🎄🎁¿Un regalo de Navidad para mí mismo? Hice un Optimizador de Suministro Morpho. La idea es algo así: Problema: Cuando suministras en pools de liquidez de baja disponibilidad, lo que sucede es que tu propio depósito puede reducir las tasas de interés. Así que la mejor opción es dividir el dinero en otro mercado para que el APY general de tu dinero sea alto. Por ejemplo (supongamos un presupuesto de $10k). Solo un ejemplo exagerado para ilustrar: ❌ Opción 1: Asignar $10,000 al Mercado 1. - APY antiguo cotizado al 10% → Nuevo APY al 2% después del depósito. ☝️Tasa de APY al 2%. No es bueno. ✅ Opción 2: - Asignar $5,000 al Mercado 1. APY antiguo cotizado al 10% → Nuevo APY al 8%. - Asignar $5,000 al Mercado 2. APY antiguo al 8% → Nuevo APY al 6%. ☝️Promedio ponderado total de APY (5,000/10,000 × 0.08 + 5,000/10,000 × 0.06) = 7%. Esto es bueno. Así que la pregunta es: si tuviera que hacer esto para N mercados en todos los mercados de degen, ¿cómo puedo automatizar esta optimización? Solución: Vibe codificado durante unos días, pero estaba luchando mucho. Tuve que codificar una función a la vez porque la IA tenía problemas para entender los pasos secuenciales necesarios (+ la documentación de Morpho). Es un optimizador simple de SciPy que llama a una función que determina las nuevas tasas de suministro simuladas en cada mercado. También puede hacer cross-chain, pero actualmente solo asume que todas tus optimizaciones están relacionadas con USD porque soy un Scrooge que no quiere gastar en datos de precios. No es algo de última generación, pero creo que es bastante satisfactorio. Puedes ser realmente degen con esto exponiendo muy poco capital en más mercados de degen, pero incluso eso es demasiado para mí. Por supuesto, aún es mejor verificar manualmente los resultados porque yo tampoco confío en esto al 100%, pero a veces los rendimientos son lo suficientemente intuitivos como para saber si los resultados tienen sentido. Hice un "front end" rápido para ello: