Tại sao phần mềm xác suất là không đáng tin cậy cho kế hoạch nghỉ hưu

Nhiều người trong số các ứng dụng này có mặt trên thị trường - một số được phát triển bởi các công ty như Betterment, Vanguard, T. Rowe Price và Schwab, và những người khác được bán dưới dạng dịch vụ đăng ký cho cố vấn tài chính để sử dụng với khách hàng của họ. Vấn đề là người dùng được tin rằng họ nên đưa ra quyết định quan trọng trong cuộc sống với sự trợ giúp của các ứng dụng này, mặc dù xác suất cơ bản dựa trên kết cục không thể đoán trước.

Trong sự thật, áp dụng phần mềm xác suất để phân tích lập kế hoạch nghỉ hưu là sự điên rồ. Ngay cả những phần mềm lập kế hoạch hưu trí tinh vi nhất được sử dụng bởi các chuyên gia tài chính là một tiếng kêu xa từ một quả cầu pha lê.

Vấn đề với xác suất

Sự thất bại của phần mềm nghỉ hưu dựa trên xác suất, đặc biệt là những ứng dụng áp dụng các kỹ thuật mô phỏng Monte Carlo, rất hợp lý trong giới chuyên nghiệp. Một trong những bài báo học thuật đầu tiên nêu lên vấn đề là một bài báo năm 2006 được viết bởi nhà nghiên cứu hưu trí nổi tiếng và giáo sư Moshe Milevsky của Đại học York, người đã lưu ý trong phần giới thiệu của ông:

"Tất nhiên, như hầu hết các nhà tư vấn đầu tư đã biết trong nhiều năm, một số hưu trí - nếu nó thực sự tồn tại - là mơ hồ và không chính xác, vì nó phụ thuộc vào nhiều ẩn số kinh tế, đặc biệt là lợi nhuận thị trường cổ phiếu trong tương lai. Sau khi tất cả, con số này phải được đầu tư một nơi nào đó để tạo ra thu nhập, và quá trình trở lại danh mục đầu tư vốn đã ngẫu nhiên. ”

Ngoài việc không thể đoán trước lợi nhuận trong tương lai, Milevsky tiếp tục ghi lại cách “xác suất” được tạo ra bởi các ứng dụng phần mềm hưu trí phổ biến khác nhau tùy theo ứng dụng và các thông số thiết kế của ứng dụng.

Một nghiên cứu học thuật khác, được công bố vào tháng Hai, kết luận rằng "lời khuyên được cung cấp từ phần lớn các công cụ này là cực kỳ gây hiểu nhầm cho các hộ gia đình."

Các ấn phẩm này đã khiến một số người đặt câu hỏi liệu phần mềm lập kế hoạch nghỉ hưu có mang lại giá trị nào cho người tiêu dùng không. Vậy có những lựa chọn thay thế nào?

Phần mềm 'Thử nghiệm lại'

Cố vấn tài chính sử dụng phần mềm mô phỏng Monte Carlo thường thể hiện kết quả của khách hàng về khả năng có kết quả tích cực. Thay vì cố gắng dự đoán “xác suất thành công”, có lẽ cách tốt hơn để tiếp cận kế hoạch nghỉ hưu là từ một quan điểm nửa trống rỗng.

Những gì bạn thực sự cần phải biết không phải là cách bạn có thể giá vé nếu mọi thứ diễn ra tốt đẹp, nhưng điều gì sẽ xảy ra với bạn nếu 10% khả năng mưa biến thành xác suất 100% của một cơn giông bão. Bạn rất cần và muốn biết, "Nếu mọi thứ diễn ra tồi tệ trên thị trường đầu tư, tôi vẫn ổn chứ?"

Theo truyền thống, phần mềm “kiểm thử ngược” lịch sử đã được sử dụng cho mục đích này. Bằng cách nhập hồ sơ hưu trí của bạn vào một ứng dụng kiểm tra lại, bạn có thể kiểm tra xem danh mục đầu tư của bạn có thể gặp phải như thế nào nếu bạn đã nghỉ hưu trước khi suy thoái kinh tế trước đó. Mặc dù thông tin đó hữu ích và thú vị đối với người tiêu dùng, việc kiểm tra lại cũng có những hạn chế đáng kể.

Cụ thể, lợi nhuận trong quá khứ không thể được lặp lại trong cùng một trình tự chính xác, và hoàn toàn có thể là lợi nhuận trong tương lai sẽ tồi tệ hơn kinh nghiệm lịch sử.

Hơn nữa, giả sử bạn muốn kiểm tra xem danh mục đầu tư của bạn có thể nắm giữ như thế nào trong vòng 30 năm về hưu nếu bạn đã nghỉ hưu vào cuối năm 1999 (ngay trước các thị trường gấu năm 2000 và 2007'09). Bởi vì chúng tôi chỉ có mặt trong năm 2016, nên không thể thực hiện phân tích trong toàn bộ thời gian 30 năm. Bạn không thể kiểm tra lại tương lai.

