DenyTranDFW/Carvana_Auto_Receivables_Trust_2021_P4_1845213

该数据集涉及美国证券交易委员会（SEC）ABS-EE资产级别备案，具体针对CIK 1845213（Carvana Auto Receivables Trust 2021-P4）。包含53份备案文件，84个Parquet文件，总大小为157.1 MB，报告期为2021年11月30日至2026年3月31日。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 1845213 (Carvana Auto Receivables Trust 2021-P4). Includes 53 filings, 84 parquet files, total size of 157.1 MB, and a reporting period from 2021-11-30 to 2026-03-31. 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

该数据集源自美国证券交易委员会（SEC）的ABS-EE（资产支持证券电子化申报）系统，专门收录Carvana Auto Receivables Trust 2021-P4（CIK 1845213）的资产层面申报文件。数据集通过系统化抓取SEC EDGAR数据库中该信托存续期内（2021年11月至2026年3月）共53份ABS-EE表格，并从中提取XML展品中的贷款级数据，最终将每个XML文件转换为Parquet格式，以`{accession_nodash}/{exhibit_name}.parquet`的目录结构组织存储，同时利用XML中的`reportingPeriodEndingDate`字段标注报告期日期。

使用方法

用户可直接通过编程语言（如Python中的pandas或Dask）加载.parquet文件进行数据分析。每个文件对应特定申报期的一个XML展品，因此可按时间序列合并多个文件以构建完整的资产池面板数据。结合filing index中的元信息（如cik、form、accessionNumber、reportUrl），研究者能够灵活连接外部市场数据或进行事件研究。建议优先使用内存映射技术处理大规模Parquet文件，以提升读取效率并节约系统资源。

背景与挑战

背景概述

Carvana Auto Receivables Trust 2021-P4数据集聚焦于资产支持证券（ABS）领域中的汽车贷款应收款证券化，由美国证券交易委员会（SEC）依据ABS-EE规则披露的资产层级数据构成。该数据集创建于2021年，对应Carvana Auto Receivables Trust 2021-P4这一特定证券化产品，其核心研究问题在于通过细粒度的逐笔贷款数据，揭示汽车ABS产品的资产池构成、现金流表现及信用风险演化。数据集覆盖2021年11月至2026年3月的报告周期，包含53份申报文件及84个Parquet文件，总容量达157.1 MB，为金融科技、风险管理及结构化产品分析提供了标准化、机器可读的资产级数据资源。其发布对提升ABS市场透明度、推动基于数据的量化研究具有重要影响力。

当前挑战

该数据集面临的核心挑战在于所解决的领域问题：资产支持证券的逐笔贷款数据长期缺乏统一、可获取的公开来源，传统上依赖发行方自愿披露或结构化摘要，难以支撑细粒度风险建模与压力测试。Carvana数据集通过SEC强制申报的XML附件提取Parquet格式数据，建立了从底层资产到证券化产品的可追溯链路。构建过程中，挑战集中于数据异构性处理——不同报告期XML文件的模式可能存在差异，需确保字段映射的一致性；此外，时间跨度长达五年，数据完整性依赖连续的申报归档，早期文件中的缺失或格式错误需通过脚本进行清洗与校验，最终生成了符合金融分析需求的标准化时序数据集。

常用场景

经典使用场景

Carvana Auto Receivables Trust 2021-P4数据集涵盖了从2021年11月至2026年3月期间，由Carvana汽车应收账款信托发行的资产支持证券（ABS）在SEC提交的ABS-EE表格中的资产级数据。该数据集的核心用途在于为金融科技与结构化金融领域的研究者提供精准的逐笔贷款层面微观数据，广泛应用于资产证券化产品的违约风险建模、提前偿付行为分析以及信用评级校准。通过解析XML附件中的字段，研究者能够追溯每一笔汽车贷款的动态表现，进而构建多期面板数据，用于评估宏观经济波动或借款人信用特征对资产池现金流的影响。

解决学术问题

该数据集有效解决了结构化金融领域长期面临的数据可得性瓶颈问题，尤其是在汽车ABS市场的信息不对称困境中。学术界利用这一资源，能够深入探究以下议题：其一，检验资产证券化交易中的道德风险与逆向选择问题，通过比较不同贷款特征与违约率的关系，量化信息摩擦对资产池质量的影响；其二，验证信用评级机构的评级准确性，通过对比实际违约率与初始评级，揭示评级膨胀或滞后现象；其三，构建基于机器学习的提前偿付与违约双风险预测模型，提升ABS定价与风险管理的科学性。这些研究不仅拓展了资产证券化理论的实证边界，也为监管机构完善信息披露制度提供了数据驱动的政策依据。

实际应用

在实际金融业务中，该数据集为投资机构、风险管理部门和监管者提供了透明化的决策支持。投资者可借此评估Carvana ABS产品的信用质量，优化投资组合的风险调整收益；评级机构能够利用历史表现数据迭代内部评级模型，提升对同类证券的评估一致性；监管机构如SEC则可通过分析资产级数据，检测异常违约模式或潜在的系统性风险，从而加强ABS市场的宏观审慎监管。此外，数据集还可用于开发自动化信用评分工具，帮助汽车金融公司在贷后管理中实时识别高风险贷款，实施更精准的催收策略。

数据集最近研究

最新研究方向

该数据集聚焦于资产支持证券（ABS）领域，特别是Carvana汽车应收款信托的逐笔贷款级数据，涵盖53份SEC ABS-EE备案文件，时间跨度从2021年11月至2026年3月。前沿研究方向包括利用这些细粒度资产级数据建模违约风险、提前偿付行为以及现金流动态，以评估次级汽车贷款市场的系统性风险。近期热点事件如汽车金融行业波动和利率上升背景下，该数据集为量化Carvana的信用风险与资产池表现提供了关键基础，其意义在于推动ABS市场透明化，助力投资者与监管机构进行更精准的风险定价与前瞻性压力测试。