DenyTranDFW/World_Omni_Automobile_Lease_Securitization_Trust_2021_A_1863708

该数据集包含美国证券交易委员会（SEC）ABS-EE资产级别文件，具体针对World Omni Automobile Lease Securitization Trust 2021-A（CIK 1863708）。数据集包含31个Parquet格式的文件，总大小为77.6 MB，这些文件是从XML展品中提取的贷款级别/资产级别数据，并按{accession_nodash}/{exhibit_name}.parquet的方式组织。报告期日期来源于资产级别XML中的reportingPeriodEndingDate字段。

SEC ABS-EE asset-level filings for CIK 1863708 (World Omni Automobile Lease Securitization Trust 2021-A). The dataset includes 31 Parquet files totaling 77.6 MB, which 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（资产支持证券电子化报告）体系，专门收录World Omni Automobile Lease Securitization Trust 2021-A（CIK编号1863708）的资产层级申报文件。数据集共包含31份申报文件，每份文件均以Parquet格式存储，这些Parquet文件是从XML展品中提取的贷款层级或资产层级数据，并按照'accession_nodash/exhibit_name.parquet'的命名规则进行组织。此外，数据集中的报告周期日期（reportingPeriodEndingDate）均来自资产层级XML文件，确保了时间信息的准确提取。

特点

本数据集的核心特点在于其与SEC官方ABS-EE申报系统的深度关联，所有数据均直接来源于SEC EDGAR数据库，具备高度的权威性和可溯源性。数据以Parquet这一高效的列式存储格式呈现，便于大规模数据处理和分析。数据集覆盖了从2021年至2023年间的31个不同申报时间节点，展现了资产池在多个报告周期内的动态变化。同时，每个申报文件均附带了对应的SEC档案访问链接（accessionNumber和url），便于用户追溯原始申报文档。

使用方法

用户可直接通过编程方式加载数据集中的Parquet文件进行资产证券化相关的分析与研究。推荐使用Python环境中的pandas或polars等数据处理库读取.parquet文件，进而对贷款层级的各项指标进行统计分析、风险建模或资产表现评估。此外，用户还可利用filing index中的accessionNumber和url字段，便捷地跳转至SEC EDGAR平台查阅原始XML申报文件，实现数据集与原始资料的交叉验证。该数据集适用于金融科技、资产证券化研究及监管科技等领域的学术与实践探索。

背景与挑战

背景概述

该数据集聚焦于World Omni Automobile Lease Securitization Trust 2021-A，作为资产支持证券（ABS）领域的重要数据资源，由美国证券交易委员会（SEC）依据ABS-EE监管要求披露。数据集创建于2021年，涵盖CIK编号1863708对应的信托实体，其核心研究问题在于通过结构化的资产层级数据（以Parquet格式存储），揭示汽车租赁贷款证券化过程中的风险分布与现金流模式。作为金融科技与结构化金融交叉研究的基础素材，该数据集为学者与从业者提供了31份原始XML文件转化而来的精细数据，推动了证券化产品透明度的提升，并在资产定价、违约预测及监管合规分析等领域展现出显著影响力。

当前挑战

该数据集所解决的领域问题核心在于资产支持证券的信息不对称性——市场参与者长期面临资产池数据分散、格式异构及披露不充分的困境，导致风险定价失真。具体挑战包括：1) 从非结构化的XML监管申报文件中高效提取并标准化资产层级信息，需处理复杂多变的标签体系与日期对齐问题；2) 数据集构建需应对SEC申报的时序性，确保31期文件之间的数据连续性及报告基准日期（reportingPeriodEndingDate）的精准映射；3) 数据质量方面，需验证每笔贷款字段的完整性及跨文件逻辑一致性，以支撑后续的信用风险建模与压力测试分析。

常用场景

经典使用场景

在资产证券化研究领域，World Omni Automobile Lease Securitization Trust 2021-A数据集堪称汽车租赁抵押证券（ABS）分析的典范资源。该数据集收录了该信托从2021年至2023年间向美国证券交易委员会（SEC）提交的共计31份ABS-EE表格，每一份文件均包含详尽的资产层级贷款数据，并经过标准化处理以Parquet格式存储。研究者可借此深入剖析单一汽车租赁贷款池的逐月表现，追踪诸如逾期率、提前还款率、损失分布等关键指标，从而构建动态的信用风险评估模型。数据集提供的高频次、细粒度信息披露，使其成为研究资产池异质性、现金流结构稳定性以及宏观经济波动对汽车ABS影响的理想数据基础。

解决学术问题

该数据集精准回应了金融学术领域在资产支持证券透明度与微观结构研究中的核心诉求。长期以来，受制于公开数据匮乏，学者难以对特定ABS产品的内部资产池进行细致入微的定量分析。World Omni Automobile Lease Securitization Trust 2021-A数据集通过提供超过31个报告周期的资产级别数据，有效破解了信息不对称难题，为研究信息披-露质量、证券设计动机、信用评级准确性及投资者定价行为等议题提供了实证依据。其深远意义在于，这种公开、结构化的数据范式推动了对资产证券化市场运作机制的重新审视，进而助力监管机构优化信息披露规则，降低系统性风险。

衍生相关工作

基于World Omni Automobile Lease Securitization Trust 2021-A数据集的开放特性，一系列衍生研究工作应运而生。最典型的成果包括以该数据集为代表的ABS-EE资产级信息整合工具，如将多期XML数据自动解析为结构化Parquet文件，极大便利了后续的时间序列分析与跨产品比较。学术界与业界还以此为基础，开发了专用于汽车ABS的违约预测模型及证券化信用利差分解方法。此外，该数据集常被作为基准测试集，用于评估不同机器学习算法在预测贷款早偿与损失分布上的表现，从而推动了计算金融学在结构化产品领域的深入应用。