蒙特卡洛退休规划：模拟究竟是怎么算的

历史回测从每个真实起始年份重放你的计划：如果 1929 年退休会怎样？1966 年？2000 年？它具体、易解读，4% 法则最初就是这样得出的。但 150 年历史只包含约 5 个互不重叠的 30 年退休期。重叠窗口之间高度相关——1965 年与 1966 年的退休者经历的市场几乎一样——真正独立的历史实验样本少得可怜。

回测也回答不了你真正关心的问题：如果未来把历史素材按新的顺序重新组合呢？「2000 年代式的失落十年之后紧跟 1970 年代式的通胀冲击」在美国历史上从未发生——但没有什么规律排除它。模拟的意义，就在于系统地探索这些重组。

最常见的蒙特卡洛实现，是每年从正态分布（或历史池中逐年）独立抽一个回报。这摧毁了真实市场的多年期结构：会持续的熊市、紧随崩盘的复苏、延续十年的通胀环境。真实市场历史在短期有动量、在长期有均值回归。

对退休规划来说这不是技术细节。独立抽样恰恰低估了杀死退休计划的那件事——数个坏年份在退休初期扎堆出现（序列风险）。用独立年度抽样的模拟器会告诉你计划比历史记录显示的更安全，而这是最不该犯错的方向。

Block bootstrap 的修复办法，是采样多年期的真实历史区块而不是单个年份。我们的模拟器从历史记录中抽取 5 到 15 个连续年份的区块（平均约 10 年），再把区块串联成一个合成的未来。区块内部，所有同时发生的事保持在一起：崩盘与其复苏、通胀与利率的反应、那个时期股债之间的相关性。

结果是数千个「从未真实发生过、却完全由真实市场动态构成」的未来。区块长度的选择我们用长期历史回报的方差结构做过校准——区块太短会摧毁过多的持续性，太长又会降低采样未来的多样性——5-15 年这个区间保住了退休结局所依赖的多年期风险结构。

再完美的重采样方法，也会继承数据源的偏差。仅用美国数据，等于内置了「现代史上最成功市场」的幸存者偏差。因此我们的模拟器还提供 16 个发达国家的合并采样（Jordà-Schularick-Taylor 宏观历史数据集，1870 年起），以相同概率从各国历史中抽取区块。合并采样的结果持续比仅美国数据悲观——这个差距本身，就是「仅按美国规划」押注了多少美国例外论延续的度量。

我们还用 walk-forward 测试交叉验证过模拟器本身：只用某个截止年份之前的数据校准，向前模拟，再与真实发生的结果对比。带 block bootstrap 的蒙特卡洛表现出温和的保守——成功率估计比实际结果低几个百分点——而朴素历史回测在动荡年代偏乐观。对退休计划而言，略偏谨慎的工具才是正确的默认。

头条数字是成功率：组合撑满年限的模拟未来占比。把它当作规划仪表而不是预言——90% 不是保证，而是「十个模拟未来里有一个，这个计划需要它没有的纠错手段」。接着看百分位扇形图：第 10 百分位轨迹展示的是「糟糕但完全可能」的退休版本，它远比中位数有信息量。

最后，别盯着任何单次结果，而要观察结果对输入的响应。如果提取率上调 0.5% 成功率就崩塌，你的计划正站在悬崖边；如果几乎不动，你有真实的余量。模拟的价值正在于这种敏感性——而不是某个点估计。