CN105931115A - 网贷平台发展指数评级系统及其工作方法 - Google Patents

Abstract

本发明提供网贷平台发展指数评级系统及其工作方法，包括：数据库，数据库用于获取外部数据并建立统一的结构化数据；指标量化模块，指标量化模块对结构化数据进行打分和归一化处理，形成可直接用于计算的量化指标；权重确定模块，权重确定模块确定指标的权重。与现有技术相比，本发明网贷平台发展指数评级系统及其工作方法具有如下优点：1)建立数据字段体系，为行业数据的获取、保存和维护打下基础，为评级的计算、查询、打印等提供了便利，也方便了监管层获得行业发展情况的第一手数据。2)提供给出借人一套筛选、比较网贷平台的指标系统，帮助出借人形成正确的投资理念。3)形成了网络借贷行业的评级排行榜并帮助网贷平台获得风投合理估值。

Description

网贷平台发展指数评级系统及其工作方法

技术领域

本发明涉及P2P网络借贷网贷平台的发展实力和潜力的评级方法和评级系统。

背景技术

P2P网络借贷发源于英国，2007年我国第一家P2P网贷平台诞生。2013年开始我国P2P网贷行业逐渐从幼稚期走向成熟期，行业的规模和参与人数呈爆发式增长，政府、媒体以及市场上的参与者都对行业密切关注。2015年是监管元年，我国政府先后出台多项指导意见和监管政策，鼓励和规范行业发展，然而由于长期的监管缺失，问题网贷平台层出不穷，给出借人带来了财富损失，也造成了社会不稳定因素。一些线下理财公司披上P2P网贷的外衣大肆圈钱；一些运营不善的P2P网贷平台逐渐偏离P2P的本质，走向庞氏骗局；一些诈骗网贷平台赤裸裸挑战着行业的底线，这些网贷平台都蕴含着很大的道德风险和法律风险，需要人们能够分辨良莠。然而，面对近3000家各色的网贷平台时，出借人很难在限定的时间成本下做出正确的选择，市场上缺少一种对P2P网贷平台的发展实力和潜力进行评价的综合评级，来帮助出借人了解网贷平台并培养分析网贷平台的正确角度，推进行业的优胜劣汰。

专利号CN201510076663.6的“一种基于文本分析的P2P网络借贷风险预测系统”，以文本分析和部分人工判断的方式，提出了一种网贷借款的风险预测系统，但该研究并不针对网贷平台。李敏芳和田晨君的《基于因子分析法的我国P2P网贷平台评级研究》，采用因子分析法，需要指定因子个数，对变量进行分解，将原始观察变量表示为新因子的线性组合，存在不好解释和舍弃次要因素的弱点，无法及时跟进行业的变化，而且该论文是研究网贷平台的信用风险，并不是发展实力和潜力。

现有已公开的相关专利，缺少对网络网贷平台发展实力和潜力的评级方法和评级系统,本发明弥补了市场的空白，提供了依据行业监管政策、行业研究理论和数据统计支持下的一种对P2P网络借贷网贷平台的发展实力和潜力的评级方法和评级系统。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种网贷平台发展指数评级系统及其工作方法。

为解决上述技术问题，本发明提供的一种网贷平台发展指数评级系统，包括：数据库，数据库用于获取外部数据并建立统一的结构化数据；指标量化模块，指标量化模块对结构化数据进行评分和归一化处理，形成可直接用于计算的量化指标；权重确定模块，权重确定模块确定指标的权重。

优选地，指标量化模块包括：定量指标处理单元，定量指标处理单元对结构化数据进行量化评分；定性指标处理单元，定性指标处理单元对结构化数据进行分级评分。

优选地，还包括报告生成模块，报告生成模块用于输出量化评分结果及指标的分值和权重。

一种网贷平台发展指数评级系统的工作方法，包括如下步骤：

步骤1，对结构化数据进行正向评分或反向评分；

步骤2，确定结构化数据中的指标的分值；

步骤3，确定结构化数据中的指标的权重；

步骤4，输出计算结果，结果包括得到的评分、分值和权重。

优选地，步骤1中，第i个网贷平台的正向指标分数为Y_i：

$Y_i=Max(a,a+(b-a)\×\frac{ln\left(X_i\right)-ln\left(X_0\right)}{Max\left(ln\right(X))-ln\left(X_0\right)})$

