深圳融克迪特科技有限公司

一、本讲目标

CatBoost 跑出一个可用结果以后，团队通常很快会问三个问题：

1. 模型现在最依赖哪些特征。
2. 某一只股票、某一个事件，为什么会被打高分或低分。
3. 当模型突然失真时，怎么判断是样本问题、特征问题还是模型本身出了偏差。

这一讲要解决的就是这三个问题。目标不是把解释性做成花哨可视化，而是让你能真正用解释结果去复核模型、排查异常、改进样本。

二、环境准备：解释性到底是给谁用的

量化里的模型解释性，至少服务三类场景：

• 给研究员看，判断模型是不是在学合理的经济含义。
• 给风控或投研管理看，确认模型没有过度依赖明显不稳的特征。
• 给自己排错，看某一段时间失效到底发生在什么地方。

如果你把解释性只理解成“画一张漂亮的 SHAP 图”，它的价值会被大幅压缩。更实用的做法是把它当成三种检查工具：

1. 全局检查：整体上模型靠什么在做判断。
2. 样本检查：某个具体样本为什么得到这个分数。
3. 异常检查：模型在坏结果样本上是否出现了明显偏移。

三、操作步骤：先看全局，再看单样本，再看异常样本

解释性工作最好也按顺序做。先从整体分布确认模型大体在看什么，再下钻到个体样本，最后回到错误样本做复盘，这样最不容易被局部现象带偏。

3.1 第一步：先做全局重要性检查

全局重要性最适合回答“这个模型总体上在看什么”。

对 CatBoost 来说，第一轮通常可以先看特征重要性排序，重点关注：

• 前几名是不是你预期里应当有效的特征。
• 有没有明显不该排太前的列突然冲到前面。
• 类别特征和数值特征的权重分布是否极端失衡。

如果一个你原本只打算当辅助列的字段长期排在最前面，先别急着高兴。它有可能确实有效，也有可能带着隐藏泄露或口径漂移。

3.2 第二步：再看单样本归因

全局重要性只能告诉你“整体上”，但不能解释“这一行为什么高分”。

单样本解释更适合回答：

• 为什么这只股票今天得分高。
• 为什么这个公告样本被模型判成高概率正样本。
• 为什么这次判断和研究员的直觉不一致。

这时最常用的思路是查看 SHAP 或类似的逐样本贡献拆解。重点不是把所有列都解释一遍，而是找出真正推动分数变化的前几项。

3.3 第三步：对坏样本做聚类式排查

最有价值的解释性工作，往往不是解释好样本，而是解释坏样本。

例如：

• 过去两个月里，模型高分但实际表现很差的样本都集中在哪些行业。
• 出错样本是否集中在高波动、低流动性、事件密集期。
• 某个特征在坏样本里的贡献方向是否出现整体翻转。

如果你只是抽一两个样本单独看，很容易误判。更稳的办法是把坏样本分组，再看每组的共同特征。

一个很实用的做法是按“高分但后验表现差”“低分但后验表现好”“中间分层但波动异常大”三类分别抽样。这样你不只是在解释模型如何做对，还能看清它通常在什么地方做错。对量化研究来说，后者往往更有价值，因为很多新的特征改进思路都是从坏样本里找出来的。

四、什么样的解释结果值得警惕

模型解释并不天然可靠，下面几种现象通常需要警惕：

4.1 一，单一特征长期压倒一切

如果某一列在全局重要性里常年遥遥领先，尤其是领先到不合常识，需要先复核：

• 它是不是某种泄露代理变量。
• 它是不是数据拼接时混入了未来信息。
• 它是不是只在某一小段时间特别有效。

4.2 二，同义特征互相稀释

量化表里常常存在高度相关的特征，例如不同窗口的动量、波动率、换手率。它们彼此相关时，解释结果可能会把本来属于一组的信息分散到多列上。

这时不能简单根据单列排名下结论，更应该看“特征族”的整体贡献。

4.3 三，解释结果和业务常识完全相反

这不一定说明模型错，也不一定说明业务常识对。更合理的做法是回到样本层检查：

• 这个现象是长期稳定存在，还是只在某一段时间出现。
• 它是否集中在某个子市场或事件阶段。
• 是否由少数极端样本拉出来的。

五、工具落地：CatBoost 里常用的几种解释方式

from catboost import Pool

pool = Pool(test_df[feature_cols], label=test_df[target_col], cat_features=cat_cols)

# 全局特征重要性
global_importance = model.get_feature_importance(pool, type="PredictionValuesChange")

# 单样本 SHAP 值
shap_values = model.get_feature_importance(pool, type="ShapValues")

# 取某一行样本解释
row_idx = 0
row_shap = shap_values[row_idx]

落地时更推荐你做三件事：

1. 把全局重要性按月或按季度保存下来，看是否突然漂移。
2. 对高分样本和低分样本各抽一批，比较贡献结构。
3. 对错误最大的样本单独做解释，不要只解释预测最顺的样本。

六、常见问题排查

解释性工具很容易给人一种“只要图画出来就已经理解模型”的错觉。真正有价值的排查，通常都要回到时间段、样本簇和特征口径本身。

另外，解释结果最好和研究日志配套保存。比如你这个月发现行业特征的重要性突然抬升，下个月又恢复正常，如果没有留下当时的市场背景和样本说明，后面很难判断这是合理状态切换，还是数据口径在那段时间出了变化。

6.1 问题一：SHAP 看起来很复杂，读不出结论

先别试图一口气解释所有列。先只看前 5 个主要贡献项，再问它们是否符合你的任务逻辑。

6.2 问题二：不同时间段的重要性变化很大

这不一定是坏事，可能是市场状态切换，也可能是样本结构变了。重点不是“变化了没有”，而是“变化是否合理、是否可解释”。

6.3 问题三：解释结果很好看，但模型还是失效

解释性不是性能保证。它更像复盘工具，能帮助你定位问题，但不能替代稳健性测试和样本质量检查。

七、本讲完成标准

如果你已经做到下面几点，这一讲就算完成：

1. 能区分全局解释和单样本解释的用途。
2. 能用 CatBoost 查看特征重要性和样本级贡献。
3. 知道为什么要重点看坏样本而不是只看好样本。
4. 知道解释结果不能直接等同于因果结论。

八、系列衔接

本讲是《CatBoost量化建模完整学习计划》的第 5/9 讲，当前主题是《CatBoost模型可解释性：特征贡献、样本归因与异常诊断》。

上一讲：第 4 讲《CatBoost在事件驱动策略中的应用：财报与公告特征融合》。

下一讲：第 6 讲《CatBoost概率输出与风险分层在选股模型中的应用》。

九、风险揭示与免责声明