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
Дефляцияланган Шарп коэффициенти: Backtest'иңиздеги 'жеңүүчүлөрдүн' канчасы Multiple Testing'ден аман калат?
Параметрлерди издөө — бул ийгиликти жасалма түрдө өндүрүүчү машина. Таза шумдан (шумдан) — чыныгы артыкчылыгы нөл болгон 1000 стратегиядан — эң жакшы жылдык Шарп орточо эсеп менен 1.63ке жетет, ал эми элементардык маанилүүлүк тести 100% учурда 'ачылыш' деп белгилейт. Биз көзөмөлдөнгөн чындык түзүп, Дефляцияланган Шарп коэффициенти, Harvey-Liu 'чач кыркуусу' жана White's Reality Check адилеттикти калыбына келтирерин көрсөтөбүз: жалган ачылыштар 1.000ден 0.001-0.057ге чейин түшөт, шум чегинен жогорку чыныгы артыкчылыктар дээрлик 1 күч менен сакталып калат — жана бир чыныгы тузак (корреляцияланган торлор) бар, анда чийки DSR ашыкча дефляцияланат жана жыйынтыкты бир эмес, бир нече эффективдүү-сыноо баасынын бүтүндөй диапазонунан окуу керек.
Максат-функциясын долбоорлоо: сиз оптималдаштырган метрика стратегияңызды жашыруун тандап алат
"Эң жакшы" стратегияны издөө үчүн алгач "эң жакшыны" аныктоо керек — ошол скаляр жеңүүчүнү үнсүз тандайт. Белгилүү edge бар синтетикалык маалыматтарда (600 seed, T=2000, 80 босого) жөнөкөй per-trade Sharpe лотереяны таажы кийгизет: ал 56% seed'де 5%дан төмөн экспозициясы бар жеңүүчүнү тандайт жана 57%да деградацияга учурайт — эң курч seed'де 8 бүтүм in-sample Sharpe 21.09 көрсөтөт, ал out of sample учурунда 0.13гө чейин кулайт. Ак ниет чечим дээрлик көңүл ачпайт: толук убакыт огунда өлчөө, ал эч качан деградацияга учурабайт (out-of-sample 1.71). Бүтүм санына негизделген shrinkage (conf_k) жана экспозиция босогосу per-trade метрикасын оңдой алат, бирок толугу менен түзөтүлсө да алар full-timeline Sharpe менен гана теңелет (1.70 vs 1.71) — эч качан андан ашпайт. Гудхарт мыйзамы, бэктестте, көзөмөлдөнгөн негизги чындык менен.
Look-Ahead Bias: бир бардын катасы таза үндөн 15 Sharpe кантип жасайт
Бэктесттерди байкатпай шиширткен назик look-ahead агып кетүүлөрдүн көзөмөлдөнгөн изилдөөсү. Чыныгы edge такыр жок болсо да, бир бардагы аткаруу таза үндөн +14.8 жылдык Sharpe жасайт; индикатордун бир барга алдын ала карашы — +4.8. Таксономия, өлчөнгөн чоңдуктар жана акчаңызга тийер алдында ар бир агып кетүүнү кантип аныктоо керек.
Бэктест ылдамдык шаты: ноутбуктун CPU'сунда 298x, акыркы сделкага чейин бирдей PnL
Бир эле 80-комбинациялуу параметр сканирүүсүнүн беш ишке ашыруусу, баары бирдей PnL берерин текшерилген: pandas'тагы rolling.apply 69.9 секунд алат, numpy — 3.1, numba — 2.0, параллель numba — 0.23 — Apple M2 Max'та аппараттык өзгөртүүсүз өлчөнгөн 298x ылдамдоо, жана дагы деле натыйжалуу вектордоштурулган база менен салыштырганда ~13x. Ар бир шаты эмне берет, эмне үчүн GPU жетишпеген звено эмес, жана массалык параметр издөөдөгү чыныгы тыгыздык кайда жашырылган.
researcher: A Searchable Quant-Research Archive for Humans and AI Agents
How we built researcher.marketmaker.cc — a unified, full-text-searchable archive of quant research (arXiv papers, GitHub repos, quant blogs, TradingView Pine scripts) that humans browse and AI agents query over MCP.
algo-investor-skills: алдамчылыктан корголгон инвестор сунушун түзгөн Claude Code скилдери
algo-investor-skills — алгосоода стратегиясын өлчөнгөн так фактылардан аудиттелген, чынчылдыкка багытталган инвестор сунушуна айландырган Claude Code скилдеринин жыйындысына терең кароо. Алты айкалыштырылуучу скил, каржылык моделдер кыймылдаткычы, көз карандысыз текшерүү далил пакети жана эч качан санды ойдон чыгарбаган милдеттүү скептик-инвестор аудитинин каалгасы.
Стратегиялар үчүн Келли критерийи: позиция көлөмүн жана капиталды кантип бөлүштүрүү керек
Оң күтүлүүчү мааниси бар стратегия да, эгер бет өлчөмү туура тандалбаса, сиздин эсебиңизди кыйратышы мүмкүн. Биз Келли критерийин формуланы чыгаруудан баштап стратегиялар портфелине чейин талдайбыз: эмне үчүн толук Келли коркунучтуу, бөлчөк Келли жарым волатилдүүлүктө өсүштүн 75% кантип берет, жана Келли бөлүгүнүн киреше менен тобокелдикти кантип өзгөрткөнүн көрсөткөн интерактивдүү калькулятор.
Daily Stock Analysis: Байкоо тизмесин күндөлүк чечим кабыл алуу панелине айландырган AI система
ZhuLinsen тарабынан жасалган daily_stock_analysis долбооруна терең сереп — A-акциялар, HK, US жана башка рыноктордон маалымат алып, LLM аркылуу техникалык жана жаңылык анализин жүргүзүп, ар бир соода күнү структураланган 'чечим панелин' мессенжериңизге жөнөтүүчү ачык коддуу система. Архитектурасы, маалымат fallback механизми, агент стратегиялары, чектөөлөрү.
Temporal Fusion Transformers for Multi-Horizon Portfolio Forecasting
How Google's Temporal Fusion Transformer brings interpretable multi-horizon forecasting to quantitative portfolio management, with attention-based variable selection, quantile outputs, and a worked pytorch-forecasting pipeline.
Тобокелдикти Эске Алган Позиция Көлөмүн Аныктоо үчүн Конформдук Божомол
Кепилдиктүү камтуусу бар, бөлүштүрүүдөн көз каранды эмес божомол интервалдары. Соода тобокелдигин калибрлөө жана позицияларды параметрдик болжолдоосуз өлчөө үчүн split conformal, jackknife+ жана adaptive conformal inference колдонобуз.
Bid-Ask Spread Modeling and Prediction with Machine Learning
Decomposing and predicting bid-ask spreads with ML — from Roll's implicit estimator to gradient boosting and neural networks — with the units, leakage, and benchmarking pitfalls that bite in production.
DeepLOB: Лимиттик Заказ Китептериндеги Терең Окутуу
DeepLOB кыска баанын кыймылын чийки заказ китеби маалыматтарынан алдын ала билүү үчүн CNN, inception модулун жана LSTM-ди кантип бириктирет — архитектура, чыныгы FI-2010 сандары жана иштеп жаткан PyTorch кайра ишке ашыруу.