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 : Estimer un Paramètre Causal au lieu de Prédire les Rendements
Tous les modèles de ce blog répondent jusqu'à présent 'qu'est-ce qui prédit quoi ?'. Double ML répond 'qu'est-ce qui cause quoi ?' — avec une erreur standard que vous pouvez défendre. Le modèle partiellement linéaire, l'orthogonalité de Neyman, le cross-fitting purgé sur les données de carnet d'ordres et un compte rendu honnête de la raison pour laquelle un intervalle de confiance DML valide survit à exactement une question prédéfinie.
Forêts causales pour effets de traitement hétérogènes dans le trading
Chaque backtest sur ce blog estime une moyenne conditionnelle. Les forêts causales estiment un effet de traitement conditionnel à la place — tau(x) plutôt que mu(x) — avec un splitting honnête, une représentation de poids de noyau adaptatif et un test de calibration qui vous dit si l'hétérogénéité que vous avez trouvée est réelle.
Épistémique vs Aléatoire : Mesurer ce qu'un modèle de rendement ne sait pas
Chaque règle de dimensionnement dans ce blog traite l'incertitude comme un seul nombre. MC Dropout et les deep ensembles la divisent en ignorance du modèle et bruit de marché — et les deux méritent des tailles de position différentes.
AutoML pour les pipelines de trading systématique
Génération automatisée de fonctionnalités (tsfresh, Featuretools), recherche de modèles tenant compte du budget (l'optimiseur économique de FLAML) et usine alpha de formules WorldQuant - les parties du pipeline de recherche que l'arc de recherche et de surajustement de ce blog n'a jamais couvertes, et ce que les propres résultats de l'arc en disent.
Les cascades de liquidations comme signal de trading : lire un flux force et preannonce
Chaque position a effet de levier annonce le prix auquel elle doit etre vendue. Comment construire le graphique de profondeur des liquidations on-chain et la heatmap des liquidations des perps CEX, modeliser la dynamique des cascades comme un nombre de reproduction et trader le flux force comme un signal au lieu de le craindre uniquement comme un risque.
Stratégies LP Uniswap v3 et couverture
Перевод статьи на fr
La chaîne d'approvisionnement du MEV : PBS, MEV-Boost et qui capture réellement la valeur
Le MEV n'est plus un bot solitaire mais une chaîne d'assemblage : chercheur, constructeur, relais, proposant. Une analyse technique de la séparation proposant-constructeur (PBS), de l'enchère de blocs à offre scellée de MEV-Boost, pourquoi la marge du chercheur est surenchérie, les enchères de flux d'ordres comme nouveau fossé, et comment le modèle Jito de Solana diffère.
Arbitrage on-chain : cycles atomiques, flash loans et l'enchère que vous devez gagner
Trouver un cycle d'arbitrage on-chain est la partie facile. La partie difficile est de gagner l'enchère prioritaire à l'aveugle contre tous les autres 'searchers' qui ont trouvé le même cycle. Une analyse technique de l'atomicité, des flash loans, du backrunning et de la survie réelle des profits d'arbitrage — y compris le CEX-DEX non atomique.
Perte impermanente et LVR : les vrais calculs de la rentabilité des LP
La perte impermanente, l'effet de levier de la liquidité concentrée et la perte par rapport au rééquilibrage (LVR) dérivés des principes fondamentaux. Les formes fermées, le résultat σ²/8, le markout par bloc et la condition exacte frais-contre-volatilité sous laquelle un LP surpasse réellement le HODL.
Dans la tranche : les tactiques d'ordres enfants entre votre scheduler et l'exchange
Almgren-Chriss et VWAP ne font que fixer les budgets de tranche — l'exécution se gagne dans la couche tactique. Timers d'escalade, arithmétique du seuil de rentabilité maker-taker, sémantique de file d'attente amend vs cancel-replace sur Binance/OKX/CME, anti-signalisation des iceberg orders, et une machine à états Python par tranche.
Courbes de slippage, pas constantes de slippage : des modèles de coûts qui survivent au contact du trading réel
Remplacez le slippage constant en bps par des courbes de coûts dépendant de la taille, de la volatilité et de la liquidité : la loi racine carrée, l'ajustement de courbes à partir de fills TCA ou de données publiques, les multiplicateurs de stress par régime, et pourquoi le classement de vos stratégies se réorganise.
Smart Order Routing en crypto : un ordre, douze venues, aucun NBBO
Pourquoi le SOR crypto est plus difficile que le routage actions : pas de tape consolidée, liquidité fantôme, capital préfinancé. Une optimisation convexe du routage avec mathématiques et Python, des tactiques maker-aware, et des classements de markout par venue issus de votre propre TCA.