Por qué el software de probabilidad no es confiable para la planificación de la jubilación

Muchas de estas aplicaciones se encuentran en el mercado: algunas desarrolladas por firmas como Betterment, Vanguard, T. Rowe Price y Schwab, y otras se venden como servicios de suscripción a asesores financieros para usar con sus clientes. El problema es que a los usuarios se les hace creer que deben tomar decisiones importantes en la vida con la ayuda de estas aplicaciones, aunque las probabilidades subyacentes se basan en resultados inherentemente impredecibles.

En verdad, la aplicación de software de probabilidad al análisis de la planificación de la jubilación es una locura. Incluso el software de planificación de jubilación más sofisticado utilizado por los profesionales financieros está muy lejos de ser una bola de cristal.

El problema con las probabilidades.

Las fallas del software de retiro basado en la probabilidad, específicamente aquellas aplicaciones que aplican las llamadas técnicas de simulación de Monte Carlo, son razonablemente bien conocidas en los círculos profesionales. Uno de los primeros trabajos académicos que planteó el tema fue un artículo de 2006 escrito por el renombrado investigador de la jubilación y el profesor Moshe Milevsky de la Universidad de York de Toronto, quien señaló en su introducción:

“Por supuesto, como la mayoría de los asesores de inversiones han sabido durante años, el número de retiro, si es que existe, es vago e impreciso, ya que depende de muchas incógnitas económicas, especialmente de los futuros rendimientos del mercado de valores. Después de todo, este número debe invertirse en algún lugar para generar ingresos, y el proceso de retorno de la cartera es intrínsecamente aleatorio ".

Además de la imprevisibilidad de los rendimientos futuros, Milevsky continúa documentando cómo las "probabilidades" producidas por las populares aplicaciones de software de jubilación varían de una aplicación a otra, según los supuestos internos y los parámetros de diseño de las aplicaciones.

Otro estudio académico, publicado en febrero, concluyó que "el asesoramiento proporcionado por la mayoría de estas herramientas es extremadamente engañoso para los hogares".

Estas publicaciones han hecho que algunos cuestionen si el software de planificación de la jubilación ofrece algún valor a los consumidores. Entonces, ¿qué alternativas hay?

Software "Back-testing"

Los asesores financieros que usan el software de simulación Monte Carlo a menudo expresan los resultados de sus clientes en términos de la probabilidad de un resultado positivo. En lugar de intentar predecir las "probabilidades de éxito", quizás una mejor manera de enfocar la planificación de la jubilación sea desde una perspectiva casi vacía.

Lo que realmente necesitas saber no es cómo te puede ir si las cosas van bien, sino qué pasará si un 10% de probabilidad de lluvia se convierta en un 100% de probabilidad de tormenta. Necesitas desesperadamente y quieres saber: "Si las cosas van mal en los mercados de inversión, ¿estaré bien?"

Tradicionalmente, el software histórico "back-testing" se ha utilizado para este propósito. Al ingresar su perfil de jubilación en una aplicación de prueba retrospectiva, puede probar cómo le ha ido a su cartera si se ha retirado antes de las crisis económicas anteriores. Si bien esa información es útil e interesante para los consumidores, las pruebas retrospectivas también tienen limitaciones importantes.

Específicamente, es poco probable que los rendimientos pasados ​​se repitan en la misma secuencia, y es totalmente posible que los rendimientos futuros sean peores que la experiencia histórica.

Además, suponga que desea probar cómo su cartera podría demorarse en un horizonte de jubilación de 30 años si se hubiera retirado a fines de 1999 (justo antes de los mercados bajistas 2000-2002 y 2007-2009). Debido a que solo estamos en 2016, no es posible realizar el análisis en todo el horizonte de 30 años. No puedes volver a probar el futuro.

Técnica de bootstrapping

Una solución a las limitaciones del back-testing es aplicar una técnica de simulación llamada bootstrapping. Si bien el motor de simulación bajo el capó de muchas aplicaciones de retiro requiere que el diseñador del programa haga suposiciones sobre las tasas promedio de retorno y volatilidad esperadas para varias clases de activos, el arranque no requiere tales suposiciones. Las simulaciones se producen en cambio mediante el muestreo aleatorio de los rendimientos históricos.

Si se generan suficientes simulaciones, generalmente un mínimo de 5,000, se puede esperar que el resultado mediano esté aproximadamente en línea con los promedios históricos. Al considerar el rango de resultados por debajo de la mediana, los programas de arranque pueden ilustrar escenarios que muestran rendimientos de inversión por debajo del promedio, con las estadísticas de valor en riesgo (los resultados inferiores del 1%, 5% y 10%) que representan escenarios que pueden ser tan malos Como o peor que el registro histórico.

Por ejemplo, la siguiente tabla muestra los resultados de la simulación de arranque para un inversionista de 65 años con un horizonte de retiro de 25 años, un valor de cartera inicial de $ 1 millón y una asignación de retiro de bonos en acciones de 70 a 30. En este ejemplo, el inversionista requiere una tasa de retiro de primer año de $ 50,000 (5%) y un aumento anual del 3% en el costo de vida a partir de entonces. Él estima su gasto de inversión anual en 1% y ha declarado que espera retirarse proporcionalmente de cada clase de activos cada año y rebalancearse para mantener su asignación de 70 a 30.

Al concentrarse en la mitad inferior de los resultados y mostrar el rango de simulación en incrementos de cinco años durante el período, puede obtener una sensación mucho más tangible de si los ahorros pueden durar hasta qué punto. Además, al presentar los datos en este formato, es fácil probar cómo los factores cambiantes que están dentro de su control (monto de gasto, estrategia de retiro, asignación de activos, gastos de inversión) pueden afectar los resultados.

Para ser claros, no hay absolutamente nada predictivo en estos resultados de simulación, y los percentiles de simulación no deben verse como probabilidades. En cambio, los peores resultados simplemente representan escenarios potenciales que pueden usarse para darle una idea más clara de lo que puede suceder si las cosas van mal.

Si bien bootstrapping ofrece una forma ingeniosa de ilustrar estos datos, tampoco deja de tener sus defectos y limitaciones. En este ejemplo, el bootstrapping se aplicó solo a los datos históricos del mercado de valores desde 1970 hasta 2014. Se asumió que la porción de bonos de la cartera es un constante 2% anual, que refleja razonablemente el rendimiento que un inversionista podría ganar hoy en un plazo de cinco años. CD o tesorería a 10 años. El hecho de que las simulaciones de arranque no se aplicaron a los datos de bonos históricos refleja una limitación observada en la mayoría de las aplicaciones de jubilación, ya que los rendimientos de los bonos de hoy están cerca del fondo del extremo histórico. Como resultado, cualquier aplicación de Monte Carlo que genere números basados ​​en rendimientos de bonos históricos medios o cualquier simulación de arranque que muestre aleatoriamente los rendimientos del índice de bonos históricos puede producir resultados demasiado optimistas.

Con cualquier aplicación de planificación de la jubilación, el diablo está en los detalles. Tanto los consumidores como los asesores harían bien en tomarse el tiempo de comprender las suposiciones y limitaciones inherentes a cualquier aplicación de planificación de la jubilación.

John H. Robinson es el propietario de Financial Planning Hawaii y cofundador de Nest Egg Guru, una aplicación de software de planificación de la jubilación para profesionales financieros.

Imagen a través de iStock.