在第i个网贷平台的正向指标分数式子中，X_i为第i个网贷平台的正向指标，X＝{X₁，X₂，…，X_m}，m为个网贷平台的总数，数据库中的正向指标是从大到小排列，X₀为数据库中后10％的指标归一化后的百分位的数字，a表示对应于X₀的评分值，b表示对应于Max(X)的评分值；

第i个网贷平台的反向指标分数为Y′_i：

$Y_i^{,}=Max(a,a+(b-a)\×\frac{ln\left(X_0\right)-ln\left(X_i\right)}{ln\left(X_0\right)-Min\left(ln\right(X))})$

在第i个网贷平台的反向指标分数式子中，X_i为第i个网贷平台的反向指标，X＝{X₁，X₂，…，X_m}，m为个网贷平台的总数，数据库中的反向指标是从大到小排列，X₀为数据库中前10％的指标归一化后的百分位的数字，a表示对应于X₀的评分值，b表示对应于Min(X)的评分值。

优选地，步骤4中，采用分级评分法确定指标的分值。

优选地，步骤3包括：

步骤3.1，建立指标的一级和二级的隶属层次结构；

步骤3.2，采用层次分析法对指标进行标度，

步骤3.3，根据所选择的标度对各相关指标进行两两比较，得到两两比较的判断矩阵；

步骤3.4，对判断矩阵进行一致性检验；

步骤3.5，计算权重。

优选地，步骤3.4包括：

步骤3.4.1，计算一致性指标C.I.：

$C.I.=\frac{{\mathrm{\λ}}_{max}-n}{n-1}$

其中，λ_max为判断矩阵最大特征值，n为判断矩阵的阶数；

步骤3.4.2，根据判断矩阵的阶数n查询下表1确定平均随机一致性指标R.I.：

表1

n	1	2	3	4	5	6	7	8	9
										R.I.	0	0	0.58	0.90	1.12	1.24	1.32	1.41	1.45

步骤3.4.3，计算一致性比例C.R.：

$C.R.=\frac{C.I.}{R.I.}$

当C.R.<0.1时，认为判断矩阵通过一致性检验；当C.R.≥0.1时，则判断矩阵没有通过一致性检验，选取新的标度进入步骤3.3继续执行。

优选地，步骤3.5包括：

步骤3.5.1，对判断矩阵{a_ij}的列向量进行归一化处理，得到{a′_ij}；

$a_{ij}^{,}=\frac{a_{ij}}{{\mathrm{\&Sigma;}}_{i=1}^n{a}_{ij}}$

其中，a_ij为指标i与指标j的重要性之比，其中，指标i与指标j为所述相关指标；

步骤3.5.2，对{a′_ij}的每一行进行算术平均，得到列向量{b_i}

$b_i=\frac{{\mathrm{\&Sigma;}}_{j=1}^k{a}_{ij}^{,}}{k}$

其中，K为判断矩阵{a_ij}的总列数；

步骤3.5.3，指标权重w_i＝b_i。

优选地，步骤4包括：

步骤4.1，根据所述计算结果生成Excel和Word文档；

步骤4.2，保存所述计算结果到数据库，并建立索引。

与现有技术相比，本发明网贷平台发展指数评级系统及其工作方法具有如下优点：

1)建立数据字段体系，为行业数据的获取、保存和维护打下基础，为评级的计算、查询、打印等提供了便利，也方便了监管层获得行业发展情况的第一手数据。

2)提供给出借人一套筛选、比较网贷平台的指标系统，帮助出借人形成正确的投资理念。

3)形成了网络借贷行业的评级排行榜并帮助网贷平台获得风投合理估值。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征.目的和优点将会变得更明显。

图1为本发明网贷平台发展指数评级系统原理图；

图2为本发明网贷平台发展指数评级系统的工作方法的一级指标与二级指标间的隶属层次结构图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

如图1、图2所示，本发明提供的一种网贷平台发展指数评级系统，包括：数据库，数据库用于获取外部数据并建立统一的结构化数据；指标量化模块，指标量化模块对结构化数据进行打分和归一化处理，形成可直接用于计算的量化指标；权重确定模块，权重确定模块确定指标的权重。指标量化模块包括：定量指标处理单元，定量指标处理单元对结构化数据进行量化评分；定性指标处理单元，定性指标处理单元对结构化数据进行评级评分。还包括报告生成模块，报告生成模块用于输出量化评分结构及指标的权重。

