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
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.
Proses Hawkes untuk Pemodelan Kedatangan Pesanan dan Peristiwa Pasar
Menyesuaikan proses titik yang menarik dengan rekaman perdagangan kripto nyata: dari mana tiga angka (mu, alfa, beta) berasal, cara memperkirakan rasio percabangan n, apakah kernel eksponensial bertahan dalam uji kesesuaian, dan berapa banyak n bergerak saat Anda mengubah jendela estimasi.
Jaringan Neural Hamiltonian: Apakah Sistem Keuangan Menghemat Sesuatu?
Jaringan Neural Hamiltonian terbukti stabil — tetapi stabilitas tidak ada gunanya jika kuantitas yang dilestarikan tidak ada. Mempelajari skalar H melalui autograd, integrasi simplektis, dan uji falsifikasi yang memutuskan apakah pasangan finansial (q, p) bersifat kanonik.
Toda-Yamamoto vs Granger yang Berbeda: Apakah Lead-Lag BTC Bertahan?
Kausalitas Granger pada harga kripto dilakukan dengan dua cara — perbedaan pengembalian dan level Toda-Yamamoto — dengan implementasi Wald yang benar, matriks kausalitas terkoreksi-N yang efektif, dan uji stabilitas bergulir untuk mengetahui apakah lag dapat diperdagangkan atau tidak.
Proses Gaussian untuk Pemodelan Harga Non-Parametrik
Desain kernel untuk deret waktu keuangan — Kekasaran matern, komposisi periodik lokal, campuran spektral — dan kemungkinan marjinal sebagai pengatur yang tidak memerlukan set validasi. Ditambah daftar jujur tentang apa yang masih harus diukur sebelum dapat diperdagangkan.
Operator Neural Fourier untuk Pemodelan Keuangan Berbasis PDE
Pembelajaran operator memetakan seluruh ruang fungsi, bukan titik — bagaimana Fourier Neural Operator membuat parameter operator solusi PDE dalam ruang frekuensi, apa yang dibeli untuk harga opsi, dan klaim mana yang masih perlu diukur pada perangkat keras sebenarnya.
Apakah Konteks Sehari Penuh Mengalahkan Konteks Sepuluh Menit? Perhatian Kilat dan Pertanyaan Panjang Urutan
Flash Attention menjadikan konteks perdagangan 23.400 langkah bebas komputasi — ubin, softmax online, dan batasan IO sebesar N^2 d^2 / M. Apakah konteks yang lebih panjang tersebut menjadikan model lebih baik adalah pertanyaan terpisah, dan harus diukur, bukan ditegaskan.
Metode Ensemble: Menggabungkan Pembelajar yang Lemah untuk Alpha yang Kuat
Tiga hal tentang ansambel perdagangan yang belum dibahas di blog ini: mengapa istilah kovarians — bukan jumlah model — mendominasi kesalahan ansambel, bagaimana penumpukan berfungsi sebagai lapisan kombinasi sinyal dengan fitur meta yang tidak dapat dilipat, dan apakah jaring omset di banyak sinyal benar-benar mengurangi biaya eksekusi.