平均收益率的问题
假设你有一个**€100.000**的投资组合，预期平均年收益率为7%。 20年后，线性预测显示:
$$V_{20} = 100.000 \times (1{,}07)^{20} \approx 386.968 \text{ €}$$
这个数字看起来很精确。但它隐藏了一个谎言：市场并不能每年有序地增长7%。 一年上涨+22%，下一年下跌-18%，再之后上涨+11%。顺序很重要，而平均值无法捕捉到这一点。
蒙特卡洛模拟恰好用来解决这个问题：用数千个合理的情景替代线性预测，每个情景都有其自己的随机收益率序列。
什么是蒙特卡洛模拟
蒙特卡洛模拟是一种统计技术，通过从概率分布中随机抽样来生成大量未来情景。
在金融领域，它用于回答以下问题：
- 我的投资组合在20年内达到€300.000的概率是多少？
- 在30年内每月提取€500而不耗尽本金的概率是多少？
- 在悲观情景下，我应该预期什么百分位数的结果？
这个名字来自蒙特卡洛赌场：正如重复掷骰子会产生一个结果分布，模拟会将市场收益率的"掷骰子"重复进行数千次。
它是如何工作的：步骤
1. 定义模型参数
对于每个资产或投资组合，需要三个基本输入：
- 年度预期收益率 ($\mu$)：基于历史数据或前瞻性预期的估计。
- 年度波动率 ($\sigma$)：收益率的标准差。
- 时间范围 ($T$)：模拟的年数。
2. 生成随机收益率
$$r_t \sim \mathcal{N}(\mu,, \sigma^2)$$
对于每个模拟 $i$ 和每一年 $t$，抽取一个随机收益率 $r_{i,t}$。
3. 计算投资组合路径
$$V_{i,t} = V_{i,t-1} \times (1 + r_{i,t})$$
通过重复 $N$ 次模拟（通常1.000到10.000次），得到一个可能路径的分布。
4. 按百分位数读取结果
| 百分位 | 含义 |
|---|---|
| 第10位 | 仅有10%的情景表现比这更差 |
| 第25位 | 不利但非极端的情景 |
| 第50位 | 中位数情景（一半情景在上，一半在下） |
| 第75位 | 有利情景 |
| 第90位 | 仅有10%的情景表现比这更好 |
实际例子：€100.000持有20年
参数：初始资本€100.000，预期收益率7%，波动率14%，时间范围20年，1.000次模拟。
扇形图：所有可能的路径
- 中心带状区域（第25至75位）涵盖大多数现实情景。
- 分散度随时间增加：不确定性不断累积。
- 即使在第10位百分位的情景中，由于没有提款，本金也不会减至零。
最终值的分布
- 第10位百分位：用于衡量风险的悲观情景
- 第50位百分位（中位数）：现实的中心预期
- 第90位百分位：不应视为理所当然的乐观情景
分布不对称：右尾（极端收益）比左尾（极端损失）更长，因为投资组合不能低于零但可以无限增长。
蒙特卡洛用于提取计划
最强大的应用涉及去积累阶段：你每年能提取多少钱而不冒耗尽投资组合的风险？
- 年提取率至3.5%：成功概率非常高。对于€100.000，意味着每年不超过€3.500。
- 4%至5%之间：谨慎区域。结果很大程度上取决于头几年的实际收益率序列。
- 超过5.5%：在30年前耗尽投资组合的概率变得相关。
这是所谓4%规则的定量基础（由Bengen在1994年基于美国市场研究开发）。参数因欧洲市场和具有不同波动性的投资组合而异。
变体：蒙特卡洛模拟与每月提取和通胀
按通胀调整的提取: $$W_t = W_0 \times (1 + \pi)^t$$
带每月提取的投资组合: $$V_{i,t} = V_{i,t-1} \times (1 + r_{i,t}) - \frac{W_t}{12}$$
这两个调整降低了相对于基础模型的成功概率，使估计更加保守和可靠。
蒙特卡洛模拟的限制
对输入参数的依赖：垃圾进，垃圾出。
正态分布vs现实：真实市场表现出比正态分布更厚的尾部（高峰度）和负偏斜。
动态相关性的缺失：在危机中，资产之间的相关性往往会增加。
序列比平均值更重要：这在提取阶段特别关键（收益率序列风险）。
为了克服这些限制，使用：自举模拟、GARCH模型或具有动态协方差矩阵的多资产模型。
如何在实践中读取蒙特卡洛模拟
不要固执于中位数值：第50位百分位意味着一半的情景表现更差。在做保守决策时考虑第25或10位百分位。
使用百分位数来回答精确问题。定期更新模拟。与VaR/CVaR、回撤和偏度/峰度相结合。
常见问题
蒙特卡洛模拟对于决定退休时的提取额可靠吗？ 这是现有最稳健的工具，但并非万无一失。用它作为定量指南针，而非保证。始终添加安全边际。
需要多少次模拟才能获得稳定结果？ 1.000次模拟对于规划来说已足够稳定。10.000次时收敛完全。
历史蒙特卡洛和参数蒙特卡洛有什么区别？ 参数型使用理论分布。历史型（自举）抽样实际过去的收益率：更保守和现实。
我能将其用于多资产投资组合吗？ 可以，但需要一个协方差矩阵来表示资产之间的相关性。
90%的成功概率意味着什么？ 在10次模拟中的9次中，投资组合在时间范围内不会耗尽。在1次中，它可能会耗尽。
4%规则适用于欧洲吗？ 基于美国数据开发。对于欧洲，许多分析师建议更保守的比率：3%–3.5%。
下一步
准备好将蒙特卡洛模拟应用到你的真实投资组合了吗？
- 从免费ETF投资组合模拟器 开始测试你的参数。
- 探索Value at Risk (VaR) 95–99%使用指南 来补充绝对风险指标。
- 深入Expected Shortfall (CVaR) 95–99%使用指南 以理解最坏情景。
- 学习偏度和峰度使用指南 以捕捉真实的尾部风险。
- 理解最大回撤 的概念以衡量历史下跌。
- 使用Wallible应用 在实时中自动化蒙特卡洛、VaR和风险监测。
