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
How to Catch Drops After Shitcoin Pumps: A Systematic Approach
A systematic breakdown of shorting strategies after shitcoin pumps. Funding rate, OI, volume analysis, candlestick patterns, liquidation cascades. With a practical algorithm.
Ordertypen im algorithmischen Handel: Von der nachziehenden Limit-Order bis zu virtuellen Orders
Ein umfassender Leitfaden zu Ordertypen im algorithmischen Handel: Standard-Börsenorders, nachziehende Limit-Orders, zeitbasierte Orders, virtuelle/synthetische Orders. Mit Codebeispielen und praxisnahen Anwendungsfällen.
Bar-Typen und Aggregationsmethoden für algorithmischen Handel
Zweiachsige Klassifikation der Candle-Konstruktion: 17 Basis-Bar-Typen (Zeit, Tick, Volumen, Dollar, Renko, Range, Volatilität, Heikin-Ashi, Kagi, Line Break, P&F, TIB, VIB, Run, CUSUM, Entropie, Delta) × 3 Aggregationsmethoden (Kalender, Rolling, Adaptiv) = 51 Kombinationen. Mit Implementierungscode und praktischen Empfehlungen.
Hidden Markov Models in Trading: How to Adapt Your Strategy to Market Regimes
How to identify the current market regime (bull, bear, sideways) using Hidden Markov Models and automatically switch trading strategies. With Python code and backtests.
Queue Inside the Wall: Analyzing Order Position in Order Book Density
How understanding your place in the queue at a price level transforms scalping from guesswork into an engineering problem
LLM Alpha Mining: Wie man Trading-Signale aus Earnings Calls und Finanzdokumenten extrahiert
Wie man große Sprachmodelle nutzt, um Trading-Signale aus Investorengesprächen, Berichten und Nachrichten zu extrahieren. Chain-of-Thought-Prompting, strukturierte Extraktion, Signal-Backtesting.
Statistical Arbitrage and Pairs Trading in Crypto Markets: From Cointegration to the Kalman Filter
A complete guide to statistical arbitrage for crypto markets. Cointegration, Kalman filter, basis strategies, cross-exchange arbitrage. With backtests and Python code.
Digitaler Fingerabdruck eines Traders: Wie man einen Market Maker am Verhalten im Orderbuch erkennt
Jeder Algorithmus hinterlässt einen einzigartigen Fingerabdruck. Lernen Sie ihn zu lesen — und Sie wissen, wer auf der anderen Seite Ihres Trades steht.
PnL pro aktiver Zeit: Die Kennzahl, die Strategie-Rankings verändert
Warum der rohe Jahres-PnL eine schlechte Kennzahl ist, um Strategien mit unterschiedlicher Handelszeit zu vergleichen. Wie man die effektive Rendite berechnet, warum man fill_efficiency braucht und warum eine Strategie mit 27% PnL eine mit 300% übertreffen kann.
Adaptives Drill-Down: Backtest mit variabler Granularität von Minuten bis zu einzelnen Trades
Wie adaptive Datengranularität Backtests beschleunigt und Speicher spart: Drill-down von 1m auf 1s, 100ms und Roh-Trades nur dort, wo sich der Preis deutlich bewegt hat oder das Volumen ausschlug, nicht über die gesamte historische Zeitreihe.
Aggregierter Parquet-Cache: Wie man Multi-Timeframe-Backtests um das Hundertfache beschleunigt
Wie man Timeframes und Indikatoren aus Minutenkerzen vorberechnet, sie in Parquet speichert und für Massentests von Strategien nutzt, ohne redundante Neuberechnungen.
Walk-Forward Optimization: The Only Honest Strategy Test
Why a single train/test split does not protect against overfitting, how walk-forward optimization systematically verifies parameter robustness, and why a strategy with +3342% PnL@ML on 21 parameters is a ticking time bomb without WFO.