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
Jesse : framework d'algo-trading crypto avec moteur à la minute en Python et Rust
Revue approfondie de Jesse, un framework d'algo-trading pour les marchés crypto. Simulation à la minute, stratégies conçues comme des machines à états, indicateurs accélérés par Rust, optimisation avec protection contre l'overfitting, et la frontière entre le noyau open-source et le trading en direct.
AI Hedge Fund : un fonds multi-agents où des analystes IA votent sur les transactions
Une plongée en profondeur dans AI Hedge Fund de virattt — un système open source où plusieurs agents LLM aux styles d'analyse différents construisent un portefeuille à travers un filtre de risque. Architecture, agents, limites et leçons pour de vrais systèmes.
AI4Finance Foundation : l'écosystème FinGPT, FinRL et FinRobot pour le trading algorithmique
Guide complet de l'écosystème de l'AI4Finance Foundation : FinGPT (LLM + LoRA pour la finance), FinRL (apprentissage par renforcement pour le trading), FinRobot (orchestration multi-agents). Satellites, pipelines et usage pratique.
VectorBT: The Fastest Backtesting Framework for Python
Overview of VectorBT — an innovative quantitative analysis library that changes the approach to backtesting thanks to the power of NumPy and Numba.
Modèles de copules pour la modélisation conjointe du risque dans les portefeuilles crypto
Au-delà de la corrélation linéaire — utiliser des modèles de copules pour capturer la dépendance de queue et le risque conjoint dans les portefeuilles de cryptomonnaies afin d'estimer précisément la VaR et la CVaR.
ZigBolt: Why We Built Our Own Aeron in Zig and Hit 20 Nanoseconds Per Message
How and why we built an ultra-low-latency messaging system for HFT from scratch in Zig. No JVM, no GC, no surprises. SPSC ring buffer at 20 ns, IPC at 30 ns, codec at 0 ns. With benchmarks.
Rééquilibrage automatisé de portefeuille d'ETF : comment nous avons créé un bot pour Tinkoff Invest
Bot open-source en TypeScript/Bun pour le rééquilibrage automatisé de portefeuilles d'ETF sur Tinkoff Invest. Quatre modes de rééquilibrage, trading sur marge, prise en charge multi-comptes. Avec code source.
Aeron : au coeur du systeme de messagerie qui fait tourner la moitie de l'industrie HFT
Une plongee approfondie dans Aeron, le systeme de messagerie de Real Logic pour le trading haute frequence. Transport, Archive, Cluster, Sequencer. Ce qu'il contient, comment il fonctionne et ou se trouvent les goulots d'etranglement.
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.
Types d'ordres dans le trading algorithmique : de la limite avec poursuite aux ordres virtuels
Un guide complet des types d'ordres dans le trading algorithmique : ordres standard des exchanges, limite avec poursuite, ordres temporisés, ordres virtuels/synthétiques. Avec des exemples de code et des cas d'usage concrets.
Types de Barres et Méthodes d'Agrégation pour le Trading Algorithmique
Classification à deux axes de la construction des bougies : 17 types de barres de base (temps, tick, volume, dollar, Renko, range, volatilité, Heikin-Ashi, Kagi, Line Break, P&F, TIB, VIB, run, CUSUM, entropie, delta) × 3 méthodes d'agrégation (calendaire, glissante, adaptative) = 51 combinaisons. Avec code d'implémentation et recommandations pratiques.
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.