Descripción

En este trabajo nos concentramos en combinar estadísticos fuera de muestra para la Hipótesis de una Martingala en Diferencias, de modo de explorar si un nuevo estadístico combinado puede generar un test con mayor potencia asintótica. El supuesto de normalidad asintótica implica que se puede obtener mayor potencia al encontrar la ponderación óptima en un cuociente del tipo t. Desafortunadamente, esta ponderación óptima es degenerada cuando la hipótesis nula de no predictibilidad es verdadera. Para superar este problema se introduce una función de penalización que atrae la ponderación óptima al interior del conjunto factible de combinaciones. La nueva ponderación asociada a este problema de penalización está bien definida bajo la hipótesis nula, asegurando normalidad asintótica del test combinado resultante. Demostramos, por medio de simulaciones, que nuestra propuesta de combinación de tests muestra importantes ganancias en poder y un correcto tamaño empírico. De hecho, el nuevo test supera en desempeño a sus componentes individuales mostrando ganancias en poder de hasta 45%. Finalmente ilustramos el uso de nuestro test con una aplicación empírica que examina la predictibilidad de los retornos de tipo de cambio chileno y canadiense.