DenyTranDFW/Harley_Davidson_Motorcycle_Trust_2022_A_1921031

该数据集涉及Harley-Davidson Motorcycle Trust 2022-A的SEC ABS-EE资产级别文件。包含31个文件，总大小为67.3 MB，报告期从2022年3月31日至2026年2月28日。Parquet文件是从XML展品中提取的贷款级别/资产级别数据，按{accession_nodash}/{exhibit_name}.parquet格式组织。报告期日期来源于资产级别XML（reportingPeriodEndingDate）。SEC ABS-EE asset-level filings for CIK **1921031** (Harley-Davidson Motorcycle Trust 2022-A). Includes 31 filings, 31 parquet files, total size of 67.3 MB, reporting period from 2022-03-31 to 2026-02-28. Parquet files 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

该数据集聚焦于证券化资产支持证券（ABS）领域，具体涉及哈雷戴维森摩托车信托2022-A（CIK 1921031）的资产层级申报数据。数据源自美国证券交易委员会（SEC）的ABS-EE XML展品，经专业提取后转换为Parquet格式文件。数据集包含31份申报档案，对应31个Parquet文件，总容量为67.3 MB。每个文件按‘accession_nodash/exhibit_name.parquet’的层级结构组织，且报告期起止日期（2022年3月至2026年2月）均源自XML中的‘reportingPeriodEndingDate’字段，确保了时间维度的精确性。

特点

此数据集的最大特色在于其高度的结构化与专一性。它完整收录了哈雷戴维森摩托车信托2022-A在运营周期内的逐笔贷款或资产层级明细，为分析摩托车消费信贷资产池的信用表现提供了微观基础。同时，数据的时序列跨度长达近四年，覆盖了从发行初期到后续多个月份的滚动表现，这使其成为研究资产池衰减、违约率演变及提前还款模式的宝贵资源。此外，Parquet格式的采用兼顾了存储效率与分析速度，便于大规模数据运算。

使用方法

使用者可通过标准数据处理工具（如Apache Spark或Pandas库）轻松读取Parquet文件。首先，需解压或挂载数据集，然后利用`read_parquet`函数逐文件加载，并按`accessionNumber`与`reportDate`索引进行结构化合并。分析过程中，可以聚焦于各报告期的资产层级变量，如贷款余额、利率、信用分数及逾期状态，以构建风控模型或进行资产估值。SEC提供的原始XML链接也一并收录，便于交叉验证或深层溯源，极大方便了学术研究与合规审计场景下的数据应用。

背景与挑战

背景概述

Harley_Davidson_Motorcycle_Trust_2022_A_1921031数据集由美国证券交易委员会（SEC）根据ABS-EE（资产支持证券-电子化）监管框架创建，旨在披露Harley-Davidson摩托车信托2022-A系列的资产层面贷款数据。该数据集覆盖自2022年3月至2026年2月的31个报告期，包含31个Parquet文件，总容量达67.3 MB，每个文件详细记录了标的贷款池中的单笔贷款表现。作为结构化金融领域的重要公开资源，它为研究资产支持证券的信用风险、违约率及现金流预测提供了高颗粒度的基础数据，推动了金融科技与监管合规分析的融合。

当前挑战

该数据集所解决的领域问题在于，资产支持证券市场长期面临信息不对称难题，投资者难以获取统一、标准化的单笔贷款级数据以评估底层资产质量。构建过程中，挑战主要来自两大方面：其一，SEC法规要求下，XML格式的资产级别数据需从大量复杂披露文件中精确提取并转化为结构化Parquet格式，涉及对异构模式（如`reportingPeriodEndingDate`字段）的一致性解析；其二，时间跨度近四年的数据集需保持31个报告期数据的连续性与完整性，避免因缺失值或批次差异导致的模型偏差，这对数据清洗与验证流程提出了严苛要求。

常用场景

经典使用场景

Harley-Davidson Motorcycle Trust 2022-A数据集作为资产支持证券（ABS）领域的一份精细粒度贷款层面数据，经典用途在于为金融学者与从业者提供哈雷戴维森摩托车贷款证券化的逐笔资产表现记录。这些数据以Parquet格式存储，包含从2022年至2026年间每月报送的31份SEC ABS-EE申报文件，覆盖了完整的报告周期，使得研究者能够追踪每一笔贷款的还款状态、逾期情况及损失演变，从而深度剖析摩托车贷款ABS的现金流动态与违约模式。

解决学术问题

该数据集解决了资产证券化研究中长期面临的数据透明性不足与颗粒度匮乏的学术困境。借助这一源自SEC官方归档的高频贷款级别数据，学者们能够定量检验贷款池的异质性风险特征、提前偿付行为的驱动因子以及经济周期对资产池信用质量的影响。其意义在于推动了ABS定价模型的精细化验证，并使得关于信息不对称与结构化金融产品绩效之间关系的实证研究成为可能，为监管政策的优化提供了坚实的经验证据。

衍生相关工作

围绕该数据集衍生的经典工作包括构建针对摩托车贷款ABS的违约概率预测模型与早偿风险预警系统，这些研究通常采用机器学习方法，如梯度提升树或长短期记忆网络，对贷款级别的特征进行时序建模。同时，基于SEC ABS-EE标准化格式，有学者开发了跨资产类别的自动解析工具与可视化分析平台，促进了另类数据在金融科技领域的应用。此外，该数据集常被用于对比不同发起机构的证券化资产质量，进而衍生出关于发起人声誉与资产筛选激励的实证文献。