Perché il software di probabilità non è affidabile per la pianificazione della pensione

Molte di queste app sono sul mercato, alcune sviluppate da aziende come Betterment, Vanguard, T. Rowe Price e Schwab, e altre vendute come servizi di abbonamento a consulenti finanziari da utilizzare con i loro clienti. Il problema è che gli utenti sono portati a credere che dovrebbero prendere importanti decisioni di vita con l'aiuto di queste app, anche se le probabilità sottostanti sono basate su risultati intrinsecamente imprevedibili.

In verità, l'applicazione del software di probabilità all'analisi della pianificazione della pensione è una follia. Anche il software di pianificazione della pensione più sofisticato utilizzato dai professionisti della finanza è ben lontano da una sfera di cristallo.

Il problema con probabilità

Le carenze del software di pensionamento basato sulla probabilità, in particolare quelle che applicano le cosiddette tecniche di simulazione Monte Carlo, sono ragionevolmente ben note negli ambienti professionali. Uno dei primi documenti accademici a sollevare la questione è stato un articolo del 2006 scritto dal famoso ricercatore di pensione e professore dell'Università di York di Toronto, Moshe Milevsky, che ha osservato nella sua introduzione:

"Ovviamente, come la maggior parte dei consulenti finanziari conoscono da anni, un numero di pensionamento - se esiste realmente - è vago e impreciso, in quanto dipende da molte incognite economiche, in particolare dai rendimenti futuri del mercato azionario. Dopotutto, questo numero deve essere investito da qualche parte per generare reddito e il processo di ritorno del portafoglio è intrinsecamente casuale."

Oltre all'imprevedibilità dei rendimenti futuri, Milevsky continua a documentare come le "probabilità" prodotte dalle popolari applicazioni software per il pensionamento variano da un'app all'altra, a seconda delle ipotesi interne delle applicazioni e dei parametri di progettazione.

Un altro studio accademico, pubblicato a febbraio, ha concluso che "il consiglio fornito dalla maggior parte di questi strumenti è estremamente fuorviante per le famiglie".

Queste pubblicazioni hanno indotto alcuni a chiedersi se il software di pianificazione previdenziale non offra alcun valore per i consumatori. Quindi quali alternative ci sono?

Software "back-testing"

I consulenti finanziari che utilizzano il software di simulazione Monte Carlo spesso esprimono i risultati dei loro clienti in termini di probabilità di un esito positivo. Invece di tentare di predire "le probabilità di successo", forse un modo migliore per affrontare la pianificazione della pensione è da una prospettiva semi-vuota.

Quello che devi veramente sapere non è come potresti andare se le cose andassero bene, ma cosa ti succederebbe se una probabilità del 10% di pioggia si trasformasse in una probabilità del 100% di un temporale. Hai disperatamente bisogno e vuoi sapere, "Se le cose vanno male nei mercati degli investimenti, sarò ancora OK?"

Tradizionalmente, il software storico "back-testing" è stato utilizzato per questo scopo. Inserendo il profilo di pensionamento in un'app di back-testing, è possibile verificare in che modo il portafoglio potrebbe essere andato in pensione se si fosse ritirato prima delle precedenti recessioni economiche. Sebbene tali informazioni siano utili e interessanti per i consumatori, anche i test retrospettivi presentano limitazioni significative.

In particolare, è improbabile che i rendimenti passati vengano ripetuti nella stessa identica sequenza ed è del tutto possibile che i rendimenti futuri siano peggiori rispetto all'esperienza storica.

Supponiamo inoltre di voler verificare come il tuo portafoglio potrebbe reggere su un orizzonte pensionistico di 30 anni se ti fossi ritirato alla fine del 1999 (poco prima che i mercati orso 2000-'02 e 2007-'09 salissero). Perché siamo solo nel 2016, non è possibile riprodurre l'analisi per l'intero orizzonte di 30 anni. Non puoi eseguire il back-test del futuro.

