شیوه های داده کاوی جدید می تواند حسابرسان را در ارایه نوع اظهارنظر حسابرسی یاری رساند. در این تحقیق برای اولین بار در ایران به منظور توسعه الگوهایی که قادر به شناسایی و پیش بینی نوع اظهارنظر حسابرسان باشد، عملکرد شبکه های عصبی در مقایسه با الگوهای کلاسیک مورد بررسی قرار گرفته است. شیوه های مورد استفاده در این پژوهش شامل شبکه عصبی پرسپترون چند لایه (MLP) و هم چنین رگرسیون لجستیک (LR) است. دوره زمانی این تحقیق از ابتدای سال 1379 تا پایان سال 1386 و جامعه آماری تحقیق تمام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران است. در این مطالعه به منظور شناسایی و پیش بینی نوع اظهارنظر حسابرسان، شاخصهای مرتبط با سودآوری، نقدینگی، اهرمی، فعالیت، رشد، اندازه، دعاوی حقوقی، بهره وری و سایر عوامل تاثیرگذار مورد بررسی قرار گرفته است. نتایج تحقیق حاکی از توان زیاد شبکه پرسپترون چندلایه در شناسایی و پیش بینی انواع اظهارنظر حسابرسان است. این شبکه با میزان صحت %87.75 بهترین عملکرد را در شناسایی نوع گزارش حسابرسی داشت و رگرسیون لجستیک عملکرد ضعیفی در شناسایی اظهارنظر مشروط دارد و الگوی نامتوازنی در شناسایی انواع اظهارنظر حسابرس است. نتایج این الگوها می تواند برای پیش بینی نوع اظهارنظر حسابرسی توسط حسابرسان داخلی و مستقل، سرمایه گذاران، اعتباردهندگان، و سایر ذی نفعان سودمند واقع شود.
