金融数据分析用哪些分析软件Python,R还是SQL？

金融数据分析建议使用Python + SQL

首先，Python和R都适合做金融数据分析，但Python在市场欢迎度、易学程度、库生态丰富度、接口拓展性等上面都表现更好，学习性价比更高

其次，SQL和Python、R定位并不相同，它是数据库查询语言，并非编程语言，SQL是从事数据工作必备技能，金融分析也不例外。

SQL就不多讲，下面具体说说如何使用Python进行金融数据分析，以及对比其他语言明显的优势。

1、python实现金融量化的小案例

python以简单易学著称，尤其是写一些金融量化的小脚本，非常高效。

很多量化平台都支持python，比如聚宽、万得、米框等，你可以用几十行python代码便可以搭建一个简单的量化程序。

比如说均值回归策略，也就是市场价格会回归到长期均值，用这个理论去自动买卖股票。

2、使用Jupyter notebook实现金融分析可视化

一般我们在Pycharm等IDE编辑器中写代码，但在金融分析中，往往会用Jupyter notebook来分析数据，并展示成果。

Jupyter notebook是Python中一个基于浏览器的交互式代码平台，可以非常方便的记笔记、渲染Markdown、写代码、运行代码、展示代码结果、展示可视化作品。

比如说，我们可以基于matplotlib来绘制K线图，在Jupyter notebook上进行展示

用pandas读取分析数据，Jupyter notebook可以很好的呈现数据表，和excel差不多

3、Python适合写金融算法

在金融分析中，常会涉及到算法模型的编写，比如线性、非线性、隐含波动率、马尔科夫、平滑转换、欧式期权等，还有各种金融计算公式，像利率、期权、定价等。

python作为高级编程语言，拥有面向对象等特性，很好地支持算法编写，同时Python拥有numpy、scipy、statsmodels、pandas等数据分析库，极大地方便模型搭建。

比如期权隐含波动率算法

4、Python可以连接很多金融数据源

做金融分析离不开数据，像股票、债券、基金、商品、指数、外汇、期权等，现在有很多主流金融数据源都有python接口，比如tushare、wind、ifind、choice等。

因此Python和其他语言相比，接入数据的多元性更胜一筹。

5、Python有众多金融分析第三方库

由于很多金融从业者使用Python，使得python生态诞生了很多强大的金融分析库，比如量化技术分析框架Ta-lib、金融模型框架Quanlib、量化图表框架pofolio等

python在金融领域越来越全面，这也是其他语言所没有的。