Monte Carlo 退休模擬
傳統退休試算只給你一個答案：假設年化 5% 報酬，30 年後會有多少。但市場會波動 — 有的年份賺 20%、有的虧 15%。Monte Carlo 用隨機抽樣跑 1,000 次不同的市場情境，給你成功率與資產分布，而非單一數字。
為什麼 Monte Carlo 比較真實
傳統「年化 5% 複利」試算假設市場每年剛好賺 5%。現實中有的年份 +25%、有的年份 −20%，且順序會影響最終結果（sequence of returns risk）— 即使平均一樣，剛退休就遇到大跌的人，資產耗盡機率遠高於晚年才遇到大跌的人。
Monte Carlo 模擬每年隨機抽一個報酬率（依常態分布，用你輸入的平均與標準差），跑 1,000 次獨立的退休路徑，看多少次資產未耗盡，即是「成功率」。
更多關於 Monte Carlo 與 Sequence of Returns Risk 的說明，可參考Monte Carlo 退休模擬：從「平均」到「機率」一文。
常見問題
- Monte Carlo 比固定報酬率試算強在哪？
- 固定報酬率假設市場「每年都剛好賺 5%」，現實不存在。Monte Carlo 用平均與標準差描繪報酬分布，每年隨機抽樣，跑 1,000 次獨立路徑，告訴你「在這個假設下，你的計畫有 X% 機率不會耗盡資產」，比單一數字更貼近真實風險。
- 成功率多少才算可行？
- ≥ 95%：穩健可執行；85-95%：可接受、有微幅調整風險；75-85%：明顯風險，需有備案；< 75%：難以維持，建議減少提領、延後退休或加大儲蓄。一般退休規劃以 90-95% 為目標。
- 報酬率與標準差該設多少？
- 全球股票歷史名目報酬約 7-10%、標準差 15-18%。60/40 股債組合報酬約 6-7%、標準差 10-12%。100% 美股約 9-10% / 18-20%。實質報酬（扣通膨）通常減 2-3%。本工具預設一組合理範圍，你可依自己組合調整。
- 什麼是 Sequence of Returns Risk？
- 退休早期幾年的報酬順序對最終結果影響極大。即使平均報酬一樣，剛退休就遇到 −20% 的人，比晚年才遇到 −20% 的人，資產耗盡機率高出數倍。Monte Carlo 因為跑 1,000 次獨立路徑、自然就把這個風險納入機率計算。
- 為什麼跑 1,000 次而不是 100 萬次？
- 1,000 次足以讓 5% / 95% 百分位穩定，再多次數對結論沒有顯著改變。瀏覽器計算 1,000 次約 100-300ms，更多次數對使用體驗無益。如果你想自己跑 10 萬次以上，建議用 Python + numpy 在本機跑。
- 本工具會儲存我的資料嗎？
- 不會。模擬完全在你的瀏覽器內執行，所有輸入與結果不會上傳到伺服器。