金融学专业学习编程时，以下几种编程语言是非常适合的选择：

Python

易学性：Python语法简单易懂，适合初学者快速上手。

丰富的库：拥有Pandas、NumPy、Matplotlib等强大的数据分析库，以及Scikit-learn、TensorFlow等机器学习和深度学习库，便于进行数据清洗、统计分析、模型构建和预测。

广泛应用：Python在金融数据分析和建模、量化交易、风险管理等领域有广泛应用，是金融行业的标配编程语言之一。

R

统计分析：R语言专门用于统计分析和数据可视化，拥有丰富的金融包如Quantmod和Tidyquant，适合进行金融市场数据分析和经济建模。

数据可视化：R具有强大的数据可视化能力，可以通过ggplot2、dplyr等库制作漂亮的数据图表。

MATLAB

科学计算：MATLAB是一种强大的科学计算和数据可视化工具，广泛应用于金融工程和量化金融领域。

金融建模：MATLAB提供了丰富的金融工具箱，如Financial Toolbox和Econometrics Toolbox，可进行金融模型的建立和分析，如衍生品定价、风险度量和投资组合优化等。

SQL

数据管理：SQL是用于管理和操作关系型数据库的编程语言，适用于金融数据的存储、检索和复杂的数据查询与分析。

建议

初学者：建议从Python开始学习，其简洁的语法和丰富的库支持使得金融数据的处理和分析变得相对容易。

进阶学习：在掌握Python的基础上，可以学习R语言进行更专业的统计分析和建模，以及MATLAB进行复杂的金融建模和仿真。

数据管理：SQL作为数据管理的基础，也是必须掌握的技能，特别是在处理大规模金融数据时。

通过学习这些编程语言，金融专业的学生可以更好地适应现代金融工作环境，提高数据处理和分析能力，从而在职业生涯中取得更好的发展。