Asignación3M 4+

El aprendizaje automático y el análisis de datos se utilizan cada vez más en la gestión de proyectos para mejorar la productividad. En la gestión de proyectos, la asignación eficiente de recursos ayuda a maximizar el impacto de los recursos del proyecto. Asignación3M utiliza tres modelos de asignación clásicos para optimizar los resultados de la asignación de recursos desde diferentes perspectivas. Los recursos pueden ser tiempo, mano de obra, productos, materiales, presupuesto, etc.

Modelo Mean-Variance:
La idea central del modelo Mean-Variance es reducir la volatilidad general a través de la diversificación (p. ej., baja correlación entre los objetos de asignación).
Por ejemplo, podría asignar recursos en función del rendimiento de las ventas mensuales de 50 tiendas minoristas europeas durante los últimos tres años. El modelo Mean-Variance utiliza el método de Monte Carlo para encontrar un conjunto de ponderaciones de asignación con la mejor tasa de crecimiento.

Modelo Black-Litterman:
El modelo Black-Litterman se basa en el modelo Mean-Variance, agregando las opiniones de los usuarios sobre la tasa de crecimiento para optimizar los resultados de asignación.
Continuando con el ejemplo anterior, el modelo Black-Litterman calcula y muestra la tasa de crecimiento promedio para cada tienda minorista como referencia. Puede ajustar los parámetros de la tasa de crecimiento según su experiencia o el consejo de un experto.

Modelo Risk-Parity:
Tanto el modelo Mean-Variance como el modelo Black-Litterman están diseñados para optimizar la "tasa de crecimiento", mientras que el modelo Risk-Parity está diseñado para optimizar la "volatilidad".
Por ejemplo, puede asignar recursos en función de los precios mensuales de las materias primas de 20 proveedores en Asia Pacífico durante el último año. El modelo Risk-Parity utiliza el método de Newton para encontrar un conjunto de ponderaciones de asignación con igual volatilidad.