DenyTranDFW/Citigroup_Commercial_Mortgage_Trust_2022_GC48_1924870

该数据集涉及美国证券交易委员会（SEC）ABS-EE资产级别文件，具体为花旗集团商业抵押信托2022-GC48（CIK 1924870）。包含33份文件，82个Parquet文件，总大小为28.9 MB，报告期从2022-06-13至2026-02-11。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。报告期日期来源于资产级别XML（reportingPeriodEndingDate）。SEC ABS-EE asset-level filings for CIK 1924870 (Citigroup Commercial Mortgage Trust 2022-GC48). Includes 33 filings, 82 parquet files, totaling 28.9 MB, with a reporting period from 2022-06-13 to 2026-02-11. 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（资产支持证券电子化）强制性披露体系，聚焦于花旗集团商业抵押贷款信托2022-GC48（CIK编号1924870）的资产层面结构化信息。通过系统性爬取EDGAR系统中该信托自2022年6月至2026年2月期间提交的33份ABS-EE表格，从中提取XML附件中的逐笔贷款级数据，并以Parquet列式存储格式进行结构化组织。每个文件按‘报告编号_无连字符/附件名称.parquet’的层级路径存放，同时利用XML中的‘reportingPeriodEndingDate’字段标定各期报告所对应的观测时间窗口，从而构建起横跨约三年半的时序性资产明细数据库。

特点

该数据集最显著的特质在于其精细化的颗粒度与严格合规的时序完整性。总计82个Parquet文件、28.9 MB的压缩存储涵盖每笔商业抵押贷款的原始特征变量，如本金余额、利率、还款状态等关键风控指标。覆盖33个连续报告期，从2022年第二季度延伸至2026年第一季度，为分析疫情期间商业地产证券化产品的动态表现提供了不可多得的高频面板数据。数据直接源自SEC强制披露机制，规避了第三方数据商可能引入的选择性偏差或清洗偏误，尤其适合用于检验ABS定价模型、评估贷款违约关联性以及挖掘宏观冲击对商业抵押贷款组合的传导效应。

使用方法

研究者和量化分析师可通过Hugging Face datasets库直接加载该数据集，利用parquet格式的高压缩比与列式查询优势高效处理海量贷款记录。典型使用流程包括：首先调用load_dataset('Citigroup_Commercial_Mortgage_Trust_2022_GC48_1924870')获取数据加载器，随后按‘accession_nodash’字段分组以还原各期报告的全貌，再通过‘reportingPeriodEndingDate’构建时间索引进行纵向对比分析。数据天然适配Python的pandas框架，可直接转换为DataFrame以执行缺失值诊断、特征工程以及基于机器学习的违约概率预测等任务。特别地，其与SEC原始XML的严格对应关系使得研究者能追溯每个字段的定义来源，从而在风控建模或金融监管科技研究中保持方法论的可复现性与审计透明度。

背景与挑战

背景概述

在资产支持证券（ABS）领域，详细的资产层面数据对于评估信用风险、进行尽职调查以及开展金融研究至关重要。Citigroup Commercial Mortgage Trust 2022-GC48数据集由SEC的ABS-EE项目于2022年创建，聚焦于花旗集团商业抵押贷款信托的一笔特定交易（CIK 1924870）。该数据集涵盖了从2022年6月至2026年2月的33份申报文件，以82个Parquet文件的形式存储了28.9 MB的贷款层面信息，提取自SEC EDGAR系统的XML附件。其核心研究问题在于为金融分析师和监管机构提供标准化的结构化数据，以支持商业抵押贷款支持证券（CMBS）的透明化分析和模型校准。该数据集填补了传统公开数据中资产级细粒度信息缺失的空白，对推动结构化金融产品的量化研究具有显著意义。

当前挑战

该数据集所解决的领域问题在于提升CMBS市场的信息透明度与可分析性。传统上，资产支持证券的底层贷款数据分散于非结构化文档中，难以直接用于大规模统计或机器学习建模。该数据集通过系统化提取并转换为Parquet格式，使研究者能够高效处理抵押品特征、还款记录及逾期状态等关键变量。构建过程中的挑战包括：一是从SEC XML展品中准确解析异构的资产级财务字段，处理不同时期申报标准的不一致性；二是确保时间序列数据（如报告期间起始与结束日期）的连续性与完整性，避免因缺失申报导致的样本偏差；三是将约30MB的原始数据压缩为高效的列式存储格式，平衡存储效率与查询性能。

常用场景

经典使用场景

在资产证券化（ABS）领域，Citigroup_Commercial_Mortgage_Trust_2022_GC48_1924870数据集作为花旗集团商业抵押贷款信托2022-GC48的SEC ABS-EE资产层面监管申报数据，为金融领域研究者提供了标准化的贷款级与资产级结构化数据。该数据集的经典使用场景集中于抵押贷款支持证券（CMBS）的违约风险评估与资产池动态分析，研究者可通过82个Parquet文件中提取的资产表现指标，追踪从2022年至2026年间各笔贷款的偿付状态、利率波动及抵押品价值变化，从而构建预测模型以量化信用风险。

实际应用

实际应用中，该数据集支撑着金融机构的资产组合压力测试与监管合规分析。投资机构可利用其详尽的贷款级财务指标，对商业抵押贷款支持证券的历史偿付曲线进行回测，优化信用风险定价模型。同时，评级机构基于这些标准化披露数据校准内部评级框架，识别资产池中潜在的集中度风险或地域性风险偏移。此外，监管部门通过对比不同CMBS信托的资产表现，能够更有效地监测系统性金融风险，并为制定更透明的资产证券化信息披露规则提供实证依据。

衍生相关工作

围绕该数据集已衍生出一系列前沿研究工作。在机器学习领域，研究者基于其包含的高维时间序列特征，开发了利用图神经网络捕捉贷款间关联效应的违约预测模型。在金融工程方面，有工作聚焦于解析CMBS交易结构中的优先-劣后级现金流分配规则，构建了基于蒙特卡洛模拟的期限结构模型。此外，结合自然语言处理技术对SEC申报文件中的管理层讨论与分析文本进行情感分析，并与该数值型资产数据融合，形成了包含软信息与硬信息的多模态信用风险评估框架，极大拓展了结构化金融产品的研究边界。