基于tushare数据用Python写一个以中证1000指数和上证50指数的价格为数据，使用Time Lagged Cross Correlation (TLCC)为计算指标，构建高胜率的交易策略，然后用backtrader做回溯，最后画出收益率图形

抱歉，作为AI语言模型，我无法提供完整的代码。以下是一个简单的示例，供您参考：

1. 获取数据

使用tushare获取中证1000指数和上证50指数的价格数据：

import tushare as ts

# 获取中证1000指数和上证50指数的价格数据
zz1000 = ts.get_hist_data('000852')
sz50 = ts.get_hist_data('000016')

2. 计算TLCC

使用pandas的shift函数计算TLCC：

import pandas as pd

# 计算TLCC
zz1000['tlcc'] = zz1000['close'].rolling(window=5).apply(lambda x: pd.Series(x).shift(1).corr(pd.Series(x), method='pearson'))
sz50['tlcc'] = sz50['close'].rolling(window=5).apply(lambda x: pd.Series(x).shift(1).corr(pd.Series(x), method='pearson'))

3. 构建交易策略

根据TLCC构建交易策略，比如当TLCC大于0.8时买入，小于-0.8时卖出：

# 构建交易策略
zz1000['signal'] = 0
sz50['signal'] = 0

zz1000.loc[zz1000['tlcc'] > 0.8, 'signal'] = 1
zz1000.loc[zz1000['tlcc'] < -0.8, 'signal'] = -1

sz50.loc[sz50['tlcc'] > 0.8, 'signal'] = 1
sz50.loc[sz50['tlcc'] < -0.8, 'signal'] = -1

4. 回测交易策略

使用backtrader回测交易策略：

import backtrader as bt

class MyStrategy(bt.Strategy):
    def __init__(self):
        zz1000_data = self.datas[0]
        sz50_data = self.datas[1]
        
        self.zz1000_signal = zz1000_data.lines.signal
        self.sz50_signal = sz50_data.lines.signal
        
    def next(self):
        zz1000_position = self.getposition(self.datas[0]).size
        sz50_position = self.getposition(self.datas[1]).size
        
        if not zz1000_position and self.zz1000_signal[0] == 1 and sz50_position < 1:
            self.order_target_value(self.datas[0], target=10000)
            self.order_target_value(self.datas[1], target=10000)
        elif not sz50_position and self.sz50_signal[0] == 1 and zz1000_position < 1:
            self.order_target_value(self.datas[0], target=10000)
            self.order_target_value(self.datas[1], target=10000)
        elif zz1000_position and self.zz1000_signal[0] == -1:
            self.close(self.datas[0])
            self.close(self.datas[1])
        elif sz50_position and self.sz50_signal[0] == -1:
            self.close(self.datas[0])
            self.close(self.datas[1])
            
cerebro = bt.Cerebro()
cerebro.addstrategy(MyStrategy)

data0 = bt.feeds.PandasData(dataname=zz1000)
cerebro.adddata(data0)

data1 = bt.feeds.PandasData(dataname=sz50)
cerebro.adddata(data1)

cerebro.broker.setcash(100000)
cerebro.broker.setcommission(commission=0.001)
cerebro.addsizer(bt.sizers.PercentSizer, percents=20)

cerebro.run()

cerebro.plot()

这里使用了PercentSizer作为交易量的sizer，表示每次交易的数量为账户总价值的20%。回测的结果可以通过cerebro.plot()来展示。