DenyTranDFW/Honda_Auto_Receivables_2023_2_Owner_Trust_1976562

该数据集包含美国证券交易委员会（SEC）ABS-EE资产级申报文件，针对CIK 1976562（Honda Auto Receivables 2023-2 Owner Trust）。数据来源于XML展品中提取的贷款级/资产级数据，以Parquet文件格式组织，文件路径结构为{accession_nodash}/{exhibit_name}.parquet。数据集涵盖从2023年4月30日到2026年2月28日的报告期，包括31个申报文件、39个Parquet文件，总大小为111.1 MB。这些数据用于资产支持证券（ABS）的分析和监控。SEC ABS-EE asset-level filings for CIK 1976562 (Honda Auto Receivables 2023-2 Owner Trust). The dataset includes loan-level/asset-level data extracted from XML exhibits, organized as Parquet files in the format {accession_nodash}/{exhibit_name}.parquet. It covers a reporting period from 2023-04-30 to 2026-02-28, with 31 filings, 39 Parquet files, and a total size of 111.1 MB. The data is used for analysis and monitoring of asset-backed securities (ABS).

搜集汇总

数据集介绍

构建方式

在资产支持证券（ABS）领域，本田汽车应收款2023-2所有者信托数据集源自美国证券交易委员会（SEC）的ABS-EE强制性披露文件。该数据集通过系统性地收集CIK编号为1976562的实体所提交的31份申报文件构建而成，从中提取了39个Parquet格式文件，总容量达111.1 MB。数据以贷款级或资产级信息为核心，这些信息来源于XML展品，并按照存取编号与展品名称的结构组织为Parquet文件，报告周期起止于2023年4月30日至2026年2月28日，报告期日期则源自资产级XML中的reportingPeriodEndingDate字段。

特点

此数据集具备显著的精细度与时效性优势。其涵盖从2023年4月至2026年2月的连续月度报告，能够完整呈现资产池在长达近三年时间内的动态变化轨迹。每个Parquet文件均对应特定申报文件中的展品，提供了贷款层面的原始数据，便于研究者深入剖析每笔应收款的表现。此外，数据集中包含了详细的申报索引，列示了每个文件的CIK、表单类型、存取编号、报告日期及SEC官网链接，极大地方便了数据溯源与交叉验证。

使用方法

使用该数据集时，研究者首先应通过Hugging Face的数据集加载功能获取Parquet文件，可借助诸如pandas等数据分析库读取并解析这些文件。针对资产支持证券的尽职调查与风险分析，用户可基于报告周期内各时间点的贷款级数据，计算逾期率、违约率及提前偿付率等关键指标。若需进行更深入的量化建模，建议将数据集中的逐笔贷款记录与外部宏观经济变量或信用评分模型相结合，以构建预测资产池现金流的统计或机器学习模型。同时，SEC官网链接为数据验证与补充信息获取提供了可靠通道。

背景与挑战

背景概述

该数据集源自美国证券交易委员会（SEC）强制要求的ABS-EE（资产支持证券-资产级披露）文件，聚焦于本田汽车应收款2023-2所有者信托（CIK 1976562），覆盖2023年4月至2026年2月的资产级贷款数据。作为结构化金融领域的关键数据源，该数据集由SEC监管框架下生成，旨在提升资产支持证券市场的透明度和风险评估能力。其创建背景源于2008年金融危机后对复杂金融产品信息披露的强化需求，通过提供每笔贷款的详细颗粒度数据，为投资者、监管机构和研究人员深入分析汽车贷款资产池的信用表现、提前偿付行为及违约模式奠定了坚实基础。当前，该数据集已成为研究汽车ABS领域资产池动态演化的重要参考资料，对推动金融科技与风险管理领域的实证研究具有显著影响力。

当前挑战

在领域问题方面，该数据集的核心挑战在于如何利用单信托的资产级数据有效刻画汽车贷款ABS产品在复杂经济环境下的信用风险与现金流不确定性。具体而言，研究人员需克服数据的时间跨度有限（仅约3年）和样本单一性（仅涉及单一信托）带来的泛化局限，以应对资产池中贷款早偿率、违约率与宏观经济变量（如利率、失业率）之间的非线性动态关联。在构建过程中，挑战主要体现在从SEC电子化数据收集系统（EDGAR）中解析非标准化XML格式的资产级披露文件，涉及大量数据清洗与结构化转换工作，包括统一报告日期、处理缺失值及验证跨文件一致性，同时需确保对近40个Parquet文件的元数据管理高效且可复现。

常用场景

经典使用场景

在资产证券化（ABS）研究领域，Honda Auto Receivables 2023-2 Owner Trust 数据集以其详尽的贷款层面颗粒度信息，成为剖析汽车贷款支持证券底层资产质量的经典范本。该数据集涵盖了从2023年4月至2026年2月间31份SEC ABS-EE备案文件，内嵌了丰富的资产级XML数据，经由Parquet格式高效存储，为量化分析贷款组合的信用风险、提前偿付行为及未来现金流预测提供了坚实的数据基石。研究者通常利用其构建违约概率模型、评估资产池异质性，并验证结构化产品的分层偿付机制，从而揭示汽车ABS市场的内在运行规律。

解决学术问题

该数据集精准回应了资产证券化领域信用风险可测性与价格发现机制的核心学术难题。通过提供连续的月度资产表现数据，它支持学者追踪贷款从发放到到期的完整生命周期，有效识别影响违约和提前偿付的关键因子，例如借款人的FICO评分、贷款期限及地域分布。这些分析不仅深化了对汽车ABS结构化产品分层信用评级准确性的理解，还促进了信息不对称环境下投资者-发行人博弈理论的经济学建模，推动了市场透明度和定价效率的实证研究。

衍生相关工作

围绕Honda Auto Receivables 2023-2 Owner Trust 数据集，衍生了一系列开创性工作。例如，基于其资产级数据，研究者开发了针对汽车ABS的机器学习违约预测算法，并与传统统计模型进行对比。另有工作聚焦于结构化产品的现金流建模，利用该数据集的详细偿付历史校准蒙特卡洛模拟参数，从而更精确地评估不同层级证券的公允价值。此外，该数据集作为SEC ABS-EE项目下的典型案例，被常用来审视监管改革对市场信息披露质量与实际透明度的影响，推动了资产证券化数据标准化与开放科学的进程。