數(shù)據(jù)分析領(lǐng)域的編程語(yǔ)言之爭(zhēng)，誰(shuí)才是王者？

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

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(yǔ)言適應(yīng)的場(chǎng)景都不太一樣，否則也沒有必要存在那么多種語(yǔ)言了。比如，使用Matlab搭建一個(gè)交易系統(tǒng)，那么其速度一定會(huì)慢得讓人無(wú)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(huì)非常低。

至于Python，其優(yōu)勢(shì)在于作為一種膠水語(yǔ)言，其適用面非常廣。換句話說(shuō)，Python是可以同時(shí)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(jī)器學(xué)習(xí)的復(fù)雜模型，也可以搭建支撐億級(jí)別訪問(wèn)量的網(wǎng)站系統(tǒng)，又或者搭建微秒級(jí)的程序化交易系統(tǒng)。

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

下面將對(duì)上面提到的部分常見的語(yǔ)言做一個(gè)簡(jiǎn)單的介紹。

Matlab作為商業(yè)軟件，功能很全很強(qiáng)大，可靠性也很好。最早一批做科學(xué)計(jì)算和數(shù)據(jù)分析的，很多都是使用的Matlab。量化投資在國(guó)內(nèi)剛出現(xiàn)的時(shí)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(fèi)用的問(wèn)題，那么Matlab確實(shí)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(shí)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(guò)，Matlab與Python相比，除了費(fèi)用問(wèn)題之外，還存在很多缺陷，而且是無(wú)法彌補(bǔ)的缺陷。特別是涉及系統(tǒng)級(jí)別的開發(fā)時(shí)，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(kù)，而且速度非常慢，因此其很難在工業(yè)界得到廣泛應(yīng)用。

R很多常用的統(tǒng)計(jì)功能都經(jīng)過(guò)了大量實(shí)踐的檢驗(yàn)，是非常完善和成熟的，比如，時(shí)間序列分析、經(jīng)典統(tǒng)計(jì)模型、貝葉斯統(tǒng)計(jì)、機(jī)器學(xué)習(xí)等。R也有一些量化相關(guān)的庫(kù)，比如quantmod。

當(dāng)然，R也有它的缺點(diǎn)，比如，對(duì)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(jì)界人士完成的，所以偏底層的數(shù)據(jù)管理并不是R的強(qiáng)項(xiàng)。

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

因?yàn)樗俣瓤欤珻++在高頻交易領(lǐng)域也是獨(dú)占一席。然而，在進(jìn)行日常的數(shù)據(jù)分析和研究中使用C++其實(shí)是非常不方便的。因?yàn)镃++語(yǔ)言偏底層，對(duì)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(lái)也比較麻煩。

所以除非是在對(duì)性能有極高要求的地方，一般不推薦使用C++進(jìn)行開發(fā)。

與Matlab、R一樣，Python也是腳本語(yǔ)言，寫好了就可以直接運(yùn)行，省去了編譯鏈接的麻煩，對(duì)于需要快速開發(fā)和進(jìn)行驗(yàn)證的程序，可以省去很多編碼和調(diào)試的時(shí)間。

Python也是面向?qū)ο蟮恼Z(yǔ)言，但它的面向?qū)ο蟛幌馛++那樣強(qiáng)調(diào)概念，而是更注重實(shí)用。它能使用最簡(jiǎn)單的方法讓編程者享受到面向?qū)ο髱?lái)的好處。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(yǔ)言，但它的速度并不是很慢，特別是在一些庫(kù)經(jīng)過(guò)優(yōu)化之后（直接基于C語(yǔ)言編寫接口），速度比純C語(yǔ)言慢不了多少。在這方面，它遠(yuǎn)勝于R和Matlab。

Python是一種功能豐富的語(yǔ)言，它擁有一個(gè)強(qiáng)大的基本類庫(kù)和數(shù)量眾多的第三方擴(kuò)展生態(tài)。

Python幾乎在各個(gè)領(lǐng)域都有對(duì)應(yīng)的開源項(xiàng)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(kù)接口，我們可以將數(shù)據(jù)的存儲(chǔ)、讀取工作標(biāo)準(zhǔn)化；使用PyAlgoTrader，我們可以構(gòu)建策略回測(cè)系統(tǒng)和自動(dòng)交易系統(tǒng)。

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

雖然Python在機(jī)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(jì)模型、時(shí)間序列分析等，Python就不如Matlab和R。

簡(jiǎn)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(rèn)的是，對(duì)于某些環(huán)節(jié)，有些語(yǔ)言相對(duì)于Python也有其優(yōu)勢(shì)，比如R的統(tǒng)計(jì)庫(kù)、Matlab的科學(xué)計(jì)算、SAS的可靠性、C++構(gòu)建高速交易系統(tǒng)等。不過(guò)這些優(yōu)勢(shì)只是95分和90分的區(qū)別，除了少數(shù)極端業(yè)務(wù)場(chǎng)景之外，絕大部分工作Python其實(shí)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(tuán)隊(duì)節(jié)省大量的時(shí)間。畢竟在不同的語(yǔ)言之間不斷切換，也是一件很耗費(fèi)精力的事情。

除了上面介紹的語(yǔ)言之外，其實(shí)還有很多其他的語(yǔ)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(yǔ)言也都有其相應(yīng)的優(yōu)勢(shì)和特點(diǎn)。不過(guò)相對(duì)于上面介紹的語(yǔ)言來(lái)說(shuō)，這些語(yǔ)言在國(guó)內(nèi)的使用群體仍然是偏小眾的。對(duì)于初學(xué)者來(lái)說(shuō)，建議還是選擇Python語(yǔ)言。