क्यों सेवानिवृत्ति योजना सेवानिवृत्ति योजना के लिए अविश्वसनीय है

इनमें से कई ऐप्स बाजार पर हैं - कुछ ने बेटरमेंट, वेंगार्ड, टी। रो प्राइस और श्वाब जैसी कंपनियों द्वारा विकसित किया है, और अन्य अपने ग्राहकों के साथ वित्तीय सलाहकारों के लिए सदस्यता सेवाओं के रूप में बेचे गए हैं। समस्या यह है कि उपयोगकर्ताओं को विश्वास है कि उन्हें इन ऐप्स की सहायता से महत्वपूर्ण जीवन निर्णय लेना चाहिए, भले ही अंतर्निहित संभावनाएं मूल रूप से अप्रत्याशित परिणामों पर आधारित हों।

सच में, सेवानिवृत्ति-योजना विश्लेषण के लिए संभाव्यता सॉफ्टवेयर लागू करना मूर्खतापूर्ण है। वित्तीय पेशेवरों द्वारा उपयोग किए जाने वाले सबसे परिष्कृत सेवानिवृत्ति-योजना सॉफ्टवेयर भी क्रिस्टल बॉल से बहुत रोना है।

संभावनाओं के साथ समस्या

संभावना-आधारित सेवानिवृत्ति सॉफ्टवेयर की विफलताओं, विशेष रूप से उन ऐप्स जो मोंटे कार्लो सिमुलेशन तकनीकों को लागू करते हैं, पेशेवर सर्कल में उचित रूप से जाने जाते हैं। इस मुद्दे को उठाए जाने वाले पहले शैक्षणिक पत्रों में से एक 2006 के प्रसिद्ध लेख सेवानिवृत्ति शोधकर्ता और यॉर्क विश्वविद्यालय के टोरंटो के प्रोफेसर मोशे मिलेव्स्की ने लिखा था, जिन्होंने उनके परिचय में उल्लेख किया था:

"बेशक, चूंकि अधिकांश निवेश सलाहकार वर्षों से जानते हैं, एक सेवानिवृत्ति संख्या - यदि यह वास्तव में मौजूद है - अस्पष्ट और अपमानजनक है, क्योंकि यह कई आर्थिक अज्ञातों पर निर्भर करता है, खासकर भविष्य इक्विटी बाजार रिटर्न। आखिरकार, आय का उत्पादन करने के लिए इस नंबर को कहीं भी निवेश किया जाना चाहिए, और पोर्टफोलियो रिटर्न प्रक्रिया मूल रूप से यादृच्छिक है।"

भविष्य के रिटर्न की अप्रत्याशितता के अलावा, माइलेव्स्की दस्तावेज पर जाता है कि लोकप्रिय सेवानिवृत्ति सॉफ्टवेयर अनुप्रयोगों द्वारा उत्पादित "संभावनाएं" अनुप्रयोगों की आंतरिक धारणाओं और डिजाइन पैरामीटर के आधार पर एक ऐप से अगले में भिन्न होती हैं।

फरवरी में प्रकाशित एक और अकादमिक अध्ययन ने निष्कर्ष निकाला कि "इन उपकरणों में से अधिकांश से प्रदान की गई सलाह घरों के लिए बेहद भ्रामक है।"

इन प्रकाशनों से कुछ लोगों ने सवाल किया है कि सेवानिवृत्ति-योजना सॉफ्टवेयर उपभोक्ताओं को कोई मूल्य प्रदान करता है या नहीं। तो वहां क्या विकल्प हैं?

'बैक-टेस्टिंग' सॉफ्टवेयर

मोंटे कार्लो सिमुलेशन सॉफ़्टवेयर का उपयोग करने वाले वित्तीय सलाहकार अक्सर सकारात्मक परिणामों की संभावना के संदर्भ में अपने ग्राहकों के परिणामों को व्यक्त करते हैं। "सफलता की संभावनाओं" की भविष्यवाणी करने के बजाय, सेवानिवृत्ति योजना से संपर्क करने का शायद एक बेहतर तरीका गिलास-आधा खाली परिप्रेक्ष्य से है।

आपको वास्तव में जानने की ज़रूरत नहीं है कि अगर चीजें अच्छी तरह से चलती हैं तो आप कैसे किराया कर सकते हैं, लेकिन यदि 10% संभावना बारिश की संभावना 100% संभावना में बदल जाती है तो आपके साथ क्या होगा। आपको बेहद जरूरी जरूरत है और जानना है, "अगर निवेश बाजारों में चीजें बुरी तरह से चलती हैं, तो क्या मैं अभी भी ठीक हूं?"