Kỹ thuật khởi động

Một giải pháp cho những hạn chế của kiểm thử ngược là áp dụng một kỹ thuật mô phỏng được gọi là bootstrapping. Trong khi các công cụ mô phỏng dưới mui xe của nhiều ứng dụng hưu trí đòi hỏi các nhà thiết kế chương trình để làm cho giả định về tỷ lệ trung bình dự kiến ​​của sự trở lại và biến động cho các lớp tài sản khác nhau, bootstrapping không yêu cầu giả định như vậy. Mô phỏng được tạo ra thay vào đó bằng cách lấy mẫu ngẫu nhiên các kết quả lịch sử.

Nếu đủ mô phỏng được tạo ra - thường là tối thiểu là 5.000 - kết quả trung bình có thể được dự kiến ​​là gần đúng với mức trung bình lịch sử. Bằng cách xem xét phạm vi kết quả bên dưới trung bình, chương trình bootstrapping có thể minh họa các kịch bản cho thấy lợi nhuận đầu tư dưới mức trung bình, với số liệu thống kê có giá trị thấp (kết quả dưới 1%, 5% và 10%) đại diện cho các kịch bản có thể xấu hoặc tệ hơn hồ sơ lịch sử.

Ví dụ, bảng dưới đây cho thấy kết quả mô phỏng bootstrapping cho một nhà đầu tư 65 tuổi với khoảng thời gian hưu trí 25 năm, một giá trị danh mục đầu tư ban đầu trị giá 1 triệu đô la và phân bổ hưu trí từ 70 đến 30 cổ phiếu. Trong ví dụ này, nhà đầu tư yêu cầu một tỷ lệ rút tiền năm đầu tiên là $ 50.000 (5%) và tăng thêm 3% chi phí sinh hoạt hàng năm sau đó. Ông ước tính chi phí đầu tư hàng năm của mình là 1% và đã tuyên bố rằng ông dự kiến ​​sẽ rút tương ứng từ mỗi loại tài sản mỗi năm và cân bằng để duy trì phân bổ 70 đến 30 của mình.

Bằng cách tập trung vào nửa dưới của kết quả và hiển thị phạm vi mô phỏng trong khoảng thời gian 5 năm trong khoảng thời gian, bạn có thể đạt được ý nghĩa rõ ràng hơn về việc tiền gửi của bạn có thể kéo dài hay không. Hơn nữa, bằng cách trình bày dữ liệu theo định dạng này, dễ dàng kiểm tra việc thay đổi các yếu tố nằm trong tầm kiểm soát của bạn (số tiền chi tiêu, chiến lược rút tiền, phân bổ tài sản, chi phí đầu tư) có thể ảnh hưởng đến kết quả như thế nào.

Để rõ ràng, hoàn toàn không có gì tiên đoán trong các kết quả mô phỏng này, và các phần trăm mô phỏng không nên được xem là xác suất. Thay vào đó, kết quả tồi tệ nhất chỉ đại diện cho các kịch bản tiềm năng có thể được sử dụng để cung cấp cho bạn bức tranh rõ ràng hơn về những gì có thể xảy ra nếu mọi thứ trở nên tồi tệ.

Trong khi bootstrapping cung cấp một cách gọn gàng để minh họa cho những dữ liệu này, nó cũng không phải không có những sai sót và hạn chế của nó. Trong ví dụ này, bootstrapping chỉ được áp dụng cho dữ liệu thị trường chứng khoán lịch sử từ năm 1970 đến năm 2014. Phần trái phiếu của danh mục được giả định là không đổi 2% mỗi năm, phản ánh hợp lý lợi nhuận mà nhà đầu tư có thể kiếm được trong năm năm CD hoặc Kho bạc 10 năm. Thực tế là mô phỏng bootstrapping không được áp dụng cho dữ liệu trái phiếu lịch sử phản ánh một giới hạn được thấy trong hầu hết các ứng dụng hưu trí trong đó sản lượng trên trái phiếu ngày nay gần đáy cực kỳ lịch sử. Kết quả là, bất kỳ ứng dụng Monte Carlo nào tạo ra các con số dựa trên lợi tức trái phiếu trung bình hoặc bất kỳ mô phỏng bootstrapping nào là lấy mẫu ngẫu nhiên các chỉ số trái phiếu lịch sử có thể tạo ra kết quả quá lạc quan.

Với bất kỳ ứng dụng lập kế hoạch nghỉ hưu, ma quỷ là trong các chi tiết. Người tiêu dùng và cố vấn cũng sẽ làm tốt để dành thời gian để hiểu những giả định và hạn chế vốn có trong bất kỳ ứng dụng lập kế hoạch nghỉ hưu nào.

John H. Robinson là chủ sở hữu của Kế hoạch tài chính Hawaii và là người đồng sáng lập Nest Egg Guru, một ứng dụng phần mềm lập kế hoạch nghỉ hưu cho các chuyên gia tài chính.

Hình ảnh qua iStock.