_session_m
FROM rolled
WHERE rn > 90 AND (rn % 3 = total_rows % 3)
ORDER BY et_date

在 2025-12-10 時，兩個窗口的數據一致：20 日計數為 21.3M，90 日計數為 19.9M。到了 2026-04-14，兩者已分歧為 45.6M 對 31.9M——同一檔股票在同一天有兩個「官方」均量，而任何與其中一個窗口掛鉤的篩選器、回補天數或相對成交量讀數，都會與掛鉤另一個窗口的相同工具產生矛盾。到了 2026-07-10，兩者再次趨於一致（42M 對 41.9M）：重新定價後的成交量水準也已納入較長的時間窗口。當兩個來源對同一檔股票的均量意見不一時，時間窗口是首要嫌疑對象；是否包含盤後交易時段的成交量則是第二個。

成交量衝擊過後，日均量會如何變化

上方的圖表已暗示了這一點；這裡用數據來衡量。以 MU 在 2026 年最劇烈的一次成交量衝擊為例——也就是當日成交量超出自身 20 日移動平均日均量最多的那個交易日——並比較篩選器在該日之前顯示的日均量，與一個月後顯示的數值：

查詢MU 2026年最劇烈成交量衝擊 — 事件日與前後對照之移動ADV
每個數據背後的精確 SQL 語法
WITH daily AS (
    SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS et_date,
           sum(toFloat64(volume)) AS day_shares
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker = 'MU'
      AND window_start >= toDateTime('2025-11-01 00:00:00', 'America/New_York')
      AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
      AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60 + toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY et_date
),
ranked AS (
    SELECT et_date, day_shares,
           day_shares / avg(day_shares) OVER (ORDER BY et_date ROWS BETWEEN 20 PRECEDING AND 1 PRECEDING) AS shock_ratio,
           row_number() OVER (ORDER BY et_date) AS rn
    FROM daily
),
biggest AS (
    SELECT et_date, day_shares, shock_ratio
    FROM ranked
    WHERE rn > 20 AND et_date >= toDate('2026-01-01')
    ORDER BY shock_ratio DESC, et_date ASC
    LIMIT 1
),
before AS (
    SELECT avg(day_shares) AS adv FROM (
        SELECT day_shares FROM daily WHERE et_date < (SELECT et_date FROM biggest) ORDER BY et_date DESC LIMIT 20
    )
),
after AS (
    SELECT avg(day_shares) AS adv FROM (
        SELECT day_shares FROM daily WHERE et_date >= (SELECT et_date FROM biggest) ORDER BY et_date ASC LIMIT 20
    )
)
SELECT formatDateTime((SELECT et_date FROM biggest), '%Y-%m-%d') AS event_date,
       round((SELECT day_shares FROM biggest) / 1e6, 1) AS event_day_shares_m,
       round((SELECT adv FROM before) / 1e6, 1) AS adv_20_before_m,
       round((SELECT shock_ratio FROM biggest), 1) AS event_vs_prior_adv_x,
       round((SELECT adv FROM after) / 1e6, 1) AS adv_20_after_m,
       round(100 * ((SELECT adv FROM after) / (SELECT adv FROM before) - 1), 0) AS adv_shift_pct

在 2026-03-19，MU 成交了 64.7M 股，而先前的日均量為 28.7M 股——是其自身基準的 2.3 倍。在接下來的 20 個交易日中，移動平均日均量平均為 45M 股：分母躍升了 57%。所有由日均量衍生的數字都隨之變動——相對成交量讀數縮小了（因為基準變大了），而回補天數也縮短了（因為分母變大了），無需任何人實際調整部位。在 MU 的例子中，放大的交易量持續存在——這次衝擊標誌著一次重新定價，而非單日事件——但無論哪種情況，其機制完全相同：在交易量密集的一段時期過後，日均量衡量的正好是該事件本身，而非該股票在一個窗口期長度內的常態。

流動性的實際衡量標準

「每日數百萬美元」通常是對可交易性的模糊說法。以下是實際分布情況——所有在過去20個交易日中至少有15個交易日有交易紀錄的美國上市標的，按美元日均交易額排名：

查詢全市場美元ADV — 百分位數與門檻計數（2026年6月11日至7月10日）
每個數據背後的精確 SQL 語法
WITH per_ticker AS (
    SELECT ticker, avg(day_dollars) AS adv_dollars
    FROM (
        SELECT ticker,
               toDate(toTimeZone(window_start, 'America/New_York')) AS et_date,
               sumIf(toFloat64(close) * toFloat64(volume), formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') >= '09:30'
                                                       AND formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') < '16:00') AS day_dollars
        FROM global_markets.delayed_stocks_minute_aggs
        WHERE window_start >= toDateTime('2026-06-11 00:00:00', 'America/New_York')
          AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
          AND match(ticker, '^[A-Z]+$')
        GROUP BY ticker, et_date
    )
    GROUP BY ticker
    HAVING count() >= 15
)
SELECT count() AS names,
       round(quantileDeterministic(0.25)(adv_dollars, cityHash64(ticker)) / 1e6, 2) AS p25_m,
       round(quantileDeterministic(0.50)(adv_dollars, cityHash64(ticker)) / 1e6, 1) AS median_m,
       round(quantileDeterministic(0.75)(adv_dollars, cityHash64(ticker)) / 1e6, 1) AS p75_m,
       round(quantileDeterministic(0.90)(adv_dollars, cityHash64(ticker)) / 1e6, 1) AS p90_m,
       round(quantileDeterministic(0.99)(adv_dollars, cityHash64(ticker)) / 1e6, 0) AS p99_m,
       countIf(adv_dollars >= 1e6) AS names_above_1m,
       countIf(adv_dollars >= 10e6) AS names_above_10m,
       countIf(adv_dollars >= 100e6) AS names_above_100m,
       countIf(adv_dollars >= 1e9) AS names_above_1bn
FROM per_ticker

在 10864 檔標的中，中位數股票每日週轉金額為 $2.2M——一半的美國市場交易量低於此數字。其中四分之一每日交易額低於 $0.33M。第75百分位數落在 $20.4M，第90百分位數為 $113.7M，第99百分位數則為 $1333M。以整數門檻計算：6515 檔標的每日交易額突破 $1M，3535 檔突破 $10M，1166 檔突破 $100M——而僅有 130 檔突破 $1B。財經報導圍繞的股票幾乎全數落在最後這個群體中；中位數上市股票則是完全不同的投資工具。

ADV 如何悄悄決定其他數字

  • 回補天數 = 未平倉空單 ÷ ADV。成交量飆升會讓這個比率縮小，但空單部位完全沒變——是分母造成的。
  • 相對成交量 = 今日成交速度 ÷ ADV。同一個數字，角色相反：這裡 ADV 是被超越的基準線。
  • 流動性篩選（「只選 ADV 超過 100 萬股的標的」）——每個回測和篩選器都帶著這條規則，而存活者偏差悄悄跟進：股票進入這類篩選，靠的正是它們最戲劇性的那幾週。
  • 部位規模——機構習慣每天只交易 ADV 的幾個百分點，這就是大型基金根本無法持有某些小型股的原因：光是建立或退出部位，就需要好幾週全市場的成交量。

回補天數的例子值得用真實數字來看，因為連「官方」數字都內嵌了某個人的 ADV 選擇。FINRA 在公布回補天數時，旁邊附上的是它自己的成交量分母（每個交易所、各自的申報窗口，最低值為 1.0——詳見該數據如何產生）；用本站 20 個交易日一般交易時段 ADV 重新計算同一個比率，答案會改變：

查詢重新計算之回補天數 — FINRA分母與本頁20日一般交易時段ADV對照（結算日2026年6月30日）
每個數據背後的精確 SQL 語法
WITH our_adv AS (
    SELECT ticker, avg(day_shares) AS adv
    FROM (
        SELECT ticker,
               toDate(toTimeZone(window_start, 'America/New_York')) AS et_date,
               sumIf(toFloat64(volume), formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') >= '09:30'
                                    AND formatDateTime(toTimeZone(window_start, 'America/New_York'), '%H:%i') < '16:00') AS day_shares
        FROM global_markets.delayed_stocks_minute_aggs
        WHERE ticker IN ('MU', 'KO')
          AND window_start >= toDateTime('2026-06-11 00:00:00', 'America/New_York')
          AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
        GROUP BY ticker, et_date
    )
    GROUP BY ticker
),
si AS (
    SELECT ticker,
           max(short_interest) AS short_interest,
           max(avg_daily_volume) AS finra_adv,
           max(days_to_cover) AS finra_dtc
    FROM global_markets.stocks_short_interest
    WHERE settlement_date = '2026-06-30' AND ticker IN ('MU', 'KO')
    GROUP BY ticker
)
SELECT si.ticker AS ticker,
       round(si.short_interest / 1e6, 1) AS shares_short_m,
       round(si.finra_adv / 1e6, 1) AS finra_adv_m,
       round(si.finra_dtc, 2) AS finra_days_to_cover,
       round(our_adv.adv / 1e6, 1) AS rth_adv_20_session_m,
       round(si.short_interest / our_adv.adv, 2) AS days_to_cover_recomputed
FROM si
INNER JOIN our_adv ON si.ticker = our_adv.ticker
ORDER BY ticker

同樣的空單部位，兩個分母。以 KO 為例，FINRA 根據其 24.1 百萬股的成交量數字，申報 2.06 天；對照本站 12.4 百萬股的一般交易時段 ADV，同樣的 49.6 百萬股空單部位計算出來是 4 天——幾乎翻倍。以 MU 為例，公布的數字落在申報下限 1；重新計算後是 0.75 天。兩個數字都沒有錯——它們只是用不同的分母回答問題。這個教訓可以推而廣之：任何以 ADV 為分母的比率，都在悄悄引用某個人的時間窗口和交易時段選擇。

