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
前视偏差：一根 K 线的错误如何从纯噪声中凭空制造出 15 的夏普比率
一项对细微前视泄漏如何悄然抬高回测表现的受控研究。在完全没有真实优势的情况下，同 K 线成交从纯噪声中制造出 +14.8 的年化夏普比率；提前一根 K 线窥视指标则制造出 +4.8。本文给出完整分类、实测量级，以及在它耗费你真金白银之前如何检测每一种泄漏。
回测引擎速度阶梯：笔记本 CPU 上 298 倍提速，PnL 精确到最后一笔交易
对同一个 80 组合参数扫描的五种实现，全部验证产出完全相同的 PnL：pandas 的 rolling.apply 耗时 69.9 秒，numpy 3.1 秒，numba 2.0 秒，并行 numba 0.23 秒——在一台 Apple M2 Max 上、硬件零改动，实测提速 298 倍，即便相对一个称职的向量化基准也仍快约 13 倍。每一级阶梯到底带来了什么、为什么 GPU 不是那块缺失的拼图，以及海量参数搜索中真正的瓶颈藏在哪里。
researcher：面向人类与 AI 智能体的可搜索量化研究档案库
我们如何构建 researcher.marketmaker.cc —— 一个统一的、支持全文搜索的量化研究档案库（arXiv 论文、GitHub 仓库、量化博客、TradingView Pine 脚本），人类可以浏览，AI 智能体可以通过 MCP 查询。
algo-investor-skills：用 Claude Code 技能打造经得起骗局质疑的投资人方案
深入解读 algo-investor-skills —— 一套 Claude Code 技能，能把一个算法交易策略从原始的实测事实，一路打造成经过审计、以诚实为先的投资人方案。六个可组合的技能、一个金融模型引擎、一套独立验证的证明包，以及一道绝不编造任何数字的强制性怀疑型投资人审计关卡。
策略的凯利公式：如何确定仓位大小并分配资本
正期望策略也可能因为下注规模失误而爆仓。我们从公式推导一路讲到策略组合，剖析凯利公式：为什么 full Kelly 很危险，分数凯利如何用一半的波动率换来 75% 的增长，以及一个交互式计算器，让你直观看到凯利比例如何改变收益与风险。
每日股票分析：把自选股清单变成每日决策仪表盘的AI系统
深度解析ZhuLinsen的daily_stock_analysis——一个开源系统，跨A股、港股、美股等市场抓取行情数据，通过LLM完成技术面与资讯分析，并在每个交易日把结构化的“决策仪表盘”推送到你的即时通讯工具。涵盖架构、数据回退、智能体策略与局限性。
用于多时间跨度组合预测的时序融合 Transformer
谷歌的时序融合 Transformer 如何为量化组合管理带来可解释的多时间跨度预测：基于注意力的变量选择、分位数输出，以及一条完整的 pytorch-forecasting 实战流程。
用于风险感知仓位管理的保形预测
无分布假设、带有覆盖率保证的预测区间。我们使用 split conformal、jackknife+ 以及自适应保形推断来校准交易风险，并在不依赖参数化假设的情况下确定仓位规模。
用机器学习对买卖价差进行建模与预测
用机器学习分解并预测买卖价差——从 Roll 的隐含估计量到梯度提升和神经网络——并揭示在生产环境中常常困扰人的单位、信息泄露和基准对比陷阱。
DeepLOB：在限价订单簿上做深度学习
DeepLOB 如何将 CNN、inception 模块和 LSTM 结合起来，从原始订单簿数据预测中间价的走向——其架构、真实的 FI-2010 数据，以及一份可运行的 PyTorch 复现实现。
我们的内部算法揭秘：HRP + 多空 + 基于Hull-White的CVaR
深入探讨 Pipeline——我们基于HRP构建的复合配置算法。以分层风险平价作为基础，通过代理信号和置信度驱动的多空叠加层，以及通过基于Hull-White波动率调整的CVaR进行最终风险校正。包含我们规范中的完整数学原理，以及实际的Rust实现。
12种投资组合优化算法比较：HRP、Black-Litterman、NCO及其他
一篮子加密货币，十二种配置算法，一次诚实的比较。我们开源了一个Rust投资组合优化器，它通过一个单一接口运行HRP、HERC、MVO、Black-Litterman、NCO、熵池等算法——这里是每种算法的思路以及为什么没有单一赢家。