Ayant joint l'équipe d'Advicent en tant que spécialiste du soutien aux partenaires en 2013, Alex a fourni un soutien de haute qualité aux partenaires de NaviPlan et de Profiles. En 2015, il a apporté cette connaissance du produit à l'équipe de développement de l'apprentissage en tant que rédacteur technique, en créant une documentation détaillée pour les partenaires avec un accent pratique sur ce qu'ils doivent savoir. Alex a reçu une BSBA de l'Université Drake en Marketing / Publicité Creative en 2013.
Partagez et communiquez
Lors de l'élaboration d'un plan financier, la précision des résultats peut poser problème si vous utilisez des taux de rendement statiques. Les plans ayant des taux de rendement statiques supposent toujours le même pourcentage de croissance année après année et peuvent être considérés comme irréalistes. Pour résoudre ce problème, NaviPlan fournit aux conseillers un accès à une analyse de sensibilité Monte-Carlo.
Qu'est-ce que Monte-Carlo?
L'analyse Monte-Carlo est un outil de simulation que vous pouvez utiliser pour déterminer l'effet des risques de marché et de longévité sur un plan terminé. Cette analyse vous permet de prendre en compte les rendements statiques de votre plan actuel, d'appliquer un écart-type et de voir à quel point votre plan répondra à ses besoins.
Si le module Monte-Carlo est activé, l'analyse Monte-Carlo peut être analysée dans le menu déroulant Actions rapides.
Comment fonctionne Monte-Carlo?
L'analyse Monte-Carlo prend les taux de rendement statiques établis pour chaque compte et prend leurs écarts-types en compte. L'analyse Monte-Carlo attribue à chaque compte un taux de rendement aléatoire dans l'écart-type de chaque compte, puis répète ce processus pour chaque année du plan. Tout changement de taux de rendement sera comptabilisé et pris en compte pour le calcul.
Une fois la série terminée, le besoin statique créé dans le plan sera examiné. Si les taux de rendement aléatoires donnent un excédent net, le plan est un succès. Si le plan génère une perte nette, le plan est un échec. Ce calcul est ensuite répété autant de fois que vous l'avez demandé à l'analyse Monte-Carlo (la valeur par défaut est 500).
Une fois tous les essais terminés, l’analyse Monte-Carlo donnera alors un pourcentage de la probabilité de réussite du plan. Des pourcentages de réussite élevés signifient une probabilité plus élevée de répondre aux besoins de retraite ou à d'autres objectifs.
Problèmes potentiels avec Monte-Carlo
Comme Monte-Carlo est une simulation de probabilité, l'analyse peut soulever des questions. Pourquoi les résultats sont-ils nuls malgré une couverture élevée ou de 100 % dans le plan principal? Pourquoi l'analyse n'est-elle pas à 100 % malgré des fonds plus que suffisants dans le plan statique? Il s'agit là de problèmes communs. Pour évaluer la situation, quelques points doivent être pris en considération.
Premièrement, les plans de base devraient avoir des couvertures d’objectifs de 100 % pour que l’analyse Monte-Carlo donne un résultat supérieur à 0 %. Cela est dû au fait que, même si le plan principal fonctionne, c'est uniquement parce qu'il est dans un environnement statique. Les résultats ne sont pas suffisamment flexibles pour absorber les variations de Monte-Carlo, ce qui entraîne des simulations de Monte-Carlo infructueuses.
Deuxièmement, un plan n’a pas besoin d’un score Monte-Carlo parfait de 100 % pour être considéré comme un succès. Un plan avec un taux de réussite de 90 à 95 % peut être tout aussi efficace. Monte-Carlo présente simplement la probabilité de satisfaire, au minimum, les besoins de l’objectif à 100 %. Il ne montre pas le pourcentage de couverture d'un objectif si un écart a été constaté.