परंपरागत रूप से, इस उद्देश्य के लिए ऐतिहासिक "बैक-टेस्टिंग" सॉफ़्टवेयर का उपयोग किया गया है। बैक-टेस्टिंग ऐप में अपनी सेवानिवृत्ति प्रोफ़ाइल दर्ज करके, आप जांच सकते हैं कि पिछले पोर्टफोलियो से पहले सेवानिवृत्त होने पर आपका पोर्टफोलियो कैसा हो सकता है। हालांकि ऐसी जानकारी उपभोक्ताओं के लिए उपयोगी और दिलचस्प है, बैक-टेस्टिंग में भी महत्वपूर्ण सीमाएं हैं।

विशेष रूप से, पिछले रिटर्न एक ही अनुक्रम में फिर से दोहराए जाने की संभावना नहीं है, और यह पूरी तरह से संभव है कि भविष्य के रिटर्न ऐतिहासिक अनुभव से भी बदतर हो जाएंगे।

इसके अलावा, मान लीजिए कि आप परीक्षण करना चाहते हैं कि आपका पोर्टफोलियो 30 साल के सेवानिवृत्ति क्षितिज पर कैसे हो सकता है यदि आप 1 999 के अंत में सेवानिवृत्त हुए थे (2000 -02 और 2007 -0 9 भालू बाजारों से ठीक पहले)। क्योंकि हम केवल 2016 में हैं, पूरे 30 साल के क्षितिज पर विश्लेषण करना संभव नहीं है। आप भविष्य का बैक-टेस्ट नहीं कर सकते हैं।

बूटस्ट्रैपिंग तकनीक

बैक-टेस्टिंग की सीमाओं का एक समाधान बूटस्ट्रैपिंग नामक सिमुलेशन तकनीक को लागू करना है। जबकि कई सेवानिवृत्ति ऐप्स के हुड के तहत सिमुलेशन इंजन के लिए कार्यक्रम डिजाइनर को विभिन्न संपत्ति वर्गों के लिए रिटर्न और अस्थिरता की अनुमानित औसत दरों के बारे में धारणा करने की आवश्यकता होती है, बूटस्ट्रैपिंग को ऐसी कोई धारणा की आवश्यकता नहीं होती है। यादृच्छिक रूप से ऐतिहासिक रिटर्न का नमूनाकरण करके सिमुलेशन का उत्पादन किया जाता है।

यदि पर्याप्त सिमुलेशन उत्पन्न होते हैं - आमतौर पर कम से कम 5,000 - औसत परिणाम ऐतिहासिक औसत के साथ मोटे तौर पर होने की उम्मीद की जा सकती है। औसत के नीचे परिणामों की सीमा पर विचार करके, बूटस्ट्रैपिंग प्रोग्राम मूल्य-पर-जोखिम आंकड़ों (नीचे 1%, 5% और 10% परिणाम) के साथ परिदृश्यों का प्रतिनिधित्व करने वाले परिदृश्यों का प्रतिनिधित्व करते हुए नीचे-औसत निवेश रिटर्न दिखाते हुए परिदृश्यों को चित्रित कर सकते हैं जो खराब हो सकते हैं ऐतिहासिक रिकॉर्ड की तुलना में या बदतर।

