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
Double Machine Learning: Estimando un Parametro Causal en Vez de Predecir Retornos
Todos los modelos en este blog hasta ahora responden 'que predice que'. Double ML responde 'que causa que' — con un error estandar que puedes defender. El modelo parcialmente lineal, ortogonalidad de Neyman, cross-fitting purgado en datos de libro de ordenes y un relato honesto de por que un intervalo de confianza DML valido sobrevive exactamente a una pregunta preespecificada.
Bosques causales para efectos de tratamiento heterogéneos en trading
Cada backtest en este blog estima una media condicional. Los bosques causales estiman un efecto de tratamiento condicional en su lugar — tau(x) en lugar de mu(x) — con división honesta, una representación de pesos de núcleo adaptativo y una prueba de calibración que te dice si la heterogeneidad que encontraste es real.
Epistémico vs Aleatorio: Midiendo lo que un modelo de retornos no sabe
Cada regla de dimensionamiento en este blog trata la incertidumbre como un solo número. MC Dropout y los deep ensembles la dividen en ignorancia del modelo y ruido de mercado — y ambos merecen tamaños de posición diferentes.
AutoML para canalizaciones de trading sistemático
Generación automatizada de características (tsfresh, Featuretools), búsqueda de modelos consciente del presupuesto (el optimizador frugal en costes de FLAML) y la fábrica de alfas formularios de WorldQuant: las partes del proceso de investigación que esta serie sobre búsqueda y sobreajuste nunca cubrió, y lo que sus propios resultados dicen al respecto.
Las cascadas de liquidaciones como señal de trading: cómo leer el flujo forzado y preanunciado
Cada posición apalancada anuncia el precio al que debe venderse. Cómo construir el gráfico de profundidad de liquidaciones en cadena y el mapa de calor de liquidaciones de CEX, modelar la dinámica de una cascada como un número de reproducción y operar el flujo forzado como una señal en lugar de temerlo solo como un riesgo.
Estrategias de LP en Uniswap v3 y cobertura
Перевод статьи на es
La cadena de suministro de MEV: PBS, MEV-Boost y quién captura realmente el valor
El MEV dejó de ser un bot solitario y se convirtió en una línea de montaje: searcher, builder, relay, proposer. Un recorrido técnico por la separación proposer-builder (PBS), la subasta de bloques de ofertas selladas de MEV-Boost, por qué el margen del searcher se licita, las subastas de flujo de órdenes como el nuevo foso (moat), y cómo difiere el modelo Jito de Solana.
Arbitraje on-chain: ciclos atómicos, préstamos flash y la subasta que tienes que ganar
Encontrar un ciclo de arbitraje on-chain es la mitad fácil. La mitad difícil es ganar la subasta de prioridad a sobre cerrado contra todos los demás buscadores que encontraron el mismo ciclo. Un desglose técnico de la atomicidad, los préstamos flash, el backrunning y dónde sobrevive realmente el beneficio del arbitraje, incluyendo CEX-DEX no atómico.
Pérdida Impermanente y LVR: las matemáticas reales de la rentabilidad del LP
Pérdida impermanente, apalancamiento de liquidez concentrada y pérdida versus reequilibrio derivados de los primeros principios. Las formas cerradas, el resultado σ²/8, el markout por bloque y la condición exacta de tarifa versus volatilidad bajo la cual un LP realmente supera el holding.
Dentro del slice: tácticas de órdenes hijas entre tu scheduler y el exchange
Almgren-Chriss y VWAP solo fijan presupuestos de slice — la ejecución se gana en la capa táctica. Temporizadores de escalada, matemática de break-even maker-taker, semántica de cola en amend vs cancel-replace en Binance/OKX/CME, anti-señalización de iceberg, y una máquina de estados en Python por slice.
Curvas de slippage, no constantes de slippage: modelos de costos que sobreviven al contacto con el trading en vivo
Reemplaza el slippage constante en bps por curvas de costo dependientes del tamaño, la volatilidad y la liquidez: la ley de raíz cuadrada, el ajuste de curvas a partir de fills de TCA o datos públicos, multiplicadores de estrés por régimen, y por qué se reordena el ranking de tus estrategias.
Enrutamiento inteligente de órdenes en cripto: una orden, doce plazas, sin NBBO
Por qué el SOR en cripto es más difícil que el enrutamiento en renta variable: sin cinta consolidada, liquidez fantasma, capital prefinanciado. Una optimización de enrutamiento convexa con matemática y Python, tácticas conscientes del rol maker, y tablas de clasificación de markouts por plaza a partir de tu propio TCA.