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
Cara Menangkap Penurunan Setelah Pump Shitcoin: Pendekatan Sistematis
Uraian sistematis strategi shorting setelah pump shitcoin. Funding rate, OI, analisis volume, pola candlestick, liquidation cascade. Dilengkapi algoritma praktis.
Jenis-Jenis Order dalam Algorithmic Trading: Dari Limit dengan Chasing hingga Virtual Orders
Panduan lengkap jenis-jenis order dalam algorithmic trading: order standar di bursa, chasing limit, order berbasis waktu, virtual/sintetis. Dilengkapi contoh kode dan kasus penggunaan nyata.
Jenis Bar dan Metode Agregasi untuk Trading Algoritmik
Klasifikasi dua sumbu konstruksi candle: 17 jenis bar dasar (waktu, tick, volume, dolar, Renko, range, volatilitas, Heikin-Ashi, Kagi, Line Break, P&F, TIB, VIB, run, CUSUM, entropi, delta) × 3 metode agregasi (kalender, rolling, adaptif) = 51 kombinasi. Dilengkapi kode implementasi dan rekomendasi praktis.
Hidden Markov Models dalam Trading: Cara Mengadaptasi Strategi ke Regime Pasar
Cara mengidentifikasi regime pasar saat ini (bull, bear, sideways) menggunakan Hidden Markov Models dan secara otomatis beralih strategi trading. Lengkap dengan kode Python dan backtest.
Antrean di Dalam Tembok: Menganalisis Posisi Order di Kerapatan Order Book
Bagaimana memahami posisi Anda dalam antrean di suatu level harga mengubah scalping dari tebak-tebakan menjadi masalah rekayasa
LLM Alpha Mining: Cara Mengekstrak Sinyal Trading dari Earnings Call dan Dokumen Keuangan
Cara menggunakan large language model untuk mengekstrak sinyal trading dari panggilan investor, laporan, dan berita. Chain-of-thought prompting, ekstraksi terstruktur, backtesting sinyal.
Arbitrase Statistik dan Pairs Trading di Pasar Kripto: Dari Kointegrasi hingga Kalman Filter
Panduan lengkap arbitrase statistik untuk pasar kripto. Kointegrasi, Kalman filter, strategi basis, arbitrase lintas bursa. Dengan backtest dan kode Python.
Sidik Jari Digital Trader: Cara Mengidentifikasi Market Maker dari Perilaku Order Book
Setiap algoritma meninggalkan sidik jari yang unik. Pelajari cara membacanya — dan Anda akan tahu siapa yang ada di sisi lain perdagangan Anda.
PnL berdasarkan Waktu Aktif: Metrik yang Mengubah Peringkat Strategi
Mengapa PnL tahunan mentah adalah metrik yang buruk untuk membandingkan strategi dengan waktu trading yang berbeda. Cara menghitung return efektif, mengapa Anda membutuhkan fill_efficiency, dan mengapa strategi dengan PnL 27% bisa mengungguli yang 300%.
Drill-Down Adaptif: Backtest dengan Granularitas Bervariasi dari Menit hingga Trade Mentah
Bagaimana granularitas data adaptif mempercepat backtest dan menghemat penyimpanan: drill-down dari 1m ke 1s, 100ms, dan trade mentah hanya di tempat harga bergerak signifikan atau volume melonjak, bukan di sepanjang seluruh deret historis.
Cache Parquet Teragregasi: Cara Mempercepat Backtest Multi-Timeframe Ratusan Kali Lipat
Cara pra-komputasi timeframe dan indikator dari candle per menit, menyimpannya ke parquet, dan menggunakannya untuk pengujian strategi massal tanpa perhitungan ulang yang tidak perlu.
Walk-Forward Optimization: Satu-Satunya Uji Strategi yang Jujur
Mengapa pemisahan train/test tunggal tidak melindungi dari overfitting, bagaimana walk-forward optimization secara sistematis memverifikasi ketahanan parameter, dan mengapa strategi dengan PnL +3342%@ML pada 21 parameter adalah bom waktu tanpa WFO.