在過去的十年里，隨著自動化技術的出現，科技終成為jie出的金融機構，銀行，保險和投資公司，股票交易公司，對沖基金，券商等公司的一部分。根據2013年的Crosman 報告，與2013年相比，銀行和金融公司2014年在科技上的花費要高出4.2%。預計在2020年，一年的金融服務的技術成本將達到5億美元。正值系統需要維護和不斷升級的時候，一些著名的銀行雇傭一些開發者是很正常的事情。

那么Python用在哪里呢?

Python的語法很容易實現那些金融算法和數學計算，每個數學語句都能轉變成一行Python代碼，每行允許超過十萬的計算量。

沒有其他語言能像Python這樣適用于數學，Python精通于計算，以及數學和科學中的排列組合問題。Python的第二個特性是表示數字，序列和算法。比如SciPy庫，很適合用來做技術領域和科學領域的計算，SicPy庫被很多工程師，科學家和分析人員使用。NumPy，也是Python的一個擴展，它可以很好地處理數學函數，數組和矩陣。同時，Python也支持嚴格的編碼模式，因此，使它成為一個平衡的選擇，或者說方法。

使用更少的人達到相同的結果以及實現其他編程語言不能實現的事，是Python首要的優點。Python語法的jingque和簡潔，以及它大量寶貴的第三方工具使它成為處理金融行業的錯綜復雜的事務的可靠的選擇。

Cititec(英格蘭倫敦的職業介紹所)的技術招聘經理Stephen Grant說：跨市場風險管理和交易系統都在使用Python(有時會混合使用c++)，很多銀行從建立銀行的前端到資產風險系統都會選擇使用Python。使用Python的金融公司包括荷蘭銀行，德國證券交易所集團，Bellco信用社，摩根大通以及阿爾蒂斯投資管理。

Python課程

Business Analyst

1.投行的金融或者技術部門

比如 Goldman Sachs、Barclays、JP Morgan等：

投行的數據分析師通常會處理金融交易數據，包括外匯、股票、大宗貿易數據，你需要和貿易方、銷售、風控師、運營和銀行打交道。

它的好處是很容易轉到利潤導向的前臺部門，身邊的同事通常也很聰明。它的缺點是壓力很大，你需要長時間的工作。比如很多投行的數據分析師需要很頻繁的開國際會議以順應時差。

2.保險公司的數據科學部

比如AIG、METLIFE、CIGNA等：

通常這個崗位的工作是利用機械學習的技術以及統計模型簡歷估值模型。

它的好處是，保險公司普遍福利好，工作和生活能夠比較好的平衡，不太需要過強的軟實力。而弊病就是工作可能比較封閉，需要長時間的坐辦公室。

3.四大的咨詢部

四大的咨詢是需要和客戶溝通的，你需要去用數據來幫他們解決具體的問題。

如果你在四大工作的話，你會得到很好的項目管理鍛煉，顯著提升你的多任務推動能力以及快速累積不同行業的相關知識。比如一年里三個月學到健康行業，另外三個月學科技行業等。薪水一般也在行業平均水準以上。但是它的項目和客戶是不定期的，所以時間將會的緊湊。

4.基金公司的金融數據分析崗

通常需要做很多的量化工作：

數據分析在它們中的工作包括會計、客戶管理、風控、業務方面的數據，它取決于你的具體業務，同時還包括數據研究，以及提供解決方案等。

在這里從事數據分析的好處是，他有更加靈活的時間，同時一般情況下都是大牛，福利也特別棒。但是，如果你想進去的話，你必須要有足夠的投資管理知識和過硬的技術。

5.技術公司的數據分析崗位

比如Google的數據分析和金融公司相比，就會更加注重于用戶的行為數據分析，包括聚類、分類分析，去解析用戶的行為習慣。

它的好處是工作會很靈活，公司時刻都能接觸到的技術，不過會希望你有很好的技術，靈活運用各類數據庫。

金融+Python，怎能少了它?