DenyTranDFW/GM_Financial_Consumer_Automobile_Receivables_Trust_2023_3_1979069

该数据集包含美国证券交易委员会（SEC）ABS-EE资产级别文件，针对CIK 1979069（即GM Financial Consumer Automobile Receivables Trust 2023-3）。具体包括35个文件，以Parquet格式存储，总大小为112.2 MB，覆盖报告期从2023年5月31日到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，按{accession_nodash}/{exhibit_name}.parquet方式组织。报告期日期基于资产级别XML中的reportingPeriodEndingDate字段确定。数据集主要用于资产支持证券（ABS）相关分析，涉及汽车消费应收款信托的资产级别信息。This dataset contains SEC ABS-EE asset-level filings for CIK 1979069 (GM Financial Consumer Automobile Receivables Trust 2023-3). It includes 35 filings, stored as 35 Parquet files with a total size of 112.2 MB, covering a reporting period from May 31, 2023, to February 28, 2026. The Parquet files are loan-level or asset-level data extracted from XML exhibits, organized as {accession_nodash}/{exhibit_name}.parquet. Reporting period dates are derived from the asset-level XML field reportingPeriodEndingDate. The dataset is intended for asset-backed securities (ABS) analysis, focusing on asset-level information for a consumer automobile receivables trust.

搜集汇总

数据集介绍

构建方式

GM Financial Consumer Automobile Receivables Trust 2023-3 数据集源自美国证券交易委员会（SEC）的ABS-EE（资产支持证券效能增强）强制披露文件。该数据集聚焦于CIK编号为1979069的信托实体，系统收录了自2023年5月至2026年2月期间的35份申报文件。每份文件均以Parquet格式存储，通过从XML附件中提取贷款级或资产级数据构建而成，并按存取编号与附件名称进行组织。数据集的构建严格遵循监管合规性，为金融领域的研究提供了标准化、结构化的原始信息。

特点

该数据集具有鲜明的结构化与完整性特征。其一，时间跨度长达近三年，覆盖了35个连续的申报周期，确保了数据的时间序列连续性。其二，数据以高效的Parquet列式存储格式呈现，总容量达112.2 MB，便于进行大规模数据分析与处理。其三，每个资产级XML附件均内嵌了报告期截止日期，使得时间维度信息精准可信。这些特点使数据集成为分析汽车贷款资产支持证券表现与风险的理想素材。

使用方法

此数据集主要面向资产证券化领域的量化分析师与金融研究人员。使用者可通过访问SEC EDGAR系统获取原始XML附件，亦可直接利用已提取的Parquet文件进行本地分析。典型应用包括评估贷款池的信用风险、跟踪资产绩效指标以及构建违约预测模型。建议结合Python的Pandas或Dask等工具库对Parquet数据进行高效读取与处理，从而实现对该信托产品全生命周期的细致回溯与深入挖掘。

背景与挑战

背景概述

GM Financial Consumer Automobile Receivables Trust 2023-3 数据集源于美国证券交易委员会（SEC）强制要求的ABS-EE（资产支持证券电子化）申报制度，旨在提升资产支持证券市场的透明度与数据可获取性。该数据集由SEC依据法规收集，并由数据整理者于2023年至2026年间持续提取与标准化，核心研究问题聚焦于汽车贷款资产支持证券（ABS）的逐笔贷款层面绩效分析。通过覆盖35份申报文件、112.2 MB的Parquet格式数据，该数据集为金融科技与实证资产定价领域提供了高颗粒度的标准化数据源，极大促进了违约风险建模、证券化产品估值及监管合规研究。其影响力体现在为学术界与业界搭建了从原始XML披露到结构化分析的桥梁，推动了资产层面数据在金融研究中的广泛应用。

当前挑战

该数据集所解决的领域核心挑战在于资产支持证券市场长期存在的信息不对称问题。传统ABS披露以汇总报告为主，缺乏逐笔贷款细节，阻碍了精准的风险评估与投资决策；数据集通过标准化XML提取与Parquet格式转化，使研究者得以追溯每笔贷款的还款状态、逾期状况等微观动态。构建过程中面临的挑战包括：从SEC EDGAR系统解析非统一结构的XML附件，需处理字段命名差异与数据缺失；确保跨35个报告期的数据一致性，特别是应对会计调整与资产组合更迭；以及将月度报告数据整合为时序分析友好的结构，同时维持与原始SEC文件的可追溯性。

常用场景

经典使用场景

GM Financial Consumer Automobile Receivables Trust 2023-3数据集作为资产支持证券（ABS）领域的典型代表，在证券化产品研究的浩瀚星空中熠熠生辉。该数据集由35份Parquet文件构成，总容量达112.2 MB，覆盖从2023年5月至2026年2月的完整报告周期，每份文件均源自SEC ABS-EE备案中的XML展品，精准捕捉了每笔汽车贷款资产层面的翔实信息。其经典应用在于构建资产池表现的动态监测模型，通过分析逾期率、提前偿还率及违约损失率等核心指标，为评估证券化产品的信用风险与现金流稳定性提供坚实的数据基石。

解决学术问题

在学术研究的殿堂中，该数据集巧妙地解决了几个悬而未决的难题。它填补了汽车贷款ABS领域高频资产层面数据的空白，使得研究者得以超越传统的静态资产池分析，深入探究贷款层级异质性对证券化产品表现的影响机制。通过利用这一细粒度的逐笔贷款数据，学者们能够建模并检验贷款发放特征、借款人信用状况与证券化后绩效之间的复杂因果关系，从而为资产支持证券的定价理论、信用评级模型优化以及系统性风险预警提供了前所未有的经验证据，极大地推动了金融工程与风险管理理论的发展。

衍生相关工作

基于这一珍贵的数据资源，学术界与业界衍生出了一系列开创性的工作。研究者们开发了基于机器学习的贷款违约预测模型，利用Parquet文件中丰富的字段特征，大幅提升了风险识别精度。同时，围绕这一数据集也催生了针对ABS-EE备案格式的标准分析工具库，例如Python包sec-abs-ee-parser，助力社区高效处理同类数据。更有学者以此为温床，系统研究了《多德-弗兰克法案》施行后ABS信息披露质量的变化，以及其对市场价格发现功能的影响，这些工作共同构筑了现代资产证券化研究领域的知识高地。