หน้าแรก / เวิร์กช็อปภาคปฏิบัติ

เวิร์กช็อปภาคปฏิบัติ

บอทซื้อขาย MQL5 หรือ Python — ตรวจข้อมูลและการส่งคำสั่งก่อนเลือกภาษา

เปรียบเทียบระบบที่ต้องดูแล ตรวจ NaN และค่าที่ไม่ใช่จำนวนจำกัด พร้อมแยกการเชื่อมต่อใหม่ออกจากการส่งคำสั่งซ้ำ

ภาพประกอบแนวคิด ไม่ใช่ราคาสดหรือหลักฐานการซื้อขาย
ในบทความนี้

หลังอ่าน คุณจะสามารถ

  • แยกข้อมูลขาดหายออกจากเงื่อนไขที่ไม่ผ่าน
  • ตรวจ NaN และจำนวนจำกัดก่อนย้ายกฎอัตโนมัติ
  • ตรวจผลคำสั่งเดิมก่อนส่งซ้ำหลังการสื่อสารขัดข้อง

คำศัพท์ในบทความ

การทดสอบย้อนหลัง (Backtesting) · การดำเนินคำสั่ง (Order execution) · มูลค่าอ้างอิงของสถานะ (Notional) · ค่าคอมมิชชัน (Commission) · บัญชี demo: บัญชีทดลอง · สเปรด (Spread) ·

MQL5 และ Python เป็นทางเลือกในการทำกระบวนการซื้อขายที่กำหนดไว้ให้ทำงานอัตโนมัติ เริ่มจากสิทธิเข้าถึงบัญชี ข้อมูล และรูปแบบการทำงานที่ต้องดูแลก่อนเลือกภาษา ชื่อภาษา สคริปต์สั้น หรือการผสมสองระบบไม่ได้พิสูจน์ว่ากฎทำกำไร หรือส่งคำสั่งได้เร็วและเชื่อถือได้กว่าเสมอ

เปรียบเทียบสิ่งที่ต้องทำงานร่วมกัน

โปรแกรมซื้อขายอัตโนมัติใน MQL5 หรือ EA ทำงานผ่านเทอร์มินัล MT5 ส่วน Python อาจใช้แพ็กเกจ MetaTrader5 อย่างเป็นทางการ ใช้ส่วนเชื่อมต่อของนายหน้าอีกแบบ หรืออ่านไฟล์ประวัติเพื่อวิจัยโดยไม่ส่งคำสั่งก็ได้ แพ็กเกจอย่างเป็นทางการ สื่อสารกับเทอร์มินัล ไม่ได้ต่อโดยตรงถึงเซิร์ฟเวอร์ของนายหน้าทุกราย

ไฟล์ติดตั้งต้องตรงกับรุ่นตัวแปลภาษาและระบบปฏิบัติการ ไฟล์บน PyPI ที่ตรวจอ่านเมื่อ 28 ตุลาคม 2026 มีไฟล์สำหรับ Windows x86-64 เรื่องนี้ต่างจากการที่ภาษา Python เองใช้ได้หลายระบบ อย่าสรุปความเข้ากันได้ของแพ็กเกจจากชื่อภาษาเพียงอย่างเดียว

initialize() อาจเปิดเทอร์มินัลให้เมื่อจำเป็น ระบุการติดตั้งที่ต้องการและตรวจเลขบัญชี เซิร์ฟเวอร์ และสถานะทดลองหรือเงินจริง แทนการพึ่งบัญชีที่เคยใช้ล่าสุด การเชื่อมต่อสำเร็จไม่ได้ยืนยันผลของคำสั่งก่อนหน้า ส่วนการใช้ส่วนเชื่อมต่อแยกก็ต้องตรวจนิติบุคคล ผลิตภัณฑ์ สิทธิ และข้อมูลของตนเอง

