Proč pravděpodobnostní software je nespolehlivé pro plánování odchodu do důchodu
2) Podobnost trojúhelníků - příklad 1
Obsah:
J.R. Robinson
Další informace o společnosti J.R. na našich stránkách Zeptejte se poradce
Vzhledem k tomu, že se finanční služby staly stále více automatizovanými, ukázaly se aplikace pro výdaje na důchody, které vám umožňují zadat vaše potřeby v oblasti příjmů a informace o portfoliu, zdánlivě, abyste získali přiměřenou předpověď, zda a jak dlouho mohou vajíčka hnízdí vydrží při odchodu do důchodu.
Příbuzné příběhy
Mnohé z těchto aplikací jsou na trhu - některé byly vyvinuty firmami, jako jsou firmy Betterment, Vanguard, T. Rowe Price a Schwab, a další se prodávají jako předplatné služeb finančním poradcům pro použití se svými klienty. Problém spočívá v tom, že uživatelé jsou přesvědčeni, že by s těmito aplikacemi měli dělat důležitá rozhodnutí o životě, přestože pravděpodobné pravděpodobnosti jsou založeny na podstatně nepředvídatelných výsledcích.
Ve skutečnosti je použití pravděpodobného softwaru pro analýzu plánování důchodového pojištění hloupostí. Dokonce i nejprofesionálnější software pro plánování odchodu do důchodu používaný finančními profesionály je vzdálený od křišťálového míčku.
Problém s pravděpodobnostmi
Problémy důchodového softwaru založeného na pravděpodobnosti, konkrétně těch aplikací, které používají takzvané simulační techniky Monte Carlo, jsou v odborných kruzích poměrně dobře známé. Jedním z prvních akademických prací, které se týkaly tohoto problému, byl článek z roku 2006, který napsal renomovaný vědecký důstojník a profesor Yorkské univerzity v Torontu Moshe Milevsky, který ve svém úvodu poznamenal:
"Samozřejmě, jak většina investičních poradců zná léta, číslo pro odchod do důchodu - pokud skutečně existuje - je vágní a nepřesné, neboť závisí na mnoha ekonomických neznámích, zejména na budoucích výnosech akciového trhu. Koneckonců, toto číslo musí být investováno někde za účelem dosažení příjmu a proces návratnosti portfolia je ve své podstatě náhodný."
Kromě nepředvídatelnosti budoucích výnosů Milevsky pokračuje v dokumentaci, jak se "pravděpodobnosti" vytvořené populárními aplikacemi pro odchod do důchodu liší od jedné aplikace k druhé, v závislosti na interních předpokladech aplikací a konstrukčních parametrech.
Další studie zveřejněná v únoru dospěla k závěru, že "rada poskytovaná většinou těchto nástrojů je pro domácnosti extrémně zavádějící."
Tyto publikace způsobily, že někteří se ptají, zda software pro plánování odchodu do důchodu nabízí zákazníkům vůbec žádnou hodnotu. Jaké alternativy existují?
Software pro zpětné testování
Finanční poradci, kteří používají simulační software Monte Carlo, často vyjadřují výsledky svých klientů z hlediska pravděpodobnosti pozitivního výsledku. Místo toho, aby se pokusilo předpovědět "pravděpodobnost úspěchu", možná lepší způsob, jak přistupovat k plánování odchodu do důchodu, je z pohledu poloprázdného skla.
To, co opravdu potřebujete vědět, není to, jak byste se mohli vydat, kdyby to fungovalo dobře, ale co se vám stane, pokud se 10% pravděpodobnost deště změní na 100% pravděpodobnost bouřky. Zoufale potřebujete a chcete vědět: "Pokud se věci na investičních trzích zhorší, budu stále v pořádku?"
Tradičně se k tomuto účelu používá historický software "back-testing". Zadáním profilu odchodu do důchodu do aplikace zpětného testování můžete vyzkoušet, jak by mohlo dojít ke změně portfolia, pokud byste před předchozím hospodářským poklesem odešli do důchodu. Zatímco takové informace jsou užitečné a zajímavé pro spotřebitele, zpětné testování má také významná omezení.
Konkrétně je pravděpodobné, že minulé výnosy se opakují v přesně stejném pořadí a je zcela možné, že budoucí výnosy budou horší než historické zkušenosti.
Dále předpokládejme, že byste chtěli vyzkoušet, jak by vaše portfolio mohlo vydržet v horizontu 30 let odchodu do důchodu, kdybyste odešel do důchodu na konci roku 1999 (těsně před trhy s tržními cenami v letech 2000-2002 a 2007 -09). Jelikož jsme teprve v roce 2016, není možné tuto analýzu hrát v celém 30letém horizontu. Nemůžete zpětně testovat budoucnost.
