金融行业使用的技术主要包括以下几种：
编程技术
Python：因其简洁易学、语法优雅以及拥有丰富的数据分析和科学计算库（如NumPy、Pandas和Matplotlib），Python在金融领域被广泛用于数据处理、模型建立和策略开发。
R：专门用于数据分析和统计建模，拥有丰富的统计分析函数和图形绘制功能，适用于金融数据分析、风险管理和投资组合优化。
SQL：作为数据库管理系统中的标准语言，广泛用于金融领域的数据存储和查询。
MATLAB：用于数值计算和科学工程的高级编程语言和环境，在金融模型建立、风险管理和量化交易等方面有广泛应用。
C++：具有高效的性能和灵活的编程能力，适用于金融算法交易、高频交易和金融系统开发。
VBA：用于编写宏和自动化任务，在金融领域的Excel和其他Microsoft Office应用程序中广泛应用。
人工智能与机器学习技术
利用机器学习、深度学习等技术进行金融数据的智能分析和预测，提高风险管理的科学性和投资决策的准确性。
应用包括智能客服、欺诈检测、个性化推荐等。
区块链技术
具有去中心化、不可篡改、安全可信等特点，应用于数字货币、智能合约、供应链金融等领域，降低交易成本，提高交易效率，增强金融交易的透明度和安全性。
云计算
提供灵活、可扩展的计算和存储资源，降低IT基础设施的建设和维护成本，加速金融机构的数字化转型。
大数据技术
对海量的金融数据进行获取、存储、管理、分析，帮助金融机构高效管理和控制风险。
物联网技术
将传感器、设备和物体连接到互联网，实现设备之间的智能互联和数据共享，应用于智能支付、智能交易、智能风控等场景。
5G金融云、超融合数据中心、绿色算力、隐私计算、金融分布式数据库
这些前沿技术代表了金融领域近年来最核心的技术攻关，提升了服务效率、数据安全和隐私保护。
软件即服务（SaaS）和无服务架构
提供灵活、可扩展的软件开发和部署方案，降低金融机构的技术开发和运维成本。
这些技术的融合创新构成了金融科技的基础平台，通过提高服务效率、减少运营成本、完善风控手段，有效增强了金融机构的生产、设计、经营和服务的实力。