本期作者：Avnish
本期编辑：1 1=6
正文
引用摩根士丹利在其网站这段话：
“从长期来看，人工智能和区块链等技术的进步将在银行业的发展中扮演重要的角色……为了保持竞争力，银行需要在后台更新技术，以便在前端提供无缝的体验，因为无论用户界面多么流畅，客户都不会容忍花哨的应用程序。”
为了推动这一“银行业的进化”，投资银行和金融机构需要计算机科学和数据科学领域的优秀研究人员和工程师，他们需要最好的技术支持。这些研究人员和工程师不仅要收集、清理和组织数据，还要基于数学模型创建应用程序，维护处数据服务器，不断调整这些模型等。
在技术与金融融合的竞赛中，谁也不能掉队，谁先到达终点，谁就能获得惊人的利润。
金融机构和投资银行在技术方面的大规模投资，使它们更多地变成了Fintech类型的公司。
根据投资百科知识（Investopedia）：
Fintech是financial technology的合成词，is used describe new tech that seeks to improve and automate the delivery and use of financial services. At its core, fintech is utilized to help companies, business owners and consumers better manage their financial operations, processes and lives by utilizing specialized software and algorithms that are used on computers and, increasingly, smartphones.
从毕马威（KPMG）在《2018年金融科技脉搏》上发布的数据显示：
2018年，全球金融科技投资达到579亿美元，而2012年仅为89亿美元，这仅仅是2018年前两个季度（截止2018年6月30日）。这表明，投资银行和金融机构正在大力投资技术，以改善其工作流程。
借助强大且高效的服务器、出色的研究能力和这些组织的工作流中的重大变化，这些巨额投资带来了巨大的计算能力。
为了支持金融技术的这些进步，我们需要一种编程语言来配合这些技术的快速进步。
Python的介绍
Beautiful is better than ugly. Explicit is better than implicit. Simple is better than complex. Complex is better than complicated.
这是Zen of Python（https://www.python.org/dev/peps/pep-0020/）的前四行，它总结了Python作为编程语言的精髓。
诸如使用缩进而不是大括号来创建代码块、动态类型（在运行时将数据类型分配给变量）、自动垃圾收集、不需要显式定义主函数等特性使得在Python中实现数学公式和测试模型变得更加容易。
Python作为一个生态系统
更容易的实现加上用于数学计算、数据收集、机器学习、数据可视化甚至基于这些模型的应用程序开发的大量库，已经将Python转变为一个完整的数据科学项目生态系统。
端到端原型
数据驱动应用程序的正常工作流分为两个阶段：
1、基于数据的数学模型的建立及其改进。
2、开发实现该模型的应用程序。
这两个阶段的需求不同，所使用的编程语言也不同。
通常对于第一阶段的语言，如R, MATLAB和Python是首选语言，因为它们提供了大量的工具来实现和测试模型。
对于阶段2，我们需要像c 、c#和Java这样的语言，它们具有应用程序开发所需的所有工具、跨平台支持和文档。
Python为这两个阶段提供了解决方案，它支持模型的测试和开发以及应用程序的开发。
Python库，如Kivy & PyQ和Flask & Django，使其成为用于完整组织的统一编程语言的强大竞争对手。
容易学习
无论是开始学习编程的金融分析师、数学家、学生还是自由开发者。Python以其伪代码和没有返回类型、主类和主函数所需的显式规范而将自己呈现为最佳选项。
Python通常被称为诗意编程语言，因为它被认为是将每行字符限制在79个内。一个语法优美的python程序将像一首诗一样出现。
许多大学已经将其作为编程入门课程来教授。
下面是一些使用Python开始您的旅程的参考资料：
文本教程：
https://pythonprogramming.net/
视频教程：
https://youtu.be/eXBD2bB9-RA?list=PLQVvvaa0QuDeAams7fkdcwOGBpGdHpXln
书籍教程：
国内真的太多太多免费的啦，不一一介绍。
