SciPy es la caja de herramientas detrás de la mayor parte del código de finanzas numéricas. Esta habilidad enseña las partes que un quant usa cada semana, con comprobaciones breves (números que calcula, pasos que ordena, herramientas que empareja) y ejemplos financieros: por qué una curva normal subestima la pérdida del 1 %, cómo Newton y los métodos de intervalo hallan el rendimiento de un bono, qué hace una pérdida robusta a una cotización atípica, por qué no se extrapola una spline cúbica, cómo una curva a plazo se convierte en un factor de descuento, por qué Black–Scholes necesita la función normal y la vega, por qué se resuelve en vez de invertir, cuándo compensa el almacenamiento disperso, por qué un filtro de fase cero no se puede operar y cómo los grupos mapean la diversificación. El proyecto final es un laboratorio de código donde construye la curva de Nelson–Siegel, precios y rendimientos de bonos, volatilidades implícitas y un ajuste de sonrisa, y los ejecuta con datos reales.
Se espera soltura con Python y NumPy, junto con cálculo de nivel escolar y estadística básica.
