Should Retirees Hedge Inflation or Just Worry About It?
Notice bibliographique
Résumé
(Canada), historical data from Ibbotson Associates, helpful comments from Kristen Moore and editing/research from Anna Abaimova. The inflation rate for typical U.S. retirees is different from and mostly higher than the inflation rate for the population. The Consumer Price Index (CPI) has a lesser-known relative, the CPI-E (for the elderly) with sub-component weights based on the consumer expenditure survey for Americans above 62 years of age. Indeed, inflation doesn’t seem to age well. This suggests that CPI-linked investments such as TIPS, I-Bonds and other real-return mutual funds, may not be the best hedge for individual retirees ’ increasing cost of living over an uncertain retirement horizon. To rigorously argue this point, our paper goes back to dynamic portfolio principles. We derive the optimal asset allocation between a CPI-linked bond fund and a generic investment fund, but for an aging retiree facing an exogenous liability stream that is imperfectly correlated to the real return fund. Our model trades-off the benefits of an imperfect insurance hedge against the risky potential for equity investment growth. Technically, our objective function is to minimize the probability of outliving one’s wealth, which is not an unreasonable desire. Our numerical results indicate that although CPI-linked products are the bedrock of an optimal portfolio, the allocations can vary widely. Retirees who are concerned with maximizing lifetime sustainability – which is equivalent to minimizing retirement ruin – should expose themselves to nominal equity-based assets with potential for growth. The CPI as calculated may not be a conspiracy, but it’s definitely a con job foisted on an unwitting public by government officials who choose to look the other way...
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».