本发明网贷平台发展指数评级系统的工作方法，包括：

步骤1：数据采集，通过自行采集或网贷平台对接的形式，获取网贷平台交易数据。

步骤2：数据维护，通过数据查错等常规检查机制，定期通过多种渠道核实网贷平台数据的准确性并进行校正。

步骤3：数据提取。

步骤3.1：按照网贷平台参评标准，从数据库中调取所需的基础数据并进行复查与修正。目前参评标准是负面清单形式，满足以下任一约束条件都不能参评。

约束条件1)上线3个月以内的。在上线时间上要求进入本评级空间的网贷平台必须经历一个完整的业务周期。由于网贷平台在上线初期还处于摸索期，其业务规模较小，甚至未经历一个完整的业务周期，一些潜在风险还未暴露，故要求进入评级空间的网贷平台必须经历一个完整的业务周期。数据统计结果显示，网贷平台上线初期的平均借款期限为1-3个月，故本评级将观察期设定为3个月，如有些网贷平台虽上线已满3个月，但由于其平均借款期限大于3个月，未经历一个完整的业务周期，此网贷平台亦不列入评级空间。

约束条件2)单人平均借款金额≥(注册资金、风险准备金、0.5×自身担保公司注册资金)三者最大值的。

约束条件3)单月出借人数≤100人的。

约束条件4)单月借款人数≤5人的。在借贷人数上要求进入本评级空间的网贷平台的借贷人数至少满足90％网贷平台的最低值，根据研究选取90％网贷平台最低值能够较大程度上保证网贷平台运营的稳定性。借贷人数代表网贷平台的人气，由于网贷平台的人气可以体现参与人对网贷平台的认可度，本研究以2013年12月31日为基点，对运营时间较长的100家网贷平台分别按出借人数及借款人数降序排列，根据排序结果，90％的网贷平台分别满足单月出借人数大于100人，借款人数大于5人。

约束条件5)近3个月内有不诚信行为及被刑事调查的。

约束条件6)无法获取详细、明确的成交数据及网贷平台信息的。

步骤3.2：根据评级要求，对数据进行清洗、转换和提取。

步骤3.3：按评级所需格式，导出数据。

步骤4：对数据按照定量和定性分别进行量化。

步骤4.1：定量指标处理。

步骤4.1.1：根据指标特点确定动态变动组距。由于网贷行业发展速度很快，静态固定组距难以适应网贷行业评分，本评级采用动态变动组距。分组时各指标以行业研究结果或数据库后10％百分位作为一个组限，此理论值是反映网贷平台能够持续运营或纳入评级空间的最低标准。例如，根据行业研究发现，网贷平台月总成交量在人民币100万元以上时(约位于数据库后10％百分位)，网贷平台运营才初具规模，所以取100万元作为二级指标总成交量积分的下限。

步骤4.1.2：以评级空间网贷平台指标值的单向极值作为另一个组限。正向指标就是极大值，反向指标就是极小值。分组时以评级空间网贷平台指标值的单向极值作为另一个组限，单向极值能够反映评级空间全体网贷平台的指标情况，有助于分析网贷平台相对行业总体的变动情况。

步骤4.1.3：指标评分。分为正向指标评分和反向指标评分，每一种指标只有一种方向的评分(正向或反向)，正向评分越大越好，反向评分越小越好。如成交量就是正向评分，资金杠杆就是反向评分。

对于正向指标评分，数值越大越好。对于正向指标X，如总成交量积分、出借人数积分等。X_i为第i个网贷平台的正向指标，X＝{X₁，X₂，…，X_m}，m为个网贷平台的总数，数据库中的正向指标是从大到小排列，X₀为数据库中后10％的指标归一化后的百分位的数字，a表示设定的最小评分值，对应指标值为X₀，b表示设定的最大评分值，对应指标值为Max(X)；

第i个网贷平台的反向指标分数为Y′_i：

$Y_i^{,}=Max(a,a+(b-a)\&times;\frac{ln\left(X_0\right)-ln\left(X_i\right)}{ln\left(X_0\right)-Min\left(ln\right(X))})$

