De ce software-ul de probabilitate nu este fiabil pentru planificarea pensiilor

Multe dintre aceste aplicații sunt disponibile pe piață - unele dezvoltate de firme precum Betterment, Vanguard, T. Rowe Price și Schwab, iar altele sunt vândute ca servicii de abonare a consilierilor financiari pentru a fi utilizate cu clienții lor. Problema este că utilizatorii sunt convinși că ar trebui să ia decizii importante de viață cu ajutorul acestor aplicații, chiar dacă probabilitățile care stau la baza se bazează pe rezultate inerente imprevizibile.

În realitate, aplicarea unui software de probabilitate la analiza planificării de pensionare este o nebunie. Chiar și software-ul cel mai sofisticat de planificare a pensiilor utilizat de profesioniștii financiari este un strigăt departe de o minge de cristal.

Problema cu probabilitățile

Erorile software-ului de pensionare bazate pe probabilitate, în special acele aplicații care aplică așa-numitele tehnici de simulare Monte Carlo, sunt relativ bine cunoscute în cercurile profesionale. Unul dintre primele lucrări academice care a ridicat problema a fost un articol din 2006, scris de renumitul cercetător în domeniul pensiilor și profesorul de la York University of Toronto, Moshe Milevsky, care a menționat în introducerea sa:

"Bineînțeles, așa cum știu majoritatea consultanților de investiții de ani de zile, numărul de pensionare - dacă există de fapt - este vag și imprecis, deoarece depinde de numeroase necunoscute economice, în special de rentabilitatea viitoare a piețelor de capital. La urma urmei, acest număr trebuie să fie investit undeva pentru a produce venituri, iar procesul de returnare a portofoliului este în mod inerent întâmplător ".

În plus față de imprevizibilitatea returnărilor viitoare, Milevsky continuă să documenteze cum "probabilitățile" produse de aplicațiile software populare de pensionare diferă de la o aplicație la alta, în funcție de ipotezele interne ale aplicațiilor și de parametrii de proiectare.

Un alt studiu academic, publicat în februarie, a concluzionat că "sfaturile furnizate de majoritatea acestor instrumente sunt extrem de înșelătoare pentru gospodării".

Aceste publicații au determinat unii să se întrebe dacă software-ul de planificare a pensionării oferă deloc valoare consumatorilor. Deci, ce alternative există?

Software de "back-testing"

Consilierii financiari care folosesc software-ul de simulare Monte Carlo exprimă adesea rezultatele clienților în ceea ce privește probabilitatea unui rezultat pozitiv. În loc să încerci să preziceți "probabilitățile de succes", poate că o modalitate mai bună de abordare a planificării de pensionare este dintr-o perspectivă plină de sticlă.

Ceea ce trebuie să știți cu adevărat nu este modul în care vă puteți descurca dacă lucrurile merg bine, dar ce vă va întâmpla dacă o posibilitate de 10% de ploaie se transformă într-o probabilitate de 100% de furtună. Aveți nevoie disperată și doriți să știți: "Dacă lucrurile merg prost pe piețele de investiții, voi fi în continuare în regulă?"

În mod tradițional, în acest scop a fost folosit software-ul istoric de "back-testing". Introducând profilul dvs. de pensionare într-o aplicație de testare retrospectivă, puteți testa modul în care ar fi putut fi gestionat portofoliul dvs. dacă v-ați retras înainte de încetinirea creșterii economice anterioare. Deși aceste informații sunt utile și interesante pentru consumatori, testarea înapoi are și limitări semnificative.

În mod specific, este puțin probabil ca returnările din trecut să fie repetate în aceeași secvență exactă și este foarte posibil ca returnările viitoare să fie mai slabe decât experiența istorică.

Mai mult, să presupunem că ați vrut să testați modul în care portofoliul dvs. s-ar putea menține pe un orizont de 30 de ani de pensionare, dacă v-ați retras la sfârșitul anului 1999 (chiar înainte de anii 2000-2002 și 2007 -09). Pentru că nu suntem decât în ​​2016, nu este posibil să analizăm analiza pe întregul orizont de 30 de ani. Nu poți să testezi viitorul.

