說一說我的背景，大學里c入門，轉入R。在學校里弄了一陣生統與經濟?，F在搞云端理財的網站，后端是用R實現的，搞量化風險管理和資產組合的，其中要用到很多運算。R已用了有些年頭，見過一些寫金融包的男神女神，時常會通信見面（@任坤，github看過了，拜拜你哈哈），去過芝加哥的 Rfinance大會，看看R在金融保險的前沿是什么樣的。網站已經進入了第二開發周期。對R有了另一種感悟。

對于量化金融分析師，R是拿來用的。對于金融軟件開發者，R是用來拆的。。。請聽我慢慢道來。。。

對于金融人士來講，R也許能被我片面地概括幾個領域：時間序列，模擬預測，最優化，制圖（其實最終還是要歸總到貝葉斯，最優化，和simulation的問題）。這些R的工具涵蓋的金融方面有：資產組合，量化風險，資產定價，交易模擬，制圖報告等。幾乎可以滿足所有機構投資人與個體投資人的需求。“聽起來好誘人哦，好像萬金油一樣，R好強大哦~“大家心里可能會這么想。不過實話說，這并不是R的功勞，這是給R寫包的人的功勞。在cran上的包，是有多少人不（xian）辭（de）辛（dan）勞（teng），大（ai）公（mu）無（xu）私（rong）堆上去的啊。

如果作為一個量化分析師，學R的意義在于，你可以對你的分析更可控。可是你千萬想好這幾點再去深學： 1. 你同事愿意讀代碼還是愿意讀excel？如果其他人都用vba，會顯得你格格不入，甚至降低團隊效率。2. 你真的需要那么多可控性嗎？真的有必要用單反相機照午餐放到微博去嗎？如果真的需要（代表你不是因為刻意用R才用R），用尼康（比喻成R）與用佳能（比喻成matlab）真的那么重要嗎？ 絕不是打消各位學R的積極性，或者居高臨下給大家喝雞湯。這些是親身感悟。很多時候為了自己裝高貴冷艷，總會學一些冷門的手藝，這樣用不熟的技術閉門造車，其實很耽誤事。畢竟分析師的最終結果是分析，最注重的是分析效率。具體怎么得到結果的，你只會看圖表的老板才不管呢。~_~ 。。。如果以上答案都是yes，那你還在這里看我的帖子干什么，趕緊去cran看包裹吧。這個是一個知乎的傳送門，各位神們講的很好了，不在這里賣騷了：

該如何學習 R 語言？

如果作為一個金融統計軟件開發者，R會讓你很失望，因為它追求的是概括性以及抽象性，并不是performance。開發時你會經歷這樣幾個循環：

第一步：哇，別人已經寫了這個問題的解決方案了，我能偷懶了

第二步：這個包裹好像沒有我想要的方程 / 這個方程寫的太爛了 / 多余運算太多了 / 靠，O（n^4）啊有木有，總之就是各種不滿意

第三步： 自己去啃包裹里面c和fortran的代碼，重復勞動

問題終于被攻克，下一問題，請回到第一步。所以如果你做軟件開發，請端正心態。R不像java那樣什么class都為你寫好了拿過來就用，R不是一站式服務。如果可以的話，請仔細閱讀源代碼，領會作者，取其所需，沒有贅肉的移植到底層語言c或fortran，再用OO類語言裹上一層API以便團隊使用。我有一陣子走上了邪路，總要把R本身性能提高，想盡一切辦法，比如共享內存，毫無必要的平行運算，減少reference，甚至嘗試過compile R的代碼。這些蛋疼的執著也就頂多把性能提高一點點。與其這樣，還不如用底層語言直接寫。為什么要逼劉翔去摘跳水冠軍呢？大家各有所長。我的回答也是我走彎路的小結：

在牢騷一點，也是提醒自己不要在鉆死牛犄角，運算架構優化 遠大于 方程優化 遠大于 語言選擇。從下往上的優化是邪路，容易走火入魔。把mapreduce寫好一點，storm的topology些精巧一點比死扣R強多了。

說了那么多也許沒有很好的扣題，不過就當作我對R新的領悟的自我整理吧。下一階段的開發，R實在是勝任不了。不過不代表R不是一款好的軟件。如果再想起什么在交流吧。