Eugen Soloviov

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

더블 머신 러닝: 수익률 예측 대신 인과 파라미터 추정

더블 머신 러닝: 수익률 예측 대신 인과 파라미터 추정

이 블로그의 모든 모델은 지금까지 '무엇이 무엇을 예측하는가?'라는 질문에 답했습니다. 더블 ML은 '무엇이 무엇을 원인하는가?'에 답합니다 — 방어할 수 있는 표준 오차와 함께. 부분 선형 모델, Neyman 직교성, 오더북 데이터에서의 제거된 교차 검증, 그리고 유효한 DML 신뢰 구간이 미리 지정된 하나의 질문에만 적용된다는 솔직한 설명.

트레이딩에서 이질적 치료 효과를 위한 인과관계 포레스트

트레이딩에서 이질적 치료 효과를 위한 인과관계 포레스트

이 블로그의 모든 백테스트는 조건부 평균을 추정합니다. 인과관계 포레스트는 대신 조건부 치료 효과를 추정합니다 — tau(x)가 mu(x) 대신 — honest splitting, 적응형 커널 가중치 표현, 그리고 당신이 발견한 이질성이 실제인지 말해주는 보정 테스트와 함께.

인식론적 vs 알레아토리: 수익 모델이 모르는 것 측정하기

인식론적 vs 알레아토리: 수익 모델이 모르는 것 측정하기

이 블로그의 모든 사이징 규칙은 불확실성을 단일 스칼라로 축소해왔다. MC 드롭아웃과 딥 앙상블은 이를 모델 무지와 시장 노이즈로 분할한다——그리고 그 둘은 서로 다른 포지션 크기를 필요로 한다.

시스템 트레이딩 파이프라인을 위한 AutoML

시스템 트레이딩 파이프라인을 위한 AutoML

자동 특성 생성(tsfresh, Featuretools), 예산을 고려한 모델 탐색(FLAML의 비용 절약 최적화기), WorldQuant 수식 알파 팩토리 — 이 블로그의 탐색 및 과적합 연재에서 다루지 않았던 연구 파이프라인의 구성 요소와 연재의 결과가 말해 주는 내용.

트레이딩 신호로서의 청산 연쇄: 강제되고 사전 고지된 흐름 읽기

트레이딩 신호로서의 청산 연쇄: 강제되고 사전 고지된 흐름 읽기

모든 레버리지 포지션은 반드시 매도되어야 하는 가격을 드러낸다. 온체인 청산 깊이 차트와 CEX 청산 히트맵을 구축하고, 연쇄 동역학을 재생산수로 모델링하며, 강제 흐름을 단순히 위험으로 두려워하는 대신 신호로 거래하는 방법을 살펴본다.

Uniswap v3 LP 전략과 헤징

Uniswap v3 LP 전략과 헤징

Перевод статьи на ko

MEV 공급망: PBS, MEV-Boost와 블록 시장

MEV 공급망: PBS, MEV-Boost와 블록 시장

Перевод статьи на ko

온체인 아비트라지: 아토믹 사이클, 플래시 론, 그리고 반드시 이겨야 하는 경매

온체인 아비트라지: 아토믹 사이클, 플래시 론, 그리고 반드시 이겨야 하는 경매

온체인 아비트라지 사이클을 찾는 것은 쉬운 절반입니다. 어려운 절반은 동일한 사이클을 찾은 다른 모든 서처들과의 봉인 입찰 우선순위 경매에서 이기는 것입니다. 아토믹성, 플래시 론, 백러닝, 그리고 (비아토믹 CEX-DEX를 포함하여) 아비트라지 이익이 실제로 살아남는 곳에 대한 기술적인 분석입니다.

비영구적 손실과 LVR: LP 수익성의 실제 수학

비영구적 손실과 LVR: LP 수익성의 실제 수학

비영구적 손실, 집중화된 유동성 레버리지, 그리고 재조정 대비 손실(loss-versus-rebalancing)을 기본 원리부터 도출합니다. 폐쇄형 공식, σ²/8 결과, 블록당 마크아웃, 그리고 LP가 실제로 보유하는 것보다 나은 정확한 수수료 대 변동성 조건을 다룹니다.

슬라이스 내부: 스케줄러와 거래소 사이의 자식 주문 전술

슬라이스 내부: 스케줄러와 거래소 사이의 자식 주문 전술

Almgren-Chriss와 VWAP은 슬라이스 예산만 정할 뿐, 실행의 승부는 전술 계층에서 갈린다. 에스컬레이션 타이머, 메이커-테이커 손익분기 수식, Binance/OKX/CME의 amend vs cancel-replace 큐 시맨틱, 아이스버그 안티시그널링, 그리고 슬라이스 단위 Python 상태 머신.

슬리피지 상수가 아닌 슬리피지 곡선: 실전 트레이딩과의 접촉에서 살아남는 비용 모델

슬리피지 상수가 아닌 슬리피지 곡선: 실전 트레이딩과의 접촉에서 살아남는 비용 모델

상수 bps 슬리피지를 주문 규모, 변동성, 유동성에 의존하는 비용 곡선으로 대체하기: 제곱근 법칙, TCA 체결이나 공개 데이터로 곡선 피팅하기, 레짐 스트레스 승수, 그리고 왜 전략 순위표가 재편되는가.

크립토 스마트 오더 라우팅: 하나의 주문, 열두 개의 거래소, NBBO는 없다

크립토 스마트 오더 라우팅: 하나의 주문, 열두 개의 거래소, NBBO는 없다

왜 크립토 SOR이 주식 라우팅보다 어려운가: 통합 테이프 부재, 팬텀 유동성, 사전 예치 자본. 수학과 파이썬으로 푸는 컨벡스 라우팅 최적화, 메이커 인지형 전술, 그리고 자체 TCA에서 뽑은 거래소별 마크아웃 순위표.