選擇權適用ADV嗎？

選擇權交易者依循相同概念，但有一點不同：成交量以合約計算，而每份標準股票選擇權合約控制100股。同樣取20個交易日、四條選擇權報價，將合約數轉換為約當股數曝險：

查詢選擇權ADV — 日均合約量與股票等值曝險（2026年6月11日至7月10日）
每個數據背後的精確 SQL 語法
WITH daily AS (
    SELECT multiIf(ticker LIKE 'O:SPY2%', 'SPY', ticker LIKE 'O:AAPL2%', 'AAPL', ticker LIKE 'O:MU2%', 'MU', 'KO') AS underlying,
           toDate(toTimeZone(window_start, 'America/New_York')) AS et_date,
           sum(toFloat64(volume)) AS contracts
    FROM global_markets.options_minute_aggs
    WHERE (ticker LIKE 'O:SPY2%' OR ticker LIKE 'O:AAPL2%' OR ticker LIKE 'O:MU2%' OR ticker LIKE 'O:KO2%')
      AND window_start >= toDateTime('2026-06-11 00:00:00', 'America/New_York')
      AND window_start < toDateTime('2026-07-11 00:00:00', 'America/New_York')
    GROUP BY underlying, et_date
)
SELECT underlying,
       round(avg(contracts) / 1e3, 1) AS avg_daily_contracts_k,
       round(avg(contracts) * 100 / 1e6, 1) AS share_equivalent_m,
       count() AS sessions
FROM daily
GROUP BY underlying
ORDER BY avg_daily_contracts_k DESC

規模差異遠大於股票表格中的任何項目。SPY的選擇權市場日均成交12543.2千口合約——相當於1254.3百萬股的約當曝險，是SPY自身46.01百萬股ADV的好幾倍。KO則相反：64.6千口合約（約當6.5百萬股），低於其12.4百萬股的ADV。選擇權流動性集中在少數標的，且在不同履約價與到期日之間進一步分散——像這樣的彙總數字會高估任何單一合約的實際交易量，因此在決定選擇權委託規模前，仍需逐一檢視每份合約的成交量與未平倉量。

像實務工作者一樣解讀ADV

三個習慣能弭平知道定義與實際運用之間的落差。把股數ADV與金額ADV配對來看 — 第一張表格顯示兩個名字的股數幾乎平手，金額卻差距甚遠，而下單時真正在意的是金額那一欄。事件剛結束的ADV不要輕信 — 衝擊面板直接用數字說明：一次密集成交在一個月內推動了分母57%，在該爆量區間滾出窗口之前，會機械性地壓低相對成交量與回補天數。把ADV拿來對照行事曆 — 到期週五、再平衡日、指數變動日會同時推高所有人的成交量（巫毒日尤其明顯），全市場成交量大的日子對單一個股的故事絲毫沒有說明力。

日均成交量常見問答

什麼是理想的日均成交量？

以 10864 檔美國標的、20 個交易日的數據衡量，美元計價日均成交量的中位數為 $2.2M；3535 檔標的單日成交額突破 $10M，僅 130 檔突破 $1B。對散戶規模的委託而言，實用的門檻是金額而非股數——躋身 $10M 以上級別的標的，交易時小額委託不會推動價格。

日均成交量如何計算？

將所選期間的每日成交量（股數）加總，再除以天數。KO 在 2026 年 7 月 6 日至 10 日的五個交易日合計 52.8M 股；除以五，日均成交量為 10.6M 股。20 日日均成交量即為 20 個交易日依相同算術得出的結果。

日均成交量採用多長的計算期間？

最常見的是 20 個交易日（約一個月），但 10 日、30 日、65 日及 90 日版本也都在流傳——而且一旦發生成交量衝擊，這些數據確實會出現分歧。在 2026-04-14，MU 的 20 日日均成交量為 45.6M，同一天的 90 日日均成交量卻為 31.9M。比較不同來源前，請先確認計算期間。

日均成交量包含盤前與盤後交易嗎？

取決於數據來源——本頁面的數字僅計入常規交易時段。以相同的 20 個交易日衡量，延長交易時段貢獻了 SPY 總成交量的 18.3%，AAPL 的 6.9%，以及成交量清淡的 CATO 的 0.2%——延長交易時段指南詳細拆解了各時段。

日均成交量看股數還是金額？

傳統上以股數呈現，但美元計價的日均成交量是跨股票比較流動性時更理想的指標。在相同的 20 個交易日內，MU 與 AAPL 的日均成交量分別為 42.01M 股與 41.47M 股——幾乎不相上下——但它們的美元計價日均成交量分別為 $44.49B 與 $12.24B。股數相同，流動性的深度卻截然不同。

每一項數字皆為已儲存、帶版本的查詢結果——展開任一區塊下方的 SQL 即可檢視，或是在 Strasmore 終端機上為任何代碼計算任意期間的數據。

#volume#adv#liquidity#market structure