MT5 API + AI: bouw een geautomatiseerde bot door simpelweg te praten

Aan het einde van deze handleiding zul je in staat zijn om je handelsideeën om te zetten in een volledig operationeel systeem, waarbij je uitsluitend gebruikmaakt van eenvoudige instructies in het Engels voor Claude Code. Dit is precies wat we vandaag gaan doen:

• Maak je bot – Beschrijf je unieke handelsregels aan de AI en zie hoe deze direct een robuust, overzichtelijk geautomatiseerd handelsscript genereert.
• Test de strategie – Voer een uitgebreide backtest van de strategie uit op historische gegevens om te beoordelen hoe uw regels in het verleden zouden hebben gepresteerd.
• Implementeer veilig – Start je nieuw gecreëerde strategie direct op een demo-account om het gedrag en de uitvoering ervan onder live marktomstandigheden te verifiëren, zonder enig financieel risico.

Als je je omgeving al hebt ingericht volgens de vorige delen van deze serie, ben je slechts een paar eenvoudige commando’s verwijderd van het lanceren van je eigen code-vrije algoritmische handelssysteem. 

Laten we aan de slag gaan!

Het totaalbeeld van geautomatiseerd handelen

De weg van idee naar live geautomatiseerde handel verloopt in vier stappen:

De belangrijkste stap is stap 1 – "Definieer je regels." AI kan de code schrijven, maar de keuze van de handelsstrategie is aan jou.

Waarom Python in plaats van MQL5?

Bij het automatiseren van strategieën op MetaTrader 5 is de traditionele aanpak het bouwen van een EA (Expert Advisor) met behulp van MQL5 – de eigen programmeertaal van het platform. 

In deze serie pakken we het echter anders aan door Python te gebruiken om MT5 extern aan te sturen. Laten we eens nader bekijken waarom we deze keuze hebben gemaakt, welke enorme voordelen dit u biedt en welke afwegingen u in gedachten moet houden.

Kan MQL5 niet communiceren met AI?

Technisch gezien wel. MQL5 beschikt over een ingebouwde WebRequest()-functie waarmee het via HTTP met de buitenwereld kan communiceren.

Het is echter een enorme hoofdpijn om MQL5 rechtstreeks te verbinden met moderne AI-systemen. Je zou handmatig JSON-parsers moeten coderen en complexe API-integraties voor tools als Claude of OpenAI volledig vanaf nul moeten bouwen. Het vereist een enorme hoeveelheid geavanceerde programmeerwerk om zelfs maar een eenvoudig antwoord te krijgen.

Waarom Python wint 

Python is de onbetwiste koning van kunstmatige intelligentie en datawetenschap. In plaats van het wiel opnieuw uit te vinden, biedt Python je toegang tot officiële, plug-and-play SDK’s van elke grote AI-aanbieder. Het integreren van geavanceerde AI zoals Claude vergt slechts de installatie van een eenvoudige bibliotheek en een paar regels overzichtelijke code.

Bovendien opent het gebruik van Python de deur naar een enorm ecosysteem van externe tools die praktisch onmogelijk te bouwen zouden zijn met alleen MQL5. Later in dit traject kun je met Python eenvoudig het volgende maken:

• Aangepaste GUI-dashboards – Prachtige, gepersonaliseerde visuele interfaces om je transacties te volgen.
• Directe meldingen – Live meldingen die rechtstreeks naar je Telegram, Discord of mobiele telefoon worden gestuurd.
• Geavanceerde data-analyse – Interactieve grafieken en geautomatiseerde PDF-prestatierapporten die direct worden gegenereerd.

Het oordeel: Python is de logische, onbetwiste keuze voor wie een intelligent handelsecosysteem wil opbouwen dat verder reikt dan de grenzen van een standaard grafiekplatform.

