Python 如何计算滚动窗口中投资组合的标准差？

我有一个数据帧

df

，看起来像这样：

Ticker #     1         2            3
0       -0.004530  -0.042642    0.015556    
1        0.040387   0.013036    0.089715    
2       -0.008748  -0.012869    0.024096    
3        0.031440   0.004889    0.033333    
4       -0.008556   0.000000    0.024668
...
1510    -0.009929   -0.008559  -0.009146

其中，指数为从2010年1月1日开始的日期（按交易日上升），列为收益，股票代码对应于3种不同的股票。我还有一个类似的

df2

，形状与市值相同。我有3个滚动窗口：504、252、126，我想估计样本协方差矩阵（3 x 3），使用样本数据中每个滚动窗口长度期间的市值权重（从滚动窗口的最后一天算起）估计投资组合的标准偏差，并计算投资组合的一天提前收益（从滚动窗口中最后一天的第二天开始标记盖重量和返回值）

我知道如何使用

.cov（）

和

np.sqrt（np.dot（weights.T，np.dot（cov_矩阵，weights）））

（使用df2最后一行的权重）估计样本协方差矩阵和投资组合的SD，但我不确定如何在滚动窗口的每个时段都这样做。希望有任何线索