在數(shù)據(jù)分析領(lǐng)域(包括量化投資)，編程語言具有兩大作用，一個是科學(xué)計算、統(tǒng)計等算法層面，主要用于業(yè)務(wù)的相關(guān)研究;另一個是系統(tǒng)應(yīng)用開發(fā)，主要用來搭建基礎(chǔ)IT設(shè)施，比如數(shù)據(jù)庫、交易平臺等。

[[392272]]

Matlab和R主要用于業(yè)務(wù)層面的研究工作。C++和Java則主要是用于系統(tǒng)搭建工作。業(yè)務(wù)研究和系統(tǒng)搭建的區(qū)別還是很明顯的，每類語言適應(yīng)的場景都不太一樣，否則也沒有必要存在那么多種語言了。比如，使用Matlab搭建一個交易系統(tǒng)，那么其速度一定會慢得讓人無法忍受。如果用C++或者Java做數(shù)據(jù)分析，那么其效率一定也會非常低。

至于Python，其優(yōu)勢在于作為一種膠水語言，其適用面非常廣。換句話說，Python是可以同時完成數(shù)據(jù)分析和系統(tǒng)搭建兩種工作的，而且性能和效率有著非常好的平衡。使用Python既可以編寫機器學(xué)習(xí)的復(fù)雜模型，也可以搭建支撐億級別訪問量的網(wǎng)站系統(tǒng)，又或者搭建微秒級的程序化交易系統(tǒng)。

什么都能做，而且還能做得很不錯，這是Python能夠迅速流行的核心原因之一。

下面將對上面提到的部分常見的語言做一個簡單的介紹。

01 Matlab

截至目前，在國內(nèi)量化研究領(lǐng)域，Matlab的使用率應(yīng)該是最高的。這個數(shù)據(jù)來源于Wind，在他們的量化接口中，Matlab的使用率是最高的，Python其次。但是Python是增長速度最快的。

Matlab作為商業(yè)軟件，功能很全很強大，可靠性也很好。最早一批做科學(xué)計算和數(shù)據(jù)分析的，很多都是使用的Matlab。量化投資在國內(nèi)剛出現(xiàn)的時候，Python和R的社區(qū)生態(tài)還沒有像現(xiàn)在這樣完善，所以很多量化投資的業(yè)內(nèi)人士都更習(xí)慣于使用Matlab。

如果不考慮授權(quán)費用的問題，那么Matlab確實是一款非常好用的數(shù)據(jù)分析乃至量化投資分析的工具，畢竟有實力雄厚的公司在支持Matlab的開發(fā)，性能和工具包都能得到保證。

不過，Matlab與Python相比，除了費用問題之外，還存在很多缺陷，而且是無法彌補的缺陷。特別是涉及系統(tǒng)級別的開發(fā)時，比如交易系統(tǒng)、爬蟲系統(tǒng)等。在這些領(lǐng)域，Matlab不僅缺少相應(yīng)的庫，而且速度非常慢，因此其很難在工業(yè)界得到廣泛應(yīng)用。

02 R

R是一個開源的數(shù)據(jù)分析軟件。實際上，R的誕生，就是為了協(xié)助完成統(tǒng)計和數(shù)據(jù)分析。由于R在研究機構(gòu)和大學(xué)非常流行，因此這些機構(gòu)反過來也開發(fā)了大量相應(yīng)的開源項目，這也使得R的各種統(tǒng)計功能和函數(shù)琳瑯滿目。

R很多常用的統(tǒng)計功能都經(jīng)過了大量實踐的檢驗，是非常完善和成熟的，比如，時間序列分析、經(jīng)典統(tǒng)計模型、貝葉斯統(tǒng)計、機器學(xué)習(xí)等。R也有一些量化相關(guān)的庫，比如quantmod。

當(dāng)然，R也有它的缺點，比如，對于大量的數(shù)據(jù)處理，R還是力有不逮。由于R更多的是由統(tǒng)計界人士完成的，所以偏底層的數(shù)據(jù)管理并不是R的強項。

