常见问题

4% 法则（Bengen 1994）建议每年提取初始资产的 4%，并根据通胀调整。它基于美国历史数据推导，目标是 30 年退休期。我们的模拟器允许你用 150 多年的多国数据测试这个比率或任何其他比率。在全球池化数据下，95% 成功率对应的安全提取率通常在 3.2-3.5% 左右。

蒙特卡洛模拟通过随机抽样历史市场回报，生成数千种可能的退休情景。与使用平均回报的单一预测不同，它能展示所有可能结果的完整范围以及你的计划在不同市场条件下成功的概率。

Block Bootstrap 采样连续的历史回报块（例如一次 3-7 年）而不是单独的年份。这保留了真实市场中存在的年际动量、波动率聚集和跨资产相关性。纯随机采样会破坏这些模式，低估持续下跌的风险。

基于风险的护栏策略为投资组合的预估生存概率设定上下界。当市场表现好、成功率升超上护栏时，增加支出。当市场下跌、成功率跌破下护栏时，削减支出。这种动态方法通常允许在相同风险水平下，初始提取额比固定策略高 15-25%。FIRE Lab 将此功能作为免费开放工具提供 — 类似 IncomeLab 等仅面向财务顾问的付费平台，但个人投资者可以直接使用。

成功率是二元的 — 资产是否撑过整个退休期。覆盖率是退休年限中被资金覆盖的平均比例。成功率同为 80% 的计划，失败路径可能在第 5 年或第 28 年耗尽 — 覆盖率能反映这种差异。覆盖率越高，意味着即使失败也发生得更晚。

纯美国数据反映了单一国家的卓越历史表现，可能高估未来回报。全球池化数据（16 国，GDP 平方根加权）提供更保守也更稳健的基准，尤其适合国际化配置的投资者。建议以全球池化数据作为主要规划基础，美国数据作为乐观情景参考。

更多模拟产生更稳定的结果。2,000-5,000 次对大多数分析已经足够。服务器会根据可用算力自动推荐数量。敏感性分析或资产配置扫描中，为了控制总运行时间，每个组合使用较少的模拟次数。

研究（Hurd & Rohwedder 2022）显示，65 岁后实际消费通常每年下降 1.7-2.4%，因为退休者自然减少消费。消费递减策略模拟这一模式，由于未来消费需求降低，允许更高的初始提取率。

该计算器模拟了主要财务因素：房贷还款、房产税、维护费、房价增值、租金增长和租房者的投资回报。有历史数据时使用数据分布。但它不模拟当地税收优惠（房贷利息抵扣）、租房市场限制或稳定性等非财务因素。

不是。FIRE Lab 是一个探索退休情景的教育工具。历史回报不保证未来表现。模拟器无法考虑你的完整财务状况、税务情况或个人风险承受能力。请咨询合格的理财顾问获取个性化建议。