Eugen Soloviov
Trading-systems engineer
Trading-systems engineer building bots since 2017: cross-exchange arbitrage (connected up to 30 venues), cointegration-based pairs arbitrage across spot and futures, scalping, news and sentiment-driven strategies, trend algorithms, and portfolio management and balancing algorithms. Also builds sub-millisecond order execution, big-data warehouses, backtesting engines, AI agents, and trading interfaces (incl. open-source profitmaker.cc). Stack: JS/TS, Python, Rust/Zig/Go, DevOps, backend, frontend, architecture.
Articles
Estrategias en cascada: ejecución prioritaria con relleno de respaldo
Final de la serie 'Backtests sin ilusiones'. Cómo construir un orquestador a partir de N estrategias x M pares, implementar el modo cascada con prioridad y ejecución de respaldo, elegir dual_size, y por qué las carteras de estrategias no pueden retrocederse sumando el PnL.
Paridad backtest-live: por qué tu bot opera diferente al backtest
Taxonomía completa de las divergencias entre backtesting y trading en vivo: desde el slippage y las ejecuciones parciales hasta la desincronización del código. Patrones arquitectónicos para lograr paridad, ejemplos en Python de un módulo core compartido y una lista de verificación para monitoreo en producción.
Monte Carlo Bootstrap: cómo obtener intervalos de confianza para un backtest en 10 líneas de código
Por qué una estimación puntual de un backtest es una ilusión peligrosa. Cómo el bootstrap Monte Carlo, en 2 segundos de cómputo, te da un intervalo de confianza del 95% para el PnL y el MaxDD, y por qué es un paso obligatorio antes de lanzar una estrategia a producción.
Arbitraje de Funding Rate entre Exchanges: Cómo Sacar Provecho de las Diferencias de Tasas
Cómo funciona el arbitraje de funding rate entre exchanges de criptomonedas, por qué las tasas difieren en Binance, Bybit, OKX y dYdX, y cómo construir un sistema de monitoreo y ejecución para extraer beneficios de estas discrepancias.
QuestDB for Algorithmic Trading: SQL Extensions That Change the Game
Deep dive into QuestDB's time-series SQL extensions: SAMPLE BY, ASOF JOIN, HORIZON JOIN, WINDOW JOIN, LATEST ON, and real-world trading query patterns.
QuestDB for Algorithmic Trading: From Order Books to Production Architecture
Materialized views, 2D array order book analytics, and reference architecture for a QuestDB-powered algorithmic trading platform.
QuestDB for Algorithmic Trading: Architecture That Speaks the Language of Markets
Deep dive into QuestDB's three-tier storage architecture — WAL, columnar storage, and Parquet on object storage — and schema design principles for algorithmic trading systems.
Comunicación de datos en sistemas de trading algorítmico: una visión general de la tecnología
Analizamos las tecnologías de comunicación en todos los niveles de una plataforma de trading algorítmico: desde los protocolos de conectividad con el exchange (REST, WebSocket, FIX) hasta la IPC interna, los brokers de mensajería y los almacenes de datos.
Asimetría Pérdida-Ganancia: La Matemática que Destruye tu Depósito
Por qué perder un 50% requiere un crecimiento del 100% para recuperarse, cómo el volatility drag destruye el capital incluso en mercados laterales, y qué fórmulas debe conocer todo trader algorítmico para construir su gestión de riesgo.
Ejecución de Arbitraje Complejo en Rust: De Nanosegundos a Multi-Legs Atómicos
Cómo exprimir el máximo rendimiento de Rust para la ejecución de arbitraje multi-leg: io_uring, libros de órdenes sin bloqueos, LMAX Disruptor, SIMD, máquinas de estados tipados y asignadores de arena.
GNN, Transformers y RL para arbitraje: cuando las redes neuronales aprenden a operar
Cómo las redes neuronales de grafos encuentran cadenas de arbitraje en 78 ms, por qué los agentes RL muestran un 142% de rendimiento anual frente al 12% de los bots basados en reglas, y cómo construir un sistema integrado en Rust.
Matrices, tensores y álgebra tropical: álgebra lineal para la detección de arbitraje
Cómo la matriz de tipos de cambio, los autovalores, el álgebra tropical y las descomposiciones tensoriales convierten el caos del mercado de criptomonedas en señales de arbitraje claras.