--- title: Conectando Python y R con MetaTrader 4 date: 2017-09-13T17:52:32Z modified: 2024-07-05T16:16:16Z permalink: "https://www.x-trader.net/conectando-python-y-r-con-metatrader-4/" type: post status: publish excerpt: "En este artículo de Darwinex podéis encontrar la solución a un problema al que se enfrentan los quants: cómo hacer que R y Python interactúen con Metatrader 4." wpid: 1277 categories: - Software y Tecnología tags: - MetaTrader - Programación para Traders - Python para Trading featured_image: "https://www.x-trader.net/wp-content/uploads/2014/09/intro_codigo-programacion.jpg" featured_image_alt: intro_codigo-programacion author: X-Trader --- En este artículo presentamos una técnica que utiliza **ZeroMQ** (una librería de código abierto para mensajería asíncrona destinada a su uso en aplicaciones distribuidas escalables o concurrentes) para crear un puente básico de alto rendimiento –aunque fácilmente ampliable– entre lenguajes externos de programación y MetaTrader 4. ## **Razones por las que hemos escrito este artículo**: 1. Falta de literatura detallada y disponible públicamente acerca de este tema en Internet. 2. Los traders tradicionalmente han trabajado con soluciones basadas en Winsock/WinAPI que a menudo requieren ser revisadas cuando salen actualizaciones por parte de Microsoft y MetaQuotes. 3. Las alternativas a ZeroMQ incluyen ‘named pipes’ y enfoques en los que una funcionalidad dependiente del sistema de archivos crea el puente entre MetaTrader y los lenguajes externos. En este artículo, proporcionamos las bases para un sistema de trading distribuido en el que: 1. Existirá una o más estrategias de trading desarrolladas fuera de MetaTrader 4 (por tanto, no escritas en MQL). 2. Se utilizará MetaTrader 4 para la adquisición de datos de mercado, la ejecución de las operaciones y su posterior gestión. 3. Se soportarán múltiples estrategias creadas con lenguajes externos que interactuarán con MetaTrader 4 simultáneamente. 4. Se considerará cada estrategia de trading como un «Cliente» independiente. 5. Se considerará MetaTrader 4 como el «Servidor», siendo el medio para acceder al mercado. 6. Permitirá que tanto el Servidor como los Clientes se comunicarán entre sí bajo demanda. **Infraestructura de Trading Distribuida basada en ZeroMQ (con MetaTrader 4)** ![](https://www.x-trader.net/wp-content/uploads/2017/09/Infraestructura-Trading-Distribuida-ZeroMQ-con-MetaTrader4-fit-547x723-1.png) ## **¿Por Qué ZeroMQ?** 1. Permite a los programadores conectar cualquier código a otro código, de varias maneras. 2. Elimina la dependencia del usuario de la tecnología soportada por MetaTrader (características, indicadores, construcciones de lenguaje, librerías, etc.) 3. Los traders pueden desarrollar indicadores y estrategias en C/C#/C++, Python, R y Java entre otros, e implementarlos en el mercado a través de MetaTrader 4. 4. Aprovechar las herramientas de machine learning disponibles en Python y R para el análisis de datos complejos y el desarrollo de estrategias, al mismo tiempo que se relaciona con MetaTrader 4 para la ejecución y gestión de las operaciones. 5. ZeroMQ puede ser utilizado como una capa de transporte de alto rendimiento en sistemas sofisticados y distribuidos, que de otro modo serían difíciles de implementar con MQL. 6. Podemos construir diferentes componentes de una estrategia usando distintos lenguajes si es necesario, y de manera transparente comunicarse entre sí a través de los protocolos TCP, in-process, interprocess o multicast. 7. Múltiples patrones de comunicación y funcionamiento desconectado. ## **ZeroMQ: Lenguajes de Programación Soportados** Aunque en este artículo nos centraremos en MQL interactuando con Python y R, el proceso descrito aquí puede ser fácilmente implementado en otros lenguajes soportados por ZeroMQ. Una lista detallada de vínculos de ZeroMQ con otros lenguajes podéis encontrarla aquí:: **[Vínculos de ZeroMQ con otros lenguajes](http://zeromq.org/bindings:_start)** ## **¿Quién más está usando ZeroMQ?