DenyTranDFW/NISSAN_AUTO_RECEIVABLES_Co_II_LLC_1129068

该数据集包含美国证券交易委员会（SEC）关于NISSAN AUTO RECEIVABLES Co II LLC（CIK 1129068）的资产支持证券（ABS）资产级别备案（ABS-EE表单）。数据涵盖了从XML展品中提取的贷款级别或资产级别信息，组织为Parquet格式文件（共8个文件，总大小16.3 MB），对应872个备案记录。报告期从2017年2月28日开始，到2026年2月28日结束。数据按{接入号无横杠}/{展品名称}.parquet的结构组织，报告期日期基于资产级别XML中的reportingPeriodEndingDate字段。This dataset contains SEC ABS-EE asset-level filings for CIK 1129068 (NISSAN AUTO RECEIVABLES Co II LLC). It includes loan-level or asset-level data extracted from XML exhibits, organized as Parquet files (8 files, total size 16.3 MB), corresponding to 872 filings. The reporting period spans from 2017-02-28 to 2026-02-28. The data is structured as {accession_nodash}/{exhibit_name}.parquet, with reporting period dates derived from the asset-level XML reportingPeriodEndingDate field.

搜集汇总

数据集介绍

构建方式

在资产支持证券（ABS）领域，详尽的资产级数据是评估证券化产品质量与风险的重要基石。该数据集聚焦于日产汽车应收款公司（NISSAN AUTO RECEIVABLES Co II LLC），系统化地收录了其向美国证券交易委员会（SEC）提交的ABS-EE合规性文件。数据集通过将XML格式附件的贷款级/资产级数据提取并转化为高效的Parquet格式文件进行构建，每个文件以“档案编号_无横杠/附件名称.parquet”的层次结构组织，共计整理872份申报文件，打包为8个Parquet文件，总数据量达16.3 MB。报告周期涵盖自2017年2月至2026年2月的十年间财务数据，核心时间戳直接从资产级XML中的“reportingPeriodEndingDate”字段获取，确保了时间序列的精准与统一。

使用方法

该数据集的使用方法较为直接，适合具备基础数据处理能力的金融分析师与研究者。用户可直接读取Parquet文件，利用Python的pandas库通过‘pd.read_parquet()’函数加载所需的资产级数据表，并进行后续的数据清洗、特征工程与建模分析。数据按‘档案编号/附件名’的目录结构存储，便于按特定申报批次或附件类型进行定向筛选。报告中附带的CSV格式申报索引提供了各档案的元数据信息，用户可据此与Parquet文件中的资产数据实现键值关联，从而建立从宏观申报档案到微观贷款记录的全链路分析视图。此外，所有档案均附有SEC官方超链接，方便研究人员在需要时直接查阅原始XML文档，进行精确的数据校核与深层次法律条款研读。

背景与挑战

背景概述

该数据集源于美国证券交易委员会（SEC）的ABS-EE（资产支持证券电子化披露）监管框架，聚焦于NISSAN AUTO RECEIVABLES Co II LLC（CIK 1129068）自2017年2月至2026年2月期间提交的资产层面备案文件。作为汽车贷款资产支持证券领域的重要数据源，该集合涵盖了872份文件、8个Parquet文件，总计约16.3 MB的贷款级数据，由SEC EDGAR系统官方收录。数据集的创建旨在填补结构化金融领域中底层资产透明度不足的空白，为研究人员与监管机构提供精细化的汽车应收账款池统计信息，从而推动信用风险评估、资产定价模型及金融稳定性分析的发展。其在资产证券化数据库中的独特性，使其成为连接微观贷款行为与宏观金融监管的桥梁，对提升市场透明度和数据驱动的金融决策具有显著影响力。

当前挑战

该数据集面临的核心挑战在于所解决的领域问题：资产支持证券领域长期存在信息不对称，投资者难以获取标准化、高频的底层贷款表现数据，而本数据集虽提供了从XML展品中提取的贷款级信息，但数据格式多样且分散于不同访问号（accession number）下，增加了整合与分析的复杂性。构建过程中遇到的挑战则包括：从SEC EDGAR系统中爬取并解析非结构化的XML文档，确保财务日期（如reportingPeriodEndingDate）的准确提取与对齐，以及对大规模披露文件（跨越近十年）进行去重、清洗与合并，同时需维护GPL许可证下的数据合规性。此外，数据集的时效性要求持续追踪新备案，并应对不同时期报告格式的变更，进一步加大了维护难度。

常用场景

经典使用场景

在资产证券化（ABS）研究领域，NISSAN AUTO RECEIVABLES Co II LLC数据集是探索汽车贷款应收账款证券化运作机制的经典资源。该数据集收录了自2017年至2026年间，日产汽车应收账款公司向美国证券交易委员会（SEC）提交的ABS-EE资产层面定期报告，涵盖872份XML格式的贷款级数据，并已转化为易于分析的Parquet文件。研究者常利用这些明细数据，深入剖析汽车贷款资产池的逐笔贷款特征，如本金余额、利率、剩余期限及历史表现，从而构建基于微观借贷行为的提前偿付与违约风险模型。该数据集的核心价值在于其资产层面披露的精细度，使实证分析能够直接关联到单笔贷款的信用行为，为理解ABS产品底层资产的质量波动提供了不可多得的观测窗口。

解决学术问题

该数据集有效解决了汽车贷款资产证券化领域中，因底层资产信息高度聚合而导致的透明度不足与风险评估失准问题。在学术研究层面，它使得学界能够基于真实的贷款级面板数据，验证和校准经典的风险定价模型，例如基于期权理论的提前偿付模型及基于生存分析的违约概率模型。通过分析日产汽车应收账款信托的逐月表现数据，研究者可以量化经济周期、汽车残值变化及借款人信用评分对资产池现金流的交互影响。其意义在于，它弥补了传统ABS研究中仅依赖证券级数据而无法识别资产池异质性的短板，推动了结构化金融产品微观计量分析方法的发展，为监管层评估系统性风险提供了更可靠的数据基础。

实际应用

在实际金融应用中，该数据集为汽车金融公司和投资机构提供了优化资产配置与风险管理的决策依据。资产管理方可以通过分析历史资产池中不同信用评分梯度的贷款表现曲线，动态调整新发放贷款的承销标准，以控制信贷损失。证券化交易的结构设计者能依据该数据回测不同优先级结构的信用增级效果，从而在降低融资成本与保障投资者利益之间寻求最优均衡。此外，信用评级机构在评估类似日产汽车应收账款证券化产品时，可将该数据集中的贷款级表现作为可比基准，提高评级模型的预测准确性。监管机构亦能借助此数据集，追踪汽车贷款ABS市场的整体健康度，监控潜在的系统性风险累积，维护金融体系的稳定。

数据集最近研究

最新研究方向

在资产证券化（ABS）领域，该数据集聚焦于日产汽车应收账款公司（NISSAN AUTO RECEIVABLES Co II LLC）向美国证券交易委员会（SEC）提交的ABS-EE资产层面披露文件。当前前沿研究方向在于利用这些详尽的贷款级数据（包含872份文件、跨越2017年至2026年的报告期）构建精细化的信用风险模型和提前偿付行为预测。结合全球汽车金融市场的波动与利率环境变化，研究者正深入挖掘应收账款的池内异质性特征，以评估系统性风险、优化资产支持证券的定价机制。该数据集不仅为监管科技（RegTech）提供了标准化、可追溯的底层资产信息，还推动了基于结构化数据的透明化金融创新，对理解次级汽车贷款的表现、防范金融风险具有重要的实证意义。