O SciPy é a caixa de ferramentas por trás da maior parte do código de finanças numéricas. Esta habilidade ensina as partes que um quant usa toda semana, com verificações curtas (números que você calcula, passos que ordena, ferramentas que associa) e exemplos financeiros: por que uma curva normal subestima a perda de 1%, como Newton e os métodos de intervalo acham o rendimento de um título, o que uma perda robusta faz com uma cotação atípica, por que não se extrapola uma spline cúbica, como uma curva a termo vira fator de desconto, por que Black–Scholes precisa da função normal e da vega, por que se resolve em vez de inverter, quando o armazenamento esparso compensa, por que um filtro de fase zero não pode ser negociado e como os grupos mapeiam a diversificação. O projeto final é um laboratório de código em que você constrói a curva de Nelson–Siegel, preços e rendimentos de títulos, volatilidades implícitas e um ajuste de smile, e os roda em dados reais.
Espera-se familiaridade com Python e NumPy, além de cálculo de nível escolar e estatística básica.
