مدیریت نقدینگی از بزرگ‌ترین چالش‌های نظام بانکداری است. از عوامل مشکل‌ساز در مدیریت نقدینگی، این است که برخی از وام‌ها که با عنوان مطالبات غیرجاری تعریف می‌شوند، به چرخهٔ نقدینگی برنمی‌گردند. پیش‌بینی مطالبات غیرجاری به مدیریت بهینهٔ وجوه نقد بانک‌ها کمک می‌کند. پیش‌بینی از طریق استخراج عوامل تعیین‌کننده و استفاده از مدل پیش‌بینی مناسب میسر می‌شود؛ لذا، این مطالعه با هدف پیش‌بینی مدیریت جریان وجوه نقد در مطالبات غیرجاری بانک‌ها در سه مرحله انجام شد. در مرحلهٔ اول، کلیهٔ عوامل مرتبط با استفاده از روش فراترکیب و بررسی گستردهٔ پیشینه (بررسی ۱۹۴ مقاله) استخراج و دسته‌بندی شدند. دسته‌ها شامل ۱۰ طبقه عوامل تعیین‌کننده (۹۵ عامل)، ۱۱راهبرد کاهش، و ۱۲ پیامد بود. به‌دلیل کثرت عوامل، ورود کلیهٔ آن‌ها به مدل پیش‌بینی میسر نبود؛ لذا در مرحلهٔ دوم، مهم‌ترین عوامل تعیین‌کننده با اجرای سه دور دلفی و استفاده از نظر خبرگان انتخاب شدند. خروجی این مرحله، انتخاب چهار متغیر اقتصاد کلان و ۵ متغیر خاص بانک بود. در مرحلهٔ سوم، داده‌های متغیرهای مدل برای سال‌های ۱۳۸۹ تا ۱۴۰۰ استخراج و برای پیش‌بینی از سه الگوریتم یادگیری ماشینی جنگل تصادفی، K نزدیک‌ترین همسایه، و رگرسیون لجستیک توبیت استفاده شد. نتایج نشان داد که دقت پیش‌بینی مدل جنگل تصادفی از سایر مدلهای مورداستفاده بیشتر است.
