從零開始學量化(二):python/matlab/r/sas/vba選哪個

上一篇總結了一些入門的知識內容，本文結合個人經驗，總結編程軟體方面的內容，對各種軟體在量化上的應用做一個對比，供參考。首先我的觀點是，沒有最好的軟體，只有最適用的領域，先明確自己想做的是什麼，再選擇最合適的軟體。這不是一篇廣告文，也不是百度複製粘貼的結果。

我個人來說，最開始是大二做數學建模開始學matlab，不過現在來看其實建模用python也挺好，不明白為什麼當時所有的人都會推薦matlab，可能已經是一種傳統了吧。之後大三上統計課學習了R，上計量課學習了stata，之後大四研究生實習又學了python，vba。整體就是這樣，接下來分軟體說說自己的體會。

MATLAB全稱matrix laboratory，特性也跟名字一樣，對矩陣的處理功能非常強大，對不能裝到矩陣裡的元素比較吃力，當然也可以是我菜。

先說優點，量化或者數據分析來說，正如前面說的，matlab對矩陣的支持非常強大，二維以及更高維的矩陣，雖然python，r裡面也有矩陣這樣的數據類型，但感覺沒有matlab的好用，比如python裡的矩陣，剛開始學經常會被矩陣裡的中括號搞的很暈，二維或者以上的矩陣，每個元素都會帶一個[]，matlab看多了用這個會有點不習慣，比如下面這些。

相比較來說，matlab的矩陣就非常簡潔了，至於支持矩陣運算和向量化的函數，這個各個軟體基本都差不多。

缺點來說，matlab對字符串的支持不是很方便，尤其是做量化很多時間都要考慮到日期，股票代碼等等文本數據，矩陣裡只能輸入數值形式的，字符串只能放到cell，struct，或者fints裡面，但這些的運算操作就沒有矩陣那麼方便了。一般都會用cell2mat，fts2mat之類的函數先轉成矩陣再處理。

此外，老版本的matlab沒有帶標籤的數據格式，類似python，r裡dataframe這種，用矩陣的話，需要自己記住每一列代表什麼含義，這種情況下自己寫還好，但看別人的代碼會非常痛苦。 新版本的裡面有table格式可以解決這個問題，但碰到的大部分用matlab的人都還是習慣用原來的那些數據類型。

還有，matlab中各種機器學習算法沒有python，r那麼全，如果是做這方面的話肯定不會選matlab。

最後，matlab不是免費的，雖然個人可以用破解的，但企業用破解的還是有風險，而且太大了，裝個python才幾百M，matlab幾G。

python應該是目前在量化/數據領域最廣泛應用的軟體了，之前實習也基本是用python，不論是數值還是文本數據，都能很好處理，而且也有各種算法模塊可以直接調用，省去了自己編寫的麻煩，語言也很簡潔。

所以如果是工作中用的話，最建議學的還是python，只要會用python裡的numpy，pandas，scipy，matplotlib，sklearn，一般的問題都能處理了。

但python也有他不適合的地方，python在量化上比較適合用在數據處理和回測上，但如果要做一些其他的就會存在一些問題，後面說sas的時候會舉一個例子。

R經常會被用來跟python做對比，我自己用下來的感覺是，量化/數據上能用python做到的，r都有類似的模塊可以做到，非常同質。之前刷kaggle也是用R刷的，各種機器學習算法也都有，沒什麼影響。

會有一些很細節的地方，可能r裡面有但是python裡面沒有，比如copula函數相關的，python裡面只有一兩個模塊，而且功能非常簡單，但r裡面有若干個模塊可以調用，而且有很詳細的說明文檔，所以如果做這塊不想自己寫的話，用r會好一些。

不過去實習下來感覺用R的非常少，學校裡老師上課寫論文倒是用R多一些，所以可能R更學院派一些。而且r跟其他語言交互一定沒有python方便，這也使得r的性價比低了不少。

SAS也是大三上統計課的時候學過，但這個我學的很粗淺了，非常不熟練，但印象非常深刻，因為實習時候碰到的一個具體問題。

SAS也是各種算法模塊都有，這一點跟上跟python，r不會差多少，但sas的代碼寫法跟其他軟體不太一樣，用多了python，r去寫那個還是感覺怪怪的。sas可以對一個命令逐行去運行，不需要自己加循環，可以少寫一點代碼。SAS有一些函數的默認跟其他軟體不太一致，比如merge函數，其他軟體一般是默認內連接，只保留匹配到的，但sas默認是外連接的。

