要写好期货编程，可以选择以下几种编程语言：
Python
优点：Python是一种简单易学且功能强大的编程语言，广泛应用于量化交易领域。它拥有丰富的第三方库，如Pandas和NumPy，可以方便地进行数据分析和处理。此外，Python还有许多用于期货交易的开源库，例如pytdx和vnpy，可用于编写期货交易算法。
适用场景：适合初学者和需要快速开发的项目。Python的语法简洁，易于理解和学习，且有大量的金融分析库和可视化库，如Matplotlib，方便对交易数据和策略结果进行可视化展示。
C++
优点：C++是一种高效的编程语言，适合编写运行速度要求较高的期货交易系统。它具有接近底层的控制力，可以方便地与期货交易API进行交互。许多主流的期货交易软件都使用C++开发，如CQG和TT平台。
适用场景：适合对性能要求极高的场景，如高频交易。C++的执行速度快，可以处理大量数据并快速执行交易指令，但语法相对复杂，学习曲线较陡。
Java
优点：Java是一种跨平台的编程语言，在期货交易领域有广泛的应用。许多期货交易API都支持Java语言，可以方便地与交易所进行通信和执行交易策略。
适用场景：适合构建大规模的分布式期货交易系统。Java的面向对象编程结构使得代码易于维护和扩展，且具有良好的多线程支持和可移植性。
R
优点：R是一种用于数据分析和统计建模的编程语言，也逐渐被应用于量化交易领域。R拥有强大的数据处理能力和丰富的统计函数库，非常适合期货策略的研究和回测。
适用场景：适合需要进行深度数据分析和统计建模的交易者。R语言有丰富的统计和金融库，如quantmod和Blotter，供使用和扩展。
MATLAB
优点：MATLAB在金融工程领域有着独特的优势，它在数学建模方面非常强大，对于期货交易策略中的复杂数学计算，如风险评估中的复杂算法、交易模型中的数值计算等，MATLAB可以轻松应对。它还拥有专门的金融工具箱，提供了丰富的金融函数，能够方便地构建和测试期货交易策略。
适用场景：适合进行复杂数学建模和数值计算的交易者。MATLAB的语法和工具箱使其在金融工程领域非常实用，但可能不如其他语言在性能上优势明显。
建议
初学者：建议从Python开始，因为它的语法简洁，易于学习，且有丰富的库和社区支持。
性能要求高：如果对性能有极高要求，可以考虑使用C++或MATLAB。
跨平台开发：如果需要构建跨平台的交易系统，Java是一个很好的选择。
数据分析和统计建模：R语言在数据分析和统计建模方面非常强大，适合需要进行深度数据分析的交易者。
根据你的具体需求、技能水平和项目特点，选择最适合你的编程语言。