在第i个网贷平台的反向指标分数式子中，X_i为第i个网贷平台的反向指标，X＝{X₁，X₂，…，X_m}，m为个网贷平台的总数，数据库中的反向指标是从大到小排列，X₀为数据库中前10％的指标归一化后的百分位的数字，a表示设定的最小评分值，对应的指标值X₀；b表示设定的最大评分值，对应指标值为Min(X)。

步骤4.2：定性指标处理。对于部分定性指标，本评级主要采用分级评分法，根据《网络借贷信息中介机构业务活动管理暂行办法(征求意见稿)》和行业理论研究与数据统计，对各指标进行评分。

步骤4.2.1：根据《网络借贷信息中介机构业务活动管理暂行办法(征求意见稿)》确定网贷平台信息披露的各项指标。

步骤4.2.2：根据行业理论研究与数据统计，确定网贷平台的特质数据，如股东实力、管理团队背景、风投注资、借款信息公布等的不同等级情况。

步骤4.2.3：对于不同的定性指标，进行定量化处理，参照数据库，对指标进行分级打分。

步骤5：确定一级指标体系。包括九大一级指标。

1)成交积分。用于表征网贷平台成交量的指标，成交积分越高，表明网贷平台成交量越高。包括近3个月的实际成交量、时间加权成交量、净值标及秒标在总成交量中的占比等等。

2)营收积分。用于表征网贷平台可能获得的营业收入的指标，营收积分越高，网贷平台可能获得的营业收入越高。营业收入增高，就相应降低了网贷平台的风险，更有益于出借人。由于网贷平台的借款管理费为网贷平台的主要收入来源之一，且时间加权成交量、贷款余额与网贷平台借款管理费间存在正向关联，因此，我们目前采用时间加权成交量和贷款余额来近似进行营收指标的评分，并包括利息管理费、VIP年费、充值提现费用及其他成本费用等等。

3)人气积分。用于表征网贷平台的出借人和借款人数量的指标，人气积分越高，表明在网贷平台投资和借款的人数越多。目前该指标包含出借人人数、借款人人数和短期活动对人气的影响。

4)杠杆积分。用于表征网贷平台的风险承受能力高低的指标，杠杆积分越高，表明网贷平台可能的资金杠杆越小，风险承受能力越高。目前该指标由待收杠杆、地域杠杆(根据历史问题网贷平台研究发现，网贷平台地理位置对其待收金额有重要的影响，地理位置越偏僻、经济越不发达、人口越稀疏的城市，当地的网贷平台能够支撑的待收金额越少，所以引入地域杠杆，衡量网贷平台待收金额与所在城市的关系)、超越10倍杠杆情况、TOP10％逾期资本比等4个二级指标组成。

5)技术积分。用于表征网贷平台技术实力的指标，技术积分越高，表明该网贷平台技术实力越强。目前该指标根据网贷平台系统自主研发情况、网站人均响应时间、网站安全漏洞检测、APP、微信客户端、数据传输安全、账户安全、IT团队实力等得出。

6)流动性积分。用于表征出借人在网贷平台投资资金回收时间长短的指标，流动性积分越高，表明在该网贷平台投资回收本金的时间越短，能更灵活的退出。目前该指标根据久期计算得出，并包括了净值标、债权转让标和提现速度等等。

7)分散度积分。用于表征网贷平台借款和投资资金分散情况的指标，分散度积分越高，表明网贷平台的投资和借款人越分散，网贷平台运营风险越低。分散度指标根据单人借款金额、单人出借金额、借款集中度、借款人HHI、出借人HHI、前十借款人待还占比、最大借款人待还占比、前十出借人待收占比、最大出借人待收占比、TOP1借款待还资本比等加权得出。

8)透明度积分。用于表征网贷平台信息透明度的指标，透明度积分越高，表明网贷平台信息公开得越多，网贷平台越透明。透明度指标根据网贷平台对公司基本信息、运营数据信息、借款资料等的公布程度分级评分得出。

9)品牌积分。用于表征网贷平台知名度的指标，品牌积分越高，表明网贷平台的知名度越高、越能得到出借人的认可。品牌指标根据资金认可度(资金认可度越高，即出借人越愿意以更低的收益率，投资更多的资金到更长期限的借款标上面，则表明出借人对这个网贷平台越认可)、上线时间、总部城市、Alexa排名、股东背景、团队背景、媒体报道、风投挂牌、事件影响等信息评分得出。

