Python程序員在銀行和對沖基金中的需求旺盛。幸運的是，這種語言很容易學(xué)習(xí) – 它經(jīng)常被英國小學(xué)用來當(dāng)做教授編程的基礎(chǔ)知識。但是，在您第一次遇到Python之前，您應(yīng)該了解一些事項 – 特別是如果您想在財務(wù)環(huán)境中使用它。

Python是一門在金融行業(yè)擁有巨大聲望的編程語言。最大的投資銀行和對沖基金正在使用它來構(gòu)建包括核心交易項目及風(fēng)險管理系統(tǒng)在內(nèi)的廣泛的金融應(yīng)用。 （推薦學(xué)習(xí)：Python視頻教程）

功能不編寫在內(nèi)，但是有庫

您還需要知道核心Python庫非常輕量級。如果你想做任何有趣的事情，你需要導(dǎo)入預(yù)先打包的庫。這些庫包含執(zhí)行大多數(shù)數(shù)學(xué)運算，導(dǎo)入和處理數(shù)據(jù)以及執(zhí)行常見系統(tǒng)任務(wù)的函數(shù)。

然而，當(dāng)您開始下載眾多免費提供的第三方庫時，Python的真正威力就來了。對于金融財務(wù)工作，您需要numpy（處理大型數(shù)組上的操作），scipy（高級統(tǒng)計和數(shù)學(xué)函數(shù)）和matplotlib（數(shù)據(jù)可視化）。對機(jī)器學(xué)習(xí)感興趣的數(shù)據(jù)科學(xué)家可能希望研究tensorflow。Pandas是數(shù)據(jù)操縱的必需品 – 它最初是在巨型對沖基金AQR資本管理層開發(fā)的。

用戶可能希望在整潔的預(yù)打包環(huán)境中查看Anaconda發(fā)行版，其中包括所有上述軟件包等。

Python很慢。但是很容易將它與C混合

習(xí)慣于C或C ++閃電般速度的程序員，或Julia或Java相對較快的程序員，會發(fā)現(xiàn)Python有些遲鈍（盡管它仍然比R和Matlab快一點，這兩種都是量化金融中的流行語言）。

程序員喜歡吹噓他們的代碼有多快和多快，但大多數(shù)代碼都不必快速運行。但是，對于在大型數(shù)據(jù)集或延遲敏感的交易算法上重復(fù)運行的函數(shù)，Python肯定會太慢。

幸運的是，編寫快速的C或C ++函數(shù)非常容易，然后將它們嵌入到Python模塊中。了解如何做到這一點。

Python喜歡大數(shù)據(jù)

尋求在當(dāng)今市場中占據(jù)優(yōu)勢的金融公司正在關(guān)注新的數(shù)據(jù)來源。這些替代數(shù)據(jù)源有一個共同點 – 它們很大。使用Twitter提要數(shù)據(jù)預(yù)測市場情緒是一個很酷的想法，但每天有大約5億條新推文。這需要存儲，處理和分析的大量數(shù)據(jù)。

幸運的是，Python可以很好地融入大數(shù)據(jù)生態(tài)系統(tǒng)，可以使用與Spark和Hadoop交互的軟件包。Python還為MongoDB等NoSQL數(shù)據(jù)庫提供API，并為所有主要的云存儲提供商提供API。

不要害怕GIL

GI是臭名昭著的Python的致命弱點。解釋器在任何時候都只能執(zhí)行一個線程，從而產(chǎn)生一個瓶頸，減慢執(zhí)行速度并且不利用現(xiàn)代多核CPU。然而，GIL在實踐中很少引起問題。大多數(shù)真實世界的程序花費