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
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.
Ликвидационные каскады как торговый сигнал: как читать принудительный заранее объявленный поток
Каждая позиция с плечом заранее сообщает цену, по которой ее придется продать. Как построить ончейн-график глубины ликвидаций и карту ликвидаций на CEX, описать динамику каскада через число воспроизводства и торговать принудительным потоком как сигналом, а не только воспринимать его как риск.
Стратегии LP в Uniswap v3 и хеджирование
Перевод статьи на ru
Цепочка поставок MEV: PBS, MEV-Boost и рынок блоков
Цепочка MEV превратилась из одиночного бота в конвейер: поисковик, билдер, реле и предлагающий блок валидатор. Разбираем PBS, закрытый аукцион MEV-Boost, исчезновение маржи поисковика, аукционы потока ордеров и отличие модели Jito в Solana.
Ончейн-арбитраж: атомарные циклы, флеш-кредиты и аукцион, который вы должны выиграть
Найти ончейн-арбитражный цикл — это легкая половина. Трудная половина — выиграть аукцион приоритета с закрытыми ставками у каждого другого поисковика, который нашел тот же цикл. Технический разбор атомарности, флеш-кредитов, бэкранинга и того, где на самом деле сохраняется арбитражная прибыль, включая неатомарные CEX-DEX.
Impermanent Loss и LVR: реальная математика прибыльности LP
Непостоянные потери, кредитное плечо концентрированной ликвидности и потери от ребалансировки, выведенные из первых принципов. Замкнутые формы, результат σ²/8, маркаут за блок и точное условие "комиссия против волатильности", при котором LP фактически превосходит HODL.
Внутри слайса: тактика дочерних ордеров между планировщиком и биржей
Almgren-Chriss и VWAP задают только бюджеты слайсов — исполнение выигрывается на уровне тактики. Таймеры эскалации, арифметика безубыточности maker-taker, семантика очереди amend vs cancel-replace на Binance/OKX/CME, антисигнализация айсберг-ордеров и Python-автомат состояний для отдельного слайса.
Кривые проскальзывания вместо констант: модели издержек, которые выживают при столкновении с реальной торговлей
Замените константный слиппедж в bps на кривые издержек, зависящие от размера, волатильности и ликвидности: закон квадратного корня, подгонка кривых по TCA-исполнениям или публичным данным, режимные стресс-множители и почему от этого перетасовывается таблица лидеров ваших стратегий.
Умный роутинг ордеров в крипте: один ордер, двенадцать площадок, никакого NBBO
Почему SOR в крипте сложнее, чем роутинг в акциях: нет консолидированной ленты, есть фантомная ликвидность и предфондированный капитал. Выпуклая оптимизация роутинга с математикой и Python, тактики с учетом мейкер-ордеров и таблицы маркаутов по площадкам из вашего собственного TCA.