DenyTranDFW/Honda_Auto_Receivables_2023_4_Owner_Trust_1996308

该数据集包含美国证券交易委员会（SEC）ABS-EE资产支持证券申报文件，具体针对本田汽车应收账款2023-4所有者信托（CIK 1996308）。数据集包含24个申报文件，提取自XML附件，存储为25个Parquet格式文件，总大小为85.6 MB。数据涵盖贷款/资产级别信息，报告期间从2023年11月30日开始，到2026年2月28日结束。Parquet文件按{accession_nodash}/{exhibit_name}.parquet路径组织，报告日期基于资产级别XML中的reportingPeriodEndingDate字段。SEC ABS-EE asset-level filings for CIK 1996308 (Honda Auto Receivables 2023-4 Owner Trust). The dataset includes 24 filings with 25 Parquet files (total size 85.6 MB) extracted from XML exhibits, containing loan-level/asset-level data. Reporting period spans from 2023-11-30 to 2026-02-28, organized as {accession_nodash}/{exhibit_name}.parquet, with dates 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-资产级数据）强制披露要求，专为本田汽车应收款2023-4所有者信托（CIK编号1996308）构建。数据从XML展品中提取并转换为Parquet格式，涵盖24份申报文件，共计25个Parquet文件，总大小85.6 MB。每个Parquet文件以“{accession_nodash}/{exhibit_name}.parquet”的命名规则组织，反映资产级贷款的详细信息，并通过XML中的报告期结束日期（reportingPeriodEndingDate）准确标识数据的时间跨度，起始于2023年11月30日，结束于2026年2月28日。

特点

数据集的核心特征在于其精细的资产级颗粒度，提供了每笔贷款的逐项记录，而非汇总数据，从而支持深度分析。时间序列上覆盖从发行后至到期日的完整报告周期，共24个月度节点，便于追踪资产表现和信用风险演变。此外，数据以高效列式存储格式Parquet呈现，平衡了存储空间与查询性能，每个文件独立且可追溯至原始SEC申报，确保了透明度和可验证性。标签标识为SEC和ABS-EE，表明其合规来源，特别适合用于结构化金融产品的实证研究。

使用方法

用户可通过Hugging Face数据集库直接加载Parquet文件，利用pandas或Dask等工具进行数据读取与分析。处理时，建议按申报日期（reportDate）或文件编号（accessionNumber）筛选特定时间区间，结合资产层字段（如贷款余额、利率或逾期状态）开展资产池绩效评估或现金流建模。由于数据采用标准Parquet格式，可与Python、R或SQL生态无缝集成，适用于构建抵押贷款信用风险预测模型或验证ABS定价策略，尤其需注意缺失值处理和跨时间点的一致性对齐，以充分挖掘其时间序列维度下的信息价值。

背景与挑战

背景概述

资产支持证券（ABS）作为结构化金融产品的核心组成部分，其底层资产的透明性与可追溯性对风险定价与市场监管至关重要。Honda Auto Receivables 2023-4 Owner Trust数据集由SEC ABS-EE项目于2023年末创建，旨在披露本田汽车金融的零售分期贷款资产池的逐笔贷款信息。该数据集由24份监管备案文件与25个Parquet文件构成，覆盖自2023年11月至2026年2月的报告周期，总容量达85.6 MB。源自SEC EDGAR体系的XML展品，它提供了贷款级别偿付、逾期与损失等核心字段的标准化结构，为资产证券化领域的实证研究提供了高质量、合规的微观数据基础，显著推动了ABS二级市场定价效率与信用风险模型的学术探索。

当前挑战

该数据集直面资产支持证券领域的两层挑战。在领域问题层面，它亟待解决传统ABS市场中信息不对称与风险异质性导致的定价失真难题，通过细粒度贷款表现数据揭示信用风险演进规律，为监管层与投资者提供透明化评估工具。在构建过程中，挑战集中于从非结构化XML展品中准确提取并统一字段含义，例如处理分期贷款还款计划差异与报告日期对齐；同时需应对SEC不同提交年份的格式变化，确保跨期数据可比性；此外，数据规模虽有限，但时间序列的完整性维护与缺失值处理对资产池评级模型稳健性构成持续考验。

常用场景

经典使用场景

在资产支持证券（ABS）研究领域，Honda Auto Receivables 2023-4 Owner Trust数据集为金融学者提供了宝贵的逐笔贷款级微观数据。该数据集源自美国证券交易委员会（SEC）的ABS-EE强制披露要求，涵盖2023年11月至2026年2月期间共24份资产层级备案文件，并以Parquet格式高效存储了25个数据文件。研究者常利用这些精细化的贷款绩效数据，如每笔应收账款的还款状态、逾期天数及本金余额，来构建和验证汽车贷款ABS的信用风险模型，或是剖析资产池的异质性特征及其对证券分层偿付结构的影响。其标准化、机器可读的格式极大便利了海量数据的自动化处理与复现分析，成为资产证券化量化研究的理想基石。

衍生相关工作

以此数据集为蓝本，研究社区已衍生出多项开创性工作范例。一方面，它作为典型案例，激发了针对SEC ABS-EE数据合规结构的标准解析工具的开发，例如开源库'Egbert'的扩展，能够自动抓取与清洗类似信托的XML资产级档案，构建统一分析框架。另一方面，基于该数据集的贷款表现轨迹，催生了利用时间序列模型（如LSTM或Prophet）预测汽车贷款履约状态的基准研究。更有学者将其与宏观经济变量（如失业率、二手车价格指数）进行纵向关联，构建了宏观因子驱动的ABS违约风险预测体系。这些衍生工作不仅验证了数据价值，更为全球其他ABS市场的透明度提升与实证分析提供了可复用的方法论范式。

数据集最近研究

最新研究方向

在全球资产支持证券（ABS）市场透明度与监管合规需求日益提升的背景下，Honda Auto Receivables 2023-4 Owner Trust数据集为研究汽车贷款支持证券的资产池表现提供了稀缺的高频微观数据。该数据集涵盖了2023年11月至2026年2月间共24份SEC ABS-EE备案文件，包含85.6 MB的颗粒化贷款级Parquet文件，直接源自官方XML展品。当前前沿研究聚焦于利用此类资产级数据构建违约预测模型与现金流结构化分析，以应对美联储加息周期下汽车信贷风险的演化。借助该数据，学术界与业界可深入追踪本田汽车贷款池的还款动态、提前偿付行为及信用迁移轨迹，进而优化ABS定价模型与压力测试框架。其公开可得性与标准化格式亦促进了数据集领域内机器学习方法的横向对比与可复现性研究，为监管科技（RegTech）在结构性金融中的应用提供了实证基石。