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
تحيز النظر المستقبلي: كيف يُلفّق خطأ بفارق شمعة واحدة نسبة Sharpe تبلغ 15 من ضوضاء خالصة
دراسة مضبوطة لتسريبات النظر المستقبلي الدقيقة التي تُضخّم الاختبارات الرجعية بصمت. بدون أي ميزة حقيقية على الإطلاق، ينتج التنفيذ على نفس الشمعة نسبة Sharpe سنوية تبلغ +14.8 من ضوضاء خالصة؛ بينما تنتج نظرة مؤشر مستقبلية بشمعة واحدة +4.8. التصنيف، الأحجام المقاسة لكل تسريب، وكيفية اكتشاف كل تسريب قبل أن يكلفك المال.
سلم سرعة محرك الاختبار الرجعي: 298 ضعفاً على وحدة معالجة كمبيوتر محمول، بنفس PnL حتى آخر صفقة
خمسة تطبيقات لنفس مسح 80 توليفة من المعلمات، جميعها مُتحقق من أنها تُنتج نفس PnL تماماً: pandas rolling.apply يستغرق 69.9 ثانية، numpy 3.1، numba 2.0، numba المتوازي 0.23 — تسريع مقيس بمقدار 298 ضعفاً على Apple M2 Max بدون أي تغيير في العتاد، وما زال ~13 ضعفاً أسرع من خط أساس مُتّجه (vectorized) كفؤ. ماذا تشتري كل درجة، ولماذا ليست وحدة معالجة الرسوميات (GPU) هي القطعة المفقودة، وأين يكمن الاختناق الحقيقي في البحث الجماعي عن المعلمات.
researcher: أرشيف أبحاث كمية قابل للبحث للبشر ووكلاء الذكاء الاصطناعي
كيف بنينا researcher.marketmaker.cc — أرشيفاً موحداً قابلاً للبحث النصي الكامل لأبحاث التداول الكمي (أوراق arXiv، ومستودعات GitHub، ومدونات الكم، وسكربتات Pine على TradingView) يتصفحه البشر ويستعلم عنه وكلاء الذكاء الاصطناعي عبر MCP.
algo-investor-skills: مهارات Claude Code التي تبني عرضاً للمستثمرين عصياً على الاحتيال
نظرة معمقة على algo-investor-skills — مجموعة من مهارات Claude Code تأخذ استراتيجية تداول خوارزمي من حقائق خام مقيسة إلى عرض مدقَّق للمستثمرين يضع الصدق في المقدمة. ست مهارات قابلة للتركيب، ومحرك للنماذج المالية، وحزمة إثبات للتحقق المستقل، وبوابة تدقيق إلزامية بعقلية مستثمر متشكك لا تختلق رقماً أبداً.
معيار Kelly للاستراتيجيات: كيف تختار حجم المركز وتوزع رأس المال
الاستراتيجية ذات التوقع الرياضي الموجب قد تفجر الحساب إذا أخطأت في حجم الرهان. نشرح معيار Kelly من اشتقاق الصيغة وصولا إلى محفظة الاستراتيجيات: لماذا يكون full Kelly خطيرا، وكيف يمنح Kelly الجزئي 75% من النمو عند نصف التذبذب، وحاسبة تفاعلية ترى فيها كيف تغير حصة Kelly العائد والمخاطرة.
تحليل الأسهم اليومي: نظام ذكاء اصطناعي يحول قائمة المراقبة إلى لوحة قرارات يومية
نظرة معمقة على daily_stock_analysis من ZhuLinsen — نظام مفتوح المصدر يجلب بيانات السوق عبر الأسهم الصينية A والأسهم في هونغ كونغ والولايات المتحدة وغيرها، ويجري تحليلاً فنياً وإخبارياً عبر نموذج LLM، ويدفع لوحة قرارات منظمة إلى تطبيق المراسلة لديك في كل يوم تداول. البنية، تجاوز فشل البيانات، استراتيجيات الوكلاء، القيود.
محولات الدمج الزمني للتنبؤ متعدد الآفاق بالمحافظ الاستثمارية
كيف يضفي محول الدمج الزمني من Google قابلية التفسير على التنبؤ متعدد الآفاق في إدارة المحافظ الكمية، عبر اختيار المتغيرات المعتمد على الانتباه، ومخرجات الكميات، وخط أنابيب عملي مبني على pytorch-forecasting.
التنبؤ المطابق (Conformal Prediction) لتحديد حجم المراكز الواعي بالمخاطر
فترات تنبؤ خالية من الافتراضات التوزيعية مع ضمان تغطية مؤكد. نستخدم التنبؤ المطابق المقسّم (split conformal) و jackknife+ والاستدلال المطابق التكيفي لمعايرة مخاطر التداول وتحديد حجم المراكز دون افتراضات بارامترية.
نمذجة فرق السعر بين العرض والطلب والتنبؤ به باستخدام التعلم الآلي
تفكيك فروق الأسعار بين العرض والطلب والتنبؤ بها باستخدام التعلم الآلي — من مقدّر رول الضمني إلى التعزيز التدرجي والشبكات العصبية — مع الوحدات، وتسرب البيانات، ومزالق المقايسة التي تظهر في بيئة الإنتاج.
DeepLOB: التعلم العميق على دفاتر الأوامر المحدودة
كيف يجمع DeepLOB بين شبكة التفافية ووحدة inception وشبكة LSTM للتنبؤ بحركات سعر المنتصف انطلاقا من بيانات دفتر الأوامر الخام — البنية، والأرقام الحقيقية لمجموعة FI-2010، وإعادة تنفيذ عملية باستخدام PyTorch.
داخل خوارزميتنا الخاصة: HRP + طويل/قصير + CVaR مع Hull-White
غوص عميق في Pipeline — خوارزمية التخصيص المركبة التي بنيناها فوق HRP. التكافؤ الهرمي للمخاطر كأساس، وتراكب طويل/قصير مدفوع بإشارات الوكيل والثقة، وتصحيح نهائي للمخاطر عبر CVaR مع تعديل تقلب Hull-White. الرياضيات الكاملة من مواصفاتنا، بالإضافة إلى تطبيق Rust الفعلي.
12 خوارزميات لتحسين المحفظة، مقارنة: HRP، بلاك-ليترمان، NCO وما بعدها
سلة واحدة من العملات المشفرة، اثنتا عشرة خوارزمية لتخصيص الأصول، مقارنة واحدة صادقة. لقد قمنا بفتح مصدر مُحسِّن محفظة Rust الذي يدير HRP، HERC، MVO، بلاك-ليترمان، NCO، تجميع الإنتروبيا والمزيد خلف واجهة واحدة — إليك كيف تفكر كل واحدة ولماذا لا يوجد فائز واحد.