2021-06-28

今天我将解释如何使用 Zapping 轻松使用 Yield Farming。

将您的代币转换为 LP_Token。

Zap 是早期的 Yearn.Finance 中的一个功能,用于将#BNB #ETH #BTCB 或 #CAKE 等单一资产交换为可存入资产,或交换为 LP_Token。此功能可免费使用。(你必须支付gas费。)

有了这个功能,用户访问Pancakeswap、Wault Finance和JetSwap,费心计算你的资产,换半来提供流动性,接收LP_Token并返回ARIES FINANCIAL进行存款。不再需要。

我会介绍它,因为它是一个非常好的功能。

准备:1. 单个令牌,例如 Metamask 中的 #BNB。

2. 查看您要投资的资产池。有多种方式可以参考APR或找到您喜欢的项目。

3. 您可以在详细信息中查看资产池的详细信息。

4. 这里重要的是Farm的名字是什么?记住这个名字。稍后您将在“Zap”时选择它。

在这种情况下,农场名称是“JetSwap”

好的,所以让我们扫一扫。

战略

Current策略是盈利96%和刻录$ AFIB。它存入JetSwap's Farm并出售收到的奖励($ WINGS),交换到BNB,并在二级市场上使用这个BNB回购$ AFIB。平台仅受益 4%。总是在二级市场回购 $AFIB 可以预期会出现通缩。

电击

您拥有#BNB 并希望存入#WBNB-BTCB 资产池以进行收益农业。

该资产池使用 Jetswap 中的 Farm。现在让我们使用 Zap 来提供这对货币的流动性。

在右上角窗口选择Jetswap,在左边选择你的资产(BNB),在右边选择WBNB-BTCB。

 容易吧

像这张图吗?顺便说一句,您可以通过单击右侧的 + 轻松地将此 LP_Token 添加到 Metamask。

点击“扫一扫”。

戳它

就是这样的交易

单击Zap以启动 Metamask。单击确认以批准交易。如果获得批准,它将显示为余额。(如果未显示,请重新加载页面。)

您将能够看到您的余额。

订金

点击农场进行存款。单击Max,然后单击Deposit 以启动 Metamask。单击确认并批准。

点击“存款”

如果您成功存款,您将开始获得奖励。

您将能够在这里看到您的奖励

您的奖励会随着作物的生长而增长。等你长大了,请收割。

那个怎么样?你知道你可以轻松开始吗?

接下来,如何收获并解释如何使用Zap将AFIB交换为另一个令牌。

・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・

在社交媒体上关注我们。推特:@_AriesFinancial

Facebook:https://www.facebook.com/ariesfinancialcommunity

电报:https://t.me/aries_financial_official

Instagram : @aries.financial

内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
你已经成功将 `Date` 列转换为 `datetime64[ns]` 类型,并且输出如下: ``` 0 2021-01-04 1 2021-01-05 2 2021-01-06 3 2021-01-07 4 2021-01-08 Name: Date, dtype: datetime64[ns] ``` ✅ **这说明日期解析完全正确!** 接下来你应该执行: ```python df.set_index('Date', inplace=True) df.sort_index(inplace=True) # 确保时间顺序正确 ``` 然后进入主逻辑,使用我们之前修复过的区间筛选函数(作用于索引)即可正常运行。 --- ### ✅ 当前状态确认清单 | 检查项 | 是否完成 | 说明 | |--------|----------|------| | ✔️ `Date` 列是否为 `datetime64[ns]`? | ✅ 是 | 输出已验证 | | ✔️ 是否设置为索引? | ⚠️ 需手动执行 | 必须调用 `set_index` | | ✔️ 时间是否升序排列? | ⚠️ 建议排序 | 使用 `sort_index()` 更安全 | | ✔️ 区间过滤函数是否作用于 `index`? | ✅ 是 | 否则会出错 | --- ### ✅ 推荐后续代码(确保流程完整) ```python # 设置索引并排序 df.set_index('Date', inplace=True) df.sort_index(inplace=True) # 查看数据类型和前几行 print("Index dtype:", df.index.dtype) print("Data head:") print(df.head()) ``` 此时你的 `df.index` 是一个有序的 `DatetimeIndex`,可以安全用于以下操作: ```python intervals = { 'YTD': lambda idx: idx >= pd.Timestamp(year=idx[-1].year, month=1, day=1), '1Y': lambda idx: idx >= idx[-1] - pd.DateOffset(years=1), '6M': lambda idx: idx >= idx[-1] - pd.DateOffset(months=6), '3M': lambda idx: idx >= idx[-1] - pd.DateOffset(months=3), '1M': lambda idx: idx >= idx[-1] - pd.DateOffset(months=1), } ``` 因为 `idx[-1]` 就是最后一个交易日,比如 `2024-03-28`,它是一个 `pd.Timestamp`,支持 `.year`、`.month` 等属性,不会再报错! --- ### ✅ 示例:查看当前 YTD 起始日 你可以加一段调试代码来验证逻辑是否正确: ```python # 调试:打印各个区间的起始时间(以最后一个日期为基准) last_date = df.index[-1] print(f"最新交易日: {last_date}") print("各区间起始日:") print("YTD:", pd.Timestamp(year=last_date.year, month=1, day=1)) print("1Y: ", last_date - pd.DateOffset(years=1)) print("6M: ", last_date - pd.DateOffset(months=6)) print("3M: ", last_date - pd.DateOffset(months=3)) print("1M: ", last_date - pd.DateOffset(months=1)) ``` 输出示例: ``` 最新交易日: 2024-03-28 各区间起始日: YTD: 2024-01-01 1Y: 2023-03-28 6M: 2023-09-28 3M: 2024-01-28 1M: 2024-02-28 ``` 这些日期就是每个区间的“开始日”,之后用它们做布尔索引就能提取对应时间段的数据。 --- ### ✅ 总结:你现在可以继续了! 只要你完成了以下几步: 1. ✅ 成功将 `Date` 转为 `datetime64[ns]` 2. ✅ 执行了 `df.set_index('Date')` 和 `sort_index()` 3. ✅ 使用基于 `idx`(即 DatetimeIndex)的过滤函数 那么之前的两个错误(`float64 has no attribute year` 和 `>= not supported`)都已彻底解决,现在可以放心运行完整的绩效分析代码。 --- ###
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值