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
Model Pruning for Low-Latency Trading Inference
Magnitude and structured pruning, the Lottery Ticket Hypothesis, movement pruning, distillation and 2:4 sparsity — the methods behind shrinking a trading model, and what still has to be measured before any of it ships.
Updating the Volume Curve Intraday: Does Adaptive Forecasting Actually Help?
Our VWAP article shipped a static, weekly-refit volume curve and called the forecaster the weakest link. This is the follow-up: a Bayesian intraday updater run against the same 500-parent BTCUSDT harness, with the IS delta conditioned on realized curve error.
Koopman Operators and DMD: Do Market Modes Survive Out-of-Sample?
Dynamic Mode Decomposition fits a linear operator to nonlinear market dynamics. The only question that matters: do the fitted modes persist from one window to the next, and does the rolling spectral radius lead realised volatility? Here is the measurement protocol and the code to run it.
Knowledge Distillation: Compressing Trading Models for Low-Latency Deployment
The blog's standing answer to the accuracy-vs-latency tension is a two-stage fast/slow split. Distillation is a different answer: train one small model to mimic the ensemble. The KD loss, temperature, born-again nets, early exits for a variable latency budget, and the distill-to-FPGA pipeline — plus the measurements that would decide whether it beats the two-stage split.
The Other Way a Regression Lies: Endogeneity, 2SLS, and the Gamma Calibration Problem
Selection bias in the search is not the only way a regression fools you. When the regressor is correlated with the error, more data makes the estimate more confidently wrong. Instrumental variables applied to the one endogeneity problem this blog has already left open: permanent impact from net taker flow.
ऑर्डर आगमन और मार्केट इवेंट मॉडलिंग के लिए हॉक्स प्रक्रियाएं
वास्तविक क्रिप्टो व्यापार टेप में एक स्व-रोमांचक बिंदु प्रक्रिया को फिट करना: तीन संख्याएं (एमयू, अल्फा, बीटा) कहां से आती हैं, शाखा अनुपात एन का अनुमान कैसे लगाएं, क्या घातीय कर्नेल एक अच्छाई-फिट परीक्षण से बचता है, और जब आप अनुमान विंडो बदलते हैं तो कितना एन चलता है।
Hamiltonian Neural Networks: Does a Financial System Conserve Anything?
Hamiltonian Neural Networks are provably stable — but stability is worthless if the conserved quantity does not exist. Learning a scalar H via autograd, symplectic integration, and the falsification test that decides whether a financial (q, p) pair is canonical at all.
Toda-Yamamoto vs Differenced Granger: Does the BTC Lead-Lag Survive?
Granger causality on crypto prices done two ways — differenced returns and Toda-Yamamoto on levels — with a correct Wald implementation, an effective-N corrected causality matrix, and a rolling-stability test of whether the lag is tradeable at all.
गैर-पैरामीट्रिक मूल्य मॉडलिंग के लिए गाऊसी प्रक्रियाएं
वित्तीय समय श्रृंखला के लिए कर्नेल डिज़ाइन - मातृ खुरदरापन, स्थानीय रूप से आवधिक संरचना, वर्णक्रमीय मिश्रण - और एक नियमितकर्ता के रूप में सीमांत संभावना जिसे किसी सत्यापन सेट की आवश्यकता नहीं है। साथ ही व्यापार योग्य होने से पहले क्या-क्या मापा जाना बाकी है, इसकी ईमानदार सूची भी।
पीडीई-आधारित वित्तीय मॉडलिंग के लिए फूरियर न्यूरल ऑपरेटर
ऑपरेटर लर्निंग पूरे फ़ंक्शन स्पेस को मैप करता है, बिंदुओं को नहीं - फ़ोरियर न्यूरल ऑपरेटर फ़्रीक्वेंसी स्पेस में पीडीई सॉल्यूशन ऑपरेटर को कैसे पैरामीटराइज़ करता है, वह विकल्प मूल्य निर्धारण के लिए क्या खरीदता है, और उसके किन दावों को अभी भी वास्तविक हार्डवेयर पर मापने की आवश्यकता है।
क्या पूरे दिन का प्रसंग दस मिनट के प्रसंग को मात देता है? फ़्लैश ध्यान और अनुक्रम-लंबाई प्रश्न
फ्लैश अटेंशन 23,400-स्टेप ट्रेडिंग संदर्भ को कम्प्यूटेशनल रूप से मुक्त बनाता है - टाइलिंग, ऑनलाइन सॉफ्टमैक्स, और एन^2 डी^2 / एम का एक आईओ बाउंड। क्या वह लंबा संदर्भ मॉडल को बेहतर बनाता है यह एक अलग प्रश्न है, और इसे मापा जाना चाहिए, दावा नहीं किया जाना चाहिए।
संयोजन विधियाँ: मजबूत अल्फा के लिए कमजोर शिक्षार्थियों का संयोजन
ट्रेडिंग संयोजनों के बारे में तीन बातें इस ब्लॉग में शामिल नहीं की गई हैं: सहप्रसरण शब्द - मॉडल गणना नहीं - संयोजन त्रुटि पर हावी क्यों है, स्टैकिंग आउट-ऑफ-फोल्ड मेटा-फीचर्स के साथ सिग्नल-संयोजन परत के रूप में कैसे काम करती है, और क्या कई सिग्नलों में टर्नओवर नेटिंग वास्तव में निष्पादन लागत को कम करती है।