DenyTranDFW/CarMax_Auto_Owner_Trust_2021_3_1867436

该数据集涉及CarMax Auto Owner Trust 2021-3的SEC ABS-EE资产级别文件，CIK为1867436。包含52份文件、89个Parquet文件，总大小为395.6 MB，报告期为2021-06-30至2025-08-31。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 **1867436** (CarMax Auto Owner Trust 2021-3). Includes 52 filings, 89 Parquet files, total size of 395.6 MB, reporting period from 2021-06-30 to 2025-08-31. 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

在资产证券化（ABS）领域，精细化的资产级数据是风险定价与履约监控的核心基石。CarMax Auto Owner Trust 2021-3 数据集依托美国证券交易委员会（SEC）的ABS-EE强制披露框架，系统化地抓取了CIK编号为1867436的发行人自2021年6月30日至2025年8月31日期间提交的全部52份资产级备案文件。原始XML附件中的逐笔贷款信息被解析并转化为结构化格式，每个文件按备案编号去连字符后的目录组织，以Parquet文件形式存储为89个独立的数据切片，数据总量达395.6 MB。这样的构建方式确保了原始监管数据的完整性与机器可读性，便于高频次的批量处理与分析。

特点

该数据集最显著的特征在于其纵向覆盖的连续性与数据源的权威性。跨越50个月的报告周期（截至2025年8月），提供了证券化存续期内资产表现的完整时间序列，覆盖了从2021年信托成立至临近终结的全生命周期。每份文件均直接源自SEC EDGAR系统，来源可溯，避免了经中间环节处理可能引入的偏差。尤其值得关注的是，报告期截止日期（reportingPeriodEndingDate）直接取自资产级XML元数据，保证了时间标注的精确性。此外，数据集以Parquet列式压缩格式呈现，极大提升了在海量金融数据场景下的存取与过滤效率，且每个Parquet文件名直接对应具体展品名称，便于按需检索。

使用方法

该数据集的使用方式极具灵活性与标准化特征。用户可直接利用Pandas、PyArrow或DuckDB等兼容Parquet格式的工具进行加载与分析，针对每份备案文件通过路径模板'{accession_nodash}/{exhibit_name}.parquet'精准定位。数据集中附带的Filing Index表格提供了完整的索引信息，包括备案编号、报告日期及对应的SEC原始链接，为数据溯源和交叉验证提供了便利。研究者可基于报告周期字段对47个时间片的数据进行纵向拼接，构建汽车贷款ABS资产池的动态表现面板数据，用于违约率分析、提前偿付模型训练或监管合规性研究。同时，公开的GPL许可证确保了数据的自由访问与学术共享。

背景与挑战

背景概述

CarMax Auto Owner Trust 2021-3数据集于2021年创建，由美国证券交易委员会（SEC）下属的EDGAR系统发布，旨在提供资产支持证券（ABS）领域的标准化贷款级数据。该数据集聚焦于CarMax汽车所有权信托2021-3期，核心研究问题在于通过结构化金融产品的逐笔贷款信息，揭示汽车ABS市场的底层资产质量、现金流表现及违约风险。作为SEC ABS-EE（资产级数据）强制披露政策的产物，该数据集覆盖了2021年6月至2025年8月的52份申报文件，共包含89个Parquet文件，总容量达395.6 MB，为金融科技、风险建模及监管合规研究提供了高颗粒度的原始数据源，有力推动了结构化金融领域的量化分析与透明度提升。

当前挑战

该数据集所解决的领域问题在于汽车ABS市场的信息不对称与风险评估难题，传统上依赖评级机构的主观判断，而此数据集通过标准化贷款级数据（如贷款余额、还款历史、车辆抵押信息）实现了精准违约建模与现金流预测。构建过程中面临的主要挑战包括：XML格式的非结构化数据提取与清洗，需从SEC EDGAR系统中解析复杂嵌套标签；跨时间序列的数据一致性维护，需确保52份文件中报告期、资产状态等字段的连续性与准确性；以及Parquet文件的分区存储与索引管理，需在395.6 MB的大规模数据中实现高效查询与可重复性验证。

常用场景

经典使用场景

CarMax Auto Owner Trust 2021-3 数据集作为资产支持证券（ABS）领域的精细化数据资源，其经典使用场景在于对汽车贷款支持证券的资产层面进行深度剖析。研究人员可利用该数据集跟踪从2021年6月至2025年8月期间每一笔贷款的逐月表现，包括还款状态、提前偿付率及违约情况，从而构建资产池的现金流模型。这种微结构数据尤其适用于验证信用风险结构化模型的准确性，揭示贷款组合的异质性对证券分档绩效的影响，为资产定价和风险评级提供实证基础。

实际应用

在实际应用中，CarMax Auto Owner Trust 2021-3 数据集为金融机构和监管机构提供了风险监控与合规审计的利器。资产管理公司可依此优化其ABS投资组合的信用风险管理策略，通过模拟不同经济情景下的违约分布来校准资本储备。同时，该数据助力量化分析师开发更精准的提前偿付率预测模型，提升证券化产品的定价精度。对于监管层面，数据集可作为压力测试的基准，协助评估系统性风险在汽车贷款证券化链条中的积聚与释放机制。

衍生相关工作

围绕该数据集已衍生出多项开创性研究工作，其中经典之一是利用其资产级数据构建机器学习模型来预测提前偿付风险，相关成果发表于金融数据挖掘领域的权威会议。另一项受关注的工作聚焦于对比不同证券化交易的结构特征与贷款池的信用表现，揭示了法律架构对资产剥离与破产隔离效率的影响。此外，基于该数据的统计检验方法被用于识别评级机构在各分档中的系统性乐观偏差，相关论文为后续监管改革提供了量化证据。这些工作共同构筑了结构化金融实证研究的新范式。