LightGBM + XGBoost + CatBoost + RandomForest → Logistic Regression meta-learner
三个梯度提升模型 + 随机森林，独立 5-Fold 时序交叉验证
Leaf-wise 生长
OOF IC 0.301
Level-wise 生长
OOF IC 0.294
Ordered boosting
OOF IC 0.288
1000 estimators
OOF IC 0.241
4 个基模型的 5-Fold OOF 预测作为特征，Logistic Regression 作为 meta-learner 进行最终融合。相比最佳单模型（LightGBM IC 0.301），Stacking 将 IC 提升至 0.468（+55.5%）。使用 L-BFGS 优化器，所有超参通过 Walk-Forward 时序验证调优。