至多 K 段不重叠多头 round-trip 下的最佳已实现 PnL 上界（含每段冲击成本）

实现 solution(prices: list[float], K: int, fee: float) -> float。给定 N 期合成价格序列 prices、最多 round-trip 次数上限 K 与每段平摊的冲击成本 fee，返回执行台在"AT MOST K 段不重叠多头 round-trip"约束下能记入的已实现 PnL 上界。每段 round-trip 在某期 i 开多、在更晚的某期 j > i 平仓，已实现金额 = prices[j] - prices[i] - fee；多段必须严格不重叠——新一段 round-trip 只能在前一段 round-trip 关闭后的下一期开仓（同一时刻最多持有一段开仓）。由于不强制交易，结果至少为 0.0。

例：solution([1.0, 5.0, 3.0, 8.0, 2.0, 7.0], 2, 1.0) 返回 10.0。第 0 期 1.0 开仓、第 3 期 8.0 平仓（实现 7-1=6）；第 4 期 2.0 开仓、第 5 期 7.0 平仓（实现 5-1=4）；合计 10.0。把前半段拆成两笔更小的 round-trip 会被多扣一次 fee，所以本例两段 round-trip 已经是合理上界。

测试用例显式区分两类边界：K = 0 时无论价格序列多漂亮都必须精确返回 0.0；以及 fee 大到没有任何"开仓-平仓"对能覆盖该 fee 时也必须返回 0.0。参考实现 O(N*K) 时间、O(K) 空间；逐对 (i, j) 扫描为 O(N^2)，无法通过最大隐藏样例。

实现细节由 stubs/stub.py 提供。

实践背景

当执行台用一段录像中的中间价序列回顾性评估一笔交易想法时，常问"在 round-trip 次数硬上限 K 与每段平摊冲击成本 fee 下，我们能记入的已实现 PnL 最佳是多少"。其中 K 直接对应到具体的合规额度——很多执行台出于资本风险事件的自我管控，会限定每节交易至多 K 次"持仓清零再开仓"型的再平衡；fee 则是该执行台愿意为每段完整 round-trip（一段、不是分两侧两次）吸收的固定每段滑点预算。该数字并不是任何可交易策略的已实现 PnL，而是"在该成本制度下、完美择时下"的上界，被用作 capture ratio（策略捕获率）的分母，给模拟器与执行算法打分。执行台据此论证"即便预先知晓所有信息、且服从我们当前的成本制度与 K 段再平衡上限，可达上限也只是 X，故捕获到 0.45X 的候选模型是相对一个诚实的上界做得不错，而不是相对一个无界幻想做得不错"。