你是一个量化 ML 研究员，请基于以下设定，给我一个合理的模型选择路径：

• 目标：预测横截面收益（IC 最大化）
• 特征：FEAT_*，可能高维、共线、噪声大
• 数据：时间序列 + 横截面
• 评估：IC / 加权 IC

请按顺序给出：

1. 必做 baseline（例如 linear / ridge / lasso）
2. 常用强力模型（GBDT / LightGBM / XGBoost）
3. 什么时候考虑神经网络（以及为什么通常不该）
4. 每一类模型在金融上的优缺点
5. 如何避免过拟合（金融视角，不是 ML 教科书）