De afwegingen

Om eerlijk te zijn: geen enkele opzet is perfect. Hoewel Python ons ongelooflijke AI-flexibiliteit biedt, brengt het enkele afwegingen met zich mee in vergelijking met native MQL5-scripts:

• Snelheid van orderuitvoering – Python communiceert met MT5 via een externe bridge (interprocescommunicatie). Dit voegt een minuscuul beetje vertraging toe in vergelijking met MQL5-code die native binnen het platform draait. Voor standaard algoritmische handel is dit niet relevant, maar als je een ultrasnelle high-frequency scalpingbot bouwt, is MQL5 nog steeds de beste keuze.
• Geen native strategietester – MQL5-scripts kunnen rechtstreeks gebruikmaken van de ingebouwde strategietester van MT5 voor optimalisatie op tick-niveau. Externe Python-scripts kunnen deze tool niet native gebruiken, wat betekent dat het testen van historische gegevens moet worden afgehandeld via de gegevensbibliotheken van Python.
• Twee programma’s die tegelijkertijd draaien – om je bot te laten werken, moeten zowel je Python-omgeving als je MT5-terminal tegelijkertijd op je computer draaien. Met een MQL5-EA volstaat het MT5-platform alleen.

Hoe kiest u uw tool?

Bouw je geautomatiseerde handelsbot

Nu je begrijpt waarom we Python gebruiken, is het tijd om Claude Code te openen en te beginnen met bouwen. Je hoeft je geen zorgen te maken over de onderliggende syntaxis; jouw enige taak is om je marktlogica duidelijk uit te leggen aan de AI, en die zorgt dan voor het zware werk om die concepten om te zetten in werkende code. 

Laten we eens kijken hoe dit in de praktijk werkt.

Stap 1: Definieer je handelsregels

Laten we beginnen met een eenvoudige regel. Voor dit artikel gebruiken we een klassieke moving average (MA)-crossover-strategie als voorbeeld.

Onze handelsregels:

• Instrument: USD/JPY
• Tijdsbestek: 1 uur (H1)
• Koopmoment: wanneer het 20-perioden MA boven het 50-perioden MA uitkomt (golden cross)
• Verkoopmoment: wanneer het 20-periodes MA onder het 50-periodes MA komt (dead cross)
• Positiegrootte: 0,01 lot (minimaal)
• Uitstap: Sluit de positie en draai deze om bij het tegenovergestelde signaal.

Deze regel dient uitsluitend als leervoorbeeld. Gebruik voor effectieve handel een strategie die is gebaseerd op uw eigen analyse en validatie.

Stap 2: Laat AI de code schrijven

Zodra je de regels hebt gedefinieerd, hoef je Claude Code alleen maar te vertellen wat je wilt.

U hoeft niet elk detail te begrijpen, maar het is belangrijk om te controleren of de door de AI gegenereerde code overeenkomt met de regels die u voor ogen had. Als er iets onduidelijk is, vraag dan gewoon aan Claude Code: “Wat doet dit deel?”, en het zal het in gewone taal uitleggen.

Stap 3: Backtest en valideer

Zodra de code gereed is, valideren we de strategie aan de hand van historische gegevens. Backtesten is een cruciale stap die laat zien hoe de strategie in het verleden zou hebben gepresteerd – voordat je echt geld op het spel zet.

Om dit proces op gang te brengen, hoef je Claude Code alleen maar te vragen het script uit te voeren en de backtest direct binnen je projectomgeving te draaien:

Zodra de backtest is voltooid, is het bekijken van de ruwe cijfers niet altijd voldoende om een strategie te beoordelen – je moet ook daadwerkelijk kijken hoe deze zich in de loop van de tijd heeft gedragen. Om een duidelijk beeld te krijgen van je prestaties, vraag je de AI gewoon om je transacties en je rekeningsaldo visueel in kaart te brengen:

Als de cijfers en grafieken op zichzelf moeilijk te interpreteren zijn, kun je Claude Code vragen: „Analyseer deze resultaten en vertel me wat de sterke en zwakke punten van de strategie zijn“ – het systeem geeft dan uitleg bij elke statistiek, samen met suggesties voor verbetering.

