DenyTranDFW/GM_Financial_Automobile_Leasing_Trust_2025_1_2049366

GM Financial Automobile Leasing Trust 2025-1的SEC ABS-EE资产级别备案数据集，涉及CIK 2049366。包含16个备案文件，总大小为46.0 MB，数据以Parquet格式存储，从XML展品中提取并按accession number和exhibit name组织。备案索引列出了每个备案的CIK、表格类型、accession number和URL。数据集标签包括sec、abs-ee和asset-backed-securities。

SEC ABS-EE asset-level filings for GM Financial Automobile Leasing Trust 2025-1, CIK 2049366. Includes 16 filings, totaling 46.0 MB in Parquet format, extracted from XML exhibits and organized by accession number and exhibit name. The filing index lists each filings CIK, form type, accession number, and URL. Dataset tags include sec, abs-ee, and asset-backed-securities.

搜集汇总

数据集介绍

构建方式

在资产证券化（ABS）领域，精细化的逐笔贷款数据是风险评估与定价分析的核心基石。本数据集聚焦于GM Financial Automobile Leasing Trust 2025-1（CIK编号2049366），通过系统采集其向美国证券交易委员会（SEC）提交的ABS-EE表格XML附件，提取了其中标准化的资产层级信息。全部16份申报文件被解析为等量Parquet文件，各文件以'获取编号去连字符/附件名称'的组织架构编排，并基于XML中的'reportingPeriodEndingDate'字段自动衍生出每一份数据的报告周期日期，最终整合为一个体积达46.0 MB的结构化资产级数据库。

特点

该数据集的核心优势在于其细颗粒度的资产层面信息覆盖，完整呈现了汽车租赁ABS底层资产的逐笔原始记录。基于SEC强制披露的ABS-EE格式，数据在字段命名、数值类型及报表结构上具备高度标准化特征，为跨时间与跨资产池的比较分析提供了坚实基础。16份连续申报记录覆盖了信托成立后的多个报告周期，能够支持动态的资产表现追踪研究。配合详细的申报索引表格，使用者可便捷地将本地Parquet文件与SEC官网原始填报文件进行一一对应，确保数据的可追溯性与可验证性。

使用方法

本数据集以Parquet列式存储格式分发，兼容Python、R、Julia等主流数据分析工具，其高效的压缩与编码特性显著提升了大规模金融数据的读写性能。使用者可直接将'accession_nodash'文件夹视为独立资产池快照，通过其下的Parquet文件访问各报告周期的逐笔贷款详情。建议采用Pandas或Polars库快速加载数据，并结合申报索引中的URL字段，在需要时回溯至SEC EDGAR系统核对官方源文件。借助'reportingPeriodEndingDate'列，研究人员可轻松实现跨期数据拼接，构建完整的资产池表现面板数据集。

背景与挑战

背景概述

GM Financial Automobile Leasing Trust 2025-1 数据集由美国证券交易委员会（SEC）按照ABS-EE（Asset-Backed Securities Electronic Exhibits）标准发布，旨在提供GM Financial（通用汽车金融服务公司）旗下汽车租赁证券化信托的资产层级数据。该数据集创建于2025年，共包含16份申报文件，以Parquet格式存储从XML附件中提取的逐笔贷款/资产层面信息，总容量约46 MB。核心研究问题聚焦于资产支持证券（ABS）领域的透明度提升，通过标准化、机器可读的数据结构，使监管机构、投资者及学术研究者能够深入分析汽车租赁贷款池的信用风险、现金流分配及违约模式。该数据集对推动证券化市场的精细化风险评估、监管科技（RegTech）发展以及资产层面大数据分析具有显著影响力，为理解汽车金融ABS产品的底层资产动态提供了关键资源。

当前挑战

该数据集所解决的领域挑战在于，传统ABS信息披露多为非结构化文本或PDF文件，难以进行大规模自动化分析与横向比较，限制了市场参与者对资产池质量的实时监控与压力测试能力。通过将SEC XML档案解析为规范的Parquet格式并保留报告期结束日期等关键字段，数据集显著提升了资产层级数据的可获取性与分析效率。构建过程中面临的挑战包括：从不同批次申报文件中统一数据模式，处理XML标签的非一致性；确保每个资产在报告周期内的完整时间序列覆盖；以及将约16份提交文件中的无编号字段（如合同ID、逾期状态）准确映射至结构化表格，避免数据丢失或歧义。

常用场景

经典使用场景

在资产证券化研究领域，GM_Financial_Automobile_Leasing_Trust_2025_1_2049366数据集为分析汽车租赁应收账款证券化（ABS）的资产池表现提供了核心数据基础。该数据集包含从SEC ABS-EE XML展品中提取的逐笔贷款层面数据，覆盖了从发行日至后续报告期的完整现金流与资产状态信息。研究者可借此构建资产池信用风险模型、评估提前偿付与违约模式，并检验不同经济周期下的资产表现稳定性，是研究汽车租赁ABS结构化产品特性的经典素材。

解决学术问题

该数据集解决了学术领域关于汽车租赁ABS资产池透明度不足的核心问题。传统上，由于缺乏细颗粒度的资产层面公开数据，学者难以精确度量租赁ABS的违约相关性、损失分布与现金流时序特征。此数据集提供了标准化、可机读的Parquet格式数据，使得研究者能够开展资产池异质性分析、压力测试情景模拟，并验证信用评级机构的评级假设，从而推动资产证券化定价理论与风险管理模型的实证检验。

衍生相关工作

围绕此数据集衍生了多项经典学术工作，包括基于机器学习方法的汽车ABS违约预测模型构建、利用时间序列数据研究租赁资产现金流与宏观经济变量的关联性分析，以及开发用于自动解析SEC ABS-EE XML文件以生成结构化数据库的开源工具。此外，部分研究还借鉴了该数据集的特征工程思路，将其应用于其他汽车ABS发行主体的跨境对比研究，拓展了资产证券化领域大数据分析的方法论边界。