總體上講，R的統(tǒng)計和數(shù)據(jù)分析相關(guān)功能非常強大，更適合做研究，不適合開發(fā)大型的系統(tǒng)。

03 C++

C++最大的好處就是性能強，速度極快。幾乎所有需要高性能的科學(xué)計算功能都是基于C++或者Fortran開發(fā)的。比如，Python的底層其實就是用C語言實現(xiàn)的。

因為速度快，C++在高頻交易領(lǐng)域也是獨占一席。然而，在進行日常的數(shù)據(jù)分析和研究中使用C++其實是非常不方便的。因為C++語言偏底層，對編程人員的要求很高，同樣的功能，開發(fā)難度高很多，調(diào)試起來也比較麻煩。

所以除非是在對性能有極高要求的地方，一般不推薦使用C++進行開發(fā)。

04 Python

Python語法非常易學(xué)易懂，很容易快速上手。很多人剛開始學(xué)習(xí)編程的時候，往往會選擇從Python入手。

與Matlab、R一樣，Python也是腳本語言，寫好了就可以直接運行，省去了編譯鏈接的麻煩，對于需要快速開發(fā)和進行驗證的程序，可以省去很多編碼和調(diào)試的時間。

Python也是面向?qū)ο蟮恼Z言，但它的面向?qū)ο蟛幌馛++那樣強調(diào)概念，而是更注重實用。它能使用最簡單的方法讓編程者享受到面向?qū)ο髱淼暮锰?。這也是Python能像Java、C#那樣吸引眾多支持者的原因之一。

雖然Python是一種腳本語言，但它的速度并不是很慢，特別是在一些庫經(jīng)過優(yōu)化之后(直接基于C語言編寫接口)，速度比純C語言慢不了多少。在這方面，它遠勝于R和Matlab。

Python是一種功能豐富的語言，它擁有一個強大的基本類庫和數(shù)量眾多的第三方擴展生態(tài)。

Python幾乎在各個領(lǐng)域都有對應(yīng)的開源項目，因此我們不必重新造輪子。使用Scrapy，我們可以編寫網(wǎng)絡(luò)爬蟲系統(tǒng)，爬取網(wǎng)絡(luò)相關(guān)數(shù)據(jù);使用各種數(shù)據(jù)庫接口，我們可以將數(shù)據(jù)的存儲、讀取工作標(biāo)準(zhǔn)化;使用PyAlgoTrader，我們可以構(gòu)建策略回測系統(tǒng)和自動交易系統(tǒng)。

Python還有很多優(yōu)秀的量化、數(shù)據(jù)分析、機器學(xué)習(xí)(ML)工具，比如NumPy、SciPy、Pandas、Scikit-Learn和Maplotlib等。

雖然Python在機器學(xué)習(xí)和一般的數(shù)據(jù)分析中非常出色，但仍然存在短板，比如，其在一部分傳統(tǒng)領(lǐng)域里表現(xiàn)就不算太好，包括很多傳統(tǒng)統(tǒng)計模型、時間序列分析等，Python就不如Matlab和R。

簡而言之，我們可以用Python構(gòu)建一條完整的量化投資生產(chǎn)線。當(dāng)然，不可否認的是，對于某些環(huán)節(jié)，有些語言相對于Python也有其優(yōu)勢，比如R的統(tǒng)計庫、Matlab的科學(xué)計算、SAS的可靠性、C++構(gòu)建高速交易系統(tǒng)等。不過這些優(yōu)勢只是95分和90分的區(qū)別，除了少數(shù)極端業(yè)務(wù)場景之外，絕大部分工作Python其實都能勝任。

在量化投資領(lǐng)域，大多數(shù)需求都可以用Python完成，這可以為團隊節(jié)省大量的時間。畢竟在不同的語言之間不斷切換，也是一件很耗費精力的事情。

05 其他語言

除了上面介紹的語言之外，其實還有很多其他的語言在量化投資領(lǐng)域中也都有應(yīng)用。比如Java、C#、Scala等，這些語言也都有其相應(yīng)的優(yōu)勢和特點。不過相對于上面介紹的語言來說，這些語言在國內(nèi)的使用群體仍然是偏小眾的。對于初學(xué)者來說，建議還是選擇Python語言。