Por que o software de probabilidade não é confiável para planejamento de aposentadoria

Muitos desses aplicativos estão no mercado - alguns desenvolvidos por empresas como Betterment, Vanguard, T. Rowe Price e Schwab, e outros vendidos como serviços de assinatura para consultores financeiros para uso com seus clientes. O problema é que os usuários são levados a acreditar que devem tomar decisões importantes na vida com o auxílio desses aplicativos, mesmo que as probabilidades subjacentes sejam baseadas em resultados inerentemente imprevisíveis.

Na verdade, aplicar software de probabilidade à análise do planejamento da aposentadoria é loucura. Mesmo o mais sofisticado software de planejamento de aposentadoria usado por profissionais financeiros está muito longe de uma bola de cristal.

O problema com probabilidades

As falhas do software de aposentadoria baseado em probabilidade, especificamente aqueles aplicativos que aplicam as chamadas técnicas de simulação de Monte Carlo, são razoavelmente bem conhecidas nos círculos profissionais. Um dos primeiros trabalhos acadêmicos a levantar a questão foi um artigo de 2006 escrito pelo renomado pesquisador da aposentadoria e professor da Universidade York de Toronto, Moshe Milevsky, que observou em sua introdução:

“É claro que, como a maioria dos consultores de investimentos sabe há anos, um número de aposentadoria - se realmente existe - é vago e impreciso, pois depende de muitos fatores econômicos desconhecidos, especialmente os retornos futuros do mercado acionário. Afinal, esse número deve ser investido em algum lugar para gerar renda, e o processo de retorno do portfólio é inerentemente aleatório ”.

Além da imprevisibilidade dos retornos futuros, Milevsky continua a documentar como as “probabilidades” produzidas pelos aplicativos populares de software de aposentadoria variam de um aplicativo para outro, dependendo das suposições internas e dos parâmetros de design das aplicações.

Outro estudo acadêmico, publicado em fevereiro, concluiu que “os conselhos fornecidos pela maioria dessas ferramentas são extremamente enganosos para as famílias”.

Essas publicações levaram alguns a questionar se o software de planejamento de aposentadoria oferece algum valor aos consumidores. Então, quais alternativas existem?

Software de 'back-testing'

Os consultores financeiros que usam o software de simulação Monte Carlo geralmente expressam os resultados de seus clientes em termos da probabilidade de um resultado positivo. Em vez de tentar prever “probabilidades de sucesso”, talvez a melhor maneira de abordar o planejamento da aposentadoria seja de uma perspectiva meio vazia de vidro.

O que você realmente precisa saber não é como você pode ir se as coisas correrem bem, mas o que acontecerá com você se uma possibilidade de chuva de 10% se transformar em uma probabilidade de 100% de uma tempestade. Você precisa desesperadamente e quer saber: "Se as coisas correrem mal nos mercados de investimento, ainda assim eu vou ficar bem?"

Tradicionalmente, o software histórico de “back-testing” tem sido usado para este propósito. Ao inserir seu perfil de aposentadoria em um aplicativo de teste de retorno, você pode testar como sua carteira pode ter se saído antes de recessões econômicas anteriores. Embora essa informação seja útil e interessante para os consumidores, o back-testing também tem limitações significativas.

Especificamente, é improvável que repetições passadas sejam repetidas exatamente na mesma sequência, e é inteiramente possível que retornos futuros sejam piores que a experiência histórica.

Além disso, suponha que você quisesse testar como seu portfólio poderia se sustentar ao longo de um horizonte de 30 anos se você tivesse se aposentado no final de 1999 (pouco antes dos mercados de baixa de 2000 - '02 e 2007 - '09). Como estamos apenas em 2016, não é possível analisar a análise ao longo de todo o horizonte de 30 anos. Você não pode fazer o back-test do futuro.

Técnica de bootstrapping

Uma solução para as limitações do backtesting é aplicar uma técnica de simulação chamada bootstrapping. Embora o mecanismo de simulação sob o capô de muitos aplicativos de aposentadoria exija que o projetista do programa faça suposições sobre taxas médias esperadas de retorno e volatilidade para várias classes de ativos, o bootstrapping não exige tais suposições. Simulações são produzidas aleatoriamente por amostragem de retornos históricos.

Se simulações suficientes são geradas - tipicamente um mínimo de 5.000 - o resultado mediano pode estar mais ou menos em linha com as médias históricas. Ao considerar a faixa de resultados abaixo da mediana, os programas de bootstrapping podem ilustrar cenários mostrando retornos de investimento abaixo da média, com as estatísticas de valor em risco (os resultados de 1%, 5% e 10% inferiores) representando cenários que podem ser tão ruins como ou pior do que o registro histórico.

Por exemplo, a tabela a seguir mostra os resultados da simulação de bootstrapping para um investidor de 65 anos com um horizonte de aposentadoria de 25 anos, um valor de portfólio inicial de US $ 1 milhão e uma alocação de aposentadoria de 70 a 30 ações. Neste exemplo, o investidor exige uma taxa de retirada de primeiro ano de US $ 50.000 (5%) e um aumento de custo de vida anual de 3% a partir de então. Ele estima sua despesa anual de investimento em 1% e afirmou que espera se retirar proporcionalmente de cada classe de ativos a cada ano e se reequilibrar para manter sua alocação de 70 a 30.

Concentrando-se na metade inferior dos resultados e exibindo o intervalo de simulação em incrementos de cinco anos ao longo do período de tempo, você pode ter uma noção muito mais tangível de quanto tempo sua economia pode durar. Além disso, ao apresentar os dados nesse formato, é fácil testar como os fatores que estão sob seu controle (quantia de gasto, estratégia de retirada, alocação de ativos, despesas de investimento) podem afetar os resultados.

Para ser claro, não há absolutamente nada de previsão nesses resultados de simulação, e os percentis de simulação não devem ser vistos como probabilidades. Em vez disso, os piores resultados apenas representam cenários potenciais que podem ser usados ​​para dar uma imagem mais clara do que pode acontecer se as coisas correrem mal.

Embora o bootstrapping ofereça uma maneira simples de ilustrar esses dados, também não está isento de falhas e limitações. Neste exemplo, o bootstrap foi aplicado apenas aos dados históricos do mercado de ações de 1970 a 2014. A parcela de títulos da carteira foi assumida como sendo uma constante de 2% ao ano, o que reflete razoavelmente o retorno que um investidor pode ganhar hoje em um período de cinco anos. CD ou Tesouro de 10 anos. O fato de as simulações de bootstrapping não terem sido aplicadas aos dados históricos de títulos reflete uma limitação vista na maioria dos aplicativos de aposentadoria, já que os rendimentos dos títulos hoje estão próximos da base do extremo histórico. Como resultado, qualquer aplicativo de Monte Carlo que esteja gerando números com base nos retornos históricos médios de títulos ou qualquer simulação de bootstrapping que esteja amostrando aleatoriamente retornos históricos de índices de títulos pode produzir resultados excessivamente otimistas.

Com qualquer aplicativo de planejamento de aposentadoria, o diabo está nos detalhes. Tanto os consumidores quanto os consultores fariam bem em entender as suposições e limitações inerentes a qualquer aplicação de planejamento de aposentadoria.

John H. Robinson é o proprietário do Financial Planning Hawaii e co-fundador do Nest Egg Guru, um aplicativo de software de planejamento de aposentadoria para profissionais da área financeira.

Imagem via iStock.