Mengapa Perisian Kebarangkalian Tidak Dapat Diandalkan untuk Perancangan Persaraan

Banyak aplikasi ini berada di pasaran - beberapa yang dibangunkan oleh firma seperti Betterment, Vanguard, T. Rowe Price dan Schwab, dan yang lain dijual sebagai perkhidmatan langganan kepada penasihat kewangan untuk digunakan dengan pelanggan mereka. Masalahnya ialah pengguna dipimpin untuk mempercayai bahawa mereka perlu membuat keputusan hidup penting dengan bantuan aplikasi ini, walaupun kebarangkalian asas berdasarkan hasil yang tidak dapat diramalkan.

Sebenarnya, memohon perisian kebarangkalian untuk analisis perancangan persaraan adalah kebodohan. Malah perisian perancangan persaraan yang paling canggih yang digunakan oleh profesional kewangan adalah jauh dari bola kristal.

Masalah dengan kebarangkalian

Kegagalan perisian persaraan berasaskan kebarangkalian, khususnya aplikasi yang menggunakan teknik simulasi Monte Carlo yang dikenali, cukup terkenal di kalangan profesional. Salah satu kertas akademik pertama yang membangkitkan isu itu ialah artikel 2006 yang ditulis oleh penyelidik persaraan terkenal dan profesor York University of Toronto Moshe Milevsky, yang menyatakan dalam pengenalannya:

"Sudah tentu, kerana kebanyakan penasihat pelaburan telah diketahui selama bertahun-tahun, bilangan persaraan - jika memang ada - adalah samar-samar dan tidak tepat, kerana ia bergantung pada banyak yang tidak diketahui ekonomi, terutama pulangan pasaran ekuiti masa depan. Lagipun, nombor ini mesti dilaburkan di mana sahaja untuk menghasilkan pendapatan, dan proses pulangan portfolio sememangnya rawak."

Sebagai tambahan kepada ketidakpastian pulangan masa depan, Milevsky meneruskan untuk mendokumenkan bagaimana "kebarangkalian" yang dihasilkan oleh aplikasi perisian persaraan yang popular bervariasi dari satu aplikasi ke seterusnya, bergantung kepada asumsi dalaman dan parameter reka bentuk aplikasi.

Satu lagi kajian akademik, yang diterbitkan pada bulan Februari, menyimpulkan bahawa "nasihat yang disediakan dari majoriti alat-alat ini sangat menyesatkan kepada isi rumah."

Penerbitan ini telah menyebabkan beberapa orang mempersoalkan sama ada perisian perancangan persaraan menawarkan apa-apa nilai kepada pengguna sama sekali. Jadi apa alternatifnya?

Perisian 'ujian balik'

Penasihat kewangan yang menggunakan perisian simulasi Monte Carlo sering menyatakan hasil klien mereka dari segi kemungkinan hasil positif. Daripada mencuba untuk meramalkan "kebarangkalian kejayaan," mungkin cara yang lebih baik untuk mendekati perancangan persaraan adalah dari perspektif kosong setengah kaca.

Apa yang anda benar-benar perlu tahu bukanlah bagaimana anda mungkin berupaya jika keadaan berjalan lancar, tetapi apa yang akan berlaku kepada anda jika kemungkinan 10% hujan berubah menjadi kebarangkalian 100% ribut petir. Anda sangat memerlukan dan ingin tahu, "Jika keadaan teruk di pasaran pelaburan, adakah saya tetap OK?"

Secara tradisinya, perisian "back-testing" bersejarah telah digunakan untuk tujuan ini. Dengan memasukkan profil persaraan anda ke dalam aplikasi ujian semula, anda boleh menguji bagaimana portfolio anda mungkin telah dinikmati jika anda telah bersara sebelum kemelesetan ekonomi terdahulu. Walaupun maklumat tersebut berguna dan menarik kepada pengguna, ujian semula juga mempunyai batasan ketara.

Khususnya, pulangan masa lalu tidak mungkin diulang dalam urutan yang sama sekali lagi, dan kemungkinan sepenuhnya bahawa pulangan masa depan akan lebih buruk daripada pengalaman sejarah.

Tambahan pula, katakan anda ingin menguji bagaimana portfolio anda dapat bertahan selama 30 tahun persaraan jika anda bersara pada penghujung tahun 1999 (sebelum pasaran beruang 2000- '02 dan 2007-'09). Kerana kita hanya pada 2016, tidak mungkin untuk memainkan analisis selama 30 tahun penuh. Anda tidak boleh menguji semula masa depan.

