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.

Articles

策略的凱利公式:如何確定倉位大小並分配資本

策略的凱利公式:如何確定倉位大小並分配資本

正期望策略也可能因為下注規模失誤而爆倉。我們從公式推導一路講到策略組合,剖析凱利公式:為什麼 full Kelly 很危險,分數凱利如何用一半的波動率換來 75% 的增長,以及一個互動式計算器,讓你直觀看到凱利比例如何改變收益與風險。

每日股票分析:把自選股清單變成每日決策儀表盤的AI系統

每日股票分析:把自選股清單變成每日決策儀表盤的AI系統

深度解析ZhuLinsen的daily_stock_analysis——一個開源系統,跨A股、港股、美股等市場抓取行情資料,通過LLM完成技術面與資訊分析,並在每個交易日把結構化的“決策儀表盤”推送到你的即時通訊工具。涵蓋架構、資料回退、智慧體策略與侷限性。

用於多時間跨度組合預測的時序融合 Transformer

用於多時間跨度組合預測的時序融合 Transformer

谷歌的時序融合 Transformer 如何為量化組合管理帶來可解釋的多時間跨度預測:基於注意力的變數選擇、分位數輸出,以及一條完整的 pytorch-forecasting 實戰流程。

用於風險感知倉位管理的保形預測

用於風險感知倉位管理的保形預測

無分佈假設、帶有覆蓋率保證的預測區間。我們使用 split conformal、jackknife+ 以及自適應保形推斷來校準交易風險,並在不依賴參數化假設的情況下確定倉位規模。

用機器學習對買賣價差進行建模與預測

用機器學習對買賣價差進行建模與預測

用機器學習分解並預測買賣價差——從 Roll 的隱含估計量到梯度提升和神經網路——並揭示在生產環境中常常困擾人的單位、資訊洩露和基準對比陷阱。

DeepLOB:在限價訂單簿上做深度學習

DeepLOB:在限價訂單簿上做深度學習

DeepLOB 如何將 CNN、inception 模組和 LSTM 結合起來,從原始訂單簿資料預測中間價的走向——其架構、真實的 FI-2010 資料,以及一份可執行的 PyTorch 復現實現。

我們的內部演算法揭秘:HRP + 多空 + 基於Hull-White的CVaR

我們的內部演算法揭秘:HRP + 多空 + 基於Hull-White的CVaR

深入探討 Pipeline——我們基於HRP構建的複合配置演算法。以分層風險平價作為基礎,通過代理訊號和置信度驅動的多空疊加層,以及通過基於Hull-White波動率調整的CVaR進行最終風險校正。包含我們規範中的完整數學原理,以及實際的Rust實現。

12種投資組合最佳化演算法比較:HRP、Black-Litterman、NCO及其他

12種投資組合最佳化演算法比較:HRP、Black-Litterman、NCO及其他

一籃子加密貨幣,十二種配置演算法,一次誠實的比較。我們開源了一個Rust投資組合最佳化器,它通過一個單一介面執行HRP、HERC、MVO、Black-Litterman、NCO、熵池等演算法——這裡是每種演算法的思路以及為什麼沒有單一贏家。

OneTick:交易所捕捉欺騙者、對沖基金尋找Alpha的平臺

OneTick:交易所捕捉欺騙者、對沖基金尋找Alpha的平臺

OneTick架構——面向Tick資料的企業級時間序列引擎。通過Event Processor的DAG查詢、即時與歷史資料統一、市場監控(MiFID II、MAR、SEC)、TCA、量化研究,以及與kdb+的比較。

TradingAgents:模擬對沖基金的多智慧體AI交易框架

TradingAgents:模擬對沖基金的多智慧體AI交易框架

深入解析TradingAgents架構 — 基於LangGraph的開源框架,LLM智慧體(分析師、研究員、交易員、風控、投資組合經理)通過結構化辯論做出交易決策。

預測市場套利:隱藏成本、手續費與真實數學

預測市場套利:隱藏成本、手續費與真實數學

解析Polymarket、Limitless、Predict.fun、Opinion和Kalshi之間的套利。動態手續費、跨鏈橋、滑點、結算風險——以及為什麼5%的價差可能仍然虧損。

T-Bricks (Broadridge):自營交易公司使用的平臺架構解析

T-Bricks (Broadridge):自營交易公司使用的平臺架構解析

T-Bricks架構 — 用於做市、ETF套利和集中風險管理的C++模組化HFT平臺。100+客戶,150+交易所,納秒級延遲。