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.
Articoli
Strategie Cascade: Esecuzione Prioritaria con Riempimento di Fallback
Finale della serie 'Backtest Senza Illusioni'. Come costruire un orchestratore da N strategie x M coppie, implementare la modalità cascade con priorità e riempimento di fallback, scegliere dual_size e perché i portafogli di strategie non possono essere testati sommando il PnL.
Parità backtest-live: perché il tuo bot fa trading in modo diverso dal backtest
Tassonomia completa delle divergenze tra backtest e trading live: dallo slippage e i fill parziali alla desincronizzazione del codice. Pattern architetturali per ottenere la parità, esempi Python di un modulo core condiviso e una checklist di monitoraggio in produzione.
Monte Carlo Bootstrap: Come Ottenere Intervalli di Confidenza per un Backtest in 10 Righe di Codice
Perché una stima puntuale da un backtest è un'illusione pericolosa. Come il bootstrap Monte Carlo in 2 secondi di calcolo fornisce un intervallo di confidenza al 95% per PnL e MaxDD, e perché questo è un passaggio obbligatorio prima di avviare una strategia in produzione.
Arbitraggio del Funding Rate tra Exchange: Come Trarre Profitto dalle Differenze di Tasso
Come funziona l'arbitraggio del funding rate tra exchange crypto, perché i tassi differiscono su Binance, Bybit, OKX e dYdX, e come costruire un sistema di monitoraggio ed esecuzione per estrarre profitto da queste discrepanze.
QuestDB per il Trading Algoritmico: Le Estensioni SQL che Cambiano le Regole del Gioco
Approfondimento sulle estensioni SQL time-series di QuestDB: SAMPLE BY, ASOF JOIN, HORIZON JOIN, WINDOW JOIN, LATEST ON e pattern di query di trading nel mondo reale.
QuestDB per il Trading Algoritmico: Dai Libri degli Ordini all'Architettura di Produzione
Viste materializzate, analisi del libro degli ordini con array 2D e architettura di riferimento per una piattaforma di trading algoritmico basata su QuestDB.
QuestDB per il Trading Algoritmico: Un'Architettura che Parla il Linguaggio dei Mercati
Approfondimento sull'architettura di storage a tre livelli di QuestDB — WAL, storage colonnare e Parquet su object storage — e principi di progettazione degli schemi per i sistemi di trading algoritmico.
Comunicazione dei Dati nei Sistemi di Algo Trading: Una Panoramica Tecnologica
Analizziamo le tecnologie di comunicazione a tutti i livelli di una piattaforma di trading algoritmico: dai protocolli di connettività con gli exchange (REST, WebSocket, FIX) all'IPC interno, ai message broker e agli archivi di dati.
Asimmetria Perdite-Profitti: La Matematica Che Distrugge il Tuo Deposito
Perché perdere il 50% richiede una crescita del 100% per recuperare, come il trascinamento della volatilità distrugge il capitale anche nei mercati laterali, e quali formule ogni trader algoritmico deve conoscere per costruire la gestione del rischio.
Esecuzione di Arbitraggio Complesso in Rust: Dai Nanosecondi alle Multi-Leg Atomiche
Come estrarre le massime prestazioni da Rust per l'esecuzione di arbitraggio multi-leg: io_uring, order book lock-free, LMAX Disruptor, SIMD, macchine a stati tipo e arena allocator.
GNN, Transformer e RL per l'Arbitraggio: Quando le Reti Neurali Imparano a Fare Trading
Come le reti neurali a grafo trovano catene di arbitraggio in 78 ms, perché gli agenti RL mostrano rendimenti annui del 142% contro il 12% dei bot basati su regole, e come costruire un sistema integrato in Rust.
Matrici, Tensori e Algebra Tropicale: Algebra Lineare per il Rilevamento dell'Arbitraggio
Come la matrice dei tassi di cambio, gli autovalori, l'algebra tropicale e le decomposizioni tensoriali trasformano il caos del mercato delle criptovalute in chiari segnali di arbitraggio.