金融量化分析编程语言有哪些

A. 现在的编程有哪些Python 怎么样

Python是一种面向对象的解释型计算机程序设计语言，具有丰富和强大的库，所以常被称为胶水语言，能够把用其他语言制作的各种模块（尤其是C/C++）很轻松地联结在一起，是国内外众多企业使用的关键开发语言之一。python的创始人为Guido van Rossum，python的开发受到Mola-3语言的影响，python具有易读、可扩展、简洁等特点，被一些知名大学当做主要编程语言教授给学生。业内人士一般称python为高级动态编程语言，可以用于大规模软件开发。
Python的应用领域非常广泛，诸如后端开发、全栈开发、爬虫开发、人工智能、金融量化分析、大数据、物联网等，Python应用无处不在。Google、YouTube、豆瓣网等这些大型的知名网站都使用了Python完成核心代码的编写，可见Python的发展前景是不可估量的。
《互联网人才趋势白皮书》显示，虽然大批IT从业人员转型Python开发，但人工智能与大数据高速发展带来的大基数人才缺口，Python工程师短期内依然难以补缺。

B. 金融工程，量化投资学什么软件好Python还是Matlab

个人觉得还是都会比较好。技多不压身。量化投资用Matlab 和 C++,一个建模一个执行，足够了。实在不爱用Matlab的话，R和Python也行。

选择python推荐可以阅读：《量化投资：以python为工具》主要讲解量化投资的思想和策略，并借助Python 语言进行实战。《量化投资：以Python为工具》一共分为5 部分，第1 部分是Python 入门，第2 部分是统计学基础，第3 部分是金融理论、投资组合与量化选股，第4 部分是时间序列简介与配对交易，第5 部分是技术指标与量化投资。《量化投资：以Python为工具》首先对Python 编程语言进行介绍，通过学习，读者可以迅速掌握用Python 语言处理数据的方法，并灵活运用Python 解决实际金融问题；其次，向读者介绍量化投资的理论知识，主要讲解量化投资所需的数量基础和类型等方面；最后讲述如何在Python 语言中构建量化投资策略。

选择MATLAB推荐阅读：《问道量化投资：用MATLAB来敲门》主要讲述以MATLAB为分析工具的量化投资，由“MATLAB入门”、“MATLAB量化投资基础”和“MATLAB量化投资相关函数详解”3篇组成。入门篇让零编程基础的读者快速掌握强大的数值计算和模拟分析工具MATLAB；量化投资基础篇简要介绍相关的投资策略及模型，重点讲述MATLAB中的模型实现及应用；函数详解篇对MATLAB的金融工具箱、衍生品工具箱和固定收益工具箱中的全部函数一一进行详解，以帮助读者快速掌握这些函数。

C. 量化投资用什么编程语言研发策略好呢

么以下我就以程序语言的角度来回答
当然如果已经会了某些语言,那你可以使用熟悉的语言去找网上的学习资源会比较快
如果没有特别熟悉的语言,或者是愿意多学一种非常好用的语言
我的建议是学习Python

我从以下几点来分别说明

平台资源

国内外使用Python做云端回测以及运算的免费平台相当的多,例如有 宽客在线，发明者量化，优矿, 等等不胜枚举,可以使用平台的支持以及社区的互相帮助来学习

容易学习

综合以上所说,"目前的环境底下" 我推荐Python.（推荐直接下载 Anaconda的集成开发环境）

D. 请问python主要应用领域是什么,哪方面用的多了....

下面就让我们一起来看看它的强大功能： Python（派森），它是一个简单的、解释型的、交互式的、可移植的、面向对象的超高级语言。这就是对Python语言的最简单的描述。 Python有一个交互式的开发环境，因为Python是解释运行，这大大节省了每次编译的时间。Python语法简单，且内置有几种高级数据结构，如字典、列表等，使得使用起来特别简单，程序员一个下午就可学会，一般人员一周内也可掌握。Python具有大部分面向对象语言的特征，可完全进行面向对象编程。它可以在MS-DOS、Windows、Windows NT、Linux、Soloris、Amiga、BeOS、OS/2、VMS、QNX等多种OS上运行。 编程语言 Python语言可以用来作为批处理语言，写一些简单工具，处理些数据，作为其他软件的接口调试等。Python语言可以用来作为函数语言，进行人工智能程序的开发，具有Lisp语言的大部分功能。Python语言可以用来作为过程语言，进行我们常见的应用程序开发，可以和VB等语言一样应用。Python语言可以用来作为面向对象语言，具有大部分面向对象语言的特征，常作为大型应用软件的原型开发，再用C++改写，有些直接用Python来开发。 数据库 Python在数据库方面也很优秀，可以和多种数据库进行连接，进行数据处理，从商业型的数据库到开放源码的数据库都提供支持。例如：Oracle,Ms SQL Server等等。有多种接口可以与数据库进行连接，至少包括ODBC。有许多公司采用着Python＋MySql的架构。因此，掌握了Python使你可以充分利用面向对象的特点，在数据库处理方面如虎添翼。 Windows编程 Python不仅可以在Unix类型的操作系统上应用，同样可以在Windows系统里有很好的表现。通过添加PythonWin模块，就可以通过COM形式调用和建立各种资源，包括调用注册表、ActiveX控件以及各种COM等工作，最常见的例子就是通过程序对Office文档进行处理，自动生成文档和图表。 通过Python，还可以利用py2exe模块生成exe应用程序。还有许多其他的日常维护和管理工作也可以交给Python来做，从而减少维护的工作量。利用Python，你还可以开发出象VB,VC,Delphi那样的GUI程序，但却可以在多个平台上执行。这在许多方面并不逊色于java。 多媒体 利用PIL、Piddle、ReportLab等模块,你可以处理图象、声音、视频、动画等，从而为你的程序添加亮丽的光彩。动态图表的生成、统计分析图表都可以通过Python来完成。另外，还有OpenGL。利用PyOpenGl模块，你可以非常迅速的编写出三维场景。 科学计算 Python可以广泛的在科学计算领域发挥独特的角色。有许多模块可以帮助你在计算巨型数组、矢量分析、神经网络等方面高效率完成工作。尤其是在教育科研方面，可以发挥出独特的优势。 网络编程 Python可以非常方便的完成网络编程的工作，提供了众多的解决方案和模块，可以非常方便的定制出自己的服务器软件，无论是c/s，还是b/s模式，都有很好的解决方法。椋憔涂梢愿菪枰嘈闯銮 查看原帖>>

E. 想用python量化金融，需要掌握python哪些

链接：http://pan..com/s/1djPqbCXnQrRpW0dgi2MCJg

华尔街学堂 python金融实务从入门到精通。最近，越来越多的研究员、基金经理甚至财务会计领域的朋友，向小编咨询：金融人需要学Python么？事实上在现在，这已经不是一个问题了。Python已成为国内很多顶级投行、基金、咨询等泛金融、商科领域的必备技能。中金公司、银河证券、南方基金、银华基金在招聘分析师岗位时，纷纷要求熟练掌握Python数据分析技能。

课程目录：

Python在金融资管领域中的应用

安装anaconda步骤

Python基础知识

Python基础金融分析应用

成为编程能手：Python知识进阶

利用Python实现金融数据收集、分析与可视化

......

