个人养老金投资热度持续升温，提取率的规划也不容忽视

目前，很多投资者对个人养老金账户和投资了解不多，或许还在考虑是否需要开通养老金账户。但不论选择何种方式补充个人养老金，我们都建议您充分考虑将来的养老金资金需求以及支取方式，未雨绸缪。其中，养老金提取率的规划也是重要的一环。

先锋领航的研究表明，传统的“4%法则”，即每年支取的金额不超过当年本金的4%并根据通胀进行调整，或许已非上佳之策。那么，如何设定提取率更为合适？

何为传统的“4%法则”？

在个人养老金发展较为成熟的美国市场，近30年来的退休资产分配方式大多遵循早年财务规划师William Bengen根据历史回报和通胀水平等指标提出的“4%法则”，我们在之前的相关文章中也有过介绍：它是指在退休第一年所支取的养老金应当最多占到养老金投资组合总价值的4%，而后续每年提取的比例在原本基础上根据通胀情况进行相应调整，就能避免养老金账户被过早掏空的风险。4%即为当时提出的“可持续提取率（sustainable withdrawal rate）”。

在过去几十年中，美国市场回报强劲、通胀水平较低、且股债相关性极低，这个4%的黄金法则也成为了指导美国投资者初步规划养老金储蓄目标的重要参考，投资者心里对自己退休后的开支水平通常会有更合理的预期，从而可以利用“4%法则”反推出自己在退休前需要积累的养老金资产总额。

然而近年来，市场环境发生了显著变化，回报率预期低迷、通胀飙升、股债相关性也日益增强，投资者也因而需要重新审视这一提取策略的适用性。

提取率的设定需考虑哪些因素？

我们的最新研究表明，提取率范围的选定可参考个人所期望的遗赠水平、投资组合的耗损风险和资产配置情况。

其中，我们的研究发现，其实资产配置情况对可持续提取率的影响或许是最小的。以往的对可持续提取率的相关研究都侧重在资产配置上，但这些研究是建立在数十年的长期历史收益基础之上。在如今的环境中，预期的权益资产相对于固定收益的风险溢价并没有过去那么高了。

而另外两个因素，即期望的遗赠水平和投资组合的耗尽风险，则成为了更为重要的可持续提取率决定因素。因此，我们的大多数假设情境主要侧重于这两个因素的影响，并假设股债配比为50/50。

虽然资产配置本身可能没有那么重要，但预期回报环境显然仍会对可持续提取率产生影响。下方的柱状图显示了在不同的投资和通胀情境下，根据退休人员的期望遗赠水平以及投资组合耗尽风险承受能力，所得出的最佳可持续提取率。

图表：基于退休人员情况和投资情境的可持续提取率

通过上图可以看出，只有在最乐观的投资情境下，对风险承受能力较强、且不计划留下遗赠的退休人员来说，可持续提取率才能接近或超出传统的4%法则。因此，我们建议投资者根据自身情况制定投资方案，过于依赖旧规可能致使投资组合资金提前耗尽。

审时度势，因时而变

随着个人养老金制度的发展，养老投资产品也将日益丰富，为投资者提供更多样的养老投资选择。当然，需要牢记没有何种投资是绝对完美、一劳永逸的，我们建议您适时根据市场环境的变化来调整投资策略，必要时也可寻求专业投资机构的帮助。

我们无法掌控市场表现、通胀率、寿命等因素，所以更需专注于可控因素，布局低成本和投资组合多元化的策略，更可能帮助您在更长远的未来获得可观的退休收入，乐享退休时光。

先锋领航未来将持续研究并发布有关养老金投资与支取的建议与策略，敬请关注！欢迎您参阅文末的相关文章，了解更多养老投资建议与观点。

注：

• 所有的投资都有风险，包括投入资金的可能损失。请注意，金融市场的波动和其他因素可能会导致您的账户价值下降。无法保证某一种资产配置或者基金组合能够满足你的投资目标或者为你提供一定水平的收入。多元化投资并不能确保盈利或避免亏损。
• 债券基金或面临发行机构无法按时付款，以及由于利率上升或市场对债券发行机构偿债能力产生负面看法，进而导致债券价格出现下跌等风险。

重要提示：先锋领航资本市场模型（VCMM）得出的各类资产投资回报预测结果和其它相关信息均属假设，并不代表实际投资结果，也不能保证未来投资结果。VCMM 预测回报分布来自每个资产类别10,000次模拟结果，模拟截至2022年3月31日。模型预测结果可能随每次使用和时间节点变化而变化。

VCMM的预测基于对历史数据的统计分析而得出。未来的回报表现可能与VCMM的历史模式并不相同。更重要的是，VCMM可能对模型所依托的历史时期中未观察到的极端负面情况有所低估。

先锋领航资本市场模型®为一个专有的金融模拟工具，由先锋领航的主要投研和咨询团队开发并维护。该模型预测了一系列广泛资产类别的未来收益分布。这些资产类别包括美国和国际股票市场、期限不等的美国国债和企业固定收益市场、国际固定收益市场、美国货币市场、大宗商品以及某些另类投资策略。先锋领航资本市场模型的理论和经验基础是，各种资产类别的回报反映了投资者为承担不同类型的系统性风险（beta）所需得到的补偿。该模型的核心是对风险因素和资产收益之间动态统计关系的预估，这些关系是根据早在1960年就已获得的月度财务和经济数据进行统计分析得出的。该模型使用一个预估方程系统，然后应用蒙特卡罗模拟方法来预测风险因素和资产类别之间的相互关系，以及随着时间的推移所产生的不确定性和随机性。该模型根据每种资产类别的不同，在多个时间范围内生成了大量模拟结果。在这些模拟中，通过计算集中趋势的度量来获得预测结果。模型预测结果可能随每次使用和时间节点变化而变化。