DenyTranDFW/Drive_Auto_Receivables_Trust_2021_3_1890433

Drive Auto Receivables Trust 2021-3数据集包含SEC ABS-EE资产级别文件，针对CIK 1890433。数据集包含36个文件，69个Parquet文件，总大小为196.7 MB，报告期从2021-10-31至2026-03-31。Parquet文件是从XML展示中提取的贷款级别/资产级别数据，按{accession_nodash}/{exhibit_name}.parquet组织。报告期日期源自资产级别XML（reportingPeriodEndingDate）。README还提供了一个文件索引表，包含每个文件的CIK、表格、登记号、报告日期和URL等详细信息。SEC ABS-EE asset-level filings for CIK **1890433** (Drive Auto Receivables Trust 2021-3). The dataset includes 36 filings, 69 Parquet files, with a total size of 196.7 MB, covering the reporting period from 2021-10-31 to 2026-03-31. 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`). The README also provides a filing index table with details such as CIK, form, accession number, report date, 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-资产级披露）监管申报文件，专门针对CIK编号为1890433的Drive Auto Receivables Trust 2021-3。数据集的构建依托于SEC EDGAR系统，通过系统化抓取并解析XML格式的资产级展品文件，共收集了36份ABS-EE申报文件，时间跨度从2021年10月至2026年3月。原始数据被转化为69个Parquet文件，每个文件以其对应的EDGAR登录号（accession number）和展品名称命名，并按照标准化的目录结构进行组织。此外，数据集中每个申报文件的报告期截止日期均源自XML文件中的reportingPeriodEndingDate字段，确保了时间信息的准确性和一致性。

特点

该数据集最显著的特征在于其高颗粒度的资产级信息，提供了每笔汽车贷款或租赁合同的逐笔明细数据，这些数据常规情况下难以从证券层面直接获取。数据的时间序列跨度长达约四年半，覆盖了自信托设立至接近其法定到期日的完整生命周期，为分析资产池的信用表现、提前偿付率和违约率等核心指标提供了全貌。此外，作为SEC强制要求的结构化数据，其来源具有法定的准确性和规范性，避免了传统数据收集中可能存在的信息二次加工偏差。数据集以高效的Parquet列式存储格式发布，在保证数据完整性的同时，也大幅提升了用户进行大规模数据分析时的读写性能。

使用方法

用户可通过Hugging Face Datasets库直接加载任意所需时间点的Parquet文件，无需复杂的前置处理。具体而言，可依据文件中提供的filing index表格，精准定位到特定报告期的资产数据文件链接，利用pandas等数据处理库在Python环境中进行读取与聚合分析。由于数据已被标准化整理为按登录号-展品名命名的Parquet文件，研究者能够轻松构建时间序列数据集，用于监督学习中的违约预测模型训练，或进行资产池现金流分布的蒙特卡洛模拟。本数据集同样适用于结构化金融领域的计量经济学研究，通过跨时间截面的面板数据，深入分析宏观经济变量对底层资产表现的影响机制。

背景与挑战

背景概述

Drive Auto Receivables Trust 2021-3 数据集是由美国证券交易委员会（SEC）根据ABS-EE规则强制要求披露的资产支持证券（ABS）层面数据，创建于2021年10月，主要由SEC监管框架下的发行机构（CIK 1890433）提交，核心研究问题聚焦于汽车贷款支持证券的逐笔贷款绩效跟踪与风险评估。该数据集涵盖了2021年10月至2026年3月期间共计36份申报文件，以Parquet格式存储了69个资产级数据文件，总容量约196.7 MB，为金融学界和业界提供了高颗粒度的汽车ABS表现基准，对资产证券化领域的透明度提升、信用风险建模及监管政策评估产生了重要影响。

当前挑战

该数据集所解决的领域问题在于，传统的ABS披露数据通常以汇总形式呈现，难以支持精细化的违约预测与现金流建模，而此数据集通过提供逐笔贷款的动态信息，使得研究者能够捕捉单个资产的信用表现异质性。构建过程中面临的主要挑战包括：从非结构化的XML附件中准确提取资产级数据并转化为可分析的Parquet格式；确保报告期截止日（reportingPeriodEndingDate）的时序一致性；应对SEC文件编号跨度大、申报时间不连续的情况，特别是2023年9月至10月及2024年部分月份的缺失，可能引入数据偏误与纵向分析困难。

常用场景

经典使用场景

在资产证券化（ABS）研究领域，Drive Auto Receivables Trust 2021-3 数据集为剖析汽车贷款支持证券的微观结构提供了宝贵资源。该数据集源自美国证券交易委员会（SEC）的ABS-EE监管申报文件，包含自2021年10月至2026年3月期间共计36份申报、69个Parquet文件，详尽记录了每一笔基础贷款在存续期内的逐月偿付表现，如本金余额、利息、逾期状态等关键指标。研究者常借此构建贷款层面的现金流预测模型，或评估资产池的异质性风险特征，从而深入理解汽车ABS产品的信用演化规律。

解决学术问题

该数据集的核心学术价值在于解决了资产支持证券研究中长期面临的数据颗粒度不足问题。传统研究多依赖交易层面或资产池汇总数据，难以捕捉个体贷款的行为差异及其对整体证券化产品表现的影响。凭借其精细的逐笔贷款时间序列信息，研究者能够精确量化解构提前偿付风险、违约风险及损失分布，并检验信息不对称、道德风险等经典金融理论在ABS市场中的适用性。这一细粒度数据的公开化，显著推动了结构性金融实证分析的方法论革新，为评估证券化产品的定价效率与监管有效性提供了坚实的数据基础。

衍生相关工作

该数据集衍生了一系列具有影响力的学术与业界工作。在机器学习领域，研究者开发了基于梯度提升树或长短期记忆网络的违约预测模型，利用逐月更新的贷款状态数据进行训练，显著提升了风险预警的时效性。在金融科技领域，围绕该数据集涌现出自动化财务报告解析工具，能够从SEC的XML附录中高效提取结构化数据，降低手工处理成本。此外，亦有研究将其与宏观经济指标关联，探讨货币政策调整对汽车ABS底层资产表现产生的传导效应，丰富了宏观金融与结构性产品交叉研究的实证素材。