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.
Tipos de órdenes en el trading algorítmico: de la limit con persecución a las órdenes virtuales
Una guía completa sobre los tipos de órdenes en el trading algorítmico: órdenes estándar de exchange, limit con persecución, basadas en tiempo, órdenes virtuales/sintéticas. Con ejemplos de código y casos de uso reales.
Tipos de Barras y Métodos de Agregación para Trading Algorítmico
Clasificación de dos ejes de la construcción de velas: 17 tipos base de barras (tiempo, tick, volumen, dólar, Renko, rango, volatilidad, Heikin-Ashi, Kagi, Line Break, P&F, TIB, VIB, run, CUSUM, entropía, delta) × 3 métodos de agregación (calendario, rolling, adaptativo) = 51 combinaciones. Con código de implementación y recomendaciones prácticas.
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: Cómo extraer señales de trading de las conferencias de resultados y documentos financieros
Cómo usar grandes modelos de lenguaje para extraer señales de trading de las llamadas con inversores, informes y noticias. Chain-of-thought prompting, extracción estructurada, backtesting de señales.
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.
La Huella Digital de un Trader: Cómo Identificar a un Market Maker por su Comportamiento en el Libro de Órdenes
Cada algoritmo deja una huella única. Aprende a leerla — y sabrás quién está al otro lado de tu operación.
PnL por tiempo activo: la métrica que cambia el ranking de estrategias
Por qué el PnL anual bruto es una métrica pobre para comparar estrategias con distinto tiempo de trading. Cómo calcular el retorno efectivo, por qué se necesita fill_efficiency, y por qué una estrategia con 27% de PnL puede superar a una con 300%.
Drill-down adaptativo: backtest con granularidad variable, de minutos a operaciones individuales
Cómo la granularidad adaptativa de los datos acelera los backtests y ahorra almacenamiento: drill-down de 1m a 1s, 100ms y operaciones individuales solo donde el precio se movió de forma significativa o el volumen se disparó, no en toda la serie histórica.
Cache Parquet Agregado: Cómo Acelerar Backtests Multi-Timeframe Cientos de Veces
Cómo precalcular timeframes e indicadores a partir de velas de un minuto, guardarlos en parquet y usarlos para pruebas masivas de estrategias sin recálculos redundantes.
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.