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.
Impressão Digital de um Trader: Como Identificar um Market Maker pelo Comportamento no Order Book
Todo algoritmo deixa uma impressão digital única. Aprenda a lê-la — e você saberá quem está do outro lado da sua operação.
PnL por tempo ativo: a métrica que muda o ranking de estratégias
Por que o PnL anual bruto é uma métrica pobre para comparar estratégias com tempos de negociação diferentes. Como calcular o retorno efetivo, por que você precisa de fill_efficiency, e por que uma estratégia com 27% de PnL pode superar uma com 300%.
Drill-Down Adaptativo: Backtest com Granularidade Variável de Minutos a Trades Brutos
Como a granularidade adaptativa de dados acelera backtests e economiza armazenamento: drill-down de 1m para 1s, 100ms e trades brutos apenas onde o preço se moveu significativamente ou o volume disparou, não em toda a série histórica.
Cache Parquet Agregado: Como Acelerar Backtests Multi-Timeframe Centenas de Vezes
Como pré-calcular timeframes e indicadores a partir de candles de um minuto, salvá-los em parquet e usá-los para testes em massa de estratégias sem recálculos redundantes.
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.
Polars vs Pandas for Algotrading: Benchmarks on Real Data
Detailed comparison of Polars and Pandas on algotrading tasks: benchmarks for filtering, aggregation, rolling signal computations, I/O, and memory consumption. Hybrid Polars + Numba architecture for maximum backtest performance.
Análise de plateau: como distinguir um ótimo robusto de overfitting
Por que encontrar os melhores parâmetros de uma estratégia é apenas metade do trabalho. Como distinguir visual e quantitativamente um plateau estável de um pico frágil, e por que os gráficos de contorno do Optuna são uma etapa obrigatória antes de lançar uma estratégia otimizada em produção.
Descida por Coordenadas vs. Otimização Bayesiana: Quem Encontra Melhores Parâmetros
Por que a busca exaustiva é impossível com 12+ parâmetros, como a descida por coordenadas deixa passar interações, e como o Optuna com um sampler TPE encontra em 500 iterações o que o OAT não consegue encontrar em 96. Exemplos práticos de código, comparação de samplers e otimização multiobjetivo.
Validação multi-símbolo: teste sua estratégia em todos os pares
Por que uma estratégia otimizada em ETHUSDT pode falhar em altcoins. Como testar corretamente em grupos de pares (blue chips, large caps, shitcoins) e qual pontuação de robustez cross-symbol é considerada suficiente.
As Funding Rates matam sua alavancagem: por que PnL×50x é uma ficção
Como as funding rates na Binance/Bybit transformam belos resultados de backtest com alta alavancagem em perdas garantidas. Fórmulas, recálculo de estratégias reais e a alavancagem máxima na qual o funding não consome os lucros.