Belangrijke backtest-statistieken om te onthouden: 

• Win Rate – Het percentage transacties dat winst opleverde
• Winstfactor (PF) – Totale winst gedeeld door totale verliezen. Een waarde boven 1,0 betekent nettowinst; over het algemeen wordt een waarde van 1,5 of hoger als wenselijk beschouwd
• Maximale drawdown (DD) – De grootste daling van het rekeningvermogen van piek tot dal. Een maatstaf voor risico
• Gemiddelde winst / Gemiddeld verlies – De verhouding tussen de gemiddelde winnende transactie en de gemiddelde verliesgevende transactie. Ook bekend als de risico-rendementsverhouding

Strategie verbeteren

Een winstfactor (PF) van 0,99 betekent dat de strategie na aftrek van transactiekosten in wezen break-even draait. De echte kracht van het werken met Claude Code is dat je je systeem stapsgewijs kunt verbeteren via een eenvoudige, iteratieve cyclus: pas de regels aan, voer een nieuwe backtest uit en bekijk de bijgewerkte statistieken.

Verbetering 1: Stop-loss en take-profit toevoegen

Om van dit break-even-systeem een professionele strategie te maken, is onze eerste stap het implementeren van klassiek risicobeheer. We laten de AI een strikte Stop Loss (SL) en Take Profit (TP) toevoegen, gemeten in pips, waardoor we meerdere configuraties kunnen vergelijken:

Verbetering 2: De MA-periodes optimaliseren

Vervolgens controleren we of de MA-periodes (20/50) werkelijk optimaal zijn door andere combinaties uit te proberen.

Verbetering 3: Een RSI-filter toevoegen

Ten slotte voegen we een RSI-filter (Relative Strength Index) toe. Door instapmomenten te vermijden wanneer de markt overgekocht of oververkocht is, kunnen we het aantal transacties op ongunstige momenten verminderen.

Samenvatting van de verbeteringen

Hieronder ziet u hoe de strategie zich in drie verbeteringsrondes heeft ontwikkeld.

De PF is verbeterd van 0,99 naar 1,77; de maximale drawdown daalde van £ 13.480 naar £ 3.330. Beschrijf de gewenste richting van de verbetering in gewone taal; de AI regelt de aanpassingen aan de code en de backtesting. 

Dat is de kracht van deze aanpak.

Valideren met langetermijngegevens

Optimaliseren op basis van een korte periode brengt het risico van overfitting met zich mee – een strategie die alleen maar geschikt is voor die periode. De API van MT5 kan ongeveer 8 jaar aan H1-gegevens ophalen, dus laten we de backtest uitbreiden en opnieuw evalueren.

Elke stap blijft gedurende acht jaar boven 1,0, wat bevestigt dat de richting klopt – hoewel de daling van 1,77 naar 1,21 wijst op enige overfitting.

Onthoud goed: backtests maken gebruik van historische gegevens en bieden geen garantie voor toekomstige resultaten. Overfitting op het verleden kan in live markten mislukken – beschouw deze cijfers alleen als referentie en test altijd eerst in een demo-omgeving voordat u live gaat.

Testen met hogere precisie met tick-gegevens

Hoewel kaarsen van één uur zeer efficiënt zijn voor backtesting, creëren ze een gevaarlijke blinde vlek. Ze verbergen of de markt binnen dat uur eerst de hoogste of de laagste koers heeft bereikt. Als een volatiele koersbeweging toevallig zowel uw Stop Loss- als Take Profit-niveaus binnen dezelfde kaars activeert, kunnen de statistieken van uw strategie volledig onnauwkeurig zijn. 

Om dit giswerk te elimineren, kunt u Claude Code opdracht geven om gebruik te maken van de ingebouwde tick-gegevensopvraging van MT5 door simpelweg te zeggen: "Voer de backtest uit met behulp van tick-gegevens." 

Toen we een omvangrijke validatie van 15,2 miljoen ticks vergeleken met onze gegevens op basis van uurbalken, kwamen de resultaten voor onze brede SL 80 / TP 160-configuratie kwamen exact overeen, omdat de koers zelden beide doelen binnen hetzelfde uur bereikte; als je strategie echter uitgaat van strakke, smalle doelen van ongeveer 10 tot 20 pips, is het absoluut essentieel om over te schakelen naar nauwkeurige verificatie op tick-niveau – houd er wel rekening mee dat de diepte van de beschikbare historische gegevens volledig afhangt van de serverlimieten van je broker.

