專家傳真-如何讓金融科技 幫你準備退休

爲了讓民衆擁有更完善、更有效率退金準備,歐美亞洲主要國家運用金融科技來解決此難題。圖/取自pixabay網站

隨着動盪的世局持續在全球金融市場引發陣陣漣漪,以及全球陷入低利率、甚至負利率環境,大家想從傳統資產裡準備理想退休金,似乎顯得困難。然而,全球高齡化趨勢並未趨緩,爲了讓民衆擁有更完善、更有效率的退金準備,歐美與亞洲主要國家已運用金融科技來解決此難題。

主要國家運用金融科技做退休準備

目前我們看到的作法中,已有國家在政府推動的養老金計劃裡,加入金融科技資產,如線上消費信貸資產,列爲投資選項之一。線上消費信貸市場發達國家的英國Self-invested personal pension(自投資型個人養老金,是英國政府批准的個人養老金計劃),以及美國IRA(個人退休帳戶)、401K帳戶,可投資線上消費信貸商品;亞洲國家如新加坡韓國、香港則開放消費信貸基金上架,作爲機構法人與專業投資人資產配置的一部分。

退休準備是項長期抗戰,過往常見的建議做法是透過股債配置的投資組合,來分散風險、維持投資組合表現穩健。然而,隨着股債連動頻率越來越高,打破股債低相關慣例;以及債市波動幅度加深,已使得想尋求股債配置達到退休金目標的任務,變得十分困難。

還記得我們去年底「2019年更需要了解的投資資產」專欄曾統計,臺灣晨星資料庫數據2018年截至10月31日,國內外52個債券基金組別表現,僅一個基金組別繳出0.88%正報酬,其餘均爲負數。今年同樣截至10月31日的數據顯示,結果正好相反,國內外53個債券基金組別裡,僅有一個組別繳出負2.31%報酬,其餘皆是正報酬。

股債連動起伏大 金融科技讓退休投資安穩添收益

對於今年投資逆轉去年賠錢結果,投資人理應開心,可是,這亦顯示債券市場的不穩定,而且如果今年的獲利無法涵蓋去年的損失,或是當你需要提領退休金時遇到債券市場大跌,可就不是好事

這正是英國、美國開放個人退休計劃可投資非傳統資產,以及亞洲主要國家讓這類基金上架的原因,消費信貸低波動、與傳統資產低度相關、提供定期收益的特性,可解決上述的退休投資難題。

摩根史坦利(Morgan Stanley)曾於今年5月提出一份線上消費信貸投資報告,運用了多項歷史數據模型檢驗它的投資特性。

摩根史坦利模擬在2011年分別投入1000美元於美國線上消費信貸指數(Orchard US Consumer Online lending Index)、彭博巴克萊美國綜合債券指數、MSCI美國REIT指數,直到2018年3月,風險調整後的報酬,分別爲約1600美元、1300美元、1400美元。

這段期間市場共遭逢5次動盪:2011年二次經濟衰退、2013年QE縮減恐慌、2015年希臘脫歐、2016年美國大選、2018年2月股災,結果線上消費信貸指數、彭博巴克萊美國綜合債券指數、MSCI 美國REIT指數,分別繳出0.45%到3.03%、負3.67%到正3.52%、負7.94%到負18.44%。線上消費信貸是唯一在每次市場動盪裡,均維持正報酬的資產。

此外,摩根史坦利數據顯示,線上消費信貸指數跟債券、REIT的相關係數爲0.20、0.16;與股票則僅爲0.03,幾乎不太相關。

由此不難理解,爲什麼消費信貸能彌補傳統投資工具的不足,讓人們的投資以及退休準備能借由時間穩步累積想要的財務目標,不致大起大落導致結果不佳。

AI大數據優化風險管理 降低消費信貸風險

有人擔心,線上消費信貸是無擔保產品,雖然每個月都能收回一部分利息本金,遇上違約,也造成投資風險。確實,每樣投資工具都有風險,觀察點在於如何控制與預測違約風險。美國聖路易斯聯邦儲備銀行經濟學家埃爾達‧別塞伊托夫(Eldar Beiseitov, Business Economist, Federal Reserve Bank of St. Louis)今年7月撰文提出對線上消費信貸產業的觀察。

他發現,由於大量運用科技以及收集的數據點越來越多,線上借貸公司收集資訊的能力也越來越好。10年前,線上借貸公司極度依賴傳統的信用評分FICO,但隨着數據量的增加和預測模型準確性的提高,依賴度日益下降。例如,2007年Lending Club評分與 FICO信用評分相關性高達80%,可是過去2年相關性已經下降至近30%。而線上借貸公司更把大數據信用風險模型充分運用在違約預測,提升風險控管。

我們相信,對於退休準備而言,投資組合的多元化是有百利而無害。當其中一項投資損失,還有其他項目可彌補,如股債都大跌時,來自消費信貸的收益可降低損失。消費信貸的特性很適合作爲核心配置、當成退休準備核心基石。臺灣同樣面臨高齡化社會、退休準備困難問題,歐美與亞洲國家的作法,或許可作爲參考。