Quase todo modelo quantitativo termina numa otimização: uma calibração que ajusta parâmetros, uma regressão que ajusta uma reta, uma carteira que escolhe pesos. Esta habilidade mostra o que os solvers realmente fazem, com verificações curtas (números que você calcula, passos que ordena, conceitos que associa) e exemplos financeiros: por que um passo grande demais faz a descida do gradiente divergir, por que o Adam é a escolha padrão para objetivos ruidosos, por que um problema convexo tem uma só resposta, o que um multiplicador KKT precifica, como uma penalidade L1 zera pesos exatamente e como um programa linear divide uma ordem grande no tempo. O projeto final é um laboratório de código em que você escreve a projeção e o solver e testa o resultado em retornos reais de ações.
