DenyTranDFW/Nissan_Auto_Receivables_2023_B_Owner_Trust_1995403

该数据集包含针对CIK 1995403（日产汽车应收账款2023-B所有者信托）的美国证券交易委员会（SEC）ABS-EE资产级别申报文件。具体包括从XML展品中提取的贷款级别/资产级别数据，组织为Parquet文件格式，涵盖22个申报文件、24个Parquet文件，总大小为65.8 MB，报告周期从2023年10月31日至2026年2月28日。数据内容涉及资产支持证券（ABS）的资产级别信息，用于金融分析和监管目的。SEC ABS-EE asset-level filings for CIK 1995403 (Nissan Auto Receivables 2023-B Owner Trust). The dataset includes loan-level/asset-level data extracted from XML exhibits, organized as Parquet files, with 22 filings, 24 Parquet files, total size of 65.8 MB, and reporting period from 2023-10-31 to 2026-02-28. It covers asset-backed securities (ABS) information for financial analysis and regulatory purposes.

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资产层级申报文件，专为追踪Nissan Auto Receivables 2023-B Owner Trust（CIK编号1995403）的资产表现而构建。数据以Parquet格式存储，从XML展品中逐笔贷款提取，共包含24个文件，总容量65.8 MB，覆盖2023年10月至2026年2月的报告周期。每个文件按存取号去连字符后的标识与展品名称组织，报告期末日期源自底层XML中的reportingPeriodEndingDate字段，确保了数据的时间序列完整性。

使用方法

用户可通过HuggingFace数据集库直接加载，利用Python的pandas或Dask读取Parquet文件进行探索。数据集按存取号索引，可结合SEC官网链接获取原始XML上下文。针对时间序列分析，建议按reportDate排序后，聚焦于关键字段如贷款余额、利率、逾期状态等。对于批量处理，可遍历所有Parquet文件并合并为单一DataFrame，再按报告期末日期分组以计算资产池的汇总统计指标。

背景与挑战

背景概述

Nissan Auto Receivables 2023-B Owner Trust数据集由美国证券交易委员会（SEC）根据ABS-EE法规要求披露，创建于2023年，旨在提供日产汽车应收账款支持证券的资产级贷款数据。该数据集由SEC的EDGAR系统收录，核心研究问题聚焦于资产支持证券（ABS）市场的透明度和风险分析，通过分析22份申报文件中的24个Parquet文件（总大小65.8 MB），覆盖从2023年10月至2026年2月的报告周期。在金融科技与监管科技领域，该数据集为量化模型、违约预测和资产池绩效评估提供了标准化、机器可读的结构化数据，有力推动了ABS市场的实证研究和监管合规创新。

当前挑战

该数据集面临的领域挑战在于资产支持证券市场的复杂性，如贷款层级数据的异构性和缺失值处理，以及构建过程中从XML展品提取资产级数据时遇到的数据格式不一致和解析困难。具体挑战包括：1）处理来自SEC的ABS-EE XML文件中的多层级嵌套结构，确保数据完整性和准确性；2）解决报告周期内不同申报日期对应的数据时间序列对齐问题，以支持纵向分析；3）应对数据集规模虽小但来自多个申报版本导致的重复与冲突，需设计高效的去重和清洗策略。

常用场景

经典使用场景

Nissan Auto Receivables 2023-B Owner Trust 数据集是资产支持证券领域中一份弥足珍贵的精细化贷款级数据宝库。它通过从美国证券交易委员会ABS-EE申报文件中提取的XML展品，系统性地收录了日产汽车应收款2023-B系列信托自2023年10月至2026年2月期间共22份月度报告。这些以Parquet格式存储的资产级数据，为金融研究者提供了实时追踪单一资产池内每笔汽车贷款表现的能力，尤其适用于构建与验证基于大数据的资产池信用风险评估模型，堪称结构化金融实证分析的理想基石。

解决学术问题

在学术研究中，该数据集有效破解了汽车ABS领域长期存在的微观数据稀缺难题，使研究者得以深入探究资产池异质性对证券化产品信用风险传染路径的影响。它支持对提前偿付率、违约率与回收率等关键变量的精细化分析，从而验证结构化模型在真实市场条件下的适用性。此外，透过持续多期的观测数据，学者能够首次系统性地刻画经济周期波动中汽车贷款表现的非线性动态演变规律，为金融中介理论及风险定价机制提供了不可多得的数据实证支撑。

实际应用

在实际应用中，该数据集为金融机构与监管机构提供了无与伦比的透明度，助力构建汽车贷款ABS的预警与监控体系。评级机构可据此动态校准贷款池的信用评级，提升风险评估的前瞻性；投资经理则能依托底层资产的历史表现，更精准地优化投资组合配置与进行压力测试。同时，监管层可利用这些标准化、结构化的资产级数据，推进影子银行体系内ABS产品的穿透式监管，从而有效防范系统性金融风险的积聚。

数据集最近研究

最新研究方向

在资产支持证券（ABS）领域，Nissan Auto Receivables 2023-B Owner Trust数据集聚焦于汽车贷款应收账款的证券化结构，其前沿研究方向涵盖贷款级资产表现的动态监测、违约风险的时间序列建模，以及基于SEC ABS-EE标准化XML披露的合规分析。近期热点事件包括SEC对ABS-EE申报数据的透明化要求增强，该数据集通过22份月度申报档案覆盖从2023年10月至2026年2月的完整生命周期，为研究者提供了高颗粒度的贷款池表现数据。其意义在于推动汽车ABS市场的微观风险量化研究，支持投资者进行现金流归集与逾期率回溯分析，同时为监管机构优化信息披露标准提供实证基础。