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.
Makaleler
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.
Parametrik Olmayan Fiyat Modellemesi için Gauss Süreçleri
Finansal zaman serileri için çekirdek tasarımı - Ana pürüzlülük, yerel periyodik bileşim, spektral karışımlar - ve doğrulama seti gerektirmeyen bir düzenleyici olarak marjinal olasılık. Ayrıca herhangi birinin takas edilebilir hale gelmesinden önce nelerin ölçülmesi gerektiğine dair dürüst bir liste.
PDE Tabanlı Finansal Modelleme için Fourier Sinir Operatörü
Operatör öğrenimi, noktaları değil tüm fonksiyon alanlarını haritalandırır; Fourier Sinir Operatörünün bir PDE çözüm operatörünü frekans alanında nasıl parametreleştirdiği, opsiyon fiyatlandırması için ne satın aldığı ve hangi iddialarının hala gerçek donanım üzerinde ölçülmesi gerektiği.
Tam Gün İçeriği On Dakikalık İçerikten Daha İyi mi? Flash Dikkat ve Dizi Uzunluğu Sorusu
Flash Attention, 23.400 adımlık bir ticaret bağlamını hesaplama açısından ücretsiz hale getirir - döşeme, çevrimiçi softmax ve N^2 d^2 / M'lik bir IO sınırı. Bu daha uzun bağlamın modeli daha iyi hale getirip getirmediği ayrı bir sorudur ve bunun iddia edilmesi değil ölçülmesi gerekir.
Topluluk Yöntemleri: Güçlü Alfa için Zayıf Öğrenenleri Birleştirmek
Toplulukların alım satımı hakkında bu blogun ele almadığı üç şey: neden topluluk hatasına kovaryans teriminin (model sayısı değil) hakim olduğu, istiflemenin, kullanıma hazır meta özelliklere sahip bir sinyal kombinasyon katmanı olarak nasıl çalıştığı ve birçok sinyal arasındaki ciro ağlarının gerçekten yürütme maliyetini azaltıp azaltmadığı.
Double Machine Learning: Nedensel Bir Parametre Tahmin Etme Yerine Getiri Tahmin Etme
Bu blogdaki tüm modeller şimdiye kadar 'neyi ne tahmin ediyor?' sorusuna yanıt veriyor. Double ML 'neye ne sebep oluyor?' sorusuna yanıt veriyor — savunabileceğiniz bir standart hata ile. Kısmi lineer model, Neyman ortogonalliği, order book verisi üzerinde temizlenmiş cross-fitting ve geçerli bir DML güven aralığının tam olarak önceden belirlenmiş tek bir soruyu nasıl survive ettiğine dair dürüst bir açıklama.
Ticaretsel Heterojen Tedavi Etkileri için Nedensel Ormanlar
Bu blogdaki her geri test, koşullu bir ortalama tahmin eder. Nedensel ormanlar bunun yerine koşullu bir tedavi efekti tahmin eder — tau(x) yerine mu(x) — dürün bölme, uyarlanır çekirdek ağırlık temsili ve bulduğunuz heterojenitenin gerçek olup olmadığını söyleyen bir kalibrasyon testi ile.
Epistemik vs Aleatorik: Bir Getiri Modelinin Bilmediğini Ölçmek
Bu blogdaki her pozisyon boyutlandırma kuralı belirsizliği tek bir skaler indirger. MC Dropout ve derin ansambllar bunu model cehaleti ve piyasa gürültüsü olarak ayırır — ve bu ikisi farklı pozisyon boyutlarını hak eder.
Sistematik Ticaret Pipeline'ları için AutoML
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.