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
Double Machine Learning: Estimando um Parâmetro Causal em Vez de Prever Retornos
Todos os modelos neste blog até agora respondem 'o que prediz o quê'. Double ML responde 'o que causa o quê' — com um erro padrão que você pode defender. O modelo parcialmente linear, ortogonalidade de Neyman, cross-fitting purgado em dados de livro de ordens e um relato honesto de por que um intervalo de confiança DML válido sobrevive exatamente a uma pergunta pré-especificada.
Causal Forests para Efeitos de Tratamento Heterogêneos no Trading
Cada backtest neste blog estima uma média condicional. Causal forests estimam um efeito de tratamento condicional em vez disso — tau(x) em vez de mu(x) — com honest splitting, uma representação de pesos de kernel adaptativo, e um teste de calibração que lhe diz se a heterogeneidade que você encontrou é real.
Epistêmico vs Aleatório: Medindo o que um Modelo de Retorno Não Sabe
Todas as regras de dimensionamento de posição neste blog colapsam a incerteza em um escalar. MC Dropout e deep ensembles a dividem em ignorância do modelo e ruído de mercado — e esses dois merecem tamanhos de posição diferentes.
AutoML para pipelines de trading sistemático
Geração automatizada de atributos (tsfresh, Featuretools), busca de modelos consciente do orçamento (o otimizador econômico em custo do FLAML) e a fábrica de alfas formulaicos da WorldQuant — as partes do pipeline de pesquisa que esta série sobre busca e overfitting nunca cobriu, e o que os próprios resultados da série dizem sobre elas.
Cascatas de liquidação como sinal de trading: lendo o fluxo forçado e anunciado
Перевод статьи на pt
Estratégias de LP no Uniswap v3 e hedge
Перевод статьи на pt
A cadeia de suprimentos de MEV: PBS, MEV-Boost e o mercado de blocos
Перевод статьи на pt
Arbitragem on-chain: ciclos atômicos, flash loans e o leilão que você precisa vencer
Encontrar um ciclo de arbitragem on-chain é a parte fácil. A parte difícil é vencer o leilão de prioridade de lance selado contra todos os outros searchers que encontraram o mesmo ciclo. Uma análise técnica de atomicidade, flash loans, backrunning e onde o lucro da arbitragem realmente sobrevive — incluindo CEX-DEX não atômico.
Impermanent Loss e LVR: a verdadeira matemática da lucratividade do LP
Impermanent loss, alavancagem de liquidez concentrada e perda-versus-rebalanceamento derivados de primeiros princípios. As formas fechadas, o resultado σ²/8, markout por bloco e a condição exata de taxa-versus-volatilidade sob a qual um LP realmente supera o HODL.
Dentro do slice: táticas de child order entre o seu scheduler e a exchange
Almgren-Chriss e VWAP apenas definem orçamentos de slice — a execução é vencida na camada tática. Timers de escalonamento, matemática de break-even maker-taker, semântica de fila em amend vs cancel-replace na Binance/OKX/CME, anti-sinalização de iceberg, e uma máquina de estados em Python por slice.
Curvas de slippage, não constantes de slippage: modelos de custo que sobrevivem ao contato com o trading ao vivo
Substitua o slippage de bps constante por curvas de custo dependentes de tamanho, volatilidade e liquidez: a lei da raiz quadrada, ajuste de curvas a partir de fills de TCA ou dados públicos, multiplicadores de estresse por regime, e por que o seu leaderboard de estratégias se reembaralha.
Smart Order Routing em Cripto: Uma Ordem, Doze Corretoras, Nenhum NBBO
Por que o SOR em cripto é mais difícil do que o roteamento em ações: sem fita consolidada, liquidez fantasma, capital pré-financiado. Uma otimização de roteamento convexa com matemática e Python, táticas cientes de maker e tabelas de classificação de markout por corretora vindas da sua própria TCA.