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
Статистический арбитраж и парный трейдинг на крипторынках: от коинтеграции до Калмана
Полный гайд по статистическому арбитражу для крипторынков. Коинтеграция, фильтр Калмана, стратегии на базисе, кросс-биржевой арбитраж. С бэктестами и кодом на Python.
Цифровой слепок трейдера: как идентифицировать маркетмейкера по его поведению в ордербуке
Каждый алгоритм оставляет уникальный отпечаток. Научитесь его читать — и вы будете знать, кто стоит по другую сторону сделки.
PnL по активному времени: метрика, которая меняет ранжирование стратегий
Почему raw PnL за год — плохая метрика для сравнения стратегий с разным trading time. Как считать эффективную доходность, зачем нужен fill_efficiency, и почему стратегия с 27% PnL может быть лучше стратегии с 300%.
Adaptive drill-down: бэктест с переменной гранулярностью от минут до сырых сделок
Как адаптивная гранулярность данных ускоряет бэктесты и экономит хранилище: drill-down от 1m к 1s, 100ms и сырым сделкам только там, где цена двигалась значительно или объём аномально вырос.
Агрегированный Parquet-кэш: как ускорить мультитаймфрейм-бэктест в сотни раз
Как предвычислить таймфреймы и индикаторы из минутных свечей, сохранить в parquet и использовать при массовом тестировании стратегий без повторных пересчётов.
Walk-Forward Optimization: единственный честный тест стратегии
Почему single train/test split не защищает от overfitting, как walk-forward optimization системно проверяет робастность параметров, и почему стратегия с +3342% PnL@ML на 21 параметре — бомба замедленного действия без WFO.
Корреляция сигналов: сколько пар нужно мониторить
Почему 10 крипто-пар не дают 10-кратную диверсификацию, как рассчитать effective_N через correlation_factor, и сколько пар действительно нужно мониторить для 80-90% утилизации слотов оркестратора.
Polars vs Pandas для алготрейдинга: бенчмарки на реальных данных
Детальное сравнение Polars и Pandas на задачах алготрейдинга: бенчмарки фильтрации, агрегации, rolling-расчётов сигналов, I/O, потребления памяти. Гибридная архитектура Polars + Numba для максимальной производительности бэктеста.
Plateau analysis: как отличить робастный оптимум от overfitting
Почему найти лучшие параметры стратегии — только половина работы. Как визуально и количественно отличить устойчивое плато от хрупкого пика, и почему Optuna contour plots — обязательный шаг перед запуском оптимизированной стратегии в продакшен.
Координатный спуск vs Bayesian optimization: что находит лучшие параметры
Почему полный перебор невозможен для 12+ параметров, как координатный спуск пропускает взаимодействия, и как Optuna с TPE-сэмплером за 500 итераций находит то, что OAT не может за 96. Практические примеры кода, сравнение сэмплеров и многокритериальная оптимизация.
Multi-symbol валидация: проверяйте стратегию на всех парах
Почему стратегия, оптимизированная на ETHUSDT, может провалиться на альткоинах. Как правильно тестировать по группам пар (blue chips, large caps, шиткоины) и какой cross-symbol robustness score считать достаточным.
Funding rates убивают ваш leverage: почему PnL×50x — фикция
Как funding rates на Binance/Bybit превращают красивые бэктест-результаты при высоком плече в гарантированный убыток. Формулы, пересчёт реальных стратегий и максимальное плечо, при котором funding не съедает прибыль.