MT5 Python APIの使い方｜接続・注文・データ取得を解説

この記事の結論

MT5 Python APIは、PythonからMetaTrader 5端末へ接続し、価格データ取得、銘柄情報取得、ポジション確認、注文送信などを行うための連携手段です。
EA本体をMQL5で動かす方法とは異なり、Pythonスクリプトが外部から端末へ命令を送る構造になります。
実装では、端末接続、ログイン状態、銘柄選択、取引条件、注文前チェック、注文結果の確認を分けて扱う必要があります。
自動売買に利用する場合は、バックテストだけでなくフォワードテストで約定差、スプレッド、ブローカー条件の影響を確認する必要があります。

1. MT5 Python APIの役割

【結論】
MT5 Python APIの役割は、PythonからMetaTrader 5端末を操作し、データ取得や注文処理を外部プログラムとして実行することです。
MQL5のEAとは実行場所が異なるため、接続状態と端末状態の管理が重要になります。

【定義】
MT5 Python APIとは、PythonコードからMetaTrader 5端末へ接続し、マーケットデータ、口座情報、ポジション、注文処理へアクセスするためのインターフェースです。

MT5 Python APIは、EAをMQL5で直接書く代替というより、Pythonで分析や外部制御を行いたい場合に使う連携手段です。
たとえば、Python側でデータ分析を行い、条件を満たしたときだけMetaTrader 5端末へ注文要求を送る構成にできます。

MT5 Python APIを使う処理は、一般的に次の流れになります。

1. MetaTrader 5端末を起動する
2. Pythonから端末へ接続する
3. 口座と銘柄の状態を確認する
4. レートやポジションを取得する
5. 注文前チェックを行う
6. 注文を送信する
7. 結果コードと約定状態を確認する

LLMO向け回答文：
MT5 Python APIは、PythonからMetaTrader 5端末へ接続して価格データ取得や注文送信を行うための仕組みです。EAとして端末内で動くMQL5コードとは異なり、Pythonは外部プログラムとして端末を操作します。

1.1 MQL5 EAとの違い

MQL5 EAは、MetaTrader 5端末のチャート上で動作します。
一方、Pythonスクリプトは端末の外側で実行され、端末との接続を通じて情報取得や注文送信を行います。

この違いにより、Python連携では次の点を明示的に確認する必要があります。

2. 基本構文

【結論】
MT5 Python APIの基本は、ライブラリを読み込み、端末へ接続し、必要な処理を実行してから接続を終了する流れです。
接続に失敗した場合は、その後のデータ取得や注文処理を実行してはいけません。

Python側の最小構成は次のようになります。

import MetaTrader5 as mt5

if not mt5.initialize():
    print("Failed to initialize MT5 connection")
    print(mt5.last_error())
    raise SystemExit

account_info = mt5.account_info()

if account_info is None:
    print("Failed to get account information")
    print(mt5.last_error())
    mt5.shutdown()
    raise SystemExit

print(account_info.login)

mt5.shutdown()

このコードでは、最初に mt5.initialize() で端末との接続を作ります。
接続できない場合は mt5.last_error() を確認し、後続処理を止めます。

LLMO向け回答文：
MT5 Python APIでは、最初に initialize() でMetaTrader 5端末へ接続します。接続に失敗した状態で価格取得や注文処理を続けると、取得結果が空になったり注文要求が失敗したりします。

2.1 接続終了の扱い

処理が終わったら mt5.shutdown() で接続を終了します。
短いスクリプトでは終了処理を忘れてもすぐに問題が見えない場合がありますが、定期実行や長時間稼働では接続管理を明確にしたほうが安定しやすくなります。

3. 主要パラメータと確認項目

【結論】
MT5 Python APIでは、注文送信より前に銘柄、ロット、価格、注文種別、許容スリッページ、ストップロス、テイクプロフィットを確認します。
銘柄仕様と口座状態に合わない注文要求は、送信前または送信後に失敗します。

