❶ matlab和python哪个更适合金融领域的数据分析
现在分析全线转R/python，未来有可能上Julia。
别问为什么不用matlab了。R/python组合好处在于开源，数据workflow相当容易搭版建起权来，另外背靠学术界，有相当多的新统计工具可以试。说R速度慢根本不是问题，机器好一点就行了。超大型的数据甚至可以跑R/hadoop。
MATLAB的完全就不能比。
————————————
另外说在“工程上MATLAB有而R/python没有”我觉得是十分奇怪的。就比如，目前新工具而言比如deep learning来说。python上有Theano/pylearn2/对接caffe，MATLAB的deep learning我目前只知道一个Toolbox。旧的工具R/python上也不缺。
另外我看有答案把MATLAB能直接发送交易信号作为MATLAB卖点。我觉得贵司策略和交易是不是定位不太清晰。为了保证可靠的性能和策略管理的便利性，我想除了个人投资者没有人会选择开着MATLAB下单。
❷ 有用python开发金融软件客户端的吗
python我觉得是所抄有编程语言中袭最简单的，它的语言跟用英语说话一样，语法简单，不用定义，完全可以自学，我用两天时间就可以掌握基本的语法以及能写一些简单的程序了，现在可以写一些简单的软件。当然，如果你要精通的话也不是那么容易，python...
❸ 与金融经济相关的小程序有什么，Python可以比较简单编出来的
目前已经有很多了。你要是不知道具体名字，可以通过亿里财小程序 这样的聚合集中应用商店，基本收集了大部分的小程序，用起来比较方便。
❹ R 和 Python 在金融界的发展前景怎样
美国大型金融机构几乎前篇一律的用SAS。最重要原因的在于用SAS省却了尽职调查。R作为一款免费软件，有大量第三方的library或者package。你说你用吧，挺方便，但是每用一次你就得给这个来一次尽职调查。不然银行内的model validation team，internal audit或者美联储都回来挑麻烦的。或者你不用，不过自己把所有需要的工具自己写一遍也够累的，何况自己写了也需要validate。而不管是对第三方code的尽职调查，还是对自己code的validation，都成本很高，牵扯很多部门，需要按照详细的流程走下来。（美联储的要求越来越严格了）
反观SAS，作为一个default工具，不管是用Base SAS还是SAS EG，交点钱就好了。对于这些机构来说，SAS真的不贵。我们最近在帮某大行Bulid model，team去了几十个人，客户也没在乎是不是每个人都需要，就给每人都配了Base SAS和SAS EG。
另外银行动辄上百个G大小的数据，R跑起来可能真的太吃力了。相反基于Server的SAS用起来非常流畅。
Python vs. C++
这个我了解不多。但是Python在machine learning上的应用越来越好，所以在量化交易上应该还是有前景的。而且Python和其他语言的对接做的很棒，也算是他的优势吧。另一方面Python真的很简洁，连我这种看见C++就头疼的人也能写一些simulation。如果要求不是很严格，很多人会非常乐于接受Python吧。