Forecasting Construction Material Prices Using Macroeconomic Indicators of Trading Partners
Notice bibliographique
Résumé
Supply chain instabilities and inflated material prices have had a disruptive impact on cost estimating of construction projects. While several research efforts used national macroeconomic indicators to forecast the prices of domestically produced construction materials, none of the existing studies investigated whether the lagged macroeconomic indicators of the main trading partners could enhance the predictability of the prices of cement, steel, and lumber in the US construction sector. This paper fills this knowledge gap. The authors adopted a multi-step methodology that included: (1) collecting data on the target variables and the candidate leading indicators; (2) identifying the structural breaks in the collected data sets; (3) conducting causality tests to identify short-term associations and cointegration tests to examine long-term relationships; (4) developing vector error correction (VEC) models to forecast the prices in the short and long terms; and (5) evaluating the performance of the proposed models against existing forecasting models in the literature. Results of the Granger test and Johansen test indicate that Canada’s overall producer price index (PPI) is a consistent leading indicator of the prices of cement, and Mexico’s overall PPI is a consistent leading indicator of the prices of steel. Findings indicate no statistical evidence to suggest that neither Canada’s PPI nor Mexico’s PPI can be leading indicators of lumber prices. Over an 18-month ahead of sample horizon, the presented VEC models of cement and steel prices outperformed existing models, particularly beyond the 1-year-ahead forecasts. Utilization of the proposed forecasting models can significantly enhance the accuracy of cost estimates and feasibility studies of construction projects. This provides proactive financial planning for construction contractors and project owners through improved short- and long-term forecasting of the prices of main construction materials.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».