تکنیک های داده کاوی جدید می تواند حسابرسان را در ارائه اظهارنظر حسابرسی یاری رساند. در این تحقیق برای اولین بار در ایران چهار تکنیک داده کاوی به منظور توسعه مدل هایی که قادر به شناسایی انواع اظهارنظر حسابرسان باشند، مورد استفاده قرار گرفت. دوره زمانی این تحقیق از ابتدای سال 1379 تا پایان سال 1386 می باشد. جامعه آماری تحقیق کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد که داده های مورد نیاز تحقیق از آنها قابل استخراج باشد. نمونه آماری تحقیق متشکل از 1018 سال- شرکت، به روش حذفی از بین شرکت های جامعه انتخاب گردید. در این مطالعه به منظور شناسایی انواع اظهارنظر حسابرسان از شبکه عصبی پرسپترون چندلایه (mlp)، شبکه عصبی احتمالی (pnn)، شبکه عصبی توابع شعاعی بنیادین (rbf) و همچنین رگرسیون لجستیک (lr) استفاده گردید. به منظور پوشش جنبه های مختلف ویژگیهای شرکت مجموعه ای از متغیر های مالی و غیرمالی مورد بررسی قرار گرفت. سپس مدل های ایجاد شده بر حسب عملکردشان مورد ارزیابی قرار گرفتند. نتایج تحقیق حاکی از توان بالای شبکه پرسپترون چند لایه در شناسایی انواع اظهارنظر حسابرسان می باشد. این شبکه با نرخ صحت 75/87% بهترین عملکرد را در شناسایی انواع گزارش حسابرسی داشت و شبکه های عصبی احتمالی، توابع شعاعی بنیادین و رگرسیـون لجسـتیک از لحاظ عملکرد در رده های بعدی قرار گرفتنـد. نتـایج حاصل از این مدل ها می تواند برای حسابرسان داخلی و خارجی، سرمایه گذاران، اعتباردهندگان،کلیه تصمیم گیرندگان شرکت و دیگر ذینفعان مفید واقع شود.