# Дэвид Бланшетт: как учесть FOMO и динамические расходы в пенсиях Источник: https://www.youtube.com/watch?v=SOz7hPRpmYI Канал: Rational Reminder Опубликовано: 25.05.2023 --- В новом выпуске подкаста Rational Reminder управляющие активами Бенджамин Феликс и Кэмерон Пасмор обсуждают с экспертом по пенсионному планированию Дэвидом Бланшеттом его последние научные работы. В центре дискуссии — интеграция фактора упущенной выгоды (FOMO) в модели оптимизации портфеля, переход от статичных к динамическим стратегиям пенсионного дохода и влияние структуры вознаграждения советников на качество их рекомендаций. Материал предлагает глубокий разбор того, как поведенческие особенности инвесторов и глобализация корпоративных доходов меняют традиционные подходы к управлению благосостоянием. ## 🧠 Моделирование портфеля с учетом фактора упущенной выгоды (FOMO) [[JUMP:04:14]] Традиционные подходы к конструированию инвестиционных портфелей опираются на классическое понятие неприятия риска (risk aversion), где под риском понимается волатильность или стандартное отклонение. Дэвид Бланшетт указывает, что этот параметр универсален, так как никто не любит терять деньги. Однако стандартные модели полностью игнорируют неприятие сожаления (regret aversion) — эмоциональную боль, возникающую, когда инвестор видит, как другие активы показывают стремительный рост. По мнению исследователя, синдром упущенной выгоды (FOMO) заставляет людей совершать иррациональные поступки, например, полностью отказываться от диверсифицированных стратегий в пользу спекулятивных пузырей. Дэвид Бланшетт разработал математическую целевую функцию оптимизации портфеля, которая эксплицитно включает член, отвечающий за сожаление. В отличие от существовавших ранее академических попыток, его модель обладает двумя важными преимуществами: * Позволяет включать в анализ неограниченное число бенчмарков сожаления одновременно, а не только один актив. * Отказывается от обязательного допущения нормальности распределения доходностей, что делает возможным моделирование активов с нелинейной окупаемостью, таких как лотерейные билеты, криптовалюты или NFT. Одним из самых контринтуитивных выводов этой оптимизации является то, что при увеличении волатильности спекулятивного актива его оптимальный вес в портфеле может *растет*. В традиционной модели Марковица рост риска снижает привлекательность инструмента. В модели Бланшетта высокая волатильность означает потенциальную возможность получить доходность в 5х или 10х, что резко увеличивает гипотетическое сожаление инвестора в случае игнорирования тренда. С практической точки зрения, по мнению гостя, выделение небольшого "кармана" (например, от 1% до 5% капитала) под эмоционально значимые спекулятивные инструменты способно уберечь инвестора от полной ликвидации его долгосрочного диверсифицированного портфеля. Финансовый советник может использовать эту модель не как нормативное руководство к действию, а как описательный инструмент для легитимизации контролируемого спекулятивного поведения клиента. ## 📊 Поведение участников планов 401(k) и «налог на бедных» [[JUMP:21:50]] Обсуждая практическое поведение инвесторов, Дэвид Бланшетт упомянул результаты своего эмпирического исследования поведенческих реакций участников американских пенсионных планов 401(k) в периоды высокой рыночной волатильности. Выяснилось, что структура отчетности портфеля напрямую влияет на склонность к паническим продажам. Участники планов демонстрируют следующие паттерны: * Инвесторы, чьи средства автоматически распределены в единый фонд с целевой датой (Target Date Fund), значительно реже совершают хаотичные сделки во время кризисов. Для них портфель выглядит как «черный ящик», защищающий от лишних эмоций. * Инвесторы, чей портфель дезагрегирован на 15 отдельных фондов, склонны паниковать и закрывать позиции гораздо чаще, поскольку видят падение конкретных долей и не понимают общих принципов диверсификации. Исследователь подчеркивает критическую роль автоматических настроек по умолчанию (defaults). В планах, где предусмотрено софинансирование со стороны работодателя (employer match), низкая дефолтная ставка сбережений (например, 3%) фактически превращается в «налог на бедных и неискушенных». Менее образованные в финансовом плане сотрудники слепо соглашаются с установленной по умолчанию ставкой в 3%, не осознавая, что для получения максимального бонуса от компании им необходимо самостоятельно поднять уровень отчислений. Повышение автоматической дефолтной ставки до 6% и выше существенно улучшает долгосрочные финансовые результаты именно этой уязвимой категории граждан. Кроме того, высокая стартовая ставка повышает уровень доверия участников к предложенным по умолчанию фондам целевой даты. Бланшетт планирует провести повторный масштабный анализ данных через пять