Monte Carlo FIRE 시뮬레이터 계산기

포트폴리오 가치, 연간 지출, 기대 수익률, 변동성, 은퇴 연도를 입력하세요. 도구는 사용자 가정에서 Box Muller 정규 무작위 추출을 사용하여 1,000개 수익률 경로 시뮬레이션을 실행합니다. FIRE 플래너는 종종 30년에 걸쳐 연간 $40,000 지출의 $100만 포트폴리오를 테스트합니다. 1,000개 시뮬레이션 기본값은 런타임과 성공률 추정의 안정성의 균형을 맞춥니다. 90% 미만 성공은 더 낮은 지출이나 더 높은 자본을 요합니다. 은퇴 첫 5년의 수익률 순서 위험은 중앙값 경로가 편안하게 성공하더라도 시뮬레이션 분포의 왼쪽 꼬리에 나타납니다. 성공률 비율만이 아닌 5번째 백분위수 최종 포트폴리오 가치를 검토하여 계획이 은퇴의 왼쪽 꼬리 불운 수익률 경로에서 살아남는지 판단하세요. 5번째 백분위수 최종 자산 결과는 시뮬레이션 수의 헤드라인 성공률 비율만이 아닌 보수적 플래너에게 중요합니다. FIRE 플래너는 종종 30년에 걸쳐 $1M 포트폴리오, $40,000 연간 지출, 7% 기대 수익률, 15% 변동성을 테스트합니다. 성공률은 무작위 수익률 경로가 고갈 없이 생존하는 빈도를 보여줍니다.

성공률, 95% 안전 인출, 백분위수 결과, 중앙값 궤적 차트를 검토하세요. 순서 위험은 은퇴 첫 5년에 집중됩니다: 최악의 그럴듯한 경로에 대해 5번째 백분위수 결과를 검토하세요. 5번째 백분위수 결과는 보수적 플래너의 스트레스 경로를 보여줍니다. 중앙값 경로는 보장된 개인 결과가 아닙니다. 시뮬레이션 수를 10,000개로 늘리면 속도를 위한 1,000개 기본값 대비 성공률 추정의 노이즈가 한계적으로 줄어듭니다. 연간 지출 입력을 10% 낮추고 시뮬레이션을 재실행하여 순서 위험이 초기 은퇴 연도를 지배할 때 성공률의 비선형적 개선을 확인하세요. 5번째 백분위수 결과는 중앙값 성공만이 아닌 왼쪽 꼬리 은퇴 시나리오를 검토하는 보수적 플래너의 스트레스 경로를 보여줍니다. 10% 지출 감소 재실행은 종종 초기 은퇴 순서 위험이 시뮬레이션 결과를 지배할 때 성공률을 비선형적으로 개선합니다. 왼쪽 꼬리 불운 수익률 경로에 대한 계획 회복력을 판단할 때 성공률 비율과 5번째 백분위수 최종 자산을 모두 검토하세요. 성공 확률 임계값 90% 일반적인 계획 표준은 가난한 경로 중 재량 지출을 줄이는 데 편안한 은퇴자에게 허용 가능한 10분의 1 실패율을 의미합니다. 정규 대비 팻 테일 수익률 분포 가정은 경험적 주식 데이터에서 심각한 하락이 더 자주 발생하기 때문에 동일 평균 수익률에서 실패율을 증가시킵니다. 사회보장 청구 연령 지연은 보장 소득 하한을 증가시켜 더 높은 둥지 알 목표 없이 Monte Carlo 입력에서 필요한 포트폴리오 인출률을 줄여 성공을 개선합니다. 가드레일 지출 규칙은 가난한 포트폴리오 연도 후 인출을 줄이고 강한 연도 후 증가를 허용하여 고객 재무 계획 결과물에 대한 은퇴 소진 정책서에서 포트폴리오 잔액 피드백 루프를 무시하는 고정 명목 인출보다 실질 지출을 더 매끄럽게 유지합니다. 수익률 순서 위험은 은퇴 첫 5년에 가장 중요합니다. 인출 초기 약세장은 장기 평균 수익률이 괜찮아 보이더라도 지속가능성을 영구적으로 손상시킬 수 있습니다.

