金融工程现在用python多吗？

现在上有关numeric analysis的课时，都用Python，实际工作时候呢？

回复内容：

对于不同的quant岗位，使用的软件大不相同。
如果是做定价模型的，可能最经常用的是matlab，因为语言简单，扩展包优良。对于不需要对时间有要求的衍生品定价，最为适合。
如果是做高频交易，最常用的是C++，因为速度快。有很多的高频公司，都有自己写的底层包，并为此花了大量的人力和物力去维护。
如果是写盈利模型的，会更多的选择R。R里面有很多前沿的统计模型包。对于统计分析和时间序列处理非常强大。但是扩展包没有matlab的稳定。
对于Python 而言，更像是一种全能的编程需要。无论是网络抓包，统计分析，还是数值分析，都有还算不错的方案。但是，在专业领域方面，还是弱于上边提到的语言。
其实在不同的金融公司，有着不同的语言使用传统，有的喜欢C++，有的喜欢C#，有的喜欢Java。但是对于一个成熟的公司而言，需要对这些语言都提供良好的支持。毕竟一个好的trader是十分难得的，难道就因为使用语言的不同就拒绝能让他发财的人才么？
其实，软件只是一个载体，思想才是最核心的。我工作的地方，大家都用VBA。交易的时候，满屏的Excel。只要能完成工作，谁管你用什么语言。 先来结论：工具和语言不是重点。数学能力和市场理解才是。

本人去过几间国际大行，主流工具有

1. 公司自主平台上的C++
2. 公司自主平台的Python
3. Matlab
4. R

其中1和2之所以要强调自主平台 主要是因为其重要库和部分语法都是定制的，基本可以看作半个独立语言了。自己在外学习意义不大。公司内高级码农一大堆，一个quant的主要能力其实是数学能力，其他能写就可以了。

在大型基金也是一样。小型基金什么行什么上，vba都有。 先正面回答题主的问题，在金融工程领域，Python不但在用，用的最多，而且重要性逐年提高。原因：作为动态语言的Python，语言结构清晰简单，库丰富，成熟稳定，科学计算和统计分析都很牛逼，生产效率远远高于c,c++,java,尤其擅长策略回测。

也有一些例外：
1、过去形成了其他语言为主的体系，比如平台以C++编写，API都是C++的，老人也熟练C++，那么他们以C++为主。
2、有些机构以研究为主，也许他们使用Matlab，R。
3、C++、JAVA、VB等各种语言的天才Coder，我只能远距离膜拜，你们用汇编也比我的效率高十倍，你们是我心目中的神。

再描述一下自己，按照知乎上的分类，我应该算一个Trader，一个会写程序的Trader。我的工作是分析数据、发现规律、制定和验证策略，然后交易，然后优化调整，往复循环。我们用自动交易，但高频交易不是我的范围。
我个人是从C/C++转向JAVA，然后又转向Python，原因无他，效率。人的精力有限，写程序的时间多，交易赚钱的时间就少，我的团队也非常认同我的想法。
我偏好Python的原因：
1、正确就是效率。越复杂、越低级的语言，出错率越高，BUG导致数据分析错误、交易策略程序崩溃，轻则错失交易机会，重则交易策略本身导致亏损，那种欲哭无泪的感觉...
2、Python重在开发效率，设想同一个交易策略，我已经完成回测，给老板打报告申请交易额度了，而你还在调试C++，老板不会认为你勤奋，老板会认为你是某种动物，再往远想想，比如年底咱俩的红包厚度...。
3、Python的性能不差，Python还是调用C库，再考虑PVM，其实和C的性能差别基本上可以忽略不计。确实在乎相差的微小性能，建议花2万块买个最新的MAC PRO，直接秒杀。你说什么？单位不给拨预算？为了快感，自费行不行？。
4、语言不是主要性能瓶颈，网络、设备等造成的影响更大，比如C++程序快了2us，而网络延迟就耗去了1ms。

我熟悉的同行，了解Python的，有能力的都在往Python转，也有一部分是程序员说了算，转不了的，你们懂的。

再扒一扒前面几个例外情况，这部分作为娱乐，不属于内容：
第一种，就是有历史积累的那种，说的好听是知识库，说的不好听那就是历史包袱。老平台上绝大多数策略都已经失效了，早都该推倒重来了。
第二种，那些卖分析报告的，那些用Matlab，R的，也许可能还是个实习生，甚至从来就没有交易过，他的报告可靠吗。再进一步，如果报告是可靠的，他为什么不自己交易，再造一个文艺复兴，为什么要告诉你呢，他是大傻？或者买报告的是大傻？

两天没来，关注的人多，澄清一下。发这贴的时候深夜刚加完班，在车上手机草草打的，言辞草率，对兄弟不敬，先道歉。
A股行情火爆，这几天都在加班，刚睡醒，说错了请包涵。今年执行策略有几个不错，如果大家有兴趣，我可以分享两个，当然还是讨论Python在金融工程的应用为主。
======================================================================
原来写的在这：
先说排名第一的，一看你就是个外行，人家问Python，你要是懂，就直接跟人说Python，不懂还要装逼，知乎上净是你这种货色。
还有那些说工具不重要的，你干脆别用计算机了，回去用纸笔行不行，只要半辈子就能跑一条策略了，你一辈子能跑两条呢，别着急，慢慢来。
作为动态语言的Python，语言结构清晰简单，库丰富，成熟稳定，科学计算和统计分析都很牛逼，生产效率远远高于c,c++,java,尤其擅长策略回测，早就是各大行的首选。

都什么年代了，一台PC的性能就远超过去的大型机，谁有功夫给你c和c++，就知道瞎bb。 看看5年前的文章
Python有望成为金融语言

http://www.infoq.com/cn/news/2010/04/Python-ABS

金融行业用Python，R做研究都比较常见。 Python 配合科学数据计算模块，能做很多事了。 如果从整个美国这边quant行业来看，quant们用python应用比例还是挺高的，三四种主流语言之一吧。引用一位数学博士姐姐的话，python is the second generation language 相对于C++。工程的孩子可能用matlab更多，而医学统计等则用SAS。事实上认真学，做项目，学起来很快 一个月熟悉，三个月熟练。

Programming语言 其实就是用英文 ＋符号＋ 数学发明的一种针对计算机的语言。如果这三个你都掌握的不错，就直接开始学吧，不要纠结啦。。。 quant的核心能力就是有什么迅速学什么，迅速掌握就好了。加油！以上～ 先说排名第一的，一看你就是个外行，或许你涉及过一两个行业，但是就金融来讲，你就不要不懂装懂了，知乎上净是你这种货色。
不同的业务类型，不同的功能部分，不同的公司文化，不同的团队技能熟练度，决定着业务用什么语言开发，用什么硬件架构，选择何种数据库，选择何种开发模式。
python上手快，开发速度快，生产效率高，依然有其力所不能及的地方，不懂就别瞎bb了。 软件和工具不是重点，训练得多就能初步上手，关键还是数理基础和应用能力