Modelling and forecasting Finnish pine sawlog stumpage prices using alternative time-series methods

$50.00 plus tax (Refund Policy)

Buy Article:

Abstract:

This study analyzes the Nordic pine (Pinus sylvestris L.) sawlog markets in four main regions in Finland by using monthly real stumpage prices over the period January 1995 to June 2005. The special emphasis is on the short-run forecasting of different time-series models up to April 2006. As a benchmark case, we compare the models performance in terms of root mean square forecasting errors (RMSE) of standard autoregressive moving average (ARIMA) and vector autoregressive (VAR) models to those of Harvey's (1989) structural time series model (STSM), which, unlike the standard methods, decomposes the time series into unobservable components, such as deterministic and stochastic trend and seasonal and cyclical behaviour. The results indicate that, in most cases, the STSM together with Kalman filter estimation outperform ARIMA and VAR estimation. With hindsight, stumpage markets experienced a price decrease during July–December 2005 and a turning point up in early 2006 that none of these models were able to accurately predict. Based on these results, it seems to be that, in real-life forecasting situations, it is quite difficult to get precise estimates for the stumpage prices solely using the time-series approach, irrespective of how flexible the models may be with respect to structural changes.

Cette étude analyse le marché du bois de sciage de pin (Pinus sylvestris L.) des quatre principales régions de la Finlande en utilisant la valeur réelle des redevances mensuelles couvrant la période de janvier 1995 à juin 2005. L'accent est mis sur les prévisions à court terme, jusqu'en avril 2006, de différents modèles de séries chronologiques. Comme point de référence, nous comparons la performance des modèles standards ARIMA et VAR à celle du modèle structurel de séries chronologiques (STSM) de Harvey's (1989) sur la base de l'erreur quadratique moyenne des prévisions. Contrairement aux méthodes standard, ce modèle décompose les séries chronologiques en composantes inobservables telles que les tendances déterministe et stochastique ainsi que les comportements saisonnier et cyclique. Les résultats indiquent que, dans la plupart des cas, le modèle STMS combiné à l'estimation par le filtre Kalman surpassait l'estimation des modèles ARIMA et VAR. Avec le recul, on observe que le marché des redevances a connu une diminution des prix au cours des mois de juillet à décembre 2005 ainsi qu'un point tournant à la hausse tôt en 2006, ce qu'aucun de ces modèles n'a été en mesure de prédire avec exactitude. En se basant sur ces résultats, il semble que dans la prévision de situations réelles il soit plutôt difficile d'obtenir des estimations précises de la valeur des redevances en utilisant seulement l'approche des séries chronologiques, indépendamment de la flexibilité des modèles face aux changements structuraux.[Traduit par la Rédaction]

Document Type: Research Article

Publication date: January 1, 2006

More about this publication?
  • Published since 1971, this monthly journal features articles, reviews, notes and commentaries on all aspects of forest science, including biometrics and mensuration, conservation, disturbance, ecology, economics, entomology, fire, genetics, management, operations, pathology, physiology, policy, remote sensing, social science, soil, silviculture, wildlife and wood science, contributed by internationally respected scientists. It also publishes special issues dedicated to a topic of current interest.
  • Information for Authors
  • Submit a Paper
  • Subscribe to this Title
  • Terms & Conditions
  • Sample Issue
  • Reprints & Permissions
  • ingentaconnect is not responsible for the content or availability of external websites
Related content

Tools

Favourites

Share Content

Access Key

Free Content
Free content
New Content
New content
Open Access Content
Open access content
Subscribed Content
Subscribed content
Free Trial Content
Free trial content
Cookie Policy
X
Cookie Policy
ingentaconnect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more