現在上有關numeric analysis的課時，都用Python，實際工作時候呢？
回複內容：
對於不同的quant崗位，使用的軟體大不相同。
如果是做定價模型的，可能最經常用的是matlab，因為語言簡單，擴充包優良。對於不需要對時間有要求的衍生品定價，最為適合。
如果是做高頻交易，最常用的是C++，因為速度快。有很多的高頻公司，都有自己寫的底層包，並為此花了大量的人力和物力去維護。
如果是寫盈利模型的，會更多的選擇R。R裡面有很多前沿的統計模型包。對於統計分析和時間序列處理非常強大。但是擴充包沒有matlab的穩定。
對於Python 而言，更像是一種全能的編程需要。無論是網路抓包，統計分析，還是數值分析，都有還算不錯的方案。但是，在專業領域方面，還是弱於上邊提到的語言。
其實在不同的金融公司，有著不同的語言使用傳統，有的喜歡C++，有的喜歡C#，有的喜歡Java。但是對於一個成熟的公司而言，需要對這些語言都提供良好的支援。畢竟一個好的trader是十分難得的，難道就因為使用語言的不同就拒絕能讓他發財的人才嗎？
其實，軟體只是一個載體，思想才是最核心的。我工作的地方，大家都用VBA。交易的時候，滿屏的Excel。只要能完成工作，誰管你用什麼語言。先來結論：工具和語言不是重點。數學能力和市場理解才是。
本人去過幾間國際大行，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之所以要強調自主平台 主要是因為其重要庫和部分文法都是定製的，基本可以看作半個獨立語言了。自己在外學習意義不大。公司內進階碼農一大堆，一個quant的主要能力其實是數學能力，其他能寫就可以了。
在大型基金也是一樣。小型基金什麼行什麼上，vba都有。先正面回答題主的問題，
在金融工程領域，Python不但在用，用的最多，而且重要性逐年提高。原因：作為動態語言的Python，語言結構清晰簡單，庫豐富，成熟穩定，科學計算和統計分析都很牛逼，生產效率遠遠高於c,c++,java,尤其擅長策略回測。
也有一些例外：
1、過去形成了其他語言為主的體系，比如平台以C++編寫，API都是C++的，老人也熟練C++，那麼他們以C++為主。
2、有些機構以研究為主，也許他們使用Matlab，R。
3、C++、JAVA、VB等各種語言的天才Coder，我只能遠距離膜拜，你們用彙編也比我的效率高十倍，你們是我心目中的神。
再描述一下自己，按照知乎上的分類，我應該算一個Trader，一個會寫程式的Trader。我的工作是分析資料、發現規律、制定和驗證策略，然後交易，然後最佳化調整，往複迴圈。我們用自動交易，但高頻交易不是我的範圍。
我個人是從C/C++轉向JAVA，然後又轉向Python，原因無他，效率。人的精力有限，寫程式的時間多，交易賺錢的時間就少，我的團隊也非常認同我的想法。
我偏好Python的原因：
1、正確就是效率。越複雜、越低級的語言，出錯率越高，BUG導致資料分析錯誤、交易策略程式崩潰，輕則錯失交易機會，重則交易策略本身導致虧損，那種欲哭無淚的感覺...
2、Python重在開發效率，設想同一個交易策略，我已經完成回測，給老闆打報告申請交易額度了，而你還在調試C++，老闆不會認為你勤奮，老闆會認為你是某種動物，再往遠想想，比如年底咱倆的紅包厚度...。
3、Python的效能不差，Python還是調用C庫，再考慮PVM，其實和C的效能差別基本上可以忽略不計。確實在乎相差的微小效能，建議花2萬塊買個最新的MAC PRO，直接秒殺。你說什嗎？單位不給撥預算？為了快感，自費行不行？。
4、語言不是主要效能瓶頸，網路、裝置等造成的影響更大，比如C++程式快了2us，而網路延遲就耗去了1ms。
我熟悉的同行，瞭解Python的，有能力的都在往Python轉，也有一部分是程式員說了算，轉不了的，你們懂的。
再扒一扒前面幾個例外情況，這部分作為娛樂，不屬於內容：
第一種，就是有曆史積累的那種，說的好聽是知識庫，說的不好聽那就是曆史包袱。老平台上絕大多數策略都已經失效了，早都該推倒重來了。
第二種，那些賣分析報告的，那些用Matlab，R的，也許可能還是個實習生，甚至從來就沒有交易過，他的報告可靠嗎。再進一步，如果報告是可靠的，他為什麼不自己交易，再造一個文藝複興，為什麼要告訴你呢，他是大傻？或者買報告的是大傻？
兩天沒來，關注的人多，澄清一下。發這貼的時候深夜剛加完班，在車上手機草草打的，言辭草率，對兄弟不敬，先道歉。
A股行情火爆，這幾天都在加班，剛睡醒，說錯了請包涵。今年執行策略有幾個不錯，如果大家有興趣，我可以分享兩個，當然還是討論Python在金融工程的應用為主。
======================================================================
原來寫的在這：
先說排名第一的，一看你就是個外行，人家問Python，你要是懂，就直接跟人說Python，不懂還要裝逼，知乎上淨是你這種貨色。
還有那些說工具不重要的，你乾脆別用電腦了，回去用紙筆行不行，只要半輩子就能跑一條策略了，你一輩子能跑兩條呢，別著急，慢慢來。
作為動態語言的Python，語言結構清晰簡單，庫豐富，成熟穩定，科學計算和統計分析都很牛逼，生產效率遠遠高於c,c++,java,尤其擅長策略回測，早就是各大行的首選。
都什麼年代了，一台PC的效能就遠超過去的大型主機，誰有功夫給你c和c++，就知道瞎bb。看看5年前的文章
Python有望成為金融語言
http://www.infoq.com/cn/news/2010/04/Python-ABS
金融行業用Python，R做研究都比較常見。Python 配合科學資料計算模組，能做很多事了。如果從整個美國這邊quant行業來看，quant們用python應用比例還是挺高的，三四種主流語言之一吧。引用一位元學博士姐姐的話，python is the second generation language 相對於C++。工程的孩子可能用matlab更多，而醫學統計等則用SAS。事實上認真學，做項目，學起來很快 一個月熟悉，三個月熟練。
Programming語言 其實就是用英文 ＋符號＋ 數學發明的一種針對電腦的語言。如果這三個你都掌握的不錯，就直接開始學吧，不要糾結啦。。。 quant的核心能力就是有什麼迅速學什麼，迅速掌握就好了。加油！以上～先說排名第一的，一看你就是個外行，或許你涉及過一兩個行業，但是就金融來講，你就不要不懂裝懂了，知乎上淨是你這種貨色。
不同的業務類型，不同的功能部分，不同的公司文化，不同的團隊技能熟練度，決定著業務用什麼語言開發，用什麼硬體架構，選擇何種資料庫，選擇何種開發模式。
python上手快，開發速度快，生產效率高，依然有其力所不能及的地方，不懂就別瞎bb了。軟體和工具不是重點，訓練得多就能初步上手，關鍵還是數理基礎和應用能力
