रिटर्न अनुक्रम जोखिम: सेवानिवृत्ति में लाभ का क्रम सब कुछ क्यों बदल देता है

एक जैसा औसत, दो विपरीत परिणाम

Roberto और Carla एक ही दिन सेवानिवृत्त होते हैं। दोनों के पास 70/30 इक्विटी-बॉन्ड पोर्टफोलियो में 4,00,000 यूरो हैं। दोनों हर साल मुद्रास्फीति के अनुसार समायोजित 16,000 यूरो निकालते हैं। अगले बीस वर्षों में दोनों को 6.5% की औसत वार्षिक रिटर्न मिलती है।

बीस साल बाद Roberto के पास अभी भी 6,80,000 यूरो हैं। Carla के पास कुछ नहीं बचा। उनका पोर्टफोलियो चौदहवें साल में ही खाली हो गया।

एक जैसा शुरुआती बिंदु। एक जैसी औसत रिटर्न। पर नतीजे बिल्कुल अलग।

फर्क सिर्फ इतना है कि वे रिटर्न किस क्रम में आए। Roberto को उनके आखिरी काम के सालों में बाजार की गिरावट झेलनी पड़ी, लेकिन सेवानिवृत्ति के शुरुआती सालों में बाजार अनुकूल था। Carla के साथ उल्टा हुआ: उनकी सेवानिवृत्ति के पहले साल बाजार में भारी गिरावट के साथ आए। पोर्टफोलियो का मूल्य घट रहा था और वे कम कीमतों पर यूनिट बेचकर पैसे निकाल रही थीं। पूंजी का आधार स्थायी रूप से कम हो गया और कभी पर्याप्त रूप से नहीं उबरा।

यही रिटर्न अनुक्रम जोखिम है।

रिटर्न अनुक्रम जोखिम क्या है

रिटर्न अनुक्रम जोखिम वह खतरा है जब किसी पोर्टफोलियो के रिटर्न का समय-वितरण अपेक्षा से कहीं बुरे परिणाम देता है, भले ही औसत रिटर्न समान रहे।

जोखिम कुल आंकड़ों में नहीं, बल्कि यात्रा के मार्ग में होता है। एक पोर्टफोलियो जो सेवानिवृत्ति के पहले साल 30% खो देता है, फिर उबरता है और बढ़ता है, वह उस पोर्टफोलियो की तुलना में कहीं कमजोर स्थिति में होता है जो पहले बढ़ा और फिर उतनी ही गिरावट झेली, भले ही दोनों की लंबी अवधि में अंकगणितीय औसत समान हो।

कारण गणितीय है। जब आप गिरते पोर्टफोलियो से नियमित रूप से पैसे निकालते हैं, तो आप उतनी यूनिट बेचते हैं जितनी ऊंचे भाव पर नहीं बेचनी पड़तीं। इससे भविष्य में बाजार की रिकवरी का लाभ उठाने के लिए उपलब्ध यूनिट की संख्या स्थायी रूप से घट जाती है। पूंजी का आधार इस तरह कम होता है जिसे पलटना संरचनात्मक रूप से कठिन होता है।

संचय चरण में यह महत्वपूर्ण क्यों नहीं होता

संचय चरण में रिटर्न अनुक्रम जोखिम लगभग अप्रासंगिक है। जो निवेशक तीस साल तक हर महीने 500 यूरो निवेश करता है, उसका परिणाम लगभग पूरी तरह वार्षिक औसत रिटर्न पर निर्भर करता है, न कि अच्छे और बुरे सालों के क्रम पर।

वास्तव में, एक SIP (नियमित निवेश योजना) में शुरुआती सालों में बाजार की गिरावट फायदेमंद होती है: कम कीमत पर अधिक यूनिट मिलती हैं, जिससे औसत खरीद लागत कम होती है।

यह समरूपता पहली निकासी के साथ टूट जाती है।

जैसे ही आप यूनिट खरीदने की बजाय बेचने लगते हैं, रिटर्न का क्रम अंतिम परिणाम का निर्धारक बन जाता है। संचय करने वाला और निकासी करने वाला पोर्टफोलियो एक ही उतार-चढ़ाव पर विपरीत प्रतिक्रिया देते हैं।

असमानता विस्तार से: एक संख्यात्मक उदाहरण

दो निवेशक प्रत्येक 4,00,000 यूरो से शुरू करते हैं और हर साल 16,000 यूरो निकालते हैं। पांच वर्षों में दोनों को एक जैसी रिटर्न मिलती है, लेकिन उलटे क्रम में।

