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
Jesse: Framework di Algo-Trading Crypto con Motore al Minuto in Python e Rust
Recensione approfondita di Jesse — un framework di algo-trading per i mercati crypto. Simulazione basata sul minuto, strategie come macchine a stati, indicatori accelerati in Rust, ottimizzazione con protezione dall'overfitting e il confine tra il core open-source e il trading live.
AI Hedge Fund: Un Fondo Multi-Agente in cui gli Analisti AI Votano sulle Operazioni
Un'analisi approfondita di AI Hedge Fund di virattt — un sistema open-source in cui più agenti LLM con diversi stili di analisi costruiscono un portafoglio attraverso un filtro di rischio. Architettura, agenti, limitazioni e lezioni per i sistemi reali.
AI4Finance Foundation: L'Ecosistema FinGPT, FinRL e FinRobot per l'Algo-Trading
Guida completa all'ecosistema AI4Finance Foundation: FinGPT (LLM + LoRA per la finanza), FinRL (apprendimento per rinforzo per il trading), FinRobot (orchestrazione multi-agente). Satelliti, pipeline e utilizzo pratico.
VectorBT: Il Framework di Backtesting più Veloce per Python
Panoramica di VectorBT — una libreria innovativa di analisi quantitativa che cambia l'approccio al backtesting grazie alla potenza di NumPy e Numba.
Modelli Copula per la Modellazione del Rischio Congiunto nei Portafogli Crypto
Oltre la correlazione lineare — utilizzo di modelli copula per catturare la dipendenza nelle code e il rischio congiunto nei portafogli di criptovalute, per una stima accurata di VaR e CVaR.
ZigBolt: Perché Abbiamo Costruito il Nostro Aeron in Zig e Raggiunto 20 Nanosecondi per Messaggio
Come e perché abbiamo costruito da zero un sistema di messaggistica a latenza ultra-bassa per HFT in Zig. Niente JVM, niente GC, niente sorprese. Ring buffer SPSC a 20 ns, IPC a 30 ns, codec a 0 ns. Con benchmark.
Ribilanciamento Automatico del Portafoglio ETF: Come Abbiamo Costruito un Bot per Tinkoff Invest
Bot open-source in TypeScript/Bun per il ribilanciamento automatico del portafoglio ETF su Tinkoff Invest. Quattro modalità di bilanciamento, trading a margine, supporto multi-account. Con codice sorgente.
Aeron: Dentro il Sistema di Messaggistica che Alimenta Metà del Settore HFT
Un'analisi approfondita di Aeron — il sistema di messaggistica di Real Logic per il trading ad alta frequenza. Transport, Archive, Cluster, Sequencer. Cosa c'è dentro, come funziona e dove si trovano i colli di bottiglia.
Come Sfruttare i Crolli Dopo i Pump degli Shitcoin: Un Approccio Sistematico
Un'analisi sistematica delle strategie di short dopo i pump degli shitcoin. Funding rate, OI, analisi del volume, pattern candlestick, cascate di liquidazione. Con un algoritmo pratico.
Tipi di ordine nel trading algoritmico: dal limite con inseguimento agli ordini virtuali
Una guida completa ai tipi di ordine nel trading algoritmico: ordini standard di borsa, limite con inseguimento, ordini temporizzati, ordini virtuali/sintetici. Con esempi di codice e casi d'uso reali.
Tipi di Bar e Metodi di Aggregazione per il Trading Algoritmico
Classificazione a due assi della costruzione delle candele: 17 tipi base di bar (tempo, tick, volume, dollaro, Renko, range, volatilità, Heikin-Ashi, Kagi, Line Break, P&F, TIB, VIB, run, CUSUM, entropia, delta) × 3 metodi di aggregazione (calendario, rolling, adattivo) = 51 combinazioni. Con codice di implementazione e raccomandazioni pratiche.
Hidden Markov Models nel Trading: Come Adattare la Propria Strategia ai Regimi di Mercato
Come identificare il regime di mercato corrente (rialzista, ribassista, laterale) utilizzando gli Hidden Markov Models e passare automaticamente tra le strategie di trading. Con codice Python e backtest.