La descomposición de wavelets en el procesamiento de señales ha sido ampliamente utilizada en la literatura. La popularidad de los algoritmos de aprendizaje automático (ML) está aumentando día a día en la agricultura, desde la programación de riego y la predicción de rendimientos hasta la predicción de precios. Es bastante interesante estudiar modelos estocásticos y de ML basados en wavelets para elegir adecuadamente los filtros de wavelet más adecuados para predecir los precios de los productos agrícolas. En el presente estudio, se consideraron algunos filtros de wavelet populares, como Haar, Daubechies (D4), Coiflet (C6), el mejor localizado (BL14) y el menos asimétrico (LA8). Se utilizaron datos diarios de precios al por mayor de cebollas de tres mercados importantes de la India, a saber, Bengaluru, Delhi y Lasalgaon, para ilustrar el potencial de diferentes filtros de wavelet. El rendimiento de los modelos basados en wavelets se comparó con el de modelos de referencia. Se observó que, en general, los modelos de combinación basados en wavelets superaron a otros modelos. Además, la descomposición de wavelets con el filtro Haar seguida de la aplicación del modelo de bosques aleatorios (RF) ofreció una mejor precisión en la predicción que otras combinaciones, así como otros modelos individuales.