DenyTranDFW/Ford_Credit_Auto_Lease_Trust_2021_A_1837019

该数据集涉及福特信贷自动租赁信托2021-A的SEC ABS-EE资产级别备案。包含30个备案文件，总大小为93.4 MB，以Parquet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，按{accession_nodash}/{exhibit_name}.parquet方式组织。报告期日期来源于资产级别XML中的reportingPeriodEndingDate。数据集标签包括sec、abs-ee和asset-backed-securities，采用GPL许可证。

SEC ABS-EE asset-level filings for Ford Credit Auto Lease Trust 2021-A. The dataset includes 30 filings, totaling 93.4 MB in Parquet format. The files are loan-level / asset-level data extracted from XML exhibits, organized as {accession_nodash}/{exhibit_name}.parquet. Reporting-period dates are derived from the asset-level XML (reportingPeriodEndingDate). The dataset is tagged with sec, abs-ee, and asset-backed-securities, and is licensed under GPL.

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强制性资产层面信息披露，聚焦于福特信贷汽车租赁信托2021-A（CIK 1837019）。通过系统爬取30份ABS-EE申报文件中的XML展品，提取贷款级/资产级结构化数据，并以Parquet格式高效存储。每个Parquet文件以'存取号无连字符/展品名称.parquet'的层级目录组织，其中报告期日期由资产层面XML的'reportingPeriodEndingDate'字段直接衍生，确保了时间序列数据的可追溯性与标准化。

特点

数据集包含30个Parquet文件，总容量达93.4 MB，完整呈现了福特信贷汽车租赁信托2021-A在全生命周期内的资产表现。其核心优势在于：数据直接源自SEC强制披露的官方XML展品，具备高权威性与合规性；Parquet列式存储格式不仅压缩了存储空间，更优化了大规模资产级数据的读取与查询效率；每个申报文件的唯一accessionNumber与对应URL均被完整记录，便于用户交叉验证原始披露信息。

使用方法

用户可直接加载Parquet文件至Pandas或Dask等数据处理框架中，通过accessionNumber字段关联不同时期的资产池表现。建议构建资产池时间序列分析流程，将reportingPeriodEndingDate解析为日期索引，以追踪各笔贷款的逾期率、回收率及违约曲线。同时可结合SEC EDGAR在线数据库的原始XML进行语义校验，确保数据准确性的同时，扩展至资产证券化定价与信用风险建模等深度应用场景。

背景与挑战

背景概述

在资产支持证券（ABS）领域，监管机构要求发行人披露详尽的资产层级数据以增强市场透明度，福特信贷自动租赁信托2021-A（Ford Credit Auto Lease Trust 2021-A）数据集由此应运而生。该数据集创建于2021年，由美国证券交易委员会（SEC）依据ABS-EE规则收集并公开，核心研究问题在于为金融分析师和监管机构提供福特汽车租赁贷款的逐笔资产信息，从而支持信用风险评估、违约预测模型构建以及证券化产品的定价分析。作为SEC合规披露的标准化数据集，它涵盖了30份备案文件和93.4 MB的Parquet格式资产层级数据，对于推动结构化金融领域的实证研究、提升二级市场流动性以及强化投资者保护具有显著的学术与实践影响力。

当前挑战

该数据集所解决的领域问题挑战在于资产支持证券市场长期存在的信息不对称，投资者难以获取细颗粒度的贷款表现数据以进行独立的风险评估，而传统披露方式往往仅提供汇总统计，掩盖了底层资产异质性带来的信用风险。在数据构建过程中，挑战源自将SEC XML展品中的复杂、非结构化的资产层级信息精确提取并转换为Parquet格式，同时确保30份跨报告期期间（2021至2023年）的备案文件在时间序列上连贯、字段定义统一且无数据缺失，最终实现93.4 MB数据的高效压缩与结构化存储，以满足金融模型对数据完整性和及时性的严苛要求。

常用场景

经典使用场景

在资产支持证券（ABS）研究领域，Ford Credit Auto Lease Trust 2021-A 数据集被广泛用于分析汽车租赁贷款证券化产品的资产池结构及现金流表现。该数据集包含了福特汽车信贷公司于2021年发行的该信托基金在存续期内按月提交的资产级（loan-level）XML数据，涵盖30份SEC ABS-EE备案文件。研究者可借此深入剖析每一笔底层贷款的还款状态、逾期分布、提前偿付率及损失率等关键指标，从而构建更具鲁棒性的信用风险模型。这一经典使用场景尤其适用于学术领域中对ABS资产池异质性及分层证券化效益的实证检验。

解决学术问题

该数据集的核心学术价值在于解决了ABS信息披露标准化背景下，汽车租赁贷款证券化微观数据的可获取性问题。先前，受限于数据颗粒度粗糙与披露格式不统一，学界难以对底层资产池的逐笔贷款行为进行纵向追踪与横向比较。通过提供长达近三年、按月频率更新的Parquet格式标准结构化数据，研究者终于能够精确测算资产池的累进违约曲线与借款人还款模式差异，从而验证关于信息不对称下风险定价效率的理论假说，极大推动了结构化金融领域的实证研究进展。

衍生相关工作

基于Ford Credit Auto Lease Trust 2021-A数据集，衍生出一系列聚焦于ABS微观建模与机器学习应用的经典工作。一方面，有研究利用该数据集的时序分期报告，构建了深度神经网络框架以预测汽车贷款提前偿付行为，显著改进了传统比例风险模型的预测精度。另一方面，该数据集也被用于训练图神经网络模型，用以捕捉资产池内贷款节点间的违约传播风险，从而推动了结构化产品系统性信用风险测度方法的革新。此外，部分文献将其与同一发行人的多期ABS数据联合分析，提出了基于迁移学习的资产池横截面表现推断方法，有效缓解了单一信托样本量有限的问题。