强制冷静期下的最优多次交易

某中频策略组刚刚被合规上了一条新规：任何标的卖出后必须强制冷静一个交易日才能再次买入——监管想压一压日内换手率。策略组手上有未来 N 天对某支股票的价格预测序列 prices（按交易日升序，单位元/股），希望在这条冷静期约束下，事后算出最多能赚多少。规则：（1）任意时刻最多持仓一股，要先全部卖掉才能再买；（2）卖出当天之后整整一个交易日不能买入（如果第 3 天卖，最早第 5 天才能买）；（3）允许做任意多次完整的「买—卖」对，也允许整个区间不交易；（4）期末不应继续持有，必须落袋为安。请算出最优累计收益。

请实现 solution(prices: list[float]) -> float。当 len(prices) < 2，或所有可行策略都亏损时，返回 0.0（即「整个区间不交易」）。

示例：solution([1.0, 2.0, 3.0, 0.0, 2.0]) 应返回 3.0。最优执行是：第 0 天买 (-1.0)、第 1 天卖 (+2.0)、第 2 天冷静、第 3 天买 (-0.0)、第 4 天卖 (+2.0)，累计收益 2.0 - 1.0 + 2.0 - 0.0 = 3.0。如果忽略冷静期约束，本应在第 0 天买、第 2 天卖（赚 2）、再第 3 天买、第 4 天卖（再赚 2），共 4.0；但冷静期把第 3 天的入场堵死了，只剩 3.0 这条次优路径。再看 solution([3.0, 2.0, 1.0])：价格单调下跌，任何「先买后卖」都亏，最优策略是不交易，返回 0.0。

朴素地枚举所有「买—卖」对组合是指数级，不可行。关键观察是每一天结束时只可能处于三种状态之一——持仓 / 刚卖出冷静中 / 空仓且自由——而下一天的状态只依赖前一天（最多前两天）的状态。一遍 O(n) 扫描即可。这个题是「无限次交易」问题（每段上涨贪心累加）的进化版：冷静期约束让贪心失效，必须用 DP 显式追踪「今天能不能买」这个隐藏自由度。