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.
Articles
メイカー・テイカーの選択：手数料ティア、リベート、スプレッドを越えることの真のコスト
メイカー対テイカーは、手数料体系をまとった逆選択トレードである。Glosten-Milgromによる損益分岐点の数式、実際の暗号資産手数料ティアとトークン割引、リベートマイニングの歴史、キュー依存のリベート価値、そしてバックテストにおける階層型手数料のモデル化を解説する。
インプリメンテーション・ショートフォールとDIY TCA:執行が実際にいくらかかっているかを測る
Peroldのインプリメンテーション・ショートフォールを暗号資産ボット向けの実用的なTCAパイプラインへ:到着価格による分解、t+1s/10s/60sでのマークアウト曲線、自分の約定ログに対する約200行のPython、そしてその結果をバックテストのコストモデルへ還元する方法。
オンチェーン・リクイデーション：AaveとCompoundのメカニズム、そしてその周辺で回るボットビジネス
Aave v3とCompoundのリクイデーションが実際どう機能するか——ヘルスファクターの数式、クローズファクター、リクイデーションボーナス、Chainlinkオラクルのトリガー、そして2026年にフラッシュローン・リクイデーションボットを運用するために必要なもの。
クオンツのためのUniswap v3: 第一原理から理解するConcentrated LiquidityとTick数学
Uniswap v3がその内部で実際にどう動いているか: 仮想リザーブ、リクイディティL、sqrtPriceX96、ティック数学、feeGrowthInside、そしてなぜLPポジションがショートボラティリティのペイオフなのか。正確な数式と数値例付きで解説する。
MEVの解剖学: サンドイッチ攻撃、フロントランニング、そしてメモリプールというダークフォレスト
パブリックRPCに送信されるすべてのスワップは、誰も履行する義務のない、可視化された指値注文である。MEV抽出の仕組みを技術的に解説する: メモリプールの順序付け、Uniswap v2におけるサンドイッチの数理、PGA、Flashbots、そしてトレーダーの防御策。
約定シミュレーション: 終値幻想からキュー認識の現実へ至るはしご
終値約定から確率的キューポジションモデルまで、約定シミュレーションの忠実度を5段階のはしごで解説。部分約定を状態機械として捉え、指値約定確率の上下限をPnLブラケットとして扱い、実約定データに対するキャリブレーションループを構築する。
TWAP vs VWAP vs POV：執行ベンチマークの選び方（そしてそれぞれが嘘をつくタイミングを知る）
TWAP、VWAPおよびPOVはいずれもボリューム予測に対する賭けである。各スケジューラーに隠された前提を解剖し、暗号資産のイントラデイ・ボリュームカーブを構築し、リプレイしたL2データ上で3つを直接対決させる。
Almgren-Chriss を誤魔化しなしで理解する: 午後のうちに実装できる最適執行
Almgren-Chriss 最適執行モデルの完全な導出: 線形インパクト、sinh/cosh 軌道、効率的フロンティア、そして Binance の板情報と約定データから eta、gamma、sigma をキャリブレーションする実働 Python コード。
誠実なネガティブ結果：数万回のバックテスト、主要5銘柄、頑健なエッジはゼロ
サーチと過学習をめぐる一連の記事の締めくくり——そしてそれはネガティブな結果、すなわち正しい結果で終わる。ETHUSDT単一銘柄のデュアルタイムフレームサーチは、アウトオブサンプルで+16.35%、手つかずのホールドアウトで+2.62%に値する設定を見つけた。だが約37,000回の試行を考慮したデフレーテッド・シャープレシオは、それを0.00までデフレートした。主要5銘柄（ETH/BTC/SOL/BNB/XRP、各約118万本の1分足）に対してアウトオブサンプルの中央値で選抜する銘柄横断のパスが、とどめを刺す：デュアルはDSR 0.24 / PBO 0.264、トリプルはDSR 0.14 / PBO 0.327——どちらもゲートに不合格。チャンピオンが利益を出すのは5銘柄中1つで、残りはマイナス。反過学習の装置はこのためにある：ノイズの最良をアルファとして出荷するのを止めるために。
マルチタイムフレーム・バックテストにおける先読み排除の証明:未来を揺さぶり、過去がそれを見ていないことを証明する
マルチタイムフレーム・バックテストは、最終終値がまだ存在しない形成中の上位足バーを通じて未来を漏らす。コードレビューだけで確信は得られない — テストするしかない。私たちはライブボットの確定足(closed-bar)ルールを正確に再現し、未来シフト・プローブによって漏れがないことを証明する:未来のすべてのバーを揺さぶり、過去のすべてのシグナルとトレードがビット単位で不変であることを確認する。25/25の整合性チェックに合格し、そのプローブには実効性がある。
GPUが元を取るとき：パラメータスイープのルーフライン——見出しの167倍は実は27倍のアルゴリズム×6.2倍のハードウェア
GPUのCPUに対する優位はバッチサイズとともに拡大します——私たちのマルチタイムフレームのインジケーター事前計算では、1呼び出しあたり1コンボの54.5倍から、61コンボの359.6倍まで——なぜなら小さなスイープではカーネル起動と転送のオーバーヘッドを償却できないからです。見出しの167倍を、CPUをも助ける27倍のアルゴリズム的勝利と6.2倍のハードウェア的勝利に分解し、GPU対最良CPUの本当の優位はシングルタイムフレームでわずか3.2倍、マルチで6.2倍にすぎないことを示し、GPUに投資する価値が出るまでにスイープがどれほど広くなければならないかの判断ガイドを与えます。
GPU精度の罠: Apple Metal上のfp32バックテストが静かにゴミを返す仕組み
AppleのMetal GPUにはfloat64が存在しない。ベクトル化されたバックテストを何も考えずに移植すると、魅力的なprefix-sum方式のWMAはfp32をオーバーフローさせ、最大相対誤差は211倍に達する。それでも処理は完走し、もっともらしい数値を返してくる。解決策は精度を上げることではなく、別の定式化にある。すなわち直接的なウィンドウ畳み込みであり、fp32でも8×10⁻⁷まで安全で、シングルスレッドのnumbaより55.9倍速い。この罠、その算術、そして自分が罠に落ちていないことをどう証明するか。