Största poängen med den jag länkar överst är inte MonteCarlon bara, utan att man år för år kan ange inkomster och utgifter, t ex när pensionen kommer, osv.
Även om man bara kör med ”Cash” i simuleringen, eller stänger av all volatilitet, så ser man ändå mycket genom att se sin cash flow år för år.
Denna tråd har bland annat hjälpt mig att hitta mitt målbelopp för FIRE/tidig pension.
Jag kommer fortsätta använda simuleringen för att se hur jag närmar mig målet fram till FIRE.
När jag väl kliver in i FIRE kommer verktyget vara en trygghet för årlig uppföljning. Beroende på hur portföljen utvecklar sig kan jag tex anpassa utgifterna.
På kitces.com finns några intressanta artiklar kring hur man kan använda resultatet från monte carlo-simulering.
Tex:
Using Probability-Of-Success-Driven Guardrails To Manage Safe Retirement Spending
och
Why 50% Probability Of Success Is Actually A Viable Monte Carlo Retirement Projection
I simulatorn vi använder här kan man välja att bootstrappa månad för månad, år för år, eller ett antal år. Det blir aningen olika beteende beroende på vad man väljer där. Kör man månad för månad får man inte med reversal to the mean, något som de som gjorde simuleringarna i tråden nedan pratar om i sitt RationalReminder-avsnitt som länkas i första posten i tråden:
Aktier slår räntor även för uttag under pension
Från transcript:
Ben Felix: Stocks and bonds will go down together in the long run, because people will hear that and think, “Well, no. Bonds go up when stocks crash.” But that’s like, that month, or maybe that year. In the long run, if domestic stocks do badly, bonds will also tend to do badly in the data.
Scott Cederburg: There are interesting lags, because I don’t even know if I mentioned how we’re modelling our long-term returns, but we’re using something called the block bootstrap approach, where we’re taking this historical data and we’re going to be randomly drawing periods from the historical data and coming up with a return sequence that lasts your entire life. We’re taking on average 10 years of consecutive data from the same country, so we’ll get all four asset classes from the same country and taking 10 years, on average, we’re able to maintain some of these longer-term asset return dependencies.
Cameron Passmore: How important are return dependencies, like mean reversion in stocks and your results?
Scott Cederburg: Super, super important. Mean reversion is really important. Both domestic stocks and international stocks, we see this mean reversion effect, so they get safer over longer horizons. I think, even, potentially more important, are these unmodeled and I don’t even know exactly why they happen. The things like stocks and bonds becoming more correlated over time. We didn’t have to explicitly model what was going to happen with inflation and currencies. In the data, it shows up that over longer periods of time, exchange rate fluctuations tend to offset some of your local inflation and make international stocks safer over time. We think it’s really important.
We’re thinking about long-term investors. We want to know about long-term returns and you have to just go grab the data and make sure that whatever we’re saying about long-term returns is consistent with what’s going on in the data.
Ben Felix: Can you talk about how your results change when you switch to using monthly returns?
Scott Cederburg: We ran one analysis. Our base case, we’re using this full-developed country sample and we’re using this block bootstrap where we’re trying to preserve the time series, dependencies and the data. We’re taking 10 years on average of data. There’s an alternative for, I guess, a couple of alternatives. One, we could use the US data and then two, we could use what we would call an IID bootstrap. That’s just going to assume that months are independent of each other. In that bootstrap, you just go and we have 30,000 months of data and you just go pick one of the 30,000 and you go pick a different one of the 30,000 and you string these altogether. What that does is it breaks up any of those time series dependencies in returns. If we look across these, you can then think of four different approaches.
När jag simulerar själv, med min blandning av aktier, räntor, och guld, så får jag mer framgång på min portfölj om jag gör som de säger i videon, och kör med 10 års-perioder, eller åtm mer än 2-3 års-perioder. Det tyder på att man inte riktigt ser poängen med räntor och guld i månadssimuleringen som är default.
Vi har dock inte tillräckligt mycket data i den här simulatorn för att egentligen kunna köra tioårs-perioder, jag tror datan är typ 30 år eller så. I simuleringen som gjordes i den andra tråden har de data mycket längre tillbaka, för många länder.
Vill bara komplettera med lite annat perspektiv från Bill Perkins bok “Die With Zero”
A 2018 study from the Employee Benefit Research Institute used data on older Americans’ wealth (income and assets) and their spending to see how much people’s assets changed during their first 20 years of retirement. (“Or until death,” the study’s authors added, as if to remind readers that not everyone gets to enjoy a full 20 years of retirement.)
In other words, were people spending down their assets, or were they largely preserving them? Here are some of their key findings:
On the whole, people are very slow to spend down (“decumulate”) their assets.