สิ่งที่ต้องดูแลในแต่ละรูปแบบ ไม่ใช่การจัดอันดับความเร็ว
รูปแบบองค์ประกอบที่ต้องดูแลสิ่งที่ควรตรวจเริ่มต้น
EA ใน MQL5เทอร์มินัล โค้ด พารามิเตอร์ และการเชื่อมบัญชีรุ่นที่ทำงานจริงและผลตอบกลับ
Python ผ่าน MT5กระบวนการ Python เทอร์มินัล และการสื่อสารระหว่างกันบัญชีที่เชื่อมต่อหลังเริ่มงาน
Python ผ่านส่วนเชื่อมต่อของนายหน้าการอนุญาต ตัวแปลงข้อมูล ข้อจำกัด และรูปแบบคำสั่งสัญลักษณ์ หน่วยปริมาณ และสิทธิ
วิจัยด้วย Python แล้วทำงานจริงด้วย MQL5กฎและรุ่นที่ตรงกันในสองสภาพแวดล้อมป้อนข้อมูลขอบเขตชุดเดียวกันแล้วเทียบผล

อ่านการเริ่มซื้อขายเชิงอัลกอริทึม และพื้นฐาน EA เพิ่มเติม การลดจำนวนกระบวนการอาจช่วยดูแลระบบ แต่ไม่แทนวิธีจัดการคำสั่งที่ถูกปฏิเสธ การเติมบางส่วน หรือสถานะที่ยังไม่แน่ใจ

การรวมเครื่องมือไว้ใน MQL5 ยังมีเงื่อนไข

MQL5 รวมเหตุการณ์ของเทอร์มินัล ฟังก์ชันซื้อขาย และเครื่องมือทดสอบย้อนหลังไว้ด้วยกัน แต่ยังต้องตรวจแหล่งข้อมูล ต้นทุน และสมมุติฐานการดำเนินคำสั่ง การทดสอบไม่ใช่การจำลองประวัติของนายหน้าได้ครบโดยอัตโนมัติ ส่วนการปรับพารามิเตอร์ผ่านเครือข่ายคลาวด์มีเงื่อนไขของบริการแยก

แบบจำลองที่เตรียมจากภายนอกอาจนำมารันผ่านส่วนรองรับ ONNX ของ MQL5 ได้ จึงไม่จำเป็นต้องมี Python ทำงานตลอดเวลาที่ใช้แบบจำลองการเรียนรู้ของเครื่อง ตรวจขนาดข้อมูลเข้า การเตรียมข้อมูล และความหมายข้อมูลออกให้ตรงกัน

OnTick ไม่รับรองว่าจะเรียกฟังก์ชันแยกครบทุกการเปลี่ยนราคา หากมี NewTick อยู่ในคิวหรือกำลังประมวลผล จะไม่เพิ่ม NewTick ใหม่ในคิวนั้น ต้องวัดภาระงานและเวลาที่เกี่ยวข้องจริง ชื่อภาษาไม่ได้พิสูจน์การตอบสนองภายในหนึ่งมิลลิวินาที และแท่ง H1 ก็ไม่ได้ทำให้ความล่าช้าไม่มีความสำคัญเสมอ

ไลบรารี Python ไม่ได้ตรวจข้อมูลและคำสั่งแทนทุกกรณี

Python มีเครื่องมือวิเคราะห์และสร้างแบบจำลอง แต่แม้สร้างส่วนเชื่อมต่อกลางแล้ว ก็ยังต้องจัดการสัญลักษณ์ จำนวนซื้อขาย ช่วงเปิดตลาด ความพร้อมของข้อมูล และกฎคำสั่งของผู้ให้บริการแต่ละราย การใช้ข้อมูลมหภาคหรือหลายบัญชีเป็นความต้องการที่ต้องประเมิน ไม่ใช่เหตุผลอัตโนมัติว่าระบบใดเหนือกว่า

เก็บรุ่นไลบรารีและการตั้งค่าไว้ด้วย คลังต้นฉบับของ ib_insync ถูกเจ้าของเก็บเป็นคลังอ่านอย่างเดียวเมื่อ 14 มีนาคม 2024 ไม่ได้พิสูจน์ว่าโค้ดเดิมใช้ไม่ได้ แต่บทเรียนเก่าไม่ใช่หลักฐานว่ามีการดูแลปัจจุบัน ตรวจส่วนเชื่อมต่อที่เลือกจริง เก็บข้อมูลรับรองการเข้าใช้งานไว้นอกโค้ดสาธารณะและบันทึกทั่วไป การทดลองวิเคราะห์ไฟล์ไม่จำเป็นต้องให้สิทธิส่งคำสั่งซื้อขาย

