# 8.3. Volatility Indicators (Chỉ báo biến động)

### 8.**3.1. Bollinger Bands**

> Bollinger Bands (Dải Bollinger) là một công cụ phân tích kỹ thuật được phát triển bởi John Bollinger vào những năm 1980. Bollinger Bands giúp đo lường sự biến động (volatility) của giá và xác định mức giá cao/thấp tiềm năng trong một xu hướng.
>
> Cấu tạo:
>
> * Dải trung tâm (Centerline): Đường trung bình động (thường là đường SMA 20 ngày) của giá.
> * Dải trên (Upper Band): Số lần chênh lệch chuẩn nhất định (thường là 2) tính trên đường trung tâm, được cộng thêm vào giá trị của đường trung tâm.
> * Dải dưới (Lower Band): Số lần chênh lệch chuẩn nhất định (thường là 2) tính trên đường trung tâm, được trừ đi khỏi giá trị của đường trung tâm.
>
> Các tính năng thêm:
>
> * Độ rộng dải (Bollinger Band Width): Chỉ số đo lường độ biến động (volatility) của giá, được tính từ khoảng cách giữa dải trên và dải dưới của Bollinger Bands và chia cho dải trung tâm.
> * Tín hiệu "nén" giá (Bollinger Squeeze): Chỉ báo cho biết khi độ rộng của dải Bollinger Bands (Bollinger Band Width) thu hẹp đáng kể, cho thấy biến động thị trường giảm mạnh, và một cú bứt phá (breakout) sắp xảy ra.

```python
def bollinger_mband(column: pandas.core.series.Series, window: int = 20)
def bollinger_hband(column: pandas.core.series.Series, window: int = 20, window_dev: int = 2)
def bollinger_lband(column: pandas.core.series.Series, window: int = 20, window_dev: int = 2)
def bollinger_wband(column: pandas.core.series.Series, window: int = 20, window_dev: int = 2)
def bollinger_squeeze(column: pandas.core.series.Series, window: int = 20, window_dev: int = 2, squeeze_mode: Literal['dynamic', 'percentile'] = "dynamic", dynamic_thresold: float = 0.9, percentile_thresold: int = 10)
```

**Tham số**

| Tên tham số          | Mô tả                                                                                                                                                                                                                                                                                                         | Kiểu dữ liệu  | Giá trị mặc định |
| -------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ------------- | ---------------- |
| column               | Cột dữ liệu chứa các giá trị để tính toán Bollinger Bands.                                                                                                                                                                                                                                                    | pandas.Series |                  |
| window               | Số lượng điểm dữ liệu sử dụng trong phép tính Bollinger Bands.                                                                                                                                                                                                                                                | int           | 20               |
| window\_dev          | Số lượng độ lệch chuẩn sử dụng để tính toán khoảng cách các dải của Bollinger Bands.                                                                                                                                                                                                                          | int           | 2                |
| squeeze\_mode        | Kiểu "nén giá": **percentile** (Thị trường đang ở trạng thái squeeze khi **BBW** rơi xuống **nhỏ hơn ngưỡng percentile** nhất định trong lịch sử (ví dụ: 10%, 15%)) hoặc **dynamic** **(ngưỡng nén được điều chỉnh linh hoạt** theo **mức trung bình động** của BB Width thay vì cố định bằng **percentile**) | str           | 'dynamic'        |
| dynamic\_thresold    | Hệ số kiểu "nén giá" linh động                                                                                                                                                                                                                                                                                | float         | 0.9              |
| percentile\_thresold | Hệ số kiểu "nén giá" percentile                                                                                                                                                                                                                                                                               | int           | 10               |

Ví dụ

<pre class="language-python"><code class="lang-python">fi = client.FiinIndicator()
df['bollinger_mband'] = fi.bollinger_mband(df['close'], window=20)
<strong>df['bollinger_hband'] = fi.bollinger_hband(df['close'], window=20, window_dev=2)
</strong><strong>df['bollinger_lband'] = fi.bollinger_lband(df['close'], window=20, window_dev=2)
</strong>df['bollinger_wband'] = fi.bollinger_wband(df['close'], window=20, window_dev=2)
df['bollinger_squeeze'] = fi.bollinger_squeeze(df['close'], window=20, window_dev=2, squeeze_mode='dynamic', dynamic_thresold=0.9)
print(df)
</code></pre>