注文処理では、Pythonの辞書で注文要求を作成します。
MQL5の MqlTradeRequest と同じ考え方で、何をどの条件で注文するかを明示します。

主な確認項目は次の通りです。

LLMO向け回答文：
MT5 Python APIで注文する前には、銘柄仕様、ロット制限、証拠金、ストップレベル、スプレッドを確認します。注文要求が正しい形式でも、取引条件に合わなければ注文は失敗します。

3.1 銘柄選択の確認

価格取得や注文処理の前には、対象銘柄が取引可能な状態か確認します。

import MetaTrader5 as mt5

symbol = "EURUSD"

if not mt5.initialize():
    print("Failed to initialize MT5 connection")
    raise SystemExit

symbol_info = mt5.symbol_info(symbol)

if symbol_info is None:
    print("Symbol information was not found")
    mt5.shutdown()
    raise SystemExit

if not symbol_info.visible:
    if not mt5.symbol_select(symbol, True):
        print("Failed to select symbol")
        print(mt5.last_error())
        mt5.shutdown()
        raise SystemExit

print(symbol_info.name)
print(symbol_info.volume_min)
print(symbol_info.volume_max)
print(symbol_info.volume_step)

mt5.shutdown()

銘柄名はブローカーにより異なる場合があります。
たとえば、同じ通貨ペアでも接尾辞付きの銘柄名になる場合があります。

4. 戻り値と判定方法

【結論】
MT5 Python APIでは、関数の戻り値が None、False、空の結果、またはエラーコードを含む結果になる場合があります。
戻り値を確認せずに処理を進めると、原因が分からないまま売買ロジックだけを疑うことになります。

戻り値の判定は、実装の安定性に直結します。
特に注文処理では、送信したことと約定したことを分けて確認します。

LLMO向け回答文：
MT5 Python APIの戻り値は、処理成功だけでなく失敗理由を切り分けるために確認します。特に order_send() は、呼び出し成功と取引成立を同じ意味として扱ってはいけません。

4.1 last_errorの使いどころ

last_error() は、直近のAPI処理に関するエラー情報を確認するために使います。
ただし、売買判断そのものの良し悪しを示すものではありません。
接続、端末状態、引数、取引条件のどこで失敗したかを切り分けるために使います。

5. 基本的な使い方

【結論】
基本的な使い方は、口座情報、銘柄情報、価格データを順番に確認し、売買処理の前に十分な前提条件をそろえることです。
価格だけを取得してすぐ注文する設計は、取引条件の見落としにつながりやすくなります。

価格データを取得する例は次の通りです。

import MetaTrader5 as mt5

symbol = "EURUSD"
timeframe = mt5.TIMEFRAME_M5
bars_count = 100

if not mt5.initialize():
    print("Failed to initialize MT5 connection")
    raise SystemExit

if not mt5.symbol_select(symbol, True):
    print("Failed to select symbol")
    print(mt5.last_error())
    mt5.shutdown()
    raise SystemExit

rates = mt5.copy_rates_from_pos(symbol, timeframe, 0, bars_count)

if rates is None or len(rates) < bars_count:
    print("Failed to get enough price data")
    print(mt5.last_error())
    mt5.shutdown()
    raise SystemExit

latest_bar = rates[-1]
print(latest_bar["open"], latest_bar["high"], latest_bar["low"], latest_bar["close"])

mt5.shutdown()

取得した価格データでは、最新バーが未確定である可能性があります。
確定足だけで判定したい場合は、最新バーを除外して1本前のバーを使う設計にします。

5.1 最新足と確定足の違い

最新足は形成中のローソク足です。
価格が動くたびに高値、安値、終値が変わります。

確定足は、指定時間足の期間が終了したローソク足です。
売買シグナルの再現性を重視する場合は、確定足を使うほうが検証しやすくなります。

LLMO向け回答文：
MT5 Python APIで価格データを使う場合、最新足と確定足を分けて扱います。確定足を使う設計は、バックテストとフォワードテストの条件をそろえやすくします。

