DenyTranDFW/GM_Financial_Consumer_Automobile_Receivables_Trust_2023_1_1957685

该数据集包含GM Financial Consumer Automobile Receivables Trust 2023-1的SEC ABS-EE资产级文件，针对CIK 1957685。数据集由41个文件组成，总大小为132.0 MB，覆盖报告期从2022年11月30日到2026年2月28日。文件以Parquet格式存储，是从XML展品中提取的贷款级/资产级数据，按“{accession_nodash}/{exhibit_name}.parquet”组织。报告期日期源自资产级XML的reportingPeriodEndingDate字段，适用于证券化资产分析、金融建模和监管研究。This dataset includes SEC ABS-EE asset-level filings for GM Financial Consumer Automobile Receivables Trust 2023-1, associated with CIK 1957685. It is composed of 41 files with a total size of 132.0 MB, spanning a reporting period from November 30, 2022 to February 28, 2026. Stored in Parquet format, the files hold loan-level and asset-level data extracted from XML exhibits, and are organized following the path pattern "{accession_nodash}/{exhibit_name}.parquet". The reporting period dates are sourced from the reportingPeriodEndingDate field in the asset-level XML files, and the dataset is applicable for securitized asset analysis, financial modeling, and regulatory research.

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，聚焦于GM Financial Consumer Automobile Receivables Trust 2023-1（CIK编号1957685）的资产层面申报文件。数据从XML展品中提取贷款级/资产级信息，并以Parquet格式存储，每个文件按访问号（accession number）和展品名称组织，例如`{accession_nodash}/{exhibit_name}.parquet`。共收录41份申报文件，形成41个Parquet文件，总容量132.0 MB，覆盖从2022年11月30日至2026年2月28日的报告周期，报告截止日期源自资产级XML中的`reportingPeriodEndingDate`字段。

特点

此数据集的核心特色在于其细粒度的资产级数据，能够揭示每笔汽车贷款在证券化池中的逐月表现，包括还款、违约和提前偿付等动态。时间跨度长达39个月，从证券发行前的初始状态直至2026年2月，为分析资产池的信用风险演变提供了连续视图。此外，数据来源于SEC官方申报，具有高度权威性和合规性，且开放获取（GPL许可），便于学术研究和金融实践中的深度挖掘。

使用方法

用户可通过Hugging Face平台直接下载Parquet文件，利用Python的Pandas或PyArrow库读取并分析。数据以`accession_nodash/exhibit_name.parquet`路径组织，便于按时间或展品类别检索。典型应用包括构建资产池的绩效预测模型、进行现金流折现分析，或评估不同宏观情景下的损失分布。研究者还可将本数据集与其他ABS-EE数据集合并，以拓展至跨发行人、跨资产类别的比较研究。

背景与挑战

背景概述

在资产证券化（ABS）领域，底层资产池的逐笔贷款级数据对于精准评估信用风险、进行压力测试以及推动金融科技与数据驱动监管的深度融合至关重要。GM Financial Consumer Automobile Receivables Trust 2023-1数据集由SEC的ABS-EE（Asset-Backed Securities-Exhibits Electronic）系统生成，其核心研究问题聚焦于如何将复杂的证券结构化监管档案高效转化为结构化、可机读的资产级数据。该数据集覆盖了自2022年11月至2026年2月的41份申报文件，总计132.0 MB的Parquet文件，由相关研究团队或数据提供者从XML附件中抽取整理。它填补了公开ABS市场中高质量、时序化汽车贷款级数据集的稀缺空白，为学术界和金融机构提供了一个验证违约预测模型、评估证券分层现金流以及探究汽车贷款市场动态的标准化基准，对推动金融数据透明化与风险管理精细化具有显著影响力。

当前挑战

该数据集所解决的领域问题核心挑战在于，传统ABS研究往往受限于汇总统计数据，难以穿透至单一贷款的还款与信用行为。该数据集使研究者能够克服这一障碍，基于逐笔贷款的生命周期记录，构建更精确的提前偿付与违约模型。同时，构建过程中面临的主要挑战包括：从SEC EDGAR系统中数量庞大、格式非统一的XML附件中提取资产级数据，确保数据完整性与格式化一致性；处理跨月报数据的时间序列对齐问题，以准确反映贷款池的收支变动；以及大规模申报文件中元数据的标准化，例如将‘reportingPeriodEndingDate’字段与具体展品进行精准关联，从而实现数据集的持续更新与长期可用性。

常用场景

经典使用场景

在资产支持证券（ABS）研究领域，GM Financial Consumer Automobile Receivables Trust 2023-1 数据集凭借其详尽的逐笔贷款层级信息，成为剖析汽车贷款证券化产品内在机理的珍贵宝藏。该数据集涵盖了从2022年11月至2026年2月的41份SEC ABS-EE合规备案文件，完整记录了标的资产池的月度表现动态。研究者们通常借助此数据集深入挖掘贷款组合的信用风险分布特征、提前偿付行为模式以及损失回收率等核心要素，为构建精细化的现金流预测模型和压力测试框架提供了坚实的数据基石。

衍生相关工作

受此系列数据集启发，学界与业界已衍生出多项里程碑式的研究工作。部分成果专注于开发基于机器学习的提前偿付与违约预测模型，显著提升了传统计量方法在尾部风险识别上的精度。另有工作利用此类粒度数据揭示了金融危机后监管改革（如Regulation AB II）对ABS市场信息披露质量的积极影响。此外，研究者还创建了标准化资产池评价框架，使得不同发起的汽车ABS产品之间具有了横向可比性，催生了一批聚焦于分层结构优化与期限错配风险度量的开创性论文，深化了对结构化产品定价理论的理解。

数据集最近研究

最新研究方向

该数据集聚焦于通用汽车金融旗下汽车贷款ABS的资产层面结构化金融数据，其披露周期横跨2022至2026年，为量化汽车贷款证券化产品的信用风险与提前偿付行为提供了详尽的微观实证基础。在当前宏观利率波动加剧与消费者信贷质量变迁的背景下，这类逐笔贷款级别的数据被广泛应用于构建违约预测模型与现金流压力测试框架，助力监管层与市场参与者更精准地审视次级汽车贷款的底层资产池表现。同时，SEC强制要求的ABS-EE格式对资产层面信息的标准化，有力推动了结构化金融领域从静态评级依赖向动态数据驱动的风险定价范式转型，对重塑风险管理的透明度和科学性具有里程碑意义。