DenyTranDFW/DAIMLER_TRUST_LEASING_LLC_1537805

该数据集包含DAIMLER TRUST LEASING LLC（CIK 1537805）的美国证券交易委员会（SEC）ABS-EE资产级别申报文件。具体包括379个申报文件，提取为682个Parquet格式文件，总大小为993.2 MB。这些Parquet文件是从XML展品中提取的贷款级别或资产级别数据，按{accession_nodash}/{exhibit_name}.parquet路径组织，报告期日期基于资产级别XML中的reportingPeriodEndingDate字段。数据集旨在提供金融领域资产支持证券的详细资产级别信息，适用于数据分析、风险建模和研究用途。This dataset contains U.S. Securities and Exchange Commission (SEC) ABS-EE asset-level submission documents from DAIMLER TRUST LEASING LLC (CIK 1537805). Specifically, it includes 379 submission documents, which are extracted into 682 files in Parquet format with a total size of 993.2 MB. These Parquet files contain loan-level or asset-level data extracted from XML exhibits, and are organized under the path pattern {accession_nodash}/{exhibit_name}.parquet. The reporting period date is derived from the reportingPeriodEndingDate field in the asset-level XML files. This dataset is designed to provide detailed asset-level information for asset-backed securities in the financial domain, and is suitable for data analysis, risk modeling and research purposes.

搜集汇总

数据集介绍

构建方式

在资产支持证券（ABS）领域，美国证券交易委员会（SEC）要求发行人通过ABS-EE表格披露资产层面的详细信息。本数据集聚焦于Mercedes-Benz Trust Leasing LLC（CIK 1537805），系统性地采集并整理了其提交的389份ABS-EE资产层面申报文件。构建过程以原始的XML展品文件为数据源，从中精准提取贷款层面与资产层面的核心字段，并将其转化为Parquet格式文件。数据按`{accession_nodash}/{exhibit_name}.parquet`的层级结构进行组织，同时基于XML中的`reportingPeriodEndingDate`字段推导出每个报告期的日期，从而形成了一套结构化、便于查询的资产级时间序列数据集合。

特点

该数据集的核心特点在于其高度的颗粒度与结构化组织方式。作为梅赛德斯-奔驰旗下信托的专用数据集合，它精准记录了每一笔底层资产的详细信息，为研究汽车贷款ABS的资产池表现提供了罕见的数据窗口。数据以高效、可压缩的Parquet格式存储，体积仅7.7 MB，却涵盖了5个数据文件，极大地便利了大规模资产池的统计分析。通过与SEC EDGAR系统中原始申报文件的链接索引，用户能够便捷地回溯每一条数据的法规文件源头，确保了信息的可追溯性与权威性。

使用方法

研究人员与分析师可通过Python的Pandas或DuckDB等支持Parquet格式的工具直接加载该数据集。使用时，首先需指定数据集的根目录，根据所需的资产类别或报告期，遍历`{accession_nodash}`下的Parquet文件即可进行数据读取。由于数据已包含从XML中推导出的报告期日期字段，用户能够轻松地对不同时段内的资产表现进行切片分析。此外，利用提供的Filing Index表格，用户可快速定位具体的SEC申报文件，结合EDGAR的原始资料进行交叉验证与深度挖掘，从而支撑从违约率建模到资产池结构演化的各类量化研究。

背景与挑战

背景概述

资产支持证券（ABS）作为结构化金融产品，其信用风险评估高度依赖于底层资产的逐笔贷款数据。梅赛德斯-奔驰信托租赁有限责任公司（Mercedes-Benz Trust Leasing LLC）作为汽车金融领域的专业发行主体，自2017年起持续向美国证券交易委员会（SEC）提交ABS-EE格式的资产层面电子化申报文件。该数据集系统整合了CIK编号1537805对应实体的389份申报文件，以Parquet格式存储了从XML附件中提取的逐笔贷款级数据，总容量达7.7 MB。这一精细化数据集合为研究汽车租赁ABS的现金流特征、提前偿付行为及违约模式提供了高颗粒度的实证基础，对推动结构化金融领域的量化分析与监管科技应用具有重要学术与实务价值。

当前挑战

该数据集所应对的核心领域挑战在于：传统ABS定价与评级模型常依赖聚合层面的历史表现数据，难以揭示底层资产异质性对信用风险传导的非线性影响，而逐笔贷款数据的结构化提取与标准化处理恰恰弥补了这一盲区。在构建过程中，面临的主要障碍包括：从非结构化XML附件中精准解析嵌套的资产字段，并协调多期申报文件间表格结构的不一致性；在缺乏统一数据字典的前提下，确保来自389份文件的分期数据在时间维度和元数据标签上的无缝衔接，同时维持7.7 MB容量的高效压缩与存储格式兼容性。

常用场景

经典使用场景

在资产证券化（ABS）研究领域，DAIMLER_TRUST_LEASING_LLC_1537805数据集的核心价值在于为梅赛德斯-奔驰信托租赁公司的资产支持证券提供了详尽的逐笔贷款级数据。研究人员常利用该数据集分析汽车贷款ABS的资产池特征，涵盖贷款期限、利率分布、借款人信用评分等关键指标，从而构建违约风险预测模型或现金流定价模型。通过汇聚超过380份ABS-EE申报文件，该数据集支持纵向时间序列分析，使得评估资产池在不同经济周期下的表现成为可能，是研究结构化金融产品底层资产行为的理想数据源。

解决学术问题

该数据集有效解决了汽车ABS领域长期存在的微观数据匮乏问题。传统研究多依赖宏观汇总指标，难以精确刻画单笔贷款的信用迁移与违约模式。借助DAIMLER_TRUST_LEASING_LLC_1537805，学者能够实证检验信息不对称理论在结构化融资中的应用，量化发起人保留权益与资产质量之间的关系，并探讨监管政策（如风险自留规则）对贷款筛选标准的影响。这些发现深化了学界对资产证券化市场效率的理解，同时也为监管机构优化信息披露框架提供了经验证据。

衍生相关工作

依托该数据集，衍生出多项具有影响力的学术与工业研究。例如，有工作利用其贷款级时间序列构建了基于机器学习的提前偿付风险预警模型，揭示了借款人还款行为与宏观经济指标之间的非线性关系。另有研究通过解析资产池的同质性特征，评估了汽车ABS在压力测试下的流动性缺口，为巴塞尔协议III中的流动性覆盖率计算提供了实证基准。此外，该数据集还被用于验证分布式账本技术在ABS存续期管理中的适用性，推动了金融科技与结构化产品的交叉探索。