การผสมสองภาษาอาจหมายถึงสองระบบที่ต่างกัน

แบบแรกใช้ Python พัฒนาแบบจำลอง แล้วนำกฎที่ตรวจสอบแล้วไปทำงานใน EA ของ MQL5 หาก EA มีตรรกะที่จำเป็นครบ Python ไม่ต้องรันอยู่ด้วย แบบที่สองให้ Python ส่งคำขอผ่านเทอร์มินัลอย่างต่อเนื่อง จึงต้องติดตามทั้งสองกระบวนการ ความสดของข้อมูล และสถานะบัญชีจริง

MetaQuotes Virtual Hosting ย้ายสภาพแวดล้อม EA และกราฟที่รองรับ ไม่ใช่เดสก์ท็อป Windows ทั่วไปสำหรับรันกระบวนการ Python ภายนอกทุกแบบ EA สำรองเองก็ปิดสถานะไม่ได้หากต้องผ่านเทอร์มินัลหรือการเชื่อมต่อที่ใช้งานไม่ได้เส้นเดียวกัน ตรวจคำสั่งป้องกันที่เซิร์ฟเวอร์ยืนยันรับไว้แยกต่างหาก

order_send() ส่งคำขอและคืนโครงสร้างผลลัพธ์ การปิดต้องกำหนดชนิดการกระทำและระบุสถานะที่เกี่ยวข้องตามแบบคำขอ เอกสารชุดนี้ไม่ได้ให้ฟังก์ชันทั่วไปชื่อ position_close() เมื่อการสื่อสารไม่แน่ชัด ให้ตรวจคำสั่ง รายการที่เติมแล้ว และสถานะปัจจุบันก่อนตัดสินใจส่งใหม่

ตัวอย่างสมมุติส่งซื้อ 0.10 ล็อต คำขอได้รับการเติมแต่ผลตอบกลับสูญหาย หากส่งอีก 0.10 ล็อตโดยไม่ตรวจสอบและคำขอที่สองเติมด้วย จะมีปริมาณรวม 0.20 ล็อต แทนที่ตั้งใจไว้ 0.10 กำหนดสัญญา EUR/USD แบบผลเชิงเส้น หนึ่งล็อตเท่ากับ 100,000 EUR หนึ่งปิ๊ปเท่ากับ 0.0001 และบัญชี USD มูลค่าต่อปิ๊ปจึงเพิ่มจาก 1 เป็น 2 USD ตัวอย่างกำหนดว่าทั้งสองคำขอเติมจริง ไม่ได้ถือว่าทุกคำขอที่ไม่ทราบผลต้องเติมแล้ว และไม่ได้กำหนดให้นายหน้าทุกแห่งรวมสถานะแบบเดียวกัน

การกลับค่าเงื่อนไขอาจทำให้ข้อมูลขาดหายได้ผล True

ตัวอย่าง Python ใช้ x = float('nan') แทนผลอินดิเคเตอร์ที่ขาดหาย และกำหนดเกณฑ์สมมุติเป็น 10 ค่า NaN ไม่ใช่ศูนย์หรือจำนวนที่มีค่ามาก และยังไม่ได้ถูกกรองออกล่วงหน้า ใช้กับ float ค่าเดียว ไม่ใช่อาร์เรย์ NumPy หรือกฎของ Decimal

เมื่อข้อมูลเป็น NaN การกลับค่าเงื่อนไขอาจได้ True

ตัวอย่าง Python float ค่าเดียว x เป็น NaN และเกณฑ์สมมุติ 10 นิพจน์ x <= 10 เป็น False จึง not(x <= 10) เป็น True แต่ x > 10 เป็น False ต้องตรวจ math.isfinite ก่อน ไม่ใช่สัญญาณซื้อขาย

