🎄🎁¿Un regalo de Navidad para mí? He hecho un optimizador de suministros Morpho. La idea es más o menos así Problema: Cuando se ofrecen fondos de liquidez de baja disponibilidad, lo que ocurre es que su propio depósito puede reducir los tipos de interés. Así que lo mejor es repartir el dinero en otro mercado para que el APY global de tu dinero sea alto. Por ejemplo, (supongamos un presupuesto de 10.000 dólares). Solo un ejemplo exagerado para ilustrar: ❌ Opción 1: Asignar 10.000 dólares al Mercado 1. - El APY antiguo era del 10% → el APY nuevo del 2% tras el depósito. ☝️Tasa APY del 2%. Mal. ✅ Opción 2: - Asignar 5.000 dólares al Mercado 1. El antiguo APY era del 10% → el nuevo APY del 8%. - Asignar 5.000 dólares al Mercado 2. El APY antiguo era del 8% → el APY nuevo del 6%. ☝️APY promedio combinado total (5.000/10.000 × 0,08 + 5.000/10.000 × 0,06) = 7%. Está bueno. Así que la pregunta es: si hiciera esto para N mercados en todos los mercados degenerados, ¿cómo podría automatizar esta optimización? Solución: Vibra estuvo en coche durante unos días, pero estaba luchando muchísimo. Tuve que programar una función a la vez porque la IA tenía problemas para entender los pasos secuenciales necesarios (+ la documentación de Morpho). Es un optimizador SciPy sencillo que llama a una función que determina las nuevas tasas de suministro simuladas en cada mercado. También puede hacer cross-chain, pero actualmente simplemente asume que todas tus optimizaciones están relacionadas con el USD porque soy un Scrooge que no quiere gastar en datos de precios. No es nada de última generación, pero creo que es bastante satisfactorio. Puedes ir realmente degenerando exponiendo muy poco capital con más mercados degenerados, pero incluso eso es demasiado para mí. Por supuesto, sigue siendo mejor verificar los resultados manualmente porque tampoco confío al 100%, pero a veces los rendimientos son lo suficientemente intuitivos como para saber si los resultados tienen sentido Hice un "frontend" rápido para ello: