DenyTranDFW/GM_Financial_Consumer_Automobile_Receivables_Trust_2021_2_1850024

GM金融消费者汽车应收账款信托2021-2数据集包含美国证券交易委员会（SEC）ABS-EE资产级别文件，针对CIK 1850024。数据集包含51个文件，均转换为Parquet格式，总大小为136.0 MB。报告期从2021年2月28日至2025年4月30日。数据从XML展品中提取，并按登记号和无短划线展品名称组织。文件索引提供了每个文件的CIK、表格类型、登记号、报告日期和URL等详细信息。SEC ABS-EE asset-level filings for CIK 1850024 (GM Financial Consumer Automobile Receivables Trust 2021-2). The dataset includes 51 filings converted into Parquet files, totaling 136.0 MB. The reporting period spans from 2021-02-28 to 2025-04-30. Data is extracted from XML exhibits and organised by accession number and exhibit name. The filing index provides details such as CIK, form type, accession number, report date, and URL for each filing.

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（资产支持证券电子化申报）系统，聚焦于GM Financial Consumer Automobile Receivables Trust 2021-2（CIK编号1850024）的资产层级申报信息。数据集通过提取XML附件中的贷款层级数据构建而成，共收录51份申报文件，以Parquet格式存储，总容量达136.0 MB。每份文件按访问编号（accession number）与展品名称（exhibit name）组织为独立路径，资产层级XML中的报告期末日期（reportingPeriodEndingDate）被用于推导每个时间节点的数据，覆盖从2021年2月至2025年4月的完整报告周期。

特点

该数据集的核心特征在于其精细的资产层级粒度与时间序列完整性，提供了GM Financial 2021-2汽车应收账款信托在四年多期间内逐月的贷款层面表现数据。51个Parquet文件各自对应一份SEC申报，支持结构化查询与高效分析。数据源自官方监管申报，保证了来源的可靠性与标准化，尤其适合用于资产证券化领域的风险建模、表现追踪和违约预测研究。数据集遵循GPL许可证，促进了学术与工业界的开放利用。

使用方法

用户可通过标准数据处理库（如Pandas）加载Parquet文件进行探索性分析，利用文件名中的日期信息构建时间面板数据。每个文件的目录结构（{accession_nodash}/{exhibit_name}.parquet）便于按申报批次或展品类型筛选数据。推荐结合SEC EDGAR索引或原始XML源文件进行交叉验证，以深入理解资产池的动态变化。对于批量处理，可遍历所有Parquet文件并合并为统一DataFrame，随后进行统计建模或可视化，适用于ABS市场研究、信贷风险评估及监管合规分析等场景。

背景与挑战

背景概述

资产支持证券（ABS）作为现代金融体系中重要的结构化融资工具，其透明度和风险评估依赖于底层资产层面的详细数据。GM Financial Consumer Automobile Receivables Trust 2021-2数据集由SEC ABS-EE（资产支持证券电子化数据）项目提供，CMI编号为1850024，由美国证券交易委员会（SEC）监管披露，旨在追踪通用汽车金融公司（GM Financial）发行的汽车贷款应收款信托的资产表现。该数据集创建于2021年，收录了从2021年2月至2025年4月期间共51份月度资产层面XML申报文件，总数据量达136.0 MB，以Parquet格式高效存储。其核心研究问题聚焦于汽车贷款应收款的违约率、提前偿付及资产池的信用质量演变，为金融监管和学术研究提供了宝贵的微观数据基础，对推动ABS市场透明度和风险评估模型的改进具有显著影响力。

当前挑战

该数据集应对的核心领域挑战在于资产支持证券市场长期存在的透明度不足与信息不对称问题，使得投资者难以对底层贷款风险进行精细化评估，例如预测违约集聚和现金流波动。在构建过程中，面临的首要挑战是从SEC XML展品中提取标准化的贷款级别数据，需处理不同批次申报文件间的字段不一致性和数据缺失；此外，由于数据跨越四年且涉及51次时效性申报，如何确保数据的时间序列连贯性并校正报告日期差异构成了另一重障碍；最后，将非结构化的XML内容转换为结构化的Parquet文件并维护其完整性和压缩效率，也是实现数据集可用性的关键瓶颈。

常用场景

经典使用场景

在资产证券化（ABS）研究领域，GM Financial Consumer Automobile Receivables Trust 2021-2数据集为剖析汽车贷款支持证券的结构化融资机制提供了关键素材。该数据集囊括2021年2月至2025年4月间共51份SEC ABS-EE备案文件，以Parquet格式呈现逐笔贷款层面的资产级数据，涵盖从发行到存续期间完整的还款表现与资产池动态演变信息。研究者可借助这些精细颗粒度的微观数据，构建贷款违约预测模型、探究提前偿付行为模式，并评估不同信用评级档次证券的风险收益特征，从而深入理解汽车ABS产品的现金流分配规律与结构化设计逻辑。

衍生相关工作

该数据集衍生出一系列深化结构化金融分析的前沿工作。研究者基于其逐笔贷款数据，开发了融合机器学习的资产池现金流预测模型，显著提升了压力情景下回收率估算的准确性。另有一些工作聚焦于构建多层次信用风险传导图网络，分析单一贷款违约对证券化产品各层级信用事件的连锁效应。此外，结合自然语言处理技术从备案文件中提取非结构化信息，催生了将文本特征纳入ABS风险定价体系的创新方法论，拓展了传统量化分析框架的边界。

数据集最近研究

最新研究方向

在资产支持证券（ABS）领域，该数据集作为SEC ABS-EE监管框架下的标准化资产级披露范例，为汽车贷款证券化产品的风险建模与绩效追踪提供了长达四年（2021-2025）的月度逐笔贷款粒度数据。当前研究聚焦于利用该数据集追溯新冠疫情后汽车信贷市场的波动轨迹，结合美联储加息周期与汽车价格波动，量化早偿率、违约率及回收率等核心参数的结构性演变。特别地，2024年以来美国消费者债务压力的攀升使得该数据成为分析次级汽车贷款风险暴露的关键窗口，通过对比同系列信托产品的历史偿付表现，学者正构建基于机器学习的违约预警模型以评估资产池信用质量的下行风险。该数据集的持续披露不仅推动了ABS市场透明化进程，还为监管科技（RegTech）在结构化金融中的创新应用提供了宝贵的训练资源。