MQL5 · Avancé
MQL5 avancé : POO, données, ONNX, Python et outils du développeur
Classes, matrices, modèles ONNX, SQLite, WebRequest, DLL, calendrier économique, profilage, Git et Market : la rubrique qui fait passer vos programmes MQL5 du script fonctionnel au projet professionnel et maintenable.
La rubrique MQL5 avancé rassemble tout ce qui dépasse l’écriture d’un Expert Advisor « en un seul fichier » : la programmation orientée objet, la bibliothèque standard, le calcul matriciel, l’apprentissage automatique avec ONNX, le pont avec Python, le stockage de données (CSV et SQLite), les échanges avec l’extérieur (WebRequest, DLL), le calendrier économique, puis les outils du développeur professionnel : profileur, gestion de versions avec MQL5 Algo Forge et publication sur le Market. Si vous savez déjà ouvrir une position, lire un indicateur et faire tourner un backtest, c’est ici que vous apprendrez à structurer, accélérer et industrialiser votre code.
Ces sujets ne sont pas « avancés » parce qu’ils sont obscurs, mais parce qu’ils supposent que les fondamentaux sont acquis. Avant de commencer, assurez-vous de maîtriser les notions de la rubrique Les bases du langage MQL5 (types, fonctions, tableaux, structures, fonctions événementielles) et d’avoir codé au moins un robot simple en suivant la rubrique Construire un Expert Advisor.
À qui s’adresse cette rubrique
Elle vise trois profils. Le premier est le trader-développeur dont l’EA a grossi par ajouts successifs : des centaines de lignes dans OnTick, des variables globales partout, des copier-coller entre projets. La programmation orientée objet et la bibliothèque standard lui permettront de réorganiser ce code en composants réutilisables. Le deuxième profil est l’analyste quantitatif qui veut exploiter des statistiques, des régressions ou des modèles entraînés en Python : les pages sur les matrices, ONNX et le module Python MetaTrader5 lui sont destinées. Le troisième est le développeur qui prépare une diffusion de son travail, en équipe ou à des clients : le profilage, Algo Forge et la publication sur le Market couvrent les exigences de qualité, de traçabilité et de conformité.
Chaque page traite une seule question, avec un exemple de code complet et commenté, une section consacrée aux pièges rencontrés en trading et une FAQ. Les fonctions citées sont vérifiées sur la documentation officielle de MQL5 ; lorsqu’un comportement dépend de la version du terminal, nous le signalons.
Ordre de lecture conseillé
Les quatorze pages peuvent être consultées indépendamment, mais un parcours logique existe. Nous vous recommandons de les aborder en quatre blocs.
- Structurer son code : classes, puis héritage et polymorphisme, puis bibliothèque standard. Ces trois pages forment un tout : la bibliothèque standard est elle-même écrite en POO, et la comprendre suppose de savoir lire une hiérarchie de classes.
- Calculer et modéliser : matrices et vecteurs, puis modèles ONNX, puis module Python. Les matrices sont le format d’entrée et de sortie naturel d’un modèle ONNX, et Python est l’environnement où ce modèle est généralement entraîné.
- Échanger des données : fichiers CSV, bases SQLite, WebRequest, DLL et calendrier économique. Ce bloc couvre la persistance, l’import et l’export, et la connexion à des services externes.
- Outils professionnels : profilage, gestion de versions avec Algo Forge et publication sur le Market. À lire avant de livrer un programme à quelqu’un d’autre que vous-même.
Bloc 1 : structurer son code
Programmation orientée objet : classes
La page Programmation orientée objet : classes explique comment regrouper données et comportements dans une class : membres privés et publics, constructeurs et listes d’initialisation, destructeurs, objets automatiques et dynamiques créés avec new, contrôle des pointeurs avec CheckPointer. L’exemple fil rouge encapsule un gestionnaire de risque que vous pourrez réutiliser dans tous vos EA.
Héritage et polymorphisme
La page Héritage et polymorphisme montre comment dériver une classe d’une autre, redéfinir des méthodes virtual, sécuriser les redéfinitions avec override et final, et concevoir des classes abstraites avec des fonctions virtuelles pures. Application concrète : une famille de signaux d’entrée interchangeables pilotés par un même moteur.
La bibliothèque standard
La page La bibliothèque standard cartographie les dossiers de Include livrés avec MetaTrader 5 : classes de trading (CTrade, CPositionInfo, CSymbolInfo, CAccountInfo…), collections de données (CArrayObj, CList), collections génériques (CHashMap, CArrayList), indicateurs, panneaux et dialogues. Elle vous aide à savoir quoi réutiliser plutôt que de réécrire. Le détail de CTrade est traité dans la rubrique trading, à la page La classe CTrade.
Bloc 2 : calculer et modéliser
Matrices et vecteurs
Les types matrix et vector apportent l’algèbre linéaire native à MQL5. La page Matrices et vecteurs couvre leur initialisation, le chargement direct de cotations avec la méthode CopyRates, les statistiques (Mean, Std, CorrCoef), le produit matriciel MatMul et un exemple de matrice de corrélation entre plusieurs symboles.
Modèles ONNX dans MQL5
La page Modèles ONNX dans MQL5 détaille l’intégration d’un modèle d’apprentissage automatique exporté au format ONNX : inclusion du fichier comme ressource, création de la session avec OnnxCreateFromBuffer, déclaration des formes d’entrée et de sortie, exécution avec OnnxRun, et surtout la cohérence indispensable entre le prétraitement fait à l’entraînement et celui fait dans l’EA.
