📘

MetaTrader 5 与 Python 的集成：接收和发送数据·进阶篇

第 2/2 篇

本章目录

套接字创建失败的错误处理
用套接字打通 MT5 与 Python 的实时回路
用 Python 拉 MT5 报价算跨品种相关性
用 Plotly 把 MT5 报价拉成可交互图
MT5套接字通信的当前边界

◍ 套接字创建失败的错误处理

在 MT5 的 Socket 通信初始化流程里，若 WSAStartup 已通过而 socket() 调用返回 INVALID_SOCKET，说明底层 TCP 套接字没有建起来。此时不能继续 bind 或 connect，否则后续函数会带着无效句柄跑，错误码更难追。上面这段分支直接走 else 打印错误号：用 Print 把 "Socket creation error " 和 GetLastError() 的返回值一起丢到专家日志。GetLastError 在这里通常给出 10047（地址族不支持）或 10004（中断）之类，开 MT5 按 F4 编译后看日志能立刻对上。实盘跑之前，建议先把这段错误打印保留着，别急着注释掉——外汇与贵金属行情通过 socket 拉流本身高风险，句柄建不出来时静默跳过比显式报错更难排查。

MQL5 / C++

else Print("Socket creation error ",GetLastError()); }

「用套接字打通 MT5 与 Python 的实时回路」

要让 MQL5 和 Python 两边跑通，本地必须先装好 Python 解释器，官方安装包即可。随后启动服务端脚本 socketserver.py，它会在本机开一个 socket 并守着端口，等 MT5 侧的 socketclientEA.mq5 来握手。握手成功后，服务端窗口会实时打印连接状态和回归线价格，同时把这些数据回传客户端；MT5 终端里也能看到连接活动与回归线数值，图表上同步画出回归线，且每来一个 tick 就重算更新一次。这种基于 socket 的双程序直连验证了低延迟互通的可行性，但 MetaQuotes 后来出了官方 Python 包，能直接从终端拉数据，省去自己维护 socket 的麻烦。涉及外汇与贵金属行情传输，需注意本地网络抖动可能造成 tick 丢失，属高风险链路。下面用一段脚本示范如何从终端侧接收报价，读者可直接在 MT5 脚本环境里验证。

用 Python 拉 MT5 报价算跨品种相关性

想在 MT5 之外做相关性分析，最直接的是走官方 Python 包把分钟线收盘价搬出来。装好 MetaTrader5 模块后，用 MT5Initialize 连终端，按品种循环 MT5CopyRatesFromPos 抓 1000 根 M1 收盘价，塞进 pandas 的 DataFrame，这一步完事就 MT5Shutdown 断连，避免占着终端。上面这段脚本顺手算了 pct_change 的百分比变化，再用 corr 出相关矩阵并画热力图。从热图能直观看到 GBPUSD 与 GBPJPY 的色块偏红，说明同向波动倾向较强，但外汇贵金属杠杆高，相关也会随风险事件断裂，不能当确定性依据。协整用 statsmodels 的 coint 测，脚本里把 GBPUSD 和 GBPJPY 做了 min-max 归一后打印 t 统计量和 p 值；若 p 值足够小，两者价差回归的概率更高。再把差值标准化成 Z 分值画线，±2 只是经验阈值，触碰后是否介入要看当时盘面流动性。下面代码可直接复制到本地跑，改 sym 列表就能换品种验证你自己的观察。