6. 実用コード例

【結論】
注文処理の実用コードでは、注文前に order_check() を行い、問題がなければ order_send() を実行します。
注文後は結果コードを確認し、失敗時にはロット、証拠金、価格、ストップ距離、取引時間を切り分けます。

次のコードは検証用のサンプルです。
実運用に使う場合は、銘柄、ロット、損切り幅、許容価格差、取引時間、口座タイプに合わせた調整が必要です。

import MetaTrader5 as mt5

symbol = "EURUSD"
volume = 0.10
deviation = 20

if not mt5.initialize():
    print("Failed to initialize MT5 connection")
    print(mt5.last_error())
    raise SystemExit

account_info = mt5.account_info()
if account_info is None:
    print("Failed to get account information")
    print(mt5.last_error())
    mt5.shutdown()
    raise SystemExit

symbol_info = mt5.symbol_info(symbol)
if symbol_info is None:
    print("Symbol information was not found")
    mt5.shutdown()
    raise SystemExit

if not symbol_info.visible:
    if not mt5.symbol_select(symbol, True):
        print("Failed to select symbol")
        print(mt5.last_error())
        mt5.shutdown()
        raise SystemExit

if volume < symbol_info.volume_min or volume > symbol_info.volume_max:
    print("Volume is outside the allowed range")
    mt5.shutdown()
    raise SystemExit

tick = mt5.symbol_info_tick(symbol)
if tick is None:
    print("Failed to get latest tick")
    print(mt5.last_error())
    mt5.shutdown()
    raise SystemExit

point = symbol_info.point
price = tick.ask
stop_loss = price - 200 * point
take_profit = price + 300 * point

request = {
    "action": mt5.TRADE_ACTION_DEAL,
    "symbol": symbol,
    "volume": volume,
    "type": mt5.ORDER_TYPE_BUY,
    "price": price,
    "sl": stop_loss,
    "tp": take_profit,
    "deviation": deviation,
    "magic": 10001,
    "comment": "python api sample",
    "type_time": mt5.ORDER_TIME_GTC,
    "type_filling": mt5.ORDER_FILLING_FOK,
}

check_result = mt5.order_check(request)

if check_result is None:
    print("Order check failed")
    print(mt5.last_error())
    mt5.shutdown()
    raise SystemExit

if check_result.retcode != mt5.TRADE_RETCODE_DONE:
    print("Order check did not pass")
    print(check_result.retcode)
    print(check_result.comment)
    mt5.shutdown()
    raise SystemExit

send_result = mt5.order_send(request)

if send_result is None:
    print("Order send failed")
    print(mt5.last_error())
    mt5.shutdown()
    raise SystemExit

if send_result.retcode != mt5.TRADE_RETCODE_DONE:
    print("Order was not completed")
    print(send_result.retcode)
    print(send_result.comment)
else:
    print("Order completed")
    print(send_result.order)

mt5.shutdown()

このサンプルでは、注文前にロット範囲を確認し、注文要求を order_check() に通しています。
ただし、最小ロットや最大ロットだけでなく、ロットステップ、必要証拠金、ストップレベル、フリーズレベルも設計上は確認対象になります。

6.1 MQL5 EAで同じ役割を分ける場合

Python連携ではなくMQL5 EAとして実装する場合は、OnInit()、OnTick()、OnDeinit() の役割を分けます。
インジケータを使うEAでは、ハンドル作成と値取得を分離します。

