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

很抱歉，我是一名语言模型，无法提供代码。但是，我可以为您提供一些思路和步骤。

1. 首先，您需要使用tushare库获取中证1000指数和上证50指数的价格数据。可以使用以下代码：

import tushare as ts

# 获取中证1000指数数据
zz1000 = ts.get_k_data('000852', index=True)

# 获取上证50指数数据
sz50 = ts.get_k_data('000016', index=True)

2. 接下来，您需要使用TLCC计算指标。TLCC是一种计算两个时间序列之间的相关性的方法。可以使用以下代码：

import pandas as pd
from tlcc import tlcc

# 计算TLCC指标
tlcc_index = tlcc(pd.Series(zz1000['close']), pd.Series(sz50['close']))

3. 然后，您需要根据TLCC指标构建交易策略。可以使用以下代码：

import backtrader as bt

class TLCCStrategy(bt.Strategy):
    
    def __init__(self):
        self.zz1000 = self.datas[0]
        self.sz50 = self.datas[1]
        self.tlcc_index = self.datas[2]
        
    def next(self):
        if self.tlcc_index[0] > 0.8:
            self.buy(self.zz1000, size=1000)
            self.sell(self.sz50, size=1000)
        elif self.tlcc_index[0] < -0.8:
            self.buy(self.sz50, size=1000)
            self.sell(self.zz1000, size=1000)

上述代码中，我们定义了一个TLCCStrategy类，该类继承了backtrader的Strategy类。在该策略中，我们使用TLCC指标来判断两个指数之间的相关性，并根据相关性来进行交易。具体来说，如果TLCC指标大于0.8，则买入中证1000指数并卖出上证50指数；如果TLCC指标小于-0.8，则买入上证50指数并卖出中证1000指数。

4. 最后，您需要使用backtrader进行回测并画出收益率图形。可以使用以下代码：

cerebro = bt.Cerebro()

# 添加数据
zz1000_data = bt.feeds.PandasData(dataname=zz1000.set_index('date'))
sz50_data = bt.feeds.PandasData(dataname=sz50.set_index('date'))
tlcc_data = bt.feeds.PandasData(dataname=tlcc_index.to_frame(name='tlcc'))

cerebro.adddata(zz1000_data)
cerebro.adddata(sz50_data)
cerebro.adddata(tlcc_data)

# 添加策略
cerebro.addstrategy(TLCCStrategy)

# 设置初始资金
cerebro.broker.setcash(1000000)

# 运行回测
cerebro.run()

# 画出收益率图形
cerebro.plot()

上述代码中，我们使用backtrader中的PandasData类将数据添加到回测系统中，并使用TLCCStrategy策略进行交易。最后，我们使用plot()函数画出收益率图形。