Casi todo modelo cuantitativo es un problema matricial disfrazado: una cartera es un vector, una covarianza una matriz, una regresión una proyección. Esta habilidad construye las ideas con comprobaciones breves (matrices que completa, números que calcula, expresiones que escribe) y ejemplos financieros, y luego las convierte en algoritmos: LU, QR y Cholesky. Termina con un laboratorio de código que ajusta una regresión sobre rendimientos reales de acciones con su propio solucionador y la compara con NumPy.