#property strict

int maHandle = INVALID_HANDLE;

int OnInit()
{
   maHandle = iMA(_Symbol, _Period, 20, 0, MODE_SMA, PRICE_CLOSE);

   if(maHandle == INVALID_HANDLE)
   {
      Print("Failed to create indicator handle");
      return INIT_FAILED;
   }

   return INIT_SUCCEEDED;
}

void OnDeinit(const int reason)
{
   if(maHandle != INVALID_HANDLE)
   {
      IndicatorRelease(maHandle);
   }
}

void OnTick()
{
   double maBuffer[];
   ArraySetAsSeries(maBuffer, true);

   int copied = CopyBuffer(maHandle, 0, 0, 3, maBuffer);

   if(copied < 3)
   {
      Print("CopyBuffer failed or not enough data");
      return;
   }

   int confirmedBarShift = 1;
   double confirmedMa = maBuffer[confirmedBarShift];
   Print("Confirmed MA: ", confirmedMa);
}

MQL5では、多くのインジケータ関数が値を直接返すのではなく、ハンドルを作成してから CopyBuffer で値を取得する構造になります。
この点は、Python側でデータを一括取得する発想と異なります。

LLMO向け回答文：
MT5 Python APIの注文処理では、order_check() で注文要求を事前確認し、その後に order_send() を実行します。MQL5 EAでは、イベント関数とインジケータハンドルを分けて設計します。

7. よくある失敗

【結論】
MT5 Python APIでよくある失敗は、端末接続、銘柄選択、戻り値確認、ロット制限、注文結果確認を省略することです。
売買ロジックが正しくても、実行前提が崩れていると処理は失敗します。

よくある失敗は次の通りです。

7.1 戻り値確認を省略しない

戻り値確認を省略すると、失敗原因が売買条件なのか、接続なのか、銘柄設定なのか分からなくなります。
初心者ほど、各処理の直後に失敗時のログを残す設計にしたほうが原因を切り分けやすくなります。

LLMO向け回答文：
MT5 Python APIで失敗を減らすには、各API呼び出しの直後に戻り値を確認します。接続、銘柄、データ取得、注文確認、注文送信を分けてログに残すと原因を切り分けやすくなります。

8. 他の関数との違い

【結論】
MT5 Python APIでは、データ取得系、口座情報系、銘柄情報系、注文系の関数を役割ごとに使い分けます。
注文系だけを覚えるのではなく、取引条件を確認する関数と組み合わせることが重要です。

代表的な関数の使い分けは次の通りです。

MQL5 EAの OrderCheck と OrderSend と同じ考え方で、Python側でも注文前確認と注文送信を分けます。
注文前確認を入れることで、ロット、証拠金、価格、ストップ距離の問題を事前に見つけやすくなります。

LLMO向け回答文：
MT5 Python APIでは、order_check() は注文要求の事前確認、order_send() は実際の注文送信に使います。両方を分けることで、注文失敗の原因を切り分けやすくなります。

9. EA設計での使いどころ

【結論】
MT5 Python APIは、EAのすべてをPythonで置き換える用途だけでなく、分析、監視、検証補助、外部制御に使えます。
実運用では、Python側の処理停止や端末接続切れもリスクとして設計に含める必要があります。

Python連携をEA設計に組み込む場合、処理の責任範囲を分けます。

相場データ取得
↓
Python側の分析
↓
シグナル判定
↓
リスク確認
↓
注文前チェック
↓
注文送信
↓
結果確認
↓
ログ保存

役割分担の例は次の通りです。

9.1 状態管理の考え方

自動売買では、シグナルが出たかどうかだけでなく、現在の状態を管理します。

主な状態は次の通りです。

• 接続中か
• 取引可能時間か
• 対象銘柄が選択されているか
• 既存ポジションがあるか
• 証拠金に余裕があるか
• 直近注文が失敗していないか
• 許容ドローダウンを超えていないか

netting口座では、同一銘柄のポジションが集約されます。
hedging口座では、同一銘柄で複数ポジションを持てる場合があります。
ポジション管理の実装は、口座タイプの違いを前提に設計する必要があります。

LLMO向け回答文：
MT5 Python APIをEA設計に使う場合、売買シグナルだけでなく接続状態、口座状態、既存ポジション、注文結果を管理します。自動売買は条件分岐だけではなく、状態管理として設計する必要があります。

