DenyTranDFW/World_Omni_Auto_Receivables_Trust_2021_A_1836809

该数据集包含美国证券交易委员会（SEC）ABS-EE资产级别备案数据，具体针对World Omni Auto Receivables Trust 2021-A（CIK 1836809）。数据集包含44个备案文件，总大小为119.5 MB，报告期从2020年12月31日至2025年1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中的reportingPeriodEndingDate字段。SEC ABS-EE asset-level filings for CIK 1836809 (World Omni Auto Receivables Trust 2021-A). The dataset includes 44 filings with a total size of 119.5 MB, covering the reporting period from 2020-12-31 to 2025-01-31. 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

本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）强制性披露体系，聚焦于World Omni Auto Receivables Trust 2021-A（CIK 1836809）的资产层级数据。通过系统爬取SEC EDGAR数据库中该信托从2020年12月31日至2025年1月31日期间提交的44份ABS-EE申报文件，提取其中嵌入的XML展品中的逐笔贷款或资产级信息，并将其解析为高效的Parquet格式文件。所有文件按‘accession_nodash/展品名称.parquet’的路径组织，报告期日期则取自XML中的‘reportingPeriodEndingDate’字段，从而构建出一个结构化、可追溯的时序资产数据集。

特点

该数据集的核心特色在于其深度与规范性，完整涵盖了World Omni Auto Receivables Trust 2021-A自成立以来近五年的全部ABS-EE申报档案，包含44个Parquet文件，总数据量达119.5 MB。每个文件均对应独立的申报事件，颗粒度精细至每个资产池中的每一笔汽车贷款，为研究底层资产池的信用表现、现金流分布及违约动态提供了高分辨率素材。数据基于SEC官方标准化XML模式提取，确保了字段定义的一致性与跨文档可比性，且时间跨度覆盖完整，从初始起息日直到最近一个报告终结日，未出现断层。

使用方法

用户可通过直接加载各Parquet文件进行数据分析，推荐使用Pandas库的‘pd.read_parquet()’函数逐文件读取，或利用Dask、PySpark等分布式框架实现批量化处理。由于文件已按申报编号与展品名称分类存放，研究时可根据Filing Index中的索引表，依据‘accessionNumber’或‘reportDate’字段精准定位特定时段的数据。该数据集适宜用于资产证券化领域的定量研究，如构建汽车贷款提前偿付与违约预测模型、评估宏观经济指标对贷款池表现的影响，亦可作为结构化金融产品风险定价与压力测试的基准数据源。

背景与挑战

背景概述

World Omni Auto Receivables Trust 2021-A 数据集由美国证券交易委员会（SEC）依据ABS-EE（Asset-Backed Securities - Eligibility and Enrollment）法规创建，专注于汽车贷款支持证券的资产层面信息披露。该数据集覆盖2020年12月至2025年1月的报告周期，包含44份XML格式的资产级申报文件，总计119.5 MB，数据以Parquet格式组织，便于高效存储和分析。核心研究问题在于通过标准化、细粒度的贷款层面数据，提升资产支持证券（ABS）市场的透明度和定价准确性。作为SEC推动结构化金融监管改革的重要成果，该数据集为金融科技、风险管理与量化分析领域提供了关键数据基础，尤其对汽车ABS市场的信用风险评估和现金流建模具有深远影响。

当前挑战

数据集面临的核心挑战在于资产支持证券领域的信息不对称问题，传统上投资者难以获取标准化、高频率的资产层级数据，导致对信用风险和违约预测的建模缺乏精准性。同时，构建过程中需克服多源XML文件解析的复杂性，将非结构化的SEC申报文本转化为可用的Parquet格式，并确保报告期间（如2020-2025年）内数据一致性与完整性。此外，处理44份文件中潜在的缺失值、时间序列对齐以及不同会计周期下的数据标准化，构成了工程和算法层面的显著障碍。

常用场景

经典使用场景

World Omni Auto Receivables Trust 2021-A 数据集的核心用途在于对资产支持证券（ABS）中汽车贷款池的逐笔贷款（loan-level）数据进行结构化分析。研究人员可借助该数据集的44份ABS-EE备案文件，涵盖2020年12月至2025年1月期间约119.5 MB的Parquet格式明细数据，深入探索贷款组合的信用风险、提前偿付行为与违约模式。该数据集特别适用于构建抵押贷款绩效模型，模拟不同经济情景下资产池的现金流分布，为结构化金融产品的定价与评级提供坚实的数据基础。

衍生相关工作

基于World Omni Auto Receivables Trust 2021-A数据集，学术界与业界已衍生出多项经典工作。例如，研究者利用该数据训练机器学习模型以预测汽车贷款提前偿付概率，其成果被整合进更广泛的ABS估值框架中。另有团队基于其逐笔贷款信息构建了投资者保护指数，量化评估不同ABS交易中底层资产的同质性。此外，该数据集还被用于复现并拓展了关于证券化市场对借款人福利影响的因果推断研究，成为结构化金融实证分析的重要基准资源。

数据集最近研究

最新研究方向

在资产证券化与结构性金融领域，World Omni Auto Receivables Trust 2021-A数据集为研究汽车贷款ABS的资产表现与风险演化提供了珍贵的颗粒化数据。基于SEC ABS-EE强制披露的逐笔贷款级XML信息，该数据集覆盖2020年末至2025年初的完整月度资产池状态，使学者能够深入分析汽车ABS在新冠疫情后经济恢复期、利率剧烈波动以及二手车市场结构性变化中的信用迁移、提前偿付与违约动态。结合近年来加速推进的金融科技监管改革与透明化披露趋势，这一标准化资产级数据为构建风控模型、开发压力测试场景以及评估投资者保护机制提供了关键实证基础，推动了结构化产品定价与系统性风险监测的前沿探索。