** AT&T, Cisco, EA, Los Alamos Labs, NASA, Weta Digital, Zynga, Spotify, Samsung Electronics, Microsoft, CERN y Darwinex Labs. **Asimismo ZeroMQ está detrás de al menos 5 DARWINS en [DARWIN Exchange](http://www.darwinex.com/explore), en los que las estrategias están escritas usando C++, Python y R.** **Planificando el Control del Flujo** Este artículo no pretende ser un tutorial detallado de **ZeroMQ**. Sin embargo, es importante entender algunas cosas acerca de ZeroMQ que lo hacen particularmente adecuado para la tarea de conectar lenguajes de programación externos como [Python](https://www.x-trader.net/foro/viewforum.php?f=86) y [R](https://www.x-trader.net/foro/viewforum.php?f=93) a [MetaTrader 4](https://www.x-trader.net/foro/viewforum.php?f=16). - Soporta redes TCP, inter-process, in-process, PGM y EPGM habilitado para multidifusión. Usaremos el tipo de transporte **TCP** para la implementación en este artículo. - ZeroMQ permite a los servidores y a los clientes conectarse “entre sí” bajo demanda, algo particularmente útil para diseñar infraestructuras distribuidas de trading. - Además del soporte para comunicación asíncrona y el funcionamiento desconectado, ZeroMQ soporta varios patrones de comunicación que permiten una transferencia de datos de nivel superior, lo que libera a los programadores para centrarse más en la lógica de transferencia que en los mecanismos de bajo nivel. - **Estos patrones incluyen:** Request (REQ) / Reply (REP), Publish (PUB) / Subscribe (SUB) y Push (PUSH) / Pull (PULL). Para la implementación que veremos en este artículo, emplearemos **los patrones de comunicación REQ/REP** y **PUSH/PULL** de ZeroMQ. MetaTrader 4 será nuestro “Servidor”, y las estrategias de trading actuarán como “Clientes”. Debemos tener en cuenta que esto (MT4 = Servidor, Estrategia = Cliente) no es un algo obligatorio – tendremos que decidir sobre cualquier control de flujo que se adapte mejor a nuestras necesidades particulares. Por ejemplo, podemos designar una máquina independiente tanto de la estrategia de trading como de MetaTrader 4, como nuestro Servidor, y que tanto las Estrategias como MT4 actúen como Clientes. Hay varias maneras de alcanzar nuestro objetivo; planificar cuidadosamente el control de flujo conducirá a una funcionalidad eficiente. ## **Patrón Request (REQ) / Reply (REP)** El **Servidor** (MetaTrader 4 EA) empleará un socket TCP de tipo **REP**, para recibir solicitudes y enviar respuestas. **Un socket REP SIEMPRE debe iniciarse con un par de llamadas**: primero, una recepción de una solicitud, seguida de un envío de respuesta. El **Cliente** (la Estrategia de Trading, por ejemplo, en Python) empleará un socket TCP de tipo **REQ**, para enviar solicitudes y recibir respuestas. **Al igual que antes, un socket REQ SIEMPRE debe iniciarse con un par de llamadas**: en primer lugar, un envío de una petición, seguido de una recepción de respuesta. Para esta implementación, el patrón REQ / REP permitirá que nuestros Clientes envíen comandos al Servidor MetaTrader 4 y reciban confirmación de los mismos (por ejemplo, ABRIR/MODIFICAR/CERRAR operaciones, OBTENER COTIZACIONES BID / ASK, OBTENER DATOS HISTÓRICOS, etc.) ## **Patrón Push (PUSH) / Pull (PULL)** El **Servidor** (MetaTrader 4 EA) también empleará un segundo socket **PUSH** para enviar información adicional a los Clientes (Estrategias de Trading). Este es un socket unidireccional, y el Servidor sólo podrá enviar datos a este socket, sin poder recibir nada de nuevo a través del mismo socket. El **Cliente** (Estrategia de Trading) también empleará un segundo socket **PULL** para recibir información adicional del Servidor. Esto también es un socket