DenyTranDFW/World_Omni_Auto_Receivables_Trust_2025_B_2065415

该数据集包含World Omni Auto Receivables Trust 2025-B的SEC ABS-EE资产级别备案文件，共8个文件，总大小为22.3 MB。报告期从2025年3月31日至2026年2月28日。数据以Parquet文件格式存储，是从XML展品中提取的贷款级别/资产级别数据，并按{accession_nodash}/{exhibit_name}.parquet的方式组织。

SEC ABS-EE asset-level filings for CIK **2065415** (World Omni Auto Receivables Trust 2025-B). The dataset includes 8 filings with a total size of 22.3 MB, covering the reporting period from 2025-03-31 to 2026-02-28. Parquet files are loan-level / asset-level data extracted from XML exhibits, organised as `{accession_nodash}/{exhibit_name}.parquet`.

搜集汇总

数据集介绍

构建方式

本数据集聚焦于资产支持证券（ABS）领域，专门收录World Omni Auto Receivables Trust 2025-B（SEC CIK编号2065415）向美国证券交易委员会提交的ABS-EE资产层级备案文件。构建方式上，数据集从XML展品中提取了贷款或资产级别的结构化数据，并将其转化为8个Parquet格式文件，每个文件按备案接入号与展品名称进行组织与命名，总数据容量为22.3 MB。数据时间跨度从2025年3月31日至2026年2月28日，覆盖了该信托在报告周期内的连续资产表现记录。

特点

该数据集的核心特点在于其精细化的资产层级粒度，能够为ABS市场分析提供底层贷款逐笔的详尽信息，而非仅在聚合层面上呈现数据。备案日期跨越11个月，共含8次有效申报，有助于追踪资产池的动态变化与信用表现趋势。数据以高效的Parquet列式存储格式分发，兼顾了存储效率与检索速度，并附有完整的备案索引表，便于用户快速定位与回溯特定时间点的申报资料。

使用方法

使用者可以直接通过HuggingFace平台获取该数据集的Parquet文件，加载后利用主流的Python数据分析库（如Pandas或PyArrow）对资产层面信息进行解析与加工。每个Parquet文件按照{accession_nodash}/{exhibit_name}.parquet的路径结构存放，便于按申报记录或展品类别检索。分析时，可从reportingPeriodEndingDate字段提取报告周期，以时间维度展开资产组合的偿付表现、逾期率及损失分布等深度量化研究。

背景与挑战

背景概述

World Omni Auto Receivables Trust 2025-B 数据集由美国证券交易委员会（SEC）根据ABS-EE规则披露的资产支持证券（ABS）底层贷款级数据整理而成，由SEC或相关数据整理机构于2025年至2026年间构建。该数据集以中央索引密钥（CIK）2065415标识，聚焦于World Omni Auto Receivables Trust发行的汽车贷款支持证券，其核心研究问题在于通过结构化、标准化的资产级数据，为市场参与者提供穿透证券化产品的底层资产信息。作为ABS-EE监管框架下的典型数据集，它显著提升了资产支持证券市场的透明度，推动了风险评估、定价模型及金融监管研究的发展，对资产证券化领域的数据驱动分析具有里程碑式的影响力。

当前挑战

该数据集所解决的领域问题核心在于资产支持证券市场的透明度不足，即传统ABS产品缺乏标准化、高频的底层资产披露，导致投资机构难以精确评估信用风险与现金流表现。构建过程中需从SEC EDGAR系统提取8份XML格式的ABS-EE文件，其中包含复杂的嵌套标签与异构数据结构，须通过自动化解析技术将非结构化数据转化为8个Parquet文件（总计22.3 MB），并确保月报周期（2025年3月至2026年2月）的资产级变量如贷款余额、地域分布等字段完整对齐，同时应对多份文件间可能存在的报告日期延后或字段缺失等数据质量挑战。

常用场景

经典使用场景

在资产支持证券（ABS）研究领域，World Omni Auto Receivables Trust 2025-B 数据集为学者和从业者提供了标准化的资产层面数据，涵盖从2025年3月至2026年2月的逐笔贷款信息。这一数据源常被用于构建汽车贷款池的信用风险模型，通过分析借款人特征、贷款期限、余额分布等字段，研究者能够精准刻画贷款组合的违约概率与损失分布。同时，它也是测试现金流分层技术与证券评级方法论的理想样本，推动着结构化金融产品定价理论的实证验证。

解决学术问题

该数据集解决了ABS市场中微观数据匮乏与透明度不足的长期困境。学术研究中，它使研究者得以摆脱对宏观汇总指标的依赖，直接检视逐笔贷款的偿付行为与提前还款模式，从而评估发起人筛选标准与资产池同质化水平。通过解析XML格式披露的标准化字段，学界能够量化证券化过程中的信息摩擦，分析风险保留条款的实际效果，并检验信息不对称对评级准确性的干扰。这些贡献深化了对资产证券化机制中激励相容与道德风险问题的理解，为金融监管优化提供了实证依据。

衍生相关工作

基于该数据集衍生了多项标志性研究。部分工作利用其资产层面信息，实证分析了ABS投资者对贷款池异质性的定价反应，揭示了信息透明度的价值效应。另一些研究则聚焦于证券化链条中的风险传递，通过数据集中的违约时间序列，检验汽车贷款ABS对宏观经济冲击的敏感性。此外，有学者将其与发起人的财务数据结合，构建了衡量证券化动机与道德风险的理论模型，为后续关于金融中介与监管套利的研究奠定了基础。该数据集也催生了面向ABS信息披露质量的量化评估框架，促进了结构化金融领域实证方法的标准化创新。