PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Czasopismo

2020 | 164 | 03 |

Tytuł artykułu

Predykcja cen surowca drzewnego na podstawie siedmioletniego modelu tendencji rozwojowej

Treść / Zawartość

Warianty tytułu

EN
Forecasting prices of timber raw material based on a seven-year development trend model

Języki publikacji

PL

Abstrakty

EN
The article analyzes the possibility of using a seven−year development trend model to forecast the average price of wood sales (CGUS). Price models and forecasts were made on the basis of three different time series covering 7−year periods. The forecast of timber prices in individual years was developed on the basis of extrapolation going beyond the set of information adopted for research used to build the development trend model. We found that the size of the indicators of determination of the analyzed functions ranged from 0.5 to 0.6, and the convergence rates from 0.5 to 0.4. This means that the linear functions were characterized by poor adjustment to real prices. Despite this, the timber price forecasts differed from the empirical prices from PLN 1.81 to 13.91. In relative categories, the forecast error was in the range from 0.92 to 7.28%. Therefore, in our opinion, the research process presented can be a reference point as a comparative element to verify forecast results for other (non−linear) price forecasting models. The process of modeling timber raw material prices should be extended to other predictors related to the forest marketing chain. The predicted results from these models cannot be worse than those obtained by forecasting using linear functions.

Wydawca

-

Czasopismo

Rocznik

Tom

164

Numer

03

Opis fizyczny

s.206-215,rys.,tab.,bibliogr.

Twórcy

autor
  • Katedra Ekonomiki Leśnictwa, Uniwersytet Przyrodniczy w Poznaniu, ul.Wojska Polskiego 71C, 60-625 Poznań
autor
  • Katedra Ekonomiki Leśnictwa, Uniwersytet Przyrodniczy w Poznaniu, ul.Wojska Polskiego 71C, 60-625 Poznań

