今年上過一個quantative programming的課程，去年教學用的語言還是python，加速的方法用的是jit即時編譯來提高編程效率，今年課程的設計就改成Julia了。

因為自己從2016年起數據研究用的都是python，所以最開始使用Julia的時候并不習慣。不過在用Julia完成課程項目時發現Julia的好處還是很多，所以在網課上認真的把Julia系統性地學習了一遍。

關于Julia和python的對比

首先Julia的速度是比python快很多的，Julia的性能因為自帶jit的緣故基本上性能都比較接近于C了，而python在使用jit前，速度是遠不如Julia的，而且python的jit幫助文檔以及debug解決方案也相當殘缺，這點Julia用起來比python要方便很多；

第二IDE方面，我們的Julia教學使用的還是notebook，所以我并沒有深入地使用過Julia專用的IDE（除了在vscode裝過Julia插件），而python我一直使用的是pycharm，在IDE這方面，我個人覺得目前還是python比Julia好用；

第三pakage以及社區文檔方面，總得來說python的pakage還是相當豐富與易用的，而且除了jit以外，debug的幫助也非常容易找到，這點Julia現在還遠遠不及，更加不用說Julia現在的改版非常迅速，一些pakage以及debug信息早就不適用當前的版本了，這就導致了使用者在遇到bug時往往會因為版本的不同導致感到無所適從（這點非常像早期python的感覺，尤其是在python2到python3的轉換期間），所以我建議等到Julia再穩定一些后再使用Julia進行研究。

總的來說，從更加宏觀的角度來說，以上的第一點是語言戰略方向的問題，而第二點和第三點僅僅是戰術上的缺陷，而這些缺陷都能夠靠時間來彌補，而且語言的熱度從來都不是線性發展，我還挺期待Julia的下一個更加成熟與穩定版本的。

所以，從量化研究框架的穩定性出發，我認為Julia替代python還為之過早，不過因為python的速度實在是太慢，而c++的編程時間以及debug時間又過長，所以我還是希望Julia能夠快速發展的的。

最后，學好c++后，換個語言根本就不是一個事。（給c++跪了。。。。。）