DenyTranDFW/Nissan_Auto_Lease_Trust_2025_B_2071585

该数据集包含Nissan Auto Lease Trust 2025-B的SEC ABS-EE资产级别文件，共10个文件，总大小为19.7 MB。文件格式为Parquet，是从XML展品中提取的贷款级别/资产级别数据，并按{accession_nodash}/{exhibit_name}.parquet的方式组织。报告期日期来源于资产级别XML中的reportingPeriodEndingDate字段。

SEC ABS-EE asset-level filings for CIK **2071585** (Nissan Auto Lease Trust 2025-B). The dataset includes 10 filings with a total size of 19.7 MB. 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

该数据集源自美国证券交易委员会（SEC）的ABS-EE项目，专注于日产汽车租赁信托2025-B（CIK 2071585）的资产层面公开披露信息。构建方式上，数据集通过提取SEC EDGAR系统中XML展品文件内的贷款级数据，并将其转化为Parquet格式的表格文件。每个文件以“{accession_nodash}/{exhibit_name}.parquet”的命名规则组织，同时从XML中解析出报告期结束日期（reportingPeriodEndingDate）以标识时间维度。数据集共收录10份ABS-EE备案文件，对应10个Parquet文件，总容量约为19.7 MB。

特点

该数据集具备精准的结构化与标准化特点，所有数据均源于SEC官方备案，确保了权威性与合规性。其核心特征在于提供资产支持证券（ABS）底层资产的逐笔贷款明细，涵盖完整的报告周期，便于研究者追踪资产池的动态变化。Parquet文件的列式存储格式优化了大规模数据的读取与处理效率，特别适合金融领域的量化分析与模型构建。此外，数据集内附详细的备案索引表，包含CIK、表单类型、接入号及SEC官网链接，极大便利了用户回溯原始文件与交叉验证。

使用方法

数据集可直接通过Hugging Face平台加载，用户可利用Python工具如pandas或PyArrow读取Parquet文件，进行数据探索与统计计算。典型应用场景包括资产池信用风险评估、现金流建模及违约率预测等。研究时，可依据备案索引中的接入号筛选特定文件，并结合reportingPeriodEndingDate字段进行时间序列分析。该数据集对分析日产汽车租赁信托2025-B的资产结构、风险暴露及偿债表现提供了规范化的数据基础，尤其适合金融科技、资产证券化及监管科技领域的研究与开发工作。

背景与挑战

背景概述

在资产支持证券（ABS）领域，结构化金融产品的透明度和数据可获取性一直是监管机构与市场参与者关注的焦点。Nissan Auto Lease Trust 2025-B数据集由SEC EDGAR系统收录，围绕中央索引键（CIK）2071585整理，涵盖2025年至2026年间该信托项目提交的10份ABS-EE表格及其对应的资产级XML附件的结构化Parquet文件，总容量约19.7 MB。该数据集由数据社区基于SEC强制披露规则构建，旨在提供日产汽车租赁贷款池的逐笔贷款详情，包括报告期内现金流表现与资产质量指标。作为美国汽车ABS市场的重要参考，该数据集为量化分析租赁贷款违约率、提前偿付行为及证券化结构风险提供了标准化、机器可读的基础资源，推动了金融监管数据在学术研究与投资决策中的深度应用。

当前挑战

该数据集所解决的领域挑战在于汽车租赁ABS底层资产的高度异质性与信息披露的非结构化问题。传统上，SEC的ABS-EE filings以XML格式呈现，缺乏统一的数据模式，研究者难以高效提取跨报告期的可比信息；构建过程中，需将分散的XML exhibit文件解析为Parquet格式，并处理各期报告日期（reportingPeriodEndingDate）的对应关系，面临数据清洗、字段对齐及缺失值处理的挑战。此外，租赁贷款的剩余价值风险、早偿率波动以及宏观经济对汽车市场的影响，均要求数据集具备高频更新的能力，而当前仅10个批次的样本量限制了时间序列分析的统计效力，难以捕捉完整的经济周期效应。

常用场景

经典使用场景

Nissan_Auto_Lease_Trust_2025_B_2071585 数据集为资产支持证券（ABS）领域的研究者提供了宝贵的微观数据支撑，其核心价值在于收录了日产汽车租赁信托2025-B系列在SEC的ABS-EE备案中披露的逐笔贷款级资产信息。研究者可借助这些细粒度的Parquet文件，深入剖析汽车租赁ABS的基础资产池构成，追踪每一笔贷款的还款表现、逾期状态及违约回收情况，从而构建精准的资产池现金流预测模型。这一数据集尤其适用于评估租赁资产组合的信用风险异质性，为量化证券化产品的分层结构设计与定价策略提供了实证基础。

解决学术问题

该数据集有效解决了资产证券化领域中长期存在的资产级数据可得性难题，使得学术界能够突破既往研究中仅依赖汇总统计数据的局限。通过解析10份备案文件中丰富的报告期数据，学者得以检验资产池信用质量与证券化产品违约率之间的内在关联，量化提前还款行为对现金流结构的扰动效应。其意义在于推动了基于微观数据的证券化风险定价理论发展，为监管层评估ABS信息披露透明度与市场效率提供了经验证据，并在方法论上确立了利用SEC XML数据重构结构化金融产品的范式。

衍生相关工作

围绕该数据集衍生了一系列开创性的研究工作，涵盖资产级数据采集工具的开发与标准化。数据集的构建方式启发了基于SEC EDGAR系统的自动化XML解析流程，催生了诸如absbox等开源ABS分析框架的演进。学术界在此基础上开展了资产池同质性对证券化风险传染影响的实证研究，以及机器学习在逾期预测中的比较分析。此外，该数据集与Nissan系列其他年份信托的公开信息相结合，构成了纵向面板数据，支撑了汽车租赁ABS跨周期信用行为的长时段跟踪研究，推动了结构化金融产品透明度的定量评估体系构建。