MT5 API + AI: Tworzenie AI trading bota

W poprzednich częściach serii opanowaliśmy: 

• Konfigurację środowiska i połączenie MT5 API z AI
• Pobieranie i zapis historycznych danych świecowych do bazy
• Generowanie oraz wizualizację wykresów tradingowych.

W tej części użyjemy Claude Code, aby przekształcić Twoje pomysły w działający algorytm wyłącznie za pomocą zwykłych poleceń tekstowych.

Co zrobimy krok po kroku:

• Generowanie bota - opiszemy zasady handlowe w języku naturalnym, a AI błyskawicznie stworzy czysty skrypt.
• Backtesting - przetestujemy strategię na zgromadzonych wcześniej danych historycznych i oceń wyniki.
• Testowanie - uruchomimy bota w środowisku testowym bez żadnego ryzyka finansowego.

Zaczynajmy.

Wprowadzenie teoretyczne

Przejście od pomysłu do rzeczywistego handlu zautomatyzowanego przebiega w czterech krokach:

Najważniejszym krokiem jest krok 1 - „Zdefiniuj swoje zasady”. Sztuczna inteligencja może napisać kod, ale decyzja o tym, jaką strategią handlować, należy do Ciebie.

Dlaczego Python zamiast MQL5?

Jeśli chodzi o automatyzację strategii na MetaTraderze 5, tradycyjnym podejściem jest tworzenie EA (ang. Expert Advisor) przy użyciu MQL5 - natywnego języka programowania tej platformy.

W tej serii postępujemy jednak inaczej, wykorzystując Python do zewnętrznego sterowania MT5. Przyjrzyjmy się dokładnie, dlaczego dokonaliśmy tego wyboru, jakie ogromne korzyści Ci to daje oraz jakie kompromisy warto wziąć pod uwagę.

Czy MQL5 nie może komunikować się ze sztuczną inteligencją?

Technicznie rzecz biorąc, tak. MQL5 posiada wbudowaną funkcję WebRequest(), która umożliwia komunikację ze światem zewnętrznym za pośrednictwem protokołu HTTP.

Jednak próba bezpośredniego połączenia MQL5 z nowoczesnymi systemami AI to ogromny ból głowy. Trzeba by ręcznie pisać parsery JSON i budować od podstaw złożone integracje API dla narzędzi takich jak Claude czy OpenAI. Uzyskanie nawet podstawowej odpowiedzi wymaga ogromnej ilości zaawansowanego kodowania.

Dlaczego Python wygrywa 

Python zapewnia dostęp do oficjalnych, gotowych do użycia zestawów SDK od wszystkich głównych dostawców rozwiązań AI. Integracja zaawansowanych systemów AI, takich jak Claude, wymaga jedynie zainstalowania biblioteki i napisania kilku wierszy przejrzystego kodu.

Ponadto korzystanie z Pythona otwiera drzwi do ogromnego ekosystemu narzędzi zewnętrznych, których stworzenie przy użyciu samego MQL5 byłoby praktycznie niemożliwe. W dalszej części tej podróży Python pozwoli Ci z łatwością tworzyć:

• Niestandardowe pulpity nawigacyjne GUI – piękne, spersonalizowane interfejsy wizualne do monitorowania transakcji.
• Natychmiastowe powiadomienia – alerty na żywo wysyłane bezpośrednio na Telegram, Discord lub telefon komórkowy.
• Zaawansowaną analitykę danych – interaktywne wykresy i automatycznie generowane raporty wyników w formacie PDF.

Wniosek: Jeśli Twoim celem jest zbudowanie inteligentnego ekosystemu handlowego wykraczającego poza granice podstawowej platformy do tworzenia wykresów, Python jest naturalnym i niekwestionowanym wyborem.

