回报序列风险：为什么回报的顺序比平均值更重要

积累期没有现金流时，顺序无关紧要：乘法可交换，先 −30% 再 +40% 和先 +40% 再 −30% 终点相同。提取打破了这种对称。在回撤期间进行的每一笔提取，卖掉的都是组合中更大的份额，而这些份额一去不返——它们不再参与后来的复苏。

设想从 100 万的组合中支出 4 万。市场平稳时这是组合的 4%；大跌 40% 之后，同样的生活方式要消耗组合的 6.7%——烧钱速度快了三分之二。退休初期这样过几年，挖出的坑连之后的大牛市也填不回来，因为本该复利增长的钱已经不在了。

序列风险高度前置。退休初期组合规模最大、剩余提取年限最长，此时受的伤会在整个计划中复利放大。历史模拟里，头 10-15 年未遭严重侵蚀的计划几乎总能撑到最后；失败的种子几乎都埋在早期。

这也是为什么美国历史上最惨的退休年份，不是那些仅仅遭遇崩盘的，而是一退休就撞上持续负实际回报的：1929 年退休者迎面通缩式崩溃；1960 年代中期的退休者面对十五年滞胀，实际组合价值被磨掉的同时，提取额还随通胀节节上升。而在退休中段才遇到同样事件的人——已有十年增值垫底——都安然渡过。

用平均回报构建的预测永远显示不出序列风险——它天生是一条平滑的单一路径。历史回测能显示，但只限于历史真实产生过的那几种顺序。带 block bootstrap 采样的蒙特卡洛模拟，用真实的多年期市场动态生成数千种顺序，这才让得出的失败概率有意义。

采样方法在这里很关键。逐年独立抽样的模拟把历史打得太碎，恰好稀释了制造序列风险的「坏年份聚集」。按多年期区块采样则保住了这些聚集——1970 年代仍然是完整的 1970 年代——模拟出的坏尾部才像真实会发生的坏十年。

三种防御承担了绝大部分工作。第一，更低的初始提取率：提取越少，坏的早期序列能放大的伤害越小；这是钝器，但可靠。第二，支出弹性：护栏这类动态策略恰好在「提取伤害最大的状态」削减支出，这正是它们能有效提高可持续起始提取率的原因——它们在源头上中和坏序列。

第三，资产配置。债券等分散资产能缓冲退休初期的回撤——失败的种子正是在那时埋下——所以适度的债券配置常常改善最坏情形，即便拉低平均情形。有人把这做成「债券帐篷」（bond tent）：在退休日前后多持债券，危险区过后再逐步加回股票。相比之下，为「避免低位卖出」而持有的现金缓冲，大体只是把同一笔权衡换了个地方：持有现金的拖累，和它避免的低位卖出损失差不多大。

积累期面对的是镜像问题。储蓄生涯早期，崩盘几乎无关紧要——暴露的本金很少，未来几十年的定投还在低位买入。而临近退休的最后几年，崩盘砸在最大本金上，且提取开始前已无恢复时间。风险最高的窗口，大约是退休日前后各五年。

实际含义是：无论你的风险偏好如何，随着退休日临近，你的真实风险承受能力在下降。规划工具应该把退休日当作危险区的中心，而不是「风险从此开始」的起跑线。