当时，许多美国人在计算可以从退休帐户中提取多少资金时可能把历史回报率作为参照：自1926年以来大型股年均升幅10%，小型股年均升幅12%，债券年均回报6%，而国债年均回报为3.7%。

　　不幸的是，许多人在这个过程中犯了错误，并且在过去五年中付出了巨大的代价。有些人不得不回去工作，有些人则不得不调低他们的生活标準；更有些人不得不两样都来。

　　六年之后的现在，股市再次创下新高，我们又要问这个问题了。然而，这一次可以有两种计算退休帐户提款率的方式。一种是传统的——历史回报率；另一种是新式的，其名称是Monte Carlo。

　　这两种方式的优缺点如何？哪一种方式对原本打算在2000年退休的人更为有利？

　　简而言之，历史回报率方法很好懂，但不是非常精确。Monte Carlo方法不容易懂，但非常精确。在退休规划日趋精确的今天，Monte Carlo方法的优点远远超过在计算最佳提款率过程中所带来的缺点。

　　模板化的分析工具

　　Monte Carlo方式到底是什么？T. Rowe Price说，这是一个将未来不确定性模板化的一个分析工具。用外行的话来说，就是一个电脑程式，首先对成千上万种市场环境和市场回报进行衡量，然后得出可能的结果或成功率的区间。

　　T. Rowe Price资深财务规划师法兰德(Christine Fahlund)说，另外，Monte Carlo也是计算最佳提款率的一种更精确的方式。不妨这样想：历史回报率是刀子，而Monte Carlo则是激光。

　　例如，Monte Carlo可以用来确定所谓的替代率，也就是退休者所需的、用来替代并维持退休后生活标準的收益百分比。天普大学(Temple University)教授文德黑(Jack VanDerhei)以及僱员福利研究所(Employee Benefits Research Institute)的同行在刚刚公佈的一份报告中指出，使用传统计算方法(也就是平均回报而不是各种可能性下的回报)存在多种局限性。

　　“如果使用平均回报，基本上是在预计退休后50%的时间内所需的金钱。”

　　但是，虽然Monte Carlo是一个更精确的工具，但却存在更大问题。其一，Monte Carlo这个名字给人的感觉与赌博而不是投资有关。而我们这个国家对统计和数学的恐惧症是普遍存在的。例如，利用Monte Carlo，一个人可以计算出1%的成功率、100%的成功率或之间的任何一种成功率。这也意味着美国人不得不计算出成功的最佳可能性。

　　专家们称，这个成功率并非50%或100%，法兰和文德黑说，而是接近于75%或80%。当然，美国人必须搞清楚“成功”在Monte Carlo系统里意味着什么。

　　例如在T. Rowe Price，成功意味着在提款期的最后，必须剩下至少1美元净资产。换句话说，一个由提款率为x%、股票占y%、债券占z%组成的投资组合，其最后剩下1美元的成功几率为80%。然而，在其它公司，成功的定义可能不同。

　　试图掌握Monte Carlo方法的美国人面临着其它挑战。例如，依据模拟数量的多少，成功的可能性会发生改变(模拟愈多，数字会愈精确)。此外，投资组合资产配置的不同也会导致成功可能性发生改变。例如，在其它条件相同情况下，一个由60%股票、30%债券和10%现金组成的投资组合，与一个由70%股票和30%债券组成的投资组合会有不同的成功率。

　　儘管存在这些障碍，但Monte Carlo的确是计算任何退休方面数字的一个好工具，例如需要为退休储蓄多少、替代率、提款率多高等等。假如计画在2000年退休的那些人当时使用这种工具的话，那么后来被迫回去工作或调降生活标準的人就会少得多。

　　例如，T. Rowe Price的一位分析师为本专栏进行了一番计算，看两个资产总额同为10万美元、资产配置同为60%股票、30%债券和10%现金的人按两种方法推算，在2000年1月至2006年1月会得出怎样的结果(最佳提款率)。

　　其中一人假定其投资组合30年内每年将成长8%(依据过去的回报率)。据此计算，每年对通膨调整后从退休帐户的提款率应为6.1%。假如市场真的以8%的平均水平成长，那么这个投资组合即使在提款之后的资产也仍将达到10万7617美元。事实上，在截至2006年1月的六年中，股市先是从顶峰下跌了30%，然后又涨了50%，因此按6.1%提款的那人，最终只剩下6万8646美元的资产，比最开始的资产减少了大约30%。

　　相比之下，使用Monte Carlo方法成功率为80%来确定提款率的第二个人，计算得出的提款率为4.56%，比第一个人只低了1.5%。但经过六年之后，第二个投资组合净资产为8万2822美元，比第一个多出20%。

　　这种差距是巨大的。Monte Carlo是更好的工具，当然它也有缺点。如果你没有软体或不知道如何使用软体，这就是一个问题。而且它也更难理解。

　　但是，由于2000年至2006年许多退休者(或从前的退休者)遭受了市场带来的痛苦，他们深知使用不精确工具所造成的麻烦，因此看起来Monte Carlo现在是值得採用的。