दोनों की अंकगणितीय औसत समान है: +5% प्रति वर्ष।

निवेशक A (पहले अच्छे साल):

$$V_1 = (4{,}00{,}000 \times 1{,}30) - 16{,}000 = 5{,}04{,}000 \text{ €}$$

$$V_5 \approx 4{,}04{,}813 \text{ €}$$

निवेशक B (पहले बुरे साल):

$$V_1 = (4{,}00{,}000 \times 0{,}80) - 16{,}000 = 3{,}04{,}000 \text{ €}$$

$$V_5 \approx 3{,}60{,}189 \text{ €}$$

पांच साल बाद, एक जैसी औसत रिटर्न और एक जैसी निकासी के बावजूद, निवेशक A के पास 4,04,813 यूरो हैं और निवेशक B के पास 3,60,189 यूरो। 44,000 यूरो से अधिक का अंतर, बिना किसी अलग निर्णय के।

तीस साल के क्षितिज पर यह अंतर इतना बढ़ जाता है कि एक स्वस्थ पोर्टफोलियो और एक खाली पोर्टफोलियो के बीच की रेखा खींच देता है।

मानक मॉडल इसे क्यों नहीं पकड़ते

अधिकांश वित्तीय नियोजन उपकरण भविष्य का अनुमान लगाने के लिए औसत रिटर्न का उपयोग करते हैं। तीस साल के लिए 6% वार्षिक दर्ज करें और स्प्रेडशीट एक व्यवस्थित, आश्वस्त करने वाला अंतिम मूल्य देती है।

निकासी करने वाले के लिए यह गणना भ्रामक है।

औसत रिटर्न एक वास्तविक पोर्टफोलियो की रिटर्न नहीं होती। वास्तविक रिटर्न मार्ग पर निर्भर करती है: वर्षों के क्रम पर और रिटर्न तथा निकासी के बीच की अंतर्क्रिया पर। एक स्थिर रिटर्न मॉडल इसका अनुकरण नहीं कर सकता क्योंकि वह समय-भिन्नता को हटा देता है, जो ठीक जोखिम का स्रोत है।

व्यावहारिक परिणाम यह है कि केवल औसत के आधार पर सेवानिवृत्ति की योजना बनाना सफलता की संभावना को व्यवस्थित रूप से अधिक आंकता है। सरल मॉडलों में अनुक्रम जोखिम लगभग अदृश्य है, लेकिन वास्तविक बाजारों में यह स्पष्ट रूप से प्रकट होता है।

अनुक्रम जोखिम को प्रबंधित करने की रणनीतियां

रिटर्न अनुक्रम जोखिम को समाप्त नहीं किया जा सकता, लेकिन प्रबंधित किया जा सकता है। प्रभावी रणनीतियां दो मोर्चों पर काम करती हैं: सेवानिवृत्ति के शुरुआती वर्षों में बाजार की गिरावट के प्रभाव को कम करना और निकासी को वास्तविकता के अनुसार अनुकूलित करने की लचीलापन बनाए रखना।

बकेट रणनीति

पोर्टफोलियो को तीन अलग-अलग समय क्षितिज वाले हिस्सों में बांटें। पहले हिस्से में एक से दो साल के खर्च नकद या समतुल्य में रखें: यह बाजार की अस्थिरता से अप्रभावित रहता है और सुनिश्चित करता है कि शुरुआती निकासी के लिए कम कीमत पर संपत्ति बेचने की जरूरत न पड़े। दूसरे हिस्से में तीन से आठ साल के क्षितिज के लिए बॉन्ड और कम अस्थिरता वाली संपत्तियां हों। तीसरा हिस्सा दीर्घकालिक विकास के लिए इक्विटी पोर्टफोलियो है।

तर्क सरल है: भले ही पहले साल शेयर 40% गिरें, निकासी नकद हिस्से से होती है, उदास शेयरों से नहीं। पोर्टफोलियो को संभलने का समय मिलता है।

गार्डरेल के साथ लचीली निकासी

मुद्रास्फीति-समायोजित प्रारंभिक निकासी का कड़ाई से पालन करने की बजाय, दो समायोजन सीमाएं तय करें। यदि पोर्टफोलियो काफी बढ़ता है, तो अगले साल की निकासी एक अधिकतम सीमा तक बढ़ाई जा सकती है। यदि एक महत्वपूर्ण स्तर से नीचे आ जाए, तो निकासी को 10-15% तक कम करें।

इस दृष्टिकोण की कीमत है कम पूर्वानुमानित आय। लाभ यह है कि तनाव के दौर में समाप्ति का जोखिम कम होता है।

बॉन्ड टेंट: उलटा ग्लाइडपाथ

एक सहजबोध-विरोधी लेकिन शोध-समर्थित रणनीति सेवानिवृत्ति से पांच साल पहले बॉन्ड एक्सपोजर बढ़ाने और फिर अगले दस वर्षों में इसे धीरे-धीरे कम करने का सुझाव देती है।

