如何用逐行随机权重DataFrame计算多资产组合日收益率？

问题根源 #

你遇到的全NaN结果，核心原因是Pandas的索引对齐机制：

• wdf.iloc[i]提取的单行权重是一个以A/B/C为索引的Series；
• pct_returns的行索引是日期，列索引是A/B/C；
• 直接相乘时，Pandas会优先按行索引对齐，日期与A/B/C完全不匹配，导致所有位置无法对齐，最终返回全NaN。

解决方法 #

方法1：逐行计算单组合 #

将权重转为numpy数组跳过索引对齐，或指定按列对齐后求和：

# 方式A：用矩阵乘法（推荐）
weights = wdf.iloc[0].values  # 取第1组权重，转为numpy数组
portfolio_return = pct_returns.dot(weights)  # 计算每日组合收益率

# 方式B：按列相乘后求和
weights = wdf.iloc[0]
portfolio_return = pct_returns.multiply(weights, axis='columns').sum(axis=1)

方法2：批量计算所有100组组合高效无循环 #

不用逐行循环，直接通过矩阵乘法一次性生成所有组合的收益率：

# pct_returns（T行3列） × wdf转置（3行100列） → T行100列的结果
all_portfolios = pct_returns.dot(wdf.T)
# 为组合命名可选
all_portfolios.columns = [f'Combo_{idx+1}' for idx in range(wdf.shape[0])]

前置检查：确保列名匹配 #

如果pct_returns和wdf的列名不一致，也会导致对齐失败，先确认列名完全一致：

# 检查列名是否匹配
assert list(pct_returns.columns) == list(wdf.columns), "资产列名不匹配，请调整"

内容的提问来源于stack exchange，提问作者Mark Smith