В статье исследуется структурная память и прогностическая способность векторного параметра λ на российском фондовом рынке. Анализируются четыре ликвидные акции Московской биржи: Сбербанк (SBER), Магнит (MGNT), Роснефть (ROSN), Яндекс (YNDX) за 2021–2024 гг. Цель работы – проверить, обладает ли ряд λ структурной памятью, различается ли доходность в трёх режимах (резонанс, хаос, переход) и может ли λ служить линейным предиктором будущей доходности. λ извлекается из псевдовекторной модели ценового движения. Использованы тест Льюнга–Бокса, тест Манна–Уитни и линейная регрессия. У Сбербанка обнаружена значимая структурная память. У Магнита и Яндекса память не выявлена. В резонансном режиме средняя дневная доходность положительна и значимо отличается от доходности в режимах хаоса и перехода. Корреляция λ с доходностью следующего дня слабая. Результаты могут быть использованы розничными инвесторами и профессиональными управляющими для диагностики структурных режимов рынка в реальном времени. λ не является линейным предиктором будущей доходности, но служит эффективным диагностическим индикатором текущего состояния рынка. Полученные выводы уточняют границы гипотезы эффективного рынка.
The paper examines the structural memory and predictive power of the vector parameter λ in the Russian stock market. Four liquid stocks of the Moscow Exchange are analyzed: Sberbank (SBER), Magnit (MGNT), Rosneft (ROSN), and Yandex (YNDX) for the period 2021–2024. The aim is to test whether the λ series has structural memory, whether returns differ across three regimes (resonance, chaos, transition), and whether λ can serve as a linear predictor of future returns. λ is extracted from a pseudo-vector model of price movement. The Ljung–Box test, the Mann–Whitney test, and linear regression are used. Significant structural memory is found for Sberbank. No memory is detected for Magnit and Yandex. In the resonance regime, the average daily return is positive and significantly different from returns in the chaos and transition regimes. The correlation between λ and next-day returns is weak. The results can be used by retail investors and professional managers to diagnose structural market regimes in real time. λ is not a linear predictor of future returns but serves as an effective diagnostic indicator of the current market state. The findings refine the boundaries of the efficient market hypothesis.