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
Deflatsiyalangan Sharpe Koeffitsienti: Backtestingizdagi 'g'oliblar'ning qanchasi ko'p martalik testlashdan omon qoladi?
Parametrlarni qidirish — bu omadni ishlab chiqarish mashinasi. Sof shovqinda — haqiqiy edge (ustunlik) nolga teng bo'lgan 1000 ta strategiyada — eng yaxshi yillik Sharpe o'rtacha 1.63 ni tashkil qiladi va sodda ahamiyatlilik testi 100% holatlarda 'kashfiyot'ni belgilaydi. Biz nazorat qilinadigan haqiqiy asosni quramiz va Deflatsiyalangan Sharpe Koeffitsienti, Harvey-Liu 'soch olish' tuzatmasi va Uaytning Reality Check testi halollikni qanday tiklashini ko'rsatamiz: soxta kashfiyotlar 1.000 dan 0.001-0.057 gacha tushadi, shovqin chegarasidan yuqori bo'lgan haqiqiy edge'lar ~1 quvvat bilan saqlanib qoladi — va bitta haqiqiy tuzoq (korrelyatsiyalangan setkalar) borki, unda xom DSR ortiqcha deflatsiya qiladi va xulosani bitta emas, balki samarali sinovlar sonining butun bahosi diapazoni bo'yicha o'qish kerak.
Maqsad funksiyasini loyihalash: siz optimallashtirgan metrika strategiyangizni yashirincha tanlaydi
"Eng yaxshi" strategiyani izlash uchun avval "eng yaxshi"ni aniqlash kerak — va o'sha skalyar g'olibni jimgina tanlaydi. Ma'lum edge'ga ega sintetik ma'lumotlarda (600 seed, T=2000, 80 chegara), sodda per-trade Sharpe lotereyani toj kiydiradi: u 56% seed'larda 5%dan past ekspozitsiyaga ega g'olibni tanlaydi va 57%da degeneratsiyaga uchraydi — eng yorqin seed'da 8 bitim in-sample Sharpe 21.09 ko'rsatadi, u out of sample paytida 0.13gacha qulaydi. Halol yechim deyarli zerikarli: butun vaqt o'qi bo'yicha o'lchash, u hech qachon degeneratsiyaga uchramaydi (out-of-sample 1.71). Bitimlar soniga asoslangan shrinkage (conf_k) va ekspozitsiya pol chegarasi per-trade metrikasini tuzatishi mumkin, lekin to'liq tuzatilgan holda ham ular faqat full-timeline Sharpe bilan tenglashadi (1.70 ga qarshi 1.71) — hech qachon undan oshmaydi. Bektestda, nazorat qilinadigan asosiy haqiqat bilan Goodhart qonuni.
Look-Ahead Bias: bitta bar xatosi sof shovqindan qanday qilib 15 ta Sharpe yasaydi
Bektestlarni sezdirmasdan shishiradigan nozik look-ahead sizib chiqishlarining nazorat qilinadigan tadqiqoti. Hech qanday haqiqiy edge bo'lmasa ham, bitta bardagi ijro sof shovqindan +14.8 yillik Sharpe yasaydi; indikatorning bir bar oldinga qarashi — +4.8. Taksonomiya, o'lchangan miqdorlar va har bir sizib chiqishni pulingizga zarar yetkazishidan oldin qanday aniqlash kerak.
Backtest tezligi zinapoyasi: laptop CPU'sida 298x, oxirgi bitimigacha bir xil PnL
Bir xil 80 kombinatsiyali parametr sweep'ining beshta implementatsiyasi, barchasi bir xil PnL ishlab chiqarishi tasdiqlangan: pandas rolling.apply 69.9 soniya, numpy 3.1, numba 2.0, parallel numba 0.23 — Apple M2 Max'da hech qanday apparat o'zgarishisiz o'lchangan 298x tezlashuv, va layoqatli vektorlashtirilgan bazaviy variantdan ham ~13x ustun. Har bir pog'ona nima beradi, nega GPU yetishmayotgan bo'lak emas, va ommaviy parametr qidiruvida haqiqiy bo'g'ilish qayerda yashaydi.
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: firibgarlikka chidamli investor taklifini yaratuvchi Claude Code skilllar
algo-investor-skills — algosavdo strategiyasini xom o'lchangan faktlardan auditlangan, halollikka yo'naltirilgan investor taklifiga aylantiruvchi Claude Code skillari to'plamiga chuqur nazar. Olti kombinatsiyalanuvchi skill, moliyaviy modellar dvigateli, mustaqil tekshiruv dalil to'plami va hech qachon raqamni o'ylab topmaydigan majburiy skeptik-investor audit darvozasi.
Strategiyalar uchun Kelli mezoni: pozitsiya hajmini qanday belgilash va kapitalni taqsimlash kerak
Ijobiy kutilayotgan qiymatga ega strategiya ham, agar bet hajmi noto'g'ri tanlansa, hisobingizni yo'q qilishi mumkin. Biz Kelli mezonini formula chiqarilishidan strategiyalar portfeliga qadar ko'rib chiqamiz: nega to'liq Kelli xavfli, qismli Kelli yarim o'zgaruvchanlikda o'sishning 75% ni qanday beradi, va Kelli ulushi daromad va xavfni qanday o'zgartirishini ko'rsatadigan interaktiv kalkulyator.
Daily Stock Analysis: kuzatuv ro'yxatini kunlik qaror qabul qilish paneliga aylantiruvchi AI tizim
ZhuLinsen tomonidan yaratilgan daily_stock_analysis loyihasiga chuqur nazar — A-aksiyalar, HK, AQSH va boshqa bozorlardan bozor ma'lumotlarini oluvchi, LLM orqali texnik va yangiliklar tahlilini o'tkazuvchi hamda har bir savdo kunida strukturalangan 'qaror paneli'ni messenjeringizga jo'natuvchi ochiq kodli tizim. Arxitekturasi, ma'lumot fallback mexanizmi, agent strategiyalari, cheklovlari.
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.
Xavf-xatarni Hisobga Oluvchi Pozitsiya Hajmini Belgilash uchun Konformal Bashorat
Qamrov kafolatlangan, taqsimotdan mustaqil bashorat intervallari. Savdo xavfini kalibrlash va pozitsiyalarni parametrik farazlarsiz o'lchamlash uchun split conformal, jackknife+ va adaptive conformal inference'dan foydalanamiz.
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: Limit order kitobida chuqur o'rganish
DeepLOB CNN, inception moduli va LSTM ni birlashtirib, xom order book ma'lumotlaridan mid-price harakatlarini qanday bashorat qiladi — arxitektura, haqiqiy FI-2010 raqamlari va ishlaydigan PyTorch qayta implementatsiyasi.