Kompromisy

Aby być całkowicie uczciwym, żadna konfiguracja nie jest idealna. Chociaż Python zapewnia nam niesamowitą elastyczność w zakresie sztucznej inteligencji, wiąże się to z kilkoma kompromisami w porównaniu z natywnymi skryptami MQL5:

• Szybkość realizacji zleceń – Python komunikuje się z MT5 za pośrednictwem zewnętrznego mostka (komunikacja międzyprocesowa). Powoduje to nieznaczne opóźnienie w porównaniu z kodem MQL5 działającym natywnie wewnątrz platformy. W przypadku standardowego handlu algorytmicznego nie ma to znaczenia, ale jeśli tworzysz ultraszybkiego bota do skalpowania o wysokiej częstotliwości, MQL5 nadal pozostaje królem.
• Brak natywnego testera strategii – skrypty MQL5 mogą bezpośrednio korzystać z wbudowanego w MT5 testera strategii w celu optymalizacji na poziomie tików. Zewnętrzne skrypty w języku Python nie mogą korzystać z tego narzędzia natywnie, co oznacza, że testowanie na danych historycznych musi odbywać się za pośrednictwem bibliotek danych języka Python.
• Dwa uruchomione programy – aby bot działał, zarówno środowisko Pythona, jak i terminal MT5 muszą być uruchomione jednocześnie na komputerze. W przypadku EA w języku MQL5 wystarczy sama platforma MT5.

Które narzędzie wybrać?

Stwórz swojego zautomatyzowanego bota handlowego

Teraz, gdy już wiesz, dlaczego używamy języka Python, nadszedł czas, aby otworzyć Claude Code i rozpocząć tworzenie. Nie musisz martwić się o składnię; Twoim jedynym zadaniem jest jasne wyjaśnienie sztucznej inteligencji swojej logiki rynkowej, a ona zajmie się trudnym zadaniem przekształcenia tych koncepcji w działający kod.

Zobaczmy, jak to działa w praktyce.

Krok 1: Zdefiniuj swoje zasady handlowe

Zacznijmy od prostej zasady. W tym artykule jako przykład wykorzystamy klasyczną strategię krzyżowania średnich kroczących (MA).

Nasze zasady handlowe:

• Instrument: USD/JPY
• Rama czasowa: 1 godzina (H1)
• Wejście w pozycję kupna: Gdy 20-okresowa średnia krocząca przecina od góry 50-okresową średnią kroczącą (złoty krzyż)
• Wejście w pozycję sprzedaży: Gdy 20-okresowa średnia krocząca krzyżuje się poniżej 50-okresowej średniej kroczącej (martwy krzyż)
• Wielkość lota: 0,01 lota (minimum)
• Wyjście: Zamknij i odwróć pozycję na podstawie przeciwnego sygnału

Ta zasada służy wyłącznie jako przykład edukacyjny. W rzeczywistym handlu stosuj strategię opartą na własnej analizie i weryfikacji.

Krok 2: Pozwól AI napisać kod

Po zdefiniowaniu zasad wystarczy po prostu powiedzieć Claude Code, czego oczekujesz.

Nie musisz rozumieć każdego szczegółu, ale ważne jest, aby sprawdzić, czy kod wygenerowany przez AI jest zgodny z zamierzonymi zasadami. Jeśli coś jest niejasne, po prostu zapytaj Claude Code: „Do czego służy ta część?”, a on wyjaśni to prostym językiem.

Krok 3: Test historyczny i walidacja

Gdy kod jest gotowy, weryfikujemy strategię na danych historycznych. Testowanie historyczne to kluczowy etap, który pokazuje, jak strategia sprawdziłaby się w przeszłości – zanim zaryzykujesz prawdziwe pieniądze.

Aby rozpocząć ten proces, po prostu poproś Claude Code o uruchomienie skryptu i przeprowadzenie testu historycznego bezpośrednio w środowisku twojego projektu:

Po zakończeniu testu historycznego samo spojrzenie na surowe liczby nie zawsze wystarcza do oceny strategii. Musisz faktycznie przyjrzeć się, jak zachowywała się ona w czasie. Aby uzyskać jasny obraz wyników, wystarczy poprosić sztuczną inteligencję o wizualne przedstawienie transakcji i salda konta:

Jeśli same liczby i wykresy są trudne do zinterpretowania, możesz poprosić Claude Code: „Przeanalizuj te wyniki i wskaż mocne i słabe strony strategii” - otrzymałeś komentarz dotyczący każdego wskaźnika wraz z sugestiami dotyczącymi ulepszeń.