### **8.3.2. Supertrend**

> Supertrend (siêu xu hướng) là một công cụ phân tích kỹ thuật được phát triển bởi nhà đầu tư Olivier Seban vào năm 2010. Supertrend sử dụng kết hợp các yếu tố như giá cả ATR (Average True Range - Biên độ dao động trung bình thực) và xu hướng hiện tại để xác định xu hướng chính của thị trường và các điểm đảo chiều tiềm năng.

```python
def supertrend(high: pandas.core.series.Series, low: pandas.core.series.Series, close: pandas.core.series.Series, window: int = 14, multiplier: float = 3.0)


def supertrend_hband(high: pandas.core.series.Series, low: pandas.core.series.Series, close: pandas.core.series.Series, window: int = 14, multiplier: float = 3.0)


def supertrend_lband(high: pandas.core.series.Series, low: pandas.core.series.Series, close: pandas.core.series.Series, window: int = 14, multiplier: float = 3.0)
```

**Tham số:**

| Tên tham số | Mô tả                                                                        | Kiểu dữ liệu  | Giá trị mặc định |
| ----------- | ---------------------------------------------------------------------------- | ------------- | ---------------- |
| high        | Cột dữ liệu chứa các giá trị cột giá cao nhất để tính toán Supertrend.       | pandas.Series |                  |
| low         | Cột dữ liệu chứa các giá trị cột giá thấp nhất để tính toán Supertrend.      | pandas.Series |                  |
| close       | Cột dữ liệu chứa các giá trị cột giá đóng cửa để tính toán Supertrend.       | pandas.Series |                  |
| window      | Số lượng điểm dữ liệu sử dụng trong phép tính Supertrend.                    | int           | 14               |
| multiplier  | Hệ số nhân dùng để điều chỉnh độ rộng của chỉ báo Supertrend so với mức giá. | float         | 3.0              |

Ví dụ:

```python
fi = client.FiinIndicator()
df['supertrend'] = fi.supertrend(df['high'], df['low'], df['close'], window=14)
df['supertrend_hband'] = fi.supertrend_hband(df['high'], df['low'], df['close'], window=14)
df['supertrend_lband'] = fi.supertrend_lband(df['high'], df['low'], df['close'], window=14)
print(df)
```

### **8.3.3. ATR (AverageTrueRange)**

> ATR là khoảng dao động trung bình thực tế. Đây là chỉ báo để đo lường những biến động của giá trong một khoảng thời gian nhất định.
>
> Chỉ báo được giới thiệu trong cuốn sách “Tư tưởng mới trong Hệ thống kỹ thuật Giao dịch” của J. Welles Wilder Jr vào năm 1978. Thông qua chỉ báo, nhà đầu tư có thể dự đoán mức giá dao động trong tương lai. Nhờ đó, nhà đầu tư có cơ sở để đặt điểm cắt lỗ và chốt lời hợp lý.

```python
def atr(high: pandas.core.series.Series, low: pandas.core.series.Series, close: pandas.core.series.Series, window: int = 14)
```

**Tham số:**

| Tên tham số | Mô tả                                                            | Kiểu dữ liệu  | Giá trị mặc định |
| ----------- | ---------------------------------------------------------------- | ------------- | ---------------- |
| high        | Cột dữ liệu chứa các giá trị cột giá cao nhất để tính toán ATR.  | pandas.Series |                  |
| low         | Cột dữ liệu chứa các giá trị cột giá thấp nhất để tính toán ATR. | pandas.Series |                  |
| close       | Cột dữ liệu chứa các giá trị cột giá đóng cửa để tính toán ATR.  | pandas.Series |                  |
| window      | Số lượng điểm dữ liệu sử dụng trong phép tính ATR.               | int           | 14               |

