Python在金融领域的主要应用是什么？有哪些分类以及什么类型的金融公司会来应用？

回复内容：

python是一种动态编程语言，语法很简洁，某种程度上类似于matlab和SAS，结合python的几种强大的科学计算类库：NumPy（主要是数学基础方面的）、SciPy（数值计算上很强大，包含NumPy）、SymPy（符号运算库）、matplotlib（绘图库）、Traits（程序界面库）等，可以近似地替代matlab、C++和SAS三者。原因在于：

第一，python首先是一种完整的动态编程语言，虽然执行效率比不上C++，但是开发效率远远高于C++，学习成本较小，对于金融工程这种专业来讲比C++更加合适，毕竟我们自己做模型的时候更在乎的是如何快速实现模型，而不是模型运行快几秒钟，当然对于金融方面的大规模产品，还是用C++更加合适，这就是程序员的事情了，我们一般不会去编写几万行代码的程序。从这个方面来讲，python可以代替C++。

第二，python利用NumPy、SciPy、SymPy、matplotlib等类库，可以完成matlab 90%以上的功能，欠缺的只是极特殊的函数。而且这些都是免费的，中国现在虽然盗版很严重，但是明显正在向正版化的方向发展，以后谁保证能得到免费的matlab？这些类库也在一直发展中，超过matlab只是时间问题。不仅如此，python利用它的界面库做程序界面是非常方便的，用的VB的都还记得可视化编程的爽快，python也可以实现，而且可以实现的更好，这是matlab远远不足的地方。利用这个功能，我们可以用python做好程序后发布给其他人使用，就像使用word这种程序一样，这种方便程度是目前matlab远远不及的。再比如我们要抓取网上的一些数据，利用matlab就比较麻烦，而利用python就极为简单。python可以大大加快我们研究的自动化程度和简单程度，需要的只是好好学习一段时间python而已。

第三，python代替SAS。这个方面其实python没有明显的优势，在统计功能上比不过SAS，但是利用python的好处在于：我们不需要再次学习SAS语言，特别是对于金融工程专业来讲，没有那么多时间和必要性去学习SAS，我们又不是搞专业数据统计的。SAS的大部分功能python都可以实现，不过实现起来比SAS困难一些，对于金融工程专业的人来说，选择SAS还不如选择python+Eviews的组合，Eviews是非常简单，几乎不需要学习。python的学习比较简单，也非常值得。

选择python的最大好处在于可以节省学习的时间，而且弹性较强，可以适应未来多变的需求。剩下的时间不如去好好研究下怎么在金融工程理论与应用方面创新，就不需要浪费时间在学习工具上了。

另外如果需要写爬虫抓取金融数据的话python也是首选，推荐scrapy框架。 首先语言只是一个工具, 对于一个从业人员来说重要的是你掌握一种新的语言需要多少时间, 现在的街上如果你去Goldman你需要搞Slang(基本就是Python语法),去JPMorgan, BoA不管你是做core strategist(desk quant)还是中台后台都是用Python, 当然library quant还是在老老实实写C++ 至少在国际投行里面至少有一到两家在前中后台用python统一了生产环境的大多数系统（比如JPM的Athena)。虽说python可能速度不快，但是对于银行和证券公司业务里面，只有很少的组python的速度成为瓶颈,好处是可以很快产生代码投入使用，并且也可以较容易的与已有的系统链接，这样可以逐步升级。
当然还有些银行在一些项目里使用python 非常同意前面的回答，只是对SAS作一点补充：SAS并不是其他软件简单意义上的统计功能强大，其数据清理，数据管理能力是所以其他软件不能比拟的 这一点估计python加eviews难以匹敌。 我只能表示通过题主给的标签来看，Python并不合适。

对面目前主流HFT来说，我还真没见到过用Python的，应该仍以纯C为主。
具体原因可以参考来自THU的HFT大神 @董可人 的回答：
Python 做高频交易系统适合哪个级别的延迟？ - 董可人的回答

如果不考虑HFT的话，我还是十分赞同 @邱赛高的回答的。