MQL5 / C++

pip install MetaTrader5
from MetaTrader5 class="kw">import *
from class="type">class="kw">datetime class="kw">import date
class="kw">import pandas as pd
class="kw">import matplotlib.pyplot as plt
# 初始化 MT5 连接
MT5Initialize()
MT5WaitForTerminal()
print(MT5TerminalInfo())
print(MT5Version())
# 为需要绘制相关矩阵的货币创建清单
sym = [&class="macro">#x27;EURUSD&class="macro">#x27;,&class="macro">#x27;GBPUSD&class="macro">#x27;,&class="macro">#x27;USDJPY&class="macro">#x27;,&class="macro">#x27;USDCHF&class="macro">#x27;,&class="macro">#x27;AUDUSD&class="macro">#x27;,&class="macro">#x27;GBPJPY&class="macro">#x27;]
# 将数据复制到数据帧
d = pd.DataFrame()
for i in sym:
    rates = MT5CopyRatesFromPos(i, MT5_TIMEFRAME_M1, class="num">0, class="num">1000)
    d[i] = [y.close for y in rates]
# 逆初始化 MT5 连接
MT5Shutdown()
# 比较百分比变化
rets = d.pct_change()
# 计算相关性
corr = rets.corr()
# 绘制相关性矩阵
plt.figure(figsize=(class="num">10, class="num">10))
plt.imshow(corr, cmap=&class="macro">#x27;RdYlGn&class="macro">#x27;, interpolation=&class="macro">#x27;none&class="macro">#x27;, aspect=&class="macro">#x27;auto&class="macro">#x27;)
plt.colorbar()
plt.xticks(range(len(corr)), corr.columns, rotation=&class="macro">#x27;vertical&class="macro">#x27;)
plt.yticks(range(len(corr)), corr.columns);
plt.suptitle(&class="macro">#x27;FOREX Correlations Heat Map&class="macro">#x27;, fontsize=class="num">15, fontweight=&class="macro">#x27;bold&class="macro">#x27;)
plt.show()
# 导入 statsmodels 进行协整检验
class="kw">import statsmodels
from statsmodels.tsa.stattools class="kw">import coint
x = d[&class="macro">#x27;GBPUSD&class="macro">#x27;]
y = d[&class="macro">#x27;GBPJPY&class="macro">#x27;]
x = (x-min(x))/(max(x)-min(x))
y = (y-min(y))/(max(y)-min(y))
score = coint(x, y)
print(&class="macro">#x27;t-statistic: &class="macro">#x27;, score[class="num">0], &class="macro">#x27; p-value: &class="macro">#x27;, score[class="num">1])
# 绘制 z-分值变换
diff_series = (x - y)
zscore = (diff_series - diff_series.mean()) / diff_series.std()
plt.plot(zscore)
plt.axhline(class="num">2.0, class="type">class="kw">color=&class="macro">#x27;red&class="macro">#x27;, linestyle=&class="macro">#x27;--&class="macro">#x27;)
plt.axhline(-class="num">2.0, class="type">class="kw">color=&class="macro">#x27;green&class="macro">#x27;, linestyle=&class="macro">#x27;--&class="macro">#x27;)
plt.show()

◍ 用 Plotly 把 MT5 报价拉成可交互图

想把 EURUSD 的报价按自己习惯的方式摆出来，直接借 Plotly 这套 Python 库最省事。它不仅能画烛条，还能把图存成 .html，鼠标悬停就能看每根 K 线的开高低收，比终端里死板截图好用。第一段脚本从 MT5 拉了 5000 根 M1 的 EURUSD 历史，用 pandas 收进数据帧再交给 Plotly 的 Ohlc 画出来。第二段换 MT5CopyTicksFrom 抓 2019-03-14 13 点起 1000 个 tick 的 bid/ask，两条 Scatter 叠一起，就能看当时点差怎么抖。外汇和贵金属这类品种波动受杠杆和流动性影响大，tick 级图形只反映历史微观结构，拿去推后续走势只是概率参考，别当确定性信号。下面两段代码都依赖本机开了 MT5 且 Python 装了 MetaTrader5 包，跑之前先确认终端登录态，不然 MT5Initialize 会直接空手回来。

