做量化模型Matlab，R，Python，F#和C++到底选择哪一个

1. 做量化模型Matlab，R，Python，F#和C++到底选择哪一个

MATLAB是matrix&laboratory两个词的组合，意为矩阵工厂（矩阵实验室）。是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。来源于百度百科：

Matlab有非常高的知名度，尤其在国内使用的人很多，很多大学都开设了这门课，很多人写论文都使用Matlab。由于Matlab历史比较早，并不是纯面向对象语言（尽管后来也支持面向对象编程），无法跟Java、C#这类面向对象语言相比，但Matlab有非常广阔的资源，学习资料比较多，容易上手。
由于Matlab是解释执行的，所以性能低下，对于性能要求很高的高频策略模型不适合。

R是统计领域广泛使用的诞生于1980年左右的S语言的一个分支。可以认为R是S语言的一种实现。而S语言是由AT&T贝尔实验室开发的一种用来进行数据探索、统计分析和作图的解释型语言。最初S语言的实现版本主要是S-PLUS。S-PLUS是一个商业软件，它基于S语言，并由MathSoft公司的统计科学部进一步完善。后来Auckland大学的Robert Gentleman和Ross Ihaka及其他志愿人员开发了一个R系统。由“R开发核心团队”负责开发。 R是基于S语言的一个GNU项目，所以也可以当作S语言的一种实现，通常用S语言编写的代码都可以不作修改的在R环境下运行。 R的语法是来自Scheme。R的使用与S-PLUS有很多类似之处，这两种语言有一定的兼容性。S-PLUS的使用手册，只要稍加修改就可作为R的使用手册。所以有人说：R，是S-PLUS的一个“克隆”。 来源于百度百科：

R在学术界使用广泛，一般的时间序列分析书的程序代码都是R实现的。因此，R有广泛的用户基础，网上资源非常多。还有一点非常重要，R是免费开源的，这使得R应用非常多。很多海归Quant他们就用R构建策略模型。

R也是解释执行的，效率低下，所以高频策略不适合。

Python (是一种面向对象的解释性的计算机程序设计语言，也是一种功能强大而完善的通用型语言，已经具有十多年的发展历史，成熟且稳定。Python 具有脚本语言中最丰富和强大的类库，足以支持绝大多数日常应用。
Python 语言的特点：
简单、易学、免费、开源、丰富的库。
Python是解释执行的，效率低，所以高频策略不适合。

F# 由微软发展成为微软.NET语言提供运行环境的程序设计语言。Visual f#是多元化编程语言，它支持函数式、命令式和面向对象的混合编程风格。Visual F# 可用于开发应用程序或用 F# 码为其他 .NET 应用程序做必要的扩充。 F# 是 .NET 编程语言家族中第一个基于 Ocaml 并十分类似于它的函数语言。来源于百度百科：

F#是微软专门为科学计算和数据分析开发的语言，非常适合开发数学算法，并与.NET高度集成，可以使用.NET的广泛资源。
F#与Matlab、R、Python相比，性能比这几种语言高，但没有C++高，因为它是不编译成本地代码的，是一种中间语言，需要安装.NET Framework。
F#的不足是缺乏资源库，目前网上资源还比较少。但一般的高频策略都能适用（超高频除外）

C++这种语言不用说了，最大的优势是性能，对于超高频的策略，只能用C++编写。
但缺点也比较明显，就是学习难度较大，学习曲线比较陡，需要下很多功夫才行。

综上所述，Matlab、R、Python这几种语言，适合做模型研究和测试，在研究和测试阶段可以采用上面这三种语言。他们的资源相对较多，可以直接使用。但到执行策略时，就不能使用这三种语言了，只能使用F#或C++了，对于超高频并对性能要求非常高的策略，就只能使用C++了。

2. 量化投资 用python好 还是c++

Python是非常适合做quant类工作的语言，本身就是科学计算方面的统治级语言，现在加入了IPython，pandas等重量级神器，为Quant类工作量身定做，而且仍在飞速发展中，以后会越来越重要。

关于其他语言，首先介绍一下我自己最喜欢的一个比较小众的组合，Mathematica+Java/Scala。 Mathematica的优点在于：本身提供函数式的编程语言，表达能力非常强大，比如Map/Reduce是标配，很多时候不需要去做烦人的for循环或下标控制，排版经常可以直接照数学公式原样输入，即直观又不容易写错；代码和输出混排的排版方式使得建模时的演算和推理过程非常流畅，甚至还可以直接生成动画，对于找直观理解非常有帮助（这几点分别被IPython和R偷师了一部分）。Mathematica的缺点在于对金融类的时间序列数据没有很好的内建支持，使得存储和计算都会比较低效，因此需要用内嵌Java的方式来补足，对于数据格式或性能敏感的操作都可以用Java/Scala实现。这个组合在我心目中无出其右，不论是快速建模，还是建模转生产，都远远领先于其他选择。但Mathematica的商用授权很贵，如果公司本身不认可的话很难得到支持，这是最致命的缺陷。另外随着Python系的逐渐成熟，领先优势在逐渐缩小，长远看Python的势头更好一些。

