金融工程师需要学习的软件包括：

Python：

Python是一种通用编程语言，拥有丰富的金融数据分析库，如Pandas、NumPy和SciPy等。它易学易用，适合初学者入门，同时也是许多金融机构和公司的首选编程语言。

R语言：

R语言是一种专门用于统计分析和数据可视化的编程语言，广泛应用于金融领域。R拥有众多金融统计分析和建模的包，如quantmod、TTR和PerformanceAnalytics等。

MATLAB：

MATLAB是一种用于科学计算和数据分析的高级编程语言和环境。它提供了丰富的金融工具箱，如Financial Toolbox和Statistics and Machine Learning Toolbox等，适用于复杂的金融模型建立和策略回测。

Excel VBA：

Excel VBA是一种基于Microsoft Excel的宏编程语言，可以通过编写VBA代码来进行金融数据处理和模型构建。Excel VBA是金融从业人员常用的编程工具之一，尤其适合简单的数据处理和报表生成。

C++：

C++是一种高效且灵活的编程语言，适用于金融领域中对性能要求较高的任务，如高频交易、算法交易等。C++具备强大的面向对象编程能力和低级别的内存管理，可用于快速开发高性能的金融应用程序。

SQL：

结构化查询语言（SQL）是一种用于管理和分析数据库的语言。在金融行业中，SQL用于提取和处理大量的金融数据。

Julia：

Julia是一种专注于高性能科学计算的编程语言，逐渐在金融领域得到应用。其特点是语法简洁，执行速度快，并且能够方便地处理大规模数据。

Stata：

Stata是一种传统统计软件，在统计数据分析方面的应用也很广泛。相比于R语言和Stata需要自己编写相关程序，Stata属于傻瓜式操作，适合不想学编程知识的同学。

EViews 、 SPSS、 SAS：

这些软件主要用于统计分析，在金融领域中也较为常用。

根据具体需求和兴趣，金融工程师可以选择合适的软件进行学习和应用。例如，Python和R语言适合数据分析、统计建模和量化交易，而MATLAB和C++则更适合开发高性能的金融模型和交易系统。