Simulazione Monte Carlo: Perché i Rendimenti Medi Ingannano
Scopri perché un singolo rendimento 'medio' può sovrastimare il successo del tuo pensionamento — e cosa usare al suo posto.
Se hai mai inserito i numeri in un calcolatore pensionistico e provato una calda sensazione di sicurezza, potresti star costruendo il tuo futuro su un'ipotesi pericolosa. La maggior parte dei calcolatori tradizionali utilizza un singolo tasso di rendimento "medio" — tipicamente il 7–8% per le azioni — e proietta il tuo portafoglio in una linea ascendente uniforme. La realtà è tutt'altro.
La media è fuorviante
Due investitori possono ottenere lo stesso rendimento "medio" del 7% su 30 anni ma ritrovarsi con portafogli che differiscono di centinaia di migliaia di dollari. Perché? Perché l'ordine dei rendimenti conta enormemente quando si effettuano prelievi.
Il problema dei rendimenti medi
Immagina che l'Investitore A ottenga esattamente il 7% ogni anno. L'Investitore B subisce un crollo del 30% nel primo anno, poi recupera con forti guadagni che portano la media aritmetica allo stesso 7%. Anche se le medie coincidono, i loro portafogli finali possono differire drasticamente — specialmente se effettuano prelievi durante il percorso.
Quando si preleva da un portafoglio, le perdite iniziali costringono a vendere più quote a prezzi depressi, lasciando meno quote per partecipare alle future riprese. I pianificatori finanziari chiamano questo rischio di sequenza dei rendimenti, ed è la ragione principale per cui le proiezioni deterministiche possono fuorviare i pensionati.
Cos'è la simulazione Monte Carlo?
La simulazione Monte Carlo esegue un modello migliaia di volte, alimentandolo ogni volta con un diverso set di input generati casualmente. Il nome deriva dal famoso casinò di Monaco — un riferimento al ruolo che la casualità svolge nel metodo.
Invece di chiedere "cosa succede se guadagno il 7% ogni anno?" chiede "cosa succede in un'ampia gamma di storie di mercato plausibili?"
Come funziona per il pensionamento
Definisci i tuoi input
Portafoglio attuale, contributi o prelievi annuali, orizzonte di investimento, allocazione degli asset e rendimento atteso/volatilità per ciascuna classe di attivi.
Genera sequenze di rendimenti casuali
Per ogni esecuzione, estrai rendimenti annuali da una distribuzione di probabilità (ad es. distribuzione normale con media storica e deviazione standard).
Simula anno per anno
Applica il rendimento casuale, sottrai i prelievi (o aggiungi i contributi) e riporta il saldo in avanti per ogni anno.
Ripeti 1.000+ volte
Esegui l'intera sequenza molte volte per costruire un ampio campione di possibili risultati.
Aggrega e analizza
Ordina i risultati in percentili, tassi di successo e bande di confidenza.
Il rischio di sequenza dei rendimenti in azione
Consideriamo un pensionato che parte con $1.000.000 e preleva $40.000 all'anno, aggiustato per l'inflazione:
| Scenario | Tempistica del crollo | Portafoglio all'anno 25 | Risultato |
|---|---|---|---|
| Crollo iniziale | Anni 1–2 | $0 (esaurito) | Fondi terminati |
| Crollo tardivo | Anni 28–29 | $680.000+ | Surplus consistente |
Stessi rendimenti totali, stessa media — ma risultati completamente diversi. Monte Carlo espone questa vulnerabilità generando centinaia di ordinamenti differenti.
Interpretare i risultati
Bande Percentili Monte Carlo (1.000 simulazioni)
L'area ombreggiata mostra la gamma dei risultati. Maggiore ampiezza = maggiore incertezza.
L'output non è un singolo numero — è una distribuzione. Ecco le metriche principali:
- Tasso di successo — La percentuale di esecuzioni in cui il portafoglio è sopravvissuto all'intero orizzonte. L'85–95% è tipicamente considerato accettabile; il 100% potrebbe significare che stai spendendo troppo poco.
- Mediana (P50) — Lo scenario intermedio. Metà delle simulazioni è terminata sopra, metà sotto.
- 10° percentile (P10) — Lo scenario "sfortuna". Solo il 10% delle esecuzioni è andato peggio. Un utile stress test.
- 90° percentile (P90) — Lo scenario "fortuna". Utile per obiettivi di eredità o per decidere quando aumentare le spese.
Perché 1.000 simulazioni?
Con meno esecuzioni, il tasso di successo può oscillare di diversi punti percentuali a causa del rumore di campionamento. A 1.000 esecuzioni, la stima si stabilizza — rieseguendo si ottiene tipicamente un risultato entro un punto percentuale. Alcuni strumenti arrivano a 10.000, ma il miglioramento incrementale è generalmente modesto.
Un esempio pratico
Supponiamo che tu abbia 35 anni, guadagni $90.000/anno, risparmi il 30% e abbia $150.000 investiti. Prevedi di andare in pensione a 50 anni e spendere $45.000/anno. Investi in un portafoglio azionario globale (5,5% rendimento reale, 15% deviazione standard).
| Metodo | Tasso di Successo | Caso Peggiore (P10) | Caso Migliore (P90) |
|---|---|---|---|
| Deterministico (7%) | 100% | Uguale alla mediana | Uguale alla mediana |
| Monte Carlo (1.000 esec.) | 78% | Portafoglio esaurito a 72 anni | Surplus di $1,2M |
Il calcolatore deterministico dice "tutto a posto." Monte Carlo rivela che 220 dei 1.000 futuri simulati terminano con un fallimento. Questa informazione è utilizzabile: risparmia di più, pianifica un reddito part-time o modifica la tua allocazione degli asset.
Prendere decisioni migliori nell'incertezza
Monte Carlo non prevede il futuro. Ciò che fa è sostituire una falsa sensazione di certezza con una contabilità onesta della gamma di possibilità. Invece di chiedere "avrò abbastanza?" inizi a chiedere "quanto è probabile che avrò abbastanza, e cosa posso fare per migliorare queste probabilità?"
Esegui la tua simulazione Monte Carlo con 1.000 scenari. Gratuita, senza registrazione.
Prova il Calcolatore FIRE →Scopra come i risultati Monte Carlo si traducono in un piano pensionistico concreto anno per anno con il nostro strumento Piano Patrimoniale.
Costruisca il Suo Piano Patrimoniale →