是的，您可以使用自己编写的代码来进行交易算法的回测，而不依赖于回测库。以下是一个简单的示例代码，展示了如何使用Python进行回测：

import pandas as pd

# 假设有一个交易策略函数，根据某些条件生成交易信号
def generate_signals(data):
    signals = pd.DataFrame(index=data.index)
    signals['Buy'] = 0
    signals['Sell'] = 0
    signals['Close'] = data['Close']
    
    # 在这里根据某些条件生成交易信号
    # 例如，如果收盘价连续3天上涨，则产生买入信号
    for i in range(2, len(data)):
        if data['Close'][i] > data['Close'][i-1] > data['Close'][i-2]:
            signals.loc[data.index[i], 'Buy'] = 1
    
    # 例如，如果收盘价连续3天下跌，则产生卖出信号
        elif data['Close'][i] < data['Close'][i-1] < data['Close'][i-2]:
            signals.loc[data.index[i], 'Sell'] = 1
    
    return signals

# 假设有一个回测函数，根据交易信号计算策略表现
def backtest(signals, data):
    position = 0
    positions = pd.DataFrame(index=data.index)
    positions['Position'] = 0
    positions['Close'] = data['Close']
    
    # 在这里根据交易信号计算策略表现
    for i in range(len(signals)):
        if signals['Sell'][i] == 1:
            position = 0
        elif signals['Buy'][i] == 1:
            position = 1
        
        positions.loc[data.index[i], 'Position'] = position
    
    # 计算策略的收益
    positions['Returns'] = positions['Position'].diff() * positions['Close']
    
    return positions

# 假设有一个主函数，读取数据并调用回测函数
def main():
    # 读取数据
    data = pd.read_csv('data.csv', index_col=0, parse_dates=True)
    
    # 生成交易信号
    signals = generate_signals(data)
    
    # 进行回测并计算策略表现
    positions = backtest(signals, data)
    
    # 打印策略表现
    print(positions)

if __name__ == "__main__":
    main()

在这个示例中，我们使用pandas库来读取和处理数据。首先，我们定义了一个generate_signals函数，根据某些条件生成交易信号。然后，我们定义了一个backtest函数，根据交易信号计算策略表现。最后，我们定义了一个main函数，读取数据并调用回测函数。您可以根据自己的需求修改代码，并添加更复杂的交易策略和指标。