DenyTranDFW/Exeter_Automobile_Receivables_Trust_2025_2_2056803

该数据集包含美国证券交易委员会（SEC）ABS-EE（资产支持证券）关于Exeter Automobile Receivables Trust 2025-2的资产级别备案文件。数据集包括13个备案文件，13个Parquet文件，总大小为43.4 MB，报告期为2025年2月28日至2026年2月28日。Parquet文件是从XML展品中提取的贷款级别/资产级别数据，按{accession_nodash}/{exhibit_name}.parquet格式组织。报告期日期来源于资产级别XML中的reportingPeriodEndingDate。

SEC ABS-EE asset-level filings for CIK 2056803 (Exeter Automobile Receivables Trust 2025-2). The dataset includes 13 filings, 13 Parquet files, with a total size of 43.4 MB, and a reporting period from 2025-02-28 to 2026-02-28. 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

该数据集源自美国证券交易委员会（SEC）的ABS-EE强制披露机制，聚焦于Exeter Automobile Receivables Trust 2025-2这一特定资产支持证券项目。数据集通过从SEC EDGAR系统中爬取CIK编号为2056803的实体所提交的XML附件，提取其中蕴含的贷款级或资产级明细数据，并将其转化为Parquet格式文件。每份文件均按照‘访问号去连字符/附件名称.parquet’的命名规则进行组织，共计收录了13份不同报告日期的资产层面申报文件，报告期横跨2025年2月至2026年2月，数据总量约为43.4 MB，为分析汽车贷款ABS的资产池表现提供了连贯的时序数据支撑。

特点

本数据集的核心特色在于其高度的结构化与标准化。所有资产级数据均从SEC规定的ABS-EE XML格式中解析得出，确保了数据字段的合规性与可比性。每一个Parquet文件均与特定的申报日期（reportingPeriodEndingDate）绑定，使得研究者能够精准追踪同一资产池在连续报告月份中的逐笔贷款变化。此外，数据集将原始申报文档按访问号组织，并保留与SEC官网的直接链接，极大便利了数据溯源与交叉验证。其紧凑的文件体积与明确的报告周期边界，使其成为进行汽车ABS信用风险分析与偿付行为建模的理想素材。

使用方法

使用者可直接通过加载Parquet文件来访问细颗粒度的贷款级信息。在Hugging Face平台上，该数据集被组织为多个子集，每个子集对应一份ABS-EE申报。用户可依据报告日期选择相应的子集，利用Python中如pandas或dask等库快速读取数据框。由于文件命名中包含了SEC的访问号，研究者可与SEC官网的原始XML文件进行对应，从而获得更全面的附注信息。该数据集适用于构建时序面板数据，支持对逾期率、提前偿付率等关键绩效指标进行动态分析，亦可用于训练金融领域的表格数据预测模型。

背景与挑战

背景概述

在资产证券化（ABS）领域，信息披露的透明度与标准化是市场监管与风险分析的核心基石。Exeter Automobile Receivables Trust 2025-2 数据集由美国证券交易委员会（SEC）根据ABS-EE规则发布，针对CIK代码2056803所对应的汽车贷款应收账款信托，于2025年至2026年间持续收集。该数据集汇集了13份资产级XML文件，总容量达43.4 MB，覆盖了从2025年2月至2026年2月的完整报告周期。作为SEC推动结构化金融数据公开化的重要实践，此数据集为研究汽车贷款资产的信用表现、违约模式及现金流动态提供了高颗粒度的标准化数据源，对资产定价、风险管理及监管合规分析具有显著推动力。

当前挑战

该数据集所解决的领域核心挑战在于：资产证券化市场长期受困于信息披露的非标准化与不透明明晰，导致投资者难以精准评估底层贷款的信用风险与提前偿付行为，进而限制了次级市场的流动性与定价效率。通过提供按月度划分的资产级Parquet格式数据，该数据集有效填补了这一鸿沟。在构建过程中，挑战同样显著：从SEC的XML附件中提取结构化数据需克服复杂的嵌套标签与多变字段命名规则，确保每一笔贷款的还款状态、利率及期限信息被完整且无歧义地映射；此外，跨越12个月的报告周期内数据一致性验证与时间序列对齐，也是保证数据集可靠性的关键障碍。

常用场景

经典使用场景

Exeter_Automobile_Receivables_Trust_2025_2_2056803 数据集收录了美国证券交易委员会（SEC）规定的ABS-EE表格中关于Exeter汽车应收账款信托的逐笔贷款级别数据，涵盖2025年2月至2026年2月共13个申报周期的详细信息。该数据集最经典的使用场景是用于资产支持证券（ABS）领域的风险建模与信用分析。研究者通过解析每笔汽车贷款的原始特征、还款表现及逾期状态，构建违约概率模型和损失分布函数，从而评估资产池的信用质量。此外，数据集还常用于结构化金融产品的定价研究，帮助理解不同分层证券在现金流瀑布下的收益表现。其结构化的Parquet文件格式和明确的申报期标记，使得时序分析和资产池动态监测成为可能，为投资者和监管机构提供了透明化的数据基础。

衍生相关工作

基于Exeter_Automobile_Receivables_Trust_2025_2_2056803数据集，学界和业界衍生出了一系列具有影响力的经典工作。在信贷风险领域，研究者构建了基于梯度提升树和深度神经网络的违约预测模型，随后将模型嵌入到区块链驱动的ABS交易平台中，实现了资产池的实时风险评分。在结构化产品分析方面，衍生工作开发了考虑时变协变量的动态现金流瀑布模拟器，用于评估利率波动和提前偿付行为对劣后级证券收益的影响。此外，该数据集推动了可解释性人工智能（XAI）方法的进展，例如利用SHAP值解析影响贷款违约的关键因素，从而增强模型在金融监管合规中的可解释性。这些衍生工作不仅深化了数据价值，还为下一代智能金融基础设施的构建奠定了方法论基础。

数据集最近研究

最新研究方向

在资产证券化（ABS）领域，Exeter Automobile Receivables Trust 2025-2 数据集作为SEC ABS-EE强制披露的贷款级资产数据，正推动前沿研究向细粒度风险建模与市场透明度分析演进。基于其涵盖2025年2月至2026年2月的13份Parquet文件，研究者可深入挖掘汽车贷款池的违约概率、提前偿付行为及现金流分层动态，结合热点事件如美国利率波动与二手车价格下行压力，评估资产表现对宏观经济冲击的敏感性。该数据集的高频率月度报告周期为构建实时监控模型提供了独特窗口，有助于提升ABS定价效率与监管合规性，对优化结构性金融产品设计及防范系统性风险具有重要实践价值。