Monge Moreno, ManuelMonge, ManuelHurtado, RafaelInfante, Juan2025-11-112025-11-112025-04Monge, M, Hurtado, R & Infante, J 2025, 'Time Series Analysis of the Dynamics of Merger and Acquisition Cycles in the Global Water Sector', Mathematics, vol. 13, no. 7, 1146. https://doi.org/10.3390/math130711462227-7390https://hdl.handle.net/10641/6293Publisher Copyright: © 2025 by the authors.Este artículo examinó los patrones cíclicos de las fusiones y adquisiciones (M&A) en el sector hídrico global entre 1982 y 2024, centrándose tanto en la dinámica lineal como en la no lineal de las oleadas de M&A. Mediante un análisis univariante utilizando modelos ARFIMA, encontramos que los datos exhibían un comportamiento estacionario, lo que significa que, en respuesta a una perturbación exógena, es probable que la serie revierta a su tendencia original con el tiempo. Además, la prueba no paramétrica de Brock, Dechert y Scheinkman (BDS) reveló la naturaleza compleja e irregular de los ciclos de M&A dentro del sector. Para dar cuenta de esta complejidad, aplicamos el modelo de regresión dinámica de cambio de régimen de Markov (MS-DR), que muestra que, una vez que la industria entra en un régimen de alta actividad, tiende a persistir en este estado durante periodos prolongados. Esto sugiere que las perturbaciones o tendencias externas —como las reformas regulatorias o las preocupaciones por la escasez global de agua— son factores clave que desencadenan y sostienen las oleadas de actividad de M&A en el sector. [Traducción automática al español; idioma original: inglés.]This paper examined the cyclical patterns of mergers and acquisitions (M&A) in the global water sector from 1982 to 2024, with a focus on both linear and nonlinear dynamics in M&A waves. Through a univariate analysis using ARFIMA models, we found that the data exhibited stationary behavior, meaning that in response to an exogenous shock, the series is likely to revert to its original trend over time. Additionally, the non-parametric Brock, Dechert, and Scheinkman (BDS) test revealed the complex and irregular nature of M&A cycles within the sector. To account for this complexity, we applied the Markov-switching dynamic regression (MS-DR) model, which shows that once the industry enters a high-activity regime, it tends to persist in this state for extended periods. This suggests that external shocks or trends—such as regulatory reforms or global water scarcity concerns—are key drivers that trigger and sustain waves of M&A activity in the sector.1084164enghttp://creativecommons.org/licenses/by-nc-nd/4.0/ARFIMA (p,d,q) modelBDS testM&AMarkov-switching dynamic regression (MS-DR) modelcompletedglobalwater sectorComputer Science (miscellaneous)General MathematicsEngineering (miscellaneous)SDG 6 - Clean Water and SanitationYesyesjournal articleopen access10.3390/math13071146https://www.scopus.com/pages/publications/105002371459https://www.scopus.com/pages/publications/105002371459#tab=citedBy