På Boldin är vi fast beslutna att hjälpa dig att fatta smarta, säkra ekonomiska beslut. Ett av nyckelverktygen vi använder för att stödja det målet är en Monte Carlo-simulering — ett kraftfullt sätt att modellera ekonomisk osäkerhet och stresstesta din pensionsplan.

Boldins Monte Carlo-simulering har nyligen uppdaterats för att bättre återspegla den verkliga osäkerheten. Denna FAQ förklarar vad som ändrades, varför vi gjorde uppdateringarna och hur de kan påverka din plan.

Vad är Monte Carlo-simuleringar? 

Monte Carlo simuleringsmodell många möjliga framtida resultat genom att köra tusentals försök med slumpmässig månatlig avkastning. Målet är att förstå räckvidden och sannolikheten av olika resultat över tid, ett viktigt mål när det gäller långsiktig ekonomisk planering.

När allt kommer omkring, när vi planerar, finns det inget sätt att förutsäga ett resultat som vi vet kommer att hända. Med Monte Carlo kan du bedöma en rad möjliga resultat. 

Hur skiljer sig Monte Carlo-simuleringar från linjära simuleringar? 

När du projicerar din ekonomiska framtid kan du använda antingen linjära eller Monte Carlo-simuleringar.

• Linjära simuleringar anta en fast avkastning varje år baserad på långsiktiga medelvärden. De är enkla, lätta att följa och användbara för att sätta förväntningar – men de återspeglar inte verkliga variationer.
• Monte Carlo-simuleringar introducera slumpmässighet i avkastning, modellera verklig osäkerhet och visa en rad olika resultat istället för en enda väg.

Vi rekommenderar att du använder båda:linjär för klarhet och Monte Carlo för realism. Tillsammans ger de en mer komplett bild av din ekonomiska plan.

Vad har förändrats i Boldins Monte Carlo-simulering? 

Vi har gjort tre viktiga uppdateringar till vår Monte Carlo-simulering för att ge dig en mer exakt projektion. 

1. Ändrade från att använda CAGR (Compound Annual Growth Rate) till AAGR (Aritmetic Average Growth Rate)  
2. Uppdaterat hur konton rör sig tillsammans i simuleringar 
3. Förfinat våra antaganden om standardavvikelse

Varje förändring beskrivs mer i detalj nedan. 

Hur gör dessa uppdateringar din plan starkare?

Finansiella modeller utvecklas i takt med att bättre forskning, verktyg och data blir tillgängliga. Dessa uppdateringar betyder inte att det gamla tillvägagångssättet var fel – de representerar förbättringar som mer exakt återspeglar hur marknader beter sig.

De återspeglar också vårt engagemang för att hålla din plan grundad i det bästa tillgängliga tänkandet. När det finansiella landskapet fortsätter att utvecklas kommer vi att fortsätta att förfina modellen så att du kan fatta smarta, välgrundade beslut med större självförtroende.

Hur relaterar Monte Carlo till min chans att gå i pension?

Din chans att gå i pension poängen drivs av Monte Carlo-simuleringar. Dessa simuleringar modellerar tusentals möjliga framtider för att uppskatta hur sannolikt din plan är att lyckas, baserat på faktorer som utgifter, marknadsavkastning och förväntad livslängd. 

Istället för betyget godkänt/underkänd, se ditt betyg som en sannolikhet för att behöva göra justeringar . Till exempel betyder en poäng på 60 % att i 6 av 10 simulerade scenarier höll din plan rätt, medan du i 4 av 10 kan behöva göra ändringar under vägen.

Den här poängen hjälper dig att förstå var din plan står idag och hur motståndskraftig den kan vara mot framtida osäkerhet.

• Se den här detaljerade artikeln för ytterligare vägledning om hur du tolkar din poäng som en del av din pågående planering.

UPPDATERING 1:AAGR istället för CAGR for Forecasting (A Smarter Foundation)

Vi använder nu ett AAGR (arithmetiskt medelvärde) istället för ett CAGR (geometriskt medelvärde) när vi kör Monte Carlo-prognosen.

Varför: För att undvika dubbelräknande volatilitet, säkerställa mer realistiska prognoser.