F. Python可以应用在哪些领域

Python语言通俗易懂、简单易学、容易上手，而且具有丰富的第三方库，是非常不错的选择，应用领域也是非常广泛的，比如说：
1、人工智能：Python是人工智能的首选语言，选择人工智能作为就业方向是理所当然的。
2、大数据：Python在大数据上比java更加具有效率，大数据虽然难学，但是Python可以更好的和大数据进行对接，尤其是大数据分析这个方向。
3、网络爬虫：爬虫是进行数据采集的利器，利用Python可以更快的提升对数据抓取的精准程度和速度。
4、全栈工程师：全栈工程师是指掌握多种技能，并能利用多种技能独立完成产品的人，也叫全端工程师
5、自动化运维：运维工作者对Python的需求也很大;
6、自动化测试：Python十分高效，目前做自动化测试的大部分的工作者都需要学习Python帮助提高测试效率。用Python测试也可以说是测试人员必备的工具了。

G. 做量化交易选择什么语言好呢

量化交易，就是把人能够识别的信息变成数字，输入给计算机程序处理，辅助或者代替人类的思考和交易决策。

初学者碰到的第一个问题就是工具的选择。首先大部分交易员本来不会写程序，选择任何一个语言进行策略开发，都有不小的学习成本。更重要的是，选择了一门语言，接下来开发环境、人员招聘、数据接口与平台、甚至同类人群之间的交流、遇到问题后的支持，都跟着被“套牢”。所以从一开始就必须慎重对待。

先给出答案：对于还没有确定一套固定量化环境的，建议用Python。

量化交易员面临的大致选择有：C/C++/java/C#/R/Matlab/excel等。我们从以下几个方面考虑简单做个对比。

注意：这里假设你团队规模在50人以下。

1 学习成本和应用的广泛性

C、C++的特点是速度最快，但要想用好，必须对计算机底层架构、编译器等等有较好的理解，这是非计算机专业的人很难做到的，对于做量化交易来说更是没有必要。

Java本来是SUN的商业产品，有学习成本和体系的限制，也不适合。

Excel面对GB级别的数据无能为力，这里直接排除。

Python、R和Matlab学起来都简单，上手也快，可以说是“一周学会编程”。但R和Matlab一般只用来做数据处理，而Python作为一门强大的语言，可以做任何事，比如随时写个爬虫爬点数据，随时写个网页什么的，更何况还要面对处理实时行情的复杂情况。

2 开始做量化分析后，哪个用起来碰到问题最少，最方便省事?

用历史数据的回测举例。假设我们有2014年所有股票的全年日线，现在我们想看看600001的全年前10个最高股价出现在什么时候。python世界有个强大的pandas库，所以一句话就解决问题：

dailybar[dailybar [‘code’]==‘600001’].sort_values([‘close’].head(10)

R/Mathlab等科学语言也可以做到。

C/C++没有完备的第三方库。如果为了做大量的计算，要自己实现、维护、优化相应的底层算法，是一件多么头疼的事。

Python从一开始就是开源的，有各种第三方的库可以现成使用。这些底层功能库让程序员省去了“造轮子”的时间，让我们可以集中精力做真正的策略开发工作。

3 现在我们更进一步，要做实时行情分析和决策

以A股的入门级L1数据为例，每3秒要确保处理完3000条快照数据，并完成相应的计算甚至下单。这样的场景，C和C++倒是够快了。所以行情软件比如大智慧、同花顺等客户端都是使用高效率的语言做的，但像客户端那样的开发量，绝大部分量化交易机构没能力也没必要去做吧。

python的速度足够对付一般的实时行情分析了。其底层是C实现的，加上很多第三方的C也是C实现，尽管其计算速度比不上原生C程序，但对我们来说是足够啦。

4 quant离职了，他的研究成果怎么办

Python是使用人群最多、社区最活跃的语言之一，也是最受quant欢迎的语言之一。如果你是老板，你能更容易地招聘到优秀人材，享受到python社区带来的便利。

附几个量化中常用的python库：

- Pandas：

天生为处理金融数据而开发的库。几乎所有的主流数据接口都支持Pandas。Python量化必备。

- Numpy：

科学计算包，向量和矩阵处理超级方便

- SciPy：

开源算法和数学工具包，与Matlab和Scilab等类似

- Matplotlib：

Python的数据画图包，用来绘制出各类丰富的图形和报表。

PS: Python也是机器学习领域被使用最多的语言之一。像tensorflow、scikit-learn、Theano等等对python都有极好的支持。