国内不太清楚，只说美国。
R vs. SAS
美国大型金融机构几乎前篇一律的用SAS。最重要原因的在于用SAS省却了尽职调查。R作为一款免费软件，有大量第三方的library或者package。你说你用吧，挺方便，但是每用一次你就得给这个来一次尽职调查。不然银行内的model validation team，internal audit或者美联储都回来挑麻烦的。或者你不用，不过自己把所有需要的工具自己写一遍也够累的，何况自己写了也需要validate。而不管是对第三方code的尽职调查，还是对自己code的validation，都成本很高，牵扯很多部门，需要按照详细的流程走下来。（美联储的要求越来越严格了）
反观SAS，作为一个default工具，不管是用Base SAS还是SAS EG，交点钱就好了。对于这些机构来说，SAS真的不贵。我们最近在帮某大行Bulid model，team去了几十个人，客户也没在乎是不是每个人都需要，就给每人都配了Base SAS和SAS EG。
另外银行动辄上百个G大小的数据，R跑起来可能真的太吃力了。相反基于Server的SAS用起来非常流畅。
Python vs. C++
这个我了解不多。但是Python在machine learning上的应用越来越好，所以在量化交易上应该还是有前景的。而且Python和其他语言的对接做的很棒，也算是他的优势吧。另一方面Python真的很简洁，连我这种看见C++就头疼的人也能写一些simulation。如果要求不是很严格，很多人会非常乐于接受Python吧。
来源：知乎 www.zhihu.com
作者：WenTian
【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。
点击下载
此问题还有 1 个回答，查看全部。
延伸阅读：
如何看待中国小额贷款公司的发展前景和方向？
D语言的前景如何？在中国的发展情况如何？
