MétaCan
Menu
Retour à la cohorte
Enregistrement W4316464291 · doi:10.3390/f14010152

COVID-19 and the Mystery of Lumber Price Movements

2023· article· en· W4316464291 sur OpenAlexaffabout
Rebecca Zanello, Shi Yin, Atefeh Zeinolebadi, G. Cornelis van Kooten

Notice bibliographique

RevueForests · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésSoftwoodVolatility (finance)EconometricsEconomicsCoronavirus disease 2019 (COVID-19)JumpFinancial economicsEvent studyGeographyEngineering

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic led to unprecedented changes in the U.S. price of softwood lumber by more than 300% between 2020 and 2022. The increased volatility of lumber prices after the COVID-19 outbreak remains unexplained. In this paper, we examine how a calibrated random walk can induce similar price volatility through the development of a stochastic process. As a preferred approach, we employ an event model to estimate the impact of COVID-19 and other key events on the price of softwood lumber. The econometric model serves to provide evidence that the price volatility of softwood lumber is not completely random, and we can instead attribute part of the variation to recent regional and global events. We found that, while COVID-19 did result in a price jump, it was smaller than a rainfall event that restricted imports from Canada, while import duties and other trade actions had no discernible impact on U.S. lumber prices.

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)0,000
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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,267
Écart entre enseignants0,251 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations8
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetForest Management and PolicyTravaux en français237 207