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
Estratégias em cascata: execução prioritária com preenchimento de reserva
Final da série 'Backtests sem ilusões'. Como construir um orquestrador a partir de N estratégias x M pares, implementar o modo cascata com prioridade e execução de reserva, escolher dual_size, e por que carteiras de estratégias não podem ser testadas retroativamente somando o PnL.
Paridade backtest-live: por que seu bot opera diferente do backtest
Taxonomia completa das divergências entre backtesting e trading ao vivo: de slippage e execuções parciais até a dessincronização da base de código. Padrões arquiteturais para alcançar paridade, exemplos em Python de um módulo core compartilhado e uma checklist de monitoramento em produção.
Monte Carlo Bootstrap: como obter intervalos de confiança para um backtest em 10 linhas de código
Por que uma estimativa pontual de um backtest é uma ilusão perigosa. Como o bootstrap Monte Carlo, em 2 segundos de computação, fornece um intervalo de confiança de 95% para o PnL e o MaxDD, e por que esse é um passo obrigatório antes de lançar uma estratégia em produção.
Arbitragem de Funding Rate entre Exchanges: Como Lucrar com as Diferenças de Taxas
Como funciona a arbitragem de funding rate entre exchanges de cripto, por que as taxas diferem na Binance, Bybit, OKX e dYdX, e como construir um sistema de monitoramento e execução para extrair lucro dessas discrepâncias.
QuestDB for Algorithmic Trading: SQL Extensions That Change the Game
Deep dive into QuestDB's time-series SQL extensions: SAMPLE BY, ASOF JOIN, HORIZON JOIN, WINDOW JOIN, LATEST ON, and real-world trading query patterns.
QuestDB for Algorithmic Trading: From Order Books to Production Architecture
Materialized views, 2D array order book analytics, and reference architecture for a QuestDB-powered algorithmic trading platform.
QuestDB for Algorithmic Trading: Architecture That Speaks the Language of Markets
Deep dive into QuestDB's three-tier storage architecture — WAL, columnar storage, and Parquet on object storage — and schema design principles for algorithmic trading systems.
Comunicação de Dados em Sistemas de Algo Trading: Uma Visão Geral Tecnológica
Analisamos as tecnologias de comunicação em todos os níveis de uma plataforma de negociação algorítmica: dos protocolos de conectividade com a exchange (REST, WebSocket, FIX) até IPC interno, message brokers e armazenamento de dados.
Assimetria Perda-Lucro: A Matemática que Destrói o seu Depósito
Por que perder 50% exige um crescimento de 100% para recuperar, como o volatility drag destrói o capital mesmo em mercados laterais, e quais fórmulas todo trader algorítmico deve conhecer para construir a gestão de risco.
Execução de Arbitragem Complexa em Rust: De Nanossegundos a Multi-Legs Atômicos
Como extrair o máximo de desempenho do Rust para a execução de arbitragem multi-leg: io_uring, order books sem lock, LMAX Disruptor, SIMD, máquinas de estado tipado e alocadores de arena.
GNN, Transformers e RL para arbitragem: quando as redes neurais aprendem a operar
Como as redes neurais de grafos encontram cadeias de arbitragem em 78 ms, por que os agentes de RL apresentam 142% de retorno anual contra 12% dos bots baseados em regras, e como construir um sistema integrado em Rust.
Matrizes, tensores e álgebra tropical: álgebra linear para detecção de arbitragem
Como a matriz de taxas de câmbio, os autovalores, a álgebra tropical e as decomposições tensoriais transformam o caos do mercado de criptomoedas em sinais claros de arbitragem.