Simulación Monte Carlo: Por Qué los Rendimientos Promedio Mienten
Descubre por qué un rendimiento "promedio" puede sobreestimar tu éxito en la jubilación — y qué usar en su lugar.
Si alguna vez ingresaste números en una calculadora de jubilación y sentiste una cálida sensación de confianza, puede que estés construyendo tu futuro sobre una suposición peligrosa. La mayoría de las calculadoras tradicionales usan una sola tasa de rendimiento "promedio" — típicamente 7–8% para renta variable — y proyectan tu portafolio en una línea ascendente suave. La realidad no se parece en nada a eso.
El promedio es engañoso
Dos inversionistas pueden obtener el mismo rendimiento "promedio" del 7% durante 30 años pero terminar con portafolios que difieren en cientos de miles de dólares. ¿Por qué? Porque el orden de los rendimientos importa enormemente cuando estás haciendo retiros.
El problema con los rendimientos promedio
Imagina que el Inversionista A obtiene exactamente 7% cada año. El Inversionista B sufre una caída del 30% en el año uno, luego se recupera con ganancias fuertes que llevan el promedio aritmético al mismo 7%. Aunque los promedios coinciden, sus portafolios finales pueden diferir drásticamente — especialmente si están haciendo retiros durante el camino.
Cuando estás retirando de un portafolio, las pérdidas tempranas te obligan a vender más acciones a precios deprimidos, dejando menos acciones para participar en futuras recuperaciones. Los planificadores financieros llaman a esto riesgo de secuencia de rendimientos, y es la principal razón por la que las proyecciones determinísticas pueden engañar a los jubilados.
¿Qué es la simulación Monte Carlo?
La simulación Monte Carlo ejecuta un modelo miles de veces, cada vez alimentándolo con un conjunto diferente de datos de entrada generados aleatoriamente. El nombre viene del famoso casino en Mónaco — un guiño al papel que juega la aleatoriedad en el método.
En lugar de preguntar "¿qué pasa si gano 7% cada año?" pregunta "¿qué pasa en un amplio rango de historias de mercado plausibles?"
Cómo funciona para la jubilación
Define tus datos de entrada
Portafolio actual, contribuciones o retiros anuales, horizonte de inversión, asignación de activos y rendimiento/volatilidad esperados para cada clase de activo.
Genera secuencias de rendimientos aleatorios
Para cada ejecución, extrae rendimientos anuales de una distribución de probabilidad (ej., distribución normal con media y desviación estándar históricas).
Simula año por año
Aplica el rendimiento aleatorio, resta los retiros (o suma las contribuciones) y lleva el saldo hacia adelante a lo largo de cada año.
Repite más de 1.000 veces
Ejecuta la secuencia completa muchas veces para construir una muestra grande de resultados posibles.
Agrega y analiza
Ordena los resultados en percentiles, tasas de éxito y bandas de confianza.
El riesgo de secuencia de rendimientos en acción
Considera un jubilado que comienza con $1.000.000 y retira $40.000 al año, ajustado por inflación:
| Escenario | Momento del desplome | Portafolio en el año 25 | Resultado |
|---|---|---|---|
| Desplome temprano | Años 1–2 | $0 (agotado) | Se quedó sin dinero |
| Desplome tardío | Años 28–29 | $680.000+ | Excedente saludable |
Mismos rendimientos totales, mismo promedio — pero resultados completamente diferentes. Monte Carlo expone esta vulnerabilidad generando cientos de órdenes diferentes.
Cómo interpretar los resultados
Bandas de percentiles Monte Carlo (1.000 simulaciones)
El área sombreada muestra el rango de resultados. Mayor dispersión = más incertidumbre.
El resultado no es un solo número — es una distribución. Estas son las métricas clave:
- Tasa de éxito — El porcentaje de ejecuciones donde tu portafolio sobrevivió todo el horizonte. 85–95% se considera típicamente aceptable; 100% puede significar que estás gastando de menos.
- Mediana (P50) — El escenario intermedio. La mitad de las simulaciones terminaron por encima, la mitad por debajo.
- Percentil 10 (P10) — El escenario de "mala suerte". Solo el 10% de las ejecuciones fueron peores. Una prueba de estrés útil.
- Percentil 90 (P90) — El escenario de "buena suerte". Útil para objetivos de legado o para decidir cuándo aumentar el gasto.
¿Por qué 1.000 simulaciones?
Con menos ejecuciones, la tasa de éxito puede variar varios puntos porcentuales debido al ruido del muestreo. Con 1.000 ejecuciones, la estimación se estabiliza — volver a ejecutar típicamente produce un resultado dentro de un punto porcentual. Algunas herramientas llegan a 10.000, pero el beneficio incremental suele ser modesto.
Un ejemplo práctico
Supongamos que tienes 35 años, ganas $90.000/año, ahorras el 30% y tienes $150.000 invertidos. Planeas jubilarte a los 50 y gastar $45.000/año. Inviertes en un portafolio global de renta variable (5,5% de rendimiento real, 15% de desviación estándar).
| Método | Tasa de éxito | Peor caso (P10) | Mejor caso (P90) |
|---|---|---|---|
| Determinístico (7%) | 100% | Igual a la mediana | Igual a la mediana |
| Monte Carlo (1.000 ejecuciones) | 78% | Portafolio agotado a los 72 | Excedente de $1,2M |
La calculadora determinística dice "estás bien". Monte Carlo revela que 220 de 1.000 futuros simulados terminan en fracaso. Esa información es accionable: ahorra más, planifica ingresos a tiempo parcial o ajusta tu asignación de activos.
Tomando mejores decisiones bajo incertidumbre
Monte Carlo no predice el futuro. Lo que hace es reemplazar una falsa sensación de certeza con un balance honesto del rango de posibilidades. En lugar de preguntar "¿tendré suficiente?" empiezas a preguntar "¿qué tan probable es que tenga suficiente, y qué puedo hacer para mejorar esas probabilidades?"
Ejecuta tu propia simulación Monte Carlo con 1.000 escenarios. Gratis, sin registro.
Prueba la calculadora FIRE →Mira cómo los resultados de Monte Carlo se traducen en un plan de jubilación concreto año por año con nuestra herramienta Plan Patrimonial.
Crea tu Plan Patrimonial →