Teknik reboot

Satu penyelesaian kepada batasan ujian semula adalah untuk menggunakan teknik simulasi yang disebut bootstrapping. Walaupun enjin simulasi di bawah hud aplikasi persaraan yang banyak memerlukan pereka program untuk membuat andaian tentang kadar min yang diharapkan dan kemeruapan bagi pelbagai kelas aset, bootstrapping tidak memerlukan andaian sedemikian. Simulasi dihasilkan dan bukan secara pulangan pensampelan sejarah.

Sekiranya simulasi yang mencukupi dijana - biasanya sekurang-kurangnya 5,000 - hasil median boleh dijangkakan secara kasar sejajar dengan purata sejarah. Dengan menimbangkan pelbagai keputusan di bawah median, program bootstrapping dapat menggambarkan senario yang menunjukkan pulangan pelaburan di bawah purata, dengan statistik risiko pada nilai (terendah 1%, 5% dan 10% hasil) yang mewakili senario yang mungkin buruk sebagai atau lebih buruk daripada rekod sejarah.

Sebagai contoh, jadual berikut menunjukkan hasil simulasi bootstrapping untuk seorang pelabur berusia 65 tahun dengan tempoh persaraan selama 25 tahun, nilai portfolio awal $ 1 juta dan peruntukan persaraan bon saham 70-ke-30. Dalam contoh ini, pelabur memerlukan kadar pengeluaran pertama tahun $ 50,000 (5%) dan peningkatan kos hidup sebanyak 3% selepas itu. Dia menganggarkan perbelanjaan pelaburan tahunannya pada 1% dan menyatakan bahawa dia mengharapkan untuk menarik diri dari setiap kelas aset setiap tahun dan mengimbangi untuk mengekalkan peruntukan 70-ke-30.

Dengan memberi tumpuan kepada separuh bahagian bawah keputusan dan memaparkan julat simulasi dalam kenaikan lima tahun dalam tempoh masa, anda boleh mendapatkan lebih banyak ketara sama ada dan berapa lama simpanan anda mungkin bertahan. Lebih-lebih lagi, dengan membentangkan data dalam format ini, mudah untuk menguji bagaimana perubahan faktor yang berada dalam kawalan anda (jumlah perbelanjaan, strategi pengeluaran, peruntukan aset, perbelanjaan pelaburan) boleh menjejaskan hasil.

Untuk menjadi jelas, tidak ada apa-apa ramalan dalam keputusan simulasi ini, dan peratusan simulasi tidak boleh dilihat sebagai kebarangkalian. Sebaliknya, keputusan yang paling teruk hanya mewakili senario berpotensi yang mungkin digunakan untuk memberi anda gambaran yang lebih jelas tentang apa yang mungkin berlaku jika perkara teruk.

Walaupun bootstrapping menawarkan cara yang kemas untuk menggambarkan data ini, ia juga tidak tanpa kelemahan dan batasannya. Dalam contoh ini, bootstrapping hanya digunakan untuk data pasaran saham bersejarah dari tahun 1970 hingga 2014. Bahagian bon portfolio dianggap sebagai tetap 2% setahun, yang semestinya mencerminkan pulangan pelabur mungkin memperoleh hari ini dalam tempoh lima tahun CD atau Perbendaharaan 10 tahun. Fakta bahawa simulasi bootstrapping tidak digunakan untuk data bon sejarah mencerminkan batasan yang dilihat dalam kebanyakan aplikasi persaraan kerana hasil pada bon hari ini berada di dekat dasar yang melampau bersejarah. Hasilnya, mana-mana aplikasi Monte Carlo yang menjana nombor berdasarkan pulangan bon sejarah yang bermakna atau apa-apa simulasi bootstrapping yang secara rawak mengumpul pulangan indeks bon sejarah boleh menghasilkan hasil yang terlalu optimistik.

Dengan mana-mana aplikasi perancangan persaraan, syaitan berada dalam butirannya. Pengguna dan penasihat akan berusaha meluangkan sedikit masa untuk memahami andaian dan batasan yang wujud dalam mana-mana permohonan perancangan persaraan.

John H. Robinson adalah pemilik Perancangan Kewangan Hawaii dan pengasas bersama Nest Egg Guru, aplikasi perisian perancangan persaraan untuk profesional kewangan.

Imej melalui iStock.