เปิดแผนภาพขนาดเต็ม · อ่านข้อมูลในตารางด้านล่าง
กลับค่าเงื่อนไขnot(x <= 10) เป็น Trueข้อมูลขาดหายยังไม่ได้ถูกแก้
เปรียบเทียบตรงx > 10 เป็น Falseต่างจากนิพจน์ที่กลับค่า
ตรวจข้อมูลก่อนmath.isfinite(x) เป็น Falseหยุดก่อนประเมินเงื่อนไขเข้า

ข้อมูลขาดหายไม่ใช่ศูนย์ และ True ไม่ได้พิสูจน์ว่ามีค่าที่ใช้ได้

ผลจริงของนิพจน์เมื่อ x เป็น Python float NaN
นิพจน์ผลสิ่งที่ต้องเข้าใจ
x <= 10Falseการเปรียบเทียบไม่ผ่าน แต่ไม่ได้แปลว่ามีข้อมูลปกติ
not(x <= 10)Trueการกลับค่าไม่ได้ซ่อมข้อมูลที่ขาดหาย
x > 10Falseต่างจากนิพจน์ที่กลับค่าด้านบน
math.isfinite(x) and x > 10Falseตรวจค่าที่ใช้ได้ก่อนประเมินเงื่อนไข

เอกสารการเปรียบเทียบของ Python และmath.isfinite อธิบายพฤติกรรมนี้ นิพจน์สองแบบที่ดูเทียบเท่าสำหรับจำนวนจำกัดอาจไม่เท่ากันเมื่อมี NaN ตรวจชนิด ความพร้อม และความเป็นจำนวนจำกัดก่อนใช้กฎ True ไม่ใช่หลักฐานว่ามีผลอินดิเคเตอร์ที่พร้อมใช้ เก็บกรณีนี้ไว้ตรวจเมื่อย้ายกฎไปอีกระบบ

เทียบขอบเขตกฎและราคาที่สมมุติให้เติมก่อนเทียบผลตอบแทน

สมมุติสัญญาณพร้อมใช้หลังแท่งปิดที่ 1.1000 แบบจำลอง A กำหนดให้ซื้อได้ที่ราคานั้น ส่วน B กำหนดให้ซื้อภายหลังที่ราคาเสนอขาย 1.1003 ต่างกันสามปิ๊ปเมื่อหนึ่งปิ๊ปเท่ากับ 0.0001 เวลา การเคลื่อนตลาด และด้านของราคาที่ใช้ล้วนมีส่วนได้ จึงเรียกส่วนต่างทั้งหมดว่าความล่าช้าของ Python หรือสเปรดไม่ได้ ต้องเทียบบันทึกสัญญาณ คำขอ ปริมาณ ราคาที่เติม และค่าคอมมิชชันก่อนดูผลรวม

การทดสอบแบบคำนวณข้อมูลหลายแถวพร้อมกันสามารถรวมต้นทุนได้ ส่วนชื่อว่าใช้เหตุการณ์เป็นตัวขับไม่ได้รับรองแบบจำลองการเติมคำสั่งที่ถูกต้อง เครื่องมือทดสอบของ MT5 ไม่ได้รันสคริปต์ Python ใดก็ได้เป็น EA โดยตรง กฎที่ย้ายต้องใช้ข้อมูลเข้าและรุ่นเดียวกัน

การตรวจขอบเขตอีกกรณีหนึ่งใช้ Python float: 0.1 + 0.2 ได้ 0.30000000000000004 ซึ่งมากกว่า float ค่า 0.3 ส่วน Decimal ที่สร้างจากข้อความให้ผลรวมเท่ากับ 0.3 พอดีในตัวอย่าง และการใช้หน่วยจำนวนเต็มให้ 1 + 2 = 3 การแสดงผลให้ดูเป็น “0.3” เหมือนกันไม่ได้เปลี่ยนการเปรียบเทียบค่าที่เก็บจริง