SAS有一個非常好的特性是提取資料庫裡的數據，create table生成的數據是存在硬碟裡的，而python，r等等其他軟體提到的數據都是存在內存裡的，這樣就沒法用python和r提太多量的數據出來，而用sas甚至可以直接把全量數據提出來用，這樣的特性在一些時候會非常有優勢，比如在指數編制時候，python，r就有些廢了，成分股跟全量股票匹配再跟分紅配股股權分置等等這些做匹配的話，用python沒法一步到位，內存會爆掉，只能一期一期循環，但是用sas就很方便了，直接create table然後用sql語句匹配就可以了。

而且因為資料庫中是可以通過between語句進行時間點和時間範圍的匹配的，SAScreate table之後也可以，比如A表裡每行是具體的年月日，B表裡每行是起止時間段，這兩個表是可以根據起止時間段匹配的，但是python的pandas包以及R裡類似的包裡沒有這種操作，如果要實現點跟範圍的匹配，只能循環。這也是其他軟體不及sas的一點。總結起來SAS優點在於大數據和各種需要跟資料庫交互的操作。

SAS缺點也很明顯，非常大，十多G，很佔空間，啟動慢，而且還是收費的，破解很麻煩，所以選擇這個做量化回測的應該很少了，做風控數據還有指數編制的挺多。

VBA是比較特殊的一門語言，內嵌在OFFICE中，是VB的簡化版，不僅僅是針對EXCEL了，WORD，PPT裡都可以用，有時候也叫宏，基本是一樣的，只不過VBA是碼的，宏是錄的。

VBA最為人詬病的地方是他的編譯器實在是太垃圾了，而且還沒有其他插件可以支持，只能用官方的，長成下面這個樣子，excel/word裡按alt+F11可以打開。

看上去跟常見的編譯截面都差不多，有文件窗口、變量窗口、編譯窗口，歷史記錄也是有的，但真的去寫一兩次就知道有多坑了，debug非常不方便，報錯提示你可能根本不知道他在說什麼，不會像其他軟體那樣提示的很具體。

所以我一般能錄就錄，能不寫就不寫，錄的邏輯是，你可以在excel把你想通過代碼實現的功能操作一遍，編譯器裡會自動生成代碼，直接運行的話效果跟操作時一模一樣的，再稍微改一改就可以用了。但這種方法比較有局限性，他僅限於你的操作時能在當前的excel裡能內完成的，比如畫個圖，調個格式，做個數透什麼的，但如果你要把一個文件夾下幾千個excel併到一起執行一些操作，這就只能忍受垃圾編譯器慢慢寫了。

VBA最強大的地方在於跟OFFICE的交互，進而實現批量和自動化，這個是前面幾種語言比不了的，比如你可以用python/r做統計分析把數據輸出到excel裡，然後再用vba作圖/算各種統計量最後出一份報告或者做一份模板，整個流程最終可以實現自動化。

可以通過vba把excel的一張表視為資料庫中的表，用select語句進行操作，如果數據量很大的話，上百萬，直接操作分分鐘卡死，用vba會很快。

個人理解，excel中寫vba儘量減少激活各個sheet單元格，跳來跳去，有什麼東西可以直接往裡寫，這樣會快一些。word裡難度在於定位，excel因為是矩陣，有行列標好一些，word一種可以先把整個文檔都畫上無色的表格，然後表格內進行定位會容易一些，還有一種是控制光標的移動，設定移動單位，慢慢調。

STATA和EVIEWS是兩個功能非常類似的軟體，計量上用的比較多，我當時選擇了stata，沒有學EVIEWS，整體來說，都是計量軟體，STATA對面板數據支持比較多，EVIEWS對時間序列支持更好，STATA需要碼代碼，EVIEWS可以碼代碼，也可以用滑鼠點點點。

量化/數據上偶爾也會用到，比如做一做協整之類的檢驗，回歸等等，但必要性不是特別強，pyhon也可以完成。

如果你說SQL不算程式語言，我也贊成。

SQL是取數據必須用到的語言，所以這個必須看一看，基本上會SELECT,WITH語句就可以了。建庫，寫入等等的操作，實習生基本上是不會有的，所以除非你打算用自己的電腦建個庫，也不用太關注，用到的地方很少。

綜上，觀點很明確，如果你一定要學一門語言，個人感覺學python性價比最高，一方面基本上你所有需要的操作用python都能搞定，另一方面，python跟r很類似，python的numpy跟matlab邏輯差不多，會這一個以後需要學別的也能很快上手。

如果你一定要學兩門語言，或者說雖然不做量化/數據，但是我還是想學一門，我建議學VBA，會讓你的OFFICE非常溜。搞個下拉菜單，事件什麼的，更會讓別人對你刮目相看。

當然以上的並不全面，如果你是做高頻方面的，可能還需要學C++,如果是做數據可視化的，多半還需要Tableau。但不管怎麼樣，有空的時候還是先學一點比較好，臨時抱佛腳這種事情，絕對不適合零編程基礎的人。

最後，也想聽聽大家的看法！