P&L 子数组最小值之和

某微结构组拿到一支策略当日逐分钟整数 P&L 序列 pnl。他们想要一个标量，刻画当日所有连续回看窗口下的最差分钟风险：枚举 pnl 的每一个连续子数组，取其最小值，再把所有最小值加起来。这个统计量对短时段深度亏损非常敏感（类似最大回撤的味道）——一笔深亏会出现在很多子数组里、主导总和；而一笔被收益包围的小亏只会作为少数子数组的最小值。为了在长会话下输出有界，组里规定结果对 10⁹ + 7 取模。

请实现 solution(pnl: list[int]) -> int，返回 (Σ_{每个连续子数组 A} min(A)) mod (10⁹ + 7)。空数组返回 0；单元素 [x] 返回 x mod (10⁹ + 7)；长度 n 全等于 v 的序列返回 v * n * (n+1) / 2 mod M，因为每个 n*(n+1)/2 子数组的最小值都是 v。

示例：solution([3, 1, 2, 4]) 返回 17。共 10 个子数组：3 仅是 [3] 的最小值（贡献 3）；1 是 [3,1]、[3,1,2]、[3,1,2,4]、[1]、[1,2]、[1,2,4] 这 6 个的最小值（贡献 6）；2 是 [2]、[2,4] 这 2 个的最小值（贡献 4）；4 仅是 [4] 的最小值（贡献 4）。合计 3 + 6 + 4 + 4 = 17。示例 2：solution([7, 7, 7, 7, 7]) 返回 7 * (5*6/2) = 105，每个子数组的最小值都是 7。示例 3（负值）：solution([-3, 5, -2, 4, -1]) 返回 999999987，这是 (-20) mod (10⁹ + 7)——Python 的 % 自动给出非负余数。

朴素做法（固定起点向右扩展、维护当前最小值）是 O(n²)，n = 3·10⁴ 时会超时。核心技巧是「贡献法」：每个元素 pnl[i] 的贡献为 pnl[i] * (left_count + 1) * (right_count + 1)，其中 left_count 是左侧严格大于 pnl[i] 的连续前驱个数，right_count 是右侧大于等于 pnl[i] 的连续后继个数。严格 / 非严格的不对称是为了避免平局重复计数——它把每个具有重复最小值的子数组规范地归给最左边的那个最小值。两边的计数各用一次单调栈扫描即可，整体 O(n) 时间、O(n) 额外空间——这是单调栈在一维时间序列统计中的典型用法。