가난한 경로 중 재량 지출을 줄이는 데 편안한 은퇴자에게 허용 가능한. 정규 대비 팻 테일 수익률 분포 가정은 경험적 주식 데이터에서 심각한 하락이 더 자주 발생하기 때문에 동일 평균 수익률에서 실패율을 증가시킵니다. 사회보장 청구 연령 지연은 보장 소득 하한을 증가시켜 더 높은 둥지 알 목표 없이 Monte Carlo 입력에서 필요한 포트폴리오 인출률을 줄여 성공을 개선합니다. 가드레일 지출 규칙은 가난한 포트폴리오 연도 후 인출을 줄이고 강한 연도 후 증가를 허용하여 포트폴리오 잔액 피드백 루프를 무시하는 고정 명목 인출보다 실질 지출을 더 매끄럽게 유지합니다. 수익률 순서 위험은 은퇴 첫 5년에 가장 중요합니다. 인출 초기 약세장은 장기 평균 수익률이 괜찮아 보이더라도 지속가능성을 영구적으로 손상시킬 수 있습니다.

시장 변동, 새로운 기여금, 수정된 개인 가정 등 입력값이 변경될 때마다 Monte Carlo FIRE 시뮬레이터를 사용하세요. 소프트웨어 설치 없이 빠른 재실행을 위해 페이지를 북마크하세요.

Monte Carlo FIRE 시뮬레이터 예시 시나리오: $1, $40,000, 7%. 작동 방식에서 설명한 워크스루를 재현하려면 위에 이 값들을 입력하세요.

한 번에 하나씩 입력값을 조정하여 민감도를 확인하세요. Monte Carlo FIRE 시뮬레이터는 즉시 업데이트되므로 낙관적 및 보수적 가정을 실행 전에 스트레스 테스트할 수 있습니다.

통계적 수익률 시나리오를 실행하여 안전 인출 성공 확률을 추정할 때 Monte Carlo FIRE 시뮬레이터를 사용하세요. 거래, 할당 변경, 계획 업데이트 전 빠른 가정 분석에 적합합니다.

결정이 세금, 유동성, 또는 하나의 공식이 포착하는 것 이상의 다년 전망에 걸칠 때 관련 도구와 함께 사용하세요.

입력 단위나 오래된 시장 가격을 확인하지 않고 결과를 복사하는 것은 Monte Carlo FIRE 시뮬레이터에서 흔한 오류입니다. 실행 전에 종목, 비율, 날짜를 확인하세요.

단일 기준 시나리오만 실행하면 꼬리 위험을 무시하게 됩니다. 보수적 입력값으로 스트레스 테스트하고 결정이 중요한 경우 아래 나열된 관련 도구와 비교하세요.

재현성 위해 시드 RNG로 정규 수익률 추출. 이진 탐색으로 95% 안전 인출 발견. 시드 RNG 재현 가능. 로그 정규 대안은 표시되지 않음. 시드 재현 가능 RNG. 로그 정규 대안은 정규 추출보다 주식에 더 잘 맞을 수 있음. 주요 생활 또는 시장 가정 변경 후 최소 연 1회 서면 재무 계획 검토 시 시뮬레이션 재실행. 교육적 추정치만으로 개인화된 조언이 아니므로 주요 재무 결정 전에 자격을 갖춘 전문가와 상담하세요. 로그 정규 수익률은 정규보다 주식 데이터에 더 잘 맞을 수 있습니다. 이 모델은 투명성과 속도를 위해 정규 추출을 사용합니다. Monte Carlo FIRE 시뮬레이터는 개인화된 조언을 대체하지 않습니다. 수수료, 슬리피지, 계좌별 규칙, 행동 제약이 실제 결과를 변경할 수 있습니다.

Dynamic SWR Calculator로 가변 지출을 비교하고 Sequence of Returns로 역사적 경로를 비교하세요. Monte Carlo FIRE 시뮬레이터만으로 전체 의사결정을 포착하지 못할 때 이 계산기들을 사용하세요.

portfolios.tools의 내부 링크는 계산기를 연결하는 데 도움을 줍니다. 먼저 Monte Carlo FIRE 시뮬레이터를 실행한 다음, 아래 관련 섹션에서 특화된 도구로 경계 사례를 검증하세요.