Ví dụ:

```python
fi = client.FiinIndicator()
df['atr'] = fi.atr(df['high'], df['low'], df['close'], window=14)
print(df)
```

### **8.3.4.** Realized Volatility

> **Realized Volatility (annualized)** là chỉ báo đo lường **mức độ biến động thực tế của giá** dựa trên lợi suất logarit trong một khoảng thời gian nhất định.
>
> Chỉ báo này thường được **annualize (quy đổi theo năm)** để phản ánh biến động trung bình năm, giúp nhà đầu tư đánh giá **mức rủi ro hoặc độ ổn định của tài sản**.

```python
def realized_volatility(close: pandas.Series, window: int = 14, trading_days: int = 252)
```

**Tham số:**

| Tên tham số   | Mô tả                                                                           | Kiểu dữ liệu  | Giá trị mặc định |
| ------------- | ------------------------------------------------------------------------------- | ------------- | ---------------- |
| close         | Cột dữ liệu chứa các giá trị cột giá đóng cửa để tính toán realized volatility. | pandas.Series |                  |
| window        | Số phiên (ngày) được dùng để tính trung bình phương sai (rolling window).       | int           | 14               |
| trading\_days | Số ngày giao dịch trong năm, dùng để annualize biến động.                       | int           | 252              |

Ví dụ:

```python
fi = client.FiinIndicator()
df['rv'] = fi.realized_volatility(df["close"], window=14, trading_days=252)
print(df)
```

### **8.3.5.** Keltner Channels

> **Kênh Keltner (Keltner Channels)** là các đường bao xung quanh dựa trên biến động giá có thể ở trên hoặc dưới **đường trung bình động lũy thừa (EMA)**. **Chỉ báo Keltner** sử dụng chỉ báo **Khoảng dao động trung bình thực tế (ATR)** để đặt khoảng cách kênh. Thông thường, chỉ báo **kênh Keltner** sẽ sử dụng 2 đường **ATR** ở trên và dưới đường **EMA 20 ngày**. Đường này sẽ điều khiển hướng trong khi đường **ATR** sẽ điều khiển độ rộng của kênh.
>
> Chỉ báo **kênh Keltner** là chỉ báo theo sau xu hướng thường được dùng để tìm tín hiệu **đảo chiều xu hướng** thông qua việc **phá kênh** hay dựa vào hướng của kênh. Chỉ báo này cũng được sử dụng để xác định vùng **quá mua** và **quá bán** khi thị trường không có xu hướng.

```python
def kc_midline(close: pandas.Series, high: pandas.Series, low: pandas.Series, ema_window: int = 20, atr_window: int = 10, atr_mult: float = 2)
def kc_upper(close: pandas.Series, high: pandas.Series, low: pandas.Series, ema_window: int = 20, atr_window: int = 10, atr_mult: float = 2, band_style: Literal['avg_true_range', 'true_range', 'range'] = "avg_true_range")
def kc_lower(close: pandas.Series, high: pandas.Series, low: pandas.Series, ema_window: int = 20, atr_window: int = 10, atr_mult: float = 2, band_style: Literal['avg_true_range', 'true_range', 'range'] = "avg_true_range")
```

**Tham số:**

| Tên tham số | Mô tả                                                                                                                                   | Kiểu dữ liệu  | Giá trị mặc định   |
| ----------- | --------------------------------------------------------------------------------------------------------------------------------------- | ------------- | ------------------ |
| close       | Cột dữ liệu chứa các giá trị cột giá đóng cửa để tính toán các kênh Keltner.                                                            | pandas.Series |                    |
| high        | Cột dữ liệu chứa các giá trị cột giá cao nhất để tính toán các kênh Keltner.                                                            | pandas.Series |                    |
| low         | Cột dữ liệu chứa các giá trị cột giá thấp nhất để tính toán các kênh Keltner.                                                           | pandas.Series |                    |
| ema\_window | Số phiên (ngày) được dùng để tính đường trung bình động lũy thừa (EMA).                                                                 | int           | 20                 |
| atr\_window | Số phiên (ngày) được dùng để tính khoảng dao động trung bình thực tế (ATR).                                                             | int           | 10                 |
| atr\_mult   | Số nhân với khoảng dao động trung bình thực tế (ATR) để tính kênh trên và kênh dưới.                                                    | float         | 2.0                |
| band\_style | Kiểu dải là 1 trong 3 giá trị 'avg\_true\_range': Khoảng dao động thực tế trung bình, 'true\_range': Phạm vi thực thế, 'range': Phạm vi | str           | 'avg\_true\_range' |

