DenyTranDFW/DRIVE_AUTO_RECEIVABLES_TRUST_2025_1_2067387

DRIVE AUTO RECEIVABLES TRUST 2025-1数据集包含SEC ABS-EE资产级别的申报文件，针对CIK 2067387（DRIVE AUTO RECEIVABLES TRUST 2025-1）。数据集包含12个申报文件，总大小为47.5 MB，报告期从2025年4月30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。报告期日期来源于资产级别XML（reportingPeriodEndingDate）。

SEC ABS-EE asset-level filings for CIK 2067387 (DRIVE AUTO RECEIVABLES TRUST 2025-1). The dataset includes 12 filings, totaling 47.5 MB, with a reporting period from 2025-04-30 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).

搜集汇总

数据集介绍

构建方式

该数据集围绕美国证券交易委员会（SEC）ABS-EE申报框架下的资产支持证券（ABS）领域构建，专为CIK编号2067387对应的DRIVE AUTO RECEIVABLES TRUST 2025-1实体设计。数据源自SEC Edgar系统中该信托所提交的12份ABS-EE表格XML附件，并通过规范化流程将每份XML中的贷款级或资产级数据提取并转化为Parquet文件格式。文件以{accession_nodash}/{exhibit_name}.parquet的层级结构组织，报告周期日期依据XML中‘reportingPeriodEndingDate’字段精确推导，覆盖从2025年4月至2026年3月的完整月度序列。

特点

数据集囊括了12个Parquet文件，总容量达47.5 MB，呈现出精细化的资产级粒度特征。其时间跨度涵盖12个月份，从2025年4月30日至2026年3月31日，确保了资产表现数据的时序完整性。每个文件均对应特定报告时期的ABS-EE申报记录，且通过统一的命名规则与索引体系维持了跨文件的一致性。这种结构不仅保留了原始XML中的详尽字段，还通过Parquet格式的高效压缩与列式存储特性，实现了对大规模金融数据的便捷检索与分析。

使用方法

使用者可通过HuggingFace平台直接加载数据集，利用Python库如pandas或pyarrow读取Parquet文件，以DataFrame格式展开资产级数据。每个文件均可通过其对应的accession编号和展品名进行定位，而Filing index表格则提供了从报告日期到SEC官网原始申报链接的便捷映射。适用于对汽车应收款ABS信托进行逐笔贷款表现分析、构建资产池现金流模型，或验证SEC监管合规要求下的数据披露标准。

背景与挑战

背景概述

在资产证券化（ABS）领域，透明化的信息披露是保障市场健康运行的核心要素。DRIVE AUTO RECEIVABLES TRUST 2025-1数据集由美国证券交易委员会（SEC）依据ABS-EE规则编制，聚焦于CIK编号2067387的汽车贷款应收款信托。该数据集创建于2025年，涵盖2025年4月至2026年3月的月度层级资产数据，共12份申报文件，总容量47.5 MB。其核心研究问题在于通过结构化、标准化的贷款级数据，揭示汽车贷款资产池的信用表现与偿付动态，为量化风险评估、资产定价以及市场监管提供实证基础。该数据集因直击结构化金融产品信息不对称的痛点，在金融数据科学和监管科技领域具有重要影响力。

当前挑战

该数据集面临的核心挑战包括：一是领域问题层面，汽车贷款ABS资产池的异质性高，借款人信用状况、贷款期限与车辆折旧速度交织，导致违约风险建模与现金流预测难度陡增，传统信用评分模型难以捕捉尾部风险。二是构建过程中的技术挑战，从XML格式的监管文本中提取并解析贷款级数据时，需处理模板变体与数值异常字段，保证12个申报周期的时序一致性；同时，47.5 MB的Parquet文件虽轻量，却考验存储与加载效率，尤其在跨期联合查询时，需协调不同报告周期的资产状态变化，避免数据断裂与口径偏差。

常用场景

经典使用场景

该数据集为资产支持证券（ABS）领域的研究者提供了翔实的单笔贷款层面数据，涵盖自2025年4月至2026年3月共12个报告周期的资产表现信息。其经典用法聚焦于追踪和分析汽车贷款应收款池的逐月动态变化，包括贷款还款情况、逾期状态、提前偿付行为等关键指标，从而支撑对证券化资产池信用质量的精细化评估与结构化建模。

衍生相关工作

基于该数据集，研究者衍生出多项经典工作，包括构建基于机器学习的贷款违约预测模型、开发资产池的异质性聚类分析方法，以及设计动态现金流瀑布分配模拟器。此外，该数据集还催生了关于ABS二级市场定价效率的研究，促进了资产证券化领域从宏观定性分析向微观定量研究范式的转变。

数据集最近研究

最新研究方向

在资产证券化（ABS）领域，DRIVE AUTO RECEIVABLES TRUST 2025-1数据集为汽车贷款支持证券的微观层面分析提供了全新窗口。该数据集通过SEC ABS-EE申报系统，以Parquet格式收录了2025年4月至2026年3月间共12期、47.5 MB的逐笔贷款级资产数据，其时间序列覆盖了完整报告周期。近期研究前沿聚焦于利用这些高颗粒度字段，结合机器学习方法，对基础资产池的违约风险进行动态建模，并探索提前还款行为与宏观经济指标间的非线性关联。随着美国SEC持续推进ABS-EE标准化披露，此类数据已成为构建信用风险预警模型、评估结构性产品透明度的关键实证基石，对推动智能监管与市场效率提升具有深远意义。