Påverkan på planens resultat: En potentiell ökning av din pensionschans att lyckas.

Varför vi gjorde den här förändringen

Boldins Monte Carlo-simuleringar brukade förlita sig på Compound Annual Growth Rate (CAGR) att modellera framtida avkastning. Även om CAGR är användbart för att sammanfatta långsiktiga resultat, inkluderar det redan effekten av volatilitetsdrag —den minskning av tillväxten som orsakas av fluktuationer från år till år. När det användes i Monte Carlo-simuleringar, som också introducerar volatilitet, innebar det att volatiliteten räknades två gånger , vilket resulterar i alltför konservativa prognoser.

För att förbättra noggrannheten har vi gått över till att använda Aritmetic Average Growth Rate (AAGR) — ett enkelt genomsnitt av årlig avkastning utan sammansättning eller inbyggd volatilitet. Detta låter Monte Carlo-motorn göra sitt jobb:lägga till realistisk variation över tusentals simulerade vägar.

Varför AAGR passar bättre för Monte Carlo:

• AAGR ger en ren utgångspunkt, sedan tillämpar simuleringar volatilitet.
  
• CAGR bakar redan in volatilitetsmotståndet, så att lägga till mer förvränger resultaten.
  
• Denna förändring undviker dubbelräkning och återspeglar bättre hur marknader beter sig.

Genom att använda AAGR ger Boldins simuleringar en mer transparent, realistisk bild av möjliga resultat, vilket hjälper dig att planera med större tydlighet och tillförsikt.

En användbar analogi

En av våra teammedlemmar åkte nyligen på en ryggsäckstur. De första två dagarna innebar brant, stenig terräng med ett långsamt tempo på cirka 1,5 mph. Den tredje dagen planade leden ut och tempot ökade till cirka 4 km/h.

Om du tittade på den totala medelhastigheten - 2 mph - skulle du inte förstå verkligheten av resan. Det genomsnittet jämnar ut över upp- och nedgångar.

• CAGR är som det totala genomsnittet – det berättar det slutliga resultatet, men inte hur resan kändes.
• AAGR är som att spåra tempot varje dag – det fångar variabiliteten bättre.

Om de hade planerat sina campingplatser baserat på ett konsekvent tempo på 3 km/h, skulle de ha sovit på fel ställen varje natt.

Det är problemet med att använda CAGR i simuleringar – det jämnar ut de risker du behöver planera för.

Uppdatering 2:Konton återgår nu flytta tillsammans

Normalt fördelade slumpmässiga avkastningsgrader är nu 100 %-korrelerade, vilket innebär att inom var och en av de 1 000 banorna går alla konton upp eller ner unisont varje månad.

Varför: För att bättre återspegla verkliga scenarier, där marknadsrörelser i allmänhet påverkar alla konton i samma riktning varje månad.

Påverkan på planens resultat: Planer med många konton kan se en minskning av chansen att lyckas, medan effekten för planer med färre konton är minimal.

Varför vi gjorde den här förändringen

För att ytterligare förbättra noggrannheten i våra prognoser har vi uppdaterat hur kontoavkastning modelleras i simuleringen. Denna förändring säkerställer att din plan återspeglar hur portföljer vanligtvis beter sig på verkliga marknader – särskilt under perioder av volatilitet – och hjälper till att undvika alltför jämna eller optimistiska resultat.

Tidigare var simuleringarna av varje konto oberoende. Det innebar att din IRA kunde uppleva en björnmarknad eller boom på ett år, och din Roth kunde uppleva det ett annat.

I den förbättrade modellen ökar eller minskar alla konton under samma månad, och avkastningen och standardavvikelsen bestämmer storleken på ökningen och minskningen av varje konto i simuleringen.

Detta innebär att om din Rollover IRA har en konservativ tillgångsallokering och din Roth IRA har en aggressiv allokering, skulle ökningarna och minskningarna ske samtidigt, men Roth IRA-förändringarna skulle vara större.