unidireccional, y el Cliente sólo podrá recibir datos de este socket, sin poder enviar nada a través del mismo socket. El patrón PUSH / PULL permite a Servidores y Clientes intercambiar datos entre sí bajo demanda, pero en una dirección sin esperar una respuesta. Esto podría ser cambiado por otro patrón REQ / REP, dependiendo de los requisitos de control de flujo de nuestra aplicación. **En resumen, para esta implementación básica:** 1\. El Servidor empleará dos sockets, un REP y un PUSH. 2\. Cada Cliente empleará dos sockets, un REQ y un PULL. **Aspecto del plan de control de flujo en la práctica** ![](https://www.x-trader.net/wp-content/uploads/2017/09/ZeroMQ-Control-Flujo-fit-545x684-1.png) ## **MetaTrader 4 Expert Advisor – Componentes** Como hemos visto en el gráfico anterior, el Expert Advisor de MT4 servirá como nuestro Servidor habilitado para ZeroMQ, con tres módulos principales: 1\. **ENRUTADOR DE MENSAJES** – Esto permite que el EA reciba comandos y envíe confirmaciones de nuevo a los Clientes que se conecten (Estrategias de Trading) a través del socket REP. El enrutador pasa todos los mensajes al intérprete. **Nota:** _Para este ejemplo, el enrutador no sirve para mucho, pero es una buena práctica tener este intermediario donde varias estrategias se conectan al Servidor (MT4) y seguramente sea necesario realizar algún pre-análisis._ 2\. **INTÉRPRETE DE MENSAJES** – Los mensajes recibidos por este módulo se descomponen en acciones para el siguiente módulo (Interpreter & Executor). 3\. **INTERPRETER & EXECUTOR** – Este módulo literalmente «interpreta» mensajes descompuestos y realiza las acciones solicitadas en consecuencia. Por ejemplo, si el Cliente está solicitando datos de mercado, el módulo los recopila de la Base de Datos de Históricos de MetaTrader 4 y la envía al Cliente a través del socket PUSH. Alternativamente, si el Cliente solicita que se abra una operación de COMPRA o VENTA por ejemplo en EUR/USD, envía la operación al mercado y una notificación de éxito/fallo/número de ticket al Cliente a través del socket PUSH. **Requisitos para la Implementación** 1. **Vínculos ZeroMQ – MQL4** -> Descargar e instalar los archivos necesarios tal y como se explica aquí: [https://github.com/dingmaotu/mql-zmq](https://github.com/dingmaotu/mql-zmq) 2. **Para Python** -> Librería “pyzmq” 3. **Para R** -> Librería “rzmq” ## **Código de Ejemplo** Para que tengáis un punto de partida, hemos publicado un Experto Advisor para MetaTrader 4 con la implementación completa que acabamos de ver en este artículo. El código MQL proporcionado es bastante extensible, y puede utilizarse como una plantilla para su propio código. **Enlaces en GitHub** [1. Expert Advisor MT4 habilitado para ZeroMQ – GitHub](https://github.com/darwinex/DarwinexLabs/blob/master/tools/MQL4/ZeroMQ_MT4_EA_Template.mq4) [2. Ejemplo de cliente ZeroMQ en R – GitHub](https://github.com/darwinex/DarwinexLabs/blob/master/tools/R/ZeroMQ_MT4_R_Template.R) [3. Ejemplo de Cliente ZeroMQ en Python – GitHub](https://github.com/darwinex/DarwinexLabs/blob/master/tools/Python/ZeroMQ_MT4_Python_Template.py) **Notas:** 1\. Los ejemplos en Python y R demuestran cómo se implementan los patrones de comunicación. 2\. Es bastante simple integrar este código en las estrategias de trading que haya creado ya en Python / R. ## Topics **Categorías:** [Software y Tecnología](https://www.x-trader.net/wp-content/uploads/wp-mfa-exports/taxonomy/category/software-y-tecnologia.md) **Etiquetas:** [MetaTrader](https://www.x-trader.net/wp-content/uploads/wp-mfa-exports/taxonomy/post_tag/metatrader.md), [Programación para Traders](https://www.x-trader.net/wp-content/uploads/wp-mfa-exports/taxonomy/post_tag/programacion-para-traders.md), [Python para Trading](https://www.x-trader.net/wp-content/uploads/wp-mfa-exports/taxonomy/post_tag/python-para-trading.md)