5.1.3　“瓦氏因子”的计算

现在我们有了两个新的特征，能够体现股价的涨跌和主力资金的流入／流出情况，下面就可以用这两个新的特征来计算“瓦氏因子”了。咱们先说说思路。如果我们把两个特征相乘，则当股价上涨，且主力资金净流入时，因子值就是up_or_down乘以money_in_out，也就是1×1，结果是1；而其他情况，“瓦氏因子”的数值都为0。例如，股价下跌但主力资金净流入，“瓦氏因子”为0×1，结果为0。同时，为了后面便于模型训练，我们还要做一个标签（即次日股票上涨还是下跌），存储在next_day字段中。代码如下：

运行代码，可以得到如表5.3所示的结果。

表5.3　添加了“瓦氏因子”和标签的数据

【结果分析】从表5.3中可以看到，“瓦氏因子”的字段factor_wa添加成功。例如，2018年4月10日，股价下跌，主力资金净流出，“瓦氏因子”的值是0；2018年4月11日，股价上涨，主力资金还是净流出，这一天“瓦氏因子”的值还是0。再看next_day字段：2018年4月11日，股价上涨，因此2018年4月10日这一天的next_day字段中的数值是1；2018年4月12日，股价下跌，因此2018年4月11日这一天的next_day字段中的数值是0。

如果读者朋友也得到了类似的结果，说明你也成功地计算出了第一个因子值，可以进行下一步的工作了。