Kluczowe wskaźniki testu historycznego, o których należy pamiętać:

• Współczynnik wygranych – odsetek transakcji zakończonych zyskiem
• Współczynnik zysku (PF) – suma zysków podzielona przez sumę strat. Wartość powyżej 1,0 oznacza zysk netto; ogólnie za pożądaną uważa się wartość 1,5 lub wyższą
• Maksymalny spadek (DD) – największy spadek kapitału na koncie od szczytu do dołka. Miara ryzyka
• Średni zysk / Średnia strata – stosunek średniej wartości zyskownej transakcji do średniej wartości stratnej transakcji. Znany również jako stosunek ryzyka do zysku

Udoskonalenie strategii

Współczynnik zysku (PF) na poziomie 0,99 oznacza, że strategia zasadniczo osiąga próg rentowności po odliczeniu kosztów transakcyjnych. Prawdziwą magią pracy z Claude Code jest to, że można iteracyjnie ulepszać swój system poprzez prostą, konwersacyjną pętlę: dostosowuj zasady, uruchamiaj nowy test historyczny i analizuj zaktualizowane wskaźniki.

Ulepszenie 1: Dodaj stop loss i take profit

Aby przekształcić ten system osiągający próg rentowności w profesjonalną strategię, naszym pierwszym krokiem jest wdrożenie klasycznego zarządzania ryzykiem poprzez nakazanie sztucznej inteligencji dodania ścisłych poziomów Stop Loss (SL) i Take Profit (TP) mierzonych w pipsach, co pozwoli nam porównać wiele konfiguracji:

Ulepszenie 2: Optymalizacja okresów średnich kroczących

Następnie sprawdźmy, czy okresy średnich kroczących (20/50) są rzeczywiście optymalne, wypróbowując inne kombinacje.

Ulepszenie 3: Dodanie filtra RSI

Na koniec dodajemy filtr RSI (wskaźnik siły względnej). Unikając wejść na rynek w momentach wykupienia lub wyprzedania, możemy ograniczyć liczbę transakcji zawieranych w niekorzystnym momencie.

Podsumowanie ulepszeń

Oto jak strategia ewoluowała w trakcie trzech rund ulepszeń.

Wskaźnik PF poprawił się z 0,99 do 1,77, a maksymalna strata spadła z 13 480 funtów do 3 330 funtów. Wystarczy po prostu opisać kierunek ulepszeń prostym językiem – sztuczna inteligencja zajmie się modyfikacjami kodu i testowaniem historycznym.

To właśnie jest siła tego podejścia.

Weryfikacja na danych długoterminowych

Optymalizacja w krótkim przedziale czasowym niesie ryzyko nadmiernego dopasowania – strategii, która pasuje jedynie do tego okresu. API platformy MT5 pozwala pobrać około 8 lat danych z wykresu H1, więc rozszerzmy test historyczny i dokonajmy ponownej oceny.

Każdy krok utrzymuje się powyżej 1,0 w ciągu 8 lat, co potwierdza słuszność kierunku – choć spadek z 1,77 do 1,21 wskazuje na pewne nadmierne dopasowanie.

Pamiętaj! Testy historyczne wykorzystują dane historyczne i nie gwarantują przyszłych wyników. Nadmierne dopasowanie do przeszłości może zawieść na prawdziwych rynkach – traktuj te liczby wyłącznie jako punkt odniesienia i zawsze przeprowadź test na koncie demo przed rozpoczęciem handlu na żywo.

Testy o wyższej precyzji z wykorzystaniem danych tickowych

Chociaż 1-godzinne świece są bardzo wydajne w testach historycznych, tworzą one niebezpieczną martwą strefę, ukrywając, czy rynek osiągnął najpierw maksimum, czy minimum w ciągu tej jednej godziny. Jeśli gwałtowny ruch cenowy wywoła zarówno poziom Stop Loss, jak i Take Profit w obrębie tej samej świecy, wskaźniki Twojej strategii mogą być całkowicie niedokładne.

Aby wyeliminować te domysły, możesz polecić Claude Code’owi skorzystanie z wbudowanej w MT5 funkcji pobierania danych tickowych, po prostu mówiąc: „Przeprowadź test historyczny przy użyciu danych tickowych”.