Bibliografia

  • Adamowicz K., Kożuch A., Jaszczak R. 2016. Koncepcja wykorzystania analizy ex post do sporządzania aneksu ekonomicznego planu urządzenia lasu. Sylwan 160 (11): 883-892. DOI: https://doi.org/10.26202/sylwan.2016051.
  • Adamowicz K., Noga T. 2014. Wielowymiarowa analiza bankructwa przedsiębiorstw w przemyśle drzewnym. Sylwan 158 (9): 643-650. DOI: https://doi.org/10.26202/sylwan.2014003.
  • Adamowicz K., Szramka H. 2017. Gospodarka leśna a wolny rynek. W: Gil W. [red.]. Wyzwania leśnictwa wobec zachodzących zmian w środowisku przyrodniczym, oczekiwań społecznych, uwarunkowań ekonomicznych i praw-nych. Instytut Badawczy Leśnictwa, Sękocin Stary. 301-317.
  • Bałtowski M. 2015. Im dalej w las… . Rzeczpospolita 1.09.2015. A 13.
  • Bowerman B. L., O’Connell R. T., Koehler A. B. 2005. Forecasting, time series, and regression: An applied approach. Thomson Brooks, Cole.
  • Cao M. D., Bauer L., Purohit P. K., Faseruk A. 2015. How effective are quantitative methods in forecasting crude oil prices?. Journal of Financial Management & Analysis 28 (1): 1-10.
  • Chai J., Wang Y., Wang S., Wang Y. 2019. A decomposition-integration model with dynamic fuzzy reconstruction for crude oil price prediction and the implications for sustainable development. J. Clean. Prod 229: 775-786.
  • Chou J. S., Ngo N. T. 2016. Time series analytics using sliding window metaheuristic optimization-based machine learning system for identifying building energy consumption patterns. Appl Energy 177: 751-770.
  • Cieślak M. 1997. Prognozowanie gospodarcze. Metody i zastosowania. Wydawnictwo Naukowe PWN, Warszawa.
  • Cieślak M. 2005. Prognozowanie gospodarcze. Metody i zastosowania. Wydawnictwo Naukowe PWN, Warszawa.
  • Cyrankiewicz M. 2013. Gminy chcą zmiany prawa o lasach. Rzeczpospolita 17.10.2013. C 7.
  • Czerwiński Z., Guzik B. 1980. Prognozowanie ekonometryczne. PWE, Warszawa.
  • Dittmann P. 1999. Metody prognozowania sprzedaży w przedsiębiorstwie. Wydawnictwo Akademii Ekonomicznej im. Oskara Langego, Wrocław.
  • Du Y. 2018. Application and analysis of forecasting stock price index based on combination of ARIMA model and BP neural network. Chinese Control and Decision Conference (CCDC) IEEE: 2854-2857.
  • Grzegorzewska E., Stasiak-Betlejewska R. 2015. The influence of global crisis on financial liquidity and changes in corporate debt of the furniture sector in Poland. DrvnaIndustrija 65 (4): 315-322.
  • Jaszczak R., Adamowicz K., Wajchman-Świtalska S., Miotke M. 2018. Wybrane aspekty tworzenia planów urządzenia lasu w Polsce. Sylwan 162 (10): 795-807. DOI: https://doi.org/10.26202/sylwan.2018089.
  • Klocek A. 2003. Formy prawne i organizacyjne gospodarstwa leśnego. W: Współczesne problemy zarządzania gospodarstwem leśnym. Materiały szkoleniowe. DGLP, SITLiD. 14-17.
  • Klocek A. 2008. Czy rzeczywiście racjonalizacja? Czy zastąpienie 17 dyrekcji regionalnych 11 regionami administracyjnymi to racjonalizacja? Z artykułem Jerzego Szyndlera opublikowanym w numerze 15-16/2007 polemizuje profesor Klocek. Las Polski 1: 10-12.
  • Kocel J. 2010. Podstawy metodyczne prognozy finansowo-gospodarczej dla Lasów Państwowych. Sylwan 154 (1): 41-51. DOI: https://doi.org/10.26202/sylwan.2009025.
  • Kowalik S., Herczakowska J. 2010. Analiza i prognoza cen ropy naftowej na rynkach międzynarodowych. Polityka Energetyczna 13: 253-263.
  • McNally S., Roche J., Caton S. 2018. Predicting the price of Bitcoin using Machine Learning. W: 26th Euromicro International Conference on Parallel, Distributed and Network-based Processing (PDP) IEEE. 339-343.
  • Mondal P., Shit L., Goswami S. 2014. Study of effectiveness of time series modeling (ARIMA) in forecasting stock prices. International Journal of Computer Science, Engineering and Applications 4 (2): 13-29.
  • Omar H., Hoang V. H., Liu D. R. 2016. A hybrid neural network model for sales forecasting based on arima and search popularity of article titles. ComputIntellNeurosci 1-9.
  • Paschalis-Jakubowicz P. 2012. Uwarunkowania strategii rozwoju Lasów Państwowych. CILP, Warszawa.
  • Popławski T. 2006. Zastosowanie wybranych technik prognostycznych do krótkoterminowych prognoz cen energii elektrycznej na Towarowej Giełdzie Energii. Polityka Energetyczna 9: 143-155.
  • Ratajczak E. 2011. Popyt na drewno w Polsce – zmiany strukturalne oraz możliwości zaspokojenia. W: Sawicki A., Szewczykiewicz J., Szujecka G. [red.]. Strategia rozwoju lasów i leśnictwa w Polsce do roku 2030. IBL, Warszawa. 151-166.
  • Ripken H. 2000. Die Entwicklung der Personalkosten und des Personalabbaus in den deutschen Landesforstverwaltung. Forst und Holz 20: 643-647.
  • Rozporządzenie Ministra Środowiska z dnia 20 czerwca 2002 r. w sprawie jednorazowego odszkodowania za przedwczesny wyrąb drzewostanu. 2002. Dz. U., poz. 905.
  • Shao Y., Dai J. 2018. Integrated feature selection of arima with computational intelligence approaches for food crop price prediction. Complexity.
  • Siedlecka U. 1996. Prognozowanie ostrzegawcze w gospodarce. PWE, Warszawa.
  • Soares N., Silva M., Rezende J. D., Lima J., Carvalho K. 2010. Eucalyptus spp. woodpriceforecasting model. Cerne 16 (1): 41-52.
  • Sobczyk M. 2008. Prognozowanie. Teoria, przykłady, zadania, Wydawnictwo Placet, Warszawa.
  • Styczyńska J., Teresiński J. 2015. W czyje ręce trafią polskie lasy. Rzeczpospolita 2.09.2015. B 12.
  • Suchodolski P., Idzik M. 2018. Identyfikacja i ocena zmienności cen drewna w nadleśnictwie Płock. Wiadomości Statystyczne 11 (690): 41-55.
  • Szramka H., Adamowicz K. 2017. Kierunki modyfikacji statusu Lasów Państwowych w Polsce. Sylwan 161 (5): 355-364. DOI: https://doi.org/10.26202/sylwan.2016057.
  • Szramka H., Starosta-Grala M., Adamowicz K. 2016. Leśnictwo w sektorowym rozwoju gospodarki w Polsce. Sylwan 160 (5): 416-423. DOI: https://doi.org/10.26202/sylwan.2015128.
  • Szyndler J. 2007. Racjonalizacja struktury organizacyjnej PGL LP. Las Polski 15-16: 20-22.
  • Ustawa z dnia 3 lutego 1995 r. o ochronie gruntów rolnych i leśnych. 1995. Dz. U. z 2017 r., poz. 1161.
  • Ustawa z dnia 13 listopada 2003 r. o dochodach jednostek samorządu terytorialnego. 2003. Dz. U. z 2018 r., poz. 1530.
  • Ustawa z dnia 30 października 2002 r. o podatku leśnym. 2002. Dz. U. z 2017 r., poz.1821; Dz. U. z 2018 r. poz. 1588 i 1669.
  • Wysocka-Fijorek E., Lachowicz H. 2018. Zmiany cen, ilości i wartości surowca drzewnego sprzedawanego w Lasach Państwowych. Sylwan 162 (1): 12-21. DOI: https://doi.org/10.26202/sylwan.2017043.
  • Zeliaś A. 1997. Teoria prognozy. PWE, Warszawa.
  • Zubkowicz R. 2013. Danina drogowa – pomysł na opodatkowanie PGL LP. Las Polski 20: 18-19.

Typ dokumentu

Bibliografia

Identyfikatory

Identyfikator YADDA

bwmeta1.element.agro-165c6c59-932f-4ae8-9083-ee7f48fab2fb
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.