Across ages, whether looking at retirees in their sixties or those in their nineties, the median ratio of household spending to household income hovers around 1:1. This means that people’s spending continues to closely track their income—so as people’s incomes decline, their spending does, too. This is another way of seeing that retirees aren’t really drawing down all the money they’ve saved up.
At the high end, retirees who had $500,000 or more right before retirement had spent down a median of only 11.8 percent of that money 20 years later or by the time they died. That’s more than 88 percent left over—which means that a person retiring at 65 with half a million dollars still has more than $440,000 left at age 85!
At the lower end, retirees with less than $200,000 saved up for retirement spent a higher percentage (as you might expect, since they had less to spend overall)—but even this group’s median members had spent down only one-quarter of their assets 18 years after retirement.
One-third of all retirees actually increased their assets after retirement! Instead of slowly or quickly decumulating, they continued to accumulate wealth.
samt
You might think that as people get older, they spend money more freely out of the sheer desire to make the most of it before it’s truly too late. But the opposite tends to happen. In general, spending among American households declines as people age. For example, the Consumer Expenditure Survey, conducted by the Bureau of Labor Statistics, found that in 2017, average annual spending for households headed by 55-to-64-year-olds was $65,000; average spending fell to $55,000 for those between 65 and 74; and spending fell again to $42,000 for those 75 and older.
This overall decline occurred despite a rise in healthcare expenses, because most other expenses, such as clothing and entertainment, were much lower. The decline in spending over time was even more acute for retirees with more than $1 million in assets, according to separate research conducted by J.P. Morgan Asset Management, which analyzed data from more than half a million of its customers.
Many financial planners are very familiar with this pattern. On sites that provide retirement advice, references to the “slow-go” and “no-go” years abound. But the message of declining “go” doesn’t seem to have reached the general public. And if you’re not aware of this fairly predictable pattern, you’re likely to (incorrectly) expect steady expenditures on experiences from the day you retire until the day you die. That’s one reason you might greatly oversave and underspend.
och
Researchers at the Center for Retirement Research demonstrated this after examining the spneding behavior of retired households over time. They found that spending in retirment typically declined by about 1 % per year.
samt
This is why the 4% rule is conservative when it comes to retirement spending. The rule assumes that your spending will increase by 3% each year, even though empirical evidence suggests it is more likely to decrease by 1% each year. Of course, this conservatism is what makes the rule more attractive to a typicalk retiree.
MonteCarlo-simuleringen tillåter dig sätta vilka utgifter du vill, år för år. Räknar du med sänkta utgifter över tid eller utgifter som inte växer med inflationen så går det att ange.
Vill du som i texten att utgiften bara växer med 1% om året i stället för den framslumpade inflationen, så kan du använda denna utgiftstyp och ange 1% som förändring:
Det går även att ange minus-värden som procent, om du vill krympa utgifterna över tid.
Helt otroligt intressant verktyg att sitta och pilla med. Jag lade in mina förutsättningar som ska finansiera ca 10år innan jag får riktig pension. För uttagsperioden har jag testat olika portföljsammansättningar, alla inbyggda plus Golden butterfly och det här är mitt resultat.
Protfölj ----------------- Success rate
Golden butterfly ------96,5%
Permanent portfolio–95%
60/40-------------------- 89%
Income portfolio------ 89%
Conservative---------- 86%
Övriga 73-85 %
Det enda jag saknar är mer historisk data att simulera ifrån nu är det 1978-2023, hade gärna sett hela 1900-talet. Är det någon som har pro-versionen och lagt in egen data?
Vill man förenkla det ned till mikroniva kan man kanske säga att etablerad grundniva levnad kompenserad för förväntad inflation tidsperiod ifraga möjliggör en FIRE.
Detta gäller för individer som inte äger sitt boende.
Det förenklade sannerligen inte för mig. 
Hehe…men om jag säger inflationsjusterad lean FIRE da?
Kan man säga något om vilken success rate man behöver eg utifrån svenska mått?
Ofta handlar det väl i prakitken omvänt om, behöver man jobba de sista åren för att vara -bombsäker- på att kunna åka på semester när man pensionerat sig. Slutar jag jobba vid 60 och portföljen går bra så blir det semester utomlands, går portföljen dåligt blir det ingen semester. I ett sånt fall kan man ju kosta på med hög risk och kanske 50% i monte carlon. Eller tänker jag fel?
Men om man börjar med att tänka sig FIRE helt utan andra inkomster och kanske bara garantipension? Behöver man 100% då? 90%? 80%?
