HybridMicrostructure EA - эксперт для MetaTrader 5

Этот советник предназначен для отправки HTTP-запросов POST с полезной нагрузкой в формате JSON в стиле OpenAI (содержащей `messages`, `role: system` и `role: user`) и ожидает ответ в формате JSON, содержащий `decision`, `confidence` и `reason`.

Для создания локального API ИИ (локального сервера), способного отвечать на эти запросы MT5 за миллисекунды, идеальным языком программирования является Python с использованием фреймворка FastAPI. FastAPI — это лёгкий, молниеносный фреймворк, идеально подходящий для обработки высокочастотных данных из MT5.

Ниже приведён полный код сервера на Python. Позже вы сможете интегрировать в этот движок реальную модель машинного обучения (такую как TensorFlow, Scikit-Learn или даже Ollama для локального LLM).

1. Настройка среды Python

Убедитесь, что на вашем компьютере установлен Python. Откройте Терминал или Командную строку и установите следующие две необходимые библиотеки:

pip install fastapi uvicorn

2. Код API на Python (local_ai_bridge.py)

Создайте на компьютере файл с именем local_ai_bridge.py и скопируйте в него следующий код: (Python)

from fastapi import FastAPI, Request
from pydantic import BaseModel
from typing import List, Optional
import json
import uvicorn

app = FastAPI(title="MT5 AI Microstructure Bridge")

# --- МОДЕЛИ ДАННЫХ (совместимые с форматом данных MQL5) ---
class Message(BaseModel):
    role: str
    content: str

class AIRequest(BaseModel):
    model: str
    temperature: float
    response_format: Optional[dict] = None
    messages: List[Message]

# --- ГЛАВНЫЙ КОНЕЧНЫЙ УЗЕЛ (/analyze) ---
@app.post("/analyze")
async def analyze_market(payload: AIRequest):
    """
    This endpoint receives tick and microstructure data from MT5,
    analyzes the data, and returns a BUY/SELL/WAIT decision.
    """
    
    # 1. Извлечение данных в формате JSON из сообщения «user», отправленного MT5
    user_content = "{}"
    for msg in payload.messages:
        if msg.role == "user":
            user_content = msg.content
            break
            
    try:
        facts = json.loads(user_content)
    except json.JSONDecodeError:
        return {"decision": "WAIT", "confidence": 0.0, "reason": "Invalid JSON format"}

    # 2. Анализ рыночных данных
    order_type = facts.get("order_type", "WAIT")
    high_velocity = facts.get("high_velocity", False)
    snapback_pips = facts.get("snapback_pips", 0.0)
    min_snapback = facts.get("min_snapback_pips", 2.0)
    deviation_z = facts.get("deviation_z", 0.0)
    
    mtf = facts.get("mtf", {})
    m1_structure = facts.get("m1_structure", {})

    # 3. ИИ / АЛГОРИТМ ПРИНЯТИЯ РЕШЕНИЙ (впоследствии может быть заменен моделью машинного обучения)
    # Это простой пример логики принятия решений
    
    confidence = 0.0
    decision = "WAIT"
    reason = ""

    # Проанализировать логику, когда советник запрашивает подтверждение ордера на ПРОДАЖУ
    if order_type == "SELL":
        score = 0
        
        # Проверить величину отскока и скорость
        if snapback_pips >= min_snapback and high_velocity:
            score += 0.4

        # Проверка наличия значительного отклонения (состояние перекупленности)
        if deviation_z > 2.0:
            score += 0.3

        # Проверить соответствие MTF (по крайней мере, H1 или M15 должны демонстрировать медвежью динамику)
        if mtf.get("h1_down") or mtf.get("m15_down"):
            score += 0.2

        # Проверка отклонения M1 (длинная верхняя тень)
        if m1_structure.get("upper_wick_ratio", 0.0) >= 0.2:
            score += 0.1

        confidence = score
        if confidence >= 0.70:
            decision = "SELL"
            reason = "High velocity drop, MTF align, Z-Score high"
        else:
            reason = f"Score only {confidence:.2 f}, lacking momentum"

    # Проанализировать логику, когда советник запрашивает подтверждение на покупку
    elif order_type == "BUY":
        score = 0
        
        # Проверить величину отскока и скорость
        if snapback_pips >= min_snapback and high_velocity:
            score += 0.4

        # Проверка экстремального отклонения (параметр `deviation_z` в MQL5 уже скорректирован с учётом направления)
        if deviation_z > 2.0:
            score += 0.3

        # Проверить соответствие MTF (по крайней мере, H1 или M15 должны иметь бычий тренд)
        if mtf.get("h1_up") or mtf.get("m15_up"):
            score += 0.2

        # Проверка отклонения M1 (длинная нижняя тень)
        if m1_structure.get("lower_wick_ratio", 0.0) >= 0.2:
            score += 0.1

        confidence = score
        if confidence >= 0.70:
            decision = "BUY"
            reason = "High velocity bounce, MTF align, Z-Score high"
        else:
            reason = f"Score only {confidence:.2 f}, lacking momentum"

    # 4. Отправить ответ в формате JSON обратно в MT5
    return {
        "decision": decision,
        "confidence": round(confidence, 2),
        "reason": reason[:60]  # Ограничить длину обоснования до 60 символов для MT5
    }

if __name__ == "__main__":
    # Запустить локальный сервер на порту 8787, соответствующем параметру InpAIEndpoint в MQL5
    print("AI Bridge Server is running on http://127.0.0.1:8787")
    uvicorn.run(app, host="127.0.0.1", port=8787)

3. Как запустить сервер и подключиться к MT5

1. Откройте терминал и перейдите в папку, в которой хранится файл Python.
2. Выполните команду:
3. Сервер запустится и начнет прослушивать порт [http://127.0.0.1:8787](http://127.0.0.1:8787).
4. На платформе MetaTrader 5 убедитесь, что вы добавили URL [http://127.0.0.1](http://127.0.0.1) в список разрешенных URL-адресов для WebRequest:
1. Перейдите в меню «Инструменты» -> «Настройки» -> «Советники».
2. Установите флажок «Разрешить WebRequest для указанных URL».
3. Добавьте URL [http://127.0.0.1](http://127.0.0.1) в список.
5. Запустите советник. Теперь советник будет отправлять данные в режиме реального времени в Python API; Python проанализирует их на основе параметров, заданных в функции Python, и отправит команды BUY/SELL/WAIT обратно в MT5.

python local_ai_bridge.py

Визуализация в Тестере стратегий: