|
如果用户在其特定场景中发现多个局部最优,则可以使用Ametaheurist来指导程序走向全局最优(见第II.I节)。我们研究了10种不同假设的情景,包括提款率、基础资产类别回报、费用比率以及最终提款的固定与随机时间。我们发现,退役时的最优静态滑道随这些参数的变化而变化,这并不奇怪。我们还发现,投资组合回报的顺序会以不同的方式影响最优解。当所使用的策略具有很高的成功概率时,SOR就会成为一种风险,并通过不断上升的下滑路径在最佳解决方案中得到缓解(请参见场景1)。当战略成功概率较低时,SOR成为潜在的回报,在最佳解决方案中被视为退休早期的重大股权投资(参见情景8)。因此,下滑路径下降的T-D基金偏向于SOR回报,而以牺牲SOR风险为代价。这种方法与提款率高、费用高、成功概率低的策略是一致的。一只昂贵的T-D基金缺乏对退休人员提款率的了解,这可能是下滑趋势下降的理由,也许是因为错误的原因。与Young(2004)、Moore和Young(2006)、Bayraktar和Young(2007)以及Rook(2014)的研究结果一致,我们在这项研究中发现,当使用静态滑道最小化破产概率时,最优权益比率在时间上不是常数。这与许多最大化预期效用的生命周期模型相冲突。这项研究的结果与现有关于静态滑道的文献有所不同。
|