DenyTranDFW/Exeter_Automobile_Receivables_Trust_2024_2_2013062

该数据集包含SEC ABS-EE资产级别的文件，具体针对Exeter Automobile Receivables Trust 2024-2（CIK 2013062）。数据集包含24个文件，总大小为72.1 MB，覆盖的报告期从2024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或资产级别数据，并按{accession_nodash}/{exhibit_name}.parquet的方式组织。文件索引表提供了详细的CIK、表单、访问号、报告日期和URL信息。

SEC ABS-EE asset-level filings for CIK 2013062 (Exeter Automobile Receivables Trust 2024-2). The dataset includes 24 filings, totaling 72.1 MB, with reporting periods from 2024-03-31 to 2026-02-28. Parquet files are loan-level / asset-level data extracted from XML exhibits, organised as {accession_nodash}/{exhibit_name}.parquet. The filing index provides details such as CIK, form, accession number, report date, and URL.

搜集汇总

数据集介绍

构建方式

Exeter Automobile Receivables Trust 2024-2 数据集源自美国证券交易委员会（SEC）的ABS-EE（资产支持证券电子化申报）项目，专门收录了CIK编号为2013062的Exeter汽车应收账款信托在2024年3月至2026年2月期间提交的资产层级申报文件。该数据集包含了24份XML格式的底层贷款数据，每份数据被提取并转换为Parquet格式文件，以`{accession_nodash}/{exhibit_name}.parquet`的目录结构进行组织。报告期日期来源于XML中的`reportingPeriodEndingDate`字段，确保了时间序列的准确性。

特点

该数据集的核心特点在于其精细的资产层级结构，提供了每笔贷款的详细微观数据，而非汇总统计，这对于进行信用风险建模、现金流分析和资产表现评估具有不可替代的价值。数据集覆盖了长达24个月的连续报告周期，从2024年3月31日到2026年2月28日，形成了完整的月度时间序列。所有文件均为高效压缩的Parquet格式，总容量约72.1 MB，兼具存储效率与查询性能。

使用方法

使用者可通过Hugging Face数据集库直接加载此数据集，利用Pandas或Dask等工具读取Parquet文件进行深入分析。每个文件对应一个具体的申报事件，用户可根据`reportDate`字段筛选特定时间点的资产数据，或通过多个文件的联合查询构建完整的贷款生命周期视图。建议结合SEC EDGAR数据库中的原始XML文件和发行说明书，以获取更全面的交易结构与法律条款信息。

背景与挑战

背景概述

资产支持证券（ABS）市场作为金融体系的重要组成部分，其透明度和数据可获取性直接影响投资者的风险评估与市场监管效能。Exeter Automobile Receivables Trust 2024-2 数据集由美国证券交易委员会（SEC）根据ABS-EE规则强制披露的资产层面XML文件整理而成，创建于2024年，并由开源社区整合为结构化Parquet格式。该数据集聚焦于Exeter汽车贷款应收款信托的逐笔贷款数据，覆盖2024年3月至2026年2月的24个报告期，总计72.1 MB。其核心研究问题在于为量化金融、风险建模及监管科技（RegTech）领域提供标准化的底层资产池数据，填补了ABS市场微观结构分析的空白。作为SEC EDGAR系统结构化数据披露的典型范例，该数据集推动了金融大数据在资产定价、违约预测和证券化产品设计中的实证研究，对提升ABS市场透明度和促进系统性风险监管具有显著影响力。

当前挑战

该数据集所解决的领域问题核心挑战在于：传统ABS市场因资产池信息不对称导致投资者难以对基础资产信用风险进行精细量化，而本数据集通过提供逐笔贷款的还款状态、逾期天数等标准化字段，为构建违约概率模型和现金流压力测试提供了底层数据支撑。在构建过程中，主要挑战包括：一是XML格式的异构性——原始SEC文件中的资产级标签命名规则、日期格式及缺失值处理方式存在差异，需设计统一解析逻辑以保证数据一致性；二是时间跨度内的数据完整性——24个连续报告期可能因发行方延迟提交或格式调整导致部分字段缺失，需通过交叉验证补充；三是大规模序列数据的存储效率——原始XML文件的冗余结构在转换为Parquet列式存储时需平衡压缩率与查询性能，同时确保72.1 MB数据集的可复现性。

常用场景

经典使用场景

在资产证券化（ABS）研究领域，Exeter Automobile Receivables Trust 2024-2数据集以其精细的贷款层面数据，成为剖析汽车贷款支持证券结构的经典素材。研究者可借助该数据集追溯2024年3月至2026年2月间每笔贷款的按月表现，涵盖违约率、提前偿付比例及回收率等核心指标，从而构建现金流模型并评估证券分层设计的合理性。该数据集通过SEC ABS-EE申报文件提取的标准化Parquet格式，极大便利了跨时间维度的量化分析，是验证资产池异质性对信用评级影响的重要资源。

衍生相关工作

该数据集衍生出一系列专注于自动化金融报告解析与资产池建模的研究工作。部分工作利用自然语言处理技术从SEC XML展品中抽取非结构化条款，构建机器可读的合同特征库；另一些研究则基于该数据训练时间序列预测模型，用于提前偿付率与违约率的动态估计。此外，学界已出现融合该数据集与外部宏观经济指标的工作，旨在还原汽车ABS在利率周期中的表现规律，这些探索丰富了结构化金融领域数据驱动型分析的范式。

数据集最近研究

最新研究方向

在资产支持证券（ABS）领域，Exeter Automobile Receivables Trust 2024-2数据集聚焦于汽车贷款应收款证券化的前沿研究。该数据集收录了自2024年3月至2026年2月间的24份SEC ABS-EE资产层级备案文件，涵盖约72.1 MB的贷款级Parquet格式数据，为分析汽车ABS的资产池表现、违约风险及现金流动态提供了精细化的时间序列样本。当前研究方向集中于利用机器学习模型预测汽车贷款资产池的信用表现与早偿行为，并结合最新的宏观经济事件（如利率变动与消费信贷波动）评估证券化结构中的风险传导。该数据集的公开可及性推动了透明化金融分析的实践，对优化资产定价模型、监管合规审查及防范系统性风险具有深远意义。