使用开源框架vnpy实现一个风险平价策略：5个资产，每月末计算上个月的协方差矩阵，并调仓，使得每个资产的风险贡献相同，不控制组合整体的波动率上限

非常感谢您的问题！您提到的风险平价策略在投资组合优化中非常常见，而vnpy是一款非常强大的开源交易平台，可以方便地实现这样的策略。

为了实现这个策略，您需要做以下几个步骤：

1. 获取历史数据

您需要获取5个资产的历史价格数据，可以通过vnpy提供的数据接口从交易所获取实时数据或者通过其他方式获取历史数据。

2. 计算协方差矩阵

使用历史数据计算上个月的协方差矩阵，可以使用Python中的pandas和numpy库进行计算。

3. 计算资产权重

根据协方差矩阵计算每个资产的权重，使得每个资产的风险贡献相同。

4. 调整仓位

根据计算出来的资产权重，调整每个资产的仓位。

下面是一个简单的示例代码，仅供参考：

import numpy as np
import pandas as pd
from vnpy.trader.constant import Exchange, Interval
from vnpy.trader.database import database_manager
from vnpy.trader.utility import load_json, round_to

# 定义资产列表
symbol_list = ["BTCUSDT", "ETHUSDT", "EOSUSDT", "XRPUSDT", "BCHUSDT"]

# 定义每个资产的权重
weights = [0.2, 0.2, 0.2, 0.2, 0.2]

# 定义调仓周期
interval = Interval.MONTH

# 获取历史数据
start_time = "20180101 00:00:00"
end_time = "20211231 23:59:59"
data = database_manager.load_bar_data(
    symbol_list,
    Exchange.BINANCE,
    interval,
    start_time,
    end_time
)

# 计算协方差矩阵
returns = np.log(data.close_price / data.close_price.shift(1)).dropna()
cov_matrix = returns.cov()

# 计算资产权重
risk_contributions = np.dot(cov_matrix, weights)
weights = risk_contributions / sum(risk_contributions)

# 调整仓位
for symbol, weight in zip(symbol_list, weights):
    pos = round_to(1000000 * weight / data.close_price[symbol], 0.001)
    print(f"调整{symbol}的仓位为{pos}")

注意，这只是一个简单的示例代码，实际使用中还需要考虑很多因素，比如交易成本、市场流动性等。希望对您有所帮助！