למה תוכנות ההסתברות אינו אמין לתכנון פרישה

רבים של יישומים אלה נמצאים בשוק - חלקם שפותחו על ידי חברות כגון Betterment, ואנגארד, T. Rowe מחיר ו Schwab, ואחרים שנמכרו כמו שירותי מנוי ליועצים פיננסיים לשימוש עם הלקוחות שלהם. הבעיה היא כי משתמשים מובילים להאמין שהם צריכים לקבל החלטות בחיים החשובים בעזרת יישומים אלה, למרות ההסתברויות הבסיסית מבוססים על תוצאות בלתי צפויות מטבעו.

למען האמת, יישום תוכנה הסתברות ניתוח פרישה ניתוח הוא איוולת. אפילו תוכנת פרישה מתוחכמת ביותר בשימוש על ידי אנשי מקצוע פיננסיים היא רחוקה מאוד כדור בדולח.

הבעיה עם הסתברויות

הכשלים של תוכנות פרישה מבוססות הסתברות, במיוחד אלה יישומים החלים כביכול טכניקות סימולציה מונטה קרלו, ידועים באופן סביר בחוגים מקצועיים. אחד המסמכים האקדמיים הראשונים שהעלה את הנושא היה מאמר משנת 2006 שכתב חוקר פרישה ידוע ופרופסור מאוניברסיטת טורונטו מאוניברסיטת טורונטו, משה מילבסקי, שציין בהקדמתו:

"כמובן, כפי שרוב יועצי ההשקעות יודעים מזה שנים, מספר פרישה - אם אכן קיים - הוא מעורפל ולא מדויק, שכן הוא תלוי בהרבה ידועים כלכליים, במיוחד תשואות בשוק המניות בעתיד. אחרי הכל, מספר זה חייב להיות מושקע איפשהו כדי לייצר הכנסה, ותהליך החזרת התיק הוא אקראי מטבעו."

בנוסף לבלתי צפוי של תשואות עתידיות, Milevsky ממשיך לתעד כיצד "הסתברויות" המיוצרות על ידי יישומי תוכנה פרישה פופולריים משתנים מאפליקציה אחת לאחרת, בהתאם ליעדים הפנימיים של היישומים ופרמטרים של עיצוב.

מחקר אקדמי נוסף, שפורסם בחודש פברואר, הגיע למסקנה כי "העצה הניתנת ממרבית הכלים הללו מטעה ביותר למשקי הבית".

פרסומים אלה גרמו כמה לשאול אם תוכנה פרישה תכנון מציעה ערך כלשהו לצרכנים בכלל. אז מה הן החלופות?

"תוכנה לבדיקה אחורית"

יועצים פיננסיים המשתמשים בתוכנת סימולציה מונטה קרלו לעתים קרובות להביע את התוצאות של הלקוחות שלהם במונחים של הסבירות של תוצאה חיובית. במקום לנסות לחזות "הסתברויות של הצלחה", אולי הדרך הטובה ביותר לגשת לתכנון פרישה היא מתוך נקודת מבט חצי ריק.

מה שאתה באמת צריך לדעת הוא לא איך אתה יכול לנסוע אם הדברים הולכים טוב, אבל מה יקרה לך אם אפשרות של 10% של גשם הופך ל -100% הסתברות של סופת רעמים. אתה צריך נואשות ורוצה לדעת, "אם הדברים הולכים בצורה גרועה בשוקי ההשקעות, האם אני עדיין בסדר?"

באופן מסורתי, היסטורי "בדיקה לאחור" התוכנה כבר בשימוש למטרה זו. על ידי הזנת פרופיל הפרישה שלך לתוך יישום בדיקה לאחור, אתה יכול לבדוק איך תיק שלך עשוי היה אם היו לך בדימוס לפני ההאטה הכלכלית הקודמת. בעוד מידע כזה הוא שימושי ומעניין לצרכנים, בדיקה לאחור יש גם מגבלות משמעותיות.

באופן ספציפי, חזרות העבר צפויים לחזור על עצמו באותו רצף בדיוק שוב, וזה אפשרי לחלוטין כי התשואות בעתיד יהיה גרוע יותר מאשר ניסיון היסטורי.

יתר על כן, נניח שאתה רוצה לבדוק איך תיק ההשקעות שלך עשוי להחזיק מעל אופרה פרישה של 30 שנה אם אתה פרש בסוף 1999 (ממש לפני 2000 - '02 ו 2007 - '09 לשאת שווקים). בגלל שאנחנו רק בשנת 2016, לא ניתן להפעיל את הניתוח על פני 30 שנה אופק מלא. אתה לא יכול לבדוק את העתיד.