步骤6：建立各一级指标与二级指标间的隶属层次结构。

步骤7：权重确定。

步骤7.1确定评级采用的层次分析法(AHP法)的标度方法，标度方法。见表1。

表1

步骤7.2：构造判断矩阵。运用两两比较方法，对各相关指标进行两两比较评分，根据中间层的若干指标，可得到若干两两比较判断矩阵。见表2和表3(一级指标判断权重表)。

表2

表3

Bi	C1	C2	…	Cn
					C1	c11	c12	…	c1n
C2	c21	c21	…	c2n
					…		……
Cn	cn1	cn2	…	cnn

步骤7.3：一致性检验。

步骤7.3.1：计算一致性指标C.I.(consistencyindex)

$C.I.=\frac{{\mathrm{\&lambda;}}_{max}-n}{n-1}$

其中，λ_max为判断矩阵最大特征值，n为判断矩阵的阶数；对于完全一致的成对比较矩阵，其绝对值最大的特征值等于该矩阵的维数，以此来衡量一致性。

步骤7.3.2：查表确定相应的平均随机一致性指标R.I.(randomindex)，根据判断矩阵的阶数n查下表4，得到平均随机一致性指标R.I.。

表4

n	1	2	3	4	5	6	7	8	9
										R.I.	0	0	0.58	0.90	1.12	1.24	1.32	1.41	1.45

步骤7.3.3：计算一致性比例C.R.(consistencyratio)并进行判断。

$C.R.=\frac{C.I.}{R.I.}$

当C.R.<0.1时，认为判断矩阵的一致性是可以接受的，C.R.≥0.1时，认为判断矩阵不符合一致性要求，选取新的标度对该判断矩阵进行重新修正，直到通过一致性检验。

步骤8：计算权重w_i。本评级采用和法计算权重。对于一致性判断矩阵，每一列归一化后就是相应的权重，对于非一致性判断矩阵，每一列归一化后近似其相应的权重，再对这n个列向量求取算术平均值作为最后的权重。

步骤8.1：对判断矩阵{a_ij}的列向量进行归一化处理，得到{a′_ij}；

$a_{ij}^{,}=\frac{a_{ij}}{{\mathrm{\&Sigma;}}_{i=1}^n{a}_{ij}}$

其中，a_ij为指标i与指标j的重要性之比，其中，指标i与指标j为所述相关指标；

步骤8.2：对{a′_ij}的每一行进行算术平均，得到列向量{b_i}

$b_i=\frac{{\mathrm{\&Sigma;}}_{j=1}^k{a}_{ij}^{,}}{k}$

其中，K为判断矩阵{a_ij}的总列数；

步骤8.3：指标权重w_i＝b_i.

一级指标的权重范围如下：

成交积分权重∈[7％，10％]；营收积分权重∈[8％，11％]；人气积分权重∈[14％，18％]；杠杆积分权重∈[13％，16％]；技术积分权重∈[3％，5％]；流动性积分权重∈[4％-7％]；分散度积分权重∈[14％-18％]；透明度积分权重∈[12％-16％]；品牌积分权重∈[16％-20％]。

步骤9：根据指标量化结果和各级指标权重，生成网贷平台发展指数评级结果。生成Excel和Word文档。

步骤10：保存网贷平台发展指数评级进入数据库，并建立索引，方便用户查询。

步骤11：进入数据库，导出评级榜单并预览和打印。评级榜单的网页输出页面。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种网贷平台发展指数评级系统，其特征在于，包括：

