二值仓位策略 —— 含离场后强制冷静期的最佳 PnL

实现 solution(returns: list[float], cooldown: int) -> float。交易者在每期收益序列上运行一个二值仓位策略：每期 t ∈ [0, N) 的仓位 s_t 取 1（LONG，多头）或 0（FLAT，空仓）；期 t 的已实现 PnL 贡献 = s_t * returns[t]，空仓期无论 returns[t] 是正是负都贡献为零。关键约束在于：每次离场（s_{t-1} = 1 且 s_t = 0）之后，交易者必须强制空仓 cooldown 个连续期数 —— 即 s_{t+1}, s_{t+2}, ..., s_{t+cooldown} 全部必须为 0（越界下标视为空操作）。进场（s_{t-1} = 0 且 s_t = 1）不触发冷静期。期 0 之前的状态严格为 FLAT 且没有继承的冷静期，所以期 0 进场免费。末期不存在归零成本：第 N - 1 期之后的状态保留为何者最大化总 PnL。

返回所有满足上述冷静期规则的序列 s_0, s_1, ..., s_{N-1} 中 sum_t s_t * returns[t] 的最大值。

例

solution([1.0, -1.0, 1.0, -1.0, 1.0], 1) 返回 2.0。在 cooldown = 1 下，一个最优解是 s = [1, 0, 0, 0, 1]：期 0 进场吃 1.0；期 1 离场（LONG -> FLAT，期 2 被强制空仓）；期 2 被强制空仓，跳过其 +1.0；期 3 自愿空仓（冷静期已过，但 -1.0 不值得吃）；期 4 进场吃 1.0。净 PnL = 1.0 + 0 + 0 + 0 + 1.0 = 2.0。对比全程持多头的 1 - 1 + 1 - 1 + 1 = 1.0，以及永不进场的 0.0，二者都严格更差。

实践背景

监管机构对二值仓位分配器施加"离场后强制持有空仓"规则：每次平仓多头后，必须连续若干期保持空仓后才能重新进场。进场不受此约束 —— 监管将开新仓视作保守动作 —— 仅离场触发，因为该规则是为了防止围绕高波动行情快速进出反复换手。研究主管想知道：在当前冷静期长度下，事后完美择时所能达到的 PnL 上限是多少，以"捕获率"口径给候选信号模型打分：模型若能捕获该上限的 60%，就是相对一个合规感知的基准做得不错；而把模型得分相对一个无约束"任意进出"幻想去比，所有模型都会看起来很美，但会忽视真实的监管摩擦。该上限对 cooldown 高度敏感：cooldown 增大时最优解退化为序列上某一段最优后缀的单次买入持有；cooldown 缩到 0 时塌缩为吃满每个正收益。这种"进场免费、离场代价"的不对称恰好对应了真实事后合规体系的运作方式：进得慢没有惩罚，频繁进出才有惩罚。

实现细节由 stubs/stub.py 提供。