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.
Artikel
Hamiltonian Neural Networks: Does a Financial System Conserve Anything?
Hamiltonian Neural Networks are provably stable — but stability is worthless if the conserved quantity does not exist. Learning a scalar H via autograd, symplectic integration, and the falsification test that decides whether a financial (q, p) pair is canonical at all.
Toda-Yamamoto vs Differenced Granger: Does the BTC Lead-Lag Survive?
Granger causality on crypto prices done two ways — differenced returns and Toda-Yamamoto on levels — with a correct Wald implementation, an effective-N corrected causality matrix, and a rolling-stability test of whether the lag is tradeable at all.
Proses Gaussian untuk Pemodelan Harga Bukan Parametrik
Reka bentuk kernel untuk siri masa kewangan — Kekasaran ibu, komposisi berkala setempat, campuran spektrum — dan kemungkinan kecil sebagai penyusun tetap yang tidak memerlukan set pengesahan. Selain itu senarai jujur tentang perkara yang masih perlu diukur sebelum mana-mana daripadanya boleh didagangkan.
Operator Neural Fourier untuk Pemodelan Kewangan Berasaskan PDE
Pembelajaran operator memetakan keseluruhan ruang fungsi, bukan titik — cara Operator Neural Fourier meparameterkan operator penyelesaian PDE dalam ruang frekuensi, perkara yang dibeli untuk penentuan harga opsyen, dan tuntutannya yang mana masih perlu diukur pada perkakasan sebenar.
Adakah Konteks Sepenuh Hari Mengatasi Sepuluh Minit? Perhatian Kilat dan Soalan Panjang Urutan
Flash Attention menjadikan konteks dagangan 23,400 langkah bebas pengiraan — jubin, softmax dalam talian dan sempadan IO N^2 d^2 / M. Sama ada konteks yang lebih panjang itu menjadikan model itu lebih baik ialah soalan yang berasingan, dan ia perlu diukur, bukan ditegaskan.
Kaedah Ensembel: Menggabungkan Pelajar Lemah untuk Alfa Teguh
Tiga perkara mengenai ensembel perdagangan yang blog ini tidak meliputi: mengapa istilah kovarians — bukan kiraan model — mendominasi ralat ensembel, cara tindanan berfungsi sebagai lapisan gabungan isyarat dengan ciri meta luar lipatan, dan sama ada jaringan pusing ganti merentas banyak isyarat sebenarnya mengurangkan kos pelaksanaan.
Double Machine Learning: Menganggar Parameter Sebab Bukkan Meramal Pulangan
Semua model dalam blog ini setak ini menjawab 'apa meramalkan apa'. Double ML menjawab 'apa menyebabkan apa' — dengan ralat standard yang boleh anda pertahankan. Model separa linear, ortogonality Neyman, cross-fitting yang dibersihkan pada data buku pesanan, dan akaun jujur tentang mengapa selang keyakinan DML yang sah bertahan tepat untuk satu soalan pra-specified.
Kesan Rawak Heterogen untuk Dagangan menggunakan Causal Forests
Setiap backtest dalam blog ini menganggar purata bersyarat. Causal forests menganggar kesan rawak bersyarat sebaliknya — tau(x) bukan mu(x) — dengan honest splitting, perwakilan berat kernel adaptif, dan ujian kalibrasi yang memberitahu anda sama ada heterogenitas yang anda jumpa adalah nyata.
Epistemik vs Aleatorik: Mengukur Apa yang Model Pulangan Tidak Tahu
Setiap peraturan saiz kedudukan dalam blog ini meruntuhkan ketidakpastian kepada satu skalar. MC Dropout dan ansambl dalam membahagikannya kepada kejahilan model dan hingar pasaran — dan kedua-duanya memerlukan saiz kedudukan yang berbeza.
AutoML untuk Saluran Paip Dagangan Sistematik
Automated feature generation (tsfresh, Featuretools), budget-aware model search (FLAML's cost-frugal optimizer), and the WorldQuant formulaic alpha factory — the parts of the research pipeline this blog's search-and-overfit arc never covered, and what the arc's own results say about them.
Liquidation cascades as a trading signal: reading forced, pre-announced flow
Every leveraged position advertises the price at which it must be sold. How to build the on-chain liquidation depth chart and the CEX liquidation heatmap, model cascade dynamics as a reproduction number, and trade forced flow as a signal instead of only fearing it as a risk.
Active Uniswap v3 LPing as Market Making: Range Selection, Rebalancing, and Delta Hedging
An active v3 LP is running a market-making book with gas costs and no cancel button. Size ranges from a GARCH vol forecast, frame rebalancing as fee-gain vs realized-cost, derive the position delta from tick math and hedge it with perps, and understand JIT liquidity and the honest pitfalls of backtesting LP from on-chain data.