最低持有期合规约束下单段多头 round-trip 的最佳已实现 PnL

实现 solution(prices: list[float], min_hold: int) -> float。给定 N 个连续交易期、严格为正的价格序列 prices 与非负整数 min_hold，在持有约束 j - i >= min_hold（含等号）下返回单段多头 round-trip 能实现的最大 realized PnL。round-trip 在下标 i 开多、下标 j 平仓，损益为 prices[j] - prices[i]。交易员永不被迫交易，因此若不存在合法 (i, j) 配对、或所有合法配对均给出非正利润，则返回 0.0。

例：solution([10.0, 7.0, 5.0, 6.0, 9.0, 11.0, 8.0], 2) 返回 6.0。min_hold = 2 时合法配对要求 j - i >= 2。在下标 2（价 5.0）买入并在下标 5（价 11.0）卖出，得 11.0 - 5.0 = 6.0，优于该序列上其他所有合法配对。

测试集合显式区分的边界：min_hold = 0 允许同下标买卖（收益 0.0），将任务降阶为标准 one-shot 最佳交易上界；N <= min_hold 没有合法配对，返回 0.0；任意长度的单调下行序列均返回 0.0；位于尾部 min_hold 长度窗口内的低点不可能成为任何合法卖出下标的买入候选。参考实现以 O(N) 时间、O(1) 辅助状态完成，运行最小值的入选指针比卖出下标 j 滞后正好 min_hold；O(N^2) 的逐对扫描在最大隐藏用例上跑不动。

函数骨架见 stubs/stub.py。

实践背景

机构桌面常运行在最低持有期规则下——这条规则可能来自税务批次约束、wash-sale 风格的规避窗口、策略授权中的强制持有条款，或合规为限制过度换手而下发的指令——禁止开仓后不到 min_hold 个周期就平仓。在让桌面的算法实盘前，风控想知道在恰好这套约束下，于一段已记录的回测全集上，最佳情况下的 realized PnL 会是多少：一个完美预见的天花板，用以约束桌面对自身相对于无约束 one-shot 最优解的合理预期。该数字不是任何可实盘策略的 realized PnL——它假定完美时机——而是被用作 capture ratio 的分母去考评候选算法。桌面据此论证：「即便在我们的最低持有期合规规则下取完美预见，可达上界也只是 X——所以一个能复现 0.6 X 的模型，是相对于一个诚实的、规则感知的天花板在表现，而不是对着一个无约束的幻想较劲。」