深圳融克迪特科技有限公司

一、本讲目标

做到这一步，CatBoost 模型在研究端已经基本完整了。最后一讲不再讨论“怎么把分数做高”，而是讨论“怎么让模型稳定地跑起来、被监控、出问题时能回退”。

这一讲要解决的是：怎样把 CatBoost 从研究代码推进到可重复执行的生产流程。

二、环境准备：生产化最重要的不是推理，而是边界

很多人理解的部署只是“把模型文件保存下来，然后每天跑一下预测”。这远远不够。真正的生产化至少要先固定三件事：

1. 输入字段的契约。
2. 模型版本和特征版本的对应关系。
3. 出错后的回退路径。

如果这三件事不先固定，再好的模型也会在上线以后被数据口径变化拖垮。

三、操作步骤：把研究模型变成可运行流程

生产化的关键不是“把研究代码搬到服务器”，而是把每一步都做成可检查、可追踪、可回退的动作。下面这几个步骤最好在上线前就固定下来。

3.1 第一步：固定推理输入契约

上线前要明确：

• 哪些列是必填。
• 哪些列允许缺失。
• 哪些列是类别列。
• 每一列的数据类型和取值范围是什么。

如果研究阶段今天用的是字符串行业标签，明天线上改成整数编码，但没人同步记录，模型很容易看起来“还能跑”，结果却已经变味。

3.2 第二步：保存模型，也保存上下文

真正需要保存的通常不只是 .cbm 模型文件，还包括：

• 特征列表
• 类别列列表
• 标签定义说明
• 训练区间
• 评估指标摘要
• 版本号和发布时间

否则过几周以后，你很可能连“这个模型当时到底吃了哪些列”都说不清。

3.3 第三步：把批量推理做成固定流程

批量推理的核心不复杂，但必须顺序稳定：

1. 拉取当期样本。
2. 做字段检查和缺失检查。
3. 按训练时相同口径做特征整理。
4. 调用模型预测。
5. 保存结果和关键监控指标。

生产里最怕的不是明显报错，而是“默默跑完了，但输入已经偏了”。所以字段检查一定要放在预测前面，而不是预测后面才补救。

如果条件允许，最好把每天推理的输入快照也保存一份，哪怕只是保留关键字段和摘要统计。这样一旦几周后发现效果异常，你可以回放当时模型究竟看到了什么，而不是只能从最终分数倒推问题。

四、监控要看什么

CatBoost 上线后，至少建议看四类监控：

4.1 一，输入质量

• 必填列是否缺失。
• 类别列是否出现异常新取值。
• 关键数值列分布是否突然漂移。

4.2 二，输出分布

• 每日预测均值和标准差。
• 高分样本占比是否异常上升或下降。
• 预测分层是否突然塌缩到很窄区间。

4.3 三，延迟验证的效果指标

量化模型通常不能当天知道对错，所以要设计延迟验证：

• 未来 5 日分层命中率
• 未来 10 日分组收益差
• 近一段时间的 IC 或 rank correlation

4.4 四，运行稳定性

• 每日是否按时跑完。
• 数据拉取是否异常。
• 结果文件是否完整落地。

五、工具落地：一个最小批量推理框架

from catboost import CatBoostRegressor

expected_features = [
    "industry_lv1",
    "is_st",
    "turnover_20d",
    "momentum_60d",
    "volatility_20d",
]

model = CatBoostRegressor()
model.load_model("catboost_factor_model.cbm")

missing = [col for col in expected_features if col not in daily_df.columns]
if missing:
    raise ValueError(f"missing columns: {missing}")

daily_df = daily_df.copy()
daily_df["score"] = model.predict(daily_df[expected_features])

真正上线时，你还应该额外做两件事：

1. 在预测前记录输入字段检查结果。
2. 在预测后记录输出分布摘要，方便后续监控漂移。

六、漂移发生后怎么修复

一旦发现模型明显漂移，不要第一时间就地覆盖旧模型。更稳的顺序是：

1. 先确认是输入漂移、标签漂移，还是市场状态变化。
2. 保留当前线上版本，不要直接删。
3. 用新窗口重训候选模型。
4. 并行对比旧模型和新模型一段时间。
5. 确认新模型更稳后再切换。

如果没有回滚版本，模型上线就会变成一次性的“单向门”，这对量化系统非常危险。

七、常见问题排查

真正进入生产以后，最麻烦的问题往往不是训练失败，而是系统“看上去没坏”，但结果已经和研究期不一样了。因此排查时一定要优先检查输入和版本对应关系，而不是先怀疑模型算法本身。

还有一个很实际的问题是延迟验证。量化模型效果通常不会当天揭晓，所以线上系统最好从一开始就保留回填接口，让未来几天、几周的真实结果能够自动回写，形成稳定的效果跟踪链路。没有这条链路，模型漂移往往会被发现得太晚。

7.1 问题一：线上能跑，但结果明显不像研究阶段

先查输入契约。绝大部分这类问题，都比参数问题更接近“字段变了、口径变了、类别值变了”。

7.2 问题二：模型分数越来越集中

这通常意味着模型输入分布变了，或者当前市场状态和训练期差异太大。先看特征分布，再决定是否重训。

7.3 问题三：新模型看起来更好，要不要马上切

不要。先做并行观察，尤其是量化模型的效果往往有延迟验证周期。切换太快，容易把短期噪声误判成改进。

八、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. 知道部署不只是保存模型文件，还要固定输入契约和版本上下文。
2. 知道批量推理前必须做字段和缺失检查。
3. 知道上线后要同时监控输入、输出、延迟效果和运行稳定性。
4. 知道漂移发生后应该先定位原因，再做候选模型并行切换。

九、系列衔接

本讲是《CatBoost量化建模完整学习计划》的第 9/9 讲，当前主题是《CatBoost生产化部署：批量推理、监控告警与漂移修复》。

上一讲：第 8 讲《CatBoost模型鲁棒性测试：市场状态切换下的稳定性评估》。

到这里，CatBoost 系列的 9 讲已经完整闭环：从优势、输入规范、参数调优，到事件建模、解释性、概率分层、跨市场迁移、鲁棒性测试和生产部署，都已经覆盖。

十、风险揭示与免责声明