HybridMicrostructure EA - MetaTrader 5 için uzman

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

1. Terminali açın ve Python dosyasının bulunduğu klasöre gidin.
2. Aşağıdaki komutu çalıştırın:
3. Sunucu başlayacak ve [http://127.0.0.1:8787](http://127.0.0.1:8787) adresinde dinleme moduna geçecektir.
4. MetaTrader 5 platformunda, [http://127.0.0.1](http://127.0.0.1) URL'sini izin verilen WebRequest URL'leri listesine eklediğinizden emin olun:
1. Araçlar -> Seçenekler -> Uzman Danışmanlar'a gidin.
2. "Listelenen URL'ler için WebRequest'e izin ver" seçeneğini işaretleyin.
3. [http://127.0.0.1](http://127.0.0.1) URL'sini listeye ekleyin.
5. EA'nızı çalıştırın. EA artık Python API'sine gerçek zamanlı veriler gönderecektir; Python, bu verileri Python işlevindeki parametrelere göre analiz edecek ve MT5'e AL/SAT/BEKLE komutlarını geri gönderecektir.

python local_ai_bridge.py

Strateji Test Aracı Görselleştirmesi: