DenyTranDFW/GMF_Leasing_LLC_1631055

该数据集涉及GMF Leasing LLC（CIK 1631055）的SEC ABS-EE资产级别申报文件。包括39个申报文件，39个Parquet文件，总大小为136.1 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。报告期日期来自资产级别XML（`reportingPeriodEndingDate`）。申报索引列出了所有申报文件的CIK、表格、accessionNumber和URL。SEC ABS-EE asset-level filings for CIK 1631055 (GMF Leasing LLC). Includes 39 filings, 39 parquet files, with a total size of 136.1 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`). The filing index lists all filings with their respective CIK, form, accessionNumber, and URL.

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发行）体系，专注于CIK编码1631055所对应的GMF Leasing LLC机构。数据经由系统化提取自XML格式的资产层级公开披露文件中的展品信息，并转换为Parquet格式进行存储。每个Parquet文件均按`{accession_nodash}/{exhibit_name}.parquet`的组织结构命名，报告期截止日期则从原始XML中的`reportingPeriodEndingDate`字段直接获取。共计收录了39份申报文件，生成39个Parquet文件，总数据体量为136.1 MB。

特点

本数据集的核心特色在于其聚焦于资产支持证券领域的单笔贷款或资产级原始数据，为深度分析标的资产池的信用质量与表现提供了宝贵资源。数据以结构化的Parquet格式存储，确保了高效压缩与快速读取能力。其时间跨度为2017年至2026年，包含了连续多年的定期申报记录，揭示了GMF Leasing LLC作为发起机构的资产证券化动态。此外，数据集明确标注了每一份申报对应的SEC档案号及公开访问链接，极大便利了原始文件的核查与溯源。

使用方法

用户可直接通过Hugging Face Datasets库加载该数据集，利用其标准API进行访问与操作。在数据分析过程中，推荐使用支持Parquet格式的计算引擎，如Apache Spark、Pandas或Dask，以充分发挥列式存储的性能优势。使用者可根据`accessionNumber`字段按时间序列筛选特定申报批次，或通过`reportingPeriodEndingDate`字段提取特定报告期的快照数据，以便进行流动性分析、违约率建模或资产池绩效评价等金融研究任务。

背景与挑战

背景概述

GMF Leasing LLC（中央索引键编号1631055）数据集由美国证券交易委员会（SEC）依据ABS-EE规则强制要求披露的资产支持证券（ABS）底层资产层面数据整理而成。自2017年起，该数据集收录了GMF Leasing LLC作为发起人提交的39份ABS-EE申报文件，涵盖其汽车租赁或贷款资产池的逐笔贷款级结构化信息。数据集以Parquet格式高效存储，总容量约136.1 MB，其构建旨在为金融市场参与者、监管机构及学术研究者提供标准化的资产池微观数据，以提升资产支持证券市场的透明度。该数据集对于研究汽车ABS的风险定价、资产池异质性及证券化产品的绩效归因具有重要价值，推动了金融数据科学在结构化金融领域的发展。

当前挑战

该数据集面临的核心挑战在于解决资产支持证券领域内底层数据标准化与可用性的困境。传统上，ABS信息披露以非结构化文档为主，投资者难以系统性地获取各笔贷款的实时状态、违约率及提前还款等关键指标，导致风险定价效率低下。构建过程中，需要将SEC EDGAR系统内的XML格式申报文件高效解析为结构化Parquet数据集，面临庞杂的XML模式变体、跨申报期的一体化数据对齐及报告周期截止日期的准确提取等技术难点。此外，确保长达九年共39个申报文件的数据完整性与回溯兼容性，以支撑时间序列分析，亦是构建过程中的重要挑战。

常用场景

经典使用场景

在资产证券化（ABS）研究领域，GMF Leasing LLC数据集作为SEC ABS-EE强制性资产层面信息披露的典型代表，为学者提供了宝贵的微观金融数据。该数据集汇集了GMF Leasing LLC自2017年至2026年间提交的39份ABS-EE备案文件，以Parquet格式存储了从XML展品中提取的逐笔贷款或资产级数据。研究者和金融分析师常利用这些细粒度的资产表现指标，深入剖析汽车贷款ABS产品的结构特征、基础资产池的信用质量变化，以及在不同经济周期下的违约与提前偿付行为，从而构建更精准的定价与风险评估模型。

实际应用

从实务操作层面而言，该数据集赋能了抵押贷款二级市场的智能化风控与投资决策。信用评级机构可借助这一高频率、长序列的资产表现记录，校准内部评级模型的参数，提高对证券化产品信用等级评定的准确性和前瞻性。金融机构与资产管理公司在构建投资组合时，亦能以此为依据进行更为精细化的分层分析，识别不同期限和档位证券的收益与风险特征，从而制定差异化的持仓策略。此外，监管科技公司也可利用这些数据开发实时监测工具，追踪汽车贷款ABS市场的系统性风险累积。

衍生相关工作

围绕GMF Leasing LLC数据集，一系列具有影响力的开拓性工作应运而生。研究者利用其细颗粒度的资产信息，衍生出关于ABS资产池多样化效应的量化分析工具，以及针对特定发起人信用行为的预测框架。在此基础上，部分工作着重于将标准化后的数据与宏观经济变量耦合，构建了能够捕捉动态违约相关性的高频实证模型。这些衍生成果不仅拓展了结构化金融的理论边界，也为后续开发可解释的ABS评估算法、设计韧性更强的资产支持票据产品提供了重要的数据基座和方法论参照。