主要做統計處理和預測吧。統計處理以往的資料，結合機器學習等人工智慧演算法，預測接下來的趨勢吧。就以股票來說吧，每天的交易量很多很多，歷史記錄也很多，是漲還是跌，顯然，如果讓人去分析，得花費很長時間，而且這個人必須有相當的經驗才行，而python主要做的就是這方面，用電腦替代人去做資料的計算和預測，這樣效率明顯會提高，而且分析的更全更具體，所以總得來說，在金融領域，python主要做的還是統計和預測。

金融領域中使用python語言大致分為兩個方向:

1.資料分析方向:利用python龐大的開放資源進行交易行情分析，量化分析，客戶畫像，實體關係客戶分析，機器學習等大資料，流資料分析場景。常用的開源庫如tensorflow。

2.IT運維方向:python語言在開源平臺搭建，運維工具開發等方面有著明顯的優勢，同時，python生態圈中還有ansible,Django等成熟的開源產品。這使得運維工程師可以投入更多的精力去實現運維需求，而不是反覆“造輪子”。

2018年12月，開源中國程式語言排行榜，python語言已經強勢迴歸第三位，可見python這個開源時代的寵兒煥發著無限生機。

這裡簡單介紹一下，分為3個方面，分別是爬蟲獲取資料、資料視覺化和資料分析處理，主要內容如下：

1.爬蟲獲取資料：python爬蟲的庫很多，像urllib,requests,bs4,lxml等，我們可以藉助這些爬蟲庫快速爬取我們所需要的金融資料，像股票、基金等資料。當然，你也可以利用現成的庫—tushare，一個免費、開源的python財經資料介面包，實現了股票等金融資料從採集、清洗到儲存的全過程，使用起來非常方便，下面我簡單介紹一下這個庫的安裝和使用：

安裝tushare，這個在cmd視窗輸入命令“pip install tushare”就行，如下：

安裝成功後，我們就可以進行簡單測試了，程式碼如下，獲取股票日線行情資料，這裡以新介面為例：

2.資料視覺化：python的資料視覺化庫很多，除了經常使用的matplotlib外，還有seaborn，pyecharts，ggplot等，使用起來很不錯，下面我結合上面的tushare庫和mpl_finance庫簡單繪製一下股票K線圖，步驟如下：

安裝mpl_finance庫，這個與上面的安裝類似，直接在cmd視窗輸入命令“pip install mpl_finance”就行，如下：

安裝完成後，我們就可以編寫相關程式碼來測試了，如下：

執行程式，繪製的K線圖如下：

3.資料分析處理：python的資料處理庫很多，像常見的numpy，scipy，pandas等，都可以快速計算和處理資料，提供了大量現成的函式可以直接使用，對於資料分析人員來說，使用起來非常方便，可以明顯提高開發效率，前面的tushare就是採用pandas的DataFrame來儲存資料的，當然，後期深入處理階段，你也可以結合機器學習等庫處理資料，像scikit-learn，tensorflow等：

Python在金融領域有哪些應用場景：

主要是分析學，在網路和金融這樣的領域有了很突出的地位。應用各種軟體組合起來進行資料的手機，資料管理以及資料分析，可以實現結論用作與商業決策、業務需求分析等等；在這個目錄當中我們不過多的提那些python語言實際應用中的細節，在下一個目錄裡面說。主要在這講些例子：

隱含波動率：指的是不同期限期權的隱含波動率求解作用圖，這事很多期權交易者以及風險管理者需要面對的日常。

MonteCarlo模擬：透過MonteCarlo這個模擬來得到一組隨著時間變化的股票指數，將選擇的結果作成一張圖，可以計算歐式期權的價值。這裡是透過數值期權定價以及value-at-risk奉獻管理以及信用價值調整的基礎。

技術分析：這也是在金融領域的必備技能，也就是透過之前的資料分析，完成對一個有科學資料依託的交易進行策略的回測。專業的投資者和一些業餘的投資者通常會使用這類的投資分析。

可能有些小白髮現有些不懂了，沒關係。這裡只是瞭解一下在金融領域我們依託python的話需要做什麼。不懂就提問題，首先不懂的是金融學，不知道最基礎掌握的是什麼。最後的時候會給大家推薦金融學的書籍。還有不懂的是上面說的什麼隱含波動率還有模擬以及如何資料分析。那麼下面就來先了解一下python，基本上就可以知道了。