最早一段总体方差严格越过冲击阈值的 K 日窗口

实现 solution(returns: list[float], K: int, var_threshold: float) -> int。给定长度为 N 的逐期收益序列 returns、固定窗口长度 K（当 N >= 1 时 1 <= K <= N）以及非负方差阈值 var_threshold，返回**最小的 0-indexed 起始索引 i**，使得 returns[i .. i+K-1] 的总体方差严格大于 var_threshold；若不存在则返回 -1。平凡情形（含 N == 0、K == 1 且 var_threshold >= 0、returns 全为同一常数且 var_threshold == 0）下也返回 -1。

方差为总体形式（除数为 K）：

pop_var(returns[i..i+K-1]) = (sum of returns[j]**2 for j in [i, i+K)) / K
                              - ((sum of returns[j]   for j in [i, i+K)) / K) ** 2
                            = E[X^2] - (E[X])**2

这与除数为 K - 1 的无偏样本方差不同；用错除数会出错，尤其在 K 较小时。

比较是严格大于（>）。总体方差恰好等于 var_threshold 的窗口不算越界。

例

solution([1.0, 1.0, 1.0, 2.0, 0.0, 1.0, 1.0, 1.0], 3, 0.5) 返回 2。六个长度为 3 的窗口的总体方差为：窗口 0 [1.0, 1.0, 1.0] -> 均值 1.0、方差 0.0；窗口 1 [1.0, 1.0, 2.0] -> 均值 4/3、方差 = (1 + 1 + 4)/3 - (4/3)^2 = 6/3 - 16/9 = 2/9 ≈ 0.2222；窗口 2 [1.0, 2.0, 0.0] -> 均值 1.0、方差 = (1 + 4 + 0)/3 - 1.0 = 5/3 - 1 = 2/3 ≈ 0.6667；窗口 3 [2.0, 0.0, 1.0] -> 均值 1.0、方差 = 5/3 - 1 = 2/3 ≈ 0.6667；窗口 4 [0.0, 1.0, 1.0] -> 均值 2/3、方差 = 2/3 - 4/9 = 2/9 ≈ 0.2222；窗口 5 [1.0, 1.0, 1.0] -> 方差 0.0。窗口 0（0.0）与窗口 1（~0.2222）都 <= 0.5，不是严格越界。窗口 2（~0.6667）是首个总体方差严格大于 0.5 的窗口，因此函数返回 2（该窗口的起始索引，对应原始 returns 中那个 1.0 的位置）。

对比：solution([1.0, 1.5, 2.0, 1.8, 1.2], 3, 5.0) 返回 -1。三个长度为 3 的窗口的总体方差约 ~0.1667、~0.0422、~0.1156，都远小于 5.0，故无窗口越界，返回 -1。

实践背景

收益流的运行方监控者希望对短期波动率冲击有一个早期预警探针：给定一个 K 日窗口内方差的冲击阈值（粗粒度的"波动率的波动率"指示），当日 tape 上最早一段长度为 K 的窗口在何处首次让已实现方差越过该上限？答案就是当日某种 regime-shift 监控器首次会触发的位置 —— 比后面（可能更嘈杂）的越界都来得早。返回起始索引而不是右端点或越界窗口列表，是有意为之：下游消费者关心第一次 regime-shift 事件前沿的位置以做诊断对齐，不是事件计数也不是最严重的越界。-1 表示"今天没有越界" —— 安静的回答。本题与"最长稳定窗口"探测器（找的是相反条件，即方差落在容差带内的最长平稳段）和"冲击次数"问题（计数而不定位首次发生）都不同，纯粹是首次触发的定位问题，且采用严格不等比较。

实现细节由 stubs/stub.py 提供。