你是量化工程师，请使用tushare的数据用Python 写一个 使用Instantaneous phase synchrony作为算法的关于中证1000指数和上证50指数比值的配对交易策略，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以及交易信号图形.

好的，我会尽力为你提供这个策略的Python代码。首先，我们需要安装tushare库，如果你还没有安装的话，可以使用以下命令进行安装：

!pip install tushare

接下来，我们需要获取中证1000指数和上证50指数的历史数据。可以使用以下代码：

import tushare as ts

# 获取中证1000指数历史数据
zz1000 = ts.get_k_data('000852', index=True, start='2015-01-01', end='2021-12-31')

# 获取上证50指数历史数据
sz50 = ts.get_k_data('000016', index=True, start='2015-01-01', end='2021-12-31')

接下来，我们需要使用Instantaneous phase synchrony算法计算两个时间序列的相位同步性，这里我们可以使用PyPI上的MFC-Python库，可以使用以下命令进行安装：

!pip install mfc-py

接下来，我们需要编写一个函数来计算两个时间序列的相位同步性。

from mfc.mfc import MFC

def get_sync_signal(x, y):
    # 计算x和y的相位
    phase_x = MFC(x).phase
    phase_y = MFC(y).phase
    
    # 计算x和y的相位同步性
    sync_signal = np.cos(phase_x - phase_y)
    
    return sync_signal

接下来，我们可以使用该函数来计算中证1000指数和上证50指数的相位同步性，并绘制其交易信号图形。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 计算中证1000指数和上证50指数的相位同步性
sync_signal = get_sync_signal(zz1000['close'], sz50['close'])

# 设置交易信号阈值
threshold = 0.5

# 计算交易信号
buy_signal = np.where(sync_signal > threshold, 1, 0)
sell_signal = np.where(sync_signal < -threshold, -1, 0)
signal = buy_signal + sell_signal

# 绘制交易信号图形
plt.figure(figsize=(16, 6))
plt.plot(zz1000['date'], signal, label='Signal')
plt.axhline(y=0, color='black', linestyle='--')
plt.axhline(y=1, color='green', linestyle='--')
plt.axhline(y=-1, color='red', linestyle='--')
plt.legend()
plt.title('Trading Signal')
plt.show()

接下来，我们可以使用pandas库计算每个交易日的收益率，并绘制收益图形和最大回撤图形。

# 计算每个交易日的收益率
zz1000['return'] = zz1000['close'].pct_change()
sz50['return'] = sz50['close'].pct_change()

# 计算配对交易策略的收益率
portfolio = pd.DataFrame({'zz1000': zz1000['return'], 'sz50': sz50['return'], 'signal': signal})
portfolio['return'] = portfolio['zz1000'] - portfolio['sz50'] * portfolio['signal']

# 计算累积收益率和最大回撤
portfolio['cumulative_return'] = (1 + portfolio['return']).cumprod()
portfolio['max_drawdown'] = portfolio['cumulative_return'].cummax() - portfolio['cumulative_return']
portfolio['max_drawdown_pct'] = portfolio['max_drawdown'] / portfolio['cumulative_return'].cummax()

# 绘制收益图形和最大回撤图形
plt.figure(figsize=(16, 6))
plt.plot(zz1000['date'], portfolio['cumulative_return'], label='Cumulative Return')
plt.plot(zz1000['date'], portfolio['max_drawdown'], label='Max Drawdown')
plt.legend()
plt.title('Performance')
plt.show()

上述代码将生成一个包含收益图形和最大回撤图形的图表。