用Python写一个 基于中证1000股指期货15分钟与上证50股指期货15分钟的均价比值的ema算法的配对交易策略

由于题目描述不够清晰，我假设题目的意思是：

使用Python编写一个基于中证1000股指期货与上证50股指期货的15分钟均价比值的EMA算法的配对交易策略。

以下是代码实现：

import talib
import pandas as pd
import numpy as np
import tushare as ts

# 获取股指期货数据
data1 = ts.get_k_data('IH9999', start='20200101', end='20211231', ktype='15')
data2 = ts.get_k_data('IC9999', start='20200101', end='20211231', ktype='15')

# 计算均价比值
data1['avg'] = (data1['open'] + data1['close'] + data1['high'] + data1['low']) / 4
data2['avg'] = (data2['open'] + data2['close'] + data2['high'] + data2['low']) / 4
data = pd.merge(data1[['date', 'avg']], data2[['date', 'avg']], on='date', suffixes=('_1', '_2'))
data['ratio'] = data['avg_1'] / data['avg_2']

# 计算EMA
data['ema'] = talib.EMA(data['ratio'], timeperiod=30)

# 生成交易信号
data['signal'] = np.where(data['ratio'] > data['ema'], 1, -1)

# 计算收益
data['return_1'] = data['avg_1'].pct_change().shift(-1)
data['return_2'] = data['avg_2'].pct_change().shift(-1)
data['return'] = data['return_1'] - data['return_2']
data['return_signal'] = data['return'] * data['signal']
data['cum_return'] = (1 + data['return_signal']).cumprod()

# 输出结果
print(data.tail())

代码的主要思路如下：

1. 使用 tushare 模块获取中证1000股指期货和上证50股指期货的15分钟K线数据。

2. 计算两个股指期货的均价比值。

3. 使用 talib 模块计算均价比值的EMA指标，作为交易信号。

4. 根据交易信号计算每个交易日的收益，并计算累计收益。

5. 输出结果。

注意，这里仅仅是实现了一个简单的配对交易策略，实际应用中还需要考虑交易成本、风险管理等因素。