ตรวจค่าต่ำกว่า เท่ากับ สูงกว่า ขาดหาย และไม่ใช่จำนวนจำกัดก่อนย้ายกฎ อาร์เรย์ ชนิดตัวเลขอื่น หรือเกณฑ์ยอมคลาดเคลื่อนที่เลือกมีกฎของตนเอง การตรวจ Python นี้ไม่ได้รัน MQL5 รุ่นเทียบกัน และไม่พิสูจน์ความได้เปรียบในการซื้อขาย

ตรวจเฉพาะ NaN ยังไม่พอเมื่อข้อมูลเป็นอนันต์

เพิ่มกรณีสมมุติเป็น float('inf') หรืออนันต์บวก แทนข้อมูลที่ใช้ไม่ได้ เมื่อเกณฑ์เป็น 10 ทั้ง x > 10 และ not(x <= 10) จะเป็น True ต่างจาก NaN ที่สองนิพจน์ให้ผลไม่เหมือนกัน แต่ math.isfinite(x) เป็น False จึงหยุดการประเมินเข้าซื้อขายได้

สำหรับอนันต์ลบ ทั้งสองนิพจน์ข้างต้นเป็น False และการตรวจจำนวนจำกัดก็เป็น False เช่นกัน การที่ผลสุดท้ายไม่เข้าซื้อขายไม่ได้แปลว่าข้อมูลถูกต้อง ควรบันทึกว่าข้อมูลใช้ไม่ได้แยกจากกรณีมีข้อมูลปกติแล้วเงื่อนไขไม่ผ่าน การแยกเหตุผลช่วยให้ตรวจความผิดพลาดหลังย้ายระบบได้ ไม่ควรปล่อยให้ค่าผิดรูปกลายเป็นสัญญาณเงียบ ๆ

เลือกจากความต้องการที่ทำซ้ำและดูแลได้

เขียนบัญชีและส่วนเชื่อมต่อ ข้อมูล เวลาตัดสินใจ ไลบรารี ระบบปฏิบัติการ และวิธีดูแลที่ต้องใช้ แล้วประเมินว่าตนรักษาระบบใดได้ ต้นแบบเล็กอาจอ่านข้อมูลและบันทึกสัญญาณโดยไม่เทรด ระยะติดตั้ง จำนวนบรรทัด หรือสัดส่วนเวลาเรียนสองต่อหนึ่งไม่ได้ตัดสินทางเลือกที่ถูกต้อง บันทึกข้อกำหนดที่ยังทำไม่ได้และทางเลือกที่ง่ายกว่า หากงานอ่อนไหวต่อเวลาให้วัดในระบบที่จะใช้จริง ระยะของแท่งราคาอย่างเดียวไม่ได้ทำให้ความล่าช้าหมดความสำคัญ ดูเครื่องมือสำหรับนักเทรดเพิ่มเติม

ทดสอบหนึ่งรูปแบบพร้อมกรณีล้มเหลว

  1. ตรึงกฎเล็กหนึ่งชุด ระบุเวลาที่ข้อมูลพร้อมใช้ ความหมายของการเท่ากัน หน่วย และผลที่คาดก่อนเลือกวิธีส่งคำสั่ง
  2. ตรวจตัวตนและสถานะ แยกการตั้งค่าบัญชีทดลอง งานอ่านข้อมูลอย่างเดียว และสิทธิส่งคำสั่ง ตรวจบัญชีกับตราสารที่เชื่อมอยู่จริง
  3. ทดสอบการปฏิเสธ ข้อมูลไม่พร้อม การเริ่มใหม่ และผลตอบกลับที่ไม่แน่ชัดบนบัญชีทดลอง การเชื่อมต่อใหม่ไม่ได้พิสูจน์ว่าคำสั่งก่อนหน้าล้มเหลว
  4. เทียบสัญญาณแต่ละรายการและสมมุติฐานการเติมก่อนกำไรที่รายงาน อย่าอนุมานความเชื่อถือได้หรือกำไรจากสคริปต์สั้นที่รันสำเร็จเพียงครั้งเดียว

ลองตรวจความเข้าใจ

เมื่อ x เป็น Python float NaN นิพจน์ not(x <= 10) ให้ผลใด?

