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
La Coda Dentro il Muro: Analisi della Posizione degli Ordini nella Densità del Book degli Ordini
Come capire la propria posizione nella coda a un livello di prezzo trasforma lo scalping da intuizione a problema ingegneristico
LLM Alpha Mining: Come Estrarre Segnali di Trading dalle Earnings Call e dai Documenti Finanziari
Come utilizzare i grandi modelli linguistici per estrarre segnali di trading da investor call, report e notizie. Prompting chain-of-thought, estrazione strutturata, backtesting dei segnali.
Arbitraggio Statistico e Pairs Trading nei Mercati Crypto: Dalla Cointegrazione al Filtro di Kalman
Una guida completa all'arbitraggio statistico per i mercati crypto. Cointegrazione, filtro di Kalman, strategie basis, arbitraggio cross-exchange. Con backtest e codice Python.
Impronta Digitale di un Trader: Come Identificare un Market Maker dal Comportamento nel Book degli Ordini
Ogni algoritmo lascia un'impronta digitale unica. Impara a leggerla — e saprai chi è dall'altra parte del tuo trade.
PnL per Tempo Attivo: La Metrica che Cambia il Ranking delle Strategie
Perché il PnL annuale grezzo è una metrica inadeguata per confrontare strategie con diversi tempi di trading. Come calcolare il rendimento effettivo, perché serve fill_efficiency e perché una strategia con PnL del 27% può superare quella con il 300%.
Drill-Down Adattivo: Backtest con Granularità Variabile dai Minuti ai Trade Grezzi
Come la granularità adattiva dei dati accelera i backtest e risparmia spazio di archiviazione: drill-down da 1m a 1s, 100ms e trade grezzi solo dove il prezzo si è mosso significativamente o il volume è aumentato, non sull'intera serie storica.
Cache Parquet Aggregata: Come Accelerare i Backtest Multi-Timeframe di Centinaia di Volte
Come precalcolare i timeframe e gli indicatori dalle candele al minuto, salvarli in parquet e utilizzarli per il testing di massa delle strategie senza ricalcoli ridondanti.
Walk-Forward Optimization: L'Unico Test Onesto per una Strategia
Perché una singola divisione train/test non protegge dall'overfitting, come la walk-forward optimization verifica sistematicamente la robustezza dei parametri, e perché una strategia con +3342% PnL@ML su 21 parametri è una bomba a orologeria senza WFO.
Correlazione dei Segnali: Quante Coppie Monitorare
Perché 10 coppie crypto non offrono una diversificazione 10x, come calcolare effective_N tramite correlation_factor, e quante coppie è davvero necessario monitorare per un utilizzo degli slot dell'orchestratore dell'80-90%.
Polars vs Pandas per l'Algotrading: Benchmark su Dati Reali
Confronto dettagliato tra Polars e Pandas su attività di algotrading: benchmark per filtraggio, aggregazione, calcoli di segnali rolling, I/O e consumo di memoria. Architettura ibrida Polars + Numba per la massima performance nei backtest.
Analisi del Plateau: Come Distinguere un Ottimo Robusto dall'Overfitting
Perché trovare i migliori parametri di strategia è solo metà del lavoro. Come distinguere visivamente e quantitativamente un plateau stabile da un picco fragile, e perché i contour plot di Optuna sono un passaggio obbligatorio prima di lanciare una strategia ottimizzata in produzione.
Discesa per Coordinate vs Ottimizzazione Bayesiana: Chi Trova i Parametri Migliori
Perché la ricerca esaustiva è impossibile per 12+ parametri, come la discesa per coordinate perde le interazioni e come Optuna con un campionatore TPE trova in 500 iterazioni ciò che OAT non riesce a trovare in 96. Esempi di codice pratici, confronto dei campionatori e ottimizzazione multi-obiettivo.