טכניקת אתחול

פתרון אחד למגבלות של בדיקה לאחור הוא ליישם טכניקה סימולציה בשם bootstrapping. בעוד מנוע הסימולציה מתחת למכסה המנוע של אפליקציות פרישה רבות מחייב את מעצב התוכנית להניח הנחות לגבי שיעורי התשואה הממוצעים הצפויה והתנודתיות עבור סוגי נכסים שונים, bootstrapping אינו דורש הנחות כאלה. סימולציות מיוצרות במקום על ידי דגימה אקראית היסטורית מחזירה.

אם נוצר מספיק סימולציות - בדרך כלל מינימום של 5,000 - התוצאה החציונית עשויה להיות צפויה להיות בערך בקנה אחד עם ממוצעים היסטוריים. על ידי בחינת טווח התוצאות מתחת לחציון, תוכניות Bootstrapping עשויות להמחיש תרחישים המציגים תשואות השקעה מתחת למחצית, עם הנתונים הסטטיסטיים של ערך בסיכון (החלק התחתון של 1%, 5% ו -10% תוצאות) המייצגים תרחישים שעשויים להיות גרועים או גרוע מזה של השיא ההיסטורי.

לדוגמה, הטבלה הבאה מציגה את תוצאות סימולציית האתחול עבור משקיע בן 65 עם אופק פרישה של 25 שנים, שווי תיק ראשוני של 1 מיליון דולר והקצאת פרישה של 70 עד 30. בדוגמה זו, המשקיע דורש שיעור משיכה של $ 50,000 (5%) בשנה הראשונה וגידול של 3% במחיר היוקר השנתי לאחר מכן. הוא מעריך את הוצאות ההשקעה השנתיות שלו ב -1%, וציין כי הוא מצפה לסגת באופן יחסי מכל סוג נכס בכל שנה ולאזן מחדש את ההקצאה של 70 ל -30.

על ידי התמקדות במחצית התחתונה של התוצאות והצגת טווח הסימולציה במרווחים של חמש שנים על פני תקופת הזמן, אתה יכול לקבל תחושה מוחשית הרבה יותר אם וכמה זמן החיסכון שלך יכול להימשך. מה עוד, על ידי הצגת הנתונים בפורמט זה, קל לבדוק כיצד גורמים משתנים הנמצאים בשליטה שלך (סכום ההוצאות, אסטרטגיית הנסיגה, הקצאת הנכסים, הוצאות ההשקעה) עשויים להשפיע על התוצאות.

כדי להיות ברור, אין שום דבר מנבא בתוצאות סימולציה אלה, ואת האחוזים סימולציה לא צריך להיחשב הסתברויות. במקום זאת, התוצאות הגרועות ביותר מייצגות רק תרחישים אפשריים שעשויים לשמש כדי לתת לך תמונה ברורה יותר של מה שעלול לקרות אם הדברים הולכים בצורה גרועה.

בעוד bootstrapping מציע דרך מסודרת כדי להמחיש את הנתונים האלה, זה גם לא בלי הפגמים והמגבלות שלה. בדוגמה זו, bootstrapping הוחל רק על נתוני שוק המניות ההיסטוריים מ 1970 עד 2014. חלק האג"ח של התיק היה להניח להיות קבוע 2% בשנה, אשר משקף באופן סביר את התשואה המשקיע עשוי להרוויח היום על חמש שנים תקליטור או 10 שנים האוצר. העובדה כי סימולציות bootstrapping לא יושמו על נתוני האג"ח ההיסטורי משקף מגבלה לראות את רוב היישומים פרישה כי התשואות על אג"ח היום נמצאים בחלק התחתון של הקיצון ההיסטורי. כתוצאה מכך, כל יישום מונטה קרלו שמייצר מספרים המבוססים על תשואות אג"ח היסטוריות ממוצעות או כל סימולציה לאוטומטית שמדגימה באופן אקראי את תשואות המדד ההיסטורי, עשויה להביא לתוצאות אופטימיות מדי.

עם כל יישום פרישה תכנון, השטן הוא בפרטים. הצרכנים והיועצים כאחד יספיקו לקחת את הזמן כדי להבין את ההנחות והמגבלות הטמונות בכל יישום תכנון פרישה.

ג 'ון ח רובינסון הוא הבעלים של תכנון פיננסי הוואי ומייסד של קן ביצה גורו, יישום פרישה תכנון תוכנה עבור אנשי מקצוע פיננסיים.

תמונה באמצעות iStock.