SciPy est la boîte à outils derrière la plupart du code de finance numérique. Cette compétence enseigne les parties qu'un quant utilise chaque semaine, avec de courts exercices (nombres à calculer, étapes à ordonner, outils à associer) et des exemples de finance : pourquoi une courbe normale sous-estime la perte à 1 %, comment Newton et les méthodes d'encadrement trouvent un rendement d'obligation, ce que fait une perte robuste à une cotation aberrante, pourquoi on n'extrapole pas une spline cubique, comment une courbe à terme devient un facteur d'actualisation, pourquoi Black–Scholes a besoin de la fonction normale et du vega, pourquoi on résout au lieu d'inverser, quand le stockage creux rapporte, pourquoi un filtre à phase nulle ne peut pas être tradé et comment les groupes cartographient la diversification. Le projet final est un lab de code où vous construisez la courbe de Nelson–Siegel, prix et rendements d'obligations, volatilités implicites et un ajustement de smile, et les exécutez sur données réelles.
On attend une bonne aisance avec Python et NumPy, ainsi que l'analyse du lycée et des statistiques de base.
