Esta tesis evalúa el desempeño predictivo de nueve modelos para el pronóstico mensual del precio externo del café colombiano, empleando un esquema de validación fuera de muestra con tres particiones temporales (de 18, 24 y 36 observaciones de prueba) y dos horizontes de pronóstico (h = 1 y h = 3 meses). Los modelos comparados incluyen tres benchmarks ingenuos, dos modelos estadísticos univariados (ARIMA, ETS), un modelo de vectores autorregresivos (VAR) con covariables macroeconómicas y climáticas, un modelo de bosques aleatorios y dos estrategias de combinación de pronósticos: promedio simple y ponderación por el inverso del RMSE acumulado. La muestra comprende 315 observaciones mensuales entre enero de 2000 y marzo de 2026. La variable objetivo se aproxima mediante el contrato continuo KC1 de Bloomberg, usado como proxy del precio externo del café. La métrica principal de comparación es el OWA (Overall Weighted Average), calculado en relación con el benchmark Naive 2, complementado por sMAPE, MASE, RMSE y MAE. La robustez de los resultados se evalúa mediante el test de Diebold-Mariano con corrección de muestra finita. Para h = 1, el VAR y Naive 1 empatan en el primer lugar con OWA promedio de 0,937 y 0,938 respectivamente, seguidos por ARIMA (0,956) y ETS (0,957). Los cuatro modelos superan al benchmark en las tres particiones sin excepción. Para h = 3, el ordenamiento cambia: Naive 1 registra el mejor OWA (0,973), seguido por VAR (0,991) y ETS (0,992). En ambos horizontes, el Random Forest y las dos estrategias de combinación no superan al benchmark. El test de Diebold-Mariano no rechaza la igualdad predictiva al 5%, resultado coherente con el limitado poder estadístico disponible (n ≤ 36) y con la magnitud moderada de las mejoras observadas. Los resultados se interpretan como evidencia específica del esquema y la muestra analizados, sin generalización a otros contextos o períodos.