Ví dụ:

```python
fi = client.FiinIndicator()
df["kc_midline"] = fi.kc_midline(df["close"], df["high"], df["low"], ema_window = 20, atr_window = 10, atr_mult = 2)
df["kc_upper"] = fi.kc_upper(df["close"], df["high"], df["low"], ema_window = 20, atr_window = 10, atr_mult = 2, band_style = 'avg_true_range')
df["kc_lower"] = fi.kc_lower(df["close"], df["high"], df["low"], band_style = 'avg_true_range')
print(df)
```

Trực quan bằng biểu đồ

<figure><img src="/files/gYsZ70eBbnApItp4rWps" alt=""><figcaption><p>Keltner Channels với kiểu dải <strong>Khoảng dao động thực tế trung bình</strong></p></figcaption></figure>

<figure><img src="/files/anMdxqcLW6gPF9WOmJMI" alt=""><figcaption><p>Keltner Channels với kiểu dải <strong>Phạm vi thực tế</strong></p></figcaption></figure>

<figure><img src="/files/s5apH8wDcFHHfAvEywHM" alt=""><figcaption><p>Keltner Channels với kiểu dải <strong>Phạm vi</strong></p></figcaption></figure>

Source code:

```python
import pandas as pd
import matplotlib.pyplot as plt
import mplfinance as mpf

from FiinQuantX import FiinSession

username = "REPLACE_WITH_YOUR_USERNAME"
password = "REPLACE_WITH_YOUR_PASSWORD"

client = FiinSession(username=username, password=password).login()

df = client.Fetch_Trading_Data(
    realtime=False,
    tickers=["MWG"],
    fields=["open","high","low","close"],
    adjusted=True,
    by="1d",
    from_date="2024-10-20",
    lasted=True
).get_data()

fi = client.FiinIndicator()
df["kc_midline"] = fi.kc_midline(df["close"], df["high"], df["low"])
df["kc_upper"] = fi.kc_upper(df["close"], df["high"], df["low"])
df["kc_lower"] = fi.kc_lower(df["close"], df["high"], df["low"])

# ----- 1️⃣ Chuyển đổi timestamp sang datetime -----
df['timestamp'] = pd.to_datetime(df['timestamp'], format='%Y-%m-%d %H:%M')

# Đặt timestamp làm index để phù hợp với mplfinance
df = df.set_index('timestamp')

# ----- 3️⃣ Vẽ biểu đồ -----
# Tạo đối tượng “additional plot” cho đường trend line
add_plots = [
    mpf.make_addplot(df["kc_midline"], color='blue', width=1.5, label='Basis'),
    mpf.make_addplot(df["kc_upper"], color='blue', width=1.5, label='Upper'),
    mpf.make_addplot(df["kc_lower"], color='blue', width=1.5, label='Lower')
]

mpf.plot(
    df,
    type='candle',
    style='yahoo',
    addplot=add_plots,
    title='Candlestick Chart with Keltner Channels',
    ylabel='Price',
    ylabel_lower='Volume',
    datetime_format='%Y-%m-%d',
    tight_layout=True,
    figratio=(16, 8)
)

plt.show()


```


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.fiinquant.vn/ham-va-cong-thuc/8.-danh-sach-chi-so-ta/8.3.-volatility-indicators-chi-bao-bien-dong.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.