Le module Python MetaTrader5
La page Le module Python MetaTrader5 présente le paquet officiel installé avec pip install MetaTrader5 : connexion au terminal, récupération de barres et de ticks dans des tableaux NumPy, lecture des positions, et envoi d’ordres. C’est l’outil idéal pour la recherche et l’analyse ; nous verrons aussi pourquoi il ne remplace pas un EA pour l’exécution.
Bloc 3 : échanger des données
Fichiers CSV
La page Lire et écrire des fichiers CSV explique le bac à sable de fichiers, les drapeaux de FileOpen, l’écriture avec FileWrite et la lecture champ par champ avec FileReadString. Cas d’usage : exporter un journal de trades vers un tableur, importer une liste de paramètres.
Bases de données SQLite
MQL5 embarque un moteur SQLite. La page Bases de données SQLite montre comment créer une base avec DatabaseOpen, exécuter des requêtes, utiliser des requêtes préparées et des transactions, puis analyser vos résultats de trading en SQL.
WebRequest et API externes
La page WebRequest et API externes couvre les deux signatures de WebRequest, l’autorisation des URL dans les options du terminal, la construction d’en-têtes HTTP, le traitement de la réponse et les contraintes : appel synchrone, interdiction dans les indicateurs et dans le testeur de stratégie.
Importer des DLL
La page Importer des DLL explique la directive #import, l’ordre de recherche des bibliothèques, les types de paramètres autorisés et les risques de sécurité. Elle précise aussi pourquoi un produit destiné au Market ne peut pas utiliser de DLL.
Le calendrier économique en MQL5
La page Le calendrier économique en MQL5 montre comment interroger les événements macroéconomiques avec CalendarValueHistory, CalendarEventById et CalendarCountryById, interpréter les valeurs (stockées multipliées par un million) et construire un filtre « pas de nouvelle trade avant une annonce importante ».
Bloc 4 : outils professionnels
Profiler et optimiser son code
La page Profiler et optimiser son code présente le profileur de MetaEditor (sur données réelles ou historiques), la lecture des colonnes Total CPU et Self CPU, la mesure manuelle avec GetMicrosecondCount, et les optimisations qui comptent vraiment dans un EA : éviter de recalculer à chaque tick, réutiliser les handles, limiter les copies de données.
Versionner son code avec MQL5 Algo Forge
La page Versionner son code (MQL5 Algo Forge) explique le dépôt Git intégré à MetaEditor : activation, commits, synchronisation avec le serveur, branches et fusions, dépôts privés par défaut et collaboration.
Publier un produit sur le Market MQL5
La page Publier un produit sur le Market MQL5 détaille l’inscription comme vendeur, la validation automatique dans le testeur, les vérifications à intégrer dans votre code pour la réussir, et les règles de présentation du produit.
Comment tirer le meilleur parti de ces pages
Lisez chaque page avec MetaEditor ouvert. Les exemples sont conçus pour compiler tels quels ; modifiez-les, provoquez volontairement des erreurs, observez les messages du journal. Pour les sujets de calcul, comparez vos résultats avec un tableur ou un script Python : c’est le meilleur moyen de vérifier que vous avez bien compris l’orientation d’une matrice ou la normalisation d’une entrée.
Testez systématiquement dans le Strategy Tester avant toute utilisation sur un compte, en gardant à l’esprit que certaines fonctions s’y comportent différemment (WebRequest y est indisponible, par exemple). La rubrique Strategy Tester et optimisation vous aidera à mettre en place des tests fiables. Enfin, conservez une démarche sobre : une technique avancée n’améliore pas une stratégie sans avantage statistique. Un modèle ONNX ou une architecture objet élégante ne remplacent ni une hypothèse testable ni une gestion du risque rigoureuse.
Questions fréquentes
Faut-il connaître le C++ pour aborder MQL5 avancé ?
Non. MQL5 reprend la syntaxe du C++ pour les classes, l’héritage et les modèles (templates), mais il est plus restreint : pas de pointeurs bruts au sens du C++, pas d’héritage multiple de classes. Une bonne maîtrise des bases de MQL5 suffit ; les notions propres à la POO sont expliquées pas à pas dans les deux premières pages.
Par quelle page commencer si je veux utiliser du machine learning ?
Lisez d’abord la page sur les matrices et vecteurs, car c’est le format des données d’entrée et de sortie d’un modèle. Passez ensuite au module Python MetaTrader5 pour récupérer les données d’entraînement, puis à la page ONNX pour intégrer le modèle entraîné dans un Expert Advisor.
Ces fonctions avancées fonctionnent-elles dans le Strategy Tester ?
La plupart oui : classes, matrices, ONNX, fichiers et SQLite fonctionnent en backtest, les fichiers étant alors lus et écrits dans le dossier de l’agent de test. WebRequest, en revanche, n’est pas disponible dans le testeur. Chaque page précise les limites propres à la fonction étudiée.
Les programmes utilisant ces techniques peuvent-ils être vendus sur le Market ?
Oui pour la POO, les matrices, ONNX, les fichiers ou SQLite, à condition de passer la validation automatique. Les appels de DLL sont en revanche interdits par les règles du Market. La dernière page de la rubrique détaille ces exigences.
- Programmation orientée objet : classes
- Héritage et polymorphisme
- La bibliothèque standard
- Matrices et vecteurs
- Modèles ONNX dans MQL5
- Le module Python MetaTrader5
- Lire et écrire des fichiers CSV
- Bases de données SQLite
- WebRequest et API externes
- Importer des DLL
- Le calendrier économique en MQL5
- Profiler et optimiser son code
- Versionner son code (MQL5 Algo Forge)
- Publier un produit sur le Market MQL5
