企业官网建设流程全解析

如果你刷过 LeetCode 的股票买卖系列，一定绕不开“冷冻期”这道坎。普通版的买卖股票允许无限次交易，贪心都能做；加了手续费，核心状态还是两个；可一旦题目写上“卖出股票后，你无法在第二天买入股票（即冷冻期为 1 天）”，这道题的性质立刻就变了。今天这篇是系列第 87 课，我准备把“股票含冷冻期”这个问题里里外外讲透：从状态机怎么建、转移方程怎么来，到代码怎么写、哪里最容易踩坑，最后再聊聊这个模型放在真实交易场景里到底能干什么、不能干什么。这个过程不需要你有多强的数学背景，只要会看表格，跟着手推一遍，基本就很难再忘。

1. 冷冻期这道题，和你做过的股票买卖题到底差在哪

1.1 一个“卖出后必须休息一天”的额外约束

先把题目说清楚。给你一个数组prices，prices[i]表示第 i 天的股票价格。你可以尽可能多地完成交易，也就是可以无限次买入卖出，但有一个硬约束：卖出股票后，第二天不能买入股票，必须再等一天。换句话说，卖出后的次日是一个“冷冻日”，当天只能看着行情，不能动手建仓。

这就是 LeetCode 309 题的标准设定。常见叫法包括“最佳买卖股票时机含冷冻期”“股票含冷冻期”“带冷却时间的股票交易”。如果你之前刷过 121、122、123、188 这些股票题，会发现这一题在三者之间非常微妙：它和 122（无限次交易）一样不限制交易次数，但因为有冷冻期，贪心不再正确；它和 188（限制交易次数）一样需要更复杂的状态，但它的复杂点不是多一维“交易次数”，而是要多一个“冷却状态”。

我第一次做这题的时候，第一反应是“在 122 的贪心代码上稍微改改不就行了？”结果一跑用例就被教育了。那个额外约束看着不起眼，实际上把整个决策结构都改变了。

1.2 为什么贪心会翻车：一个反直觉的小例子

普通无限次买卖股票用贪心很好写：遍历所有相邻价格，只要后一天比前一天高，就把差价累加进去。因为不限制交易次数，每一段上涨你都能吃到，这是标准解法。

但同样一个数组，加上冷冻期，贪心就会高估利润。

用 LeetCode 官方示例prices = [1, 2, 3, 0, 2]来算：

• 普通贪心做法：把所有正差价加起来，(2-1) + (3-2) + (2-0) = 1 + 1 + 2 = 4。
• 正确答案是 3。最优路径是：第 1 天买（价格 1），第 2 天卖（价格 2），赚 1；然后进入冷冻期；第 4 天买（价格 0），第 5 天卖（价格 2），赚 2；合计 3。

贪心想吃三段上涨，但实际上你吃完“1 买 2 卖”之后，第 3 天是被锁住的，不能立刻买价格 3 的股票。这中间出现了一个“机会错位”，贪心策略无法判断该放弃哪一段，只能全局去算。这就是为什么这道题不能继续用贪心，必须上动态规划。

1.3 和其他股票买卖变体的对比

我把几个变体放在一起对比了一下，这样更容易看出冷冻期到底改变了什么：

冷冻期特殊就特殊在：它不修改买入卖出的成本，也不限制交易总数，却强制你在“卖出”和“下一次买入”之间插入一段不可操作的时间。想在动态规划里表达这种强制休息，就必须把“冷却中”单独作为一个状态记录下来。

2. 状态机建模：把“冷却 CD”拆成三种可转移的状态

2.1 三个状态的定义与边界

很多入门动态规划的人容易困在“我要不要用二维数组、要不要多一层循环”这件事上。其实做状态机题，第一步不是写代码，而是给状态命名和划线。股票含冷冻期这个问题，收盘后你只可能处在三种状态之一：

• dp[i][0]：第 i 天收盘后，手里持有股票时的最大利润。这个状态下，你可以在后续卖出，也可以继续持有。
• dp[i][1]：第 i 天收盘后，手里没有股票，并且正处于冷冻期的最大利润。“冷冻期”的含义是：今天刚卖出过股票，所以第 i+1 天你不能买入。
• dp[i][2]：第 i 天收盘后，手里没有股票，且不在冷冻期的最大利润。这个状态代表“空仓且可买”，可以观望，也可以在下一秒买入。

