در سیستم های اجتماعی- اقتصادی کنونی، وظیفه بهینه نمودن گزارش های اقتصادی و اعتبار بخشی به صورت های مالی، به حسابرسان مستقل واگذار شده است. گزارش حسابرسی دامنه رسیدگی به اطلاعات مالی را مشخص کرده و یافته های حسابرسی را از طریق اظهار نظر حسابرس ابلاغ می نماید. پیش بینی نوع اظهارنظر حسابرسان طی دهه های اخیر مورد توجه محققان قرار گرفته است. تاکنون محققان از روش های خطی همچون رگرسیون برای پیش بینی استفاده می کردند اما با گسترش تکنیک های داده کاوی، استفاده از این مدل ها جایگاه ویژه ای پیدا کرده است. تکنیک های داده کاوی از کارامدترین و به روزترین مدل های هوش مصنوعی هستند که می توانند به امر پیش بینی کمک کنند. در این پژوهش به بررسی توان دو مدل شبکه ی عصبی و درخت تصمیم در پیش بینی اظهارنظر حسابرس پرداخته شده است. در راستای هدف پژوهش سه فرضیه تدوین شده است. فرضیه اول پژوهش توان شبکه عصبی پرسپترون چند لایه را در پیش بینی اظهارنظر حسابرس بررسی می کند و در فرضیه دوم به بررسی توان درخت تصمیم cart در پیش بینی پرداخته شده است و نهایتاَ فرضیه سوم به مقایسه نتایج دو مدل می پردازد.جامعه آماری مورد استفاده، اطلاعات صورت های مالی 898 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1384 تا 1388 می باشد. نمونه گیری با روش حذفی سیستماتیک انجام شده و از نسبت های مالی به عنوان متغیرهای پژوهش استفاده شده است. نهایتاَ با اجرای دو مدل مذکور نتایج مورد تجزیه و تحلیل قرار گرفته است. یافته های پژوهش بیانگر آن است که شبکه عصبی پرسپترون چند لایه، قادر است اظهار نظر حسابرس را با اعتبار 70% پیش بینی کند که نشان از قابلیت بالای این مدل دارد. همچنین و با دقتی مشابه، درخت تصمیم cart توانست اظهارنظر حسابرس را با دقت 70% پیش بینی کند. در هر دو حالت، نتایج حاکی از توان بالای مدل بوده است و بدین ترتیب فرضیه اول و دوم پژوهش تایید می گرددو این امکان را برای ذی نفعان فراهم می کند تا از این مدل ها در امر پیش بینی استفاده کنند. لیکن مقایسه دو مدل تفاوت معنی داری را نشان نمی دهد و فرضیه سوم پژوهش رد می شود.