Eugen Soloviov

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

The Other Way a Regression Lies: Endogeneity, 2SLS, and the Gamma Calibration Problem

The Other Way a Regression Lies: Endogeneity, 2SLS, and the Gamma Calibration Problem

Selection bias in the search is not the only way a regression fools you. When the regressor is correlated with the error, more data makes the estimate more confidently wrong. Instrumental variables applied to the one endogeneity problem this blog has already left open: permanent impact from net taker flow.

Hawkes Processes for Order Arrival and Market Event Modeling

Hawkes Processes for Order Arrival and Market Event Modeling

Fitting a self-exciting point process to real crypto trade tape: where the three numbers (mu, alpha, beta) come from, how to estimate the branching ratio n, whether the exponential kernel survives a goodness-of-fit test, and how much n moves when you change the estimation window.

Hamiltonian Neural Networks: Does a Financial System Conserve Anything?

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.

تودا-ياماموتو ضد جرانجر المختلف: هل يستمر التأخر في تقدم BTC؟

تودا-ياماموتو ضد جرانجر المختلف: هل يستمر التأخر في تقدم BTC؟

تم إجراء علاقة سببية جرانجر على أسعار العملات المشفرة بطريقتين - العوائد المتباينة وتودا-ياماموتو على المستويات - مع تطبيق والد الصحيح، ومصفوفة سببية مصححة فعالة N، واختبار الاستقرار المتجدد لمعرفة ما إذا كان التأخير قابلاً للتداول على الإطلاق.

العمليات الغوسية لنمذجة الأسعار غير البارامترية

العمليات الغوسية لنمذجة الأسعار غير البارامترية

تصميم النواة للسلاسل الزمنية المالية - خشونة الأم، والتركيب الدوري المحلي، والمخاليط الطيفية - والاحتمال الهامشي كمنظم لا يحتاج إلى مجموعة التحقق من الصحة. بالإضافة إلى القائمة الصادقة لما لا يزال يتعين قياسه قبل أن يصبح أي منها قابلاً للتداول.

مشغل فورييه العصبي للنمذجة المالية القائمة على PDE

مشغل فورييه العصبي للنمذجة المالية القائمة على PDE

يرسم تعلم المشغل مساحات وظيفية كاملة، وليس نقاطًا - كيف يحدد مشغل فورييه العصبي معلمات مشغل حل PDE في مساحة التردد، وما الذي يشتريه لتسعير الخيارات، وأي من مطالباته لا تزال بحاجة إلى القياس على أجهزة حقيقية.

هل يتفوق سياق اليوم الكامل على عشر دقائق؟ انتباه فلاش وسؤال طول التسلسل

هل يتفوق سياق اليوم الكامل على عشر دقائق؟ انتباه فلاش وسؤال طول التسلسل

يجعل برنامج Flash Attention سياق تداول مكون من 23,400 خطوة خاليًا من الناحية الحسابية — التبليط، وsoftmax عبر الإنترنت، وحدود الإدخال/الإخراج بقيمة N^2 d^2 / M. ما إذا كان هذا السياق الأطول يجعل النموذج أفضل هو سؤال منفصل، ويجب قياسه، وليس التأكيد عليه.

طرق المجموعة: الجمع بين المتعلمين الضعفاء من أجل ألفا قوي

طرق المجموعة: الجمع بين المتعلمين الضعفاء من أجل ألفا قوي

ثلاثة أشياء حول مجموعات التداول لم تغطيها هذه المدونة: لماذا يهيمن مصطلح التغاير - وليس عدد النماذج - على خطأ المجموعة، وكيف يعمل التراص كطبقة تجميع الإشارة مع ميزات تعريفية خارج الطية، وما إذا كانت شبكة الدوران عبر العديد من الإشارات تقلل في الواقع تكلفة التنفيذ.

التعلم الآلي المزدوج: تقدير معامل السببية بدلاً من التنبؤ بالعوائد

التعلم الآلي المزدوج: تقدير معامل السببية بدلاً من التنبؤ بالعوائد

كل نموذج في هذه المدونة حتى الآن يجيب عن السؤال 'ماذا يتنبأ بماذا؟'. التعلم الآلي المزدوج يجيب 'ماذا يسبب ماذا؟' - مع خطأ معياري يمكنك الدفاع عنه. النموذج الخطي الجزئي،および Neyman orthogonality، والتقاطع المطهر عبر البيانات، وحساب صريح لسبب بقاء فاصل الثقة DML صالحاً لسؤال محدد مسبقاً واحداً فقط.

الغابات السببية للتأثيرات الشرطية للعلاج في التداول

الغابات السببية للتأثيرات الشرطية للعلاج في التداول

كل اختبار إرجاع في هذه المدونة يقدر متوسطاً شرطياً. الغابات السببية تقدر تأثير العلاج الشرطي بدلاً من ذلك — tau(x) وليس mu(x) — مع تقسيم صادق، وتمثيل أوزان نواة تكيفية، واختبار معايرة يخبرك ما إذا كان التباين الذي وجدته حقيقياً.

المعرفي مقابل المعلوم: قياس ما لا يعرفه نموذج العائد

المعرفي مقابل المعلوم: قياس ما لا يعرفه نموذج العائد

كل قاعدة تحجيلة في هذه المدونة تعامل عدم اليقين كرقم واحد. إسقاط مونت كارلو والتشكيلات العميقة تقسمانه إلى جهل النموذج وضجيج السوق — وكلاهما يستحق أحجامًا مختلفة من المراكز.

AutoML لخطوط أنابيب التداول المنهجية

AutoML لخطوط أنابيب التداول المنهجية

إنشاء الميزات تلقائيًا (tsfresh وFeaturetools)، والبحث النموذجي المراعي للميزانية (مُحسِّن FLAML الموفر للتكلفة)، ومصنع ألفا المعتمد من WorldQuant - أجزاء مسار البحث التي لم يغطيها قوس البحث والتجاوز في هذه المدونة مطلقًا، وما تقوله نتائج القوس الخاصة عنها.