Proponemos Fast Forest of Flexible Features (F4), un enfoque novedoso para clasificar series temporales multivariadas, que tiene como objetivo discriminar entre procesos generadores subyacentes. Este objetivo apenas ha sido abordado en la literatura. F4 consta de dos pasos. Primero, se extrae un conjunto de características basadas en la densidad de espectro cruzado de cuantiles y la transformada wavelet discreta de superposición máxima de cada serie. Segundo, se alimenta un bosque aleatorio con las características extraídas. Un extenso estudio de simulación muestra que F4 supera a algunos clasificadores potentes en una amplia variedad de situaciones, incluidas series estacionarias y no estacionarias. El método propuesto también es capaz de discriminar con éxito entre señales de electrocardiograma (ECG) de sujetos sanos y aquellos con condición de infarto de miocardio. Además, a pesar de carecer de información basada en la forma, F4 logra resultados de vanguardia en algunos conjuntos de datos del archivo de clasificación de series temporales multivariadas de la Universidad de East Anglia (UEA).