Kiedy porównaliśmy ogromną walidację obejmującą 15,2 mln ticków z naszymi danymi z świec godzinowych, wyniki dla naszej szerokiej konfiguracji SL 80 / TP 160 idealnie się zgadzały, ponieważ cena rzadko osiągała oba cele w ciągu tej samej godziny; jednakże, jeśli Twoja strategia opiera się na wąskich celach w przedziale od 10 do 20 pipsów, przejście na precyzyjną weryfikację na poziomie ticków staje się absolutnie niezbędne – pamiętaj tylko, że głębokość dostępnych danych historycznych będzie zależała całkowicie od limitów serwera Twojego brokera.

Krok 4: Uruchom na koncie demo

Gdy testy historyczne wykażą obiecujące wyniki, nadszedł czas, aby uruchomić strategię na koncie demo.

Włącz „Algo Trading” w MT5

Aby wysyłać zlecenia z Pythona do MT5, musisz włączyć funkcję Algo Trading po stronie MT5. Kliknij przycisk „Algo Trading” na pasku narzędzi MT5, aby ją aktywować (zielona ikona odtwarzania).

Przed uruchomieniem nowej strategii musisz upewnić się, że automatyczny handel jest wyraźnie włączony w ustawieniach terminala MetaTrader 5, ponieważ MT5 automatycznie odrzuci wszelkie zlecenia wysłane z języka Python, jeśli to ustawienie jest wyłączone.

Co najważniejsze, nigdy nie należy uruchamiać niezweryfikowanego skryptu do automatycznego handlu bezpośrednio na rachunku produkcyjnym z prawdziwymi środkami, ponieważ błędy w kodzie, awarie sieci lub nieoczekiwane warunki rynkowe mogą łatwo spowodować niezamierzone ryzyko finansowe.

Aby bezpiecznie zweryfikować swój system, możesz bez trudu przekształcić skrypt do testów historycznych w wersję do wykonywania na żywo, wydając polecenie Claude Code: „Przekształć to w skrypt do wykonywania na żywo, który wysyła rzeczywiste zlecenia przez MT5. Sprawdzaj po każdym zamknięciu słupka H1, dodaj rejestrowanie i umożliw zatrzymanie za pomocą Ctrl+C”, co pozwoli Ci natychmiast uruchomić nowo wygenerowany kod na bezpiecznym koncie demo.

Uruchomienie konta Demo

Po uruchomieniu skrypt sprawdza najnowsze dane za każdym razem, gdy zamyka się słupek H1. Gdy pojawia się sygnał, automatycznie składa zlecenie. Po zrealizowaniu transakcji pozycja jest widoczna w zakładce „Transakcje” platformy MT5.

Wyniki po uruchomieniu w nocy

Po uruchomieniu tej strategii na koncie demo w nocy (około 14 godzin) nie doszło do zrealizowania ani jednej transakcji. Złote i martwe krzyże na ramie czasowej H1 to zdarzenia, które występują tylko raz na kilka dni lub nawet tygodni, co utrudnia natychmiastowe zaobserwowanie sytuacji, w której „bot faktycznie składa zlecenie”.

Postanowiliśmy więc wypróbować również strategię opartą na krótszej ramie czasowej, charakteryzującą się znacznie częstszym obrotem.

Testowanie strategii krótkoterminowej

Tym razem wypróbowujemy strategię powrotu do średniej RSI na wykresie 15-minutowym (M15). Gdy wskaźnik RSI spadnie poniżej 30, kupujemy, zakładając, że cena jest „wyprzedana”; gdy wskaźnik RSI wzrośnie powyżej 70, sprzedajemy, zakładając, że cena jest „wykupiona”. Na przedziale czasowym M15 możemy spodziewać się kilku sygnałów dziennie.

Zasady skalpowania oparte na powrocie do średniej wskaźnika RSI:

• Instrument: USD/JPY
• Rama czasowa: 15-minutowa (M15)
• Wejście na pozycję kupna: RSI(14) spada poniżej 30
• Wejście na pozycję sprzedaży: RSI(14) wzrasta powyżej 70
• Wyjście: Zamknij i odwróć pozycję przy pojawieniu się przeciwnego sygnału

Stosujemy ten sam proces udoskonalania, co w przypadku strategii krzyżowania średnich ruchomych (dodanie SL/TP, dodanie filtrów, długoterminowa walidacja).

Połączenie SL20/TP20 z filtrem MA(200) daje najlepszy wynik: PF 1,26, maksymalny DD 1 752 jenów. Filtr MA dodaje warunek „kupuj tylko podczas trendów wzrostowych, sprzedawaj tylko podczas trendów spadkowych”, poprawiając dokładność wejść opartych na powrocie do średniej.

