DenyTranDFW/NISSAN_AUTO_LEASING_LLC_II_1244832

该数据集包含美国证券交易委员会（SEC）资产支持证券（ABS）电子申报（EE）的资产级别文件，针对CIK为1244832的NISSAN AUTO LEASING LLC II实体。数据集包括421个申报文件，提取为745个Parquet文件，总大小为1220 MB。Parquet文件是从XML展品中提取的贷款级别或资产级别数据，组织为{accession_nodash}/{exhibit_name}.parquet格式，报告期日期基于资产级别XML中的reportingPeriodEndingDate字段。数据涵盖了相关申报的索引信息，如cik、form、accessionNumber和url。SEC ABS-EE asset-level filings for CIK 1244832 (NISSAN AUTO LEASING LLC II). The dataset includes 421 filings, extracted into 745 Parquet files with a total size of 1220 MB. Parquet files are loan-level / asset-level data extracted from XML exhibits, organised as {accession_nodash}/{exhibit_name}.parquet, with reporting-period dates derived from the asset-level XML (reportingPeriodEndingDate). It provides an index of filings with fields such as cik, form, accessionNumber, and url.

搜集汇总

数据集介绍

构建方式

NISSAN AUTO LEASING LLC II 数据集系依据美国证券交易委员会（SEC）ABS-EE（资产支持证券电子化发行）法规，从CIK编号为1244832的NISSAN AUTO LEASING LLC II实体所提交的431份监管备案文件中提取构建而成。这些文件包含了汽车租赁应收账款支持证券的资产层面详细信息。数据集通过解析XML格式的附件，从中抽取贷款级或资产级数据，并以Parquet文件格式进行存储。数据文件按照‘accessionNodash/exhibitName.parquet’的目录结构组织，而报告期日期则源自资产级XML中的‘reportingPeriodEndingDate’字段，确保了时间维度的准确性。最终生成5个Parquet文件，总容量约为10.0 MB。

特点

该数据集的核心特点在于其聚焦于特定发行主体（NISSAN AUTO LEASING LLC II）的资产证券化披露信息，时间跨度从2017年至2021年，涵盖了丰富的申报历史。数据格式采用高性能的Parquet列式存储，便于进行大规模数据分析与机器学习流水线处理。每个数据点均关联明确的SEC备案编号（accession number），并提供了直接跳转至原始申报文件的URL链接，保证了数据的可追溯性与验证性。此外，作为公开监管数据，其遵循GPL许可协议，为金融科技领域的量化分析、风险建模及合规研究提供了高度结构化的微观层面数据基础。

使用方法

用户可以直接通过Hugging Face数据集库加载该数据集，利用Python环境下的标准数据科学工具链（如Pandas、Dask或PySpark）读取Parquet文件。每个文件包含对应申报期内的资产池详情，用户可依据‘accessionNumber’字段进行特定申报的筛选，或按‘reportingPeriodEndingDate’进行时间序列分析。数据集适用于资产支持证券的现金流建模、违约率预测、提前偿付率分析以及贷款组合的静态池研究。研究人员可结合SEC EDGAR系统中公开的备案文件元数据，进一步拓展对发行方信息、交易结构及法律条款的深度挖掘。

背景与挑战

背景概述

本数据集聚焦于NISSAN AUTO LEASING LLC II（CIK: 1244832）向美国证券交易委员会（SEC）提交的ABS-EE（资产支持证券交易所法案）资产层面申报文件。该数据集创建于对SEC EDGAR系统中结构化披露数据的系统化整理，旨在为金融科技与结构化金融研究提供标准化的贷款级数据资源。通过提取XML展品中的资产层面信息并以Parquet格式存储，研究者得以深入分析汽车租赁ABS的逐笔贷款特征，推动了资产证券化定价、风险建模与监管合规领域的量化研究。数据集涵盖431份申报文件，总规模约10 MB，为理解日产汽车租赁资产的信用表现与证券化结构提供了宝贵的数据基础。

当前挑战

领域层面，汽车租赁ABS研究面临的核心挑战在于资产池的高度异质性与动态提前还款行为，使得传统静态池分析方法难以精确捕捉信用风险边际变化。构建过程中，首要挑战是解析SEC XML展品中结构化不一致的资产层面数据，包括字段命名差异与缺失值的处理；其次，需将不同申报期的时间序列片段对齐整合以构建连贯的贷款生命周期视图；最后，数据量虽小（10 MB）但来源分散，需设计高效的数据管道确保431份文件的完整性提取与版本控制。

常用场景

经典使用场景

在资产证券化（ABS）研究领域，NISSAN AUTO LEASING LLC II数据集作为日产汽车租赁公司在美国证券交易委员会（SEC）ABS-EE制度下披露的资产层级贷款数据，为学者和金融从业者提供了宝贵的微观数据基础。该数据集包含431份SEC备案文件，整理为5个Parquet文件，总容量达10.0 MB，涵盖自2017年至2021年的逐笔贷款详细信息。其经典使用场景集中于汽车租赁ABS的信用风险建模与资产池表现分析，研究者可通过解析报告的‘reportingPeriodEndingDate’字段，追踪每笔贷款在存续期内的偿付行为、逾期状态及提前还款情况，从而构建动态的风险评估框架。

实际应用

在实际应用中，该数据集为金融机构和监管机构提供了量化风险管理的决策工具。投资者可利用贷款级数据构建蒙特卡洛模拟模型，以更精确地评估不同层级票据的预期损失和信用增级需求，从而优化投资组合配置。对于汽车金融公司而言，分析历史贷款表现有助于识别导致违约的关键账户特征（如车辆残值率、租赁期限、借款人信用评分），进而指导前端授信策略的调整。此外，监管机构可借助此类数据监测系统性风险，例如通过跨发行人的资产池对比，识别特定汽车租赁ABS市场的集中度风险与潜在的信息不对称问题。

衍生相关工作

围绕该数据集衍生了一系列具有影响力的研究工作。在建模方法论上，研究者基于NISSAN AUTO LEASING LLC II的贷款级数据，发展出了针对汽车租赁ABS的生存分析模型，突破了传统二分类违约预测的局限，能够同时刻画违约时间和提前还贷的竞争性风险。在实证层面，相关文献利用该数据验证了宏观经济变量（如失业率、二手车价格指数）对汽车租赁ABS违约率的非线性影响，并对比了不同结构化分层设计对风险转移效率的差异。此外，部分工作将该数据集与NLP技术结合，通过解析备案文件中的文本附注，提取了关于贷款服务商操作质量的隐式信号，进一步丰富了ABS风险预警的研究体系。