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.
Articoli
Double Machine Learning: Stimare un Parametro Causale Invece che Prevedere i Ritorni
Ogni modello in questo blog finora risponde 'cosa predice cosa'. Double ML risponde 'cosa causa cosa' — con un errore standard che puoi difendere. Il modello parzialmente lineare, ortogonalita di Neyman, cross-fitting purgato sui dati del order book e un resoconto onesto del perche un intervallo di confidenza DML valido sopravvive esattamente a una domanda pre-specificata.
Causal Forests per effetti di trattamento eterogenei nel trading
Ogni backtest in questo blog stima una media condizionale. I causal forests stimano un effetto di trattamento condizionale invece — tau(x) invece di mu(x) — con honest splitting, una rappresentazione di pesi kernel adattivi e un test di calibrazione che ti dice se l'eterogeneita che hai trovato è reale.
Epistemico vs Aleatorico: Misurare ciò che un modello di rendimento non sa
Ogni regola di sizing in questo blog tratta l'incertezza come un unico numero. MC Dropout e i deep ensembles la dividono in ignoranza del modello e rumore di mercato — e entrambi meritano dimensioni di posizione diverse.
AutoML per pipeline di trading sistematico
Automated feature generation (tsfresh, Featuretools), budget-aware model search (FLAML's cost-frugal optimizer), and the WorldQuant formulaic alpha factory — the parts of the research pipeline this blog's search-and-overfit arc never covered, and what the arc's own results say about them.
Le cascate di liquidazioni come segnale di trading: leggere il flusso forzato e preannunciato
Ogni posizione a leva rende noto il prezzo al quale deve essere venduta. Come costruire il grafico della profondità di liquidazione on-chain e la heatmap delle liquidazioni CEX, modellare la dinamica della cascata come un numero di riproduzione e tradare il flusso forzato come un segnale invece di temerlo soltanto come un rischio.
Strategie LP su Uniswap v3 e hedging
Перевод статьи на it
La catena di approvvigionamento MEV: PBS, MEV-Boost e chi cattura effettivamente il valore
Il MEV ha smesso di essere un bot solitario ed è diventato una catena di montaggio: searcher, builder, relay, proposer. Un'analisi tecnica della separazione proposer-builder, dell'asta di blocchi a offerte sigillate di MEV-Boost, del perché il margine del searcher viene offerto via, delle aste di order flow come nuovo fossato (moat) e di come il modello Jito di Solana differisce.
Arbitraggio on-chain: cicli atomici, flash loan e l'asta che devi vincere
Trovare un ciclo di arbitraggio on-chain è la metà facile. La metà difficile è vincere l'asta prioritaria a busta chiusa contro ogni altro "searcher" che ha trovato lo stesso ciclo. Una ripartizione tecnica di atomicità, flash loan, backrunning e dove il profitto dell'arbitraggio sopravvive effettivamente, incluso CEX-DEX non atomico.
Impermanent Loss e LVR: la vera matematica della redditività degli LP
Perdita impermanente, leva della liquidità concentrata e perdita rispetto al ribilanciamento derivate dai primi principi. Le forme chiuse, il risultato σ²/8, il markout per blocco e l'esatta condizione commissione-vs-volatilità in cui un LP batte effettivamente l'holding.
Dentro la slice: le tattiche sui child order tra scheduler ed exchange
Almgren-Chriss e VWAP fissano solo i budget delle slice — l'esecuzione si vince nel livello tattico. Timer di escalation, matematica del break-even maker-taker, semantica di coda tra amend e cancel-replace su Binance/OKX/CME, anti-signaling degli iceberg e una state machine Python per slice.
Curve di slippage, non costanti di slippage: modelli di costo che sopravvivono al contatto con il trading live
Sostituisci lo slippage a bps costanti con curve di costo dipendenti da size, volatilità e liquidità: la square-root law, il fitting delle curve da fill TCA o dati pubblici, i moltiplicatori di stress per regime, e perché la classifica delle tue strategie si ribalta.
Smart Order Routing nel crypto: un ordine, dodici venue, nessun NBBO
Perché lo SOR crypto è più difficile del routing azionario: nessun consolidated tape, liquidità fantasma, capitale prefinanziato. Un'ottimizzazione convessa del routing con matematica e Python, tattiche maker-aware e classifiche di markout per venue dalla tua stessa TCA.