Bei der Planung des Ruhestands ist es praktisch unmöglich, die Leistung und den Zeitpunkt zukünftiger Anlagerenditen genau vorherzusagen, was es wiederum schwierig macht, den Erfolg oder Misserfolg eines Plans genau vorherzusagen. Und während Monte-Carlo-Simulationen es Beratern ermöglicht haben, Rentenprognosen zu erstellen, die eine vernünftige Grundlage in Mathematik und Daten zu haben scheinen, wurde nur begrenzt untersucht, ob Monte-Carlo-Modelle wirklich wie beworben funktionieren – mit anderen Worten, ob die realen -Weltergebnisse der Rentner im Laufe der Zeit mit der prognostizierten Erfolgswahrscheinlichkeit der Monte-Carlo-Simulation übereinstimmen würden.
Angesichts der Bedeutung einiger Empfehlungen, die Berater auf Monte-Carlo-Simulationen stützen können – etwa wann ein Kunde in Rente gehen kann und welchen Lebensstil er sich leisten kann – scheint es wichtig, darauf zu achten, wie sich Monte-Carlo-Simulationen in der Realität verhalten Welt, die Möglichkeiten aufzeigen kann, wie Berater ihre Prognosen zur Altersvorsorge anpassen können, um die von ihnen gegebenen Empfehlungen zu optimieren. Durch die Durchführung von Forschungsarbeiten zur Bewertung der Leistung verschiedener Monte-Carlo-Methoden hat Earnings Lab darauf hingewiesen, dass Monte-Carlo-Simulationen auf hohem Niveau im Vergleich zu realen Ergebnissen erhebliche Fehler aufweisen. Darüber hinaus wurde festgestellt, dass bestimmte Arten von Monte-Carlo-Analysen fehleranfälliger sind als andere, darunter ein traditioneller Monte-Carlo-Ansatz mit einem einzigen Satz von Kapitalmarktannahmen (CMAs), der auf den gesamten Plan angewendet wird, und eine Monte-Carlo-Analyse mit reduziertem CMA , ähnlich dem traditionellen Modell, aber mit um 2 % reduzierten CMAs.
Bemerkenswerterweise übertrafen historische und Regime-basierte Monte-Carlo-Modelle traditionelle und reduzierte CMA-Modelle nicht nur im Allgemeinen, sondern auch in den meisten einzelnen getesteten Zeiträumen, da sie bei vielen Arten von Wirtschafts- und Marktbedingungen weniger Fehler aufwiesen. Darüber hinaus unterschätzte der Regime-basierte Ansatz im Vergleich zu den traditionellen und reduzierten CMA-Monte-Carlo-Methoden die Erfolgswahrscheinlichkeit konsequenter, was bedeutet, dass, wenn ein Rentner eine „überraschende“ Abweichung von seinen Monte-Carlo-Ergebnissen hätte, dies der Fall wäre Sie hatten am Ende ihres Lebens „zu viel“ Geld übrig – was die meisten Rentner lieber hätten, als es zu haben nicht genug Geld!
Obwohl historische und Regime-basierte Monte-Carlo-Modelle anscheinend besser abschneiden als die traditionellen und reduzierten CMA-Modelle, sind Berater im Allgemeinen auf die Methoden beschränkt, die von ihrer Finanzplanungssoftware verwendet werden (von denen die meisten derzeit das traditionelle Modell verwenden). Wenn Softwareanbieter jedoch ihre Modelle aktualisieren, ist es möglicherweise möglich, different, weniger fehleranfällige Arten von Monte-Carlo-Simulationen zu wählen – und angesichts der nahezu sicheren Fehlerwahrscheinlichkeit bei jedem verwendeten Modell ist es quick immer am besten, wenn Berater dies noch einmal durchgehen Ergebnisse kontinuierlich und nehmen Sie Anpassungen vor, um die besten Daten zu nutzen, die zu diesem Zeitpunkt verfügbar sind!
