希望學習一門編程用於計量或trading，SAS、Matlab、C++、Python、R哪一門比較好？

01-22

我是美本的留學生，已經拿幾家到master項目的offer，正在選擇，但各家教的內容區別還是很大。
我畢業以後計劃留美做資管，比較傾向二級市場方向，本科是金融系，數學、統計OK，但沒有編程基礎，也因此吃過一些公司和學校的拒信，所以希望在master階段彌補下。
問題中列的語言分別被幾個我喜歡的項目的授課內容覆蓋，希望有經驗的前輩分析一下，我比較關心應用的領域和範圍。

謝謝

不邀自來。

非常有趣，題主列的5個語言，後面4個我都學了。學習的先後路徑為：Python -&> C++ -&> R -&> Matlab. 掌握的熟練程度為：Python &> C++ &>&> Matlab &> R.

題主的目標是大行資管，那麼個人認為這些語言的重要性為：C++ &> Matlab &> Python &> R. 理由如下。

首先一個 C++，無他，絕大多數tech interview 對編程部分的考察都以C++ 為主。著名的面經書如 Baruch 的 Dan Stefanica 寫的150 questions, 就有專門的C++ 部分，包括對語法概念和簡單的數據結構的考察。國內的情況不是很清楚，但美帝還是很興C++ 的。再一個，從C++ 遷移到別的語言比較方便，但反之並不成立。所以第一個結論，C++ 一定得學。順帶一提，學C++ 的另一大好處是絕大部分的數據結構演算法書都有C++ 實現版本，如果你想學數據結構的話…

Matlab 我其實接觸也沒多久，主要用來做machine learning 。簡單說說我的看法，Matlab 最為精髓的部分就是vectorization. 對於其他的科學計算，其他語言，包括Python，都可以做的很不錯。但獨獨是vectorization ，目前來看Matlab 還是無人能及的。可能有人會說Python 也支持vectorization, 用Numpy 的 matrix 類就行。Python 我也用，但就易用性、完備性等各方面而言，距離Matlab 還是有差距。接觸Matlab 越久，就越發意識到線性代數為什麼是區分是否接受過高等教育的標準。當你意識到循環是效率最大的敵人，並想要把一切都vectorization 時，恭喜你，Matlab 入門了。

我接觸時間最長，用的最多的是Python. Python 有多好就不贅述了，搜一搜知乎上的回答就能看出它的流行。膠水語言的頭銜不是隨便給的，Python 能做的事情太多了。在我看來，Python 的核心競爭力是它背後龐大而活躍的開發者社群。舉個例子，不誇張地說，所有用Python 做數據分析的人一定會用到的一個庫就是Pandas. 這個庫的開發者Wes McKinney 曾經是AQR Capital Management 的 Quantitative Analyst. 這個庫里最重要的數據結構就是DataFrame, 效仿自 R 當中的 data.frame 。如果題主決定學習Python，將來一定會碰到這些內容。可貴的是，這些開發者不斷為Python 貢獻著新的代碼，優化著原先的代碼。換句話說，可供你使用的工具是隨著時代進步而不斷更新進化的，並且進化的方向是滿足更多人更多的需求，你說贊不贊？在實際的工作當中，有相當一部分時間是花在數據清洗和規範化上的，當然你說Excel 能不能做這些工作？也能，但效率是絕對趕不上編程的。跑題一下，Excel 也是一定會用到的，並且一定要學VBA，看看知乎上的數據男神 @何明科就明白了。另外，Python 提供了許多與Excel, Matlab 交互的庫和方法，別人扔給你一份xlsx 文件，你一樣可以用Python 處理當中的數據，膠水語言不是白叫的。值得指出的是，Python 作為一門user-friendly 的語言，當真是入門容易精通難。何況用Python，你能做的還有更多。因此，如果題主學有餘力，真心推薦Python！

對於R 我的了解非常淺薄，基本就是知道語法概念，熟悉幾個常見的函數而已。R 和Python 相似的一點是背後都有海量的開發者，不同之處在於（曾經多次在不同場合看見）R 是寫給統計學家用的，與其說是編程語言，倒不如說R 是用來給統計學家實現自己的想法的工具。唯一深入一點的了解，R 當中的TSA 庫，也就是專門用來做時間序列的庫，非常之好用。教科書我是買了，就是還沒開始看（慚愧…）。鑒於時間序列估計也是題主的必修課程，如果老師用的R，那就學。

SAS 我沒學過，但我ex 學過…所以對它沒有太大好感…

啰啰嗦嗦打了一大堆，有一點放在最後和題主分享。無論你最後選擇哪一門語言，都務必多寫多用。代碼總是碼的越多越熟練的。語言那麼多，普通人真正能熟練掌握的也就一兩門，沒有必要太過糾結。代碼寫的越多，越能體會到代碼背後的那些數學、金融知識的重要性。

與題主共勉。

做計量的話，R語言做分析就夠用了，目前很多量化平台都使用python，這兩者python的使用面更廣泛；

比較容易入門的搭配就是R做數據分析，然後python做量化編程

比較專業的搭配就是Matlab做建模，C++做量化編程

如果Matlab和C++掌握，以後工作R和python學起來很容易

感謝特邀。

我也不是很懂，只能說共同探討。

如果有什麼發現也請告訴我一下，我也想了解了解呢。

首先，在我的有印象中，C++、Python、R三門是語言，而SAS、Matlab是工具。

C++比較於Python、R是更偏向於程序設計大類的計算機語言，雖然都是面向對象，但是私以為入門來說，或者不是計算機從業人員來說。C++入手難度大於Python。

R是偏向於量化用的語言，如果你想從事資管之類的工作，私以為工作環境中R的應用會多一些。R用來做計量，應該也是不錯的。

python就是一個萬能變形的了，從哪都能看到它，而且易於入手，對於偏向於其他行業，想利用計算機語言編寫程序應用在自己行業是，私以為python是比較好的選擇。入門不是很難，去做計量相關工作也不是不可以。

SAS私以為是一個升級版spss，自己內建的庫很多了，基本的工作都能用。私以為就是一個巨大功能的計算器，不過用好了數據分析相關的東西基本都能解決。可以接觸下，工具總應該是入門更簡單一些的。可能吧。

Matlab我主要用於建模，回測。計量相關工作，似乎不大對口？？？

才疏學淺，僅供參考，多百度效果更佳，歡迎各位大神拍磚

瀉藥：

SAS可能大行比較喜歡用，其他的不多了，黑喵還沒開始學，有興趣可以學一下『

Matlab，R，python這些放一起講，都是為了實現某個演算法，計算某個數值的，最好全掌握了。

c++必須學，不學么人權。

最後題主可能有疑慮，這麼多時間怎麼夠。把用來靠FRM，CFA之類證書的時間，全部用來學習編程語言是絕對不會吃虧的，別看著別人傻考證就跟著考證