DenyTranDFW/Benchmark_2022_B34_Mortgage_Trust_1912509

Benchmark 2022-B34 Mortgage Trust数据集包含美国证券交易委员会（SEC）ABS-EE资产级别备案文件，涉及CIK 1912509。数据集包括35份备案文件，92个Parquet文件，总大小为32.3 MB，报告期从2022年4月11日至2026年2月11日。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的方式组织。报告期日期来源于资产级别XML（reportingPeriodEndingDate）。The Benchmark 2022-B34 Mortgage Trust dataset consists of SEC ABS-EE asset-level filings for CIK 1912509. It includes 35 filings, 92 parquet files, with a total size of 32.3 MB, covering a reporting period from 2022-04-11 to 2026-02-11. The parquet files are loan-level / asset-level data extracted from XML exhibits, organized 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

该数据集基于美国证券交易委员会（SEC）的ABS-EE（资产支持证券电子化）资产层面备案信息构建，聚焦于Benchmark 2022-B34 Mortgage Trust（CIK编号1912509）。数据从SEC EDGAR系统中提取，涵盖2022年4月11日至2026年2月11日期间的35份备案文件，总计生成92个Parquet格式文件，总数据量达32.3 MB。每个Parquet文件代表从特定备案的XML附件中解析出的贷款级或资产级数据，按备案接入号无破折号形式与附件名称的组合路径组织，如`{accession_nodash}/{exhibit_name}.parquet`。报告期结束日期则源自资产级XML中的`reportingPeriodEndingDate`字段，确保了时间维度的精确标注。

特点

本数据集的核心特色在于其聚焦于单一抵押信托基金（Benchmark 2022-B34 Mortgage Trust）的持续跟踪，时间跨度近四年，包含了35份ABS-EE申报文件，反映出该信托从发行初期至2026年2月的完整资产表现轨迹。数据以高效压缩的Parquet格式存储，便于大规模金融数据分析。通过标准化的文件组织架构，用户可便捷地关联特定申报批次与对应的资产明细，为研究抵押贷款池的信用表现、现金流分布及违约模式提供了结构化、机器可读的底层素材，极大提升了资产证券化研究的可复现性。

使用方法

研究者可通过HuggingFace数据集库加载本数据集，利用编程环境（如Python）直接读取Parquet文件。每条Parquet文件对应一个具体的申报附件，用户可根据数据集中提供的Filing Index表格，按CIK编号、报告日期或备案接入号筛选感兴趣的申报批次。结合ABS-EE特有的资产级字段，可进行贷款层面的聚合统计、纵向时序分析或违约率建模。数据集采用开源GPL许可证，适用于学术研究及金融风险分析，但需注意数据源自SEC公开备案，使用时应当引用原始来源并遵守联邦证券法规制下的数据使用规范。

背景与挑战

背景概述

资产支持证券（ABS）是金融市场中重要的结构化融资工具，其底层资产的透明度和数据完整性直接关系到风险评估与投资决策的有效性。在此背景下，Benchmark_2022_B34_Mortgage_Trust数据集应运而生，由SEC ABS-EE项目生成，专注于收集CIK 1912509（Benchmark 2022-B34 Mortgage Trust）的资产层面申报文件。该数据集于2022年4月启动，持续更新至2026年2月，包含35份申报文件和92个Parquet文件，总容量32.3 MB，旨在提供从XML展品中提取的贷款级/资产级数据，解决ABS市场中数据标准化不足与信息碎片化的核心问题。作为公开可用的结构化数据资源，它显著提升了住房抵押贷款支持证券（RMBS）领域的可研究性，为监管合规、信用风险建模和金融科技创新奠定了数据基础，对推动金融数据开放与透明度具有重要价值。

当前挑战

该数据集面临的挑战首先体现在领域问题层面：ABS市场长期受困于数据披露不一致、信息格式多样以及历史数据回溯困难，Benchmark_2022_B34_Mortgage_Trust虽通过SEC ABS-EE标准化架构缓解了部分问题，但底层资产池的动态变化（如贷款偿还、拖欠或提前还款）要求数据集持续跟踪，且报告周期跨度近四年，数据时效性与完整性之间的平衡成为关键。在构建过程中，挑战主要来自XML展品的解析复杂度与数据对齐困难——不同申报期间的展品结构可能存在细微差异，导致提取的Parquet文件需反复校验；此外，35份申报文件对应92个Parquet文件，数据冗余与重复申报处理增加了清洗成本，而报告日期与资产级XML中期限日期的一致性验证也需投入大量计算资源，这些均对数据集的可信度与实用性提出严峻考验。

常用场景

经典使用场景

在资产证券化（ABS）领域，Benchmark 2022-B34 Mortgage Trust数据集作为一项精细化的资产级金融数据资源，被广泛用于抵押贷款支持证券（RMBS）的绩效追踪与风险建模。研究者借助该数据集丰富的单笔贷款层面信息，可深入剖析贷款池在存续期内（2022年至2026年）的偿付表现、违约分布及提前还款行为，从而构建更精准的现金流预测模型与信用评级校准基准。

解决学术问题

该数据集有效解决了资产证券化研究中因信息不对称导致的数据匮乏难题，尤其填补了针对单一特殊目的载体（SPV）进行纵向追踪的实证空白。学术上常被用于检验贷款特征与违约风险间的非线性关系，验证监管披露标准（如SEC ABS-EE规则）对市场透明度的影响，并支撑关于结构化金融产品定价效率与信息传递机制的理论推演。

衍生相关工作

基于此数据集衍生出一系列具有影响力的学术成果，涵盖了从机器学习驱动的贷款违约预警模型到基于图神经网络的贷款关联风险传播研究。部分工作将其与公开的房价指数、宏观经济指标结合，构建了多因素抵押贷款压力测试框架。此外，一些研究通过对比同一信托不同报告期的资产变异，提出了针对ABS二级市场流动性定价的改进算法。