왜 확률 소프트웨어가 은퇴 계획에 신뢰할 수 없는지

Betterment, Vanguard, T. Rowe Price 및 Schwab와 같은 회사에서 개발 한 앱과 금융 고객에게 사용하기 위해 구독 서비스로 판매 한 앱이 많이 있습니다. 문제는 근본적인 확률이 본질적으로 예측할 수없는 결과에 근거하고 있음에도 불구하고 사용자가 이러한 앱을 사용하여 중요한 삶의 결정을 내려야한다고 믿게된다는 것입니다.

사실, 퇴직 계획 분석에 확률 소프트웨어를 적용하는 것은 어리 석다. 금융 전문가들이 사용하는 가장 정교한 은퇴 계획 소프트웨어조차도 수정 구슬과는 거리가 있습니다.

확률 문제

확률 기반 퇴직 소프트웨어, 특히 소위 몬테 카를로 시뮬레이션 기술을 적용하는 앱의 실패는 전문 분야에서 잘 알려져 있습니다. 이 문제를 제기 한 최초의 학술 논문 중 하나는 명예 퇴직 연구원과 토론토 요크 대학교 교수 인 Moshe Milevsky가 저술 한 2006 년 논문으로,

"물론 대부분의 투자 자문가들이 수년간 알고있는 바와 같이, 실제로 존재한다면 은퇴 수는 모호하고 부정확합니다. 많은 경제적 인 미지수, 특히 미래의 주식 시장 수익에 달려 있기 때문입니다. 결국,이 숫자는 소득을 산출하기 위해 어딘가에 투자되어야하며, 포트폴리오 수익률 프로세스는 본질적으로 무작위 적입니다."

Milevsky는 향후 수익의 예측 가능성에 덧붙여, 애플리케이션의 내부 가정 및 설계 매개 변수에 따라 널리 사용되는 은퇴 소프트웨어 응용 프로그램에서 생성되는 "확률"이 한 앱에서 다음 앱으로 어떻게 다른지 문서화합니다.

2 월에 발표 된 또 다른 학문적 연구는 "이 도구의 대다수에서 제공된 조언은 가구에 극도로 오해의 소지가있다"고 결론 지었다.

이 간행물은 퇴직 계획 소프트웨어가 소비자에게 어떤 가치를 제공하는지 여부에 대해 의문을 갖게했습니다. 그렇다면 대안은 무엇입니까?

'백 테스트'소프트웨어

몬테카를로 시뮬레이션 소프트웨어를 사용하는 재무 고문은 긍정적 인 결과의 가능성에 대한 고객의 결과를 종종 표현합니다. "성공의 확률"을 예측하려고 시도하는 대신 은퇴 계획에 접근하는 더 좋은 방법은 유리 반쯤 비어있는 관점에서 출발하는 것입니다.

당신이 정말로 알아야 할 것은 어떻게하면 좋을지 모르지만, 10 %의 비가 100 % 확률로 뇌우에 빠지면 어떻게 될 것인가. 당신은 절망적으로 필요하고 알고 싶다, "일들이 투자 시장에서 나빠질 경우, 나는 여전히 괜찮을까요?"

전통적으로 역사적인 "백 테스트"소프트웨어가 이러한 목적으로 사용되었습니다. 퇴직 프로필을 백 테스트 앱에 입력하면 이전 경기 침체 이전에 은퇴 한 경우 포트폴리오가 어떻게 움직 였는지 테스트 할 수 있습니다. 이러한 정보는 소비자에게 유용하고 흥미 롭지 만 백 테스팅에는 상당한 한계가 있습니다.

특히, 과거 수익률은 똑같은 순서로 반복 될 가능성이 적으며, 미래 수익률은 역사적 경험보다 나빠질 가능성이 있습니다.

또한 1999 년 말 (2000 년 -2002 년 및 2007 년 - 2009 년 베어 마켓 직전에) 은퇴 한 경우 포트폴리오가 어떻게 30 년의 퇴직 기간에 걸쳐 유지 될 수 있는지 테스트하려고한다고 가정합니다. 우리는 2016 년에만 있기 때문에 전체 30 년의 기간 동안 분석을 수행 할 수는 없습니다. 미래를 역 테스트 할 수는 없습니다.

