深圳融克迪特科技有限公司

一、本讲目标

当一个 CatBoost 模型在 A 股样本上跑得不错时，很多人会自然地问：能不能直接迁到期货、ETF、可转债，甚至海外市场？

答案通常不是“能”或“不能”，而是：先看你迁移的是结构，还是迁移的是口径。

这一讲要解决的是怎样在 A 股和期货这类差异明显的数据域之间做更稳的适配，而不是简单把训练好的模型拿去硬套。

二、环境准备：A股和期货样本到底差在哪

同样叫“量化样本”，A 股和期货在很多关键地方并不一样：

• 交易时间结构不同。
• 流动性分布不同。
• 标签定义不同。
• 合约滚动和连续化处理不同。
• 行业、板块、品种类别的语义不同。

如果你只是把字段名对齐，就认为两个市场能直接共用模型，结果通常不会太好。真正应该先统一的是“可比口径”，例如：

• 标签是不是都定义成未来 5 个交易日收益。
• 波动率是否都做了适当标准化。
• 流动性指标是否在各自市场里有可比意义。

三、操作步骤：跨市场迁移先做口径统一，再做模型适配

跨市场迁移如果没有固定步骤，很容易在“字段大致差不多”的幻觉里直接开始训练。更稳的办法是先统一标签和特征口径，再决定是不是做联合训练。

3.1 第一步：先找共同特征层

不是所有特征都能跨市场迁移。更适合先共享的是这几类：

• 收益与动量类特征
• 波动率与振幅类特征
• 成交活跃度与换手替代指标
• 事件前后收益表现

而下面这些特征通常不适合直接共用：

• A 股特有的行业标签直接套到期货
• 与连续合约拼接方式强相关的原始价格水平
• 只在某一市场里才有稳定业务含义的状态字段

换句话说，先共享“行为特征”，后共享“市场特有身份特征”。

3.2 第二步：加入市场上下文列

如果你打算做联合训练，不要假装所有样本来自同一种市场。更稳的做法是显式告诉模型：

• 这是股票还是期货。
• 是日盘样本还是夜盘相关样本。
• 是主力连续合约还是近月合约。

这些信息本身就可以作为类别特征，帮助模型区分不同市场的分布背景。

3.3 第三步：先做分市场验证

即使你最终想做一个统一模型，验证也不要一锅端。至少要分别看：

• A 股验证集表现
• 期货验证集表现
• 混合验证集表现

如果统一模型只是在总体验证集上看起来还行，但拆开后某一市场明显偏弱，那说明所谓“迁移成功”其实并不成立。

这一步尤其重要，因为跨市场样本量经常不平衡。A 股数据量可能远大于期货样本，如果只看合并后的总指标，模型很可能只是把股票学得更好了，却没有真正提升期货侧表现。对迁移问题来说，拆开看永远比合起来看更诚实。

四、三种更稳的迁移思路

不是所有项目都需要走到“统一模型”这一步。下面三种思路没有绝对高下，重点是要和你的样本规模、研究目标以及部署复杂度匹配。

4.1 一，共享特征工程，不共享最终模型

这是最保守，也最常用的办法。你可以让两个市场用同一套特征构造逻辑，但分别训练各自模型。这样最容易保持口径一致，同时避免把市场差异硬揉在一起。

4.2 二，联合训练，但加入市场标识

如果样本规模足够，且你希望模型学习部分共性结构，可以把两类样本合起来训练，同时加入 market_type、instrument_class 这类上下文字段。

这时你要重点观察：模型有没有过度偏向样本更多的那一侧市场。

4.3 三，先在大样本市场找结构，再到小样本市场做轻量适配

如果某一市场样本明显少，可以先在大样本市场验证一套特征体系，再在小样本市场用更保守的参数重训，而不是直接拿原模型上线。

五、工具落地：联合训练时的最小样本写法

feature_cols = [
    "market_type",
    "instrument_class",
    "ret_5d",
    "momentum_20d",
    "volatility_20d",
    "volume_ratio",
]

cat_cols = ["market_type", "instrument_class"]

train_pool = Pool(train_df[feature_cols], label=train_df[target_col], cat_features=cat_cols)
valid_pool = Pool(valid_df[feature_cols], label=valid_df[target_col], cat_features=cat_cols)

model = CatBoostRegressor(
    iterations=700,
    learning_rate=0.05,
    depth=6,
    random_seed=42,
    verbose=100,
)

model.fit(train_pool, eval_set=valid_pool, use_best_model=True)

真正落地时要额外做的一件事，是把验证结果按 market_type 再拆开复核，而不是只看一行总分。

六、常见问题排查

跨市场问题的难点在于，很多失效现象看起来像模型问题，实际上是数据定义没统一。所以排查顺序最好始终先查口径，再查特征，再查模型。

还有一个容易忽略的点是收益和波动的量纲。A 股和期货即使都做日频建模，收益分布和波动结构也可能差很多。如果没有做合适的标准化或分市场归一，模型很可能把“市场差异”误学成“预测规律”。

6.1 问题一：联合训练后，总体分数上升，但单市场表现变差

这通常说明模型把样本更多的一侧学得更好了，但牺牲了另一侧。此时不要被总体指标迷惑，应该回到分市场表现重新判断是否值得合并。

6.2 问题二：期货样本表现很不稳定

先排查合约连续化、展期处理、夜盘映射和标签定义，而不是先怪模型。期货数据里很多“模型漂移”其实来自数据口径变化。

6.3 问题三：迁移后最重要的特征全变了

这不一定是坏事，但如果变化过大，需要确认是不是某些市场身份特征压过了原本真正想学的行为特征。

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. 知道跨市场迁移前要先统一口径，而不是只统一字段名。
2. 知道哪些特征更适合跨市场共享，哪些不该直接复用。
3. 知道联合训练时为什么要加入市场上下文列。
4. 知道验证结果必须拆到各市场分别看。

八、系列衔接

本讲是《CatBoost量化建模完整学习计划》的第 7/9 讲，当前主题是《CatBoost跨市场迁移：A股与期货数据域适配方法》。

上一讲：第 6 讲《CatBoost概率输出与风险分层在选股模型中的应用》。

下一讲：第 8 讲《CatBoost模型鲁棒性测试：市场状态切换下的稳定性评估》。

九、风险揭示与免责声明