DenyTranDFW/Ford_Credit_Auto_Lease_Trust_2025_A_2048913

该数据集包含SEC ABS-EE资产级别备案数据，具体针对CIK 2048913（Ford Credit Auto Lease Trust 2025-A）。数据集包含17个备案文件，17个Parquet文件，总大小为38.1 MB。Parquet文件是从XML展品中提取的贷款级别/资产级别数据，按照{accession_nodash}/{exhibit_name}.parquet的方式组织。报告期日期来源于资产级别XML的reportingPeriodEndingDate。

SEC ABS-EE asset-level filings for CIK 2048913 (Ford Credit Auto Lease Trust 2025-A). The dataset includes 17 filings, 17 Parquet files, with a total size of 38.1 MB. Parquet files are loan-level / asset-level data extracted from XML exhibits, organised as {accession_nodash}/{exhibit_name}.parquet. Reporting-period dates are derived from the asset-level XML (reportingPeriodEndingDate).

搜集汇总

数据集介绍

构建方式

该数据集聚焦于福特汽车自动租赁信托2025-A（Ford Credit Auto Lease Trust 2025-A），其构建基于美国证券交易委员会（SEC）ABS-EE资产级备案文件。数据来源于CIK编号2048913对应的公开披露信息，共计17份备案，被转换为17个Parquet格式文件，总容量达38.1 MB。每份文件从XML展品中提取贷款级或资产级数据，组织方式为{accession_nodash}/{exhibit_name}.parquet，且通过资产级XML中的reportingPeriodEndingDate字段导出报告期日期，确保了时间维度的可追溯性。

使用方法

用户可通过直接加载Parquet文件来使用本数据集，推荐使用Python的pandas库（pd.read_parquet）或Apache Spark等大数据处理工具。由于文件按备案编号和展品名称分目录存储，分析时需按需遍历特定accession目录下的.parquet文件。为还原完整资产生命周期，建议将各文件基于reportingPeriodEndingDate进行合并或对齐。对于需要增量更新的用户，可定期检查SEC官网新增备案，并利用数据集提供的URL模板下载最新XML展品后自行转换为Parquet格式。

背景与挑战

背景概述

福特信贷汽车租赁信托2025-A（Ford Credit Auto Lease Trust 2025-A）是证券化市场中一项重要的资产支持证券（ABS）产品，由福特汽车信贷公司于2025年发起，并通过美国证券交易委员会（SEC）的ABS-EE电子化申报系统披露资产级数据。该数据集聚焦于汽车租赁贷款池的微观层面，核心研究问题在于通过细颗粒度的贷款逐笔信息，揭示汽车租赁ABS的风险特征与现金流表现。数据集共包含17份申报文件与17个Parquet文件，总容量38.1 MB，为金融科技、风险管理及监管科技领域提供了标准化的结构化数据资源。其发布填补了公开ABS资产级数据集的稀缺性，推动了量化分析和机器学习在结构化金融产品定价与违约预测中的应用。

当前挑战

该数据集面临的核心挑战在于所解决的领域问题：汽车租赁ABS市场长期缺乏透明、细粒度的资产级数据，导致投资者难以评估基础资产池的信用风险与提前偿付行为，传统依赖评级机构主观判断的模式存在信息不对称。构建过程中的挑战则体现在：XML格式的资产级附表需经由精密解析提取为结构化Parquet文件，期间需处理字段映射、缺失值与日期格式不一致等问题；同时，跨不同申报期的数据需通过`reportingPeriodEndingDate`字段实现时间序列对齐，而SEC申报中可能存在的重复或遗漏文件（如部分展品缺失）为数据清洗和信息聚合增加了复杂性，保障数据完整性与可复现性成为关键难点。

常用场景

经典使用场景

福特信贷汽车租赁信托2025-A数据集以SEC ABS-EE监管申报文件为核心，汇聚了17份Parquet格式的资产级贷款数据，总容量达38.1 MB。在资产证券化研究领域，该数据集常被用于解析汽车租赁贷款池的微观结构，通过提取每笔贷款的还款期限、利率、信用评分及车辆残值等特征，构建违约风险预测模型。

解决学术问题

该数据集核心解决了资产证券化领域中信息披露不透明与风险评估粒度粗糙的学术困境。传统研究多依赖聚合级数据，难以捕捉单笔贷款异质性对证券化产品现金流的影响。通过提供标准化的XML解析后资产级数据，学者能够量化租赁贷款违约关联性，并验证抵押品价值波动对信用增级结构的冲击，为金融监管中强制披露ABS-EE格式的合理性提供了实证支持。

实际应用

在实际应用中，该数据集为金融机构与监管机构提供了压力测试的精细化工具。投资银行可基于贷款级提前还款与违约历史数据，优化汽车租赁ABS的定价模型；信用评级机构能动态评估不同经济情景下的证券分层损失分布；而监管方则能通过追踪贷款池绩效指标，监测系统性风险累积，提升对影子银行体系的预警能力。

数据集最近研究

最新研究方向

在资产证券化（ABS）领域，Ford Credit Auto Lease Trust 2025-A数据集聚焦于SEC ABS-EE监管框架下的汽车租赁贷款层级微观数据，为结构化金融产品的风险建模与透明度研究提供了关键支撑。前沿方向涵盖基于Parquet格式的逐笔贷款级数据清洗与标准化，以支持违约预测、提前偿付行为分析及现金流压力测试。结合当前美国汽车金融市场的利率波动与信用风险演变，该数据集可用于验证宏观冲击对租赁资产池表现的动态影响，推动机器学习驱动的资产池分层与信用评级优化，从而增强ABS市场的定价效率与监管合规能力。