MQL5 / C++

# -*- coding: utf-class="num">8 -*-
"""
创建于 Thu Mar class="num">14 class="num">16:class="num">13:class="num">03 class="num">2019
@author: dmitrievsky
"""
from MetaTrader5 class="kw">import *
from class="type">class="kw">datetime class="kw">import class="type">class="kw">datetime
class="kw">import pandas as pd
# 初始化 MT5 连接 
MT5Initialize()
MT5WaitForTerminal()
print(MT5TerminalInfo())
print(MT5Version())
# 将数据复制到 pandas 数据帧
stockdata = pd.DataFrame()
rates = MT5CopyRatesFromPos("EURUSD", MT5_TIMEFRAME_M1, class="num">0, class="num">5000)
# 逆初始化 MT5 连接
MT5Shutdown()
stockdata[&class="macro">#x27;Open&class="macro">#x27;] = [y.open for y in rates]
stockdata[&class="macro">#x27;Close&class="macro">#x27;] = [y.close for y in rates]
stockdata[&class="macro">#x27;High&class="macro">#x27;] = [y.high for y in rates]
stockdata[&class="macro">#x27;Low&class="macro">#x27;] = [y.low for y in rates]
stockdata[&class="macro">#x27;Date&class="macro">#x27;] = [y.time for y in rates]
class="kw">import plotly.graph_objs as go
from plotly.offline class="kw">import download_plotlyjs, init_notebook_mode, plot, iplot
trace = go.Ohlc(x=stockdata[&class="macro">#x27;Date&class="macro">#x27;],
                open=stockdata[&class="macro">#x27;Open&class="macro">#x27;],
                high=stockdata[&class="macro">#x27;High&class="macro">#x27;],
                low=stockdata[&class="macro">#x27;Low&class="macro">#x27;],
                close=stockdata[&class="macro">#x27;Close&class="macro">#x27;])
data = [trace]
plot(data)
# -*- coding: utf-class="num">8 -*-
"""
创建于 Thu Mar class="num">14 class="num">16:class="num">13:class="num">03 class="num">2019
@author: dmitrievsky
"""
from MetaTrader5 class="kw">import *
from class="type">class="kw">datetime class="kw">import class="type">class="kw">datetime
# 初始化 MT5 连接 
MT5Initialize()
MT5WaitForTerminal()
print(MT5TerminalInfo())
print(MT5Version())
# 将数据复制到列表
rates = MT5CopyTicksFrom("EURUSD", class="type">class="kw">datetime(class="num">2019,class="num">3,class="num">14,class="num">13), class="num">1000, MT5_COPY_TICKS_ALL)
bid = [x.bid for x in rates]
ask = [x.ask for x in rates]
time = [x.time for x in rates]
# 逆初始化 MT5 连接
MT5Shutdown()
class="kw">import plotly.graph_objs as go
from plotly.offline class="kw">import download_plotlyjs, init_notebook_mode, plot, iplot
data = [go.Scatter(x=time, y=bid), go.Scatter(x=time, y=ask)]
plot(data)

「MT5套接字通信的当前边界」

实测下来，MT5 当前版本的客户端套接字在策略测试器里跑不起来，所以这套 Python 通信方案没能做完整回测和性能压测，只能等官方后续更新套接字功能。评论区有人试过 127.0.0.1:9090 配 Python socketserver，EA 端把 char 改成 uchar 后重跑直接报 4014 连接错误，说明本地回环的小数据交换现在都不稳。大数据量从 Python 回传 MT5 更尴尬：单套接字字符串上限约 100 个小串，有人要传 40 个货币对各 1000 条历史读数就彻底不够用。社区给的折中是套接字只发“更新哨声”，真正的大块数据走 MT5 内置 SQLite，Python 写库、MQL 听哨声重读。外汇和贵金属杠杆高、滑点凶，这类跨进程架构若用在实盘信号链路，任何超时或库锁都可能让你漏单，验证前先开 MT5 跑通最小回环再谈扩展。

MQL5 / C++

class="num">2025.10.class="num">09 class="num">10:class="num">41:class="num">44.665 socketclientEA(class="macro">#GDAXIm,H1) 连接 localhost:class="num">9090 错误 class="num">4014

←

MetaTrader 5 与 Python 的集成：接收和发送数据（基础篇）

常见问题

先确认防火墙是否放行了对应端口，再检查交易终端是否允许外部程序调用接口；多数失败源于端口被占或权限未开，换端口并以管理员身份重启通常能解决。

把两端报价按时间戳对齐存成序列，用 pandas 的 corr() 算滚动相关系数；建议取最近 500 根bar 的窗口，相关性突变往往早于盘面异动。

可以，小布能替你拉取对应品种实时报价并生成可缩放的时间序列图，你打开品种页就能直接看，不用自己写绘图代码。

单图超过两万点就容易卡，建议用 resample 降采样到分钟级或只保留近 3 天 tick；Plotly 的 webgl 模式能缓解大批量渲染压力。

目前本地回环通信稳定，但跨网络延迟和断线重连需自写逻辑；外汇贵金属波动大、杠杆高，实盘前务必在模拟盘跑满一周验证回路健壮性。

MetaTrader 5 与 Python 的集成：接收和发送数据·进阶篇

◍ 套接字创建失败的错误处理

「用套接字打通 MT5 与 Python 的实时回路」

用 Python 拉 MT5 报价算跨品种相关性

◍ 用 Plotly 把 MT5 报价拉成可交互图

「MT5套接字通信的当前边界」

常见问题

相关阅读