请使用tushare的数据用Python 写一个 关于中证1000指数和上证50指数价格比值构建的MACD指标的配对交易策略，然后做出回溯检验，最后以日期为横坐标画出收益图形和最大回撤图形和MACD图形交易信号图形

首先，需要安装tushare和pandas库：

pip install tushare
pip install pandas

然后，我们可以先获取中证1000指数和上证50指数的历史价格数据：

import tushare as ts

# 获取中证1000指数历史价格数据
zz1000 = ts.get_k_data('000852', start='2010-01-01')
zz1000.index = pd.to_datetime(zz1000.date)
zz1000 = zz1000[['open', 'close']]

# 获取上证50指数历史价格数据
sz50 = ts.get_k_data('000016', start='2010-01-01')
sz50.index = pd.to_datetime(sz50.date)
sz50 = sz50[['open', 'close']]

接着，我们可以计算价格比值和MACD指标：

# 计算价格比值
price_ratio = zz1000['close'] / sz50['close']

# 计算12日EMA和26日EMA
ema12 = price_ratio.ewm(span=12).mean()
ema26 = price_ratio.ewm(span=26).mean()

# 计算DIF和DEA
dif = ema12 - ema26
dea = dif.ewm(span=9).mean()

# 计算MACD指标
macd = (dif - dea) * 2

接下来，可以根据MACD指标的交叉点进行配对交易：

# 构建交易信号
signal = pd.Series(0, index=macd.index)
for i in range(1, len(macd)):
    if macd[i] > 0 and macd[i-1] < 0:
        signal[i] = 1
    elif macd[i] < 0 and macd[i-1] > 0:
        signal[i] = -1

# 计算持仓情况
position = signal.shift(1)

# 计算每日收益率
daily_return = price_ratio.pct_change() * position

# 计算累计收益率
cum_return = (1 + daily_return).cumprod()

# 计算最大回撤
max_drawdown = (cum_return / cum_return.cummax() - 1).min()

最后，我们可以画出收益图形、最大回撤图形和MACD图形交易信号图形：

import matplotlib.pyplot as plt

# 画出价格比值和MACD指标
fig, ax = plt.subplots(2, 1, sharex=True, figsize=(12, 8))
ax[0].plot(price_ratio, label='Price Ratio')
ax[0].legend()
ax[1].plot(dif, label='DIF')
ax[1].plot(dea, label='DEA')
ax[1].bar(macd.index, macd, label='MACD', width=0.7)
ax[1].legend()

# 画出收益图形和最大回撤图形
fig, ax = plt.subplots(2, 1, sharex=True, figsize=(12, 8))
ax[0].plot(cum_return, label='Cumulative Return')
ax[0].legend()
ax[1].plot((cum_return / cum_return.cummax() - 1), label='Drawdown')
ax[1].axhline(max_drawdown, color='r', linestyle='--', label='Max Drawdown')
ax[1].legend()

# 画出MACD图形交易信号图形
fig, ax = plt.subplots(figsize=(12, 6))
ax.plot(price_ratio, label='Price Ratio')
ax.plot(dif, label='DIF')
ax.plot(dea, label='DEA')
ax.bar(signal[signal==1].index, macd[signal==1], color='r', label='Buy')
ax.bar(signal[signal==-1].index, macd[signal==-1], color='g', label='Sell')
ax.legend()

以上就是一个简单的配对交易策略的回溯检验和可视化，可以根据实际情况进行调整和优化。