Los precios agrícolas en particular de frutas presentan alta volatilidad debido a factores productivos, de mercado, climáticos y logísticos, lo cual dificulta la toma de decisiones en los sistemas agroalimentarios. Por tanto, el diseño y utilización de modelos de pronósticos confiables se hacen necesarios con el fin de apoyar la planificación agrícola. El objetivo de este estudio es evaluar el desempeño de los modelos Brown, Holt Winters, SARIMA y Long Short – Term Memory (LSTM) en la predicción del precio mensual de la uchuva en Colombia durante el periodo comprendido 2015 -2025. Para la realización del diseño metodológico se utilizó un enfoque de tipo cuantitativo de análisis de serie de tiempo. Por tanto, se evaluó la estacionariedad de la serie por medio de pruebas estadísticas y se aplicó la transformación logarítmica con el objetivo de estabilizar la varianza de los datos. A continuación, la base de datos se dividió en conjuntos de entrenamiento y prueba con el fin de estimar y validar los modelos. El desempeño de los modelos en estudio fue evaluado por medio de los indicadores Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE) y Root Mean Squared Error (RMSE). Los resultados obtenidos demuestran que los modelos Brown y Holt Winters representan de forma adecuada la tendencia general de la serie, sin embargo, tienden a suavizar de forma excesiva las variaciones abruptas. El modelo SARIMA presenta el menor nivel de ajuste ya que es afectada por los comportamientos no lineales y a la falta de patrones estacionales. En contraste, el modelo LSTM alcanza el mejor desempeño, mostrando niveles de error más bajos y con una mayor capacidad para capturar la dinámica de los precios de la uchuva.