Stap 4: Test op een demo-account

Zodra de backtest veelbelovende resultaten laat zien, is het tijd om de strategie op een demo-account uit te voeren.

Schakel "Algo Trading" in MT5 in

Om orders vanuit Python naar MT5 te verzenden, moet u Algo Trading aan de MT5-kant inschakelen. Klik op de knop "Algo Trading" in de MT5-werkbalk om deze te activeren (groen afspeelpictogram).

Voordat u de strategie activeert, dient u te controleren of geautomatiseerde handel in de instellingen van de MetaTrader 5-terminal is ingeschakeld. MT5 wijst anders alle vanuit Python verzonden orderverzoeken automatisch af. 

Voer een niet-geverifieerd script voor geautomatiseerd handelen nooit rechtstreeks op een live-account met echt geld uit. Fouten in de code, netwerkstoringen of onverwachte marktomstandigheden kunnen anders onbedoelde financiële risico’s veroorzaken. Om uw systeem veilig te verifiëren, kunt u uw backtest-script moeiteloos omzetten in een versie voor live-uitvoering door tegen Claude Code te zeggen: „Zet dit om in een script voor live-uitvoering dat echte orders via MT5 verstuurt. Controleer dit elke keer dat een H1-balk sluit; voeg logboekregistratie toe; zorg ervoor dat het met Ctrl+C kan worden gestopt.” Daardoor kunt u de nieuw gegenereerde code onmiddellijk op een beveiligde demo-account uitvoeren.

Uitvoeren op een demo-account

Zodra het script is gestart, controleert het de meest recente gegevens telkens wanneer een H1-balk sluit. Wanneer er een signaal wordt geactiveerd, plaatst het automatisch een order. Wanneer een transactie is uitgevoerd, zie je de positie ook verschijnen op het tabblad ‘Trade’ van MT5.

Resultaten na een nacht draaien

Na het 's nachts (ongeveer 14 uur) uitvoeren van deze strategie op de demo-account werd er geen enkele transactie geactiveerd. Golden crosses en dead crosses op het H1-tijdsbestek zijn gebeurtenissen die slechts eens in de paar dagen tot enkele weken plaatsvinden, waardoor het moeilijk is om meteen te ervaren dat "de bot daadwerkelijk een order plaatst".

Daarom hebben we besloten om ook een strategie met een korter tijdsbestek te proberen, waarbij veel vaker wordt gehandeld.

Kortetermijnstrategie uitproberen

Deze keer testen we RSI-mean-reversion op de 15-minutengrafiek (M15). Daalt de RSI onder 30, dan kopen we omdat de koers volgens ons ‘oversold’ is. Stijgt de RSI boven 70, dan verkopen we omdat de koers volgens ons ‘overbought’ is. Op het M15-tijdsbestek kunnen we meerdere signalen per dag verwachten.

Regels voor RSI-mean-reversion-scalping:

• Instrument: USD/JPY
• Tijdsbestek: 15 minuten (M15)
• Koopinstap: RSI(14) daalt onder de 30
• Verkoop: RSI(14) stijgt boven de 70
• Uitstap: Sluit de positie en draai deze om bij het tegenovergestelde signaal

We volgen hetzelfde verbeteringsproces als bij de MA-crossover-strategie (SL/TP toevoegen, filters toevoegen, validatie op lange termijn).

SL20/TP20 in combinatie met het MA(200)-filter levert het beste resultaat op: PF 1,26, max. DD ¥1.752. Het MA-filter voegt de voorwaarde „alleen kopen tijdens opwaartse trends, alleen verkopen tijdens neerwaartse trends” toe, waardoor de nauwkeurigheid van de instapmomenten bij terugkeer naar het gemiddelde wordt verbeterd.

