本文將會簡單地介紹四款目前廣泛應用于會計金融實證研究領域的常用統計軟件和編程語言，并且討論怎樣搭配他們，才能夠便于會計金融的實證研究，提高coding效率。

介紹

會計金融的實證研究涉及到的常用統計軟件或者編程語言有這么些:Stata

常用統計軟件，用的人非常多，用戶占比應該是經濟學的人最多。界面友好，軟件也很輕巧，初學者基本很快能夠上手。有人既用stata清理數據，也用stata跑回歸，基本上都能勝任。stata的另一大優勢是，很多前沿統計方法都能夠在這里找到。但是stata數據管理能力不夠強(相比較SAS而言)，數據量很大的時候跑起來也非常慢。SAS

強大的數據管理和統計軟件，用戶也很多，而且是很多官方唯一認可的統計軟件。例如FDA只認可SAS提交的數據；很多大銀行的業務模塊也是由SAS構建。當然，官方很多時候是因為怕出事，出事了可以甩鍋。因此，SAS是非?？煽俊⒎€定的，但是相對而言就有一些龐大，而且訂閱費很貴。SAS可以使用SQL語言進行數據管理，這也是它強大的一個原因。數據量很大的時候，SAS也不懼。R

R語言也有很多人在用，但是私以為會計金融用的人應該沒有前兩個那么多，主要用戶群體應該是統計的人。R好在開源，不用付費，同樣非常輕巧。很大的問題在于，數據一大，就比較麻煩。另外，因為開源，使用R的很多包跑出來的結果可靠性存疑。一方面，包本身是否可靠，另一方面，使用者有時候不完全明白這個包是怎么運作的。Python

最近幾年很火的編程語言，也是語法簡單，容易入門的一款編程語言。現在越來越多會計金融的人都在用python，因為很多人在做文本分析，機器學習等等，這些東西的很多包都可以在python里找到。Python對于非CS科班出身的會計金融研究人員很友好，我們可以大大豐富研究邊界，稍加學習就可以玩得溜。另外，因為開源，所以包也很多。

怎樣搭配

我自己的搭配是這樣的：用SAS進行數據清理，用Stata進行統計、回歸分析，用Python處理文本分析、數據爬取等等前面兩個實現不了的數據準備工作，以及實現一些fancy的功能，比如前面提到的機器學習。

用SAS進行數據清理的理由如下：SAS有完美的WRDS支持：數據格式、現成的宏、實例代碼，都是SAS格式；還可以方便的使用WRDS的云端計算；遇到問題后可以跟WRDS聯系解決；

運算能力強大，數據管理優勢：數據量很大的時候，SAS是最適合的選擇。

用Stata進行統計和回歸分析的理由如下：完美的輸出體驗：所有的結果都是要輸出的，高效完美的輸出格式不會讓你浪費時間在格式調整上；

支持前沿的統計方法：很多前沿統計方法都能夠在Stata上找到。

用Python的理由：

沒有理由，前面兩個干不了，或者沒python“多快好省”。

好的，強行給幾個理由：會計金融的實證研究，已經完全變成了拼誰的data更加unique的地步；為了獲取到新的data，你說你不會爬數據，說的過去嗎？

眾所周知，商科是非常fancy的，堂堂商科，不搞一搞文本分析，自然語言處理，神經網絡模型，說不過去吧？那么，python是低成本的實現方式。

That's all. 點贊 關注 收藏 三連的人，JoF RFS JFE JAE JAR TAR 必中其一 lol

總結

以上是生活随笔為你收集整理的python会计实证研究_适合会计、金融实证研究的统计软件、编程语言搭配的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。