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
デフレーテッド・シャープレシオ：バックテストの「勝者」のうち、多重検定を生き延びるのは何割か？
パラメータサーチは幸運を製造する機械である。純粋なノイズ——真のエッジがゼロの戦略1,000個——の上で、最良の年率シャープレシオは平均1.63に達し、素朴な有意性検定は100%の確率で「発見」を宣言する。私たちは制御された既知の正解を構築し、デフレーテッド・シャープレシオ、Harvey-Liuヘアカット、Whiteのリアリティチェックが誠実さを取り戻すことを示す：偽発見は1.000から0.001-0.057まで下がり、ノイズ天井を超える本物のエッジは検出力~1で維持される——そして生のDSRが過剰にデフレートし、判定を1つではなく有効試行数推定量の帯全体で読む必要がある、現実の落とし穴（相関したグリッド）が1つある。
目的関数設計：最適化する指標が、密かにあなたの戦略を選んでいる
「最良の」戦略を探すには、まず「最良」を定義しなければならない——そしてそのスカラーが密かに勝者を選んでいる。既知のエッジを仕込んだ合成データ（600シード、T=2000、閾値80通り）において、素朴な1トレードあたりシャープレシオは宝くじを王座に据える：56%のシードでエクスポージャー5%未満の勝者を選び、57%で退化する——最も極端なシードでは、8回のトレードがインサンプルでシャープレシオ21.09を記録し、アウトオブサンプルでは0.13まで崩壊する。誠実な修復はほとんど退屈なものだ：タイムライン全体で測定すればよく、これは決して退化しない（アウトオブサンプル1.71）。トレード数（conf_k）による縮小とエクスポージャーの下限は1トレードあたりの指標を事後的に補修できるが、完全に修復してもフルタイムラインのシャープレシオに追いつくだけで（1.70 対 1.71）、決してそれを上回ることはない。バックテストの中のグッドハートの法則、制御された既知の正解とともに。
先読みバイアス：1本のバーのミスが純粋なノイズからSharpe 15を作り出す仕組み
バックテストを静かに水増しする微妙な先読みリーケージを対象にした、制御実験による検証。本物のエッジがゼロでも、同一バー約定は純粋なノイズから年率Sharpe +14.8を作り出す。1バー分のインジケーター先読みでも+4.8。リーケージの分類、実測された規模、そして損失を出す前に各リーケージを検出する方法。
バックテストエンジンの速度の梯子：ラップトップCPUで298倍、最後の1トレードまで同一のPnL
同一の80コンボ・パラメータスイープを5通りに実装し、すべてが同一のPnLを生成することを検証：pandas rolling.applyは69.9秒、numpyは3.1秒、numbaは2.0秒、並列numbaは0.23秒 — Apple M2 Maxでハードウェアを一切変えずに測定された298倍の高速化、そして有能なベクトル化ベースラインと比べても約13倍。各段が何をもたらすか、なぜGPUが欠けているピースではないのか、そして大量パラメータ探索における本当のボトルネックがどこにあるのか。
researcher: 人間とAIエージェントのための検索可能なクオンツ研究アーカイブ
researcher.marketmaker.cc をどう構築したか — arXiv論文、GitHubリポジトリ、クオンツブログ、TradingViewのPineスクリプトを横断する、全文検索可能な統合クオンツ研究アーカイブ。人間がブラウズし、AIエージェントがMCP経由でクエリできる。
algo-investor-skills: 詐欺に強い投資家向け提案書を構築するClaude Code Skills
algo-investor-skills を詳しく解説する。これはアルゴトレード戦略を、生の実測データから、監査済みで誠実さを前面に押し出した投資家向け提案書へと仕上げる Claude Code skills のセットだ。組み合わせ可能な6つの skill、金融モデルエンジン、独立検証のためのプルーフパック、そして決して数字を捏造しない必須の懐疑的投資家による監査ゲートを備えている。
戦略のためのケリー基準: ポジションサイズの決め方と資本配分
正の期待値を持つ戦略でも、賭け金のサイズを誤れば口座を破綻させかねない。ケリー基準を、公式の導出から戦略ポートフォリオまで解説する。なぜ full Kelly は危険なのか、なぜ fractional Kelly はボラティリティ半分で成長の75%を取れるのか、そしてケリー比率がリターンとリスクをどう動かすかが見えるインタラクティブな計算機も用意した。
毎日株式分析：ウォッチリストを日次の意思決定ダッシュボードに変えるAIシステム
ZhuLinsenによるdaily_stock_analysisを徹底解説。A株・香港・米国などにまたがって市場データを取得し、LLMでテクニカル分析とニュース分析を行い、毎営業日に構造化された「意思決定ダッシュボード」をメッセンジャーへ配信するオープンソースシステム。アーキテクチャ、データのフォールバック、エージェント戦略、限界まで。
マルチホライズン・ポートフォリオ予測のためのTemporal Fusion Transformer
GoogleのTemporal Fusion Transformerが、アテンションベースの変数選択、分位点出力、そしてpytorch-forecastingによる実践的なパイプラインを通じて、解釈可能なマルチホライズン予測を定量的ポートフォリオ運用にもたらす方法を解説します。
リスクを考慮したポジションサイジングのためのコンフォーマル予測
保証されたカバレッジを持つ分布フリーの予測区間。split conformal、jackknife+、適応的コンフォーマル推論を用いて、パラメトリックな仮定なしにトレーディングリスクを較正し、ポジションをサイジングします。
機械学習によるビッドアスクスプレッドのモデリングと予測
ビッドアスクスプレッドをMLで分解・予測する — Rollの暗黙的推定量から勾配ブースティング、ニューラルネットワークまで — 本番環境で痛い目を見る単位・リーク・ベンチマークの落とし穴とともに。
DeepLOB: 板情報に対するディープラーニング
DeepLOB が CNN、Inception モジュール、LSTM をどのように組み合わせて生の板データから仲値の動きを予測するのか — そのアーキテクチャ、FI-2010 の実際の数値、そして動作する PyTorch 再実装。