金融专业应学会以下软件，结合不同应用场景和技能需求进行选择：

一、核心数据分析工具

Python

- 通用编程语言，拥有丰富的金融分析库（如Pandas、NumPy、Matplotlib）。

- 适合数据获取、处理、建模及可视化，尤其适合人工智能和机器学习方向。

R

- 开源统计软件，专为数据分析和可视化设计，包含quantmod、PerformanceAnalytics等金融专用包。

- 易于入门，适合学术研究和量化分析。

Excel

- 基础工具，用于数据整理、财务建模（如衍生品定价）、压力测试等。

- 提供大量财务分析模板，是金融领域最常用工具之一。

二、专业统计与建模软件

SPSS

- 社会科学领域常用统计分析工具，也适用于金融数据分析。

- 操作简单，适合初学者。

SAS

- 强大数据处理和统计分析能力，擅长时间序列分析、风险管理等复杂模型。

MATLAB

- 专业数值计算软件，广泛应用于金融工程、算法交易和模拟分析。

三、金融信息与交易工具

Bloomberg Terminal

- 实时金融市场数据查询平台，为从业者提供深度分析工具。

Wind

- 金融信息综合服务平台，涵盖股票、债券、外汇等多领域数据查询。

四、辅助与办公软件

SQL：

数据库管理工具，用于高效处理金融数据。

VBA：Excel高级编程语言，可自动化报表生成和模型构建。

Office套件：Word、PowerPoint等用于文档处理和演示。

五、其他推荐工具

Stata：无需编程即可完成统计分析，适合不想学习编程的用户。

EViews：经济数据统计分析工具，适合宏观经济研究。

总结

金融专业软件选择需结合理论学习和实践需求。 Python/R适合数据分析与建模， Excel是基础且应用广泛的工具， SPSS/SAS适合传统统计分析，而 Bloomberg/Wind等平台则提供实时数据支持。根据具体方向（如量化投资、风险管理或学术研究），可进一步聚焦相关工具的学习。