✓ PF bazowy 1,27 → z SL/TP: 1,05 → z filtrem MA: 1,26.

Podsumowanie ulepszeń

Dodanie SL/TP powoduje tymczasowy spadek PF, ale ogranicza stratę w każdej transakcji — jest to istotny krok w zarządzaniu ryzykiem. Filtr MA pozwala odzyskać PF, choć liczba transakcji gwałtownie spada z 1 075 do 330. Ponieważ zależy nam na tym, aby na koncie demo faktycznie pojawiały się transakcje, celowo wybieramy konfigurację o wyższej częstotliwości bez filtra (tylko SL20/TP20).

Weryfikacja na danych długoterminowych

Podobnie jak w przypadku strategii krzyżowania średnich ruchomych, sprawdzamy, czy nie doszło do nadmiernego dopasowania, uruchamiając ją na danych długoterminowych.

Teraz uruchomiliśmy strategię RSI(14)<30/>70 + SL20/TP20 na aktywnym koncie demo:

Oto wyniki po 4 dniach działania na koncie demo:

• Transakcje: 20 (około 5 dziennie)
• Zyski/straty: 8 zysków, 12 strat (40% wskaźnik wygranych)
• Łączny zysk i strata: -6,48 GBP

Wyniki są w przybliżeniu zgodne z testem historycznym (PF 1,05), kończąc się niewielką stratą. Podczas gdy strategia krzyżowania średnich ruchomych nie wygenerowała żadnych transakcji w ciągu nocy, strategia powrotu do średniej RSI na M15 wygenerowała 20 transakcji w ciągu 4 dni – potwierdzając, że zautomatyzowany skrypt może składać zlecenia za pośrednictwem MT5 i automatycznie je zamykać poprzez SL/TP.

Oczywiście nie można oceniać strategii na podstawie zaledwie 4 dni i 20 transakcji. Jak potwierdziliśmy podczas długoterminowej walidacji testu historycznego, konfiguracja bez filtrów ma nieco trudne perspektywy długoterminowe. W przypadku zastosowania produkcyjnego konieczne byłoby dodanie filtra MA, zbadanie różnych strategii oraz dalsza walidacja.

Chcesz spróbować czegoś więcej?

Oprócz krzyżowania średnich ruchomych możesz zlecić sztucznej inteligencji wdrażanie szerokiej gamy strategii. Oto kilka przykładowych instrukcji.

Jeśli potrafisz wyrazić swój pomysł handlowy prostym językiem, stanie się on zautomatyzowaną strategią handlową.

Podsumowanie

Przechodząc przez tę czteroczęściową serię, przeszedłeś pełną drogę od konfiguracji środowiska do działającego systemu tradingowego. Wiesz już, jak połączyć MT5 API ze sztuczną inteligencją, jak sprawnie pobierać dane rynkowe, wizualizować je oraz jak przekształcać własne pomysły w zautomatyzowane algorytmy.  

Bez napisania ani jednej linii kodu.

Sztuczna inteligencja całkowicie zmienia zasady gry w tradingu algorytmicznym. Bariera wejścia w postaci znajomości języków programowania przestała istnieć. Teraz kluczowa jest sama logika strategii, precyzyjne formułowanie zasad w języku naturalnym i umiejętność wyciągania wniosków z testów historycznych.

Masz teraz w rękach kompletny warsztat pracy. Możesz samodzielnie testować nowe wskaźniki, nakładać dodatkowe filtry ryzyka i weryfikować dowolne koncepty w bezpiecznym środowisku demo. 

Dalszy rozwój Twoich botów zależy już tylko od Twojej kreatywności i gotowości do eksperymentowania.

Niniejszy artykuł służy wyłącznie celom informacyjnym i nie stanowi porady inwestycyjnej ani rekomendacji. Kontrakty CFD są złożonymi instrumentami i wiążą się z wysokim ryzykiem szybkiej utraty kapitału z powodu zastosowania dźwigni finansowej. Upewnij się, że rozumiemy ryzyko związane z inwestowaniem. Wyniki osiągnięte w przeszłości nie stanowią gwarancji przyszłych rezultatów.