蒙特卡洛失效之时：退休模拟的隐藏陷阱

蒙特卡洛失效之时：退休模拟的隐藏陷阱

蒙特卡洛模拟已成为退休规划的默认工具。财务顾问、智能投顾和机构养老金模型都依赖它来回答个人理财中最关键的问题：我的钱够用吗？典型的输出令人安心：伴随着10,000条模拟路径的权威性，呈现出85%或90%的成功概率。但在这个数字背后隐藏着一系列假设，当这些假设失效时，产生的结果远比模拟预测的要糟糕。

问题不在于蒙特卡洛模拟在原理上是错误的。而在于大多数规划工具使用的标准实现做出了五个对真实金融市场而言明显错误的关键假设。这些假设不会产生小误差，而是系统性地低估了尾部风险，而尾部风险恰恰是无法从耗尽的投资组合中恢复的退休人员最需要关注的风险。

本文将逐一检验每个假设，量化其对退休预测的影响，并介绍研究人员在过去二十年中开发的方法论改进。

假设1：收益率独立同分布（i.i.d.）

标准蒙特卡洛引擎从固定分布中独立抽取每年的收益率，通常是根据历史均值和方差校准的正态分布。这意味着每个模拟年份不具有前一年的记忆。暴跌之年后面跟随另一次暴跌的概率与跟随繁荣的概率相同。

真实市场的表现与此截然不同。Mandelbrot和Hudson（2004）记录了金融收益率表现出波动率聚集现象：大波动倾向于跟随大波动，平静期倾向于跟随平静期。这是GARCH模型所捕捉的经验规律，已在几乎所有资产类别和研究时期得到验证。

i.i.d.假设还忽略了在不同投资期限上得到充分记录的两个特征：均值回归和动量。在短期（1至12个月），收益率表现出正自相关（动量）。在较长期限（3至7年），收益率倾向于均值回归，尤其是从极端起始估值衡量时更为明显。

对于退休规划，i.i.d.假设尤其危险，因为它低估了长期回撤的概率。使用i.i.d.正态收益的标准蒙特卡洛模拟偶尔会产生连续两到三年的坏年份。但它几乎从不产生1966-1982年间退休人员实际经历的那种长达十年的实际收益率枯竭，那段时期标普500在16年间的年化实际收益率约为-0.4%。

假设2：收益率的正态分布

即使i.i.d.假设成立，正态分布本身也不适合金融收益率。实际收益率表现出肥尾特征：极端事件的发生频率远高于高斯模型的预测。1987年10月标普500在单日下跌20.5%，在正态分布假设下大约是一个20-sigma事件，其概率极低，在宇宙的存续期内都不应该发生。

Lo（2002）证明，分布假设对夏普比率等风险指标具有一阶效应，进而影响依赖这些指标的所有蒙特卡洛分析。当收益率服从自由度为5的学生t分布而非正态分布时，极端负面结果的概率大幅增加。

上表展示了在60/40投资组合的30年退休模拟中，从正态分布切换到学生t分布（自由度为5）的影响。在常被引用的4%提款率下，失败率从11%几乎翻倍至22%。差异在更高的提款率下进一步扩大，而这恰恰是退休人员最脆弱的区间。

Pfau（2010）表明，使用正态分布的蒙特卡洛模拟产生的安全提款率明显高于历史自助法分析得出的结果，后者本质上保留了实际收益率的肥尾特性。差异在结果的左尾最为显著，而左尾正是对退休保障最重要的区域。

假设3：固定相关性

标准蒙特卡洛模拟使用固定的相关矩阵来建模资产类别之间的关系。典型假设可能将股票-债券相关性设为-0.2，反映2000-2020年期间观察到的平均关系。这种负相关是使60/40投资组合显得具有吸引力的分散化收益的基础。

但相关性并非固定不变。它们依赖于市场制度，并且倾向于在最需要分散化的时候飙升。在2008年金融危机、2020年新冠暴跌和2022年通胀冲击期间，股票-债券相关性发生了剧烈变化。2022年，彭博美国综合债券指数下跌13%，同时标普500下跌18%，这种同步下跌在固定负相关模型中会被归类为极不可能的结果。

Blanchett和Blanchett（2008）发现，将动态相关性纳入退休预测会显著降低估计的投资组合存活率，尤其是对股票配置中等至偏高的投资组合影响最大。效果在左尾最为明显，危机时的相关性飙升与收益顺序风险相结合，产生了远比标准模型预测更差的结果。

Hamilton（1989）开发了制度转换框架，为建模这些相关性动态提供了数学基础。一个包含正常市场和危机时期的两制度模型捕捉了分散化恰恰在最需要时失效这一本质特征。

