多期高斯 VaR 缩放

风控团队从台账日 PnL 分布算出单日 VaR，但同时也要把 VaR 缩放到多期口径（5 日、10 日、年度）以满足资本计提和限额监控。请实现 solution(one_period_var: float, one_period_mu: float, horizons: list[int]) -> list[float]。在「单期收益独立同分布的高斯」假设下——单期收益服从均值 mu、标准差 sigma 的正态分布——T 期 PnL 的均值为 T*mu、标准差为 sqrt(T)*sigma，因此同置信度 alpha 下 T 期 VaR 是 VaR_T = -T*mu + sqrt(T)*z_alpha*sigma，按正值损失记录。这里 alpha 隐含在 one_period_var 的量级中，并不显式作为输入；从单期恒等式 one_period_var = -one_period_mu + z_alpha*sigma 可以反解出 z_alpha*sigma = one_period_var + one_period_mu。

把这个反解结果代回 T 期公式，得到 VaR_T = -T*one_period_mu + sqrt(T) * (one_period_var + one_period_mu)。对 horizons 中的每个 T 顺序计算并按输入顺序返回 VaR_T。算法就是一次线性扫描，复杂度 O(H)，其中 H = len(horizons)。

举例：solution(0.025, 0.001, [1, 5, 10]) 应返回 [0.025, 0.05313776..., 0.07221921...]。T=1 时公式退化为 -1*0.001 + 1*(0.025 + 0.001) = 0.025，正是「T=1 不变量」。T=10 时 -10*0.001 + sqrt(10)*0.026 = -0.01 + 3.162... * 0.026 ≈ 0.0722。注意 0.001 的正漂移让 10 日 VaR 比教科书式的 sqrt(10) * 0.025 ≈ 0.0791 略小——10 日预期盈利 10*0.001 = 0.01 抵消了一部分波动驱动的尾部亏损。

三个常见坑要盯紧。(a) 漂移项方向：T 的线性系数是 -T*mu，不是 +T*mu。写反符号后正漂移情形下 VaR 反而比 sqrt-T 增长更快，与现实完全相反。(b) sigma 的反解：从 one_period_var = -one_period_mu + z_alpha*sigma 反解得到 z_alpha*sigma = one_period_var + one_period_mu。若误写成 one_period_var - one_period_mu，结果完全跑偏。(c) 符号约定：one_period_var 与输出都是金融惯例下的正值损失；不要把 VaR 当成带符号收益使用。但输出仍是带符号浮点——当正漂移很大、T 很长时 VaR_T 可能为负数（漂移压过波动尾部），不要在 0 处截断，按计算值原样返回。