DenyTranDFW/Ford_Credit_Auto_Lease_Trust_2025_B_2076811

该数据集包含福特信贷自动租赁信托2025-B（Ford Credit Auto Lease Trust 2025-B）的SEC ABS-EE资产级别备案数据。数据包括11个备案文件，总大小为24.9 MB，以Parquet文件格式存储。这些文件是从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。报告期日期来源于资产级别XML中的reportingPeriodEndingDate。

SEC ABS-EE asset-level filings for CIK **2076811** (Ford Credit Auto Lease Trust 2025-B). The dataset includes 11 filings with a total size of 24.9 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

在资产支持证券（ABS）领域，Ford_Credit_Auto_Lease_Trust_2025_B_2076811数据集的构建源于美国证券交易委员会（SEC）的ABS-EE强制性资产层面信息披露要求。该数据集以XML展品文件为原始数据源，通过系统化提取每份申报中的逐笔贷款或资产级别数据，将其转换为Parquet格式存储。每条记录以格式为“{accession_nodash}/{exhibit_name}.parquet”的组织路径存放，而报告期的日期则从资产层XML中的“reportingPeriodEndingDate”字段精准派生，形成了覆盖11份SEC申报文件、11个Parquet文件且总容量达24.9 MB的结构化资产数据仓库。

特点

该数据集的核心特色在于其高度精密的数据粒度和标准化结构。源自福特汽车租赁信托2025-B系列的全部11份申报文件均以ABS-EE表格形式提交，每份文件对应一个唯一的访问编号（accessionNumber）和SEC官方链接，确保了数据来源的可追溯性和权威性。Parquet格式的采用不仅实现了高效的存储与压缩，还支持列式存取，便于下游分析场景下的快速查询。资产层面的逐笔数据涵盖了完整的报告期信息，使得研究人员或市场参与者能够深入洞察该信托的资产池构成、信用表现及现金流模式。

使用方法

在使用Ford_Credit_Auto_Lease_Trust_2025_B_2076811数据集时，用户可通过遍历Parquet文件目录直接加载资产级别数据，并利用报告期日期字段进行时间序列分析。建议结合Python生态系统中的pandas或duckdb库对列式文件进行高效查询和聚合操作。数据集可直接与SEC EDGAR系统交互，通过filing index中的URL链接验证原始申报文本。适用于构建ABS信用风险模型、生成投资者报告或验证结构化产品的表现基准，尤其适合需要原始资产层面数据的深度量化分析场景。

背景与挑战

背景概述

资产支持证券（ABS）作为结构化金融产品的重要组成部分，其基础资产池的透明度和数据可获取性一直是学术界与业界关注的焦点。福特汽车租赁信托2025-B数据集由SEC针对ABS-EE（Asset-Level Electronic Filing）法规要求披露的资产级数据整理而成，创建于2025年，主要面向证券监管分析与结构化金融研究。该数据集聚焦于福特信贷汽车租赁信托（CIK: 2076811）的底层贷款表现，包含11份申报文件及其对应的Parquet格式资产级数据，总计24.9 MB。通过提取XML附件中的逐笔贷款信息并标注报告期日期，该数据集为评估汽车租赁ABS的信用风险、现金流动态及违约预测提供了结构化基础，对推动金融科技与实证资产定价研究具有重要价值。

当前挑战

该数据集所解决的领域问题核心在于提升资产支持证券市场的透明度和风险建模能力。传统ABS信息披露以文本摘要为主，底层资产池的异质性和细粒度数据缺失使得投资者难以准确评估信用风险。该数据集面临的挑战包括：1）跨申报文件的语义一致性，不同XML报表中字段命名与格式可能因时间或修改版本而产生差异，需通过标准化流程确保持续可比性；2）数据稀疏性与时间序列不连续性，部分报告期数据可能存在缺失或间隔，影响模型训练的完整性与时间维度的预测精度；3）构建过程中从非结构化XML提取资产级特征时，需处理复杂的嵌套结构与错位标签，防止信息失真或错配。

常用场景

经典使用场景

该数据集聚焦于福特汽车租赁资产支持证券（ABS）中2025-B系列的资产层面信息，作为结构化金融产品的典型代表，其核心价值在于为资产证券化领域的实证研究提供微观层面的数据基础。经典使用场景涵盖基于逐笔贷款或租赁合约的资产池表现分析，例如追踪逾期率、违约率、提前偿付率及回收率等关键信用指标的动态演化，从而评估资产支持证券的信用风险与现金流稳定性。

解决学术问题

在学术研究中，该数据集解决了资产证券化领域长期面临的资产级数据稀缺难题，使研究者能够深入剖析租赁型ABS的违约驱动因素与资产池异质性特征。它促进了关于信息不对称、信用评级准确性与结构性产品定价效率等经典问题的实证检验，为理解金融创新与风险传导机制提供了坚实的数据支撑，对完善资产证券化监管框架与风险模型具有理论启示意义。

衍生相关工作

围绕该数据集衍生了多项经典工作，主要包括构建基于机器学习的时间序列违约预测模型、开发租赁ABS特有的现金流瀑布模拟算法，以及设计披露质量评估指标以度量ABS-EE报告的透明度。此外，部分研究将其与同期其他ABS数据集结合，构建横向比较框架，探讨不同资产类别证券化的共性与差异，推动了结构化金融领域标准化的实证分析范式的形成。