DenyTranDFW/GS_Mortgage_Securities_Trust_2021_GSA3_1895116

该数据集涉及GS Mortgage Securities Trust 2021-GSA3（CIK 1895116）的SEC ABS-EE资产级别申报文件。内容包括申报文件数量（39个）、Parquet文件数量（104个）、总大小（4.5 MB）以及报告期（2021-12-13至2026-02-11）。Parquet文件是从XML展品中提取的贷款级别/资产级别数据，按照{accession_nodash}/{exhibit_name}.parquet的格式组织。申报索引表列出了所有申报文件的详细信息，包括CIK、表格类型、申报编号、报告日期和URL。SEC ABS-EE asset-level filings for CIK 1895116 (GS Mortgage Securities Trust 2021-GSA3). The dataset includes 39 filings, 104 parquet files, with a total size of 4.5 MB, covering the reporting period from 2021-12-13 to 2026-02-11. Parquet files are loan-level / asset-level data extracted from XML exhibits, organised as {accession_nodash}/{exhibit_name}.parquet. The filing index provides details for each filing, including cik, form, accessionNumber, reportDate, and url.

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，针对GS Mortgage Securities Trust 2021-GSA3（CIK代码1895116）的资产层级申报文件进行系统性采集与整理。通过解析XML附件中的贷款层级数据，共提取39份申报文件，生成104个Parquet格式文件，总容量约4.5兆字节。数据以申报接入号（去连字符）和附件命名的双层级结构组织，形成清晰的资产级信息档案。报告周期自2021年12月13日延续至2026年2月11日，时间跨度完整覆盖了信托存续期间的关键时点，为深入分析资产池的动态演变提供了翔实的数据基础。

使用方法

用户可通过HuggingFace平台直接获取该数据集，文件以Parquet格式存放，适合使用Python的pandas或PyArrow库进行高效加载与查询。数据按`{accession_nodash}/{exhibit_name}.parquet`路径组织，便于按申报事件或附件来源进行切片分析。结合提供的申报索引表（含CIK、表单类型、报告日期及SEC官网链接），可便捷地将资产级数据与原始申报文件交叉验证。典型分析场景包括构建贷款级别的时间序列模型、计算加权平均信用指标，或评估特定证券化产品的资产质量演变。

背景与挑战

背景概述

GS Mortgage Securities Trust 2021-GSA3数据集收录了高盛抵押证券信托基金在2021年至2026年期间向美国证券交易委员会提交的ABS-EE（资产支持证券增强型电子化）表格文件。该数据集由SEC披露的EDGAR系统原始XML附件提取而来，包含39份申报文件、104个Parquet格式的逐笔贷款级数据文件，总容量为4.5 MB。作为资产支持证券领域结构化数据公开化的典型代表，该数据集为研究商业抵押贷款支持证券的底层资产池特征、现金流表现及违约风险提供了标准化、可量化的分析基础。数据集的时间跨度覆盖了新冠疫情后利率快速上升时期，对理解担保债务凭证结构与宏观经济波动的交互关系具有独特价值。

当前挑战

数据集面临的核心挑战在于资产级XML数据的高度异构性与标准化缺失。不同发行方提交的XML附件在字段命名、数据格式与粒度上存在显著差异，导致跨交易比较时需要耗费大量精力进行数据清洗与模式对齐。此外，SEC对于ABS-EE文件的披露要求虽有规范，但历史数据中时常出现缺失字段、异常编码或时间戳不一致等问题，增加了利用该数据集进行系统性风险建模的复杂性。长期跟踪过程中，需持续维护数据管道以应对EDGAR系统接口变动与新增申报文件的格式演化，这对自动化处理与质量保证机制提出了严苛要求。

常用场景

经典使用场景

在资产证券化领域，数据集的经典使用场景聚焦于对商业抵押贷款支持证券（CMBS）底层资产池的微观结构分析。该数据集收录了GS Mortgage Securities Trust 2021-GSA3自2021年12月至2026年2月期间共39份SEC ABS-EE备案文件，以Parquet格式存储了超过100个单笔贷款层面的结构化数据。研究者常利用其中蕴含的还款表现、利率变动与合同条款等信息，构建贷款违约预测模型或现金流剥离模型，从而深入解析CMBS产品的风险传导机制与信用评级内在逻辑。

解决学术问题

该数据集解决了资产证券化研究中长期存在的微观数据稀缺与透明度不足的难题。传统上，学者依赖汇总层面的公开披露难以精确刻画底层资产异质性，而该数据提供的高频贷款级时间序列（如月度还款状态与利率更新）使得动态风险度量、压力测试情景模拟及道德风险量化成为可能。其意义在于推动金融中介领域从宏观定性分析转向数据驱动的微观实证范式，为监管机构评估系统性风险、优化信息披露规则奠定了扎实证据基础。

实际应用

在实际应用中，该数据集主要服务于金融机构的风险管理与合规审计场景。投资银行可利用其贷款级数据验证内部模型对CMBS信用风险的预估偏差，从而优化资产组合缓释策略。评级机构依赖此类高频文本挖掘来校准评级方法中的参数假设。此外，量化交易团队基于池内贷款的利率与期限结构数据，可构建套利信号或对冲策略，用于衍生品定价与波动率曲面建模，实现从数据披露到金融市场决策的精准闭环。

数据集最近研究

最新研究方向

在资产证券化（ABS）领域，GS Mortgage Securities Trust 2021-GSA3数据集为深度剖析商业抵押贷款支持证券（CMBS）的微观结构提供了宝贵窗口。前沿研究聚焦于利用该数据集包含的39份ABS-EE（资产级电子化报告）及104个Parquet文件所记录的逐笔贷款数据，追踪从2021年底至2026年初长达五年的资产表现。这一时序档案使得学者能够探究疫情后商业地产信贷风险演化、抵押物价值波动与偿付优先级动态，并借助机器学习模型预测违约概率，提升了金融监管科技中资产透明度的实证分析能力。