注意我一直在强调“第 i 天收盘后”。这一点很关键，因为买卖动作发生在一个时间切片内，而状态描述的是切片结束后的结果。只有把时间点统一到“收盘”，状态转移才不会产生“当天卖了又买”这种越界。

2.2 状态间哪些边存在：一张文字版状态转移图

不用画复杂的图，所有合法转移都能数出来：

1. 持有 → 持有：前一天就持股，今天继续拿着不卖。
2. 持有 → 冷却：今天把手里股票卖出，收盘后进入冷冻期。
3. 冷却 → 空仓可买：昨天刚卖，今天冷冻期到期，收盘后恢复可买状态。
4. 空仓可买 → 持有：在前一天空仓且不在冷冻的前提下，今天买入股票。
5. 空仓可买 → 空仓可买：空仓观望，什么都不做。

同时也要清楚哪些边不存在：

• 冷却 → 持有：不存在。因为冷冻期意味着今天不能买入。
• 空仓可买 → 冷却：不存在。又不卖股票，怎么可能进入冷冻状态。

这几条“边”其实就是后续转移方程的地图。你能画出这些箭头，方程基本就自己长出来了。

2.3 为啥非要多一个状态，不能偷懒

有人会想：不持有股票的情况下，用一个“空仓”状态不就行了？冷冻期不就是“空仓但限制买入”吗，判断一下日期不就可以了？

理论上是能强行用 if 判断日期来救，但状态一旦不显式建模，转移逻辑就会变得零零散散。比如你需要在买入前检查“上一个卖出日是否是昨天”，代码里就要额外维护一个卖出日变量，还要在多个分支里同步更新。状态一多，很容易漏。而把“冷却”变成独立状态之后，所有规则都体现在状态图上，代码只是照着抄，逻辑清晰也不容易错。

打个比方：这就像竞技游戏里的技能冷却 CD。技能放完之后，图标进入灰色转圈，你不能立刻再按一次，必须等它转完。冷却状态就是这个“灰色转圈”的图标，你不能假装它可以提前点。

3. 状态转移方程与手算 dp 表：用 5 天价格把过程摊开看

3.1 三个方程是怎么长出来的

基于上面的状态定义，逐个推导。

先看dp[i][0]（收盘后持有股票）。它只有两个来源：

• 昨天收盘时就持有，今天继续持有。利润就是dp[i-1][0]。
• 昨天收盘时是空仓可买状态，今天买入。利润是dp[i-1][2] - prices[i]，因为买入要花钱。

注意这里不能从“冷却”状态买入，因为冷却期当天禁止买入。所以：

dp[i][0] = max(dp[i-1][0], dp[i-1][2] - prices[i])

再看dp[i][1]（收盘后处于冷却）。它只有一个来源：

• 昨天收盘时持有股票，今天卖出。利润是dp[i-1][0] + prices[i]。

那为什么不是max(dp[i-1][1], dp[i-1][0] + prices[i])这种形式？因为冷却状态不能“延续”——你昨天已经冷却，今天不可能继续处在“刚卖出”的冷冻状态，昨天冷却结束后，今天应该落回空仓可买。强行把dp[i-1][1]延续到今天，会让冷冻期被无限拉长，语义就错了。所以：

dp[i][1] = dp[i-1][0] + prices[i]

最后看dp[i][2]（收盘后空仓且可买）。它也有两个来源：

• 昨天收盘后在冷却，今天冷冻到期，恢复可买。利润是dp[i-1][1]。
• 昨天收盘后就在空仓可买状态，今天继续观望。利润是dp[i-1][2]。

dp[i][2] = max(dp[i-1][1], dp[i-1][2])

这三个方程分别对应状态图里的三条主要转移路径，没有多余也没有遗漏。

3.2 用 [1, 2, 3, 0, 2] 手推一张 dp 表

跟着例子走一遍，把每个值都算出来，比背公式有用得多。初始prices = [1, 2, 3, 0, 2]。

第 0 天，价格 1：

第 0 天买入的话，花 1 元，利润计为 -1；不买则利润 0。dp[0][1]填 0 是初始化的处理，语义上第 0 天不可能是“刚卖出”，但填 0 不会污染后面的结果，原因后面再讲。