Jag tänker att det finns lite olika nivåer av failure, där en del går att hantera och en del kanske är svårare att hantera. Failure kan ju innebära typ någon eller flera av:
Vissa av de nerskärningar man kan tvingas göra kan man säkert vara helt OK med, andra vill man kanske undvika till varje pris.
Ju mer flexibel man kan vara i sina kostnader (ju bredare rännan man går i mellan sina guard rails är) ju mindre kapital måste man ha innan man kan gå FIRE.
Tänker man FI, och inte FIRE, då är man ju super-flexibel och failure kan nästan inte hända.
Jag har hört att man brukar räkna med ungefär 80% success rate när man gör professionella MonteCarlo-beräkningar.
Jo, 80% låter lite härligt lagom då.
Är vi överens om att 100% alltid är för mycket?
Jag klippte ut Vanguard - Retirement Nest Egg calculator Från den här tråden.
Det går nog inte att säga att 100% är för mycket. Det är bara en simulering/kvalificerad gissning, och även på 100% kan man inte vara säker på att det kommer bli success i verkligheten. Det kan dyka upp case som inte träffas av de 10 000 framslumpade case som genereras av simuleringen.
Om du söker i diskussionen ovan så hittar du en diskussion om “Sequence of Returns Risk” som går att välja i simuleringen. Den “zoomar in”/fokuserar på de mest riskabla case den hittar, genom att lägga dåliga år först i varje simulering, så att man börjar på sämsta möjliga läge. Även om man får nära 100% i den vanliga simuleringen, så droppar success rate avsevärt om man sorterar om så att de sämsta åren alltid hamnar först.
Så ja… MonteCarlo är en användbar rimlighets-analys, men det är fortfarande bara en avancerad gissning. Ju bättre invärden du ger till den, ju tryggare kan du känna dig att den säger något om framtiden.
Egentligen är successrate inte ett mått på om du behöver gå till socialen för bidrag utan ett mått på chansen att du inte behöver ändra på något inkomster/utgifter.
Exakt den frågeställningen (är 50% tillräckligt) går den här artikeln igenom.
Yes, jag tycker det är tänkvärt att använda begreppet “probability of adjustment” istället för “probability of success” (som jag läst om hos Kitces).
En regelbunden kontroll av situationen under FIRE med monte carlo-simulering och anpassning vid större förändringar kan också vara en bra plan.
Hej.
Har justerat simuleringen för min egen del:
Initial amount: Eget sparat kapital på ISK & nuvarande värde på tjänstepensioner -30% skatt.
Simulation Period in Years: 70 (Är 40 år i år, 110- 40 = 70)
Lön & Tjänstepensionsinbetalning efter 30% skatt, Repeats: 180 times = 180 / 12 = jobba 15 år till = 55 år gammal.
Fasta utgifter: 20 000 kr. Gjorde det enkelt och delade inte upp i periodiserade utgifter & Flexibla utgifter.
Satte “Pension 55-60 (efter skatt)” till 0 kr då jag har försumbart lite traditionell tjänstepension och ingen itp2. Gick därefter in på minpension.se och ställde in simulatorn på att “Sluta jobba” vid 55 års ålder och “uttag av pensioner” vid 66 års ålder. Det simulatorn visade efter dessa inställningar att jag får i “allmän pension” skrev jag in i “Pension 65- (efter skatt)”, ändrade “Starts in” till 26 years 40+26=66 år gammal.
Vid 85 års ålder:
Vid 100 års ålder:
Hoppas jag tänkt rätt?
Kan man se vad det totala sparade beloppet blir när man slutar jobba vid 55 i simulatorn? Tänkte jämföra med beloppen jag får med FIRE kalkylatorn och egen uträkning med hjälp av minpension.se.
Hittade nog svaret på min sista fråga själv:
Simulated Portfolio Balances med ikryssad: “Logarithmic scale”. Höll musen över 15 (15+40=55)
Sen är ju frågan vilken av summorna man ska jämföra med. 25th percentile = 75% chans att det går bättre än så är kanske en lämplig summa att jämföra mot FIRE kalkylatorn?
Skulle rent av kunna ta 10th percentile = 10% risk att pengarna är nästan slut när jag är 105 år gammal…den risken kan jag lätt leva med 
Jämförde med FIRE kalkylatorn och skrev in samma siffror som i denna Monte Carlo simulering. 25th percentilen motsvarar rätt väl summan som FIRE kalkylatorn tycker jag behöver.
Helt beroende av anpassningsförmåga såklart, men har du tagit med även pension etc hade jag velat ligga på åtminstone 90 % för att känna mig hyfsat tillfreds.
Men återigen, allt handlar om den anpassning man kan göra efter de egna förutsättningarna.
Då är väl Portfolio survival vid 60+40=100 års ålder: 91,22% success helt ok?
