开源语言在金融行业有着天生的优势，也有劣势，取决于你干什么。我个人经验来看，如果是影响广泛business-critical的业务，很多还是会以SAS为主。
拿我们组的工作举例：我们是做算法投资的，不是高大上的对冲，也不是什么投行自营，就是传统的基金公司(DB那家)。这类传统资产管理公司的特点就是资金量大，追求稳定。
平时工作内容分成两部分：模型/算法开发(prototype)和商用(production deployment)。Model development(或者我们叫prototype)一般用R和python解决，优点自不用说，开发速度快，灵活，可用的package多，有新的想法了可以随时改动，有疑难杂症了google一下基本都有讨论。
当最终的模型和产生的投资信号过了投资委员会后，就要转到正式商用，也叫production deployment，这个时候所有用R或者Python写的东西要全部转化为SAS语言，同时有其他胶水语言辅助，如perl...
所以对我们来说开不开源是一半一半，我猜想估计其他一些类似机构也是这样。总的来说，有以下几个原因导致我们在production的时候还是要用SAS:历史遗留问题:我们的流程基本是沿用DB当年的监管资本算法优化的软件架构，现在转为用于投资，再开发的成本低，行内的一些合规流程也都走过了比较成熟
怎么写SAS语言:这块有可能是一个比较特殊的理由。我不知道其他金融机构怎么做的，我们是基于组里开发的一个编译器，主要是基于generative programming的概念(不知道怎么翻，自动编程？产生式编程？)也就是你把算法的逻辑写在Excel里，像一个决策树一样的格式，编译器会查错，然后自动生成SAS的源代码。因为这个，对于我们来说从开源prototype的code转移到SAS这块的成本很低，而且(从算法逻辑角度来讲)好维护，如果有信号不对，我们可以很容易的直接查看逻辑树，而不是看代码本身，稍微修改，代码就又有了。这里要说一下，我们都不是专业IT科班出身，一个搞物理的，一个数学，一个经济，我们做的应该算business programming，主要是为了写算法和策略，而不是IT层面，这方面我们不是专家，能用就行。
可控制环境(controlled-env):这个主要是从可追溯性和监管审计等角度来讲(traceability & auditability)。基于开源软件难免不用到各种package，而这些package也是没有个统一性的，有的人喜欢Ａ，有的人非用Ｂ，虽然最后都能得到理想的结果；每个package又有着不同的社群开发维护，难免不出个bug(稳定性)，尤其对于金融机构来说，不排除有人植入恶意代码。从银行或者投资机构角度来说，要把这个freestyle的摊子给变成尽量清晰透明可控的一个环境，真的太难了 - "不要低估部分金融从业人员的程序水平，但更不要高估金融机构IT部门的整体水平..." - 懂得人自然明白我在说什么。。。
先写到这儿吧。美资大行或资管那边我不清楚，如果有熟悉的，很愿意交流一下。