第 1 天，价格 2：

计算过程：

• dp[1][0] = max(-1, 0 - 2) = -1。继续持有第 0 天买的股票，比第 1 天重新买入更划算。
• dp[1][1] = -1 + 2 = 1。第 0 天买、第 1 天卖，赚 1 元，进入冷冻期。
• dp[1][2] = max(0, 0) = 0。

第 2 天，价格 3：

计算过程：

• dp[2][0] = max(-1, 0 - 3) = -1。
• dp[2][1] = -1 + 3 = 2。第 0 天买、第 2 天卖，赚 2 元。
• dp[2][2] = max(dp[1][1], dp[1][2]) = max(1, 0) = 1。第 1 天卖出赚了 1 元，今天冷冻结束，所以“空仓可买”状态对应的利润就是 1。

注意，第 1 天卖出后，第 2 天是不能买入的，但可以在第 2 天收盘后恢复到“空仓可买”，为第 3 天的买入做准备。这就是冷却状态在时间轴上的意义。

第 3 天，价格 0：

计算过程：

• dp[3][0] = max(-1, 1 - 0) = 1。这里发生了很有意思的跳变：昨天“空仓可买”状态已经积累了 1 元利润，今天用 0 元买入股票，所以账面利润仍是 1。这笔买入非常合算。
• dp[3][1] = -1 + 0 = -1。今天从持有状态卖出，只能卖 0 元，不划算。
• dp[3][2] = max(2, 1) = 2。第 2 天卖出赚 2 元，今天冷却结束，空仓可买状态的利润是 2。

第 4 天，价格 2：

计算过程：

• dp[4][0] = max(1, 2 - 2) = 1。继续持有第 3 天 0 元买的股票最合适。
• dp[4][1] = 1 + 2 = 3。第 3 天买入（0 元），第 4 天卖出（2 元），加上之前 1 元利润，总共 3 元。
• dp[4][2] = max(-1, 2) = 2。

最终答案取最后一天不持有股票的两种状态较大者：max(dp[4][1], dp[4][2]) = max(3, 2) = 3。

手推一遍你就会发现，冷冻期并不会阻止你吃到大段利润，而是要求你在时间轴上“错开”交易节奏。dp 表里每次从dp[i-1][1]跳到dp[i][2]，就是在模拟“熬过冷冻期，重新获得入场资格”。

3.3 再回答一个经典疑问：为什么答案不取持有状态

看表的时候，dp[4][0] = 1，相比答案 3 小不少，但万一某个用例里持有状态利润更大呢？其实最后一天手里还持有股票，这笔利润是没有实现的浮盈。题目问的是“你能获得的最大利润”，一个负责任的交易系统最终要把持仓卖出结算。标准做法是返回不持有的两个状态中的较大者，也就是max(dp[n-1][1], dp[n-1][2])。

也有不少题解写return max(dp[n-1])，把三个状态都取一遍最大值，碰巧绝大多数测试用例也能过，但那是巧合。真到面试，面试官问你为什么持有也能取，你说不清就会减分。建议一开始就养成只取不持有状态的习惯。

4. 代码落地：O(n) 空间版、滚动数组版与 Java 实现

4.1 最直白的 Python 实现

直接根据 dp 表写代码，是最不容易出错的方式：

def maxProfit(prices): n = len(prices) if n < 2: return 0 dp = [[0] * 3 for _ in range(n)] dp[0][0] = -prices[0] dp[0][1] = 0 dp[0][2] = 0 for i in range(1, n): dp[i][0] = max(dp[i - 1][0], dp[i - 1][2] - prices[i]) dp[i][1] = dp[i - 1][0] + prices[i] dp[i][2] = max(dp[i - 1][1], dp[i - 1][2]) return max(dp[n - 1][1], dp[n - 1][2])

这里dp[0][0] = -prices[0]表示第 0 天买入股票，利润记为负的成本。如果第一天不买，后面买入时就会通过dp[i-1][2] - prices[i]来体现，所以不用额外初始化“第一天不买”的情况，因为dp[0][2] = 0已经代表空仓可买且利润为 0。

4.2 滚动数组优化：把空间从 O(n) 降到 O(1)

