如果它们随时间变化（Python），如何重新计算股票投资组合中的资产权重？

Question

我正在使用 Python 中的模型，它为我的投资组合中的股票权重提供了一些“建议”。 我处理历史股票价格。 初始数据由 2 个 Pandas DataFrame 组成，具有推荐权重和历史股票回报。 带有权重的 DataFrame 看起来像（一个简化的例子）：

日期	重量_A	重量_B	重量_C
2015-06-01	0.25	0.25	0.5
2015-06-02	0.25	0.25	0.5
2015-06-03	0.25	0.25	0.5
2015-06-04	0.3	0.3	0.4
2015-06-05	0.3	0.3	0.4
2015-06-06	0.3	0.3	0.4
2015-06-07	0.4	0.4	0.1
2015-06-08	0.4	0.4	0.1

而具有股票回报的 DataFrame 看起来像：

日期	库存_A	库存_B	库存_C
2015-06-01	0.05	0.1	-0.05
2015-06-02	0.01	0.02	0.025
2015-06-03	-0.03	0.01	-0.01
2015-06-04	0.02	0.005	0.005
2015-06-05	0.03	-0.05	0.01
2015-06-06	0.015	0.025	-0.02
2015-06-07	-0.05	0.015	0.03
2015-06-08	0.025	0.04	-0.15

我需要每天在 Python 中重新计算“实际”股票权重。 例如，

• 在 2015-06-01 “实际”权重是 0.25, 0.25, 0.5
• 在 2015-06-02 “实际”重量是
  • 股票 A：0.25 * (1+0.05)/(0.25 * 1.05 + 0.25 * 1.1 + 0.5 * 0.95) = 0.2625/1.0125 = 0.2592
  • 股票 B：0.25 * (1+0.1)/(0.25 * 1.05 + 0.25 * 1.1 + 0.5 * 0.95) = 0.2716
  • 股票 C：0.5 * (1-0.05)/(0.25 * 1.05 + 0.25 * 1.1 + 0.5 * 0.95) = 0.4691
• 在 2015-06-03 “实际”重量是
  • 股票 A：0.2592 * (1+0.01)/(0.2592 * 1.01 + 0.2716 * 1.02 + 0.4691 * 1.025) = 0.2567
  • 股票 B：0.2716 * (1+0.02)/(0.2592 * 1.01 + 0.2716 * 1.02 + 0.4691 * 1.025) = 0.2717
  • 股票 C：0.4691 * (1+0.025)/(0.2592 * 1.01 + 0.2716 * 1.02 + 0.4691 * 1.025) = 0.4716
• 在 2015-06-04 “实际”权重是 0.3、0.3、0.4
• 在 2015-06-05 “实际”重量是
  • 股票 A：0.3 * (1+0.02)/(0.3 * 1.02 + 0.3 * 1.005 + 0.4 * 1.005)
  • 股票 B：0.3 * (1+0.005)/(0.3 * 1.02 + 0.3 * 1.005 + 0.4 * 1.005)
  • 股票 C：0.4 * (1+0.005)/(0.3 * 1.02 + 0.3 * 1.005 + 0.4 * 1.005) 等。

一些评论：

1. 为什么我需要所有这些东西？ 数学模型“推荐”我投资组合中每只股票的权重。 如果我每个月都重新平衡我的投资组合，理论上我必须在整个月内为我的投资组合中的每只股票保持相同的权重（恒定权重）。 但在现实生活中，本月股价会发生变化，我投资组合中的实际股票权重也会发生变化。
2. 在上面的例子中只有 3 只股票，但在我编写的代码中，股票数量可能很大（50、100 等）。

因此，具有“实际”股票权重的所需 Pandas DataFrame 应如下所示：

日期	重量_A	重量_B	重量_C
2015-06-01	0.25	0.25	0.5
2015-06-02	0.2592	0.2716	0.4691
2015-06-03	0.2567	0.2717	0.4716
2015-06-04	0.3	0.3	0.4
......	...	...	...

如何在 Python 中获取此 DataFrame？ 我将不胜感激任何帮助。 我用 Python 编写了代码，但它非常难看，我不确定它是否正常工作。

我知道我的问题可能很棘手，我准备提供任何其他评论和说明。