DenyTranDFW/Mercedes_Benz_Auto_Lease_Trust_2024_B_2033250

该数据集包含Mercedes-Benz Auto Lease Trust 2024-B的SEC ABS-EE资产级别备案数据，涉及CIK 2033250。数据集包含20个备案文件，转换为20个Parquet格式文件，总大小为35.4 MB。Parquet文件是从XML展品中提取的贷款级别/资产级别数据，按照{accession_nodash}/{exhibit_name}.parquet的方式组织。报告周期日期来源于资产级别XML中的reportingPeriodEndingDate字段。

SEC ABS-EE asset-level filings for CIK 2033250 (Mercedes-Benz Auto Lease Trust 2024-B). The dataset includes 20 filings, converted into 20 Parquet files totaling 35.4 MB. 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

该数据集聚焦于梅赛德斯-奔驰汽车租赁信托2024-B（CIK 2033250）的ABS-EE资产层面监管申报文件。构建过程中，从美国证券交易委员会EDGAR系统收录的20份ABS-EE表格（Form ABS-EE）中提取XML展品内的贷款层级数据，共生成20个Parquet文件。每个文件依据存取号与展品名称组织路径，即`{accession_nodash}/{exhibit_name}.parquet`，同时从XML中的`reportingPeriodEndingDate`字段提取报告期日期，确保时间维度的完整性。

特点

数据集的核心特点在于其结构化的资产级细粒度数据。全部20份文件以高效压缩的Parquet格式存储，总容量仅35.4 MB，便于大规模金融分析场景的快速加载与查询。数据严格遵循SEC的ABS-EE监管标准，覆盖从2024年至2026年跨越多个周期的周期性申报，且每个存取号均附带SEC官方链接，确保来源的可追溯性与数据权威性，为资产证券化研究提供可靠样本。

使用方法

用户可通过Hugging Face数据集库直接访问该资源，利用Python中的pandas或Dask等工具读取Parquet文件以展开资产级别分析。数据路径按存取号与展品名称天然分片，适合按特定申报批次或时间段筛选。结合SEC提供的原始XML链接，可交叉验证数据准确性。推荐在分析中利用报告期日期字段进行时间序列建模，或通过贷款特征字段解析梅赛德斯-奔驰租赁资产的信用表现与现金流模式。

背景与挑战

背景概述

在资产证券化（ABS）领域，尤其是汽车租赁贷款支持证券的监管透明化与数据分析需求日益增强的背景下，Mercedes-Benz Auto Lease Trust 2024-B数据集应运而生。该数据集由美国证券交易委员会（SEC）的ABS-EE（资产支持证券电子化数据）项目提供，专注于收录梅赛德斯-奔驰汽车租赁信托2024-B（CIK 2033250）的资产层级申报文件。数据集创建于2024年，共包含20份Filings和对应的Parquet文件，总规模达35.4 MB，旨在为研究人员、监管机构及市场参与者提供标准化、机器可读的贷款级数据，以支持证券化产品的风险评估、现金流建模与合规分析。其核心研究问题聚焦于如何通过结构化数据高效捕捉汽车租赁ABS的底层资产表现，对于推动金融科技在结构化金融中的深度应用具有重要示范意义。

当前挑战

该数据集主要面临的挑战涉及两大层面。在领域问题层面，资产证券化市场长期受困于信息不对称与数据异构性，传统文本披露难以支撑自动化风险度量，而本数据集旨在以统一格式解析XML展品中的资产级字段，例如报告期日期（reportingPeriodEndingDate）等关键标签的准确提取与对齐。在构建过程中，挑战体现在数据源复杂性上：SEC的ABS-EE XML文件结构多变，不同发行人可能使用不同命名规范或可选字段，导致数据清洗与标准化工作量巨大；此外，时间序列的连续性维护（如20份文件覆盖多个报告期）要求精确的跨期映射与缺失值处理，以保障后续建模的稳健性。

常用场景

经典使用场景

该数据集源自梅赛德斯-奔驰汽车租赁信托2024-B向美国证券交易委员会提交的ABS-EE资产层面申报文件，聚焦于结构化金融产品领域。在资产支持证券（ABS）研究中，它扮演着基准数据的角色，常用于构建汽车租赁贷款池的信用风险模型。学者和从业者通过解析20份Parquet文件中包含的逐笔贷款信息，能够精准把握租赁资产的违约率和提前还款行为，从而评估资产池的现金流稳定性与证券化产品的定价合理性。该数据集的精细粒度使其成为验证抵押品估值模型和压力测试场景的理想选择。

解决学术问题

在学术界，Mercedes_Benz_Auto_Lease_Trust_2024_B数据集解决了汽车ABS领域长期存在的数据稀缺问题，此前关于优质汽车租赁证券化的微观结构研究常受限于非公开的贷款层面数据。它使研究人员能够深入剖析资产组合的异质性，例如租赁期限、残值和借款人信用评分如何共同影响证券化产品的信用增级需求。通过对该数据集的实证分析，学界得以量化信息披露透明度对市场流动性的提升作用，并为监管机构评估资产证券化风险保留规则的有效性提供了经验证据，推动了金融中介理论在汽车金融领域的延伸。

衍生相关工作

该数据集衍生出一系列具有影响力的研究与实践工具。在模型构建层面，它催生了基于梯度提升机和长短期记忆网络的违约预测框架，这些模型能够捕捉租赁资产在宏观经济波动下的非线性风险特征。在实证文献方面，学者们利用该数据集检验了汽车ABS中信息不对称对利差的影响，并出版了关于租赁贷款提前偿付与汽车残值变量之间关系的基准论文。与此同时，该数据集还启发了开源金融数据工具的开发，例如自动化解析SEC XML文件并转换为结构化数组的Python管道，这些工具被广泛复用于其他ABS-EE申报实体的分析中。