有一个dataframe，是5个资产的每日收盘价，用python写一个策略，每季度末调仓，用风险平价模型计算权重，其中协方差矩阵用该季度末调仓日前一年的收益率序列计算

好的，下面是一个简单的示例代码，供您参考：

import pandas as pd
import numpy as np
import datetime as dt
from pypfopt import risk_models
from pypfopt import expected_returns
from pypfopt import EfficientRiskParity
from pypfopt import DiscreteAllocation

# 读取数据
df = pd.read_csv('data.csv', index_col=0, parse_dates=True)

# 计算日收益率
returns = df.pct_change()

# 获取每个季度最后一天的日期
quarters = returns.resample('Q').last().index

# 定义调仓日为每个季度的最后一天
rebalance_dates = [quarter + pd.offsets.QuarterEnd() for quarter in quarters]

# 初始化权重矩阵
weights = pd.DataFrame(columns=returns.columns, index=rebalance_dates)

# 计算每个调仓日前一年的收益率序列，并用它计算协方差矩阵
for i, date in enumerate(rebalance_dates):
    if i == 0:
        continue  # 第一个调仓日无法计算前一年收益率序列
    start_date = rebalance_dates[i-1] - pd.DateOffset(years=1)
    end_date = rebalance_dates[i-1]
    returns_slice = returns[start_date:end_date]
    cov_matrix = risk_models.sample_cov(returns_slice)  # 计算协方差矩阵
    # 使用风险平价模型计算权重
    er = expected_returns.ema_historical_return(returns_slice)
    ef = EfficientRiskParity(cov_matrix, er)
    weights.loc[date] = ef.clean_weights()

# 最后一个调仓日的权重使用该日的收益率序列计算
cov_matrix = risk_models.sample_cov(returns[rebalance_dates[-1]-pd.DateOffset(years=1):rebalance_dates[-1]])
er = expected_returns.ema_historical_return(returns[rebalance_dates[-1]-pd.DateOffset(years=1):rebalance_dates[-1]])
ef = EfficientRiskParity(cov_matrix, er)
weights.loc[returns.index[-1]] = ef.clean_weights()

# 输出权重矩阵
print(weights)

# 计算每个资产的持仓数量
latest_prices = df.iloc[-1]  # 获取最新收盘价
da = DiscreteAllocation(weights.iloc[-1], latest_prices, total_portfolio_value=100000)
allocation, leftover_cash = da.lp_portfolio()
print("Discrete allocation:", allocation)
print("Funds remaining: ${:.2f}".format(leftover_cash))

注：上述代码中，假设投资组合总价值为100,000美元。如果您的实际情况不同，请自行修改`total_portfolio_value`参数。