数据库，数据库用于获取外部数据并建立统一的结构化数据；

指标量化模块，指标量化模块对结构化数据进行评分和归一化处理，形成可直接用于计算的量化指标；

权重确定模块，权重确定模块确定指标的权重。

2.根据权利要求1所述的网贷平台发展指数评级系统，其特征在于，指标量化模块包括：

定量指标处理单元，定量指标处理单元对结构化数据进行量化评分；

定性指标处理单元，定性指标处理单元对结构化数据进行分级评分。

3.根据权利要求1所述的网贷平台发展指数评级系统，其特征在于，还包括报告生成模块，报告生成模块用于输出量化评分结果及指标的分值和权重。

4.一种网贷平台发展指数评级系统的工作方法，其特征在于，包括如下步骤：

步骤1，对结构化数据进行正向评分或反向评分；

步骤2，确定结构化数据中的指标的分值；

步骤3，确定结构化数据中的指标的权重；

步骤4，输出计算结果，结果包括得到的评分、分值和权重。

5.根据权利要求4所述的网贷平台发展指数评级系统的工作方法，其特征在于，步骤1中，第i个网贷平台的正向指标分数为Y_i：

$Y_i=Max(a,a+(b-a)\&times;\frac{ln\left(X_i\right)-ln\left(X_0\right)}{Max\left(ln\right(X))-ln\left(X_0\right)})$

在第i个网贷平台的正向指标分数式子中，X_i为第i个网贷平台的正向指标，X＝{X₁，X₂，…，X_m}，m为个网贷平台的总数，数据库中的正向指标是从大到小排列，X₀为数据库中后10％的指标归一化后的百分位的数字，a表示对应于X₀的评分值，b表示对应于Max(X)的评分值；

第i个网贷平台的反向指标分数为Y′_i：

$Y_i^{,}=Max(a,a+(b-a)\&times;\frac{ln\left(X_0\right)-ln\left(X_i\right)}{ln\left(X_0\right)-Min\left(ln\right(X))})$

在第i个网贷平台的反向指标分数式子中，X_i为第i个网贷平台的反向指标，X＝{X₁，X₂，…，X_m}，m为个网贷平台的总数，数据库中的反向指标是从大到小排列，X₀为数据库中前10％的指标归一化后的百分位的数字，a表示对应于X₀的评分值，b表示对应于Min(X)的评分值。

6.根据权利要求4所述的网贷平台发展指数评级系统的工作方法，其特征在于，步骤4中，采用分级评分法确定指标的分值。

7.根据权利要求4所述的网贷平台发展指数评级系统的工作方法，其特征在于，步骤3包括：

步骤3.1，建立指标的一级和二级的隶属层次结构；

步骤3.2，采用层次分析法对指标进行标度，

步骤3.3，根据所选择的标度对各相关指标进行两两比较，得到两两比较的判断矩阵；

步骤3.4，对判断矩阵进行一致性检验；

步骤3.5，计算权重。

8.根据权利要求7所述的网贷平台发展指数评级系统的工作方法，其特征在于，步骤3.4包括：

步骤3.4.1，计算一致性指标C.I.：

$C.I.=\frac{{\mathrm{\&lambda;}}_{max}-n}{n-1}$

其中，λ_max为判断矩阵最大特征值，n为判断矩阵的阶数；

步骤3.4.2，根据判断矩阵的阶数n查询下表1确定平均随机一致性指标R.I.：

表1

n 1 2 3 4 5 6 7 8 9 R.I. 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45

步骤3.4.3，计算一致性比例C.R.：

$C.R.=\frac{C.I.}{R.I.}$

当C.R.<0.1时，认为判断矩阵通过一致性检验；当C.R.≥0.1时，则判断矩阵没有通过一致性检验，选取新的标度进入步骤3.3继续执行。

9.根据权利要求7所述的网贷平台发展指数评级系统的工作方法，其特征在于，步骤3.5包括：

步骤3.5.1，对判断矩阵{a_ij}的列向量进行归一化处理，得到{a′_ij}；

$a_{ij}^{,}=\frac{a_{ij}}{{\mathrm{\&Sigma;}}_{i=1}^n{a}_{ij}}$

其中，a_ij为指标i与指标j的重要性之比，其中，指标i与指标j为所述相关指标；

步骤3.5.2，对{a′_ij}的每一行进行算术平均，得到列向量{b_i}

$b_i=\frac{{\mathrm{\&Sigma;}}_{j=1}^k{a}_{ij}^{,}}{k}$

其中，K为判断矩阵{a_ij}的总列数；

步骤3.5.3，指标权重w_i＝b_i。

10.根据权利要求4所述的网贷平台发展指数评级系统的工作方法，其特征在于，步骤4包括：

步骤4.1，根据所述计算结果生成Excel和Word文档；

步骤4.2，保存所述计算结果到数据库，并建立索引。