SciPy ist der Werkzeugkasten hinter dem meisten numerischen Finanzcode. Diese Fähigkeit lehrt die Teile, die ein Quant jede Woche nutzt, mit kurzen Aufgaben (Zahlen zum Berechnen, Schritte zum Ordnen, Werkzeuge zum Zuordnen) und Finanzbeispielen: warum eine Normalkurve den 1-%-Verlust unterschätzt, wie Newton und Einschließungsverfahren eine Anleiherendite finden, was ein robuster Verlust mit einer Ausreißer-Notierung macht, warum man einen kubischen Spline nicht extrapoliert, wie eine Terminkurve zum Diskontfaktor wird, warum Black-Scholes die Normalfunktion und Vega braucht, warum man löst statt zu invertieren, wann dünnbesetztes Speichern sich lohnt, warum ein nullphasiger Filter nicht handelbar ist und wie Cluster die Diversifikation abbilden. Das Abschlussprojekt ist ein Code-Labor, in dem Sie die Nelson-Siegel-Kurve, Anleihepreise und -renditen, implizite Volatilitäten und eine Smile-Anpassung bauen und auf echten Daten ausführen.
Sicherheit mit Python und NumPy wird erwartet, dazu Schulanalysis und Grundlagen der Statistik.
