程序化交易可以使用多种编程语言，以下是一些常用的编程语言：
Python
易学易用：Python语言简洁、易读，有大量的第三方库和工具，如NumPy、Pandas和Matplotlib，使得数据分析和策略开发变得更加高效。
丰富的库：Python有丰富的金融数据分析库，如Pandas和NumPy，可以方便地进行数据处理和分析。此外，还有许多专门用于金融交易的库，如pyalgotrade和Zipline。
广泛的支持：Python在量化交易领域应用广泛，许多量化交易平台都支持Python。Python的代码简洁、易读，新手容易上手，并且有大量的社区支持和教程资源。
C++
高效执行：C++语言以其高效的运行速度，在对速度要求极高的高频程序化交易中更具优势。
直接操作硬件：C++可以直接操作内存等底层资源，在程序化交易系统的开发中，这意味着能够更好地优化系统性能。对于一些需要和硬件紧密结合的交易场景，如利用FPGA进行加速的交易系统，C++可以更好地发挥其与底层系统结合的优势。
学习难度：C++的语法相对复杂，学习曲线较陡，需要花费更多的时间和精力来掌握。
Java
跨平台性：Java是一种广泛应用于企业级应用开发的编程语言，具有跨平台的特性，适合构建大型和稳定的交易系统。
丰富的库和框架：Java有丰富的库和框架，如Apache Kafka和Spring Framework，可以帮助开发者构建可靠和高效的程序化交易系统。
R
统计分析和数据挖掘：R语言在统计分析和数据挖掘领域非常流行，也被广泛应用于程序化交易。R具有强大的数据处理和可视化能力，适合进行策略开发和回测。
丰富的库：R有许多强大的统计和机器学习库，如quantmod和xts等，方便进行金融数据分析和建模。
其他语言
MATLAB：MATLAB是一种用于数值计算和科学工程的高级编程语言，在金融领域有广泛的应用，可以进行金融数据分析、建模和策略回测。
Excel：虽然Excel是一款通用的办公软件，但它在简单的数据处理和分析方面有很大的作用。对于更复杂的数据处理，可以使用专业的数据处理软件，如Matlab。
建议
初学者：建议从Python入手，它具有简洁、易学的特点，并且有大量的社区支持和教程资源。
高频交易：如果对交易速度有极高要求，可以考虑使用C++，它可以直接操作硬件，具有高效的执行速度。
大型企业级应用：Java的跨平台性和丰富的库和框架使其适合构建大型和稳定的交易系统。
统计分析和建模：R语言在统计分析和数据挖掘方面非常强大，适合进行策略开发和回测。
根据具体需求和背景，可以选择最适合自己的编程语言进行程序化交易开发。