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
Kinh Doanh Chênh Lệch Thống Kê và Giao Dịch Theo Cặp trên Thị Trường Crypto: Từ Đồng Tích Hợp đến Bộ Lọc Kalman
Hướng dẫn toàn diện về kinh doanh chênh lệch thống kê trên thị trường crypto. Đồng tích hợp, bộ lọc Kalman, chiến lược cơ sở, kinh doanh chênh lệch xuyên sàn. Kèm backtest và code Python.
Dấu Vân Tay Số của Nhà Giao Dịch: Cách Nhận Diện Market Maker Qua Hành Vi Sổ Lệnh
Mọi thuật toán đều để lại dấu vân tay độc đáo. Học cách đọc nó — và bạn sẽ biết ai đang ở phía bên kia giao dịch của mình.
PnL theo Thời Gian Hoạt Động: Chỉ Số Thay Đổi Thứ Hạng Chiến Lược
Tại sao PnL hàng năm thô là chỉ số kém để so sánh các chiến lược với thời gian giao dịch khác nhau. Cách tính lợi nhuận hiệu quả, tại sao bạn cần fill_efficiency, và tại sao chiến lược với PnL 27% có thể vượt trội hơn chiến lược với 300%.
Adaptive Drill-Down: Backtest với Độ Phân Giải Biến Đổi từ Phút đến Giao Dịch Thô
Cách độ phân giải dữ liệu thích ứng tăng tốc backtest và tiết kiệm lưu trữ: drill-down từ 1m xuống 1s, 100ms và giao dịch thô chỉ ở nơi giá biến động đáng kể hoặc khối lượng tăng đột biến, không phải trên toàn bộ chuỗi lịch sử.
Bộ nhớ đệm Parquet tổng hợp: Cách tăng tốc backtest đa khung thời gian lên hàng trăm lần
Cách tính trước các khung thời gian và chỉ báo từ nến phút, lưu vào parquet, và sử dụng chúng để kiểm thử hàng loạt chiến lược mà không cần tính toán lại thừa.
Walk-Forward Optimization: Bài Kiểm Tra Chiến Lược Trung Thực Duy Nhất
Tại sao một lần phân chia train/test không bảo vệ được khỏi overfitting, cách walk-forward optimization kiểm tra tính bền vững của tham số một cách có hệ thống, và tại sao chiến lược với +3342% PnL@ML trên 21 tham số là một quả bom hẹn giờ nếu thiếu WFO.
Tương Quan Tín Hiệu: Cần Theo Dõi Bao Nhiêu Cặp Giao Dịch
Tại sao 10 cặp crypto không mang lại đa dạng hóa gấp 10 lần, cách tính effective_N qua correlation_factor, và bạn thực sự cần theo dõi bao nhiêu cặp để đạt 80-90% mức sử dụng slot của orchestrator.
Polars vs Pandas cho Algotrading: Benchmark trên Dữ liệu Thực
So sánh chi tiết Polars và Pandas trên các tác vụ algotrading: benchmark cho lọc, tổng hợp, tính toán tín hiệu rolling, I/O và mức tiêu thụ bộ nhớ. Kiến trúc hybrid Polars + Numba để đạt hiệu suất backtest tối đa.
Phân Tích Plateau: Cách Phân Biệt Tối Ưu Bền Vững với Overfitting
Tại sao tìm ra các tham số chiến lược tốt nhất chỉ là nửa công việc. Cách phân biệt trực quan và định lượng một plateau ổn định với một đỉnh nhọn mong manh, và tại sao các biểu đồ đường đồng mức Optuna là bước bắt buộc trước khi đưa chiến lược đã tối ưu vào production.
Coordinate Descent vs Tối ưu hóa Bayesian: Phương pháp nào tìm tham số tốt hơn
Tại sao tìm kiếm toàn bộ không thể thực hiện với 12+ tham số, cách coordinate descent bỏ lỡ các tương tác, và cách Optuna với TPE sampler tìm ra trong 500 vòng lặp những gì OAT không thể tìm trong 96. Ví dụ code thực tế, so sánh sampler và tối ưu hóa đa mục tiêu.
Xác Thực Đa Symbol: Kiểm Tra Chiến Lược Của Bạn Trên Tất Cả Các Cặp
Tại sao một chiến lược được tối ưu hóa trên ETHUSDT có thể thất bại với các altcoin. Cách kiểm tra đúng cách trên các nhóm cặp (blue chips, large caps, shitcoin) và điểm số robustness đa symbol nào là đủ.
Funding Rate Hủy Hoại Đòn Bẩy Của Bạn: Tại Sao PnL×50x Chỉ Là Ảo Tưởng
Cách funding rate trên Binance/Bybit biến những kết quả backtest đòn bẩy cao đẹp đẽ thành thua lỗ chắc chắn. Công thức, tính toán lại chiến lược thực tế, và mức đòn bẩy tối đa mà funding không ăn vào lợi nhuận.