DenyTranDFW/Capital_One_Prime_Auto_Receivables_Trust_2023_1_1951264

该数据集涉及Capital One Prime Auto Receivables Trust 2023-1的SEC ABS-EE资产级别申报文件。内容包括31份申报文件、42个Parquet文件，总大小为116.3 MB，报告期从2022年12月31日至2026年3月31日。Parquet文件是从XML展品中提取的贷款级别/资产级别数据，按{accession_nodash}/{exhibit_name}.parquet格式组织。申报索引列出了各种申报文件的详细信息，如CIK、表格、申报号、报告日期和URL。SEC ABS-EE asset-level filings for CIK **1951264** (Capital One Prime Auto Receivables Trust 2023-1). The dataset includes 31 filings, 42 parquet files, with a total size of 116.3 MB, covering the reporting period from 2022-12-31 to 2026-03-31. 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, accessionNumber, reportDate, and url for each filing.

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（资产支持证券电子化）强制披露制度，聚焦于Capital One Prime Auto Receivables Trust 2023-1（CIK编号1951264）。通过从SEC EDGAR系统抓取该信托自2022年12月31日至2026年3月31日期间的31份ABS-EE表格及对应的XML附件，解析并提取每笔汽车贷款在单个资产层面的精细数据，最终以Parquet格式存储为42个文件，总容量达116.3 MB。文件按{accession_nodash}/{exhibit_name}.parquet的层级结构组织，同时依据XML中的reportingPeriodEndingDate字段准确标注了报告期日期，确保了数据的时间序列完整性。

特点

本数据集的核心价值在于其极高的颗粒度与结构化程度，完整记录了Capital One Prime Auto Receivables Trust 2023-1这一资产证券化产品存续期内，每一笔汽车贷款的逐月表现数据。涵盖了从初始发放到偿付完毕的全生命周期信息，包括贷款余额、还款状态、利率及逾期情况等关键指标。数据时间跨度覆盖2022年底至2026年初，提供了长达数年的高频监测窗口，对于分析汽车贷款ABS的基础资产质量、现金流动态及风险演变具有不可替代的实证研究价值。

使用方法

数据以Parquet列式存储格式发布，支持高效的压缩与查询性能，可直接通过Python的pandas、PySpark或DuckDB等数据分析工具加载。每个Parquet文件对应一个特定报告期，研究人员可通过合并多个文件构建纵贯面板数据。用户可从HuggingFace数据集页面直接下载全部42个Parquet文件，并利用文中提供的Filing Index表格中的URL链接，回溯至SEC EDGAR原始文档以交叉验证。数据集适用于资产证券化定价模型、信用风险分析及监管合规研究等金融量化场景，尤其适合需要高频资产层面数据的深度分析工作流。

背景与挑战

背景概述

在资产证券化（ABS）领域，底层资产的逐笔贷款级数据是风险评估与定价的基石，然而长期以来这些信息分散、非结构化，难以被系统性地获取与分析。Capital One Prime Auto Receivables Trust 2023-1数据集正是为应对此困境而构建，由SEC的ABS-EE（资产支持证券电子化申报）项目催生，聚焦于Capital One于2023年发行的优质汽车贷款支持证券。该数据集自2022年12月31日起至2026年3月31日止，囊括31份申报文件与42个Parquet文件，总容量达116.3 MB，将XML附件中的贷款级数据提取并整理为结构化格式。作为基于SEC Edgar公开信息披露的二次加工资源，它为学术界与业界研究汽车ABS的信用表现、提前偿付模式及风险传导机制提供了标准化的数据基石，显著提升了资产支持证券市场的数据透明度与研究可复现性。

当前挑战

该数据集所解决的领域挑战在于汽车ABS市场长期缺乏精细、可机读的贷款级结构化数据，传统上依赖评级机构或发行方提供的汇总统计，难以支撑深度风险建模与压力测试。从数据构建过程看，挑战体现在三方面：其一，原始XML附件的格式不一致、命名不规范，需设计通用解析逻辑以应对不同报告期内的结构变异；其二，时间跨度长达四年，需确保31份文件中的报告期标识（如reportPeriodEndingDate）被准确提取并与Parquet文件一一对应；其三，金融数据对精度要求极高，从XML到Parquet的转换中必须规避小数点截断或字段映射错误，以保障资产逾期、余额等关键指标的可靠性。

常用场景

经典使用场景

在资产证券化（ABS）研究领域，Capital One Prime Auto Receivables Trust 2023-1 数据集作为SEC ABS-EE强制性披露的贷款级资产信息，堪称剖析汽车贷款支持证券底层资产质量的珍贵资源。该数据集收录了自2022年12月至2026年3月期间共计31份申报文件，以Parquet格式呈现了逐笔贷款的详尽数据。研究者通常利用这些数据构建资产池的信用风险模型，通过分析贷款初始特征（如贷款金额、利率、剩余期限）与后续表现之间的动态关系，揭示影响资产池违约率与提前偿付率的关键因子，从而为ABS定价与风险计量提供坚实的数据基础。

实际应用

在实际业务中，该数据集可助力金融机构、评级机构与监管机关实现多维度的应用场景。例如，评级机构可以借此开展底层贷款组合的压力测试，评估在市场利率上升或失业率攀升情境下资产支持证券的信用等级变化。资产管理公司则能依据历史损失分布与回收率数据，优化其ABS投资组合的风险敞口配置。此外，监管层可通过分析不同发起机构的数据质量与披露一致性，识别潜在的信息操纵风险，从而制定更具针对性的信息披露规则，助力维护资本市场的稳定运行。

衍生相关工作

围绕此类ABS-EE数据，学术界已衍生出大量有价值的研究工作。有学者利用该数据集构建了基于机器学习的违约预测模型，通过对比随机森林与梯度提升树在贷款级数据上的表现，识别出还款历史、债务收入比等关键预测因子。另有研究聚焦于ABS结构化设计，采用该数据验证信用增级水平与分层结构对证券化产品存续期内表现的影响。此外，部分工作将披露频率与市场流动性联系起来，论证及时、详细的资产级数据如何降低信息不对称，提升二级市场交易活跃度，这些探索为证券化市场的健康发展贡献了实证智慧。