选择学习量化模型的专业时，可以考虑以下几种：

计算机科学

理由：计算机科学专业提供了编程基础知识、数据结构、算法设计等课程，这些都是量化编程的基石。此外，学习计算机科学还可以让你掌握数据库、网络编程、操作系统等相关知识，这些技能在量化编程中非常有用。

数学

理由：数学是量化编程的基础，涵盖了微积分、线性代数、概率论等。学习数学可以帮助你理解和运用量化模型、统计学方法等。在数学专业中，你还会学习到统计推断、假设检验、时间序列分析等知识，这些在量化编程中非常重要。

金融学

理由：金融学专业涉及金融市场、投资组合理论、衍生品定价等内容。学习金融学可以帮助你理解和应用量化策略，掌握金融产品知识和市场分析方法。

统计学

理由：统计学是量化编程中不可或缺的一部分，涉及统计模型、回归分析等。学习统计学可以帮助你进行数据分析和模型建立，掌握统计推断、假设检验、时间序列分析等知识。

金融工程

理由：金融工程是一个综合性的学科，涵盖了金融、统计学、计算机科学等方面的知识。学习金融工程可以帮助你了解金融市场的原理和规律，掌握金融产品的定价和风险管理技巧，同时也能够学习到量化交易策略的开发和实施。

数据科学

理由：数据科学专业涉及到编程、数学统计知识，以及数据分析和机器学习技术。这些技能对于量化编程也非常重要，可以帮助你进行市场数据的分析和预测。

经济学

理由：虽然经济学不直接属于量化方向，但它提供了宏观和微观经济学的理论基础，有助于学生理解量化分析在经济领域中的应用。具备一定的金融投资分析技能也是必要的。

商业分析（Business Analytics）

理由：商业分析专业结合了数据挖掘、统计分析、机器学习、预测模型等，以数据驱动的决策为目标，培养学生在商业环境中的数据处理和分析能力。量化分析专业则侧重于金融、证券、风险管理等领域的量化分析能力。

建议

兴趣和职业目标：首先，考虑你对哪个领域最感兴趣，以及你未来的职业目标是什么。例如，如果你对金融市场和投资策略非常感兴趣，那么金融工程专业可能更适合你。如果你对数据分析和机器学习感兴趣，那么数据科学专业可能更适合你。

个人背景：考虑你的数学和编程基础。如果你有较好的数学和编程基础，那么学习计算机科学、数学或金融工程等专业会相对容易一些。

实践机会：了解各个专业的实践机会和实习资源，选择能够提供丰富实践机会的专业，这将有助于你在学习过程中积累实际经验。

综合考虑以上因素，选择最适合自己的专业，将有助于你在量化模型领域取得更好的成就。