Tecnica di bootstrap

Una soluzione ai limiti del back-testing consiste nell'applicare una tecnica di simulazione chiamata bootstrap. Mentre il motore di simulazione sotto il cofano di molte app per la pensione richiede al progettista del programma di formulare ipotesi sui tassi medi di rendimento attesi e sulla volatilità per varie classi di attività, il bootstrap non richiede tali presupposti. Le simulazioni sono invece prodotte campionando casualmente ritorni storici.

Se vengono generate sufficienti simulazioni - in genere un minimo di 5.000 - il risultato medio potrebbe essere approssimativamente in linea con le medie storiche. Considerando l'intervallo di risultati al di sotto della mediana, i programmi di bootstrap possono illustrare scenari che mostrano rendimenti degli investimenti inferiori alla media, con le statistiche sul valore a rischio (risultati inferiori all'1%, al 5% e al 10%) che rappresentano scenari che possono essere altrettanto negativi come o peggio del record storico.

Ad esempio, nella seguente tabella sono riportati i risultati della simulazione di avvio per un investitore di 65 anni con un orizzonte di pensionamento di 25 anni, un valore di portafoglio iniziale di $ 1 milione e un'assegnazione di rendita per obbligazioni azionarie da 70 a 30 anni. In questo esempio, l'investitore richiede un tasso di prelievo del primo anno di $ 50.000 (5%) e un aumento del costo della vita del 3% annuo in seguito. Egli stima le proprie spese di investimento annuali all'1% e ha dichiarato che prevede di ritirarsi ogni anno in proporzione da ciascuna classe di attività e di riequilibrare per mantenere la propria allocazione da 70 a 30.

Concentrandosi sulla metà inferiore dei risultati e visualizzando l'intervallo di simulazione in incrementi di cinque anni nel periodo di tempo, è possibile ottenere un senso molto più tangibile di se e per quanto tempo i risparmi potrebbero durare. Inoltre, presentando i dati in questo formato, è facile quindi testare come i fattori mutevoli che sono sotto il tuo controllo (quantità di spesa, strategia di prelievo, asset allocation, spese di investimento) possano influenzare i risultati.

Per essere chiari, non c'è assolutamente nulla di predittivo in questi risultati di simulazione e i percentili di simulazione non dovrebbero essere considerati come probabilità. Invece, i risultati peggiori rappresentano semplicemente potenziali scenari che possono essere utilizzati per darti un quadro più chiaro di cosa potrebbe accadere se le cose andassero male.

Mentre bootstrap offre un modo semplice per illustrare questi dati, non è privo di difetti e limiti. In questo esempio, il bootstrap è stato applicato solo ai dati storici del mercato azionario dal 1970 al 2014. La parte obbligazionaria del portafoglio è stata considerata pari al 2% annuo, il che riflette ragionevolmente il rendimento che un investitore potrebbe guadagnare oggi in un quinquennio CD o Treasury a 10 anni. Il fatto che le simulazioni di bootstrap non siano state applicate ai dati dei bond storici riflette una limitazione osservata nella maggior parte delle app di pensionamento in quanto i rendimenti sulle obbligazioni oggi sono prossimi al fondo dell'estremo storico. Di conseguenza, qualsiasi applicazione Monte Carlo che genera numeri basati su rendimenti obbligazionari storici medi o qualsiasi simulazione di bootstrap che campiona casualmente i rendimenti degli indici dei titoli storici può produrre risultati eccessivamente ottimistici.

Con qualsiasi app per la pianificazione della pensione, il diavolo si trova nei dettagli. Anche i consumatori e i consulenti farebbero bene a prendersi il tempo necessario per comprendere le ipotesi e le limitazioni inerenti a qualsiasi applicazione di pianificazione della pensione.

John H. Robinson è il proprietario di Financial Planning Hawaii e co-fondatore di Nest Egg Guru, un'applicazione software di pianificazione previdenziale per professionisti finanziari.

Immagine tramite iStock.