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.
Параметрдик эмес бааны моделдөө үчүн Гаусс процесстери
Финансылык убакыт сериялары үчүн ядро дизайны — Энеликтин оройлугу, жергиликтүү мезгилдик курамы, спектралдык аралашмалар — жана валидациялоону талап кылбаган регуляризатор катары чектүү ыктымалдуулук. Мындан тышкары, анын кайсынысы болбосун соодалоого чейин өлчөө керек болгон нерселердин чынчыл тизмеси.
PDE негизиндеги каржылык моделдөө үчүн Фурье нейрондук оператору
Операторду үйрөнүү чекиттерди эмес, бүт функциялык мейкиндиктерди картага түшүрөт — Фурье Нейрондук Оператору жыштык мейкиндигинде PDE чечим операторун кантип параметрлештирет, ал опциондун баасы үчүн эмне сатып алат жана анын талаптарынын кайсынысы дагы эле реалдуу аппараттык жабдыкта өлчөөнү талап кылат.
Толук күндүк контекст он мүнөттү жеңеби? Көңүл буруу жана ырааттуулук боюнча суроо
Flash Attention 23 400 кадамдык соода контекстти эсептөө үчүн акысыз кылат — плиткаларды коюу, онлайн softmax жана IO менен N^2 d^2 / M менен чектелди. Бул узун контекст моделди жакшыртабы, бул өзүнчө суроо жана аны ырастоо эмес, өлчөө керек.
Ансамблдик методдор: күчтүү Alpha үчүн алсыз окуучуларды бириктирүү
Бул блогдо соода ансамблдери жөнүндө үч нерсе камтылган эмес: эмне үчүн ковариация термини - моделдин саны эмес - ансамбль катасында үстөмдүк кылат, стекинг бүктөлгөн мета-функциялары бар сигнал-айкалуу катмары катары кантип иштейт жана көптөгөн сигналдар боюнча жүгүртүү сеткасы чындыгында аткаруу наркын азайтабы.
Double Machine Learning: Кийимдерди болжалдуу ордуна себептүү параметриди баалоо
Бул блогдагы бардык моделдер "эмне эмнени болжалдайт" деген суроого жооп бериштеди. Double ML "эмне эмнеди кылыт" дегенге жооп берет — коргоого болгон стандартдык катасы менен. Бөлүкчө сызыктуу модель, Neyman ортогоналдуулугу, тартип китеп маалыматтарында тазаланган кросс-фиттинг жана жарактуу DML ишеним аралыгы алдын ала белгиленген бир гана суроого гана жооп береринин кызыктуу баяндамасы.
Соода-сатыктағы гетерогендүү обработка эффектилер үчүн Causal Forests
Бул блогдагы ар бир backtest шартты орточо баалайт. Causal forests анын ордуна шартты обработка эффектиин баалайт — tau(x) mu(x) ордуна — honest splitting, адаптивдүү kernel салмак көрүнүшү жана сиз табкан гетерогендүүлүктүн чын экендигин айткан калибровка тести менен.
Эпистемдик жана алеатордук: Кайтарым модели билбеген нерсени өлчөө
Бул блогдун бардык позиция өлчөө эрежелери белгисиздикти бир скалярга кысып келет. MC Dropout жана терең ансамблдар аны моделдин билимсиздиги жана рыноктун шу-шусуна бөлөт — жана эки эле ар түрдүү позиция өлчөмдөрүн талап кылат.
Системалык соода түтүктөрү үчүн AutoML
Автоматташтырылган функцияларды түзүү (tsfresh, Featuretools), бюджетти эске алган моделди издөө (FLAMLдин үнөмдүү оптимизатору) жана WorldQuant формулалык альфа фабрикасы — бул блогдун издөө жана ашыкча жабдылган жаасынын изилдөө тутумунун бөлүктөрү эч качан камтылбайт жана алар жөнүндө доонун өз натыйжалары эмне дейт.