Hur detta fungerar i Boldin Planner

Vår modell spårar ännu inte enskilda tillgångsklasser separat (som aktier vs. obligationer) utan låter dig istället ange en enskild blandad avkastning (till exempel 6 %), vilket resulterar i en enda standardavvikelse (till exempel 11 %) för att representera dina innehav inom varje konto. I den uppsättningen tar den blandade risken och avkastningen (d.v.s. den blandade avkastningen och tillhörande blandad standardavvikelse) redan hänsyn till den lägre volatiliteten hos obligationer i förhållande till aktier, för prognoser eller simuleringar.

Hur kan detta förändra resultaten av din plan?

Effekten av den här uppdateringen beror på hur många konton som finns i din plan:

• Om du har många konton , kan du se en liten minskning av din chans att gå i pension. Det beror på att den tidigare modellen behandlade varje konto som att röra sig oberoende, vilket underskattade den totala portföljrisken.
• Om du har färre konton , är förändringen sannolikt minimal, eftersom din plan redan fångat en mer realistisk bild av marknadens beteende.

Den här uppdateringen tillför inga nya risker – den återspeglar helt enkelt hur hela din portfölj sannolikt kommer att röra sig tillsammans i den verkliga världen.

ÄNDRING 3:Vi förfinade standardavvikelserna och levererade mer realistiska antaganden om volatilitet

Vi har uppdaterat standardavvikelserna som används i våra Monte Carlo-simuleringar för att bättre återspegla aktuell marknadsundersökning och förbättra noggrannheten i våra prognoser.

Varför detta är viktigt: Denna förfining bygger på våra senaste Bättre priser uppdatera och säkerställer att varje avkastningsantagande paras ihop med de mest realistiska volatilitetsdata som finns tillgängliga. Exakta standardavvikelser är avgörande för att producera simuleringar som nära speglar hur investeringar faktiskt beter sig, särskilt över långa tidshorisonter.

Påverkan på dina planresultat: Ändringar i standardavvikelsen kan förändra din chans att gå i pension poäng:

• Högre standardavvikelser betyder mer potentiell volatilitet. Detta kan bredda utbudet av simulerade resultat och sänka ditt framgångspoäng på grund av ökad nedåtrisk.
  
• Lägre standardavvikelser begränsa intervallet av resultat, vilket potentiellt ökar din poäng genom att minska riskvariabiliteten.
  

#1 Programvara för pensionsplanering

Vad är standardavvikelse?

Standardavvikelse är ett mått på hur mycket avkastningen på investeringar tenderar att variera från genomsnittet över tid. I samband med Monte Carlo-simuleringar representerar det de potentiella upp- och nedgångar som din portfölj kan uppleva under ett givet år.

Kort sagt, standardavvikelse är ett av de viktigaste sätten att modellera osäkerhet. Genom att förfina dessa indata hjälper vi till att säkerställa att din plan inte bara återspeglar förväntad tillväxt, utan också det realistiska utbudet av resultat du kan möta när du går i pension.

Hur kan förändringen av vår standardavvikelse påverka planen resultat?

Det beror på din antagna avkastning:

• 0–3 % avkastning :Ingen förändring i standardavvikelse
  
• 4–7 % avkastning :Liten ökning av standardavvikelsen
  
• 8–10 %+ avkastning :Liten minskning av standardavvikelsen

Som ett resultat:

• Du kan se en minskning i din chans att lyckas om du använder måttliga avkastningsantaganden på grund av något högre volatilitet.
  
• Du kan se en lätt ökning om du har valt mer aggressiva avkastningsantaganden där volatiliteten justerades ned.

Dessa förbättringar är inte avsedda att få din plan att se bättre eller sämre ut – de är utformade för att göra den mer ärlig och hjälpsam , så att du kan bygga en strategi som är motståndskraftig mot de verkliga upp- och nedgångarna på finansmarknaderna.

Har din chans att gå i pension förändrats?

Medan din chans att gå i pension poäng är bara ett verktyg i din planeringsverktygslåda, det är ett kraftfullt sätt att mäta din plans motståndskraft. Dessa förändringar hjälper till att se till att dina poäng inte bara speglar matematiken, utan den verkliga osäkerheten i livet.

Logga in på Boldin Planner för att bedöma din chans att gå i pension och andra sätt att mäta din framtida ekonomiska framgång.