उदाहरण के लिए, निम्न तालिका 25 वर्षीय सेवानिवृत्ति क्षितिज, $ 1 मिलियन प्रारंभिक पोर्टफोलियो मूल्य और 70-से -30 स्टॉक-बॉन्ड सेवानिवृत्ति आवंटन के साथ 65 वर्षीय निवेशक के लिए बूटस्ट्रैपिंग सिमुलेशन परिणाम दिखाती है। इस उदाहरण में, निवेशक को $ 50,000 (5%) पहली वर्ष की निकासी दर और इसके बाद 3% वार्षिक लागत-रहने वाली वृद्धि की आवश्यकता होती है। उन्होंने अपने वार्षिक निवेश व्यय का अनुमान 1% पर किया है और कहा है कि वह प्रत्येक वर्ष प्रत्येक संपत्ति वर्ग से आनुपातिक रूप से वापस लेने की उम्मीद करते हैं और 70 से 30 आवंटन को बनाए रखने के लिए पुनर्वसन की अपेक्षा करते हैं।

परिणामों के निचले हिस्से पर ध्यान केंद्रित करके और समय अवधि के दौरान पांच वर्ष की वृद्धि में सिमुलेशन रेंज प्रदर्शित करके, आप एक और अधिक मूर्त समझ प्राप्त कर सकते हैं कि आपकी बचत कितनी देर तक चल सकती है। इसके अलावा, इस प्रारूप में डेटा पेश करके, यह जांचना आसान है कि आपके नियंत्रण में कितने बदलते कारक हैं (खर्च राशि, निकासी रणनीति, संपत्ति आवंटन, निवेश व्यय) परिणामों को प्रभावित कर सकते हैं।

स्पष्ट होने के लिए, इन सिमुलेशन परिणामों में बिल्कुल कुछ भी पूर्वानुमान नहीं है, और सिमुलेशन प्रतिशत को संभावनाओं के रूप में नहीं देखा जाना चाहिए। इसके बजाए, सबसे खराब परिणाम केवल संभावित परिदृश्यों का प्रतिनिधित्व करते हैं जिनका उपयोग आपको चीजों की बुरी तरह से होने पर क्या हो सकता है, इसकी एक स्पष्ट तस्वीर देने के लिए उपयोग किया जा सकता है।

जबकि बूटस्ट्रैपिंग इन आंकड़ों को चित्रित करने के लिए एक साफ तरीका प्रदान करता है, यह इसकी त्रुटियों और सीमाओं के बिना भी नहीं है। इस उदाहरण में, बूटस्ट्रैपिंग को केवल 1 9 70 से 2014 तक ऐतिहासिक स्टॉक मार्केट डेटा पर लागू किया गया था। पोर्टफोलियो का बॉन्ड हिस्सा प्रति वर्ष लगातार 2% माना जाता था, जो कि एक निवेशक को पांच साल में कमाई की वापसी का उचित रूप से प्रतिबिंबित करता है सीडी या 10 साल का खजाना। तथ्य यह है कि बूटस्ट्रैपिंग सिमुलेशन ऐतिहासिक बॉन्ड डेटा पर लागू नहीं थे, अधिकांश सेवानिवृत्ति ऐप्स में देखी गई सीमा को दर्शाता है कि आज बॉन्ड पर पैदावार ऐतिहासिक चरम के नीचे हैं। नतीजतन, किसी भी मोंटे कार्लो एप्लिकेशन जो ऐतिहासिक ऐतिहासिक बॉन्ड रिटर्न या किसी भी बूटस्ट्रैपिंग सिमुलेशन के आधार पर संख्याएं उत्पन्न कर रहा है जो ऐतिहासिक बॉन्ड इंडेक्स रिटर्न को यादृच्छिक रूप से नमूना दे रहा है, अत्यधिक आशावादी परिणाम उत्पन्न कर सकता है।

किसी भी सेवानिवृत्ति-योजना ऐप के साथ, शैतान विवरण में है। उपभोक्ताओं और सलाहकारों को समान रूप से किसी भी सेवानिवृत्ति-योजना अनुप्रयोग में अंतर्निहित धारणाओं और सीमाओं को समझने के लिए समय निकालना अच्छा होगा।

जॉन एच रॉबिन्सन वित्तीय योजना हवाई के मालिक हैं और वित्तीय पेशेवरों के लिए एक सेवानिवृत्ति योजना सॉफ्टवेयर आवेदन, नेस्ट अंड गुरु के सह-संस्थापक हैं।

IStock के माध्यम से छवि।