MétaCan
Menu
Retour à la cohorte
Enregistrement W4205279678 · doi:10.1139/cjfr-2021-0326

Synchronized movement between US lumber futures and southern pine sawtimber prices and COVID-19 impacts

2022· article· en· W4205279678 sur OpenAlexvenueno aff
Jianbang Gan, Nana Tian, Junyeong Choi, Matthew H. Pelkki

Notice bibliographique

RevueCanadian Journal of Forest Research · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Department of Agriculture
Mots-clésEconomicsFutures contractCoronavirus disease 2019 (COVID-19)ShakerEconometricsMonetary economicsFinancial economics

Résumé

récupéré en direct d'OpenAlex

We analyzed the synchronized movements of lumber futures and southern pine sawtimber stumpage prices in the United States since 2011 and their response to COVID-19 events using wavelet analysis and event study. We found that the sawtimber and lumber prices have followed complex comovement patterns in the time–frequency domain and both reacted to COVID-19 events with a higher response intensity of the lumber price. Although they reacted differently to the early COVID-19 episodes and vaccine news, the sawtimber and lumber prices responded similarly to the COVID-19 pandemic declarations by the World Health Organization and US president, the US Food and Drug Administration panel’s recommendation of the first COVID-19 vaccine, and economic stimulus legislation. The patterns of synchronized movements between the sawtimber and lumber prices varied with time and frequency, but their comovement at low frequencies (>64 weeks) has strengthened since 2014 and been led by the lumber futures price; COVID-19 episodes have not changed this trend. The different magnitude of response of the two prices to the COVID-19-related events, as well as the long-term dominance of the lumber price in the comovement, reveals asymmetric price negotiation power and benefit distributions among the agents of the lumber value chain.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,223
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,033
Tête enseignante GPT0,316
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Management and PolicyTravaux en français237 207