🎄🎁Een kerstcadeau voor mezelf? Ik heb een Morpho Supply Optimizer gemaakt. Het idee gaat ongeveer als volgt: Probleem: Wanneer je toevoegt aan liquiditeitspools met lage beschikbare liquiditeit, wat er gebeurt is dat jouw storting de rentevoeten kan verlagen. Dus de beste aanpak is om het geld te splitsen naar een andere markt zodat de totale APY op jouw geld hoog is. Dus bijvoorbeeld (stel budget $10k). Gewoon een overdreven voorbeeld om te illustreren: ❌ Optie 1: Wijs $10.000 toe aan Markt 1. - Oude gequote APY van 10% → Nieuwe APY van 2% na storting. ☝️APY-tarief van 2%. Niet goed. ✅ Optie 2: - Wijs $5.000 toe aan Markt 1. Oude gequote APY van 10% → Nieuwe APY van 8%. - Wijs $5.000 toe aan Markt 2. Oude APY van 8% → Nieuwe APY van 6%. ☝️Totale gewogen gemiddelde APY (5.000/10.000 × 0.08 + 5.000/10.000 × 0.06) = 7%. Dit is goed. Dus de vraag wordt: als ik dit zou doen voor N markten over alle degen-markten, hoe kan ik deze optimalisatie automatiseren? Oplossing: Vibe heeft een paar dagen gecodeerd maar had het moeilijk. Ik moest één functie tegelijk coderen omdat de AI moeite had met het begrijpen van de sequentiële stappen die nodig waren (+ Morpho's documentatie). Het is een eenvoudige SciPy-optimizer die een functie aanroept die de nieuwe gesimuleerde leveringspercentages in elke markt bepaalt. Het kan ook cross-chain doen, maar momenteel gaat het er gewoon van uit dat al jouw optimalisaties USD-gerelateerd zijn omdat ik een Scrooge ben die niet wil uitgeven aan prijsgegevens. Het is geen state-of-the-art spul, maar ik denk dat het behoorlijk bevredigend is. Je kunt echt degen gaan met het blootstellen van heel weinig kapitaal aan meer degen-markten, maar zelfs dat is te veel voor mij. Natuurlijk is het nog steeds het beste om de resultaten handmatig te verifiëren omdat ik dit ook niet 100% vertrouw, maar soms zijn de opbrengsten intuïtief genoeg om te weten of de resultaten logisch zijn. Heb een snelle "front-end" voor gemaakt: