DenyTranDFW/BANK_2020_BNK30_1832874

BANK 2020-BNK30数据集包含SEC ABS-EE资产级别备案数据，针对CIK 1832874。数据集包含43个备案，86个Parquet文件，总大小为5.4 MB。报告期从2020年12月11日开始，到2024年6月11日结束。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组织。报告期日期来源于资产级别XML的reportingPeriodEndingDate。The BANK 2020-BNK30 dataset contains SEC ABS-EE asset-level filings for CIK 1832874. The dataset includes 43 filings, 86 Parquet files, with a total size of 5.4 MB. The reporting period spans from 2020-12-11 to 2024-06-11. Parquet files are loan-level / asset-level data extracted from XML exhibits, organized 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

在资产证券化（ABS）领域，精细化的资产层级数据对于风险定价与监管合规至关重要。BANK_2020_BNK30_1832874数据集源自美国证券交易委员会（SEC）的ABS-EE（Asset-Backed Securities Eligibility and Execution）电子化备案系统，专门提取CIK为1832874的发行主体（BANK 2020-BNK30）自2020年12月至2024年6月期间的43份XML格式备案文件。通过解析XML附件中的资产层级字段，并将每个备案的资产数据转化为Parquet格式文件，共生成86个Parquet文件，以`{accession_nodash}/{exhibit_name}.parquet`的目录结构进行组织，报告期结束日期则取自XML中的`reportingPeriodEndingDate`元素。

使用方法

使用者可通过Hugging Face数据集库直接加载此数据，利用Parquet文件的列式存储特性高效筛选特定报告期或资产属性。适合进行结构化查询分析，例如使用Python的Pandas库读取单个文件后，按`reportDate`字段进行时序拼接，或跨不同`accessionNumber`对比同一资产的还款历史。研究者亦可结合SEC官网的原始XML文件进行数据验证，以增强分析结论的稳健性。该数据集特别适用于金融计量模型训练、资产证券化产品质量评估以及监管科技（RegTech）领域的应用开发。

背景与挑战

背景概述

在资产支持证券（ABS）领域，透明且标准化的资产层级数据对于风险评估、定价模型构建以及市场监管至关重要。BANK_2020_BNK30_1832874数据集由SEC ABS-EE项目创建，聚焦于CIK编号1832874对应的BANK 2020-BNK30交易，覆盖从2020年12月至2024年6月的43份申报文件与86个Parquet文件，总容量达5.4 MB。该数据集的核心研究问题在于通过系统化提取XML展品中的贷款级数据，为金融实证分析提供结构化、可复用的基础。作为SEC推动ABS市场信息透明化的重要成果，该数据集为学术界与业界研究结构化金融产品的表现与风险特征提供了珍贵资源，尤其在后金融危机时代加强监管的背景下，其影响力体现在促进了对ABS底层资产质量的动态追踪与量化研究。

当前挑战

数据集所应对的领域问题在于资产支持证券市场长期缺乏统一、机器可读的细粒度数据，这限制了违约预测、现金流建模及监管合规等分析的深化。构建过程中面临多重挑战：首先，从非结构化的XML展品中准确提取资产层级字段，需应对SEC不同编译器产生的格式差异与编码不一致；其次，跨43个报告期的数据整合要求严格的时间序列对齐，以避免因报告日期（reportingPeriodEndingDate）缺失或偏差导致的断层；此外，原始文件的元数据（如accessionNumber）的清理与关联，以及将86个Parquet文件按交易维度高效组织，均对自动化数据管道的鲁棒性提出了高要求。

常用场景

经典使用场景

在资产证券化（ABS）研究领域，BANK 2020-BNK30数据集专注于提供商业抵押贷款支持证券（CMBS）的逐笔贷款层面数据。该数据集的核心价值在于其结构化的资产级信息，这些信息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。研究者能够利用这些详细的贷款层面数据，对资产池的信用风险、现金流分布以及分层结构特性进行深入剖析，为评估证券化产品的内在价值与风险敞口提供了宝贵的数据基础。

解决学术问题

该数据集有效解决了长期以来因资产池信息匮乏而导致的研究瓶颈。过往学术研究受限于宏观层面的聚合数据，难以对基础资产的风险异质性与违约相关性进行精准建模。此数据集使得学者能够首次在微观测度上验证信息不对称理论、分层结构设计对证券定价的影响，以及危机期间资产表现与宏观因素的动态关联，从而推动了资产证券化微观结构理论的深化与实证方法的革新。

实际应用

在实际金融市场中，该数据集对风险管理与投资决策具有不可替代的参考意义。资产管理者与信用评级机构可借此开展精细化的单笔贷款压力测试，构建更审慎的现金流模型，从而优化投资组合的风险收益配置。同时，监管机构可依据这些明细数据监控系统性风险聚集，评估证券化产品的透明度与合规性，为维护资本市场的稳定运行提供微观层面的数据支持。

数据集最近研究

最新研究方向

围绕BANK 2020-BNK30这一资产支持证券（ABS）交易，数据集汇聚了其从2020年12月至2024年6月期间的43份SEC ABS-EE资产层级备案文件，涵盖86个Parquet格式的逐笔贷款数据。当前，该数据集的前沿研究聚焦于利用精细化的资产层级信息构建信用风险评估模型，特别是在商业抵押贷款支持证券（CMBS）领域，通过机器学习算法解析借款人的偿付模式与抵押物价值波动间的关联。伴随美国商业地产市场在利率攀升与后疫情时代空置率变化下的动荡，该数据集成为量化分析资产池表现与预警违约风险的关键基础，推动了结构化金融产品透明度与监管科技（RegTech）的融合，为投资者与监管机构提供了微观视角下的市场韧性评估工具。