Eugen Soloviov
Инженер торговых систем
Разработка торговых ботов с 2017 года: межбиржевой арбитраж (подключал до 30 бирж), парный арбитраж на коинтеграции между спотом и фьючерсами, скальпинг, фронтраннинг, торговля по новостям, сентиментный анализ, трендовые алгоритмы, а также алгоритмы управления и балансировки портфелей. Делает выставление ордеров до 1 мс, warehouse для big data, бэктестинг-движки, AI-агентов и интерфейсы для ботов (в т.ч. open-source profitmaker.cc). Стек: JS/TS, Python, Rust/Zig/Go, DevOps, backend, frontend, архитектура.
Статьи
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.
Гауссовы процессы для непараметрического моделирования цен
Разработка ядра для финансовых временных рядов — шероховатость Матерна, локально-периодический состав, спектральные смеси — и предельное правдоподобие в качестве регуляризатора, не требующего набора проверки. Плюс честный список того, что еще нужно измерить, прежде чем что-либо из этого станет предметом торговли.
Нейронный оператор Фурье для финансового моделирования на основе PDE
Обучение операторов отображает целые функциональные пространства, а не точки — как нейронный оператор Фурье параметризует оператор решения PDE в частотном пространстве, что это дает для ценообразования опционов и какие из его утверждений все еще требуют измерения на реальном оборудовании.
Контекст на целый день лучше десятиминутного? Вспышка внимания и вопрос о длине последовательности
Flash Attention делает торговый контекст из 23 400 шагов вычислительно свободным — тайлинг, онлайн-софтмакс и граница ввода-вывода N^2 d^2 / M. Делает ли этот более длинный контекст модель лучше — это отдельный вопрос, и его нужно измерять, а не утверждать.
Ансамблевые методы: объединение слабых учащихся для надежной альфа-версии
Три вещи о торговых ансамблях, которые не были освещены в этом блоге: почему термин ковариации, а не количество моделей, доминирует над ошибкой ансамбля, как стекирование работает как уровень комбинации сигналов с нестандартными мета-функциями и действительно ли объединение оборотов по множеству сигналов снижает стоимость исполнения.
Двойное машинное обучение: оценка причинного параметра вместо прогнозирования доходности
Все модели в этом блоге до сих пор отвечали на вопрос 'что предсказывает что'. Double ML отвечает 'что вызывает что' — со стандартной ошибкой, которую можно защитить. Частично линейная модель, ортогональность Неймана, очищенное cross-fitting на данных ордербука и честный рассказ о том, почему валидный DML доверительный интервал выживает только для одного заранее специфицированного вопроса.
Причинно-следственные леса для гетерогенных эффектов обработки в трейдинге
Каждый бэктест в этом блоге оценивает условное среднее. Causal forests оценивают условный эффект обработки вместо этого — tau(x) вместо mu(x) — с честным разделением, представлением адаптивных весов ядра и тестом калибровки, который говорит, реальна ли найденная гетерогенность.
Эпистемическое и алеаторическое: измерение того, что не знает модель доходности
Каждое правило определения размера позиции в этом блоге сводит неопределенность к одному числу. MC Dropout и глубокие ансамбли разделяют ее на незнание модели и рыночный шум — и эти два компонента заслуживают разных размеров позиций.
AutoML для систематических торговых конвейеров
Автоматическая генерация признаков (tsfresh, Featuretools), поиск моделей с учетом бюджета (экономный по стоимости оптимизатор FLAML) и формульная альфа-фабрика WorldQuant — части исследовательского конвейера, которые эта серия о поиске и переобучении не охватывала, и выводы из собственных результатов серии.