同时满足累计收益达到目标且窗口内单期不破下限的最早 K 期窗口

实现 solution(returns: list[float], K: int, sum_target: float, floor_min: float) -> int。给定长度为 N 的逐期收益序列 returns（0 <= N <= 5000）、固定的正整数窗口长度 K、累计目标 sum_target 与单期下限 floor_min，返回**最小的 0-indexed 起始下标 i**（i 在 [0, N - K] 内），使得长度为 K 的窗口 returns[i .. i+K-1] 同时满足下面两条谓词：

sum(returns[i..i+K-1]) >= sum_target          # 累计收益谓词
min(returns[i..i+K-1]) >= floor_min           # 单期下限谓词

若不存在这样的窗口则返回 -1。两条谓词的比较都是非严格（>=）—— 相等视为满足。在两种平凡情形下也用同一个哨兵 -1：当 len(returns) == 0、或 K > len(returns) 时，根本无法构造任何长度为 K 的窗口。

期望算法整体 O(N)：窗口和走增量（每次滑动一次加、一次减），窗口最小值用一个按位置索引的单调递增双端队列维护。每到一个窗口右端点 i + K - 1，立即检查两条谓词；首次同时成立的起始下标即答案。

例

solution([0.1, 0.7, 0.9, 0.8, 0.4, 1.2, 1.0, 0.6], 3, 2.0, 0.5) 返回 1。六个长度为 3 的窗口：窗口 0 [0.1, 0.7, 0.9] sum=1.7、min=0.1 —— 累计未达且下限被破；窗口 1 [0.7, 0.9, 0.8] sum=2.4>=2.0 且 min=0.7>=0.5 —— 两条谓词同时成立，函数立即返回 1（该窗口的起始下标）并停止扫描。

对比：solution([0.6, 0.7, 0.9, 0.4, 1.2, 1.0, 1.5], 3, 2.5, 0.5) 返回 4。窗口 2 [0.9, 0.4, 1.2] 虽然 sum=2.5>=2.5，但 min=0.4<0.5 被下限挡住，不触发；下限谓词正是这里的拦截者。首个两条都成立的窗口是窗口 4 [1.2, 1.0, 1.5]（sum=3.7、min=1.0），因此函数返回 4。

再看：solution([0.0, 1.0, 0.5, 0.5, 0.5, 0.0], 3, 5.0, 0.0) 返回 -1。所有长度为 3 的窗口和都不超过 2.0，没有任何窗口能让累计收益谓词成立，即使下限谓词在多处都成立，联合条件仍不可达，返回哨兵 -1。

实践背景

收益流的运行方监控者希望在回测中找到最早那段长度为 K 的窗口：窗口的累计 pnl 达到目标，且窗口内没有任何单期跌破设定的下限（视为"窗口内未发生单期爆仓"）。两条谓词覆盖不同的风险维度：累计目标筛掉总收益不够的窗口，单期下限筛掉那种"靠几次大涨平均掉一次大跌"才"勉强"达到累计目标的窗口。下游诊断对齐需要的是最早这样的窗口——首次联合通过事件的前沿位置——而不是这类窗口的计数，也不是累计最大的那个窗口。-1 表示"该 tape 上没有联合通过的窗口"。本题与单谓词滑动求和扫描器（只有一个聚合、一次比较）不同，这里需要单调队列同时维护窗口最小值，以保证两条谓词都能 O(1) 推进。

实现细节由 stubs/stub.py 提供。