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
The Other Way a Regression Lies: Endogeneity, 2SLS, and the Gamma Calibration Problem
Selection bias in the search is not the only way a regression fools you. When the regressor is correlated with the error, more data makes the estimate more confidently wrong. Instrumental variables applied to the one endogeneity problem this blog has already left open: permanent impact from net taker flow.
Hawkes Processes for Order Arrival and Market Event Modeling
Fitting a self-exciting point process to real crypto trade tape: where the three numbers (mu, alpha, beta) come from, how to estimate the branching ratio n, whether the exponential kernel survives a goodness-of-fit test, and how much n moves when you change the estimation window.
Hamiltonian Neural Networks: Does a Financial System Conserve Anything?
Hamiltonian Neural Networks are provably stable — but stability is worthless if the conserved quantity does not exist. Learning a scalar H via autograd, symplectic integration, and the falsification test that decides whether a financial (q, p) pair is canonical at all.
Toda-Yamamoto vs Differenced Granger: Does the BTC Lead-Lag Survive?
Granger causality on crypto prices done two ways — differenced returns and Toda-Yamamoto on levels — with a correct Wald implementation, an effective-N corrected causality matrix, and a rolling-stability test of whether the lag is tradeable at all.
Параметрлік емес бағаларды модельдеуге арналған Гаусс процестері
Қаржылық уақыт сериялары үшін ядро дизайны — Ананың кедір-бұдырлығы, жергілікті мерзімді құрам, спектрлік қоспалар — және валидация жиынын қажет етпейтін реттегіш ретіндегі шекті ықтималдық. Сонымен қатар, олардың кез келгені сатылмас бұрын өлшенуі керек нәрселердің адал тізімі.
PDE негізіндегі қаржылық модельдеуге арналған Фурье нейрондық операторы
Операторды үйрену нүктелерді емес, бүкіл функциялық кеңістіктерді картаға түсіреді — Фурье нейрондық операторы жиілік кеңістігінде PDE шешім операторын қалай параметрлейді, опцияның бағасы үшін не сатып алады және оның талаптарының қайсысы әлі де нақты аппараттық құралда өлшеуді қажет етеді.
Толық күндік контекст он минутты жеңе ме? «Назар аударыңыз» және реттілік туралы сұрақ
Flash Attention 23 400 қадамдық сауда контекстін есептеу үшін тегін етеді — плиткаларды төсеу, онлайн softmax және IO шегі N^2 d^2 / M. Бұл ұзағырақ контекст үлгіні жақсартады ма, бұл бөлек мәселе және оны растау емес, өлшеу керек.
Ансамбльдік әдістер: Әлсіз оқушыларды сенімді альфа үшін біріктіру
Бұл блогта сауда ансамбльдері туралы үш нәрсе қарастырылмаған: неліктен модельдер саны емес, коварианттық термин ансамбль қатесінде басым болады, қабаттан тыс мета-мүмкіндіктері бар сигнал-комбинация қабаты ретінде стекинг қалай жұмыс істейді және көптеген сигналдар бойынша айналым желісін іс жүзінде орындау құнын төмендетеді ме.
Қосты Машинанық Оқыту: Дәлелдерді Болжаудың Орнына Себептік Параметрді Бағалау
Бұл блогтегі барлық модельдер дерлік 'не ненді болжайды?' деген сұраққа жауап береді. Қос ML 'не неғ себеп болады?' дегенге жауап береді — қорғай алатын стандартты қатемен. Жартылай сызықты модель, Neyman ортогоналдылығы, тапсырыс кітабы деректеріндегі тазартылған cross-fitting және жарамды DML сенім аралығының тек алдын ала анықталған бір сұраққа өтетіні туралы адал есеп.
Саудалардарғы гетерогенді емдеу әсерлері үшін Causal Forests
Бұл блогтағы әрбір backtest шартты орташа бағалайды. Causal forests оның орнына шартты емдеу әсерін бағалайды — tau(x) mu(x) орнына — honest splitting, адаптивті kernel салмақ көрінісі және сіз тапқан гетерогенділіктің нақты екенін айтатын калибрлау тестімен.
Эпистемикалық және алеаторикалық: Қайтарым моделі білмейтін нәрсені өлшеу
Бұл блогтың барлық позиция өлшеу ережелері белгісіздікті бір скалярға қысады. MC Dropout және терең ансамбльдер оны модельдің білмесушілігі мен нарықтың шу-шуына бөледі — және ол екеуіне әртүрлі позиция өлшемдері қажет.
Жүйелі сауда құбырларына арналған AutoML
Автоматтандырылған мүмкіндіктерді генерациялау (tsfresh, Featuretools), бюджетті ескеретін үлгілерді іздеу (FLAML-ның үнемді оңтайландырушысы) және WorldQuant формулалық альфа-зауыты — бұл блогтың іздеу және артық қосу доғасы ешқашан қарастырылмаған және доғаның өз нәтижелері олар туралы не дейді.