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.
Artikelen
Signal Correlation: How Many Pairs to Monitor
Why 10 crypto pairs don't provide 10x diversification, how to calculate effective_N via correlation_factor, and how many pairs you really need to monitor for 80-90% orchestrator slot utilization.
Polars vs Pandas for Algotrading: Benchmarks on Real Data
Detailed comparison of Polars and Pandas on algotrading tasks: benchmarks for filtering, aggregation, rolling signal computations, I/O, and memory consumption. Hybrid Polars + Numba architecture for maximum backtest performance.
Plateau-analyse: hoe onderscheid je een robuust optimum van overfitting
Waarom het vinden van de beste strategieparameters slechts het halve werk is. Hoe je visueel en kwantitatief een stabiel plateau van een fragiele piek onderscheidt, en waarom Optuna contourplots een verplichte stap zijn voordat je een geoptimaliseerde strategie in productie lanceert.
Coordinate Descent vs Bayesiaanse Optimalisatie: Wie Vindt Betere Parameters
Waarom uitputtend zoeken onmogelijk is bij 12+ parameters, hoe coordinate descent interacties mist, en hoe Optuna met een TPE-sampler in 500 iteraties vindt wat OAT niet kan vinden in 96. Praktische codevoorbeelden, samplervergelijking en multi-objective optimalisatie.
Multi-symbol validatie: test je strategie op alle paren
Waarom een op ETHUSDT geoptimaliseerde strategie kan falen bij altcoins. Hoe je correct test over pairgroepen (blue chips, large caps, shitcoins) en welke cross-symbol robuustheidsscore als voldoende wordt beschouwd.
Funding rates verwoesten je hefboom: waarom PnL×50x fictie is
Hoe funding rates op Binance/Bybit prachtige backtestresultaten met hoge hefboom omzetten in gegarandeerde verliezen. Formules, herberekening van echte strategieën en de maximale hefboom waarbij funding de winst niet opeet.
Cascadestrategieën: prioriteitsuitvoering met fallback-opvulling
Finale van de reeks 'Backtests zonder illusies'. Hoe bouw je een orchestrator uit N strategieën x M paren, implementeer je cascademodus met prioriteit en fallback-uitvoering, kies je dual_size, en waarom strategieportfolio's niet kunnen worden teruggetest door simpelweg de PnL op te tellen.
Backtest-live pariteit: waarom je bot anders handelt dan in de backtest
Volledige taxonomie van afwijkingen tussen backtesting en live trading: van slippage en gedeeltelijke fills tot desynchronisatie van de codebase. Architectuurpatronen voor het bereiken van pariteit, Python-voorbeelden van een gedeelde core-module en een checklist voor monitoring in productie.
Monte Carlo Bootstrap: hoe je in 10 regels code betrouwbaarheidsintervallen voor een backtest krijgt
Waarom een puntschatting uit een backtest een gevaarlijke illusie is. Hoe Monte Carlo bootstrap in 2 seconden rekentijd een 95%-betrouwbaarheidsinterval voor PnL en MaxDD oplevert, en waarom dit een verplichte stap is voordat je een strategie in productie neemt.
Funding Rate Arbitrage Tussen Exchanges: Hoe Winst te Maken uit Renteverschillen
Hoe funding rate arbitrage werkt tussen crypto-exchanges, waarom rates verschillen op Binance, Bybit, OKX en dYdX, en hoe je een monitoring- en uitvoeringssysteem bouwt om winst uit deze verschillen te halen.
QuestDB for Algorithmic Trading: SQL Extensions That Change the Game
Deep dive into QuestDB's time-series SQL extensions: SAMPLE BY, ASOF JOIN, HORIZON JOIN, WINDOW JOIN, LATEST ON, and real-world trading query patterns.
QuestDB for Algorithmic Trading: From Order Books to Production Architecture
Materialized views, 2D array order book analytics, and reference architecture for a QuestDB-powered algorithmic trading platform.