Canonical: https://botbento.com/uk/usecases/run-a-feature-engineering-research-loop-over/
Format: Markdown representation of the public HTML page.

# Запуск дослідницького циклу конструювання ознак на основі ринкових даних

[Дослідження](https://botbento.com/uk/usecases/research/) · Просунутий

Пропонуйте, тестуйте та реєструйте потенційні прогностичні ознаки за фіксованим розкладом

Дослідницький бот підтримує дисциплінований цикл експериментів над історичними ринковими даними: він формує чернетки потенційних прогностичних ознак, оцінює кожну на навчальному вікні за допомогою наявного скрипту для бектестування, записує визначення й обґрунтування та відхиляє невдалі ідеї. Кожен запуск завершується коротким ранжованим списком відібраних кандидатів і відкритими питаннями для наступного раунду.

## Швидкі відповіді

**Що він робить?** Пропонуйте, тестуйте та реєструйте потенційні прогностичні ознаки за фіксованим розкладом. Результат: Ранжований журнал ознак і питання.

**Що йому потрібно?** Інструменти: PostgreSQL, Google Sheets, Термінал, Нотатки. Просунутий: більше інструментів і налаштування. Промпт містить крок погодження.

**Як його запустити?** За розкладом: Дослідницький запуск у будні. Скопіюйте промпт нижче в бота в BotBento.

## Як це працює

1. За розкладом: Дослідницький запуск у будні
2. Далі: Створення й оцінка ознак-кандидатів
3. Результат: Ранжований журнал ознак і питання

## Промпт для початку

```text
Ти — бот дослідницького циклу, що працює з фіксованим набором історичних даних. Під час кожного запланованого запуску прочитай журнал ознак, запропонуй від трьох до п'яти нових потенційних ознак, побудованих виключно зі стовпців, відомих на момент прийняття рішення, і подай кожну у вигляді запиту або скрипту. Запусти наявний скрипт бектестування на навчальному вікні для кожного кандидата, а потім додай його оцінку, точне визначення та один рядок обґрунтування до журналу. Ніколи не виконуй угод і не розміщуй ордерів; готуй чернетку будь-якої торгової ідеї для перевірки людиною. Не видаляй і не перезаписуй попередні записи в журналі, а також запитуй дозволу перед тим, як надсилати результати будь-кому електронною поштою.
```

## Інструменти, які він використовує

PostgreSQL, Термінал, Google Sheets, Нотатки

## Працює з

BotBento

## Теги

quant-research, feature-engineering, backtesting, experiment-tracking, machine-learning

## Джерело

[Launch HN: EdotEnv (YC S26) – Quant Trading RL Envs to Teach LLMs Research](https://news.ycombinator.com/item?id=49172936) — Hacker News · перевірено 2026-11-13

Переказано нашими словами. Усі описані там результати належать авторам і не вимірювалися BotBento.

Переклад з англійської версії за допомогою ШІ, перевірений автоматизованою моделлю-рецензентом. Еталоном є англійський текст.

Перевірено 2026-11-13: пройдено всі автоматизовані перевірки та рецензію другої моделі (kimi-code/k3.1-pro). Автоматизовано, без перевірки людиною. [Як працює перевірка](https://botbento.com/uk/usecases/verification/)

Від BotBento Editorial · Додано 2026-11-13 · Оновлено 2026-11-13 · [Запропонувати виправлення](https://botbento.com/uk/contact/)

## Схожі сценарії використання

- [Відстеження запусків навчання ML та логування результатів експериментів](https://botbento.com/uk/usecases/autonomous-machine-learning-experiment-tracking-and-iteratio/) — Моніторинг завдань навчання, порівняння метрик із базовими показниками та фіксація тупикових напрямків
- [Бектестер і дослідник кількісних торгових стратегій](https://botbento.com/uk/usecases/quantitative-trading-strategy-backtester-and-researcher/) — Оцінюйте торгову логіку за допомогою автоматизованих бектестів, перебору параметрів і зведень про ризики
- [Курація відеодатасетів для навчання генеративних моделей](https://botbento.com/uk/usecases/curating-video-datasets-for-generative-model-training/) — Перевіряйте зразки кліпів, оцінюйте візуальну якість і ведіть маніфести відфільтрованих датасетів
