写一个“MACD+均线”的量化策略，数据从csv文件导入，用backtrader进行回测。

好的，我可以为你提供一个基于 Python 的 MACD+均线策略的示例代码，并使用 backtrader 库进行回测。在开始之前，需要安装 backtrader 和 pandas 库。请使用以下命令安装：

pip install backtrader
pip install pandas

假设你已经有一份名为 `data.csv` 的数据文件，可以通过以下代码导入并进行回测：

import backtrader as bt
import pandas as pd

class MyStrategy(bt.Strategy):
    params = (
        ('short_period', 12),
        ('long_period', 26),
        ('signal_period', 9),
    )

    def __init__(self):
        self.dataclose = self.datas[0].close

        # Add indicators
        self.short_ma = bt.indicators.SMA(
            self.data, period=self.params.short_period)
        self.long_ma = bt.indicators.SMA(
            self.data, period=self.params.long_period)
        self.macd = bt.indicators.MACD(
            self.data, period_me1=self.params.short_period,
            period_me2=self.params.long_period,
            period_signal=self.params.signal_period)

    def next(self):
        if not self.position:
            if self.macd.lines.macd[0] > self.macd.lines.signal[0] \
                    and self.macd.lines.macd[-1] <= self.macd.lines.signal[-1]:
                # Buy signal
                self.buy()

        elif self.macd.lines.macd[0] < self.macd.lines.signal[0] \
                and self.macd.lines.macd[-1] >= self.macd.lines.signal[-1]:
            # Sell signal
            self.sell()

if __name__ == '__main__':
    cerebro = bt.Cerebro()
    cerebro.addstrategy(MyStrategy)

    # Load the data
    data = pd.read_csv('data.csv', index_col=0, parse_dates=True)
    data.columns = ['open', 'high', 'low', 'close', 'volume']
    data = bt.feeds.PandasData(dataname=data)

    cerebro.adddata(data)

    # Set the commission
    cerebro.broker.setcommission(commission=0.001)

    # Set the cash and size
    cerebro.broker.setcash(100000.0)
    cerebro.addsizer(bt.sizers.PercentSizer, percents=10)

    # Run the backtest
    print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())
    cerebro.run()
    print('Ending Portfolio Value: %.2f' % cerebro.broker.getvalue())

在这个示例中，我们定义了一个名为 `MyStrategy` 的策略类，该类继承了 `bt.Strategy` 类。我们还定义了三个参数 `short_period`、`long_period` 和 `signal_period`，分别代表短期移动平均线的周期、长期移动平均线的周期和信号线的周期。

在 `__init__` 方法中，我们使用 `bt.indicators` 模块添加了三个指标：短期移动平均线、长期移动平均线和 MACD 指标。在 `next` 方法中，我们使用 MACD 指标的值来判断买入和卖出信号。

在 `if __name__ == '__main__':` 中，我们创建了一个 `Cerebro` 对象，并添加了我们的策略。然后，我们通过 `PandasData` 加载了数据，并将其添加到 `Cerebro` 对象中。我们还设置了佣金、初始资金和交易大小，并运行了回测。

请注意，这只是一个简单的示例代码，你可以根据自己的需求进行修改和扩展。同时，回测结果并不代表实际交易结果，你需要进行风险评估并做好交易管理。