假设4：作为背景噪声的通胀

大多数退休蒙特卡洛工具将通胀视为常数（通常为2-3%）或与市场收益无关的简单随机变量。这忽略了对退休人员最危险的通胀情景：持续性的多年通胀，同时侵蚀购买力并压制实际资产收益率。

1970年代提供了最清晰的历史案例。从1973年到1982年，美国CPI通胀年均8.7%，而标普500名义年化收益率约为6.7%，产生了持续近十年的负实际收益率。将通胀视为均值3%、标准差1.5%的独立噪声的标准蒙特卡洛模拟，由于未能建模高通胀与低实际收益率之间的相关性，几乎从不生成这种情景。

对退休投资组合的影响是严重的。1973年以4%通胀调整提款率开始提款的退休人员，由于通胀调整导致名义提款金额急剧上升，同时投资组合的实际价值下降。这是最糟糕的组合：不断上升的提款遇上不断下跌的投资组合价值。

假设5：以历史均值作为前瞻性预期收益

最后一个关键假设是使用历史平均收益率作为预期收益输入。美国股票自1926年以来大约实现了10%的名义年化收益率。许多蒙特卡洛工具使用这个数字或接近的数字作为前瞻性假设。

这忽略了起始估值与后续收益之间的强实证关系。当席勒CAPE比率超过30时（2020年代大部分时间都如此），随后10年的实际收益率历史平均为0-3%，远低于6-7%的长期平均水平。当估值偏高时使用历史均值作为前瞻性估计，会系统性地产生过于乐观的蒙特卡洛结果。

上表比较了100万美元60/40投资组合在30年4%通胀调整提款率下的四种蒙特卡洛方法。标准方法显示11%的舒适失败率。但随着每个现实特征的加入，失败率稳步攀升。整合了肥尾、制度转换相关性和自相关收益的组合模型估计失败率为28%，是标准结果的两倍多。

什么失效了：标准MC vs. 现实

这些假设的累积效应是标准蒙特卡洛模拟产生系统性的乐观偏差。标准模拟的第5百分位结果，即顾问呈现为现实最坏情况的情景，远优于实际的历史最差结果。

考虑一位2000年以100万美元60/40投资组合和4%提款率开始退休的人。互联网泡沫破裂、2008年金融危机和2022年股债相关性崩溃带来的收益序列，在标准蒙特卡洛模型中将被置于第1百分位以下。这位退休人员在22年内经历了三次严重回撤，其中两次伴随着股票和债券的同步下跌，而这是固定相关性模型实际上排除的情景。

这不仅仅是历史上的好奇现象。产生这些结果的结构性条件（高估值、变化的通胀制度、演化的股债相关性）是金融市场的特征，而非异常。

改进方案：更好的蒙特卡洛方法

研究人员已开发出多项改进来解决这些失效。

分块自助法模拟不是独立抽取单个年份的收益率，而是从历史记录中抽取连续年份的区块（通常3-5年）。这保留了i.i.d.抽样所破坏的自相关结构、波动率聚集和区块内的相关性动态。Cogneau和Zakamouline（2013）证明，分块自助法与标准蒙特卡洛相比产生了实质性不同的退休结果分布，左尾更宽、中位数结果更低。

制度转换蒙特卡洛使用Hamilton（1989）开发的框架，将市场建模为在不同制度（扩张、衰退、危机）之间交替，每个制度具有不同的收益分布和相关性结构。这捕捉了危机不仅仅是大的单期冲击，而是具有独特统计特性的持续期间这一本质特征。

肥尾分布用学生t分布或稳定分布等更好地捕捉极端事件的替代分布取代正态分布。自由度4-6的学生t是一种常见的实用选择，无需奇异的分布假设即可大幅增加尾部概率。

基于情景的压力测试将特定的历史或假设压力情景叠加到蒙特卡洛路径上。这种方法不仅仅依赖随机抽取，而是明确包含1970年代滞胀、日本失去的数十年或股债同步回撤等情景。这确保了无论随机抽样产生什么结果，已知的失效模式都能在分析中得到体现。

退休规划的实际启示

这些发现的实际意义在于，标准工具85%的蒙特卡洛成功率很可能高估了实际的退休保障。当纳入肥尾、相关性动态和制度效应后，85%的成功率在更现实的假设下可能对应大约70-75%。

这并不意味着应该放弃蒙特卡洛模拟。它意味着应该在认识其局限性的基础上使用这个工具，理想情况下辅以改进的方法论。不了解内嵌假设就依赖标准蒙特卡洛结果的退休人员或顾问，是在基于系统性低估最坏结果风险的模型做决策。

最稳健的方法结合多种手段：作为基准的标准蒙特卡洛、考虑自相关的分块自助法估计、分析危机动态的制度转换分析，以及针对已知历史失效模式的明确情景测试。当这些方法趋于相似的结论时，对预测的信心大幅增加。当它们分歧时，更保守的估计应指导规划。

参考文献