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
Statistical Arbitrage and Pairs Trading in Crypto Markets: From Cointegration to the Kalman Filter
A complete guide to statistical arbitrage for crypto markets. Cointegration, Kalman filter, basis strategies, cross-exchange arbitrage. With backtests and Python code.
ट्रेडर का डिजिटल फिंगरप्रिंट: ऑर्डर बुक व्यवहार से मार्केट मेकर की पहचान कैसे करें
हर एल्गोरिदम एक अद्वितीय फिंगरप्रिंट छोड़ता है। इसे पढ़ना सीखें — और आप जान जाएंगे कि आपके ट्रेड के दूसरी ओर कौन है।
सक्रिय समय के अनुसार PnL: वह मेट्रिक जो रणनीति रैंकिंग बदल देता है
अलग-अलग ट्रेडिंग समय वाली रणनीतियों की तुलना के लिए कच्चा वार्षिक PnL एक कमजोर मेट्रिक क्यों है। प्रभावी रिटर्न कैसे गणना करें, fill_efficiency की आवश्यकता क्यों है, और 27% PnL वाली रणनीति 300% वाली से बेहतर क्यों हो सकती है।
एडैप्टिव ड्रिल-डाउन: मिनट से लेकर रॉ ट्रेड्स तक वेरिएबल ग्रैन्युलैरिटी के साथ बैकटेस्ट
एडैप्टिव डेटा ग्रैन्युलैरिटी बैकटेस्ट को कैसे तेज़ करती है और स्टोरेज कैसे बचाती है: 1m से 1s, 100ms, और रॉ ट्रेड्स तक ड्रिल-डाउन केवल वहीं जहाँ कीमत में उल्लेखनीय बदलाव हुआ हो या वॉल्यूम में उछाल आया हो, पूरी ऐतिहासिक सीरीज़ में नहीं।
एग्रीगेटेड पार्क्वेट कैश: मल्टी-टाइमफ्रेम बैकटेस्ट को सैकड़ों गुना तेज़ कैसे करें
मिनट कैंडल से टाइमफ्रेम और इंडिकेटर पहले से कैसे गणना करें, उन्हें parquet में सेव करें और बिना दोहराई गणनाओं के रणनीतियों के बड़े पैमाने पर परीक्षण के लिए उपयोग करें।
Walk-Forward Optimization: The Only Honest Strategy Test
Why a single train/test split does not protect against overfitting, how walk-forward optimization systematically verifies parameter robustness, and why a strategy with +3342% PnL@ML on 21 parameters is a ticking time bomb without WFO.
Signal Correlation: How Many Pairs to Monitor
Why 10 crypto pairs don't provide 10x diversification, how to calculate effective_N via correlation_factor, and how many pairs you really need to monitor for 80-90% orchestrator slot utilization.
एल्गोट्रेडिंग के लिए Polars बनाम Pandas: वास्तविक डेटा पर बेंचमार्क
एल्गोट्रेडिंग कार्यों पर Polars और Pandas की विस्तृत तुलना: फ़िल्टरिंग, एग्रीगेशन, रोलिंग सिग्नल गणना, I/O और मेमोरी उपभोग के बेंचमार्क। अधिकतम बैकटेस्ट प्रदर्शन के लिए हाइब्रिड Polars + Numba आर्किटेक्चर।
प्लेटो विश्लेषण: एक मजबूत ऑप्टिमम को ओवरफिटिंग से कैसे अलग करें
सबसे अच्छे स्ट्रैटेजी पैरामीटर खोजना काम का केवल आधा हिस्सा क्यों है। एक स्थिर प्लेटो को नाजुक पीक से दृश्य और मात्रात्मक रूप से कैसे अलग करें, और ऑप्टिमाइज़्ड स्ट्रैटेजी को प्रोडक्शन में लॉन्च करने से पहले Optuna कॉन्टूर प्लॉट्स एक अनिवार्य कदम क्यों हैं।
समन्वय अवरोहण बनाम बायेसियन अनुकूलन: बेहतर पैरामीटर कौन खोजता है
12+ पैरामीटरों के लिए संपूर्ण खोज असंभव क्यों है, समन्वय अवरोहण इंटरैक्शन को कैसे चूक जाता है, और TPE सैंपलर के साथ Optuna 500 इटरेशन में वह कैसे खोज लेता है जो OAT 96 में नहीं खोज पाता। व्यावहारिक कोड उदाहरण, सैंपलर तुलना, और मल्टी-ऑब्जेक्टिव अनुकूलन।
मल्टी-सिंबल वैलिडेशन: अपनी स्ट्रैटेजी को सभी पेयर्स पर टेस्ट करें
ETHUSDT पर ऑप्टिमाइज़ की गई स्ट्रैटेजी ऑल्टकॉइन्स पर क्यों फेल हो सकती है। पेयर ग्रुप्स (ब्लू चिप्स, लार्ज कैप्स, शिटकॉइन्स) पर सही तरीके से टेस्ट कैसे करें और किस क्रॉस-सिंबल रोबस्टनेस स्कोर को पर्याप्त माना जाए।
फंडिंग रेट्स आपके लीवरेज को खत्म कर देती हैं: PnL×50x एक कल्पना क्यों है
Binance/Bybit पर फंडिंग रेट्स कैसे शानदार हाई-लीवरेज बैकटेस्ट नतीजों को गारंटीशुदा नुकसान में बदल देती हैं। फॉर्मूले, असली रणनीतियों की पुनर्गणना, और वह अधिकतम लीवरेज जिस पर फंडिंग मुनाफे को नहीं खाती।