昨天，在朋友圈转发了一篇文章。同时摘取了文章最后一句话做了标注：“在未来，很可能一群把Python语言玩弄在鼓掌之间的人，将成为金融界的新星。”很快，便引来了码农界和金融界朋友们的纷纷点赞，同时，欢呼声、怀疑声与质疑声在朋友圈里喧嚣尘上。
先来看看大家对昨天转发过来的那句话的反应。
截取部分评论和带有主观意见的转发：
我个人对这个观点其实持低调温和赞成的态度:-)。所以，趁今晚有点时间在睡觉之前，给大家讲讲为啥Python在金融量化方面具有的一些先天的优势。
我是一个有10年Java和其它语言开发经验的程序员，最近两三年才开始用Python。其实也是因为金融，尤其是金融数据才用上了Python，虽然对Java很有感情，但是一用Python就再也不想换回去。（特定应用场景除外）
这里不想引起哪个语言好的讨论，只想说说Python在金融领域应用的现状，大家自己拿捏判断。要不然又要出现类似“PHP是世界上最好的语言”的撕逼大战了。哈！
Python在量化领域的现状
就跟javascript在web领域无可撼动的地位一样，Python也已经在金融量化投资领域占据了重要位置，从各个业务链条都能找到相应的框架实现。
我们拿上一篇文章的图再来看看，在量化投资（证券和比特币）开源项目里，全球star数排名前10位里面，有7个是Python实现的。从数据获取到策略回测再到交易，覆盖了整个业务链。
而全球注册用户数最多的商业量化平台Uqer优矿，也同样是基于Python实现和提供服务的。国内后来的其他量化平台，例如ricequant和joinquant，也主推Python环境。可见Python在量化平台应用的绝对占有程度。
为什么是Python？
Python是一门比较全面与平衡的语言，既能满足包括web在内的系统应用的开发，又能满足数据统计分析等数学领域的计算需求，同时也能作为胶水语言跟其它开发语言互通融合。
在数据分析方面，没有其他语言能像Python这样既能精于计算又能保持性能，对于时间序列数据的处理展现了简单便捷的优势。而如此适用的特点，主要得益于有如下框架和工具的支持：
Numpy：底层基于C实现的科学计算包
- 具有强大的N维数组对象Array
- 具有数据广播功能的函数库
- 具有完整的线性代数和随机数生成函数
SciPy：开源算法和数学工具包
- 最优化线性代数、积分、插值、特殊函数
- 快速傅里叶变换
- 信号处理和图像处理
- 常微分方程求解
- 其他科学与工程中常用的计算
其功能与Matlab和Scilab等类似
Pandas：起源于AQR的数据处理包，具有金融数据分析基因
- 基于Series、DataFrame和Pannel多维表结构数据
- 数据自动对齐功能
- 数据清洗和计算功能
- 时间序列数据快速处理功能
Matplotlib：基于Python的数据绘图包，能够绘制出各类丰富的图形和报表
另外，Python在机器学习领域的应用也越来越多，其中的开源的项目包括了scikit-learn、Theano、Orange等。
Python的特点
1、简单易学Python是一门简单而又简约的语言。阅读好的Python程序感觉就像阅读英语。Python非常容易上手，学习曲线比较平缓。
2、高级语言垃圾自动处理且面向对象的高级语言。Python 具备所有脚本语言的简单和易用性，并且具有在编译语言中才能找到的高级软件工程工具。
3、扩展移植可与其他语言无缝对接并能实现跨平台
4、开源项目只要能想到的，几乎都有现成的包能找到
Python金融书籍
目前市面上已经出现了不少针对金融领域数据分析和量化的书籍，有了这些书籍，实现金融数据处理完成量化投资分析便容易多了。
金融领域主要的Python书籍：《Python for Data Analysis》
《Python for Finance》《Mastering Python for Finance》《Maching Learning in Action》
为什么是Python？
