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. Résumé :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 périodi-ques 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 É tats-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 1 an 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 gé-néralisée traduisent bien les risques liés au marché.[Traduit par la Rédaction]