观察转移方程可以发现，第 i 天的计算只依赖第 i-1 天的三个状态，整个历史 dp 表都不需要保留。所以可以用三个变量不断滚动更新。这也是面试里常见的优化考点。

def maxProfit(prices): n = len(prices) if n < 2: return 0 hold = -prices[0] # dp[i][0] sold = 0 # dp[i][1] rest = 0 # dp[i][2] for i in range(1, n): pre_hold, pre_sold, pre_rest = hold, sold, rest hold = max(pre_hold, pre_rest - prices[i]) sold = pre_hold + prices[i] rest = max(pre_sold, pre_rest) return max(sold, rest)

注意这里必须用三个临时变量pre_hold、pre_sold、pre_rest先保存旧值。如果直接写：

hold = max(hold, rest - prices[i]) sold = hold + prices[i]

那sold用的是当天刚更新过的hold，而不是昨天的hold，会把“今天买入后又卖出”这种不存在的操作算进去。这是我写过最快的 bug 之一，特别隐蔽。

4.3 Java 版本

面试手撕代码用 Java 的同学可以看这个版本：

public int maxProfit(int[] prices) { int n = prices.length; if (n < 2) { return 0; } int hold = -prices[0]; int sold = 0; int rest = 0; for (int i = 1; i < n; i++) { int preHold = hold; int preSold = sold; int preRest = rest; hold = Math.max(preHold, preRest - prices[i]); sold = preHold + prices[i]; rest = Math.max(preSold, preRest); } return Math.max(sold, rest); }

C++ 版本就是把Math.max换成max，其余一模一样。

4.4 时间复杂度和状态数为什么是“刚刚好”

这个解法的时间复杂度是 O(n)，空间复杂度最差 O(n)、最优 O(1)。很多初学者会问：能不能再降时间复杂度？答案是不行，因为你必须看一遍所有价格才能做决策。那状态数能不能从 3 压到 2？也不行，因为你无法用两个状态同时表达“持有”“冷却”“空仓可买”三种互斥情况。这里的 3 就是一个“刚好够用”的建模粒度。

5. 最容易翻车的五个细节，以及冷冻期变成 K 天的扩展思路

5.1 五个细节逐个说

1. 返回值选错

前面说了，最后一天还可能处于持有状态，但那不是已实现利润。不要图省事写return max(dp[n-1])，尤其用滚动数组时更要明确返回Math.max(sold, rest)。

2. dp[i][1]写成了带 max 的形式

很多第一次写冷冻期的人会把卖出状态写成：

dp[i][1] = max(dp[i - 1][1], dp[i - 1][0] + prices[i])

这个写法会让“冷却状态”沿时间轴一直延续。表面上看不出大问题，但手推几次就会发现某些交易路径被重复计算，利润可能被错误放大。正确的做法是：今天处于冷却，唯一原因只能是“今天卖出”，所以没有 max，直接是dp[i-1][0] + prices[i]。

3. dp[i][2]来源漏掉一个

dp[i][2]代表“空仓且可买”，它既能来自“昨天冷却刚结束”，也能来自“昨天已经空仓可买继续观望”。漏掉任何一个，都会导致状态迁移不完整。写的时候要刻意把两个来源都写上。

4. 初始化问题

dp[0][0]必须是-prices[0]，表示第 0 天买入的成本。dp[0][1]和dp[0][2]都填 0。不要把dp[0][0]填 0，否则第一天买入的成本没算进去，后面所有利润都会虚高。

5. 长度为 0 或 1 时直接返回 0

价格数组只有 1 天或为空时，没有任何交易空间，直接返回 0。很多题解在循环里自然规避了，但如果你在滚动数组初始化时直接取prices[0]，空数组会越界报错，所以开头判空一定要写。

5.2 面试追问：如果冷冻期变成 K 天怎么解

这是从这一题衍生出来的常见进阶问题。冷冻期为 1 天时，三种状态刚好覆盖；如果冷冻期变成 2 天、3 天甚至 K 天，三状态就不够用了，因为“冷却中”还需要知道还剩几天才能恢复买入资格。

解法思路是：把冷却状态拆成 K 个子状态。例如cool[j]表示“距离解冻还有 j 天”时的最大利润，每天让这些冷却状态向前滚动一格，只有cool[0]才允许转入买入。状态总数从 3 变成 K+2，时间复杂度会变成 O(nK)，但 K 通常是小常数，实际也可以接受。

我在实际面试中被追问过这个点，面试官真正想听的不是完整代码，而是你能不能意识到“状态需要细分到能表达剩余冷却时间”，并且能说清楚为什么要按冷却天数拆状态。把这个想明白，说明你对状态机建模是真正理解了，而不是死背了三行转移方程。

