Proponemos un enfoque novedoso que combina bosques aleatorios y la transformada wavelet para modelar la predicción de crisis de divisas. Nuestro modelo de clasificación de bosques aleatorios, construido utilizando tanto predictores estándar como predictores wavelet, obtenidos de la transformada wavelet, logra un nivel de precisión predictiva demostrablemente alto. También utilizamos medidas de importancia de variables para encontrar que los predictores wavelet son predictores clave de crisis. En particular, encontramos que la apreciación y sobrevaloración del tipo de cambio real, que se miden en un horizonte de 16 a 32 meses, son los más importantes.