Technika bootstrapingu
Jedním z řešení omezení zpětného testování je použití simulační techniky nazvané bootstrapping. Zatímco simulační engine pod kapotou mnoha aplikací na odchod do důchodu vyžaduje od projektanta programu předpoklady o předpokládaných průměrných výnosových úrovních a volatilitě pro různé třídy aktiv, bootstrapping nevyžaduje žádné takové předpoklady. Namísto toho se simulace náhodně odebírají historické výnosy.
Pokud se vygenerují dostatečné simulace - obvykle minimálně 5 000 - lze očekávat, že střední výsledek bude zhruba v souladu s historickými průměry. Při zvažování rozsahu výsledků pod mediánem mohou programy bootstrappingu ilustrovat scénáře, které ukazují podprůměrné výnosy z investic, přičemž statistika o hodnotě v riziku (výsledné skóre 1%, 5% a 10%) představují scénáře, které mohou být stejně špatné nebo horší než historický záznam.
Například následující tabulka zobrazuje výsledky simulace bootstrapingu u 65letého investora s 25tiletým horizontem odchodu do důchodu, počáteční hodnoty portfolia ve výši 1 milionu dolarů a přidělení důchodového věku od 70 do 30. V tomto příkladu investoři potřebují odběrovou sazbu za první rok ve výši 50 000 USD (5%) a poté zvýší o 3% roční životní náklady. Odhaduje, že jeho roční investiční náklady činí 1%, a uvedl, že očekává, že bude každoročně každoročně odstupovat z každé třídy akcií a znovu vyvažovat, aby udržel své přidělení od 70 do 30.
Simulační percentily | Zbývající zůstatek po pěti letech | 10 let | 15 let | 20 let | 25 let |
---|---|---|---|---|---|
Výsledky simulace generované Nest Egg Guru. Simulační percentily představují jeden výsledek z 5 000 simulací. Například 10. percentil představuje 500. nejhorší výsledek a medián představuje výsledek simulace 2500. (střední). | |||||
80% | $1,212,308 | $1,358,150 | $1,439,849 | $1,513,529 | $1,483,135 |
60% | $1,091,368 | $1,127,568 | $1,108,806 | $1,004,560 | $796,054 |
Medián | $1,038,653 | $1,040,195 | $977,559 | $833,761 | $535,366 |
40% | $988,481 | $958,058 | $864,393 | $671,558 | $316,435 |
20% | $886,511 | $789,407 | $615,265 | $329,948 | $0 |
10% | $818,595 | $685,467 | $466,587 | $129,937 | $0 |
5% | $763,903 | $601,042 | $353,836 | $0 | $0 |
1% | $675,021 | $472,024 | $190,510 | $0 | $0 |
Nejhorší | $545,910 | $259,541 | $0 | $0 | $0 |
Zaměřením na spodní polovinu výsledků a zobrazením simulačního rozsahu v pětiletých přírůstcích v daném časovém období získáte mnohem hmatatelnější pocit, zda a jak dlouho mohou vaše úspory trvat. A co víc, předkládáním dat v tomto formátu je snadné prověřit, jak mohou ovlivnit výsledky měnící se faktory, které jsou ve vaší kontrole (výše výdajů, strategie čerpání, alokace aktiv, investiční výdaje).
Aby bylo jasné, není v těchto výsledcích simulace absolutně nic přediktivní a percentily simulace by neměly být považovány za pravděpodobnosti. Místo toho nejhorší výsledky představují jen potenciální scénáře, které mohou být použity k tomu, abyste získali jasnější představu o tom, co se může stát, pokud se věci stanou špatně.
Zatímco bootstrapping nabízí čistý způsob, jak ilustrovat tato data, je to také bez jeho nedostatků a omezení. V tomto příkladu se bootstrapping aplikoval pouze na historické údaje o akciovém trhu od roku 1970 do roku 2014. Předpokládá se, že dluhopisová část portfolia představuje konstantní 2% ročně, což odráží návratnost, kterou by investor mohl dnes získat za pět let CD nebo 10 letou pokladnu. Skutečnost, že bootstrapovací simulace nebyly aplikovány na historické dluhopisové údaje, odráží omezení, které se vyskytuje ve většině aplikací v důchodu, protože výnosy z dluhopisů jsou dnes v blízkosti historického extrému. Výsledkem je, že jakákoli aplikace Monte Carlo, která vytváří čísla založená na průměrných historických dluhopisových výnosů nebo jakékoliv bootstrapovací simulaci, která náhodně odebírá historický index dluhopisů, může přinést příliš optimistické výsledky.
S žádnou aplikací pro plánování odchodu do důchodu je ďábel v detailech. Spotřebitelé a poradci by také udělali čas, aby si uvědomili předpoklady a omezení obsažená v jakékoli žádosti o penzijní plánování.
John H. Robinson je vlastníkem Financial Planning Hawaii a spoluzakladatelem společnosti Nest Egg Guru, softwarové aplikace pro plánování peněz pro finanční odborníky.
Obrázek přes iStock.