5.3 一个容易混淆的交易规则：为什么不能卖出当天再买

还有个小细节值得澄清一下。状态机里的买入发生在“空仓可买 → 持有”这条边，卖出发生在“持有 → 冷却”这条边。如果你把买入和卖出都理解为“当天某个时刻的动作”，理论上会出现“上午卖出、下午买入”这种操作。但题目明确说“卖出股票后，无法在第二天买入”，这里并没有禁止当天再买，只是冷冻期让“第二天不能买”，那当天卖出当天再买算不算违规？

算。因为你不能同时参与多笔交易，且卖出后你手里没有股票，再买入就是新开仓，这时候会遇到“是否处于冷冻期”的问题。更严谨地说，标准解法的时间模型里，买入发生在第 i 天的开始或决策点，卖出发生在第 i 天收盘后进入冷却，所以“同一天卖出再买入”在状态机里根本没有对应路径。写代码时不用额外处理，但面试被问到时要能解释清楚，这是状态机时间粒度设计的一部分。

6. 从做题到做策略：冷冻期模型在真实交易里怎么用

6.1 回测里的“交易冷却期”是很常见的设置

很多个人做量化回测时会遇到一个痛点：策略在震荡行情里被反复打脸，今天买明天卖、明天卖后天买，手续费和滑点吃掉了大部分收益。于是有些人会手动加一道规则：每次卖出后 N 天内不再开仓，强制让自己冷静一段时间。

这个规则本质上就是一个“冷却期”。状态机模型可以直接把这个规则做进回测引擎里。引擎维护三种状态：持仓、冷却、空仓可买，每次卖出后把账户状态切到冷却，冷却计数结束再切回可买。这样比在策略代码里到处写“距离上次卖出已经过了几天”的 if 判断要干净得多，也不容易漏掉边界情况。

这也是我喜欢拿 LeetCode 309 做例子的原因：看起来是道算法题，但状态建模的思路放到真实策略回测里完全适用。

6.2 真实市场约束：T+1 和结算周期

真实交易市场也有“最接近冷冻期”的规则。A 股实行 T+1，当天买入的股票当天不能卖出，必须等下一个交易日，这相当于在“买入”后插入了一个持仓锁定期。如果想把这种约束也放进状态机，可以再加一个“当天买入尚未可卖”的状态，买入后先进入该状态，下一天才允许卖出。

美股虽然没有 T+1 买入锁定，但某些监管规则会限制频繁交易，比如日内交易账户的购买力限制。从建模角度来看，这些都可以抽象成“交易之间需要间隔”的冷却状态，思路和本题一致。

不过必须提醒一句：算法题里的价格序列是已知的，动态规划算出来的是“事后最优利润”，也就是上帝视角下的理论上界。真实交易里没人知道明天涨跌，所以你不能把这道题的解法直接当预测模型去实盘用。它的价值更多在于：给你提供一套清晰的建模框架，用于回测、策略热度和规则推演。

6.3 行为金融视角：冷却期为什么能减少乱操作

我自己在看交易相关书籍时发现，强制冷却期这招在很多专业机构里也以“交易纪律”的形式存在。比如某些基金经理会规定，止损卖出某只股票后，至少等一周才能考虑重新买回来。这背后的逻辑不是技术分析，而是防止情绪化交易——刚止损完容易不服气想立刻追回来，结果往往买在下跌中继；强制等待几天，情绪消退后决策质量会高很多。

冷冻期这个约束，从数学上优化了交易节奏，从行为上则是一种反人性的保护机制。刷题时记住这个背景，再看“含冷冻期”这几个字，会更有实感。

最后分享一点我带新人刷题时的体会。股票类 DP 题，尤其是这道含冷冻期的题目，真正难的不是背三个转移方程，而是你能不能把“卖出后的第二天不能买”这句话，先翻译成一张状态图，再把状态图翻译成数组下标。一旦你习惯了这个流程，后面遇到类似的“买卖股票 IV”“打家劫舍”等状态机题目，都是同一个套路。我自己现在写这类题，几乎不背模板，拿到题先画状态，边界一标，代码就是照着状态图抄。这个习惯建议你也练起来，比多刷五十道同类题管用得多。