Hybrid Microstructure EA, M1 zaman diliminde XAUUSD (Altın) için özel olarak tasarlanmış, gelişmiş ve yüksek frekanslı bir scalping Uzman Danışmanıdır. Gecikmeli OHLC matematiklerine dayanan geleneksel göstergelerin aksine, bu EA, Tick Seviyesinde Mikro Yapı Dinamikleri temelinde çalışır; tick hızını, hacim ağırlıklı ortalama fiyat (VWAP) sapmalarını ve kurumlar tarafından gerçekleştirilen likidite süpürme reddi (stop avı) hareketlerini izler.
Geriye Dönük Test:
Deterministik yerel kurallar ile uyarlanabilir zeka arasındaki boşluğu doldurmak için, emir yürütülmeden önce nihai bir gerçeklik denetleyicisi görevi görmek üzere hem dahili ağırlıklı puanlama motorunu hem de harici OpenAI uyumlu yerel AI API'sini (Python/FastAPI aracılığıyla) destekleyen bir AI Köprü Karar Katmanı içerir.
Temel Özellikler:
1. Kod Yapısı ve İş Akışı:
2. İşlem Akışı:
Bu EA, OpenAI stilinde (`messages`, `role: system` ve `role: user` içeren) bir JSON yüküyle HTTP POST istekleri göndermek üzere tasarlanmıştır ve `decision`, `confidence` ve `reason` içeren bir JSON yanıtı bekler.
Bu MT5 isteklerine milisaniyeler içinde yanıt verebilen bir Yerel AI API’si (yerel sunucu) oluşturmak için ideal programlama dili, FastAPI çerçevesini kullanan Python’dur. FastAPI, hafiftir, ışık hızındadır ve MT5’ten gelen yüksek frekanslı verileri işlemek için mükemmel bir seçimdir.
Aşağıda tam Python sunucu kodu yer almaktadır. Daha sonra bu motora gerçek bir Makine Öğrenimi modelini (TensorFlow, Scikit-Learn veya hatta yerel bir LLM için Ollama gibi) entegre edebilirsiniz.
1. Python Ortamının Kurulumu
Bilgisayarınızda Python'un kurulu olduğundan emin olun. Terminal'i veya Komut İstemi'ni açın ve şu iki temel kütüphaneyi yükleyin:
pip install fastapi uvicorn
2. Python API Kodu (local_ai_bridge.py)
Bilgisayarınızda local_ai_bridge.py adlı bir dosya oluşturun ve aşağıdaki kodu kopyalayın: (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") # --- VERİ MODELLERİ (MQL5 veri formatıyla uyumlu) --- class Message(BaseModel): role: str content: str class AIRequest(BaseModel): model: str temperature: float response_format: Optional[dict] = None messages: List[Message] # --- ANA UÇ NOKTASI (/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. MT5 tarafından gönderilen "user" mesajından JSON verilerini ayıklayın 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. Piyasa verilerini derlemek 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. Yapay Zeka / Karar Verme Algoritması (Daha sonra bir makine öğrenimi modeliyle değiştirilebilir) # Bu, karar mantığına dair basit bir örnektir confidence = 0.0 decision = "WAIT" reason = "" # EA’nın SATIŞ onayı talep ettiği durumdaki mantığı değerlendirin if order_type == "SELL": score = 0 # Geri tepme ve hızı doğrula if snapback_pips >= min_snapback and high_velocity: score += 0.4 # Aşırı sapmayı doğrula (aşırı alım durumu) if deviation_z > 2.0: score += 0.3 # MTF hizalamasını doğrula (en azından H1 veya M15 düşüş eğilimi göstermelidir) if mtf.get("h1_down") or mtf.get("m15_down"): score += 0.2 # M1 reddi doğrulama (uzun üst fitil) 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" # EA’nın ALış onayı talep ettiği durumdaki mantığı değerlendirin elif order_type == "BUY": score = 0 # Geri tepme ve hızı doğrula if snapback_pips >= min_snapback and high_velocity: score += 0.4 # Aşırı sapmayı doğrula (deviation_z, MQL5’te zaten yöne göre düzeltilmiştir) if deviation_z > 2.0: score += 0.3 # MTF hizalamasını doğrula (en azından H1 veya M15’in yükseliş eğiliminde olması gerekir) if mtf.get("h1_up") or mtf.get("m15_up"): score += 0.2 # M1 reddi doğrulama (uzun alt fitil) 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. JSON yanıtını MT5’e geri gönderin return { "decision": decision, "confidence": round(confidence, 2), "reason": reason[:60] # MT5 için nedeni en fazla 60 karakterle sınırlayın } if __name__ == "__main__": # MQL5’teki InpAIEndpoint parametresiyle uyumlu olarak 8787 numaralı bağlantı noktasında yerel sunucuyu başlatın print("AI Bridge Server is running on http://127.0.0.1:8787") uvicorn.run(app, host="127.0.0.1", port=8787)
3. Sunucuyu Çalıştırma ve MT5'e Bağlanma
Bu Python mimarisi son derece ölçeklenebilir. Gelecekte, bu fiyat hareket geçmişini bir veritabanında (makine öğrenimi eğitim verileri için) depolamak veya bir tahmin modeline (XGBoost veya Random Forest gibi) bağlamak isterseniz, yukarıdaki kodda 3 numaralı yorumla işaretlenmiş bölümü değiştirmeniz yeterlidir—YAPAY ZEKA / KARAR ALGORİTMASI—ile işaretlenmiş bölümü değiştirmeniz yeterlidir.
Başarılı olursa, Print Expert şu şekilde görünecektir:
Creating a Python file (.py) is actually very simple. Essentially, a Python file is just a standard text file (like a .txt file) with its extension changed to .py.