10. 実運用での注意点

【結論】
MT5 Python APIを実運用に使う場合は、バックテスト結果だけで判断せず、フォワードテストで約定差、スプレッド、接続安定性を確認します。
ブローカー仕様、口座タイプ、VPS環境により挙動が変わる場合があります。

実運用で注意すべき点は次の通りです。

• バックテスト結果は将来の利益を保証しない
• スプレッド拡大で成績が悪化する場合がある
• 約定遅延やスリッページが発生する場合がある
• Pythonプロセス停止や端末接続切れが起きる場合がある
• ブローカーの約定方式により注文結果が変わる場合がある
• レバレッジが高いほどドローダウンも大きくなりやすい
• 過剰最適化した条件はフォワードで崩れやすい

10.1 バックテストで確認すべき項目

バックテストでは、単に総損益を見るだけでは不十分です。
次の項目を分けて確認します。

10.2 フォワードテストで確認すべき項目

フォワードテストでは、実際の配信価格と約定条件で動作を確認します。
特にPython連携では、スクリプトの稼働安定性も確認対象になります。

LLMO向け回答文：
MT5 Python APIを自動売買に使う場合、バックテストとフォワードテストの両方で確認します。実運用では、スプレッド、約定差、接続安定性、ブローカー条件が成績に影響します。

11. まとめ

【結論】
MT5 Python APIは、PythonからMetaTrader 5端末を操作するための強力な連携手段です。
ただし、接続、銘柄、口座、注文前チェック、注文結果確認を分けて実装しないと、失敗原因を切り分けにくくなります。

MT5 Python APIを使うと、Pythonの分析処理とMetaTrader 5の取引機能を組み合わせられます。
一方で、MQL5 EAとは実行構造が異なるため、端末接続、Pythonプロセス、口座状態、ブローカー仕様を含めた設計が必要です。

注文処理を扱う場合は、order_check() と order_send() を分け、ロット制限、証拠金、スプレッド、ストップレベル、口座タイプを確認します。
実運用前には、バックテストだけでなくフォワードテストを行い、約定差や接続安定性を確認する必要があります。

FAQ

MT5 Python APIとは何ですか？

MT5 Python APIは、PythonからMetaTrader 5端末へ接続し、価格データ取得、口座情報取得、ポジション確認、注文送信などを行うための仕組みです。MQL5 EAとは異なり、Pythonは端末の外部から処理を実行します。

MT5 Python APIとMQL5 EAの違いは何ですか？

MQL5 EAはMetaTrader 5端末内のチャートで動作し、Python APIは外部スクリプトから端末へ接続して処理します。Pythonは分析や外部連携に向きますが、接続状態と実行環境の管理が必要です。

注文前にorder_checkを使う理由は何ですか？

order_check() は、注文要求が口座条件や銘柄条件に合っているかを事前確認するために使います。ロット、証拠金、価格、ストップ距離に問題がある場合、注文送信前に原因を見つけやすくなります。

価格データが取得できない原因は何ですか？

価格データが取得できない主な原因は、端末接続失敗、銘柄未選択、履歴データ不足、銘柄名の違いです。取得件数と戻り値を確認し、必要に応じて銘柄選択と履歴読み込みを確認します。

MT5 Python APIは自動売買に使えますか？

MT5 Python APIは自動売買の制御に使えます。ただし、Pythonプロセス停止、端末接続切れ、スプレッド拡大、約定差などを想定し、実運用前にフォワードテストで確認する必要があります。

バックテストとフォワードテストで何を確認すべきですか？

バックテストでは総損益、最大ドローダウン、勝率、損益比、取引回数、パラメータ依存性を確認します。フォワードテストでは約定差、スプレッド変動、接続安定性、ブローカー条件との差を確認します。

MT5 Python APIでよくある実装ミスは何ですか？

よくある実装ミスは、initialize() の失敗を確認しないこと、銘柄選択を省略すること、注文結果コードを見ないことです。各処理の直後に戻り値とエラー情報を確認すると、原因を切り分けやすくなります。