❶ matlab和python哪個更適合金融領域的數據分析
現在分析全線轉R/python，未來有可能上Julia。
別問為什麼不用matlab了。R/python組合好處在於開源，數據workflow相當容易搭版建起權來，另外背靠學術界，有相當多的新統計工具可以試。說R速度慢根本不是問題，機器好一點就行了。超大型的數據甚至可以跑R/hadoop。
MATLAB的完全就不能比。
————————————
另外說在「工程上MATLAB有而R/python沒有」我覺得是十分奇怪的。就比如，目前新工具而言比如deep learning來說。python上有Theano/pylearn2/對接caffe，MATLAB的deep learning我目前只知道一個Toolbox。舊的工具R/python上也不缺。
另外我看有答案把MATLAB能直接發送交易信號作為MATLAB賣點。我覺得貴司策略和交易是不是定位不太清晰。為了保證可靠的性能和策略管理的便利性，我想除了個人投資者沒有人會選擇開著MATLAB下單。
❷ 有用python開發金融軟體客戶端的嗎
python我覺得是所抄有編程語言中襲最簡單的，它的語言跟用英語說話一樣，語法簡單，不用定義，完全可以自學，我用兩天時間就可以掌握基本的語法以及能寫一些簡單的程序了，現在可以寫一些簡單的軟體。當然，如果你要精通的話也不是那麼容易，python...
❸ 與金融經濟相關的小程序有什麼，Python可以比較簡單編出來的
目前已經有很多了。你要是不知道具體名字，可以通過億里財小程序 這樣的聚合集中應用商店，基本收集了大部分的小程序，用起來比較方便。
❹ R 和 Python 在金融界的發展前景怎樣
美國大型金融機構幾乎前篇一律的用SAS。最重要原因的在於用SAS省卻了盡職調查。R作為一款免費軟體，有大量第三方的library或者package。你說你用吧，挺方便，但是每用一次你就得給這個來一次盡職調查。不然銀行內的model validation team，internal audit或者美聯儲都回來挑麻煩的。或者你不用，不過自己把所有需要的工具自己寫一遍也夠累的，何況自己寫了也需要validate。而不管是對第三方code的盡職調查，還是對自己code的validation，都成本很高，牽扯很多部門，需要按照詳細的流程走下來。（美聯儲的要求越來越嚴格了）
反觀SAS，作為一個default工具，不管是用Base SAS還是SAS EG，交點錢就好了。對於這些機構來說，SAS真的不貴。我們最近在幫某大行Bulid model，team去了幾十個人，客戶也沒在乎是不是每個人都需要，就給每人都配了Base SAS和SAS EG。
另外銀行動輒上百個G大小的數據，R跑起來可能真的太吃力了。相反基於Server的SAS用起來非常流暢。
Python vs. C++
這個我了解不多。但是Python在machine learning上的應用越來越好，所以在量化交易上應該還是有前景的。而且Python和其他語言的對接做的很棒，也算是他的優勢吧。另一方面Python真的很簡潔，連我這種看見C++就頭疼的人也能寫一些simulation。如果要求不是很嚴格，很多人會非常樂於接受Python吧。