問：現在上有關numeric analysis的課時，都用Python，實際工作時候呢？
答：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：作爲動態語言的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。
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導致數據分析錯誤、交易策略程序崩潰，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++，老闆不會認爲你勤奮，老闆會認爲你是某種動物，再往遠想想，比如年底咱倆的紅包厚度。
3、Python的性能不差，Python還是調用C庫，再考慮PVM，其實和C的性能差別基本上可以忽略不計。確實在乎相差的微小性能，建議花2萬塊買個最新的MAC PRO，直接秒殺。你說什麼？單位不給撥預算？爲了快 感，自費行不行？。
4、語言不是主要性能瓶頸，網絡、設備等造成的影響更大，比如C++程序快了2us，而網絡延遲就耗去了1ms。
最後給大家分享一套相關類的課程，個人覺得幫助還是蠻大的
大數據項目實戰之Python金融應用編程(數據分析、定價與量化投資)
分享下載地址給大家——https://pan.baidu.com/s/1dFzXGUP 密碼: jbz8
本教程介紹使用Python進行數據分析和金融應用開發的基礎知識。課程從介紹簡單的金融應用開始，帶領學員回顧Python的基礎知識，並逐步學習如何將Python應用到金融分析編程中。課程覆蓋了Python的基本數據結構、輸入輸出、效率分析、數學庫、隨機分析庫、統計分析庫等。接着課程以專題的形式介紹了Python與Excel的結合，學習如何使用Python的相關庫生成Excel可調用的函數；Python與Hadoop和MongoDB結合進行大數據分析的基礎知識。最後課程介紹了Python的面向對象編程並介紹了兩個案例：使用Python實現金融衍生品分析庫以及使用Python實現事件驅動的量化投資系統，使學員在實戰的環境下理解Python在金融應用開發中的具體應用方式，訓練學員獨立開發Python模塊的能力。
課程大綱
第一講、Python與金融應用概述
本講主要介紹Python的基本特性，安裝本課程所需要的Python環境，概述Python在金融數據分析中應用領域。本講將使用一個簡單的趨勢投資的例子，講解爲什麼使用Python進行金融數據分析和量化投資是非常方便的。
第二講、Python的基本數據類型與數據結構
本講介紹Python的基本數據類型與數據結構，包括基礎Python和NumPy庫提供的數據結構。
1、基本數據類型（整型、浮點型、字符型）
2、基本數據結構（元組、控制結構、函數編程、列表、字典、集合）
3、NumPy數據結構（使用Python列表實現的數組、常規NumPy數組、結構數組、內存分配）
第三講、Python數據可視化
本講介紹Python的matplotlib庫提供的數據可視化技術，雖然Python還有很多其他的數據可視化方式，但是matplotlib提供了一種基準實現方式。
1、二維繪圖（一維數據集、二維數據集，其他繪圖模式，金融繪圖）
2、3D繪圖
第四講、金融時間序列分析
在金融分析中常見的一種數據類型是金融時間序列數據，本章主要介紹Python的Pandas庫對金融時間序列類型數據結構的實現——DataFrame和Series，以及如何運用這些工具進行基本的金融時間序列分析
1、Pandas基礎（DataFrame類，基本分析技術，Series類，GroupBy操作）
2、金融數據
3、數據迴歸分析
4、高頻金融數據
第五講、輸入輸出操作
本講介紹Python提供的基本輸入輸出操作，以及如何在金融數據分析與投資中有效的進行使用。
1、Python的基本I/O操作（將對象寫入硬盤，讀寫文本文件、SQL數據庫、讀寫NumPy數組）
2、使用Pandas的i/O操作（基本操作，SQL數據庫，CSV文件、EXCEL文件）
3、使用PyTables進行快速I/O (使用Table，使用壓縮的Table，數組操作，內存外運算)
第六講、提升Python效率
本講介紹Python中提供的提升計算效率的一些工具以及它們在金融數據分析與投資中的基本應用。
1、Python運行效率分析
內存分配與運行效率
2、並行計算（Monte Carlo算法、串行計算、並行計算）
3、動態編譯（介紹例子、二叉樹期權定價）
4、使用Cython靜態編譯
5、基於GPU生成隨機數
第七講、數學工具
本講介紹Python提供的用於金融數據分析的數學方法與工具及其背景知識與應用方式。
1、近似（迴歸、插值）
2、凸優化（全局最優化、局部最優化、約束最優化）
3、積分（數值積分、模擬積分）
4、符號計算（基礎、方程、積分、微分）
第八講、隨機分析
對不確定性的刻畫與研究是金融研究與分析的重要方面，本講介紹隨機分析的一些知識，在金融數據分析與投資中的應用與Python實現。
1、隨機數
2、模擬（隨機變量、隨機過程）
3、方差縮小技術
4、估值（歐式期權、美式期權）
5、風險測度指標（在險價值、信用風險）
第九講、統計分析
統計分析是金融數據分析的核心，本講介紹常用的統計分析方法、金融應用及其Python實現。
1、正態性檢驗
2、資產組合優化
3、主成分分析應用
4、貝葉斯迴歸分析
第十講、數值分析技術
對於一些非線性、沒有顯式解的金融和數據分析問題，需要使用數值分析的技術，本講介紹這些技術的基礎及應用，以及Python的實現。
1、求解線性方程（LU分解、Cholesky分解、QR分解、Jacobi方法、Gauss-Seidel方法）
2、金融中的非線性模型（隱含波動率、Markov regime-switching模型、門限自迴歸模型、平穩轉換模型）
3、求根方法
第十一講、使用Python操作Excel
微軟的Excel是常用的辦公軟件，是數據分析和應用的重要支撐。Python提供了豐富的與Excel交互的接口，本講介紹這些接口並舉例。
1、基本的電子表格交互
2、Python中的Excel腳本
第十二講、Python面向對象編程與圖形用戶界面
本講介紹Python面向對象編程技術，這是後續章節，特別是量化投資一章的基礎，除此之外，本講還介紹了Python圖形用戶界面編程的基本方法。
1、面向對象
2、圖形用戶界面
第十三講、金融中的大數據技術概述
本講介紹大數據技術在金融中的應用以及使用Python的基本實現。
1、Hadoop概述
2、使用Hadoop實現字符統計
3、Hadoop金融應用舉例
4、NoSQL介紹
第十四講、案例1：使用Python構建期權分析系統
本案例使用之前各講介紹的Python金融應用相關知識，構建相對完整的期權分析系統，幫助學員掌握金融系統開發的要點以及Python整合應用的方式，與之前介紹相比，在案例分析中更多的使用面向對象方法。
1、估值框架（資本資產定價原理，風險中性定價，市場環境等介紹）
2、金融模型的模擬（隨機數生成模塊，泛型模擬類，幾何布朗運動，帶跳躍的擴散過程模擬模塊，平方根擴散過程模擬模塊）
3、衍生品估值模塊（泛型估值類、歐式執行類、美式執行類）
4、衍生品分析庫應用——波動率期權定價
第十五講、案例2：使用Python構建簡單的算法交易系統
算法與程序化交易是大數據時代計算機技術在金融領域應用的最重要方面之一。本講介紹這方面的Python實現，包括基本交易、交易策略與回測等。
1、算法交易概述與框架
2、實現事件驅動交易引擎（事件驅動軟件，事件類，數據處理類，策略類，投資組合類，執行處理類和回測類的基本編制，事件驅動執行）
3、交易策略實現（移動平均跨越策略，S&P500預測交易策略，均值迴歸股票配對交易策略）
4、策略優化（參數優化，模型選擇，優化策略）