行业-交易日 收益方块：矩形区间求和的批量查询

实现 solution(returns_matrix: list[list[float]], queries: list[list[int]]) -> list[float]。给定一个日度收益方块 returns_matrix[D][S]（D 个交易日为行，S 个行业为列；每格为该行业当天的带符号十进制收益，例如 0.0123 表示 +1.23%），以及 Q 条矩形查询 queries，每条查询为四元组 [d_lo, d_hi, s_lo, s_hi]，上下界均为闭区间（0 <= d_lo <= d_hi < D 且 0 <= s_lo <= s_hi < S）。返回长度为 Q 的浮点列表，第 k 个元素为第 k 条查询所对应矩形子块 returns_matrix[d_lo..d_hi][s_lo..s_hi] 内所有收益之和。

例：若 returns_matrix = [[0.01, -0.02, 0.005, 0.0], [0.012, 0.003, -0.01, 0.004], [-0.005, 0.0, 0.008, 0.002]]，queries = [[0,1,0,1], [0,2,0,3]]，第一条查询覆盖第 0..1 行、第 0..1 列，求和为 0.01 + (-0.02) + 0.012 + 0.003 = 0.005；第二条查询覆盖整个方块，求和为 0.009。

查询为空 (Q == 0) 时返回 []。空矩阵情形（D == 0 或 S == 0）只有在 Q == 0 时才是良定义的——按规范，对空方块发起查询的责任在调用方。

朴素逐查询双重循环每条 O(D*S)，整体 O(Q*D*S) = 2*10^8 量级，会在隐藏大样本上超时；正解一次性构建 (D+1) x (S+1) 的二维前缀和索引，每条查询通过容斥在 O(1) 内回答。

实现细节由 stubs/stub.py 提供。

实践背景

多策略交易台收盘后会得到一个行业 × 交易日的收益方块，紧接着 PM 与风控会抛来大量临时性的矩形切片问题——"过去财报周科技板块的累计收益"、"三季度全部行业的合计"、"近五个交易日能源加材料"。会话循环里在方块加载时一次性构建二维前缀和索引（D*S <= 40000，开销可忽略），之后每个矩形聚合就是四次查表，便宜到分析师可以交互式地连发几千条切片问题，而不需要重跑内部求和。把索引预先建好与逐次惰性求和之间的差距，正是亚秒级切片与肉眼可感知卡顿之间的距离；同一招在交易台后续把视角拓到三维方块（日期 × 行业 × 因子）时也能直接复用。