Tehnica de împingere

O soluție la limitările testării înapoi este aplicarea unei tehnici de simulare numită bootstrapping. În timp ce motorul de simulare sub capota multor aplicații de pensionare cere proiectantului de programe să facă presupuneri despre ratele medii așteptate de rentabilitate și volatilitate pentru diferite clase de active, bootstrappingul nu necesită astfel de ipoteze. În schimb, se produc simulări prin prelevarea aleatorie a rezultatelor istorice.

Dacă se generează suficiente simulări - de obicei, cel puțin 5 000 - se așteaptă ca rezultatul median să fie aproximativ în concordanță cu mediile istorice. Având în vedere gama de rezultate sub nivelul median, programele de bootstrapping pot ilustra scenarii care indică o rentabilitate a investițiilor sub media, cu statisticile valorii la risc (rezultatele de jos 1%, 5% și 10%) reprezentând scenarii care pot fi la fel de proaste ca sau mai rău decât recordul istoric.

De exemplu, următorul tabel prezintă rezultatele simulării bootstrapping pentru un investitor în vârstă de 65 de ani cu un orizont de 25 de ani de pensionare, o valoare inițială a portofoliului de 1 milion de dolari și o alocare de pensie pentru obligațiuni de la 70 la 30. În acest exemplu, investitorul are nevoie de o rată de retragere de 50.000 USD (5%) și de o creștere anuală de 3% a costului vieții după aceea. El estimează cheltuielile anuale de investiții la 1% și a declarat că se așteaptă să se retragă proporțional din fiecare clasă de active în fiecare an și să reechilibreze pentru a-și menține alocarea de la 70 la 30.

Concentrându-vă pe jumătatea inferioară a rezultatelor și afișând intervalul de simulare în creșteri de cinci ani în perioada de timp, puteți obține un sentiment mult mai tangibil cu privire la durata și durata economiilor. În plus, prin prezentarea datelor în acest format, este ușor să testați apoi modul în care factorii care se află în controlul dvs. (suma de cheltuieli, strategia de retragere, alocarea activelor, cheltuielile de investiții) pot afecta rezultatele.

Pentru a fi clar, nu există absolut nimic predictiv în aceste rezultate de simulare, iar percentilele de simulare nu ar trebui privite ca probabilități. În schimb, cele mai grave rezultate reprezintă doar scenarii potențiale care pot fi folosite pentru a vă oferi o imagine mai clară a ceea ce se poate întâmpla dacă lucrurile merg prost.

În timp ce bootstrapping oferă o modalitate de a ilustra aceste date, nu este, de asemenea, fără defecte și limitări. În acest exemplu, bootstrapping-ul a fost aplicat numai datelor istorice de pe piața bursieră din anii 1970 până în 2014. Ponderea portofoliului portofoliului a fost estimată a fi o constantă de 2% pe an, care reflectă în mod rezonabil randamentul pe care un investitor l-ar putea câștiga astăzi pe o perioadă de cinci ani CD sau Trezorerie de 10 ani. Faptul că simulările de tip bootstrapping nu au fost aplicate datelor istorice ale obligațiunilor reflectă o limitare văzută în majoritatea aplicațiilor de pensionare prin faptul că randamentele de obligațiuni de astăzi sunt aproape de partea de jos a extremei istorice. Ca rezultat, orice aplicație Monte Carlo care generează cifre bazate pe rentabilitatea medie a obligațiunilor istorice sau pe orice simulare de tip bootstrapping, care evaluează aleatoriu indicele istoric al obligațiunilor, poate produce rezultate extrem de optimiste.

Cu orice aplicație de planificare a pensiilor, diavolul se află în detaliu. Consumatorii și consilierii ar face bine să își ia timp pentru a înțelege ipotezele și limitările inerente oricărei aplicații de planificare a pensionării.

John H. Robinson este proprietarul Planificării Financiare din Hawaii și co-fondator al programului Nest Egg Guru, o aplicație software de planificare a pensiilor pentru profesioniștii financiari.

Imagine prin iStock.