چکیده امروزه، علی رغم گسترش فن آوری های نوین بانکداری اینترنتی، تقاضای وجه نقد همچنان بالاست. بانک ها و موسسات مالی در سرتاسر جهان به منظور تحقق نیازهای مشتریان، دائما در حال توسعه شبکه های خروجی وجه نقد، شامل شعب و دستگاه های خودپرداز هستند. با افزایش نرخ بهره و تاکید روزافزون بر اهمیت کارآیی، توجه بسیاری از بانک ها و موسسات مالی به مدیریت کارآی نقدینگی شبکه دستگاه های خودپرداز جلب شده است. مدیریت نقدینگی دستگاه های خودپرداز، امکان پاسخگویی صحیح به نیاز مشتریان، جلب رضایت آنان و پیشگیری از رسوب نقدینگی در دستگاه ها را فراهم نموده و افزایش سودآوری بانک ها و موسسات مالی را در پی خواهد داشت. این امر تنها در صورتی میسر خواهد بود که میزان نقدینگی موردنیاز آینده قابل پیش بینی باشد. بنابراین، توسعه الگوریتم های پیشرفته برای پیش بینی نقدینگی موردنیاز دستگاه های خودپرداز بسیار حائز اهمیت است. در این تحقیق، سه سناریو مطرح می شود: 1) پیش بینی با رویکرد روش های کلاسیک، 2) پیش بینی با رویکرد شبکه عصبی مصنوعی و 3) پیش بینی با رویکرد شبکه عصبی- فازی. نتایج تحقیق بیانگر آنست که رویکرد شبکه عصبی- فازی از تمامی رویکردهای کلاسیک و رویکرد شبکه عصبی مصنوعی بهتر عمل نموده و دارای ویژگی هایی همچون همگرایی سریع، دقا بالا و توانایی تقریب تابع قوی بوده و برای پیش بینی نقدینگی موردنیاز دستگاه های خودپرداز مناسب است. کلید واژه ها: شبکه های عصبی مصنوعی، شبکه های عصبی- فازی، پیش بینی، نقدینگی، دستگاه خودپرداز