उद्देश्य पोर्टफोलियो को उसकी अधिकतम कमजोरी की खिड़की के दौरान सुरक्षित रखना है: सेवानिवृत्ति की तारीख के आसपास के पांच साल, जब अनुक्रम जोखिम सबसे तीव्र होता है। यह महत्वपूर्ण चरण पार होने के बाद, पोर्टफोलियो दीर्घकालिक स्थिरता के लिए फिर से इक्विटी एक्सपोजर बढ़ा सकता है।

आंशिक एन्युइटीकरण

पूंजी का एक हिस्सा आजीवन पेंशन में बदलना बाजार के उतार-चढ़ाव से स्वतंत्र निश्चित आय की गारंटी देता है। यह एन्युइटाइज्ड हिस्से का अनुक्रम जोखिम समाप्त करता है, लेकिन लचीलापन और विरासत छोड़ने की क्षमता कम हो जाती है।

सरकारी पेंशन वाले निवेशकों के लिए, वह लाभ पहले से ही यह कार्य आंशिक रूप से करता है: यह एक गारंटीड आधार है जो शुरुआती महत्वपूर्ण वर्षों में निवेश पोर्टफोलियो पर निर्भरता कम करता है।

अनुक्रम जोखिम और मोंटे कार्लो सिमुलेशन

मोंटे कार्लो सिमुलेशन योजना चरण में अनुक्रम जोखिम को दृश्यमान बनाने का सबसे प्रभावी उपकरण है।

निरंतर औसत रिटर्न के बजाय, मोंटे कार्लो सिमुलेशन पोर्टफोलियो के हजारों संभावित पथ उत्पन्न करता है, प्रत्येक में ऐतिहासिक वितरण से खींची गई अलग रिटर्न अनुक्रम होती है। परिणाम एक संख्या नहीं बल्कि एक संभाव्यता वितरण है: कितने सिमुलेशन सकारात्मक पूंजी के साथ समाप्त होते हैं, कितने समाप्त हो जाते हैं और किस वर्ष में।

यह दृष्टिकोण वह स्पष्ट रूप से पकड़ता है जो एक औसत रिटर्न मॉडल नहीं देख सकता। समान अपेक्षित औसत लेकिन अलग-अलग अस्थिरता स्तर वाले दो पोर्टफोलियो बहुत अलग परिणाम वितरण उत्पन्न करेंगे।

Wallible के साथ आप अपने वास्तविक पोर्टफोलियो पर यह सिमुलेशन चला सकते हैं। सिमुलेटर द्वारा गणना की गई सफलता की संभावना में पहले से ही सिमुलेटेड पथों की परिवर्तनशीलता के माध्यम से अनुक्रम जोखिम शामिल है।

4% नियम से संबंध

4% नियम को तीस साल के क्षितिज पर अमेरिकी बाजार की सबसे खराब ऐतिहासिक रिटर्न अनुक्रमों का सामना करने के लिए कैलिब्रेट किया गया था। यह अनुक्रम जोखिम को अप्रत्यक्ष रूप से ध्यान में रखता है।

लेकिन अनुक्रम जोखिम यह भी बताता है कि 4% नियम सार्वभौमिक गारंटी नहीं है। जो व्यक्ति एक लंबे मंदी बाजार की शुरुआत में सेवानिवृत्त होता है, वह सबसे प्रतिकूल परिस्थितियों का सामना करता है। अमेरिका से बाहर के कई निवेशकों के लिए, जहां ऐतिहासिक इक्विटी रिटर्न अमेरिकी अनुभव से कम रही है, 3 से 3.5% की अधिक रूढ़िवादी निकासी दर और एक लचीली निकासी रणनीति 4% को यांत्रिक रूप से लागू करने से बेहतर विकल्प है।

अगला कदम

रिटर्न अनुक्रम जोखिम औसत रिटर्न स्प्रेडशीट में अदृश्य है, लेकिन वास्तविक बाजारों में वास्तविक है। इसे नजरअंदाज करके सेवानिवृत्ति की योजना बनाना उन नींव पर निर्माण करना है जो केवल इसलिए ठोस लगती हैं क्योंकि उनका परीक्षण कभी नहीं हुआ।

Wallible के साथ आप:

• अपनी निकासी योजना का सिमुलेशन करें मोंटे कार्लो सिमुलेशन के साथ और परिदृश्यों का पूर्ण वितरण देखें, केवल औसत नहीं
• 4% नियम गाइड पढ़ें यह समझने के लिए कि यह संख्या कहां से आई और अधिक रूढ़िवादी दर अक्सर अधिक उचित क्यों होती है
• मोंटे कार्लो सिमुलेशन गाइड देखें यह समझने के लिए कि सिमुलेटर पथ परिवर्तनशीलता को कैसे पकड़ता है