Eugen Soloviov

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.

Bài Viết

Double Machine Learning: Ước Lượng Tham Số Nhân Quả Thay Vì Dự Báo Lợi Nhuận

Double Machine Learning: Ước Lượng Tham Số Nhân Quả Thay Vì Dự Báo Lợi Nhuận

Mọi mô hình trên blog này cho đến nay trả lời 'cái gì dự báo cái gì'. Double ML trả lời 'cái gì gây ra cái gì' — với một sai số chuẩn mà bạn có thể bảo vệ. Mô hình từng phần tuyến tính, trực giao Neyman, cross-fitting đã được làm sạch trên dữ liệu sổ lệnh và một account trung thực về tại sao khoảng tin cậy DML hợp lệ sống sót chính xác qua một câu hỏi đã được chỉ định trước.

Rừng Nhân Quả cho Hiệu Quả Điều Trị Heterogeneous trong Giao Dịch

Rừng Nhân Quả cho Hiệu Quả Điều Trị Heterogeneous trong Giao Dịch

Mọi backtest trên blog này ước lượng một conditional mean. Rừng nhân quả ước lượng một conditional treatment effect thay thế — tau(x) thay vì mu(x) — với honest splitting, biểu diễn trọng số kernel thích ứng, và bài kiểm tra calibration cho bạn biết heterogeneous mà bạn tìm có thực không.

Epistemic vs Aleatoric: Đo lường những gì mô hình trả lời không biết

Epistemic vs Aleatoric: Đo lường những gì mô hình trả lời không biết

Mọi quy tắc sizing trên blog này thu gọn sự không chắc chắn thành một số vô hướng. MC Dropout và deep ensembles chia nó thành sự thiếu hiểu biết của mô hình và nhiễu thị trường — và cả hai đều xứng đáng với kích thước vị thế khác nhau.

AutoML cho Quy trình Giao dịch Có hệ thống

AutoML cho Quy trình Giao dịch Có hệ thống

Automated feature generation (tsfresh, Featuretools), budget-aware model search (FLAML's cost-frugal optimizer), and the WorldQuant formulaic alpha factory — the parts of the research pipeline this blog's search-and-overfit arc never covered, and what the arc's own results say about them.

Liquidation cascades as a trading signal: reading forced, pre-announced flow

Liquidation cascades as a trading signal: reading forced, pre-announced flow

Every leveraged position advertises the price at which it must be sold. How to build the on-chain liquidation depth chart and the CEX liquidation heatmap, model cascade dynamics as a reproduction number, and trade forced flow as a signal instead of only fearing it as a risk.

Active Uniswap v3 LPing as Market Making: Range Selection, Rebalancing, and Delta Hedging

Active Uniswap v3 LPing as Market Making: Range Selection, Rebalancing, and Delta Hedging

An active v3 LP is running a market-making book with gas costs and no cancel button. Size ranges from a GARCH vol forecast, frame rebalancing as fee-gain vs realized-cost, derive the position delta from tick math and hedge it with perps, and understand JIT liquidity and the honest pitfalls of backtesting LP from on-chain data.

The MEV supply chain: PBS, MEV-Boost, and who actually captures the value

The MEV supply chain: PBS, MEV-Boost, and who actually captures the value

MEV stopped being a lone bot and became an assembly line: searcher, builder, relay, proposer. A technical walk through proposer-builder separation, MEV-Boost's sealed-bid block auction, why the searcher's margin gets bid away, order-flow auctions as the new moat, and how Solana's Jito model differs.

Arbitrage on-chain: chu kỳ nguyên tử, flash loan và cuộc đấu giá bạn phải thắng

Arbitrage on-chain: chu kỳ nguyên tử, flash loan và cuộc đấu giá bạn phải thắng

Tìm một chu kỳ arbitrage on-chain là nửa phần dễ. Nửa phần khó là thắng cuộc đấu giá ưu tiên theo hình thức bỏ thầu kín chống lại mọi searcher khác đã tìm thấy cùng một chu kỳ. Phân tích kỹ thuật về tính nguyên tử, flash loan, backrunning và nơi lợi nhuận arbitrage thực sự tồn tại — bao gồm cả CEX-DEX không nguyên tử.

Tổn thất tạm thời và LVR: toán học thực sự về lợi nhuận của LP

Tổn thất tạm thời và LVR: toán học thực sự về lợi nhuận của LP

Tổn thất tạm thời, đòn bẩy thanh khoản tập trung và tổn thất so với tái cân bằng được suy ra từ các nguyên tắc cơ bản. Các dạng đóng, kết quả σ²/8, markout trên mỗi khối và điều kiện phí-so-với-biến động chính xác mà theo đó một LP thực sự đánh bại việc nắm giữ.

Bên trong lát cắt: chiến thuật child-order giữa bộ lập lịch và sàn giao dịch

Bên trong lát cắt: chiến thuật child-order giữa bộ lập lịch và sàn giao dịch

Almgren-Chriss và VWAP chỉ đặt ngân sách cho từng lát cắt — việc thực thi được quyết định ở lớp chiến thuật. Bộ đếm giờ leo thang, toán học điểm hòa vốn maker-taker, ngữ nghĩa hàng đợi amend so với cancel-replace trên Binance/OKX/CME, chống lộ tín hiệu iceberg, và một máy trạng thái Python cho từng lát cắt.

Đường cong slippage, không phải hằng số slippage: mô hình chi phí sống sót khi tiếp xúc với giao dịch thực

Đường cong slippage, không phải hằng số slippage: mô hình chi phí sống sót khi tiếp xúc với giao dịch thực

Thay hằng số slippage tính bằng bps bằng các đường cong chi phí phụ thuộc quy mô, biến động và thanh khoản: quy luật căn bậc hai, khớp đường cong từ dữ liệu fill TCA hay dữ liệu công khai, hệ số nhân khi thị trường căng thẳng, và lý do bảng xếp hạng chiến lược của bạn bị đảo lộn.

Định tuyến lệnh thông minh trong crypto: một lệnh, mười hai sàn, không có NBBO

Định tuyến lệnh thông minh trong crypto: một lệnh, mười hai sàn, không có NBBO

Vì sao SOR trong crypto khó hơn định tuyến cổ phiếu: không có băng ghi hợp nhất, thanh khoản ảo, vốn phải nạp trước. Bài toán tối ưu hóa định tuyến lồi kèm toán học và Python, chiến thuật ưu tiên maker, và bảng xếp hạng markout theo từng sàn từ chính TCA của bạn.