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.
Bài Viết
Mạng lưới thần kinh Hamilton: Hệ thống tài chính có bảo toàn được gì không?
Mạng lưới thần kinh Hamilton được chứng minh là ổn định - nhưng sự ổn định sẽ vô giá trị nếu số lượng được bảo toàn không tồn tại. Học một H vô hướng thông qua autograd, tích hợp đối xứng và kiểm tra độ sai lệch để quyết định xem một cặp tài chính (q, p) có hợp quy hay không.
Toda-Yamamoto vs Differenced Granger: Liệu độ trễ dẫn đầu của BTC có tồn tại được không?
Mối quan hệ nhân quả Granger đối với giá tiền điện tử được thực hiện theo hai cách – lợi nhuận chênh lệch và Toda-Yamamoto ở các cấp độ – với việc triển khai Wald chính xác, ma trận nhân quả được hiệu chỉnh theo N hiệu quả và kiểm tra độ ổn định luân phiên để xem liệu độ trễ có thể giao dịch được hay không.
Quy trình Gaussian cho mô hình hóa giá phi tham số
Thiết kế hạt nhân cho chuỗi thời gian tài chính - Độ nhám của mẹ, thành phần định kỳ cục bộ, hỗn hợp quang phổ - và khả năng cận biên như một bộ điều chỉnh không cần bộ xác nhận. Cộng với danh sách trung thực về những gì vẫn phải được đo lường trước khi có thể giao dịch được.
Toán tử thần kinh Fourier cho mô hình tài chính dựa trên PDE
Việc học của toán tử ánh xạ toàn bộ không gian chức năng chứ không phải điểm - cách Toán tử thần kinh Fourier tham số hóa toán tử giải pháp PDE trong không gian tần số, thứ gì mua để định giá tùy chọn và tuyên bố nào của nó vẫn cần đo lường trên phần cứng thực.
Bối cảnh cả ngày có đánh bại được bối cảnh mười phút không? Sự chú ý chớp nhoáng và câu hỏi về độ dài trình tự
Flash Chú ý làm cho bối cảnh giao dịch gồm 23.400 bước không bị tính toán - xếp lớp, softmax trực tuyến và giới hạn IO là N^2 d^2 / M. Liệu bối cảnh dài hơn đó có làm cho mô hình tốt hơn hay không là một câu hỏi riêng biệt và nó phải được đo lường chứ không phải được khẳng định.
Phương pháp tập hợp: Kết hợp những người học yếu để có Alpha mạnh mẽ
Ba điều về các nhóm giao dịch mà blog này chưa đề cập đến: tại sao thuật ngữ hiệp phương sai - không phải số lượng mô hình - lại chiếm ưu thế trong lỗi tổng hợp, cách xếp chồng hoạt động như một lớp kết hợp tín hiệu với các siêu tính năng ngoài màn hình và liệu doanh thu có thực sự giảm chi phí thực hiện hay không.
Double Machine Learning: Ước Lượng Tham Số Nhân Quả Thay Vì Dự Báo Lợi Nhuận
Mọi mô hình trên blog này cho đến nay trả lời 'cái gì dự báo cái gì'. Double ML trả lời 'cái gì gây ra cái gì' — với một sai số chuẩn mà bạn có thể bảo vệ. Mô hình từng phần tuyến tính, trực giao Neyman, cross-fitting đã được làm sạch trên dữ liệu sổ lệnh và một account trung thực về tại sao khoảng tin cậy DML hợp lệ sống sót chính xác qua một câu hỏi đã được chỉ định trước.
Rừng Nhân Quả cho Hiệu Quả Điều Trị Heterogeneous trong Giao Dịch
Mọi backtest trên blog này ước lượng một conditional mean. Rừng nhân quả ước lượng một conditional treatment effect thay thế — tau(x) thay vì mu(x) — với honest splitting, biểu diễn trọng số kernel thích ứng, và bài kiểm tra calibration cho bạn biết heterogeneous mà bạn tìm có thực không.
Epistemic vs Aleatoric: Đo lường những gì mô hình trả lời không biết
Mọi quy tắc sizing trên blog này thu gọn sự không chắc chắn thành một số vô hướng. MC Dropout và deep ensembles chia nó thành sự thiếu hiểu biết của mô hình và nhiễu thị trường — và cả hai đều xứng đáng với kích thước vị thế khác nhau.
AutoML cho Quy trình Giao dịch Có hệ thống
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.