If you are experiencing problems downloading PDF or HTML fulltext, our helpdesk recommend clearing your browser cache and trying again. If you need help in clearing your cache, please click here . Still need help? Email help@ingentaconnect.com

Modeling and forecasting pine sawtimber stumpage prices in the US South by various time series models

$50.00 plus tax (Refund Policy)

Buy Article:

Abstract:

Among the three timberland return drivers (biological growth, timber price, and land price), timber price remains the most unpredictable. It affects not only periodic dividends from timber sales but also timber production strategies embedded in timberland management. Using various time series techniques, this study aimed to model and forecast real pine sawtimber stumpage prices in 12 southern timber regions in the United States. Under the discrete-time framework, the univariate autoregressive integrated moving average model was established as a benchmark, whereas other multivariate time series methods were applied in comparison. Under the continuous-time framework, both the geometric Brownian motion and the Ornstein–Uhlenbeck process were fitted. The results revealed that (i) the vector autoregressive model forecasted more accurately in the 1-year period by the mean absolute percentage error criterion, (ii) seven out of the 12 southern timber regions played dominant roles in the long-run equilibrium, and (iii) conditional variances and covariances from the bivariate generalized autoregressive conditional heteroscedasticity model well captured market risks.

Parmi les trois facteurs qui déterminent le rendement d’un boisé (la croissance biologique, le prix du bois et le prix foncier), le prix du bois est le facteur le plus imprévisible. Ce dernier influence non seulement les dividendes périodiques qui proviennent des ventes de bois mais aussi les stratégies de production intégrées à l’aménagement du boisé. À l’aide de diverses techniques de série temporelle, cette étude avait pour but de modéliser et de prédire la valeur réelle du bois de sciage de pin sur pied dans 12 régions forestières des États-Unis. Dans un cadre de temps discret, le modèle univarié autorégressif à moyenne mobile intégrée a été utilisé comme référence, tandis que les autres techniques multivariées de série temporelle ont été appliquées à titre de comparaison. Dans un cadre de temps continu, le mouvement géométrique brownien et le processus d’Ornstein–Uhlenbeck ont été ajustés. Les résultats ont révélé que (i) le modèle d’autorégression vectorielle prédit le prix du bois avec le plus d’exactitude durant la période de 1an selon le critère de l’erreur de pourcentage en moyenne absolue, (ii) sept des 12 régions forestières du sud jouent un rôle dominant dans l’équilibre à long terme et (iii) les variances et covariances conditionnelles du modèle bivarié d’hétéroscédasticité autorégressive conditionnelle généralisée traduisent bien les risques liés au marché.

Document Type: Research Article

Publication date: August 1, 2010

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