限定回撤下的最优持仓收益
Maximum Profit Over Bounded-Drawdown Window
开始编码某只股票的日线价格序列已经给到你，作为风控严格的策略 PM，你愿意接受的单笔持仓最大瞬时回撤是 max_drawdown——也就是说，从你买入那天起，到你某天卖出之前的任何时刻，从已实现的持仓峰值往下跌的幅度都不能超过 max_drawdown，否则你的止损线就会被触发。请在这一硬约束下，找出理论上可以拿到的最高单笔收益 prices[sell] − prices[buy]。
形式化地：实现 solution(prices: list[float], max_drawdown: float) -> float，对所有满足下述条件的 (buy, sell) 对（其中 0 ≤ buy ≤ sell < len(prices)），返回 prices[sell] − prices[buy] 的最大值；条件是对每个 k ∈ [buy, sell]，都有 max(prices[buy..k]) − prices[k] ≤ max_drawdown。如果做不到正收益（例如序列单调下跌，或回撤约束太紧），就返回 0.0，相当于不开仓。
举个例子，solution([10, 12, 9, 14, 16, 11], 3.0) 应该返回 7.0：
- 如果
buy=0、sell=4，持仓期间 running peak 走的是10→12→12→14→16，对应的瞬时回撤分别是0, 0, 3, 0, 0，最大值3正好踩到max_drawdown=3的红线。可以接受，收益16 − 10 = 6。 - 如果换成
buy=2、sell=4：running peak9→14→16，回撤0, 0, 0，没有触发止损；收益16 − 9 = 7。这是更优解。 - 如果
sell=5，无论从哪天买，从16跌到11已经是5的回撤，超过 3，不能持有到 5。
朴素的 O(n²) 双层循环对小输入足够，但当 n 接近 10⁵ 时会超时。请考虑用两条单调双端队列——一条管理窗口最大值（用于约束检查），一条管理窗口最小值（用于卖点对应的最优买点）——把时间压到 O(n)。
约束条件
- 0 ≤ len(prices) ≤ 100000
- 0 < prices[i] ≤ 10⁶
- 0.0 ≤ max_drawdown ≤ 10⁶（绝对价差，不是百分比）
- 若 prices 为空，返回 0.0
- 若没有任何持仓窗口能赚钱，返回 0.0（不交易就是 0 收益）
- 返回值是浮点数，允许 1e-6 的相对误差
样例
Case 1 · two valid windows, peak triggers stop loss at end
输入: [[10,12,9,14,16,11],3]
期望: 7
选 buy=2、sell=4，持仓价格走 9→14→16，回撤始终为 0，盈利 16−9=7。若坚持持有到第 5 天 (price=11)，从 16 跌到 11 已经是 5 单位回撤，超过 max_drawdown=3，触发止损。
Case 2 · monotone uptrend, drawdown never tested
输入: [[1,3,4,9,11],0]
期望: 10
价格单调上行，每一时刻的瞬时回撤都是 0，所以任何持仓窗口都合法。最优策略是 buy=0、sell=4，盈利 11−1=10。
最近提交
还没有提交记录。
编码区
实现 solution(...)。本地运行当前支持 Python 可见样例；服务端提交会运行可见样例和隐藏测试。
默认展示公开样例。点击「运行样例」后会在这里显示实际输出；点击「提交评测」会进入隐藏测试。
Case 1 · two valid windows, peak triggers stop loss at end
输入: [[10,12,9,14,16,11],3]
期望: 7
选 buy=2、sell=4，持仓价格走 9→14→16，回撤始终为 0，盈利 16−9=7。若坚持持有到第 5 天 (price=11)，从 16 跌到 11 已经是 5 单位回撤，超过 max_drawdown=3，触发止损。
Case 2 · monotone uptrend, drawdown never tested
输入: [[1,3,4,9,11],0]
期望: 10
价格单调上行，每一时刻的瞬时回撤都是 0，所以任何持仓窗口都合法。最优策略是 buy=0、sell=4，盈利 11−1=10。