лет, когда на рынке сформируется репрезентативная статистика по планам с дефолтными ставками на уровне 8%, 10% и 12%. ## 📈 Критика статичных пенсионных моделей и «улыбка расходов» [[JUMP:36:21]] Дэвид Бланшетт констатирует, что современная индустрия финансового консультирования застряла в методологических предпосылках 1990-х годов. Классические исследования, такие как знаменитое правило 4% Билла Бенгена (1992/1994 гг.), моделируют пенсионное обязательство домохозяйства как фиксированная сумма, которая ежегодно и линейно увеличивается строго на уровень инфляции CPI. По утверждению гостя, этот подход в корне неверен. В реальности расходы реальных пенсионеров динамичны и обладают высокой степенью эластичности. Главная концептуальная проблема традиционного анализа Монте-Карло заключается в его бинарности (success rate). Модель оперирует категориями единиц и нулей: план либо успешен, либо провален. При этом нехватка всего одного доллара в конце 30-летнего цикла приравнивается к полному краху, что искажает реальность. Для исправления этого искажения Бланшетт призывает разделять бюджет пенсионера на две ключевые составляющие: * Инеластичные (базовые) расходы: оплата жилья, продуктов питания, базовой медицинской страховки. * Эластичные (дискреционные) расходы: путешествия, рестораны, покупка новых автомобилей, дорогие хобби. Эмпирические исследования Бланшетта показывают, что в среднем около 70% расходов пенсионеров являются эластичными, хотя индивидуальные приоритеты могут удивлять. Некоторые опрошенные заявляли о готовности экономить на медицинском обслуживании, но категорически отказывались сокращать траты на ежегодные отпуска, которые приносили им максимальную субъективную полезность. Кроме того, Бланшетт подтверждает существование так называемой «улыбки расходов» (spending smile) в течение жизни на пенсии. В начале пенсионного этапа люди тратят много денег на активный досуг. Затем происходит естественное замедление активности, и расходы в реальном выражении (с поправкой на инфляцию) снижаются примерно на 1,5% ежегодно. Правый край «улыбки» — резкий взлет трат в глубокой старости — формируется исключительно за счет колоссальных медицинских расходов узкой группы лиц. Усреднение этих данных искажает общую картину, создавая ложное впечатление, будто абсолютно каждое домохозяйство столкнется с удваивающимися затратами в конце жизни. Гость подчеркивает: снижение расходов после 70–75 лет наблюдается даже среди мультимиллионеров, что доказывает естественную, а не вынужденную природу этого процесса. ## 🔄 Метод динамических изъятий на основе Funded Ratio [[JUMP:47:50]] Существующие в академической среде продвинутые динамические алгоритмы, включая методы динамического программирования, по мнению Бланшетта, абсолютно неприменимы в реальном коммерческом софте. Они требуют решения тысяч уравнений для каждого возможного состояния рынка, из-за чего расчет одного клиентского плана может занимать до пяти минут. Ни один клиент не захочет сидеть перед экраном в ожидании результатов, чтобы затем изменить одну цифру и снова ждать пять минут. Практический софт должен выдавать результат менее чем за пять секунд. Второй фатальный недостаток стандартных формул динамического изъятия — неспособность корректно обрабатывать неравномерные и асимметричные потоки доходов. Реальная жизнь выглядит сложно: муж уходит на пенсию в 60 лет, государственные выплаты начинаются в 65 лет, супруга завершает карьеру в 70 лет, а в 85 лет активируется отложенный коммерческий аннуитет. Любое стандартное динамическое правило ломается на таких вводных. Чтобы решить эту проблему, Дэвид Бланшетт предлагает использовать в софте Монте-Карло универсальную метрику из сферы корпоративных пенсий — **коэффициент фондирования (funded ratio)**. Алгоритм работает следующим образом: 1. Внутри симуляции для каждого конкретного года рассчитывается текущая стоимость всех доступных активов инвестора. 2. К этой сумме прибавляется чистая приведенная стоимость (NPV) всех будущих гарантированных поступлений (пенсии, аннуитеты). 3. Полученный результат делится на совокупный объем оставшихся пенсионных целей (как базовых, так и гибких). 4. Если в текущем году из-за роста рынков funded ratio увеличился, система автоматически разрешает пенсионеру тратить больше в следующем периоде. Если рынки упали и funded ratio снизился — целевая планка расходов пропорционально опускается. Использование этого подхода позволяет заменить пугающие графики «полного обнуления портфеля» на наглядные распределения возможных уровней дохода, визуально напоминающие раскрывающийся цветок тюльпана. Это меняет саму парадигму общения с клиентом. Стремление к мифическому 98%-му показателю успеха (success rate) Бланшетт называет абсурдным. Оно заставляет людей неоправданно сильно ограничивать свое потребление в лучшие, наиболее активные годы ранней пенсии ради минимизации рисков, которые легко купируются гибкой коррекцией бюджета в будущем. Ошибки моделирования Монте-Карло — это не падение самолета, а повод для незначительного изменения курса. ## 💼 Влияние структуры вознаграждения советников на качество рекомендаций [[JUMP:1:06:28]] В рамках своей исследовательской деятельности в Morningstar и PGIM Дэвид Бланшетт глубоко изучал проблему конфликта интересов в индустрии управления благосостоянием. Проведенные им масштабные опросы продемонстрировали чёткую корреляцию между тем, как зарегистрирован финансовый советник и как устроена его компенсация, и тем, какие инвестиционные продукты он выбирает для конечных клиентов. Особое внимание исследователь уделил анализу использования взаимных фондов с различными кодами комиссионных сборов (комиссии типов A, B, C, D), которые предполагают разные варианты скрытых и явных нагрузок при покупке или владении. Выяснилось, что советники, получающие высокое фиксированное вознаграждение на старте (upfront commissions), демонстрируют феномен «изменяющегося во времени неприятия риска» (time-varying risk aversion). Их личные финансовые стимулы деформируют инвестиционные рекомендации, подталкивая к частой реструктуризации портфелей клиентов ради генерации новых комиссий, что идет вразрез с интересами инвесторов. Бланшетт признает, что финансовые советы по своей экономической природе относятся к категории так называемых «доверительных товаров» (credence goods). Рядовой потребитель не способен объективно оценить качество полученной консультации ни в момент ее оказания, ни даже спустя много лет после завершения сотрудничества. На рынке присутствует значительное количество неквалифицированных игроков и скрытых брокеров. В качестве первичных защитных фильтров для розничных инвесторов гость рекомендует использовать жесткую проверку профессиональных сигналов: наличие международной сертификации CFP (Certified Financial Planner), безупречную регуляторную историю и абсолютную прозрачность структуры тарифов. Эмпирические данные подтверждают, что специалисты, работающие по модели процента от активов под управлением (AUM), в среднем обеспечивают более высокое качество планирования, чем традиционные комиссионные агенты. ## 🌍 География выручки против страны регистрации бизнеса [[JUMP:1:11:57]] Завершающая часть дискуссии была посвящена революционным изменениям в оценке страновых рисков публичных компаний. Бланшетт инициировал масштабное исследование, отправной точкой для которого стало появление в аналитических базах Morningstar принципиально нового сквозного дата-поинта — детальной географической разбивки происхождения выручки для каждого индекса и фонда. Традиционный подход к формированию международных портфелей использует бинарный принцип юридической регистрации (domicile) компании. Организация приписывается к конкретной юрисдикции, хотя зачастую этот выбор продиктован исключительно налоговой оптимизацией. Бланшетт доказал, что для крупных транснациональных корпораций географический профиль генерации денежных потоков оказывает на фактическую доходность акций воздействие, сопоставимое или даже превышающее фактор страны регистрации. Этот тезис кардинально меняет классическую дискуссию о феномене предвзятости в пользу активов собственной страны (Home Country Bias). Исторически главным аргументом за покупку исключительно локального指数 акций являлась необходимость идеального долгосрочного хеджирования местного потребления и инфляции. Однако Бланшетт приводит наглядный контрпример: если инвестор из Великобритании покупает местный индекс FTSE, рассчитывая защитить свои будущие расходы в фунтах стерлингов, он сталкивается с тем, что крупнейшие британские корпорации получают свыше 60–80% своей чистой выручки на рынках США, Европы и Китая. Движение этого индекса начинает определяться глобальными дисконтными ставками и иностранным спросом, полностью отрываясь от внутренней экономической ситуации в Великобритании. С другой стороны, для американских инвесторов этот феномен работает как естественная защита: * Покупка акций внутренних гигантов, таких как Apple или Coca-Cola, уже обеспечивает мощную международную диверсификацию по выручке. * Это существенно снижает практическую необходимость выделения крупных обособленных лимитов под международные акции (international sleeve) в портфеле. * Исключением остается лишь сегмент компаний малой капитализации (small cap), которые во всем мире сохраняют строго внутренний, локально ориентированный характер бизнеса. В условиях тотальной глобализации понятие юридического адреса эмитента становится все более бессмысленным для целей риск-менеджмента. Современным инвесторам необходимо переходить к оценке фундаментальных рисков на основе сквозного анализа географических рынков сбыта.