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.
Artikel
Look-Ahead Bias: Bagaimana Kesalahan Satu Bar Menciptakan Sharpe 15 dari Noise Murni
Studi terkontrol tentang kebocoran look-ahead halus yang diam-diam menggelembungkan backtest. Dengan edge nyata nol, fill same-bar menciptakan Sharpe tahunan +14.8 dari noise murni; intipan indikator satu bar, +4.8. Taksonominya, magnitudo yang terukur, dan cara mendeteksi setiap kebocoran sebelum merugikan Anda.
Tangga Kecepatan Engine Backtest: 298x pada CPU Laptop, PnL Identik hingga Transaksi Terakhir
Lima implementasi dari sweep parameter 80-kombinasi yang sama, semuanya diverifikasi menghasilkan PnL identik: pandas rolling.apply membutuhkan 69.9 detik, numpy 3.1, numba 2.0, numba paralel 0.23 — percepatan terukur 298x pada Apple M2 Max tanpa perubahan hardware sama sekali, dan tetap ~13x lebih cepat dibanding baseline vektorisasi yang kompeten. Apa yang didapat dari setiap anak tangga, mengapa GPU bukan bagian yang hilang, dan di mana bottleneck sebenarnya dalam pencarian parameter skala besar berada.
researcher: Arsip Riset Kuantitatif yang Dapat Dicari untuk Manusia dan Agen AI
Bagaimana kami membangun researcher.marketmaker.cc — arsip riset kuantitatif yang terpadu dan dapat dicari secara teks penuh (makalah arXiv, repositori GitHub, blog kuant, skrip Pine TradingView) yang ditelusuri manusia dan dikueri agen AI melalui MCP.
algo-investor-skills: Claude Code Skills yang Menyusun Proposal Investor Anti-Penipuan
Tinjauan mendalam tentang algo-investor-skills — sekumpulan Claude Code skills yang membawa strategi algotrading dari fakta terukur mentah menjadi proposal investor yang telah diaudit dan mengutamakan kejujuran. Enam skill yang dapat dikomposisikan, sebuah mesin model finansial, paket bukti verifikasi independen, dan gerbang audit investor skeptis yang wajib dan tidak pernah mengarang angka.
Kriteria Kelly untuk strategi: cara memilih ukuran posisi dan mengalokasikan modal
Strategi dengan ekspektasi matematis positif bisa menghancurkan deposit jika ukuran taruhannya salah. Kita bahas kriteria Kelly dari penurunan rumus hingga portofolio strategi: mengapa full Kelly berbahaya, bagaimana Kelly fraksional memberi 75% pertumbuhan dengan separuh volatilitas, dan kalkulator interaktif yang memperlihatkan bagaimana fraksi Kelly mengubah imbal hasil dan risiko.
Analisis Saham Harian: Sistem AI yang Mengubah Watchlist Menjadi Dasbor Keputusan Harian
Telaah mendalam atas daily_stock_analysis karya ZhuLinsen — sistem open-source yang mengambil data pasar untuk saham A, Hong Kong, AS, dan lainnya, menjalankan analisis teknikal dan berita melalui LLM, serta mengirimkan 'dasbor keputusan' terstruktur ke aplikasi pesan Anda setiap hari bursa. Arsitektur, fallback data, strategi agen, keterbatasan.
Temporal Fusion Transformer untuk Peramalan Portofolio Multi-Horizon
Bagaimana Temporal Fusion Transformer dari Google menghadirkan peramalan multi-horizon yang dapat diinterpretasi ke manajemen portofolio kuantitatif, dengan seleksi variabel berbasis attention, keluaran kuantil, dan pipeline pytorch-forecasting yang dikerjakan langkah demi langkah.
Conformal Prediction untuk Position Sizing yang Sadar Risiko
Interval prediksi bebas distribusi dengan jaminan cakupan. Kami menggunakan split conformal, jackknife+, dan adaptive conformal inference untuk mengkalibrasi risiko trading dan menentukan ukuran posisi tanpa asumsi parametrik.
Pemodelan dan Prediksi Bid-Ask Spread dengan Machine Learning
Mendekomposisi dan memprediksi bid-ask spread dengan ML — dari estimator implisit Roll hingga gradient boosting dan jaringan saraf — beserta jebakan satuan, kebocoran data, dan benchmarking yang menggigit di produksi.
DeepLOB: Deep Learning pada Limit Order Book
Bagaimana DeepLOB menggabungkan CNN, modul inception, dan LSTM untuk memprediksi pergerakan mid-price dari data order book mentah — arsitekturnya, angka FI-2010 yang sebenarnya, dan reimplementasi PyTorch yang berfungsi.
Di Balik Algoritma Kami: HRP + Long/Short + CVaR dengan Hull-White
Penjelasan mendalam tentang Pipeline — algoritma alokasi komposit yang kami bangun di atas HRP. Hierarchical Risk Parity sebagai fondasi, overlay long/short yang digerakkan oleh sinyal agen dan tingkat kepercayaan, serta koreksi risiko akhir via CVaR dengan penyesuaian volatilitas Hull-White. Matematika lengkap dari spesifikasi kami, plus implementasi Rust yang sebenarnya.
12 Algoritma Optimasi Portofolio, Dibandingkan: HRP, Black-Litterman, NCO dan Selebihnya
Satu keranjang kripto, dua belas algoritma alokasi, satu perbandingan yang jujur. Kami merilis secara open-source sebuah optimizer portofolio berbasis Rust yang menjalankan HRP, HERC, MVO, Black-Litterman, NCO, Entropy Pooling, dan lainnya di balik satu antarmuka — berikut cara masing-masing berpikir dan mengapa tidak ada satu pemenang tunggal.