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（一次 5-15 年、平均 10 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——计划有没有被完整执行。资金覆盖率是连续的——执行了多少。只差一点的计划会判失败但覆盖率接近 1，这正是「差一点点」的诚实描述。固定计划类策略下两者都按已付/计划金额计；动态与 CAPE 策略下支出随组合浮动，两者都回到按已撑过的退休年数计。

先用你消费所在的市场做规划，再用池化做交叉检验。如果你的开支以美元计价，美国历史就是口径匹配的基线：它是你支出实际跟随的通胀，而且已经包含 1929、1966–82、2000 与 2008。16 国池化不是关于美国的第二意见，而是压力测试——每个 5–15 年区块取自不同国家，携带该国的股票、债券与 CPI，所以它问的是：如果我的方案遇上其他发达市场经历过的制度性冲击会怎样，而不是：如果美国变得平庸会怎样。它也比看上去更严格：在站点默认经济参数下，采用池化的 90% 提取率，约等于在美国数据上要求 98% 的成功率。（在固定实际提取、且要求每一笔计划支出都真正付出的口径下测得，每个随机种子 10,000 条路径，JST 数据自 1900 年起；其他策略下结论会不同。）两个都跑——若方案在两种读法下都过关，这个选择就不再要紧。

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。