✓ Basis-PF 1,27 → met SL/TP: 1,05 → met MA-filter: 1,26.

Samenvatting van de 
verbeteringen

Het toevoegen van SL/TP leidt tijdelijk tot een daling van de PF, maar het beperkt het verlies per transactie — een zinvolle stap in risicobeheer. Het MA-filter herstelt de PF, hoewel het aantal transacties sterk daalt van 1.075 naar 330. Aangezien we willen dat er daadwerkelijk transacties plaatsvinden op de demo-account, kiezen we bewust voor de opzet met hogere frequentie zonder filter (alleen SL20/TP20).

Valideren met langetermijngegevens

Net als bij de MA-crossover-strategie controleren we op overfitting door de strategie toe te passen op gegevens over een langere periode.

Vervolgens hebben we RSI(14)<30/>70 + SL20/TP20 getest op een live demo-account:

Hier zijn de resultaten na vier dagen uitvoeren op de demo-account.

Resultaten van de forwardtest (4 dagen):

• Transacties: 20 (ongeveer 5 per dag)
• Winst/verlies: 8 winsten, 12 verliezen (winstpercentage van 40%)
• Totaal resultaat: £ -6,48

De resultaten komen grotendeels overeen met de backtest (PF 1,05) en eindigen licht in het rood. Terwijl de MA-crossover-strategie 's nachts geen transacties opleverde, genereerde de M15 RSI-mean-reversion-strategie 20 transacties in 4 dagen – wat bevestigt dat het geautomatiseerde script orders kan plaatsen via MT5 en deze automatisch kan laten sluiten via SL/TP.

Natuurlijk kun je een strategie niet beoordelen op basis van slechts vier dagen en twintig transacties. Zoals we in de validatie van de langetermijn-backtest hebben vastgesteld, zijn de vooruitzichten op de lange termijn voor de configuratie zonder filter enigszins uitdagend. Voor gebruik in de praktijk zou het toevoegen van het MA-filter, het verkennen van verschillende strategieën en voortdurende validatie noodzakelijk zijn.

Wilt u verder testen?

Naast kruisingen van voortschrijdende gemiddelden kan AI een breed scala aan strategieën uitvoeren. Hier zijn enkele voorbeeldinstructies.

Als je je handelsidee in gewoon Engels kunt uitdrukken, wordt het een geautomatiseerde handelsstrategie.

Samenvatting

In dit artikel hebben we:

1. Een eenvoudige handelsregel gedefinieerd (MA-crossover-strategie)
2. hebben we Claude Code de regels in code laten omzetten
3. Een backtest uitgevoerd waarbij rekening is gehouden met spreadkosten en de resultaten in grafieken hebben weergegeven
4. De PF verbeterde van 0,99 naar 1,77 door toevoeging van SL/TP; optimalisatie van de MA-periode; en toevoeging van een RSI-filter.
5. Een backtest over acht jaar uitgevoerd om te controleren op het risico van overfitting.
6. De nauwkeurigheid van tickgegevens vergeleken met die van 1-uur-bar-gegevens
7. De gevalideerde strategie uitgevoerd op een demo-account. Omdat de MA-crossover (H1) een lage handelsfrequentie had, hebben we ook een RSI-scalpingstrategie op basis van mean reversion (M15) ontwikkeld en getest. We hebben de uitvoering ervan in de live demo-omgeving bevestigd.

Er is geen enkele regel code geschreven. De handelsregels zijn in gewone taal beschreven; er zijn instructies gegeven zoals „optimaliseer dit“ en „voeg een filter toe“; en de volledige cyclus is voltooid, van backtesting via optimalisatie en validatie tot live-uitvoering.

Dit artikel is uitsluitend bedoeld ter informatie en vormt geen beleggingsadvies of aanbeveling. CFD’s zijn complexe instrumenten en brengen een hoog risico op snel kapitaalverlies met zich mee vanwege de hefboomwerking. Zorg ervoor dat u de risico’s begrijpt. In het verleden behaalde resultaten bieden geen garantie voor de toekomst.