其他答案里也列举了不少其他语言，我自己既做Quant的工作，也做软件开发的工作，这里想从一个软件工程师的角度，说说我的理解。平时工作中会和一些偏Quant背景的人合作，很容易发现建模能力好的人往往在计算机方面基础比较薄弱（因为以前的训练重点不在这里）。他们也可以快速学习掌握一种像C++，Java这样的语言，实现很多必要的功能。但是一方面这些语言陡峭的学习曲线和繁琐的开发步骤会给他们真正要做的工作增加不必要的负担，另一方面一旦涉及到性能敏感的情景，他们对计算机体系结构缺乏理解的缺点就容易暴露，比如说很可能他们没有计算复杂度，内存碎片，cache miss，甚至多线程等概念，导致写出的程序存在相当大的隐患。

即使是计算机功底扎实，如果每天的工作需要在C++，Python，R/Matlab，甚至一众脚本语言之前来回切换，思维负担也会非常重，人的精力是有限的，很难同时兼顾数学建模和底层代码调试这种差距巨大的工作。长期发展下去最可能的结果就是要么远离建模，专心做生产环境开发，要么远离生产环境，专心建模。这种局面显然不论对个人还是团队都是有很大弊端的。

如果深入思考这个问题，相信不难得出结论，对于Quant来说，C++这种相当面向机器的语言肯定不是最佳选择。的确在历史上，它比更面向机器的C已经友好了很多，但是在计算机技术飞速发展的今天，如果还需要Quant大量使用C++做建模类的工作显然是很遗憾的事情。设想一下你拿到一份股票数据，不论你是想分析价格走势，成交量分布，还是波动性，第一件要做的事一定是画出图来看看，有一个直观认识。如果你的工具是C++，肯定有很多时间花在编译，调试，再编译的过程上，好容易能解析文件了，接下来怎么算移动平均？怎么算波动性？全都要自己写代码。再然后怎么画图？这整个工作流简直惨不忍睹，这些问题浪费掉你大部分精力，而他们全部和你真正感兴趣的工作毫无关系。所以如果你是一个数理金融等背景的新人打算开始Quant生涯，在决定是否要投资到这项重量级技术上时需要慎重，即便它目前的市场定价可能仍在峰值。相比之下我认为Python会是更理想的选择，即能很好的完成建模工作，也可以训练一定的编程技巧，使你在必要时也能胜任一些简单的C++工作。

最后同意 @袁浩瀚，不要拘泥于语言，不论学习那一种，对其他的语言还是要抱有开放的心态。另外世界变化很快，你会发现单一的语言分类方式其实是没有意义的，每一门语言在发展过程中都会逐渐吸收其他语言的特性，比如Python本身就既有C/C++/Java那样命令式的特点，也有函数式的特点，像pandas甚至还提供类似SQL的使用方式，在其他语言或系统里也都或多或少包含了不同的特点，可以在学习过程里慢慢体会。

3. Python 与 Matlab 哪一个对量化投资和分析更有帮助

python和matlab的共同点都是各种库十分丰富。 python是给懒人用的。 matlab是给数学好的人用的。。。 比起python，matlab的大小简直不能忍。 python是免费的，我用上了Windows正版，Adobe Flash和DW的正版，但是仍然买不起matlab的正

4. 学习量化选择Python还是R比较好

还是Python好点，除了数据分析还能做爬虫，Web开发等等，很多啊。

5. 我为什么选择Python而不是Matlab和R语言

其实，这三种语言都很多数据分析师在用，但更推荐python，主要是有以下几点：
1、python易学、易读、易维护，处理速度也比R语言要快，无需把数据库切割；
2、python势头猛，众多大公司需要，市场前景广阔；而MATLAB语言比较局限，专注于工程和科学计算方面，而且MATLAB价格贵，免费版或盗版都只能玩玩学习用；
3、python具有丰富的扩展库，这个是其他两个不能比的；

6. SAS，SPSS，Matlab，Mathematic，R，Python各用于什么行业和职位

SAS，SPSS，R 一般都是作为统计和建模软件 ，其中SAS，SPSS在金融电信等传统行业用的很多，R用的比较小众，但是已成为新宠，偏互联网行业。
Matlab 是商业数值计算软件，仿真工具，一般用于工业领域，Mathematic是纯数学软件专用。python主流的编程语言，用途主要是在web 开发，自动化测试，爬虫，数据科学等领域。具体的求职你看下招聘网站看下就知道了

7. 量化投资r语言和python的区别

r语言和Python都可以做量化投资分析，在此功能上没有太大的区别。
让语言和Python主要区别是，他们是不同的两个软件，就好比excel和wps的区别。

8. 针对绘图方面的需求，matlab，python和R哪个更加强大

每个R包设计理念差太多了，万一遇到ggplot2不容易搞定的图（比如双y轴），再用其他的包，学起来很花时间
另外，R的图导出打印或直接在电脑上看总感觉怪怪的，默认色彩和曲线平滑度上比其他两个差

matlab
和python的matplotlib基础作图都比较简单，语法也很像，出来的图效果就很好，但是在基础图上的修改，不如ggplot2成体系、知道怎么
去找，而且matplotlib的图形再修改感觉比matlab好一点。貌似ggplot2也要有python版了

其他复杂图、奇怪图，这方面R和Python大量的包就有优势了，matlab毕竟不是免费开源，作图的包就mathworks提供，相对来说差一点