  1. False เพราะข้อมูลขาดหาย
    ตรวจคำอธิบาย

    การเปรียบเทียบ x <= 10 เป็น False แล้ว not กลับค่าเป็น True

  2. True แม้ข้อมูลยังขาดหาย
    ตรวจคำอธิบาย

    ต้องตรวจความพร้อมและ math.isfinite แยก True ไม่ได้ยืนยันว่ามีค่าอินดิเคเตอร์ที่ใช้ได้

  3. NaN ถูกเปลี่ยนเป็น 0
    ตรวจคำอธิบาย

    นิพจน์นี้ไม่ได้แปลงค่า การแทนข้อมูลขาดหายด้วยศูนย์ต้องมีกฎแยกและอาจเปลี่ยนผล

ดูคำตอบที่ถูก

True แม้ข้อมูลยังขาดหาย

คำถามที่พบบ่อย

ต้องเรียน Python จนเชี่ยวชาญก่อนทดลองหรือไม่?

ขอบเขตความรู้ขึ้นอยู่กับงาน ต้นแบบอ่านไฟล์และบันทึกสัญญาณอาจเล็กกว่าระบบส่งคำสั่งจริง แต่จำนวนบรรทัดหรือคอร์สไม่รับรองความพร้อม ต้องตรวจข้อผิดพลาด ข้อมูล และสถานะบัญชีตามหน้าที่ที่ทำ

เชื่อม Python กับ MT5 ใหม่แล้วส่งคำสั่งเดิมซ้ำได้เลยไหม?

ไม่ได้อนุมานเช่นนั้นจากการเชื่อมต่อสำเร็จ คำสั่งแรกอาจเติมแล้วแต่ผลตอบกลับหาย ต้องตรวจคำสั่ง รายการที่เติม และสถานะปัจจุบันก่อน ตัวอย่าง 0.10 ล็อตสองครั้งที่เติมครบให้ปริมาณรวม 0.20

MQL5 เร็วกว่าเสมอและแท่ง H1 ไม่ต้องสนความล่าช้าหรือไม่?

ชื่อภาษาไม่พิสูจน์เวลาในการทำงาน ต้องวัดข้อมูลเข้า ภาระประมวลผล การส่งคำขอ และผลตอบกลับในระบบจริง OnTick ยังมีเงื่อนไขรวมเหตุการณ์ที่รออยู่ ส่วนระยะของแท่งราคาไม่ได้ตัดสินว่าความล่าช้าสำคัญหรือไม่

ควรเปลี่ยนไปใช้ Python เมื่อไร?

เมื่อมีความต้องการที่ระบบเดิมยังตอบไม่ได้ ให้เทียบข้อมูล ไลบรารี ระบบปฏิบัติการ ส่วนเชื่อมต่อ และภาระดูแล พร้อมทางเลือกที่ง่ายกว่า การมีสองข้อจากรายการหนึ่งไม่ได้รับรองว่าจะคืนทุนภายในสามเดือน

แค่ตรวจว่าไม่ใช่ NaN ก็พอหรือไม่?

ไม่ อนันต์บวกยังทำให้ x > 10 เป็น True ได้ ต้องตรวจความเป็นจำนวนจำกัดด้วย และบันทึกข้อมูลใช้ไม่ได้แยกจากกรณีข้อมูลปกติที่เงื่อนไขไม่ผ่าน กฎของอาร์เรย์หรือชนิดตัวเลขอื่นต้องตรวจต่างหาก

อ่านต่อ

สร้างการทดสอบย้อนหลังด้วย Python โดยระบุเวลาที่ข้อมูลพร้อมใช้ ตรวจค่าที่ขาดหาย และเลือกข้อมูลเดิมซ้ำได้ก่อนประเมินผล

เกี่ยวกับผู้จัดทำ

ข้อมูลผู้จัดทำและเว็บไซต์

แหล่งข้อมูล

ตัวอย่าง

ข้อควรระวัง

เปิดคำศัพท์ฉบับเต็ม