부트 스트랩 기술

백 테스트의 한계에 대한 한 가지 해결책은 부트 스트랩이라는 시뮬레이션 기법을 적용하는 것입니다. 많은 퇴직 응용 프로그램의 후드 아래에있는 시뮬레이션 엔진은 프로그램 디자이너가 다양한 자산 클래스에 대한 예상 평균 수익률 및 변동성에 대한 가정을 요구하지만 부트 스트래핑에는 그러한 가정이 필요하지 않습니다. 시뮬레이션은 과거의 수익률을 무작위로 샘플링하여 생성됩니다.

충분한 시뮬레이션이 생성되면 (일반적으로 최소 5,000), 중간 결과는 대략적으로 역사적 평균과 같을 것으로 예상 될 수 있습니다. 중앙값보다 낮은 결과 범위를 고려하여 부트 스트래핑 프로그램은 평균 이하의 투자 수익률을 보이는 시나리오를 보여줄 수 있습니다 (위험 수준 1 %, 5 % 및 10 % 결과) 나쁜 시나리오 일 수도 있습니다. 역사적 기록보다 좋거나 나쁘다.

예를 들어, 다음 표는 25 년의 퇴직 기간, 초기 포트폴리오 가치 1 백만 달러 및 70 대 30의 주식 채권 퇴직 할당을 가진 65 세의 투자자를위한 부트 스트랩 시뮬레이션 결과를 보여줍니다. 이 예에서 투자자는 첫해 철수 율이 5 만 달러 (5 %)이고 그 이후에는 연간 생활비가 3 % 증가해야합니다. 그는 연간 투자 비용을 1 %로 추정하고 매년 70-30 배분을 유지하기 위해 매년 각 자산 클래스에서 비례 적으로 철수하고 균형을 조정할 것으로 예상했다.

결과의 아래쪽 절반에 초점을 맞추고 해당 기간 동안 시뮬레이션 범위를 5 년 단위로 표시함으로써 절약 효과가 지속되는지 여부와 훨씬 더 확실한 감각을 얻을 수 있습니다. 또한 데이터를이 형식으로 표시함으로써 통제 범위 내에서 변화하는 요소 (지출 금액, 인출 전략, 자산 배분, 투자 비용)가 결과에 어떻게 영향을 미치는지 테스트 할 수 있습니다.

명확하게 말하자면,이 시뮬레이션 결과에는 예측할 수있는 것이 전혀 없으며 시뮬레이션 백분위 수를 확률로 보아서는 안됩니다. 대신, 최악의 결과는 일이 심각하게 진행될 경우 발생할 수있는 상황을 명확하게 파악하는 데 사용할 수있는 잠재적 인 시나리오를 나타낼뿐입니다.

부트 스트래핑은 이러한 데이터를 설명하기위한 깔끔한 방법을 제공하지만 결함과 한계가있는 것은 아닙니다. 이 예제에서 부트 스트래핑은 1970 년부터 2014 년까지의 역사적인 주식 시장 데이터에만 적용되었습니다. 포트폴리오의 채권 부분은 투자자가 오늘 5 년 동안 벌 수있는 수익을 합리적으로 반영하는 연간 2 %로 가정했습니다 CD 또는 10 년 재무부. 부트 스트랩 시뮬레이션이 과거 채권 데이터에 적용되지 않았다는 사실은 오늘날의 채권 수익률이 역사적인 극단의 바닥에 가깝다는 점에서 대부분의 은퇴 앱에서 볼 수있는 한계를 반영합니다. 결과적으로 과거 평균 채권 수익률에 기초한 수치를 생성하는 Monte Carlo 응용 프로그램이나 과거 채권 지수 수익률을 무작위로 샘플링하는 임의의 부트 스트래핑 시뮬레이션은 지나치게 낙관적 인 결과를 초래할 수 있습니다.

퇴직 계획 응용 프로그램을 사용하면 악마가 자세히 설명됩니다. 소비자와 고문 모두 퇴직 기획 신청서에 내재 된 가정과 한계를 이해하는 데 시간을 할애 할 것입니다.

존 H. 로빈슨 (John H. Robinson)은 재무 계획 하와이의 주인이자 Nest Egg Guru (금융 전문가를위한 은퇴 계획 소프트웨어 응용 프로그램)의 공동 설립자입니다.

iStock를 통해 이미지.