MetaTrader 5'i (genellikle Windows üzerinde çalışır) kullanarak, local_ai_bridge.py dosyasını oluşturmanın en kolay 3 yolu şunlardır:
Yöntem 1: Not Defteri'ni Kullanma (En Hızlı ve Ek Uygulama Yüklemeye Gerek Yok)
Bu, Windows işletim sisteminde en hızlı yöntemdir:
Dosyayı Oluşturduktan Sonra Ek İpuçları:
Dosyayı çalıştırmak için, `local_ai_bridge.py` dosyasının bulunduğu klasörde Komut İstemi'ni (CMD) açtığınızdan emin olun, ardından dosyayı çalıştırmak için şu komutu yazın:
python local_ai_bridge.py
Başarılı olursa, CMD pencerenizde Uvicorn/FastAPI sunucusunun çalıştığını belirten bir metin görüntülenir.
//-------------------------
Python'un `local_ai_bridge.py` dosyasını çalıştırabilmesi için Terminal'in bu dosyayla aynı klasörde "bulunması" gerekir. Windows'ta bunu yapmanın en kolay üç yolu şunlardır (tercih ettiğiniz birini seçin):
Yöntem 1: Dosya Gezgini "Adres Çubuğu" Hilesi (En Kolay ve En Hızlı)
Bu, çok pratik olduğu için programcılar arasında en sevilen püf noktalarından biridir:
Yürütme Adımları (Terminal zaten doğru klasörde açıksa)
Doğru klasörde siyah veya mavi pencere açıldığında, AI robotunu başlatmak için Python'a bir komut vermeniz yeterlidir.
python local_ai_bridge.py
Kütüphanelerin (fastapi ve uvicorn) kurulumu başarılı olduysa, "AI Bridge Server is running on http://127.0.0.1:8787" yazısı veya "Uvicorn running on..." ifadesini içeren bir mesaj göreceksiniz.
Aşağıdaki gibi:
AI Bridge Sunucusu http://127.0.0.1:8787 adresinde çalışıyor
BİLGİ: Sunucu işlemi başlatıldı [4168]
BİLGİ: Uygulamanın başlatılmasını bekliyor.
BİLGİ: Uygulama başlatma işlemi tamamlandı.
BİLGİ: Uvicorn, http://127.0.0.1:8787 adresinde çalışıyor (Çıkmak için CTRL+C tuşlarına basın)
Metin şunu gösteriyor:
Bu Gösterge Ne Anlama Geliyor?
Bu, EA ve yerel Python sunucumuzun artık yan yana çalıştığı ve etkileşime hazır olduğu anlamına gelir. EA artık “kör” değildir — bir emri yerine getirip getirmemeye (WAIT) karar vermeden önce Altın M1 zaman dilimindeki her Likidite Tarama ve Hız sinyalini filtreleyen bir “yerel beyin”e sahiptir.
Ardından, grafik hareketlerini izlemeniz veya bir demo ya da canlı hesapta ileriye dönük testler yapmanız yeterlidir. Sweep koşulları ve tick hızı gereksinimleri karşılandığında, `[AI] SELL HYBRID ... ALLOW=YES` veya `NO` gibi karar günlükleri günlüğünüzde gerçek zamanlı olarak görünecektir.
Strateji Test Aracı Görselleştirmesi:

MetaQuotes Ltd tarafından İngilizceden çevrilmiştir.
Orijinal kod: https://www.mql5.com/en/code/76331
Wolfe Wave Dashboard
Birden fazla sembolü ve zaman dilimini otomatik olarak tarayan, en son geçerli Wolfe Wave formasyonlarını (yükseliş/düşüş) tespit eden, bunları etkileşimli bir gösterge panelinde görüntüleyen ve tek tıklamayla grafiği açarak formasyonun tam olarak çizilmesini sağlayan profesyonel MQL5 göstergesi (ayrı pencere).
Dynamic Session Range Sweep Detector with Liquidity Zone Marking
Asya, Londra ve New York seans aralıklarını takip eder, her birini seans kapanışında sabitler ve gerçek likidite dalgalanmalarını — sabitlenmiş bir en yüksek veya en düşük seviyeyi delip tekrar bu seviyenin içine kapanan bir fitil — bir ok sinyali ve gölgeli bir tepki bölgesi ile işaretler. Yeniden çizilmez, her sembol ve zaman diliminde çalışır.
Fisher Transform Indicator
İstatistiksel temel ilkelerden yola çıkılarak geliştirilmiş bir Fisher Dönüşümü osilatörü — fiyatı sınırlı bir aralığa normalize eder, ardından logaritmik bir dönüşüm uygulayarak geleneksel osilatörlere özgü kademeli dönüşler yerine keskin ve net ters dönüş sinyalleri üretir. İç özyinelemeli durum, geriye dönük testlerde güvenilir ve doğru bir davranış sağlamak için uygun hesaplama tamponları aracılığıyla yönetilir. "Yeni Başlayanlar İçin Özel Göstergeler Oluşturma" başlıklı makale dizisinden.
SuperTrend Indicator
Temel ilkelerden yola çıkılarak oluşturulmuş, ATR tabanlı bir volatilite bandını bir ratchet mekanizmasıyla birleştiren ve net, yeniden çizilmeyen bir trend çizgisi üreten özel bir SuperTrend göstergesi. İç özyinelemeli durum, uygun şekilde kaydedilmiş hesaplama tamponları aracılığıyla yönetilir; böylece manuel olarak yönetilen dizi uygulamalarında sıkça görülen durum kaybı hataları önlenir. "Yeni Başlayanlar İçin Özel Göstergeler Oluşturma" başlıklı makale dizisinden.